Σύντηξη δεδομένων υψηλού επιπέδου, από πολλαπλές πηγές πληροφορίας, σε αυτο-οργανούμενα δίκτυα αυτοκινήτων

Abstract

Η τεχνολογία των ευφυών συστημάτων μεταφοράς έχει αναπτυχθεί ραγδαία την τελευταία δεκαετία. Τα συστήματα αυτά έχουν ως στόχο την εκμετάλλευση των τεχνολογιών πληροφοριών και επικοινωνιών και την εφαρμογή τους στις μεταφορές. Ένας από τους κυριότερους στόχους των συστημάτων αυτών είναι η ενίσχυση της οδικής ασφάλειας. Στα σύγχρονα συστήματα ενεργητικής ασφάλειας η σύντηξη δεδομένων (data fusion) από αισθητήρες που είναι εγκατεστημένοι στο αυτοκίνητο παίζει πολύ σημαντικό ρόλο. Η σύντηξη βοηθάει να ξεπεραστούν κάποιοι φυσικοί περιορισμοί των αισθητήρων, όπως είναι η περιορισμένη εμβέλεια και γωνία ανίχνευσης. Συνεπώς, η τοποθέτηση αισθητήρων περιμετρικά του αυτοκινήτου, και ο συνδυασμός των πληροφοριών που προέρχονται από αυτούς, μπορεί να αυξήσει σημαντικά την περιοχή αντίληψης γύρω από το αυτοκίνητο καθώς και την αξιοπιστία του συστήματος σε περίπτωση αστοχίας κάποιου αισθητήρα. Ωστόσο, κάποιοι σημαντικοί περιορισμοί, όπως π.χ. το γεγονός ότι το περιβάλλον αντίληψης δεν μπορεί να ξεπεράσει την εμβέλεια των αισθητήρων και ότι οι αισθητήρες δεν λειτουργούν καλά σε όλα τα περιβάλλοντα, παραμένουν και μετά τη σύντηξη των δεδομένων από τους αισθητήρες του αυτοκινήτου. Τα τελευταία χρόνια μελετώνται τα συνεργατικά συστήματα, τα οποία έχουν ως στόχο με τη χρήση ασύρματης επικοινωνίας μεταξύ των αυτοκινήτων και της υποδομής να ξεπεράσουν τα παραπάνω προβλήματα και να αυξήσουν την αντίληψη του οδηγού για το οδικό περιβάλλον ακόμα και μερικά χιλιόμετρα μακριά. Αυτοκίνητα τα οποία σχηματίζουν αυτό-οργανούμενα δίκτυα και «μιλούν» μεταξύ τους αποτελούν πραγματικά μια πρόκληση για το μέλλον και ένα ανοιχτό και ευρύ ερευνητικό πεδίο. Σκοπός της διατριβής είναι η μελέτη και ανάπτυξη αλγορίθμων σύντηξης δεδομένων υψηλού επιπέδου λαμβάνοντας υπόψη τόσο δεδομένα από τους αισθητήρες του αυτοκινήτου όσο και πληροφορίες που προέρχονται από την επικοινωνία των αυτοκινήτων. Αρχικά, περιλαμβάνονται κάποια εισαγωγικά στοιχεία για τις τεχνικές σύντηξης δεδομένων και τα ασύρματα δίκτυα αυτοκινήτων και στη συνέχεια γίνεται μια επισκόπηση της αρχιτεκτονικής του συστήματος και παρουσιάζονται ενδεικτικά κάποιες εφαρμογές και σενάρια τέτοιου είδους συστημάτων. Στη συνέχεια γίνεται μια ανάλυση των τεχνικών φιλτραρίσματος σε επίπεδο αυτοκινήτου και τονίζεται η σημασία του σωστού φιλτραρίσματος των δεδομένων πριν από την εκπομπή τους στο δίκτυο των αυτοκινήτων. Επιπλέον, υπολογίζεται η μελλοντική τροχιά του υποκείμενου αυτοκινήτου και των αυτοκινήτων που είναι εντός της εμβέλειάς του και γίνεται σύγκριση της αποτελεσματικότητας αυτού του υπολογισμού με και χωρίς τη χρήση ασύρματης επικοινωνίας. Τα σχετικά αποτελέσματα καταδεικνύουν την ανάγκη εκμετάλλευσης των δεδομένων που προέρχονται από το ασύρματο δίκτυο. Επίσης, στην παρούσα διατριβή εξετάζονται με τη βοήθεια της θεωρίας των δικτύων Bayes κάποια υψηλού επιπέδου συμβάντα όπως είναι η εκτίμηση της πυκνότητας της κυκλοφορίας ή η ανίχνευση ομίχλης στην περιοχή που κινείται το υποκείμενο αυτοκίνητο. Τέλος, εξάγονται κάποια συμπεράσματα σχετικά με το αντικείμενο της διατριβής και γίνονται προτάσεις για μελλοντική ερευνητική εργασία.

The technology of intelligent transportation systems has grown rapidly over the last decade. These systems are designed to exploit the advances in information and communication technologies and apply them to transport. One of the main goals of these systems is to enhance road safety. In modern active safety systems, fusion of data coming from different sensors installed in the vehicle plays an important role. The data fusion helps to overcome certain physical limitations of sensors, such as the limited range and field of view. Therefore, the combination of information from different sensors can significantly broaden the perception area around the vehicle and increase the reliability of the whole system in case of sensor failure. However, some significant limitations and drawbacks, such as the fact that the perception environment of the vehicle cannot go beyond the sensing range and the sensor systems cannot perform well in all environments, remain even after the fusion of data from different sensors installed in the vehicle. In recent years cooperative systems are studied. These systems are designed to exploit wireless communication between vehicles and infrastructure to overcome the problems mentioned above and increase the perception of the road environment and extend the driver awareness even to some kilometers away. Vehicles that are forming ad hoc networks and “talk” to each other constitutes a significant future challenge and also a wide and open research area. The objective of this thesis is the study and development of high level data fusion algorithms, taking into account data from vehicle sensors and information from the communication among vehicles. This thesis starts with a short introduction to the data fusion techniques and to the main principles of vehicular ad hoc networks. Then, an overview of the architecture of the system as well as some example applications and scenarios are examined. In the following, an analysis of filtering techniques is carried out and the importance of proper filtering of the data exchanged via the network is highlighted. Moreover, the future trajectory of both the ego vehicle and other vehicles within range are calculated and a comparison of the effectiveness of this calculation with and without the use of wireless communication is done. The obtained results demonstrate the need to exploit the data from the wireless network. Also in this thesis high level events, such as traffic density estimation or fog detection, using the theory of Bayesian networks are examined. Finally, conclusions on the subject of the thesis are drawn and suggestions for future research work in the field are made.