Τα τελευταία δεκαπέντε χρόνια έχει προχωρήσει σημαντικά η ανάπτυξη αυτομάτων συστημάτων βοήθειας του οδηγού που στοχεύουν να προειδοποιήσουν για το περιβάλλον οδήγησης και τις πιθανότητες σύγκρουσης με άλλα οχήματα. Τα Πανεπιστήμια, Κρατικοί φορείς και αυτοκινητοβιομηχανίες ρίχνουν ιδιαίτερο βάρος στο θέμα αυτό που έχει κοινωνικές και εμπορικές διαστάσεις. • Κοινωνικές διαστάσεις γιατί η αξιόπιστη λειτουργία συστημάτων βοήθειας οδηγών μπορεί να συμβάλλει αποφασιστικά στη μείωση των τροχαίων ατυχημάτων. • Εμπορικές διαστάσεις γιατί ο ανταγωνισμός των βιομηχανιών αυτοκινήτων σε συνεργασία με εταιρείες παραγωγής συστημάτων αυτοματισμού, οδηγεί σε ένα κυνήγι παρουσίασης πλέον σύγχρονων και «ελκυστικών» συστημάτων για το καταναλωτικό κοινό. Ειδικά στο θέμα των κοινωνικών διαστάσεων, τα παρακάτω στοιχεία δίνουν με πολύ έμφαση το μέγεθος του προβλήματος. Κατά μέσον όρο, τουλάχιστον ένας άνθρωπος πεθαίνει κάθε λεπτό σε τροχαίο ατύχημα. Τα τροχαία ατυχήματα επίσης τραυματίζουν τουλάχιστο 10 εκατομμύρια ανθρώπους, από τους οποίους 2 ή 3 εκατομμύρια σοβαρά. Προβλέπεται ότι οι νοσοκομειακές δαπάνες, οι κατεστραμμένες περιουσίες και άλλα παρεμφερή κόστη θα ανέλθουν στο 1–3 % του παγκοσμίου ακαθαρίστου εθνικού προϊόντος. Αντικείμενο της διπλωματικής εργασίας είναι η μελέτη 26 ερευνητικών εργασιών που ερευνούν διατάξεις εντοπισμού και ανίχνευσης οχημάτων, πεζών, αντικειμένων και οδικών υποδομών, η σύγκριση της μεθοδολογίας τους, ο σχολιασμός πλεονεκτημάτων και μειονεκτημάτων και η αναφορά σε μελλοντικές απαιτήσεις - προκλήσεις. Η δομή της εργασίας είναι η παρακάτω: • Στο κεφάλαιο Ι γίνεται εισαγωγή στο αντικείμενο της εργασίας και παρουσιάζεται σειρά στατιστικών δεδομένων για τα τροχαία ατυχήματα. • Στο κεφάλαιο II γίνεται συνοπτική παρουσίαση των ερευνητικών εργασιών που χρησιμοποιήθηκαν για την παρουσίαση του θέματος. • Στο κεφάλαιο III γίνεται παρουσίαση βασικών στοιχείων εξοπλισμού για τον εντοπισμό και παρακολούθηση του κυκλοφοριακού τοπίου καθώς επίσης αναφορά σε θεωρητικές υπολογιστικές επεξεργασίες. • Στο κεφάλαιο IV γίνεται μια παρουσίαση βασικών ερευνητικών και πειραματικών διατάξεων που έχουν προταθεί ή εφαρμοσθεί για τον εντοπισμό, την ανίχνευση και παρακολούθηση οχημάτων, πεζών, εμποδίων επί των οδών, και υποδομών παραπλεύρως του οδικού δικτύου, έτσι ώστε να παράγεται πληροφορία στον χρήστη της οδού. Πληροφορία που μπορεί να αποδειχθεί από χρήσιμη μέχρι σωτήρια γιατί μπορεί να λειτουργήσει είτε ως προειδοποίηση στον οδηγό είτε ως ερέθισμα για αυτόματη επενέργεια επί των συστημάτων του αυτοκινήτου (π.χ. αυτόματο φρενάρισμα). • Στο κεφάλαιο V γίνεται σχολιασμός και συγκρίσεις των περιγραφεισών μεθόδων, εξάγονται συμπεράσματα και επισημαίνονται κάποιες μελλοντικές ερευνητικές και κατασκευαστικές προκλήσεις. • Στο κεφάλαιο VI αναφέρεται η χρησιμοποιηθείσα βιβλιογραφία. Όλες οι μέθοδοι προσπαθούν να ανταποκριθούν μερικά ή ολικά στα παρακάτω ζητούμενα: ◊ Εντοπισμός στόχων (κινητών και ακινήτων). ◊ Παρακολούθηση συμπεριφοράς κινουμένων στόχων. ◊ Παραγωγή προειδοποίησης (ακουστικά ή οπτικά σήματα). ◊ Αυτόματη επενέργεια σε συστήματα του οχήματος. • Εργαλεία των συστημάτων που παρουσιάζονται είναι συνήθως ένα σύνολο εξοπλισμού παθητικών και ενεργητικών αισθητήρων, ένας πρωτότυπος αλγόριθμος επεξεργασίας των στοιχείων και ένας υπολογιστής για την επεξεργασία και αξιολόγηση των δεδομένων. • Εμπόδια που πρέπει να υπερπηδηθούν είναι η συνθετότητα του περιβάλλοντος οδήγησης (αυτοκινητόδρομοι, επαρχιακοί οδοί, αστικό οδικό δίκτυο κ.λ.π.) και οι μεταβαλλόμενες καιρικές συνθήκες (καλοκαιρία, βροχή, ομίχλη, χιόνι κ.λ.