Ανάπτυξη προτύπων ενισχυτικής μάθησης για τη διαμόρφωση εξατομικευμένων πολιτικών οδήγησης

Βλαχογιάννης, Δημήτρης; Vlachogiannis, Dimitris

dc.contributor.author	Βλαχογιάννης, Δημήτρης	el
dc.contributor.author	Vlachogiannis, Dimitris	en
dc.date.accessioned	2017-09-21T07:02:25Z
dc.date.available	2017-09-21T07:02:25Z
dc.date.issued	2017-09-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/45668
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14566
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Οδηγική συμπεριφορά	el
dc.subject	Πληθοπορισμός	el
dc.subject	Έξυπνα μεταφορικά συστήματα	el
dc.subject	Q-μάθηση	el
dc.subject	Κ-means συσταδοποίησης	el
dc.subject	Driver’s behavior	en
dc.subject	Crowdsourcing	en
dc.subject	Intelligent transportation systems	en
dc.subject	Q-learning	en
dc.subject	K-means clustering	en
dc.title	Ανάπτυξη προτύπων ενισχυτικής μάθησης για τη διαμόρφωση εξατομικευμένων πολιτικών οδήγησης	el
dc.title	Reinforcement learning models for the development of personalized driving policies	en
heal.type	bachelorThesis
heal.classification	Ενισχυτική μάθηση	el
heal.classification	Reinforcement learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-07-24
heal.abstract	Η αυξημένη αστικοποίηση και ο κορεσμός της ιδιοκτησίας Ι.Χ. αυτοκινήτων καθιστούν πιο αναγκαία από ποτέ την στροφή στη βιώσιμη κινητικότητα ως συνιστώσα και προϋπόθεση για την προσέγγιση των οδικών επιβατικών μεταφορών. Προς εξυπηρέτηση του σκοπού αυτού, επιδιώχθηκε η διαμόρφωση εξατομικευμένων πολιτικών οδήγησης βασισμένων στην ανάπτυξη προτύπων Ενισχυτικής Μάθησης με στόχο να εξελιχθούν σε -ή να συνεισφέρουν σε ήδη υπάρχουσες- μεθόδους έξυπνων συστημάτων μεταφορών για την αποτελεσματική διαχείριση της κυκλοφορίας. Ορμώμενη από την άνθηση της τεχνολογίας της πληροφορίας και τη διείσδυση των έξυπνων κινητών στις μεθόδους συλλογής δεδομένων, η έρευνα αξιοποίησε πρωτογενή δεδομένα παρακολουθούμενων μεγεθών –ικανών να περιγράψουν την οδηγική συμπεριφορά- από την εφαρμογή κινητού τηλεφώνου OSeven, τα οποία επεξεργάστηκε και χρησιμοποίησε ως στοιχεία εισόδου στον αλγόριθμο Ενισχυτικής Μάθησης Q-learning. Βάσει του προσδιορισμού των συνιστωσών (Καταστάσεις, Ενέργειες, Σενάρια και Ανταμοιβές) και των παραμέτρων του αλγορίθμου με επιστράτευση μεθόδων συσταδοποίησης και μετρικών απόστασης, η ανάπτυξη της μεθοδολογίας παρήγαγε για τον κάθε χρήστη ποσοτικοποιημένες πολιτικές οδήγησης για την ανέλιξη του ως οδηγό. Τέλος, εξασφάλισε μέτρα αξιολόγησης της ποιότητας και της αποδοτικότητας των παραπάνω πολιτικών όσο και μεθοδολογικά εργαλεία για τη σύγκριση και κατάταξη των αναλυθέντων οδηγών.	el
heal.abstract	Increased urbanization and saturation of private vehicles ownership render the aiming towards sustainable mobility more necessary than ever, as a component and prerequisite for efficient road passenger transport operations. To that end, the present thesis addresses the problem of delivering personalized driving policies based on Reinforcement Learning for enhancing increasing existing Intelligent Transportation Systems (ITS) to the benefit of traffic management. Motivated by the flourish of information and communication technologies that enable the use of smartphones as massive data collection tools, the proposed framework was implemented on monitored variables –appropriate for describing driving behavior- from the smartphone application OSeven. Data was processed and used as input for the Q-learning algorithm of Reinforcement Learning. After estimating the components (States, Actions, Scenarios and Rewards) and the parameters of the algorithm via clustering methods and distance-based metrics, the methodology produced quantified driving policies for every user to be used as information for self-improvement. Finally, this diploma thesis established validation measures of the quality and efficiency of these policies and methodological tools for comparing and classifying the analyzed drivers.	en
heal.advisorName	Γκόλιας, Ιωάννης	el
heal.committeeMemberName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	112 σ.
heal.fullTextAvailability	true