An Integrated Solution Based Irregular Driving Detection

این پایان نامه یک الگوریتم یکپارچه جدید برای تشخیص رانندگی نامنظم در سطح خط معرفی می کند. تا به امروز، پیشرفت بسیار کمی در توانایی تشخیص سبک‌های رانندگی نامنظم در سطح خطوط، عمدتاً به دلیل عدم وجود تکنیک‌های موقعیت‌یابی با عملکرد بالا و الگوریتم‌های تشخیص الگوی رانندگی مناسب، صورت گرفته است. این الگوریتم داده‌های سیستم موقعیت‌یابی جهانی (GPS)، واحد اندازه‌گیری اینرسی (IMU) و اطلاعات خطوط را با استفاده از روش‌های فیلتر پیشرفته ترکیب می‌کند. وضعیت خودرو در یک خط با استفاده از فیلتر ذرات (PF) و فیلتر کالمن توسعه یافته (EKF) تخمین زده می شود. سپس اطلاعات وضعیت در یک الگوریتم جدید مبتنی بر سیستم استنتاج فازی (FIS) برای تشخیص انواع مختلف رانندگی نامنظم استفاده می‌شود. نتایج شبیه‌سازی و آزمایش میدانی برای نشان دادن دقت و قابلیت اطمینان روش پیشنهادی تشخیص رانندگی نامنظم استفاده می‌شود.

This thesis introduces a new integrated algorithm for the detection of lane-level irregular driving. To date, there has been very little improvement in the ability to detect lane level irregular driving styles, mainly due to a lack of high performance positioning techniques and suitable driving pattern recognition algorithms. The algorithm combines data from the Global Positioning System (GPS), Inertial Measurement Unit (IMU) and lane information using advanced filtering methods. The vehicle state within a lane is estimated using a Particle Filter (PF) and an Extended Kalman Filter (EKF). The state information is then used within a novel Fuzzy Inference System (FIS) based algorithm to detect different types of irregular driving. Simulation and field trial results are used to demonstrate the accuracy and reliability of the proposed irregular driving detection method.