Συγκριτική ανάλυση της οδηγικής επίδοσης με χρήση τεχνικών της επιστήμης των δεδομένων εφαρμοζόμενων σε δεδομένα κινητών τηλεφώνων μεγάλης κλίμακας

Περίληψη

Ο κύριος στόχος της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μιας ολοκληρωμένης μεθοδολογικής προσέγγισης για τη συγκριτική αξιολόγηση της οδηγικής επίδοσης, όσον αφορά την οδική ασφάλεια, τόσο σε επίπεδο διαδρομής, όσο και οδηγού, με τη χρήση τεχνικών της επιστήμης δεδομένων. Η μεθοδολογική προσέγγιση στηρίζεται στον καθορισμό ενός δείκτη επίδοσης που βασίζεται στη θεωρία της Περιβάλλουσας Ανάλυσης Δεδομένων (Data Envelopment Analysis - DEA) και σχετίζεται με μακροσκοπικά συμπεριφοριστικά χαρακτηριστικά οδήγησης, όπως ο αριθμός των απότομων επιταχύνσεων/ επιβραδύνσεων, ο χρόνος χρήσης του κινητού τηλεφώνου και ο χρόνος υπέρβασης του ορίου ταχύτητας. Ακόμα, αναπτύσσονται μοντέλα μηχανικής μάθησης για τον προσδιορισμό διακριτών προφίλ οδήγησης που βασίζονται στη χρονική εξέλιξη της οδηγικής επίδοσης. Η προτεινόμενη μεθοδολογική προσέγγιση εφαρμόζεται σε πραγματικά δεδομένα οδήγησης ευρείας κλίμακας που συλλέγονται από έξυπνες συσκευές κινητών τηλεφώνων (smartphones), τα οποία αν ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The main objective of this PhD is to provide a methodological approach for benchmarking driving efficiency in terms of safety on a trip and driver basis using data science techniques. The methodological approach is based on the definition of a safety efficiency index based on the Data Envelopment Analysis (DEA) theory and is related to macroscopic behavioral driving characteristics such as the number of sudden accelerations / decelerations, mobile phone usage time, and time exceeding the speed limit. In this dissertation, machine learning models are also developed to identify the different driving profiles that exist based on the temporal evolution of driving efficiency. The proposed methodological approach is applied on a real-world driving dataset collected from smartphones, which is analyzed using statistical methods to determine the amount of driving data to be used in the analysis. The results show that the optimized convex hull - DEA algorithm gives the exact solution in signific ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/44854
ND
44854
Εναλλακτικός τίτλος
Benchmarking driving efficiency using data science techniques applied on large - scale smartphone data
Συγγραφέας
Τσελέντης, Δημήτριος του Ιωάννης
Ημερομηνία
2018
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής. Εργαστήριο Κυκλοφοριακής Τεχνικής
Εξεταστική επιτροπή
Γιαννής Γεώγιος
Κοζύρης Νεκτάριος
Βλαχογιάννη Ελένη
Γκόλιας Ιωάννης
Λοΐζος Ανδρέας
Αντωνίου Κωνσταντίνος
Γερολιμίνης Νικόλαος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία
Επιστήμη Πολιτικού Μηχανικού
Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Λέξεις-κλειδιά
Οδηγική συμπεριφορά; Δεδομένα smartphone; Συγκριτική ανάλυση; Επιστήμη δεδομένων; Οδηγική επίδοση
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
225 σ., εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)