Highly automated driving is approaching reality at a high speed. BMW is planningto put its first autonomous driving vehicle on the road already by 2021. The path torealising this new technology is however, full of challenges. Not only the transverseand longitudinal dynamic vehicle motion play an important role in experiencedcomfort but also the requirements and expectations of the occupants regarding thevertical dynamic vibration behaviour. Especially during long trips on the motorwaywhere the so far active driver becomes the chauffeured passenger, who reads, worksor sleeps in his newly gained time. These new use-cases create new requirements forthe future design of driving comfort which are yet to be fully discovered.This work was carried out at the BMW headquarters and had the aim to usedifferent machine learning models to investigate and identify patterns between thesubjective comfort values reported by participants in a study, on a comfort scale of 1-7 and the mechanical vibrations that they experienced, measured inm/s2. The datawas collected in a previous independent study and statistical methods were used toinsure the quality of the data. A comparison of the ISO 2631-1 comfort ratings andthe study’s findings is done to understand the need for a more sophisticated model to predict comfort in autonomous driving. The work continued by investigating different dimensionality reduction methods and their influence on the performance of the models. The process used to build, optimise and validate neural networks and other models is included in the method chapter and the results are presented. The work ends with a discussion of both the prediction results and the modelsre-usability. The machine learning models investigated in this thesis have shown great po-tential for detecting complex pattern that link feelings and thoughts to mechanical variables. The models were able to predict the correct level of comfort with up to50% precision when trying to predict 6 or 7 levels of comfort. When divided into high versus low discomfort, i.e. predicting one of two comfort levels, the models were able to achieve a precision of up to 75.4%.Excluded from this thesis is the study of differences in attentive vs inattentive state when being driven in an autonomous driving vehicle. It became clear shortly before the start of this work, that the experiment that yielded the data used for it failed to find a statistically significant difference between the two states. / Självkörande bilar är snart inte längre en dröm utan en mycket sann verklighet. År 2021 planerar BMW att släppa ut sin första autonoma bil på vägarna. Dock är vägen till att förverkliga denna nya teknik full av utmaningar. Utöver den tvärgående och längsgående dynamiska styrningen av fordonet, så spelar även passagerarens förväntningar på det vertikala dynamiska vibrationsbeteendet en växande roll. Speciellt under långa resor på motorvägen där den för nuvarande aktiva föraren blir passagerare, som läser, arbetar eller sover under sin nyvunna tid. De nya användarsenarierna ställer i sin tur nya krav på bilens komfort. Krav som inte har blivit hittills utförligt undersäkta, fastän de kan komma att spela en stor roll i teknikens framgång.Detta examensarbete genomfördes hos BMW:s huvudkontor i Tyskland och hade som mål att undersöka olika maskininlärningsmodeller och deras förmåga att identifiera mönster mellan de subjektiva komfortvärden som rapporterats av deltagarna i en studie, givna på skala 1-7, och de mekaniska vibrationerna som de upplevde mätta i m/s^2. Uppgifterna samlades in i en tidigare oberoende studie. Statistiska metoder användes för att säkerställa datakvaliteten. I detta arbeter har en jämförelse mellan ISO 2631-1-komfortbedömningar och undersökningsresultaten gjorts för att förstå behovet av en mer sofistikerad komfortstandard för att objektifera komfort i självkörande bilar. Arbetet fortsatte med att undersöka olika metoder för att minska datadimensionerna och deras inflytande på modellernas prestanda. Processen som används för att bygga, optimera och validera neurala nätverk och andra modeller är inkluderad i metoddelen och resultaten är presenterade och förklarade därefter. Arbetet avslutas med en diskussion kring både resultatets validitet och modellernas användbarhet.De maskininlärningsmodeller som undersöktes i detta examensarbete har visat stor potential för att upptäcka komplexa mönster som kopplar känslor och tankar till mekaniska variabler. Modellerna kunde förutsäga rätt komfortnivå med upp till 50% precision när 6 eller 7 nivåer av komfort användes. Vid uppdelning i hög mot låg komfort, dvs att kunna förutsäga en av två komfortnivåer, kunde modellerna uppnå en precision på upp till 75.4%.

Increasing comfort and improving air quality in shared vehicles is essential in protecting human health and making public transport more attractive. This thesis focused on exploring how passenger comfort, which is closely linked to air quality, is affected by the internal and external conditions of a small, autonomous bus prototype, the ELIN bus. Available data from the ELIN bus database were analyzed, and indicators for the interior temperature prediction model were selected. Various machine learning models were created and evaluated. The Random Forest model proved to be the most versatile. A comfort calculation framework was created to estimate and predict the level of comfort inside the ELIN bus, taking into account factors like temperature and occupancy to calculate a comfort score using devised formulas. The comfort score was estimated for the current station of the bus and predicted for the next stations, using the temperature predictions from the Random Forest model and findings from data analysis. The results indicated quite decent comfort levels inside the ELIN bus and provided an expandable framework for future needs. / Att öka komforten och förbättra luftkvaliteten i delade fordon är avgörande för att skydda människors hälsa och göra kollektivtrafiken mer attraktiv. Denna avhandling fokuserade på att undersöka hur passagerarkomfort, som är nära kopplad till luftkvalitet, påverkas av de interna och externa förhållandena hos en liten, autonom bussprototyp, ELIN-bussen. Tillgängliga data från ELIN-bussens databas analyserades, och indikatorer för prediktionsmodellen för inomhustemperatur valdes ut. Olika maskininlärningsmodeller skapades och utvärderades. Random Forest-modellen visade sig vara den mest mångsidiga. Ett komfortberäkningsramverk skapades för att uppskatta och förutsäga komfortnivån inuti ELIN-bussen, med hänsyn till faktorer som temperatur och beläggning för att beräkna en komfortpoäng med hjälp av utformade formler. Komfortpoängen uppskattades för den aktuella stationen av bussen och förutspåddes för de kommande stationerna, med användning av temperaturprognoser från Random Forest-modellen och resultat från dataanalysen. Resultaten indikerade ganska goda komfortnivåer inuti ELIN-bussen och tillhandahöll ett expanderbart ramverk för framtida behov.