π.). • Κλειδί στην αποτελεσματικότητα είναι η συλλογή των πλέον επίκαιρων δεδομένων και η δημιουργία γρήγορου και στιβαρού αλγόριθμου. • Μέτρο επιτυχίας είναι η συμπεριφορά σε πραγματικές συνθήκες και η δυνατότητα λειτουργικής και οικονομικής ενσωμάτωσης στο όχημα. Οι μελετηθείσες 26 ερευνητικές εργασίες που εντοπίζουν και ανιχνεύουν κατηγοριοποιούνται: 1. Ανάλογα με τον χρησιμοποιούμενο εξοπλισμό Α. Σε διατάξεις απλών ενεργητικών αισθητήρων Β. Σε διατάξεις παθητικών αισθητήρων (οπτικά συστήματα με διάφορες μορφές καμερών) Γ. Σε διατάξεις δυο ειδών αισθητήρων Δ. Σε πολυαισθητηριακές διατάξεις Σημειώνουμε ότι παρουσιάζονται δυο κατηγορίες αισθητήρων: οι ενεργητικοί και οι παθητικοί. Ενεργητικοί αισθητήρες θεωρούνται οι τύπου ραντάρ (mm κύμα), τύπου laser (lidar και scanners) και οι ακουστικού τύπου. Οπτικοί αισθητήρες, όπως συνήθεις κάμερες, θερμογραφικές κάμερες (FLIR - Forward Looking InfraRed), CCD κάμερες (Charge-coupled device cameras) συχνά αναφέρονται ως παθητικοί αισθητήρες γιατί αποκτούν δεδομένα χωρίς παρέμβαση. Αναλύονται τα ιδιαίτερα χαρακτηριστικά των παραπάνω διατάξεων, τα πλεονεκτήματα και τα μειονεκτήματά τους και αναδεικνύεται η επικρατούσα, με την πάροδο του χρόνου, τάση συνδυασμού διαφόρων αισθητήρων. 2. Ανάλογα με τις στοχεύσεις, τους υπολογιστικούς αλγορίθμους και τα ιδιαίτερα χαρακτηριστικά τους. Οι εξετασθείσες μελέτες που εντοπίζουν και παρακολουθούν στόχους του κυκλοφοριακού τοπίου μπορούν να ταξινομηθούν ως προς τους στόχους στις εξής κατηγορίες: 1. Κινούμενα οχήματα – πεζοί (κυρίως αστικό κυκλοφοριακό τοπίο). 2. Κινούμενα οχήματα (αυτοκινητόδρομοι, επαρχιακοί οδοί, αστικές οδοί). 3. Στάσιμα αντικείμενα, οχήματα – πεζοί (αυτοκινητόδρομοι, επαρχιακοί οδοί, αστικές οδοί). 4. Πεζοί (αστικό κυκλοφοριακό τοπίο). 5. Οδικές υποδομές (αυτοκινητόδρομοι) με έμφαση στις κατακόρυφες ταμπέλες και στις ανισόπεδες διαβάσεις. Από την παρουσίαση και τη σύγκριση των εργασιών, προκύπτει ότι το βασικό πρόβλημα που γίνεται προσπάθεια να αντιμετωπιστεί, είναι η εγκατάσταση διατάξεων που θα πρέπει να διακρίνονται, μεταξύ άλλων, από: • Αξιοπιστία όσον αφορά τον εντοπισμό και την παρακολούθηση. • Προσαρμογή σε σύνθετες κυκλοφοριακές συνθήκες όπως είναι μεταβαλλόμενες καιρικές συνθήκες (μειωμένη ορατότητα, χαμηλός φωτισμός, έντονη βροχή, χιόνι κ.λ.π.) είτε πυκνή οδική κυκλοφορία (π.χ. σε οδούς στο αστικό οδικό δίκτυο). • Γρήγορη επεξεργασία των δεδομένων εισόδου με στιβαρούς αλγόριθμους • Ελαχιστοποίηση λανθασμένων προειδοποιήσεων. • Κατασκευαστικό και λειτουργικό κόστος που θα τις καταστούν υλοποιήσιμες σε πλατιά κλίμακα. Από την ανάλυση των στοιχείων των εργασιών προκύπτει ότι υπάρχουν πολλοί τρόποι να μειωθούν σημαντικά τα σφάλματα, διατηρώντας υψηλή ακρίβεια, όπως βελτιωμένες αλγοριθμικές επιλύσεις (π.χ. με χρήση πολλαπλών εργαλείων, προχωρημένων στατιστικών και γνωστικών μεθόδων), συνδυασμός αισθητήρων (π.χ. ορατοί, IR, ραντάρ) και τηλεματική (π.χ. επικοινωνία οχήματος με όχημα, εντοπισμός με μέθοδο GPS). Σε σχέση με το λογισμικό, ένα απαραίτητο βήμα είναι η δημιουργία σταθερών προϋποθέσεων έτσι ώστε τα οπτικά συστήματα εντοπισμού οχήματος να είναι τυποποιήσιμα, επαναδιαμορφούμενα και επεκτάσιμα έτσι ώστε να μπορούν να συνεργαστούν με τη μεγάλη ποικιλία εφαρμογών επεξεργασίας. Πολύ εύστοχη θα ήταν η δημιουργία και ανάπτυξη λογισμικού που θα μπορεί να σχετίζεται με διάφορα επίπεδα αφαίρεσης συμπεριλαμβάνοντας συνδυασμό αισθητήρων, ενοποίηση ποικίλων αλγορίθμων, οικονομική χρήση πόρων, ταξινόμηση και υπολογισμούς. Επίσης η βελτίωση των ταχυτήτων των PCs έχει οδηγήσει σε αρκετά ικανοποιητικά αποτελέσματα όσον αφορά τον χρόνο επεξεργασίας, δεδομένου ότι τα συστήματα εντοπισμού κινουμένου οχήματος έχουν μεγάλες υπολογιστικές απαιτήσεις καθώς χρειάζεται να επεξεργαστούν τις ανακτώμενες εικόνες σε πραγματικό χρόνο ή κοντά σε πραγματικό χρόνο για να εξοικονομήσουν χρόνο στην αντίδραση του οδηγού. Τέλος θα πρέπει να αντικειμενικοποιηθούν οι διαδικασίες αξιολόγησης των παρουσιαζομένων μεθόδων έτσι ώστε να είναι πλέον συγκρίσιμες και ευρύτερα αποδεκτές. / -

