Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Τα μηνύματά μου    Αναζήτηση

  • Όλες οι κατηγορίες
  • Δημόσιες Ανακοινώσεις
  • Δημόσιες Παρουσιάσεις Φοιτητών
  • Παρουσίαση διδακτορικής διατριβής κ. Παναγιώτη Τυπάλδου, Σχολή ΜΠΔ

Παρουσίαση διδακτορικής διατριβής κ. Παναγιώτη Τυπάλδου, Σχολή ΜΠΔ

  • Συντάχθηκε 16-12-2022 13:19 Πληροφορίες σύνταξης

    Ενημερώθηκε: 16-12-2022 13:33

    Τόπος:
    Σύνδεσμος τηλεδιάσκεψης
    Έναρξη: 22/12/2022 16:00
    Λήξη: 22/12/2022 17:00

     

    ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

    ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

     

    Ονοματεπώνυμο: ΠΑΝΑΓΙΩΤΗΣ ΤΥΠΑΛΔΟΣ

    Αριθμός Μητρώου: 2017019048

     

    Θέμα

    Τίτλος στα Ελληνικά: Επίδραση αυτόματων οχημάτων στη κυκλοφοριακή ροή σε αυτοκινητόδρομους και σηματοδοτούμενες διασταυρώσεις.

    Τίτλος στα Αγγλικά : Effect of automated vehicles on highway traffic flow and signalized junctions.

     

    Εξεταστική Επιτροπή:

    Επιβλέπων: Μάρκος Παπαγεωργίου (Ομότιμος Καθηγητής)

    Πρώτο Μέλος: Ιωάννης Παπαμιχαήλ (Καθηγητής)

    Δεύτερο Μέλος: Ιωάννης Νικολός (Καθηγητής)

    Τρίτο Μέλος: Ηλίας Κοσματόπουλος (Καθηγητής, ΔΠΘ)

    Τέταρτο Μέλος: Ανδρέας Μαλικόπουλος (Associate Professor, University of Delaware, ΗΠΑ)

    Πέμπτο Μέλος: Ιάσων Καραφύλλης (Αναπλ. Καθηγητής, ΕΜΠ)

    Έκτο Μέλος: Ελευθέριος Δοϊτσίδης (Επίκ. Καθηγητής)

    Έβδομο Μέλος: Claudio Roncoli (Assistant Professor, Aalto University, Φινλανδία)

     

