Σχεδίαση και Ανάπτυξη Ευφυούς Συστήματος Διαχείρισης Κυκλοφοριακών Δεδομένων με Μηχανική Μάθηση

Αλεξάκης, Θεόδωρος; Alexakis, Theodoros; Πεππές, Νικόλαος; Peppes, Nikolaos

dc.contributor.author	Αλεξάκης, Θεόδωρος	el
dc.contributor.author	Alexakis, Theodoros	en
dc.contributor.author	Πεππές, Νικόλαος	el
dc.contributor.author	Peppes, Nikolaos	en
dc.date.accessioned	2020-01-16T08:01:31Z
dc.date.available	2020-01-16T08:01:31Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49648
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17346
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-Οικονομικά Συστήματα (ΜΒΑ)”	el
dc.rights	Default License
dc.subject	Ramp Metering	el
dc.subject	Τεχνητή Νοημοσύνη	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Python	el
dc.subject	Κυκλοφοριακά Δεδομένα	el
dc.subject	Ramp Metering	en
dc.subject	Artificial Intelligence (AI)	en
dc.subject	Machine Learning	en
dc.subject	Python	en
dc.subject	Traffic Data	en
dc.title	Σχεδίαση και Ανάπτυξη Ευφυούς Συστήματος Διαχείρισης Κυκλοφοριακών Δεδομένων με Μηχανική Μάθηση	el
dc.title	Design and Implementation of Intelligent Management System for Traffic Flow Data using Machine Learning	en
heal.type	masterThesis
heal.classification	Αλγόριθμοι	el
heal.classification	Algorithms	en
heal.classification	Μηχανική Μάθηση	el
heal.classification	Machine Learning	el
heal.classification	Ramp Metering	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-06-06
heal.abstract	Η ολοένα και μεγαλύτερη απαίτηση για μετακινήσεις καθώς και η μαζική συσσώρευση πληθυσμού γύρω από τα αστικά κέντρα δημιουργεί την ανάγκη για ανάπτυξη υποδομών και συστημάτων για την ορθή και αποτελεσματική διαχείριση του κυκλοφοριακού φόρτου σε αυτά. Επιπλέον, δεδομένης της ραγδαίας τεχνολογικής εξέλιξης στον τομέα της πληροφορίας και της πληροφορικής, καθίσταται πλέον δυνατό να αναπτυχθούν ευφυή συστήματα διαχείρισης κυκλοφοριακών δεδομένων, τα οποία ξεφεύγουν από τις παραδοσιακές προσεγγίσεις. Οι σύγχρονοι αυτοκινητόδρομοι φέρουν εγκατεστημένους αισθητήρες σε όλη την έκτασή τους οι οποίοι συλλέγουν δεδομένα όπως η ταχύτητα, η πυκνότητα, η κατεύθυνση, κ.α. Επιπλέον, η θεαματική εξέλιξη των οχημάτων και των υπολογιστικών συστημάτων που έχουν εγκατεστημένα προσφέρουν πολύ μεγάλο πλήθος δεδομένων από πολύ απλά όπως η ταχύτητα κίνησης, η επιτάχυνση, κ.λπ. έως πολύ σύνθετα όπως η κατάσταση του οδηγού και η οδηγική του συμπεριφορά. Ωστόσο, όλα αυτά τα δεδομένα από μόνα τους και χωρίς επεξεργασία δεν είναι ικανά να επιλύσουν τα προβλήματα κυκλοφοριακής συμφόρησης. Ως εκ τούτου, απαιτείται η ανάπτυξη σύνθετων υπολογιστικών μεθόδων και αλγορίθμων οι οποίοι είναι ικανοί να διαχειριστούν όλα αυτά τα δεδομένα με γρήγορο και αξιόπιστο τρόπο. Η μέχρι τώρα αλγοριθμική προσέγγιση αφορούσε σε αλγόριθμους ελέγχου με υψηλή υπολογιστική πολυπλοκότητα και μεγάλες υπολογιστικές απαιτήσεις καθώς για να εξετασθεί αποδοτικά και με ταχύτητα ένα αρκετά μεγάλο πλήθος δεδομένων απαιτείτο τεράστια υπολογιστική ισχύ και επομένως και τεράστιο κόστος. Η θεωρία για τη μελέτη και τη μοντελοποίηση της κίνησης σε αυτοκινητόδρομους σε συνδυασμό με τη χρήση έξυπνων συστημάτων όπως αισθητήρες, δίκτυα επικοινωνιών κ.