| Περίληψη: | Τα Ευφυή Συστήματα Μεταφορών αναμένεται να αποτελέσουν έναν από τους βασικούςπυλώνες της σύγχρονης κοινωνικής ζωής, λειτουργίας και ανάπτυξης. Συστατικό στοιχείο των Ευφυών Συστημάτων Μεταφορών αποτελούν τα Διασυνδεδεμένα και Αυτοκινούμενα Οχήματα. Η μεγάλη πρόοδος των τεχνολογιών επικοινωνίας Vehicle-to-Vehicle, Vehicle-to-Infrastructure, Vehicle-to-Everything, όσο και του 5G, τους επέτρεψε να επικοινωνούν και να αντάλλασουν χρήσιμες πληροφορίες. Παράλληλα, κάθε όχημα μπορεί να είναι εφοδιασμένομε αισθητήρες όπως το Light Detection and Ranging και Radio Detection and Ranging, που βοηθούν στην αντίληψη και ανάλυση του εξωτερικού περιβάλλοντος τους. ́Ετσι, τα οχήματαμπορούν να σχηματίσουν ένα Vehicular Ad-Hoc Network, σύμφωνα με την επικοινωνιακήδιασύνδεση τους, ώστε να υλοποιούν ατομικούς ή/και συλλογικούς στόχους. ́Ενας πολύ σημαντικός στόχος είναι να γνωρίζει το κάθε όχημα τη θέση του με μεγάλη ακρίβεια, έτσι ώστενα σχεδιάσει την πορεία του αποδοτικά και με ασφάλεια. Παρόλο που ο αισθητήρας Global Positioning System παρέχει την πληροφορία της απόλυτης θέσης, συνήθως είναι υποβαθμισμένη από μεγάλο θόρυβο, ιδιαίτερα σε πυκνές αστικές περιοχές. Συνεπώς, μια προσέγγιση για το πρόβλημα αυτό είναι να συνεργάζονται τα οχήματα μεταξύ τους και να ανταλλάσουν μετρήσεις από τους αισθητήρες τους όπως η απόλυτη θέση, η σχετική απόσταση, η σχετική γωνία κ.α., και να τις συνδυάζουν έτσι ώστε να εκτιμούν τη θέση τους με μεγάλη ακρίβεια. Συμπερασματικά, στόχος της Μεταπτυχιακής Διπλωματικής Εργασίας είναι η μελέτη και η ανάπτυξη αποδοτικών και καινοτόμων κεντρικοποιημένων και κατανεμημένων μεθόδων συνεργατικής εκτίμησης και ιχνηλάτησης των θέσεων των Διασυνδεδεμένων και ΑυτοκινούμενωνΟχημάτων. Οι μέθοδοι που αναπτύχθηκαν διακρίνονται σε χωρικές και χωροχρονικές. Στην πρώτη κατηγορία, εκμεταλλεύονται μόνο τις χωρικές συσχετίσεις των οχημάτων και εκτελούνται ανεξάρτητα κάθε χρονική στιγμή, χωρίς να λαμβάνουν υπόψιν τους παρελθοντικές εκτιμήσεις. Αντιθέτως, οι χωροχρονικές ή τεχνικές ιχνηλάτησης, βασίζονται σε προηγούμενες εκτιμήσεις για να παράξουν τη νέα τους εκτίμηση. Κυρίαρχο ρόλο της προσέγγισης μαςαποτελεί η αντιμετώπιση τουVehicular Ad-Hoc Network ως ένα μη-κατευθυνόμενο γράφημα (Γράφος Συνδεσιμότητας) και η εφαρμογή σε αυτό εργαλείων της Επεξεργασίας Σημάτων σε Γράφους, όπως η τεχνική Laplacian, για τη μίξη και επεξεργασία των πολυτροπικών δεδομένων που παράγουν τα οχήματα. Η μοντελοποίηση αυτή επέτρεψε παράλληλα, την ανάπτυξη σχημάτων ιχνηλάτησης που στηρίζονται στο Εκτεταμένο Φίλτρο Kalman, όσο και την κατασκευή μίας χωροχρονικής προσέγγισης που βασίζεται στην ιδιότητα της χαμηλής διαστασιμότητας των τροχιών των οχημάτων. Επίσης, προτείνεται ένα ανθεκτικό συνεργατικό σχήμα που αποδεικνύεται ότι αντιμετωπίζει επιτυχώς μία συγκεκριμένη επίθεση στον αισθητήρα του Global Positioning System. Τα βασικά στοιχεία της συνεισφοράς της Μεταπτυχιακής Διπλωματικής Εργασίας συνοψίζονται ως εξής:
Προτείνεται μία καινοτόμα προσέγγιση για την αποδοτική συνεργατική εκτίμηση της θέσης Διασυνδεδεμένων και Αυτοκινούμενων Οχημάτων ενός Vehicular Ad-Hoc Network. Η νέα μέθοδος εκτελεί συνεργατική επεξεργασία πολυτροπικών δεδομένων, εκμεταλλευόμενη γεωμετρικές ιδιότητες, κωδικοποιώντας κάθε θέση του οχήματος σε σχέση με αυτή των γειτονικών του. Παράλληλα, χρησιμοποιεί εργαλεία επεξεργασίας γράφου και μοντελοποίησης χαμηλής τάξης.