    Περίληψη

    Περίληψη Διατριβής στα Ελληνικά: Τα τελευταία χρόνια, έχει διεξαχθεί εντατική έρευνα για την ανάπτυξη πλήρως αυτοματοποιημένης οδήγησης για οχήματα κινούμενα σε δρόμους. Τα πλήρως αυτόματα οχήματα θα μπορούσαν να βελτιώσουν την ασφάλεια και την αποτελεσματικότητα των κυκλοφοριακών λειτουργιών μειώνοντας τα ατυχήματα που προκαλούνται από ανθρώπινα λάθη, βελτιώνοντας την άνεση του οδηγού και των επιβατών, μειώνοντας την κυκλοφοριακή συμφόρησης και, ταυτόχρονα, συμβάλλοντας σε περιβαλλοντικές και οικονομικές πτυχές μέσω της μείωσης της κατανάλωσης καυσίμων και της εκπομπής ρύπων. Παρόλο που ο αυτοματισμός του οχήματος έχει ήδη οδηγήσει σε σημαντικά επιτεύγματα, υποστηρίζοντας τους οδηγούς με διάφορους τρόπους, η αύξηση του επιπέδου αυτοματισμού σε πλήρως αυτοματοποιημένη οδήγηση είναι ένα εξαιρετικά δύσκολο πρόβλημα. Αυτό οφείλεται κυρίως στην πολυπλοκότητα των περιβάλλοντων του φυσικού κόσμου, συμπεριλαμβανομένης της αποφυγής στατικών και κινούμενων εμποδίων, της συμμόρφωσης με τους  κανόνες οδικής κυκλοφορίας και της ανθρώπινης οδηγικής συμπεριφοράς. Η σημασία της οικολογικής οδήγησης για τη μείωση της κατανάλωσης καυσίμου των οχημάτων στου δρόμους είναι ένα πολύ γνωστό και ευρέως αντιμετωπισμένο θέμα. Η οικολογική οδήγηση σκοπεύει στο να ελαχιστοποιήσει την κατανάλωση καυσίμων μέσω κατάλληλων ελιγμών ενός αυτόματου ή μη οχήματος. Στην τρέχουσα εργασία, το πρόβλημα της οικολογικής οδήγησης προσεγγίζεται ως ένα πρόβλημα βέλτιστου ελέγχου με σταθερό χρονικό ορίζοντα. Για την εκτίμηση της κατανάλωσης καυσίμου, χρησιμοποιούνται διάφορες εναλλακτικές λύσεις. Αρχικά, εξετάζεται ένα ρεαλιστικό, αλλά μη-γραμμικό και μη-λείο μοντέλο κατανάλωσης καυσίμων από τη βιβλιογραφία. Στη συνέχεια εφαρμόζονται απλές διαδικασίες εξομάλυνσης, ώστε να καταστεί δυνατή η εφαρμογή αριθμητικών αλγορίθμων για την αποτελεσματική λύση του προκύπτοντος μη-γραμμικού προβλήματος βέλτιστου ελέγχου. Επιπλέον, εξετάζονται κατάλληλες τετραγωνικές προσεγγίσεις του μη-γραμμικού μοντέλου, οι οποίες επιτρέπουν τη αναλυτική λύση του προβλήματος. Μια εκτενής σύγκριση, με βάση διάφορα σενάρια οδήγησης, δείχνει τα χαρακτηριστικά κάθε εναλλακτικής προσέγγισης. Συγκεκριμένα, αποδεικνύεται ότι ο συχνά χρησιμοποιούμενος, αλλά έντονα αμφισβητούμενος, τετραγωνικός όρος της επιτάχυνσης παρέχει εξαιρετικές προσεγγίσεις για τροχιές που ελαχιστοποιούν την κατανάλωση καυσίμων. Παρά την, φαινομενικά, απλή δομή του περιβάλλοντος των αυτοκινητοδρόμων, οι ενέργειες των ανθρώπινων οδηγών μπορεί, συχνά, να οδηγήσουν σε ατυχήματα και αυξημένη κατανάλωση καυσίμων. Τα αυτόματα οχήματα εξοπλισμένα με κατάλληλους αισθητήρες και