Εφαρμογές μηχανικής μάθησης στην αυτοκινητοβιομηχανία

Παπαδόπουλος, Κωνσταντίνος

Machine learning applications in the automotive industry

Διπλωματική εργασία

Author

Παπαδόπουλος, Κωνσταντίνος

Date

2023-10-16

Advisor

Nikolaou, Grigoris

Εφαρμογές Μηχανικής Μάθησης στην Αυτοκινητοβιομηχανία_Παπαδόπουλος_Κωνσταντίνος(1).pdf (3.923Mb)

Keywords

Αυτοκινητοβιομηχανία ; Νευρωνικά δίκτυα ; Κατανάλωση καυσίμου ; Ποσοστιαία απόκλιση ; Επιστήμη δεδομένων ; Ταξινόμηση ; Μηχανική μάθηση

Abstract

Στην εποχή του 21ου αιώνα, η τεχνολογία που αναπτύσσεται από την αυτοκινητοβιομηχανία φαίνεται να εξελίσσεται με ραγδαίους ρυθμούς. Παρόλα αυτά, σύγχρονες προκλήσεις όπως η ρύπανση του περιβάλλοντος και οι συνεχώς αυξανόμενες απαιτήσεις των καταναλωτών δεν παύουν να δημιουργούν την ανάγκη για μία ευρύτερη τεχνολογική εξέλιξη όσο αφορά την κατασκευή μηχανοκίνητων οχημάτων. Στο πλαίσιο αυτό, ακολουθώντας την τεχνολογική εξέλιξη και ανταποκρινόμενη στις σύγχρονες ανάγκες στον χώρο της αυτοκινητοβιομηχανίας, λαμβάνει χώρα η παρούσα εργασία. Στην παρούσα εργασία παρουσιάζεται και αναλύεται ο τρόπος με τον οποίο ο κλάδος της μηχανικής μάθησης μπορεί να συνεισφέρει στην επίλυση σύγχρονων προκλήσεων που αντιμετωπίζει η σύγχρονη αυτοκινητοβιομηχανία. Η ανάλυση αυτή συνοδεύεται με μια μελέτη της ποσοστιαίας απόκλισης της πραγματικής κατανάλωσης καυσίμου σε σύγκριση με τις εργαστηριακές δοκιμές που πραγματοποιούνται από τους κατασκευαστές αυτοκινήτων. Μετά την εξαγωγή συμπερασμάτων της μελέτης αυτής, ακολουθεί η δημιουργία ενός Νευρωνικού Δικτύου που μπορεί να αναγνωρίσει και να ταξινομήσει κινήσεις απότομες και επικίνδυνες των οδηγών, που προκύπτουν από επιθετική οδηγική συμπεριφορά. Ευελπιστούμε ότι η παρούσα μελέτη θα βοηθήσει την αυτοκινητοβιομηχανία να κατανοήσει βαθύτερα την σημασία παραμέτρων που επηρεάζουν την κατανάλωση καυσίμου.

Abstract

In the 21st century, the technology developed by the automotive industry seems to be evolving rapidly. However, modern challenges, such as the environmental crisis and the continuous consumers’ needs, do not stop creating the need for further technological development, when it comes to motor vehicle manufacturing. Τhis paper, includes a in depth analysis on how Machine Learning can contribute to the solving of modern challenges faced by the automotive industry. This analysis is accompanied with an in depth research of the percentage deviation gap between real-time fuel consumption and the lab prediction made by car manufacturers. After extracting results from the research, a Neural Network that will be able to recognize and predict driving maneuvers that come from aggressive driving behavior.