Интегрированная среда для обучения водителей в экстремальных ситуациях

Интегрированная среда для обучения водителей в экстремальных ситуациях

ФГБОУ ВПО «Астраханский государственный технический университет»

АВТОРЕФЕРАТ

магистерской диссертации

ИНТЕГРИРОВАННАЯ СРЕДА ДЛЯ ОБУЧЕНИЯ ВОДИТЕЛЕЙ В ЭКСТРЕМАЛЬНЫХ СИТУАЦИЯХ

09.04.01- Информатика и вычислительная техника

МУРАТОВ РОМАН МАРАТОВИЧ

Астрахань - 2015

Общая характеристика работы

Актуальность темы. За последние два десятилетия в России произошел резкий рост количества транспортных средств. Однако, пропускная способность транспортной инфраструктура страны и, прежде всего, в крупных городах за тот же период не получила адекватного роста. Практически все средние и крупные города России все в большей степени задыхаются от транспортных пробок, особенно в часы пик. Как следствие, передвижение по дорожным магистралям страны становится все более сложным и опасным занятием. От рядового водителя требуется наличие все более высокого уровня квалификации и, что особенно важно, умения максимально адекватно и быстро реагировать на неожиданные экстремальные ситуации, которые могут возникнуть в процессе нахождения на транспортных линиях. Проблема усугубляется наличием еще ряда факторов, связанных с возникновением аварийных ситуаций в частности, недисциплинированностью части водителей, многие из которых позволяют себе выезжать на транспортные магистрали в состоянии алкогольного или наркотического опьянения, плохое состояние дорог, не всегда должная квалификация водителей, более сложные по сравнению с другими странами погодные условия.

Таким образом, современное состояние транспортного трафика на дорогах России требует от водителя готовности к адекватным действиям при возникновении любых нестандартных ситуаций на дорогах, что традиционно связано с большим практическим опытом вождения. Отметим, что даже при наличии большого опыта относительно большие перерывы в вождении требуют определенного периода адаптации водителя - особенно для водителей больших или ответственных транспортных средств: грузовых машин, автобусов, карет скорой медицинской помощи, полиции, МЧС. Кроме того, накопление подобного опыта требует времени, что делает дорожное движение еще более опасным для начинающих водителей.

Уровень аварий остается неприемлемо высоким. Увеличение транспорта усугубляет эту проблему. Государство принимает меры для снижения уровня аварийности на дорогах, но статистические данные показывают, что количество аварий не уменьшается. Поэтому очень важно, чтобы водитель умел адекватно реагировать на экстремальные ситуации, для этого необходимо проводить специальные тренинги.

Возможными выходами из подобной ситуации могли бы стать, во-первых, внедрение средств автоматизации управления автотранспортным средством, и, во-вторых, проведение тренингов по нестандартным ситуациям на дорогах с использованием различных автотренажеров. Для решения обеих указанных задач необходимо, прежде всего, сформировать подсистему подготовки входных данных на основе съема данных с датчиков, датчиковых устройств и данных, полученных с использованием «бортового компьютера» автотранспортного средства. При этом эффективность управления зависит от того, насколько полны и точны эти данные. Здесь под датчиковыми устройствами понимается совокупность простейших датчиков, функционирующих под управлением микропроцессора.

Анализ показывает, что современная ситуация на дорогах России, степень подготовки водителей, а также разработки в сфере анализа экстремальных дорожных ситуаций и их классификаций, что исследования, проведенные в данной работе своевременны и актуальны.

Объектом исследования является дорожная система на предмет экстремальных ситуаций.

Предмет исследования - анализ дорожной системы, методы и алгоритмы обучения вождению в экстремальных ситуациях.

Целью настоящей работы является разработка методики обучения пользователей вождению в экстремальных ситуациях с учетом всей совокупности факторов влияния.

Поставленная цель достигается решением следующих задач:

.        Провести анализ автоматизированного и автоматического контроля дорожной ситуации.

.        Классифицировать дорожные ситуации.

.        Собрать данные по дорожным ситуациям.

.        Смоделировать оценку дорожных ситуаций.

.        Разработать алгоритмы анализа данных

.        Разработать алгоритмическое и программное обеспечение демонстрирующее применение разработанных моделей и методов.

Методы исследования. Для решения поставленной задачи применялись численные методы, структурирования данных, линейная алгебра, теория графов. Анализ результатов основан на применении базы знаний, сформированной экспертами.

Научная новизна. В результате НИОКР была проведена системная классификация всех факторов способных оказать влияние на дорожную ситуацию. Каждому фактору была разработана оценка важности. Смоделированы часто встречаемые экстремальные ситуации. Разработан общий алгоритм работы системы по обучению вождения людей в экстремальных ситуациях.