αλγόριθμους προγραμματισμού πορείας έχουν τη δυνατότητα να αντιμετωπίσουν αυτά τα ζητήματα. Σε αυτό το πλαίσιο, ένας αλγόριθμος προγραμματισμού πορείας, για συνδεδεμένα και μη-συνδεδεμένα αυτόματα οχήματα σε αυτοκινητόδρομους πολλαπλών λωρίδων, εξάγεται από την κατάλληλη διαμόρφωση ενός προβλήματος βέλτιστου ελέγχου. Σε αυτό το πλαίσιο, η αντικειμενική συνάρτηση προς ελαχιστοποίηση περιέχει κατάλληλους όρους που αντικατοπτρίζουν: τους στόχους της κίνησης του οχήματος, την άνεση των επιβατών, την αποφυγή συγκρούσεων με άλλα οχήματα και την αποφυγή κίνησης εκτός δρόμου. Η συνδεσιμότητα συνεπάγεται, στην παρούσα εργασία, ότι τα συνδεδεμένα οχήματα μπορούν να ανταλλάσσουν μεταξύ τους (V2V) πληροφορίες σε πραγματικό χρόνο σχετικά με την τελευταία βραχυπρόθεσμη διαδρομή τους. Για την αριθμητική επίλυση του προβλήματος βέλτιστου ελέγχου, χρησιμοποιείται ένας αποτελεσματικός αλγόριθμος εφικτών κατευθύνσεων. Για να εξασφαλιστούν τοπικά ελάχιστα υψηλής ποιότητας, σχεδιάστηκε επίσης ένας απλοποιημένος αλγόριθμος Δυναμικού Προγραμματισμού, για να υπολογίσει μια αποτελεσματική αρχική τροχιά για τον αλγόριθμο εφικτών κατευθύνσεων. Χάρη στους πολύ χαμηλούς υπολογιστικούς χρόνους, η προσέγγιση είναι εκτελέσιμη σε πραγματικό χρόνο στο πλαίσιο ελέγχου προβλεπτικού μοντέλου (MPC) που αντιμετωπίζει διάφορες εμπλεκόμενες αβεβαιότητες. Η προτεινόμενη προσέγγιση ενσωματώνεται σε μια πλατφόρμα μικροσκοπικής προσομοίωσης, η οποία επιτρέπει την αξιολόγηση πληθώρας ρεαλιστικών σεναρίων κίνησης οχημάτων κάτω από διαφορετικά μείγματα οχημάτων. Τα αποτελέσματα που προέκυψαν, σε έναν ευθύγραμμο αυτοκινητόδρομο πολλαπλών λωρίδων, υποδεικνύουν υψηλότερη αποτελεσματικότητα των βέλτιστα ελεγχόμενων οχημάτων στο να διατηρηθούν κοντά στην επιθυμητή τους ταχύτητά, σε σύγκριση με τα χειροκίνητα οχήματα. Η αύξηση του ποσοστού των αυτόματων οχημάτων διαπιστώθηκε ότι οδηγεί σε συνολικά αποτελεσματικότερη κυκλοφοριακή ροή, ωφελώντας και τα χειροκίνητα οχήματα. Επιπλέον, τα συνδεδεμένα ελεγχόμενα οχήματα φαίνεται να είναι πιο αποτελεσματικά στην επίτευξη της επιθυμητής ταχύτητάς τους, σε σύγκριση επίσης με τα αντίστοιχα μη-συνδεδεμένα ελεγχόμενα οχήματα, λόγω της βελτιωμένης πληροφόρησης σε πραγματικό χρόνο και της βραχυπρόθεσμης πρόβλεψης που επιτυγχάνονται μέσω της επικοινωνίας V2V. Οι αστικές περιοχές και συγκεκριμένα οι σηματοδοτούμενες διασταυρώσεις έχουν καθοριστικό ρόλο στην ασφάλεια των οδηγών, καθώς και στην αυξημένη κατανάλωση καυσίμων των οχημάτων. Για την αντιμετώπιση αυτού του ζητήματος, έχουν αναπτυχθεί κατάλληλα συστήματα, γνωστά ως συστήματα GLOSA (Green Light Optimal Speed Advisory). Στην τρέχουσα εργασία, έχει