ORTAM ETKİLEŞİMLİ GÜVENLİ SÜRÜŞ DESTEK SİSTEMLERİNİN MODELLENMESİ

Abstract

Bu doktora çalışmasında, güvenli sürüş hedeflenerek İleri Sürücü Destek Sistemleri için yeni yaklaşımlar geliştirilmiştir. Otonom araçlar sürücüsüz hareket edebilen akıllı araçlardır. Dikkatsizlik, yorgunluk, uykusuzluk ve kurallara uymama gibi nedenler sürücülü araçlarla tam güvenli sürüşün gerçekleştirilmesi için önemli bir engeldir. Aksine, kontrolün sürücüde olmadığı otonom araçlarda ise sürücülerin neden olduğu sorunların ortadan kaldırılması hedeflenmiştir. Bu nedenle bu çalışmada, tam güvenli sürüşün gerçekleşmesi için ideal sürücü davranış modeli olarak otonom sürüş modeli kabul edilmiştir. Sürücü Destek Sistemleri adı verilen ve aktif güvenlik sağlayan akıllı sistemler, otonom sürüşün gerçekleşmesini sağlayan unsurlardır. Bu doktora çalışmasında, yeni Sürücü Destek Sistemleri yaklaşımları geliştirilerek otonom sürüş modeli hedefine katkıda bulunulması amaçlanmıştır. Çalışmada güvenli sürüş hedeflendiğinden dolayı, kaza risk hesabı yaparak tahminlerde bulunabilen, trafik sahnesi analizi yapabilen, sürücü ve yol profilleri çıkarabilen Yüksek Seviye Sürücü Destek Sistemleri yaklaşımları üzerinde daha çok durulmuştur. Bu bağlamda bu doktora çalışmasında; arkadan takip eden aracın tespiti ve izlenmesi, sollama esnasında meydana gelebilecek risk analizi; sürücünün agresif veya sakin sürücü olup olmadığının tespit edilmesi ve yolun eğim tipinin tespit edilmesi problemi için optimizasyon; virajı güvenli bir şekilde almak için risk durumunun tespit edilmesi; trafik sahnesindeki en riskli bölgelerin analizi çalışmaları yapılmıştır. Çalışmalarda geliştirilen yeni yaklaşımlarda, araçlarda standart hale gelmeye başlayan ön ve arka kamera, araçların dahili bilgilerini içeren CAN bus verileri gibi araçta zaten var olan bileşenler kullanılarak herhangi bir ek donanıma ihtiyaç duyulmadan problemlerin çözülmesi hedeflenmiştir. Bu tez çalışmasında; nesne hareket tespiti için optik-kenar akış tekniği ve yeni bir kümeleme algoritması; sollama esnasında sollanan araç üzerine kurulmuş bir risk ön kestirimi yaklaşımı; sürücünün ruh halini ve yol eğim tipini tespit etme problemleri için geliştirilen yeni bir özellik seçim algoritması; viraj dönmeden önce risk hesabı yapmak için virajın keskinliğini, viraj eğim tipini, yönünü tespit eden yeni geometrik yaklaşımlar; şehiriçi bir trafik sahnesindeki en riskli bölgeyi tespit etmek için sahnenin bir grafa dönüştürülüp iyi bilinen Graf-Kesme metodu kullanılarak risk analizi yapılan yaklaşımlar geliştirilmiştir.In this thesis, new approaches related to Advanced Driver Assistant Systems have been developed. Autonomous vehicles are intelligent-vehicles that can act driverless. The reasons such as violation of the traffic rules, inattention, fatigue, and insomnia are all significant obstructions to achieve full safety in cars with a driver. In contrast, thanks to the autonomous vehicles that are not in control of the driver are aimed to eliminate the problems caused by driver. Therefore, in this study as an ideal model of driver behavior, full safe driving has been adopted to fully autonomous driving model. Intelligent systems referring Driver Assistance Systems and active safety have been becoming as prominent terms for implementation of autonomous-driving. In this study, new approaches related to Driver Assistant Systems have been developed to contribute the concept of autonomous-driving. In this work, owing to the aim of safe driving, some approaches related to high level driver assistant systems have been focused, as exemplifying the risk estimate, driver and road profile detection, and accident prediction via risk estimation. In this sense, this thesis includes specified studies hat are approaching vehicle detection and tracing, overtaking risk analysis, a feature selection method for both Aggressive/Calm driver detection problem and road slope type detection problem, risk estimation to get safe cornering, and traffic scene analysis for most risky region detection. Thanks to new approaches developed in the studies, we have aimed to tackle with the problem, without the need of the external hardware components already existing in a vehicle such as front and rear camera, gradually becoming standard in cars, or CAN-bus data involving internal informations belonging to the car. In this thesis; the approaches such as Optical-edge flow method for detection of object motion and a new clustering algorithm; overtaken car based upon an approach of risk estimation, a new feature selection for detection of driver mood and road slope type problems; geometric approaches such as road curvature, bend slope type, and bend direction estimate for get cornering; and risk analysis using Graph-Cut method for detection of most risky region in the urban traffic scene have been developed.