Year: 2023
Type: dissertation
Abstract: Tässä opinnäytteessä tutkitaan tapoja hyödyntää tekoälyä (AI) kuljettajan ajokäyttäytymisen analysointiin. Tavoitteena on löytää korrelaatio niiden eri tekijöiden väliltä jotka vaikuttavat kuljettajan tekemiin päätöksiin hyödyntäen kuljettajan ajoympäristöstä ja tiestöstä saatavilla olevaa ja kerättyä tietoa. Tämän pohjalta voidaan jatkossa kehittää järjestelmä joka auttaa kuljettajia kiinnittämään huomiota ajotapaan ja parantamaan ajamisen tehokkuutta ja vähentämään ajamisesta aiheutuu ympäristön kuormitusta. Aplicom Oy on toimittanut työtä varten T10G-telematiikkalaitteen, josta löytyy mittalaitteet ajoneuvon nopeuden, sijainnin ja ajan seuraamiseksi. Lisäksi laitteesta löytyy CAN-liitäntä, jonka avulla päästään lukemaan ajoneuvon omia antureita. Näiden tietojan avulla kuljettajan ajotapaa voidaan analysoida. Opinnäytteen lähtötiedoiksi ajotietoa on kerätty useilla ajokerroilla Suomessa kaupunkiliikenteestä ja moottoritieajosta. Analyysissa kerätyt tiedot on yhdistetty Trafin julkisen Digiroad-aineiston kanssa josta on saatu tiestön yksityiskohtaista nopeusrajoitus- ja geometriatietoa. Muodostetusta tietomallista voidaan muodostaa tarkka kuva kuljettajan ajokäytöksestä kyseisellä tieosuudella. Opinnäyte havainnollistaa osuvalla tavalla kuinka koneoppimista voidaan hyödyntää liikenteessä kuljettajan avustamiseksi tehden ajamisesta turvallisempaa, tehokkaampaa ja ympäristöystävällisempää. Tulevaisuuden liikenteessä tullaan hyödyntämään entistä enemmän tietokoneen ja kuljettajan yhteistyötä jotta vastuullisuuden, turvallisuuden ja kestävän kehityksen tavoitteet voidaan saavuttaa.
Author: Khan, Ausaf
Language: Finnish
Subfield: Human Factors and Ergonomics
Field: Social Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7072249428