προταθεί ένα πρόβλημα στοχαστικού βέλτιστου ελέγχου διακριτού χρόνου για την αντιμετώπιση του προβλήματος GLOSA σε περιπτώσεις όπου ο χρόνος της επόμενης εναλλαγής σήματος αποφασίζεται σε πραγματικό χρόνο και επομένως είναι αβέβαιος εκ των προτέρων. Η αντίστοιχη αριθμητική λύση μέσω ΣΔΠ (Στοχαστικού Δυναμικού Προγραμματισμού) απαιτεί αυξημένο υπολογιστικό χρόνο, ο οποίος αποκλείει τη λύση του προβλήματος στον υπολογιστή του οχήματος σε πραγματικό χρόνο. Για την αντιμετώπιση του αυξημένου υπολογιστικού φόρτου, αναπτύχθηκαν επίσης αρκετές τροποποιημένες εκδοχές του Δυναμικού Προγραμματισμού. Ως πρώτη προσπάθεια, χρησιμοποιήθηκε Διακριτικός Διαφορικός Δυναμικός Προγραμματισμός (ΔΔΔΠ) για την αριθμητική επίλυση του προβλήματος του στοχαστικού βέλτιστου ελέγχου. Ο αλγόριθμος ΔΔΔΠ αποδείχθηκε ότι επιτυγχάνει αποτελέσματα ισοδύναμα με αυτά που λαμβάνονται με τον συνηθισμένο αλγόριθμο ΣΔΠ, αλλά με σημαντικά μειωμένους υπολογιστικούς χρόνους. Στη συνέχεια, χρησιμοποιήθηκε μια διαφορετική τροποποιημένη έκδοση του Δυναμικού Προγραμματισμού, γνωστή ως Διαφορικός Δυναμικός Προγραμματισμός (ΔΔΠ). Για το στοχαστικό πρόβλημα GLOSA, αποδεικνύεται ότι ο ΔΔΠ επιτυγχάνει σχεδόν στιγμιαίες (εξαιρετικά γρήγορες) λύσεις όσον αφορά τους υπολογιστικούς χρόνους, γεγονός που επιτρέπει την εύκολη εκτέλεση της προτεινόμενης προσέγγισης σε πραγματικό χρόνο στο πλαίσιο ελέγχου προβλεπτικού μοντέλου, στον υπολογιστή του οχήματος. Θα πρέπει να σημειωθεί ότι ο ΔΔΠ δεν απαιτεί διακριτοποίηση των μεταβλητών, επομένως οι λύσεις που λαμβάνονται μπορεί να είναι ελαφρώς καλύτερες από τις τυπικές λύσεις του ΣΔΠ. Ωστόσο, σε όλα τα προαναφερθέντα προβλήματα GLOSA, υπήρχε η υπόθεση ότι το σήμα κυκλοφορίας είναι αρχικά κόκκινο και γίνεται πράσινο, πράγμα που σημαίνει ότι λήφθηκε υπόψη μόνο μισός κύκλος ενός φωτεινού σηματοδότη. Για το σκοπό αυτό, το προαναφερθέν πρόβλημα επεκτάθηκε λαμβάνοντας υπόψη έναν πλήρη κύκλο φωτεινών σηματοδοτών, που αποτελείται από τέσσερις φάσεις: μια ορισμένη πράσινη φάση, κατά την οποία το όχημα μπορεί να περάσει ελεύθερα, μια αβέβαιη πράσινη φάση, στην οποία υπάρχει πιθανότητα το φανάρι να παρατείνει τη διάρκειά του ή να γίνει κόκκινο ανά πάσα στιγμή, μια ορισμένη κόκκινη φάση κατά την οποία το όχημα δεν μπορεί να περάσει, και μια αβέβαιη κόκκινη φάση, στην οποία υπάρχει πιθανότητα το κόκκινο σήμα να παραταθεί ή να γίνει πράσινο ανά πάσα στιγμή. Τα αποτελέσματα υποδεικνύουν ότι η προτεινόμενη προσέγγιση ΣΔΠ επιτυγχάνει καλύτερη μέση απόδοση, όσον αφορά την κατανάλωση καυσίμων, σε σύγκριση με το μοντέλο IDM (Intelligent Driver Model), το οποίο μιμείται την ανθρώπινη συμπεριφορά οδήγησης.