Increasing the operational speed of trains has attracted a lot of interest in the last decades and has brought new challenges, especially in terms of infrastructure design methodology, as it may induce excessive vibrations. Such demands can damage bridges, which in turn increases maintenance costs, endangers the safety of passing trains and disrupts passenger comfort. Conventional design provisions should therefore be evaluated in the light of modern concerns; nevertheless, several previous studies have highlighted some of their shortcomings. It should be emphasized that most of these studies have neglected the uncertainties involved, which preventsthe reported results from representing a complete picture of the problem. In this respect, the present thesis is dedicated to evaluating the performance of conventional design methods, especially those related to running safety and passenger comfort, using probabilistic approaches. To achieve this objective, a preliminary study was carried out using the first-order reliability method for short/medium span bridges passed by trains at a wide range of operating speeds. Comparison of these results with the corresponding deterministic responses showed that applying a constant safety factor to the running safety threshold does not guarantee that the safety index will be identical for all bridges. It also shows that the conventional design approaches result in failure probabilities that are higher than the target values. This conclusion highlights the need to update the design methodology for running safety. However, it would be essential to determine whether running safety is the predominant design criterion before conducting further analysis. Therefore, a stochastic comparison between this criterion and passenger comfort was performed. Due to the significant computational cost of such investigations, subset simulation and crude Monte-Carlo (MC) simulation using meta-models based on polynomial chaos expansion were employed. Both methods were found to perform well, with running safety almost always dominating the passenger comfort limit state. Subsequently, classification-based meta-models, e.g. support vector machines, k-nearest neighbours and decision trees, were combined using ensemble techniques to investigate the influence of soil-structure interaction on the evaluated reliability of running safety. The obtained results showed a significant influence, highlighting the need for detailed investigations in further studies. Finally, a reliability-based design optimization was conducted to update the conventional design method of running safety by proposing minimum requirements for the mass per length and moment of inertia of bridges. It is worth mentioning that the inner loop of the method was solved by a crude MC simulation using adaptively trained Kriging meta-models. / Att öka tågens hastighet har väckt stort intresse under de senaste decennierna och har medfört nya utmaningar, särskilt när det gäller broanalyser, eftersom tågen inducerar stora vibrationer. Sådana vibrationer kan öka underhållskostnaderna, äventyra säkerheten för förbipasserande tåg och påverka passagerarkomforten. Konstruktionsbestämmelser bör därför utvärderas mot bakgrund av dessa problem; dock har flera tidigare studier belyst några av bristerna i dagens bestämmelser. Det bör understrykas att de flesta av dessa studier har försummat de osäkerheter som är involverade, vilket hindrar de rapporterade resultaten från att representera en fullständig bild av problemet. I detta avseende syftar denna avhandling till att utvärdera prestandan hos konventionella analysmetoder, särskilt de som rör körsäkerhet och passagerarkomfort, med hjälp av sannolikhetsmetoder. För att uppnå detta mål genomfördes en preliminär studie med första ordningens tillförlitlighetsnmetod för broar med kort/medellång spännvidd som passeras av tåg med ett brett hastighetsspektrum. Jämförelse av dessa resultat med motsvarande deterministiska respons visade att tillämpa en konstant säkerhetsfaktor för verifieringen av trafiksäkerhet inte garanterar att säkerhetsindexet kommer att vara identiskt för alla broar. Det visar också att de konventionella analysmetoderna resulterar i brottsannolikheter som är högre än målvärdena. Denna slutsats belyser behovet av att uppdatera analysmetoden för trafiksäkerhet. Det skulle emellertid vara viktigt att avgöra om trafiksäkerhet är det dominerande designkriteriet innan ytterligare analyser genomförs. Därför utfördes en stokastisk jämförelse mellan detta kriterium och kriteriet för passagerarkomfort. På grund av den betydande. analystiden för sådana beräkningar användes delmängdssimulering och Monte-Carlo (MC) simulering med metamodeller baserade på polynomisk kaosutvidgning. Båda metoderna visade sig fungera bra, med trafiksäkerhet som nästan alltid dominerade över gränsningstillståndet för passagerarkomfort. Därefter kombinerades klassificeringsbaserade metamodeller som stödvektormaskin och beslutsträd genom ensembletekniker, för att undersöka påverkan av jord-brointeraktion på den utvärderade tillförlitligheten gällande trafiksäkerhet. De erhållna resultaten visade en signifikant påverkan och betonade behovet av detaljerade undersökningar genom ytterligare studier. Slutligen genomfördes en tillförlitlighetsbaserad konstruktionsoptimering för att föreslå ett minimikrav på erforderlig bromassa per längdmeter och tröghetsmoment. Det är värt att nämna att metodens inre loop löstes med en MC-simulering med adaptivt tränade Kriging-metamodeller. / <p>QC 20210910</p>