کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
384614 660849 2013 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Comparing a multiobjective optimization algorithm for discovering driving strategies with humans
ترجمه فارسی عنوان
مقایسه الگوریتم بهینه‌سازی چند منظوره‌ کشف راهبردهای رانندگی با انسان‌ها
کلمات کلیدی
استراتژی محرک و موثر - محرک انسان - زمان سفر - مصرف سوخت - بهینه سازی عوامل محرک - بهینه سازی چند هدفه -
فهرست مطالب مقاله
چکیدهمقدمهکارهای مرتبطشبیه‌ساز رانندگی وسیله‌ی نقلیهکشف راهبردهای رانندگی با یک الگوریتم بهینه‌سازیبازنمایی راهبردهای رانندگی MODSالگوریتم بهینه‌سازی چند منظوره برای کشف راهبردهای رانندگیواسط کاربرآزمایش‌ها و نتایججدول 1: بهترین گسسته‌سازی فضای حالت، کنترل‌های رانندگی، وزن‌های مصرف سوخت، و تعداد گام‌های پیش‌بینیجدول 2: مقادیر پارامتر الگوریتم تکاملی سطح بالاتر MODSجدول 3: مقادیر عینی راهبردهای رانندگی نشانه‌گذاری شده در شکل 7نتیجه‌گیری 
ترجمه چکیده
هنگامی که یک شخص وسیله‌ی نقلیه‌ای را در امتداد یک مسیر هدایت می‌کند، او [در واقع] به بهینه‌سازی دو هدف می‌پردازد: زمان سفر و مصرف سوخت. بنابراین، هدایت وسیله‌ی نقلیه را می‌توان به عنوان یک مسأله‌ی بهینه‌سازی چند منظوره در نظر گرفت و با استفاده از الگوریتم‌های بهینه‌سازی مناسب به حل آن پرداخت. مقایسه‌ی بین راهبردهای رانندگی به دست آمده از انسان و راهبردهای به دست آمده از الگوریتم‌ها از چند دیدگاه جالب توجه است. برای مثال، اینکه ببینیم کدام راهبردها بهتر هستند می تواند جالب توجه باشد. برای انجام تست انسان در برابر ماشین، راهبردهای رانندگی به دست آمده از الگوریتم بهینه‌سازی چند منظوره‌ی کشف راهبردهای رانندگی (MODS) را با راهبردهای به دست آمده از گروهی از داوطلبان که شبیه‌ساز وسیله نقلیه را هدایت کردند مقایسه کردیم. این تست با استفاده از داده‌های سه مسیر واقعی انجام شد. نتایج نشان می‌دهند که MODS همیشه راهبردهای رانندگی بهتری را نسبت به داوطلبان پیدا می کند (به خصوص هنگامی که قرار باشد مصرف سوخت کاهش پیدا کند). به علاوه، نتایج نشان می‌دهند که برخی داوطلبان همیشه از حیث زمان سفر و مصرف سوخت به صورت مشابهی رانندگی می کنند، در حالی که برخی دیگر راهبردهای رانندگی کاملاً متنوعی دارند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
When a person drives a vehicle along a route, he/she optimizes two objectives, the traveling time and the fuel consumption. Therefore, the task of driving can be viewed as a multiobjective optimization problem and solved with appropriate optimization algorithms. The comparison between the driving strategies obtained by humans and those obtained by the algorithms is interesting from several points of view. For example, it is interesting to see which strategies are better. To perform the human versus machine test, we compared the driving strategies obtained by the multiobjective optimization algorithm for discovering driving strategies (MODS) with those obtained by a group of volunteers operating a vehicle simulator. The test was performed using data from three real-world routes. The results show that MODS always finds better driving strategies than the volunteers, especially when the fuel consumption is to be reduced. Moreover, the results show that some volunteers always drive similarly in terms of traveling time and fuel consumption while others significantly vary their driving strategies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 40, Issue 7, 1 June 2013, Pages 2687–2695
نویسندگان
, , , , ,