    Περίληψη Διατριβής στα Αγγλικά: Over the past years, intensive research has been carried out towards the development of fully automated driving for road vehicles. Fully automated vehicles could improve safety and efficiency of traffic operations by reducing accidents caused by human driver errors; improving driver and passenger comfort; reducing traffic congestion and, at the same time, they contribute to the environmental and economical aspects by reducing fuel consumption and emissions. Although vehicle automation has already led to significant achievements in supporting the driver in various ways, rising the level of automation to fully-automated driving is an extremely challenging problem. This is mainly due to the complexity of real-world environments, including avoidance of static and moving obstacles, compliance with traffic rules and consideration of human driving behavior aspects. The importance of eco-driving in reducing cumulative fuel consumption of road vehicles is a well-known and widely treated subject. Eco-driving intends to minimize fuel consumption by maneuvering a vehicle with a human or automated driver. In the current work, the eco-driving problem is cast in an optimal control framework with fixed time horizon. For the fuel consumption estimation, a number of alternatives are employed. Initially, a realistic, but nonlinear and non-smooth formula from the literature is considered. Simple smoothing procedures are then applied, so as to enable the application of powerful numerical algorithms for the efficient solution of the resulting nonlinear optimal control problem. Furthermore, suitable quadratic approximations of the nonlinear formula are also considered, which enable analytical problem solutions. A comprehensive comparison on the basis of various driving scenarios demonstrates the features of each alternative approach. In particular, it is demonstrated that the often utilized, but sometimes strongly questioned, square-of-acceleration term delivers excellent approximations for fuel minimizing trajectories in the present setting. Despite the, seemingly, simple structure of highway environments, human drivers' actions may, often, lead to accidents and excessive fuel consumption. Automated vehicles equipped by appropriate sensor and path-planning algorithms have the potential to overcome these issues. In this context, a path-planning algorithm for connected and non-connected automated road vehicles on multilane motorways is derived from the opportune formulation of an optimal control problem. In this framework, the objective function to be minimized contains appropriate respective terms to reflect: the goals of vehicle advancement; passenger comfort; and avoidance of collisions with other vehicles and of road departures. Connectivity implies, within the present work, that connected vehicles can exchange with each other (V2V) real-time information about their last generated short-term path. For the numerical solution of the optimal control problem, an efficient feasible direction algorithm (FDA) is used. To ensure high-quality local minima, a simplified Dynamic Programming (DP) algorithm is also conceived to deliver the initial guess trajectory for the start of the FDA iterations. Thanks to very low computation times, the approach is readily executable within a Model Predictive Control (MPC) framework. The proposed MPC-based approach is embedded within a microsimulation platform, which enables the evaluation of a plethora of realistic vehicle driving and advancement scenarios under different vehicles mixes. Results obtained on a multilane motorway stretch indicate higher efficiency of the optimally controlled vehicles in driving closer to their desired speed, compared to ordinary manually driven vehicles. Increased penetration rates of automated vehicles are found to increase the efficiency of the overall traffic flow, benefiting manual vehicles as well. Moreover, connected controlled vehicles appear to be more efficient in achieving their desired speed, compared also to the corresponding non-connected controlled vehicles, due to the improved real-time information and short-term prediction achieved via V2V communication. Urban areas, and specifically signalized intersections have a crucial role on the safety of drivers, as well as the increased fuel consumption of vehicles. To address these issues, appropriate systems have been developed, known as Green Light Optimal Speed Advisory (GLOSA) systems. In the current work, a discrete-time stochastic optimal control problem has been proposed to address the GLOSA problem in cases where the next signal switching time is decided in real time and is therefore uncertain in advance. The corresponding numerical solution via SDP (Stochastic Dynamic Programming) calls for substantial computational time, which excludes problem solution in the vehicle's on-board computer in real time. To overcome the computation time bottleneck, several modified versions of Dynamic Programming were also developed. As a first attempt, a Discrete Differential Dynamic Programming (DDDP) was employed for the numerical solution of the stochastic optimal control problem. The DDDP algorithm was demonstrated to achieve results equivalent to those obtained with the ordinary SDP algorithm, albeit with significantly reduced computational times. Subsequently, a different modified version of Dynamic Programming, known as Differential Dynamic Programming (DDP) was utilized. For the stochastic GLOSA problem, it is demonstrated that DDP achieves quasi-instantaneous (extremely fast) solutions in terms of CPU times, which allows for the proposed approach to be readily executable online, within an MPC framework, in the vehicle's on-board computer. The approach is demonstrated by use of realistic examples. It should be noted that DDP does not require discretization of variables, hence the obtained solutions may be slightly superior than the standard SDP solutions. However, in all pre-mentioned GLOSA problems, there was an assumption that the traffic signal is initially red and turns to green, which means that only half traffic light cycle was considered. To this end, the aforementioned problem was extended considering a full traffic light cycle, consisting of four phases: a certain green phase, during which the vehicle can freely pass; an uncertain green phase, in which there is a probability that the traffic light will extend its duration or turn to red at any time; a certain red phase during which the vehicle cannot pass; and an uncertain red phase, in which there is a probability that the red signal may be extended or turn to green at any time. Preliminary results indicate that the proposed SDP approach achieves better average performance, in terms of fuel consumption, compared to the IDM (Intelligent  Driver Model) model, which emulates human-driving behavior.

     

    Ημερομηνία Εξέτασης Ημέρα/Μήνας/Έτος: 22/12/2022 Ώρα: 16:00

     

    Χώρος Εξέτασης Σύνδεσμος (Link): https://tuc-gr.zoom.us/j/98694261742?pwd=d2gyaWpXSGZKMVRQQmlQTzQwSEhjZz09

    Αίθουσα: Αίθουσα συνεδριάσεων ΜΠΔ Κτίριο: Δ5

     

     

     


© Πολυτεχνείο Κρήτης 2012