α., αποτελούν τα βασικά εργαλεία για την ανάπτυξη ενός σύγχρονου και ευφυούς συστήματος ελέγχου διαχείρισης της κυκλοφορίας. Τα σύγχρονα ευφυή συστήματα διαχείρισης κυκλοφοριακών δεδομένων είναι ένας ενεργός τομέας έρευνας καθώς στην κατεύθυνση αυτή τείνουν να προσαρμοστούν αλγόριθμοι μηχανικής μάθησης και τεχνητής νοημοσύνης. Σκοπός της παρούσας εργασίας αποτέλεσε η μελέτη, ο σχεδιασμός και η ανάπτυξη αλγορίθμων ελέγχου εισόδου οχημάτων σε αυτοκινητόδρομο με αποδοτικό τρόπο ώστε να αποφεύγονται φαινόμενα συμφόρησης. Η βασική μεθοδολογία που εξετάσθηκε είναι αυτή του Ramp Metering η οποία είναι ιδιαίτερα αποδοτική και διαδεδομένη στον συγκεκριμένο τομέα. Έτσι, αξιοποιώντας την υπάρχουσα έρευνα αναπτύχθηκαν κάποιοι βασικοί αλγόριθμοι ελέγχου οι οποίοι αποτελέσαν τους πυλώνες για την ανάπτυξη ενός σύγχρονου αλγορίθμου μηχανικής μάθησης ο οποίος αξιοποιεί δεδομένα που παρήχθησαν από αυτούς. Η ανάπτυξη όλων των αλγορίθμων έγινε στη γλώσσα προγραμματισμού Python με τη χρήση σύγχρονων βιβλιοθηκών όπως η Pandas, η Tensorflow, η Keras, κ.α.	el
heal.abstract	The ever-increasing demand for transportation as well as the massive accumulation of population in urban centers arise the need for infrastructure and system development in order to manage efficiently the traffic flow. Moreover, given the rapid growth and the evolution of the information and technology area, it is now possible to develop intelligent traffic management systems that go beyond traditional approaches. Nowadays, the motorways have sensors installed across their range that collect data such as speed, density, direction, and so on. In addition, the rapid evolution of vehicles and computer systems that have been installed on them, offer a very large amount of data from very simple ones such as speed, acceleration, etc. to very complex like the driver's situation and driving behavior. However, these data alone and without any procession, congestion problems cannot be solved. Therefore, the development of complex computational methods and algorithms offers the chance to process these data in a fast and reliable way. The existing algorithmic approach till now was the control model which has high computational complexity and requirements in order to be able to examine efficiently and instantly a large amount of data and therefore demands enormous computational power and cost. The theory behind the modeling of a motorway’s traffic flow combined with the use of intelligent systems such as sensors, communication networks, etc. are the basic tools for developing a modern and intelligent traffic management control system. The intelligent traffic management systems are a dynamic research area, as they tend to adapt machine learning and artificial intelligence algorithms. The purpose of this thesis is to study, design and develop traffic control algorithms on motorways in an efficient way to avoid congestion. The basic methodology examined, is that of Ramp Metering which is a highly efficient and widespread method. Thus, using existing research, some basic control algorithms have been developed which have been the pillars for developing a modern machine learning algorithm that takes advantage of the generated data. All algorithms have been developed in Python programming language using modern libraries such as Pandas, Tensorflow, Keras, and others.	en
heal.advisorName	Θεολόγου, Μιχαήλ	el
heal.committeeMemberName	Θεολόγου, Μιχαήλ	el
heal.committeeMemberName	Συκάς, Ευστάθιος	el
heal.committeeMemberName	Στασινόπουλος, Γεώργιος	el
heal.committeeMemberName	Stastinopoulos, Georgios	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	155 σ.	el
heal.fullTextAvailability	true