Intersection Advance Driver Assist Systems (I-ADAS) may prevent 25 to 93% of intersection crashes. The effectiveness of I-ADAS will be limited by driver's pre-crash behavior and other environmental factors. This study will characterize real-world intersection traversals to evaluate the effectiveness of I-ADAS while accounting for driver behavior in crash and near-crash scenarios. This study characterized real-world intersection traversals using naturalistic driving datasets: the Second Strategic Highway Research Program (SHRP-2) and the Virginia Traffic Cameras for Advanced Safety Technologies (VT-CAST) 2020. A step-by-step approach was taken to create an algorithm that can identify three different intersection traversal trajectories: straight crossing path (SCP); left turn across path opposite direction (LTAP/OD); and left turn across path lateral direction (LTAP/LD). About 140,000 intersection traversals were characterized and used to train a unique driver behavior model. The median average speed for all encounter types was about 7.2 m/s. The driver behavior model was a Markov Model with a multinomial regression that achieved an average 90.5% accuracy across the three crash modes. The model used over 124,000 total intersection encounters including 301 crash and near-crash scenarios. I-ADAS effectiveness was evaluated with realistic driver behavior in simulations of intersection traversal scenarios based on proposed US New Car Assessment Program I-ADAS test protocols. All near-crashes were avoided. The driver with I-ADAS overall helped avoid more crashes. For SCP and LTAP the collisions avoided increased as the field of view of the sensor increased in I-ADAS only simulations. There were 18% crash scenarios that were not avoided with I-ADAS with driver. Among near-crash scenarios, where NHTSA expects no I-ADAS activation, there were fewer I-ADAS activations (58.5%) due to driver input compared to the I-ADAS only simulations (0%). / Master of Science / Intersection Advance Driver Assist Systems (I-ADAS) may prevent 25-93% of intersection crashes. I-ADAS can assist drivers in preventing or mitigating these crashes using a collision warning system or automatically applying the brakes for the driver. One way I-ADAS may assist in crash prevention is with automatic emergency braking (AEB), which will automatically apply braking without driver input if the vehicle detects that a crash is imminent. The United States New Car Assessment Program (US-NCAP) has also proposed adding I-ADAS with AEB tests into its standard test matrix. The US-NCAP has proposed three different scenarios. All the tests have two crash-imminent configurations where the vehicles are set up to collide if no deceleration occurs and a near-miss configuration where the vehicles are set up to barely miss each other. This study will use intersection traversals from naturalistic driving data in the US to build a driver behavior model. The intersection travels will be characterized by their speed, acceleration, deceleration, and estimated time to collision. The driver behavior model was able to predict the longitudinal and lateral movements for the driver. The proposed US-NCAP test protocols were then simulated with varied sensors parameters where one vehicle was equipped with I-ADAS and a driver. The vehicle with I-ADAS with a driver was more successful than a vehicle only equipped with I-ADAS at preventing a crash.

