Modeli človeške vožnje so namenjeni pridobivanju strategij vožnje, ki so podobne človeškim, saj posnemajo obnašanje voznikov. Ko vozniki vozijo po poti, optimirajo več kriterijev, kot sta čas vožnje in poraba goriva. Toda ko se gradi modele človeške vožnje, se teh kriterijev ne upošteva. Da bi premostili to pomanjkljivost, smo zasnovali dvonivojski Večkriterijski optimizacijski algoritem za iskanje strategij vožnje, podobnih človeškim (MOHDS), ki združuje modele človeške vožnje z optimizacijo časa vožnje in porabe goriva. MOHDS tako omogoča hkratno posnemanje človeške vožnje in optimizacijo relevantnih kriterijev vožnje. MOHDS je bil vrednoten na dvopasovni regionalni cesti in primerjan z obstoječimi pristopi za modeliranje človeške vožnje. Rezultati kažejo, da za razliko od obstoječih pristopov, MOHDS najde strategije vožnje z različnimi kompromisi med kriteriji.
COBISS.SI-ID: 30649383
Članek opisuje novo arhitekturo za arhiviranje podatkov, ki so visoko strukturirani. Ta arhitektura omogoča popolno parametrizacijo podatkovnega modela podatkov, vključno z množico tabel baze, povezav med njimi itd. Poleg tega pa omogoča tudi replikacijo podatkov, tako tistih iz baze, kot dodatnih podatkov, ki so shranjeni v (večjih) datotekah in povezani s podatkovno bazo. Arhitektura je bila na začetku razvita za astronomske podatke, nato pa je bila konkretno nadgrajena in izboljšana tekom tega projekta za namene zbiranja podatkov o vožnjah tako algoritmov kot voznikov.
COBISS.SI-ID: 31187239
Prispevek opisuje metodologijo za vrednotenje vožnje glede na hitrost, pospeševanje, sledenje voznemu pasu in varnostno razdaljo. Vse spremenljivke so merjene v gibajočem se simulatorju vožnje. V prispevku poročamo o uporabniški študiji, v kateri smo pridobili predlagane podatke za 29 voznikov. Rezultati omogočajo definiranje splošne ocene vožnje, ki se lahko uporabi za profiliranje obnašanja voznikov.
COBISS.SI-ID: 11742548
Ko vozniki vozijo po cesti, optimirajo več kriterijev, npr. čas vožnje in porabo goriva. Toda teh kriterijev se navadno ne upošteva pri gradnji modelov človeške vožnje. Za namen sočasne optimizacije tako človeških vidikov vožnje kot kriterijev vožnje smo razvili Večkriterijski optimizacijski algoritem za iskanje strategij vožnje, podobnih človeškim (ang. Multiobjective Optimization algorithm for discovering Human-like Driving Strategies, MOHDS). Algoritem vključuje modele človeške vožnje in optimira tri kriterije: čas vožnje, porabo goriva in podobnost s človeškimi vožnjami. MOHDS smo ovrednotili na treh cestah, ki so vključevale ovinke, naklone, druga vozila in avtocesto. Dobljene strategije vožnje smo primerjali s človeškimi strategijami vožnje. Rezultati kažejo, da MOHDS najde strategije vožnje, ki so z vidika kriterijev primerljive s človeškimi strategijami vožnje v večini obravnavanih scenarijev vožnje.
COBISS.SI-ID: 30854695
Prispevek predstavi metodologijo za zajem podatkov in vrednotenje vožnje ter določitev skupne ocene vožnje. V prispevku je predstavljena uporabniška študija, v kateri se je z gibajočim se simulatorjem vožnje zbiralo podatke o vožnjah voznikov. Skupna ocena vožnje upošteva varnostno razdaljo, hitrost, sledenje voznemu pasu in agresivno pospeševanje. Rezultati uporabniške študije omogočajo profiliranje voznikov glede na njihovo vožnjo in sistem točkovanja.
COBISS.SI-ID: 11822932