Практическая ценность работы. Результаты работы могут применяться для обучения людей, которые хотят подготовится к сдачи на водительское удостоверение или для водителей со стажем для повышения мастерства вождения.

Личный вклад автора. В работах автору принадлежат формализация задачи, классификация факторов влияющих на дорожную ситуацию, разработка алгоритмов, проектирование и реализация программного обеспечения.

Апробация научных результатов. Основные положения докладывались и обсуждались на конференциях студентов, аспирантов и молодых ученых:

.        Молодёжный образовательный форум IT-Старт (г. Астрахань, 2014г.);

.        64-я международная студенческая отраслевая научно-техническая конференция, посвящённая 80-летию основания АГТУ (г. Астрахань, 2014г.);

.        Международная научная конференция «Инновационные технологии в управлении, образовании, промышленности» («АСТИНТЕХ - 2013») (г. Астрахань, 22-24 мая 2013)

.        Программа «Участник молодёжного научно-инновационного конкурса» («УМНИК») (г. Астрахань, 14-16 мая 2014)

Публикации. Основные положения диссертационной работы представлены в Журнале "Вестник СГТУ" <https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CB0QFjAA&url=http%3A%2F%2Fdni.sstu.ru%2Fdni.nsf%2Fpages%2Fvest&ei=xsaKVevzBsG5ygOOwbCYAg&usg=AFQjCNE6B_YwS22i2m5JrRwmFENuY9-tmg&sig2=JBKOSXZOi9QjtbdJXY72Iw&bvm=bv.96339352,d.bGQ> и в Журнале «Вестник Воронежского государственного технического университета» <#"869151.files/image001.gif">

Рисунок 1 - Структура АСУ ДТС

Классифицированы факторы, влияющие на дорожную ситуацию и на основе данных полученных от экспертов была сформирована оценка для каждого фактора. Наиболее значимые факторы, по мнению экспертов, представлены в таблице 1.

Таблица 1 - Факторы, влияющие на дорожную ситуацию

Так же определены способы получения данных о каждом факторе, влияющего на дорожную ситуацию для дальнейшей обработки.

Во второй главе описаны возможности автосимулятора. Описан процесс прохождения тренинга, а именно пользователь сможет проверить свои навыки вождения в экстремальных ситуациях. Ему будет предоставлен выбор уровня сложности по мере овладения им транспортным средством. На первом этапе проекта уровень сложности будет реализован в виде выбора погодных условий (время суток, погодных катаклизм и т.д.). После выбора уровня сложности пользователь сможет управлять транспортным средством в виртуальном городе, где будут происходить экстремальные ситуации. На первом этапе проекта также будут реализованы часто встречаемые на дорогах, экстремальные ситуации (внезапное появление пешехода на дороге, неожиданное появление автотранспорта на полосе встречного движения и т.д.). В зависимости от того какие действия будет совершать пользователь во время езды по городу, все положительные и отрицательные баллы будут заноситься в базу данных. По завершению заезда пользователь получит оценку своих действий и рекомендации по дальнейшим действиям.

Представлены входные и выходные данные подсистемы, где входными данными данные о пользователе и действия пользователя во время управления автотранспортным средством. Выходными данными будет являться оценка пользователя по завершению заезда и статистические данные о ранее пройденных заездах.

Для решения поставленной задачи на основании анализа объектов автоматизации спроектирована в среде SQL Server 2008 R2 база данных DataBaseUnity в 3NF, состоящая из следующих связанных таблиц: Users, Statistics, Detailed statistics, Date, Level of difficulty, Point, Evaluation criterion и Metrics.

Целостность данных обеспечивается заложенными во время создания таблиц ограничениями на тип, размер и диапазон допустимых значений данных. Ссылочная целостность поддерживается определенными для связей между таблицами.

Третья глава описывает основные функциональные возможности системы, приведены диаграммы вариантов использования, даталогической модели, информационной структуры, а также определены входные и выходные данные для разработанного программного продукта.

Также, по результатам анализа предметной области, были выявлены основные сущности и структурированы в информационно-логическую модель системы.

Был спроектирован общий алгоритм системы, в систему включены три возможные услуги, показанные на рисунке 2:

1.      Просмотр теории, относящейся к конкретной дорожной ситуации, либо по конкретной тематике, связанной с дорожным движением - (блок 8) алгоритма.

2.      Тренинг либо по конкретной дорожной ситуации, представляющей интерес для пользователя, либо по ситуации, выбираемой тренажером на основе статистического материала, связанного с пользователем, либо на основе общестатистического материала - (блок 9).

.        Проведение тестирования на знание законодательных норм и правил дорожного движения по конкретной дорожной ситуации - (блок 10).