Since 2015, there have been more than 35,000 fatalities annually due to crashes on United States roads [1], [2]. Typically, road departure crashes account for less than 10% of all annual crash occupants yet comprise nearly one third of all crash fatalities in the US [3]. In the year 2020, road departure crashes accounted for 50% of crash fatalities [2]. Road departure crashes are characterized by a vehicle leaving the intended lane of travel, departing the roadway, and striking a roadside object, such as a tree or pole, or roadside condition, such as a slope or body of water. One strategy currently implemented to mitigate these types of crashes is the use of roadside barriers. Roadside barriers, such as metal guardrails, concrete barriers, and cable barriers, are designed to reduce the severity of road departure crashes by acting as a shield between the departed vehicle and more hazardous roadside obstacles. Much like new vehicles undergo regulatory crash tests, barriers must adhere to a set of crash test procedures to ensure the barriers perform as intended. Currently, the procedures for full-scale roadside barrier crash tests used to evaluate the crash performance of roadside safety hardware are outlined in The Manual for Assessing Safety Hardware (MASH) [4]. During roadside barrier tests, the assessment of occupant injury risk is crucial, as the purpose of the hardware is to prevent the vehicle from colliding with a more detrimental roadside object, all the while minimizing, and not posing additional, risk to the occupants. Unlike the new vehicle regulatory crash tests conducted by the National Highway Traffic Safety Administration (NHTSA), MASH does not require the use of instrumented anthropomorphic test devices (ATD). Instead, one of the prescribed occupant risk assessment methods in MASH is the flail space model (FSM), which was introduced in 1981 and models an occupant as an unrestrained point mass. The FSM is comprised of two crash severity metrics that can be calculated using acceleration data from the test vehicle. Each metric is prescribed a maximum threshold in MASH and if either threshold is exceeded during a crash test the test fails due to high occupant injury risk. Since the inception of the FSM metrics and their thresholds, the injury prediction capabilities of these metrics have only been re-investigated in the frontal crash mode, despite MASH prescribing an oblique 25-degree impact angle for passenger vehicle barrier tests. The focus of this dissertation was to use EDR data from real-world crashes to assess the current relevance of roadside barrier crash test occupant risk assessment methods to the modern vehicle fleet and occupant population. Injury risk prediction models were constructed for the two FSM-based metrics and five additional crash severity metrics for three crash modes: frontal, side, and oblique. For each crash mode and metric combination, four injury prediction models were constructed: one to predict probability of injury to any region of the body and three to predict probability of injury to the head/face, neck, and thorax regions. While the direct application of these models is to inform future revisions of MASH crash test procedures, the developed models have valuable applications for other areas of transportation safety besides just roadside safety. The final two chapters of this dissertation explore these additional applications: 1) assessing the injury mitigation effectiveness