Abstract:
Teza de doctorat prezinta o abordare noua, concentrata pe metode utile in
culegerea de date exacte de la senzori. Sunt considerate in mod special metode de
filtrare a informaţiilor afectate de zgomote sau diverse erori, pentru a obţine date
fiabile, utilizate în continuare în aplicaţii de supraveghere a traficului. Lucrarea
demonstrează convingător utilitatea unei astfel de abordări, precum şi încadrarea
ei în cercetările actuale din acest domeniu. Acest proces se bazeaza pe filtrele de
particule, metode care sunt fiabile şi care in acelasi timp reprezinta tehnici
puternice de calcul. Metodele existente, prezentate pe scurt în secţiunea „State of
the art”, nu iau în considerare posibilitatea de a utiliza metode de tip Filtre de
Particule Monte Carlo Markov Chains (PF MCMC) bazate pe un model de observatii
centrat pe acceleratie. În abordarea clasică filtrarea si predictia se fac cu ajutorul
poziţiei observate. Considerand abordarea MCMC şi un model discret al
comportamentului soferului, baza pe acceleratie, unui algoritm adaptiv este propus
şi evaluat prin simulări. Acest algoritm se bazează pe o matrice de tranziţie cu
cinci stari. În fiecare pas al acestui studiu, deciziile se bazează pe argumente
teoretice. Algoritmul este validat prin rezultatele relevante obtinute in urma
simularii. Pentru demonstrarea aplicabilitatii practice in partea finala a tezei, este
prezentata o variatie a algoritmului propus. Aceasta aplicatie evalueaza acţiunile
de depăşire, iar performanta este evaluata comparativ din punct de vedere a
dependabilitatii, cu o alta abodare bazate pe logica fuzzy. Rezultatele prezentate in
cadrul aceste teze, demonstrează faptul că luând în considerare un model de
observatie bazat pe acceleraţie, in combinatie cu utilizarea unei metode adaptive
poate creşte în mod semnificativ de performanţa sistmului de filtrare, in
comparatie cu abordarile clasice.