Η νέα μέθοδος εκτελείται τόσο σε ένα κεντρικό επίπεδο (υποθέτωντας τη λειτουργία μίας/ενός αρχής/κόμβου επεξεργασίας), όσο και κατανενημένα στο επίπεδο κάθε οχήματος. Στη δεύτερη περίπτωση, κάθε όχημα αλληλεπιδρά μόνο με την άμεση γειτονιά του.
Τα δύο (κεντρικοποιημένο και κατανεμημένο) χωρικά σχήματα συνεργατικής εκτίμησης που αναπτύσσονται, εκμεταλλεύονται μόνο τις χωρικές συσχετίσεις των οχημάτων. Επιπλέον, λαμβάνουν υπόψιν τους εκτός από τα μοντέλα μετρήσεων, τις ιδιότητες του γράφου που αναπαριστά το Vehicular Ad-Hoc Network μέσω της τεχνικής Laplacian.
Στηριζόμενοι σε αυτά τα χωρικά σχήματα, κατασκευάζουμε τέσσερα προσαρμοστικά σχήματα ιχνηλάτησης, που εκμεταλλεύονται τις χωροχρονικές συσχετίσεις των οχημάτων με βάση τη μοντελοποίηση του Εκτεταμένου Φίλτρου Kalman. Το κεντρικοποιημένο σχήμα λειτουργεί στο επίπεδο κάθε cluster διασυνδεδεμένων οχημάτων, το κατανεμημένο στο επίπεδο του κάθε οχήματος, εκμεταλλευόμενο την τοπική γειτονιά του, ενώ τα δύο υβριδικά, τρέχουν σε κάθε όχημα ξεχωριστά.
Τα Εκτεταμένα Φίλτρα Kalman λαμβάνουν υπόψιν τους τις διαφοροποιήσεις που υπεισέρχονται στα δύο επίπεδα επεξεργασίας (cluster και γειτονιάς) για την εκτίμηση που θα παράγουν. Για παράδειγμα, ένα cluster ή μία γειτονιά δεν θα παραμείνει αμετάβλητη καθόλη τη διάρκεια κίνησης των οχημάτων. Αντιθέτως, σε διάφορες χρονικές στιγμές, οχήματα θα εισέρχονται και θα εξέρχονται από το αντίστοιχο σύνολο, μεταβάλλοντας το.
Αναπτύσσεται επίσης και μία κεντρικοποιημένη χωροχρονική προσέγγιση που στηρίζεται στη μοντελοποίηση χαμηλής τάξης, χρησιμοποιώντας τα αντίστοιχα εργαλεία.
Τέλος, κατασκευάζονται δύο χωρικές και κεντρικοποιημένες συνεργατικές μέθοδοι, ανθεκτικές σε επιθέσεις τύπου GPS spoofing, οι οποίες είναι σε θέση να μειώσουν την επίδραση της επίθεσης, να εκτιμήσουν τις πραγματικές θέσεις των οχημάτων και να εντοπίσουν τα οχήματα που δέχθηκαν την επίθεση.
Από την εκτατεμένη πειραματική ανάλυση αποδεικνύεται ότι η επίδοση των δύο χωρικών σχημάτων είναι καλύτερη από αυτήν υπάρχουσας προσέγγισης, τόσο από άποψης ακρίβειας όσο και υπολογιστικού χρόνου. Επιπλέον, όπως αναμένεται, τα χωροχρονικά σχήματα συνεργατικής εκτίμησης αποδίδουν καλύτερα από τα χωρικά ενώ οι δύο υβριδικές μέθοδοι ιχνηλάτησης επιτυγχάνουν τη μεγαλύτερη μείωση του σφάλματος του GPS. Τέλος, το προτεινόμενο ανθεκτικό σχήμα που στηρίζεται στη μοντελοποίηση Laplacian είναι σε θέση να επιτύχει μεγάλη μείωση του σφάλματος από το GPS, αλλά και να εντοπίσει με μεγάλη ακρίβεια τα οχήματα που δέχθηκαν την επίθεση.
Η προσομοίωση της κίνησης των οχημάτων πραγματοποιήθηκε μέσω της χρήσης ενός ευρέως διαδεδομένου κινηματικού μοντέλου και του προσομειωτή αυτόνομης οδήγησης CARLA.
Σε ό,τι αφορά τη διάρθρωση, το Κεφάλαιο 1 αποτελεί την εισαγωγή της Εργασίας, στην οποία περιλαμβάνονται θέματα σχετικά με τα Ευφυή Συστήματα Μεταφορών, τα Συστήματα Εντοπισμού Θέσης και τις Συνεργατικές Τεχνικές Εντοπισμού Θέσης των οχημάτων. Στο Κεφάλαιο 2 περιγράφονται μία κλασσική χωρική και συνεργατική τεχνική εκτίμησης θέσης, το προτεινόμενο κεντρικοποιημένο χωρικό σχήμα Laplacian, η μέθοδος της μοντελοποίησης χαμηλής τάξης και τα ανθεκτικά σχήματα. Το Κεφάλαιο 3 περιέχει το προτεινόμενο κεντρικοποιημένο και συνεργατικό σχήμα ιχνηλάτησης. Στο Κεφάλαιο 4 αναπτύσσονται οι κατανεμημένες προσεγγίσεις (χωρικές και ιχνηλάτησης) και τα δύο υβριδικά Εκτεταμένα Φίλτρα Kalman. Το Κεφάλαιο 5 περιλαμβάνει την πειραματική διαδικασία και ανάλυση των αποτελεσμάτων. Τέλος, το Κεφάλαιο 6 αποτελεί τον επίλογο της Εργασίας.
|
|---|