of an advanced automatic emergency braking system, and 2) informing speed limit selection that supports the safe system approach. The findings in this dissertation indicate that both the FSM and additional crash severity metrics do a reasonable job predicting occupant injury risk in oblique crashes. One of the additional metrics performs better than the two FSM metrics. Additionally, several occupant factors, such as belt status and age, play significant roles in occupant risk prediction. These findings have important implications for future revisions of MASH, which could benefit from considering additional metrics and occupant factors in the occupant risk assessment procedures. / Doctor of Philosophy / Every year, there are more than 35,000 fatalities due to crashes on United States roads. While there are many different types of crashes, there is a small collection of crash types that are responsible for the majority of these fatalities. One of the worst crash types is a road departure crash. Road departure crashes describe when a vehicle leaves the roadway and collides with an object off the roadway (such as a tree, pole, or ditch). Road departure crashes typically comprise 10% of crashes but are responsible for more than 30% of the annual crash fatalities. In 2020, road departure crashes were responsible for 50% of the 39,000 fatalities. One strategy that is currently used to reduce road departure fatalities is the use of roadside barriers. Common roadside barrier types include metal guardrails, concrete barriers, and cable guardrails, and are used to prevent vehicles that are departing the roadway from hitting an object that would be more dangerous than the barrier. To ensure barriers successfully protect the vehicle and vehicle occupants from heightened danger, they are crash tested in scenarios that are designed to mimic real-world crashes. The Manual for Assessing Safety Hardware (MASH) is the document that currently outlines the details necessary to conduct one of these crash tests. During roadside barrier tests, it is crucial to determine whether occupants are at risk of injury or fatality. For a variety of reasons, barrier tests do not use the traditional crash test dummies, which are designed to replicate human presence in a crash vehicle. Instead, MASH recommends using vehicle velocity data to assess how much risk is posed to an occupant. Using this velocity data, two values can be computed and if either value exceeds the maximum values provided in MASH, the crash test fails due to high occupant risk. The suggestion to use velocity data to assess occupant risk was first introduced in 1981. Since then, there have been significant advances in vehicle design, barrier design, and occupants' willingness to partake in safe habits, such as wearing seatbelts. Therefore, it is necessary to determine if the occupant risk values used in MASH are still applicable today. The focus of this dissertation was to use real-world crash data to assess the current relevance of roadside barrier crash test occupant risk values. The results presented in this dissertation can be used to select new occupant risk values in future versions of MASH. The findings within this dissertation show that the current methods in MASH do a good job estimating an occupant's risk of injury. Additionally, the findings show that certain occupant factors, such as the age of an occupant and whether the occupant is belted, help to more accurately estimate occupant injury risk. This finding has important implications for MASH, which does not currently consider different occupant conditions.