автосимулятор вождение управление экстремальный

Рисунок 2 - Общий алгоритм системы

Продолжение рисунка 2

Предварительно происходит регистрация пользователя. При этом, если он входит в систему в первый раз, то должен ввести свои аутентификационные данные (блоки 1 и 3), данные об одном или нескольких автосредствах - своих или тех, на которых он хотел бы отшлифовывать и совершенствовать свои навыки вождения (блок 5). Все перечисленные данные заносятся в соответствующую базу данных (блок 6). Если же пользователь работает с системой не в первый раз, то есть его данные имеются в базе данных системы, то он проходит процедуру аутентификации (регистрации) - (блок 2), и, по желанию пользователя, ему выдается информация, связанная с его работой в системе в прошлом (блок 4).

Вся последующая часть алгоритма посвящена основной услуге - тренингу. Именно, если пользователь выбор услугу «тренинг» (блок 7), то, прежде всего, происходит формирование соответствующей нестандартной ситуации либо уточнение ее характеристик (блок 12). При этом учитываются параметры того транспортного средства, которое зафиксировано за пользователем (либо одного из этих средств, если их много), либо пользователь выбирает сам транспортное средство из списка тех, которые имеются в базе данных системы (блок 11). Учитываются также результаты предыдущего опыта тренинга пользователя в данной или в схожих ситуациях (блок 14) для того, чтобы в процессе проведения тренинга пользователь более целенаправленно устранял недостатки в своих навыках. Кроме того, пользователю может быть предоставлена нормативно-справочная информация, связанная с данной ситуацией с целью оценки пользователем своих действий и действий других участников дорожного происшествия. Процесс подготовки заканчивается формированием начальной ситуации (блок 15); при этом если полученная ситуация, по мнению пользователя, требует определенных изменений, то он может возвратиться к блоку 12 с целью изменения параметров ситуации

Непосредственно моделирование последовательных изменений дорожной ситуации осуществляется в блоке 17, где с учетом текущих параметров всех автотранспортных средств и других параметров через равные кванты времени происходит перерасчет этих параметров с учетом, в том числе, интерактивных действий пользователя и по результатам вычислений - визуализация новой ситуации. При этом каждая вновь сформированная ситуация классифицируется либо как нормальная, либо как нестандартная, экстремальная или аварийная (блок 18). При возникновении нестандартных ситуаций дальнейшее развитие ситуации определяется действиями (или бездействием) пользователя (блоки 19, 20). Дальнейшей развитие ситуации может привести к аварии; в этом случае процесс моделирования прекращается и проводится анализ действия пользователя в аварийной ситуации (блоки 22, 23) выявлением неоптимальных действий и ошибок, а также выработка рекомендаций пользователю по повышению эффективности поведения в подобных ситуациях.

Далее пользователь может выбрать либо повторное проведение тренинга (блок 29), в том числе и по той же ситуации, либо пройти тестирование по правилам дорожного движения и нормативным требованиям, имеющим непосредственное отношение к возникшей нестандартной ситуации (блоки 27, 28, 30). При выходе из системы пользователю представляется отчет о параметрах и результатах его работы в текущей сессии.

Итак, приведенный алгоритм включает порядка тридцати блоков, которые относительно независимы и, поэтому, могут реализовываться и совершенствоваться независимо друг от друга.

Основные результаты и выводы

.        Проанализирована эффективность автоматизации дорожного движения.

.        Был произведен анализ данных с различных датчиков автомобиля с точки зрения предотвращения или оценивания экстремальных ситуаций.

.        Получена информация об особенностях и различиях датчиков, анализирующих дорожную систему.

.        В ходе исследования ДТП было выявлено 96 факторов влияющих на дорожную ситуацию.

.        Была собрана статистика более чем у 30 экспертов.

.        Разработан общий алгоритм системы.

.        Разработан минимальный жизнеспособный продукт для обучения пользователя вождению в экстремальных ситуациях.

В рамках дальнейшего развития планируется создание блока по тестированию детей дошкольного возраста.

Публикации по теме диссертации

Статьи в межвузовских научных сборниках, сборниках трудов международных, всероссийских конференций

1.  Муратов Р.М. Интегрированная среда для обучения водителей // Международная научная конференция «Инновационные технологии в управлении, образовании, промышленности» («АСТИНТЕХ - 2013») - Астрахань, - 22-24 мая 2013. С. 34 - 35.

2.      Муратов Р.М. Формирование системы датчиковых устройств автоматизированного управления автотранспортным средством // Доклады молодых учёных в рамках программы «Участник молодёжного научно-инновационного конкурса» («УМНИК»)». - Астрахань, - 14-16 мая 2014. С. 33 - 34.