Προτυποποίηση της επιρροής της χρήσης κινητού τηλεφώνου στη συμπεριφορά του οδηγού αξιοποιώντας λεπτομερή δεδομένα από αισθητήρες έξυπνων κινητών τηλεφώνων

Αργυροπούλου, Αναστασία; Argyropoulou, Anastasia

dc.contributor.author	Αργυροπούλου, Αναστασία	el
dc.contributor.author	Argyropoulou, Anastasia	en
dc.date.accessioned	2017-09-21T06:32:06Z
dc.date.issued	2017-09-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/45666
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.9250
dc.rights	Default License
dc.subject	Απόσπαση προσοχής	el
dc.subject	Κινητά τηλέφωνα	el
dc.subject	Απότομα συμβάντα	el
dc.subject	Μεικτή παλινδρόμηση	el
dc.subject	Οδική ασφάλεια	el
dc.subject	Distraction	en
dc.subject	Mobile phones	en
dc.subject	Harsh events	en
dc.subject	Road safety	en
dc.subject	Mixed-effects regression	en
dc.title	Προτυποποίηση της επιρροής της χρήσης κινητού τηλεφώνου στη συμπεριφορά του οδηγού αξιοποιώντας λεπτομερή δεδομένα από αισθητήρες έξυπνων κινητών τηλεφώνων	el
dc.title	Modelling mobile phone use impact on driver behaviour through the exploitation of data from smartphone sensors	en
heal.type	bachelorThesis
heal.classification	Συστήματα μεταφορών	el
heal.classificationURI	http://data.seab.gr/concepts/298915c1797ca9a21343469adc3cc50b222a9cec
heal.dateAvailable	2018-09-20T21:00:00Z
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2017-07-24
heal.abstract	Στόχος της παρούσας Διπλωματικής Εργασίας είναι η διερεύνηση και η προτυποποίηση της επιρροής της χρήσης κινητού τηλεφώνου στη συμπεριφορά του οδηγού αξιοποιώντας λεπτομερή δεδομένα από αισθητήρες έξυπνων κινητών τηλεφώνων. Για το σκοπό αυτό αναλύονται στοιχεία που συλλέχθηκαν από 100 οδηγούς οι οποίοι συμμετείχαν σε πείραμα οδήγησης σε πραγματικές συνθήκες για χρονικό διάστημα τεσσάρων μηνών. Η ανάλυση πραγματοποιήθηκε με τη χρήση των στατιστικών μεθόδων της μεικτής γραμμικής και δυαδικής λογιστικής παλινδρόμησης. Μέσω των μοντέλων γραμμικής παλινδρόμησης εξετάστηκε κατά πόσο χαρακτηριστικά οδήγησης που καταγράφηκαν από τους αισθητήρες έξυπνων κινητών τηλεφώνων επηρεάζουν και επομένως μπορούν να προβλέψουν τα απότομα συμβάντα κατά την οδήγηση, ενώ τα μοντέλα λογιστικής παλινδρόμησης αξιοποιήθηκαν για την πρόβλεψη της χρήσης ή μη του κινητού τηλεφώνου κατά την οδήγηση μέσα από την καταγραφή μεγεθών σχετικών με την οδήγηση. Από την εφαρμογή των μοντέλων προέκυψε ότι οι παράγοντες που επηρεάζουν τα απότομα συμβάντα είναι πέντε, με κυριότερο τη μέση ταχύτητα οδήγησης, ενώ οι αντίστοιχοι παράγοντες που επηρεάζουν την πιθανότητα χρήσης του κινητού τηλεφώνου στην οδήγηση είναι έξι, με κυριότερο εκείνον της μέσης στροφικής ταχύτητας.	el
heal.abstract	The aim of this Diploma Thesis is to examine and model the impact of mobile phone use on driver behaviour through the exploitation of data from smartphone sensors. To achieve this objective, data collected from 100 drivers who participated at a naturalistic driving experiment for four months are analyzed. The analysis was carried out with the use of statistical methods of mixed-effects linear and binary logistic regression. Through the linear regression models it was examined whether driving characteristics recorded by smartphone sensors affect and can therefore predict harsh driving events, whereas the logistic regression models were used to predict the use or no use of mobile phone while driving through the recording of driving related measures. The application of the models revealed that the factors affecting the harsh events are five, with the average driving speed being the main one, while the factors affecting the possibility of using the mobile phone while driving are six,with the average angular speed being the main one.	en
heal.advisorName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Γκόλιας, Ιωάννης	el
heal.committeeMemberName	Γιαννής, Γιώργος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	120 σ.
heal.fullTextAvailability	true