Ανίχνευση ετοιμότητας οδηγού σε πραγματικό χρόνο μέσω μεθόδων αναγνώρισης προτύπων σε πολυπαραμετρικά δεδομένα

• Κύριος συγγραφέας: Άκουρου, Δήμητρα
• Άλλοι συγγραφείς: Μεγαλοοικονόμου, Βασίλειος
• Μορφή: Thesis
• Γλώσσα: Greek
• Έκδοση: 2019
• Θέματα: Ανάλυση δεδομένων; Κατηγοριοποίηση ροών δεδομένων; Ανάλυση κατάστασης οδηγού; Spark; PySpark; Spark streaming; 629.283 04

Η παρούσα διπλωματική εργασία αποτελεί μία προσπάθεια ανάπτυξης ενός συστήματος που μέσω μεθόδων μηχανικής μάθησης θα ανιχνεύει αν ο οδηγός βρίσκεται σε κατάσταση που του επιτρέπει να συνεχίσει να οδηγεί ή αν θα πρέπει να σταματήσει την οδήγηση καθώς διατρέχει κίνδυνο. Ένα μεγάλο ποσοστό των τροχαίων ατυχημάτων που συμβαίνουν καθημερινά οφείλεται είτε σε έλλειψη προσοχής του οδηγού είτε σε βλάβες του οχήματος. Πρόκειται δηλαδή για αίτια τα οποία μπορούν να ανιχνευθούν, και με την εφαρμογή κατάλληλων αλγορίθμων μπορεί να εξαχθεί η απαραίτητη γνώση για την αποφυγή σοβαρών ατυχημάτων. Προκειμένου να δημιουργηθεί αυτό το σύστημα χρησιμοποιήθηκε ένα σύνολο δεδομένων τα οποία παρέχουν πληροφορία για την κατάσταση του οδηγου, για τις περιβαλλοντικές συνθήκες καθώς και για την λειτουργία του οχήματος. Στο πρώτο μέρος της εργασίας γίνεται η εκπαίδευση του μοντέλου που θα προβλέπει αν ο οδηγός είναι σε κατάλληλη κατάσταση για να συνεχίσει την οδήγηση ή αν πρέπει να σταματήσει, μέσω αλγορίθμων κατηγοριοποίησης. Στο δεύτερο μέρος παρουσιάζεται το πως μπορεί η γνώση που λάβαμε από την εκπαίδευση του μοντέλου να χρησιμοποιηθεί σε πραγματικό χρόνο προκειμένου να ειδοποιηθεί ο οδηγός σε περίπτωση που διατρέχει κίνδυνο. Η υλοποίηση και των δύο συστημάτων έγινε σε περιβάλλον Spark.