ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΜΕΤΑΦΟΡΩΝ ΣΥΓΚΟΙΝΩΝΙΑΚΗΣ ΥΠΟΔΟΜΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΡΓΩΝ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΜΕ ΤΙΤΛΟ «Προηγμένο σύστημα εξατομικευμένης πληροφόρησης και προειδοποίησης των μετακινουμένων» Μαρία Πάνου Ηλεκτρονικός Μηχανικός και Μηχανικός Η/Υ Θεσσαλονίκη, Δεκέμβριος 2007

2 Διδακτορική Διατριβή Μαρία Πάνου ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΜΕΤΑΦΟΡΩΝ ΣΥΓΚΟΙΝΩΝΙΑΚΗΣ ΥΠΟΔΟΜΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΡΓΩΝ ΚΑΙ ΑΝΑΠΤΥΞΗΣ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΜΕ ΤΙΤΛΟ «Προηγμένο σύστημα εξατομικευμένης πληροφόρησης και προειδοποίησης των μετακινουμένων» Μαρία Πάνου Επιβλέπων Καθηγητής Γεώργιος Γιαννόπουλος Θεσσαλονίκη, Δεκέμβριος 2007 Δεκέμβριος 2007 ii

3 Στους γονείς μου, Χρήστο και Γαρυφαλιά, που δίχως τις θυσίες τους δε θα τα είχα καταφέρει, καθώς και στην αδερφή μου Χρυσούλα. Με υποστήριξαν, μου έδωσαν δύναμη και με «ανέχτηκαν» στις δύσκολες στιγμές κατά την εκπόνηση της διατριβής αυτής.

4

5 Περιεχόμενα ΛΙΣΤΑ ΠΙΝΑΚΩΝ...VI ΛΙΣΤΑ EΙΚΟΝΩΝ...IX ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ...XI ΣΥΝΤΟΜΟΓΡΑΦΙΕΣ... XV ΕΛΛΗΝΙΚΟΊ ΌΡΟΙ... XV ΑΓΓΛΙΚΟΊ ΌΡΟΙ... XVII ΠΡΟΛΟΓΟΣ...XIX ΠΕΡΙΛΗΨΗ... 1 SUMMARY ΕΙΣΑΓΩΓΗ ΥΠΗΡΕΣΊΕΣ ΠΛΗΡΟΦΟΡΙΏΝ ΓΙΑ ΜΕΤΑΚΙΝΟΥΜΈΝΟΥΣ ΥΠΗΡΕΣΊΕΣ ΚΑΙ ΣΥΣΤΉΜΑΤΑ ΠΛΗΡΟΦΌΡΗΣΗΣ ΚΑΙ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΟΔΗΓΏΝ ΜΕΘΟΔΟΛΟΓΙΑ ΚΑΙ ΔΟΜΗ ΤΗΣ ΔΙΑΤΡΙΒΗΣ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΤΩΝ ΚΥΡΙΩΝ «ΑΝΑΓΚΩΝ ΓΙΑ ΠΛΗΡΟΦΟΡΗΣΗ» ΤΩΝ ΟΔΗΓΩΝ ΚΑΙ ΜΕΤΑΚΙΝΟΥΜΕΝΩΝ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΕΥΦΥΩΝ ΜΕΤΑΦΟΡΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑ ΜΕ ΤΟ ΧΡΗΣΤΗ ΚΑΤΗΓΟΡΙΟΠΟΊΗΣΗ ΣΣΥΟ/ΠΣΟ Εισαγωγή Πρώτη κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών (ΣΕΜ) Ανανεωμένη, προτεινόμενη κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών (ΣΕΜ) Παρουσίαση ΣΕΜ και σύντομη περιγραφή Σύστημα Προειδοποίησης εκτροπής από λωρίδα κυκλοφορίας (ΣΠΕΛ) Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ) και Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης (ΣΠΑΣ) Συμπεράσματα ΕΠΙΚΟΙΝΩΝΊΑ ΣΣΥΟ/ΠΣΟ ΜΕ ΟΔΗΓΌ ΚΑΙ ΜΕΤΑΚΙΝΟΎΜΕΝΟ (ΣΕΑΜ) Κατηγορίες ΣΕΑΜ Διαφοροποιήσεις ανά τύπο χρήστη Ανάγκες ΣΕΑΜ ανά τύπο οδηγού Νέοι οδηγοί Ηλικιωμένοι οδηγοί Οδηγοί με αναπηρίες Αλλοδαποί οδηγοί Προτεραιότητες κυρίων εμπλεκομένων φορέων Ανάγκες ΣΕΑΜ για λοιπούς μετακινουμένους Δεκέμβριος 2007 i

6 Διδακτορική Διατριβή Μαρία Πάνου 5 ΥΦΙΣΤΑΜΕΝΗ ΤΕΧΝΟΓΝΩΣΙΑ ΕΥΦΥΩΝ ΣΥΣΤΗΜΑΤΩΝ ΓΙΑ ΠΡΟΣΩΠΟΠΟΙΗΣΗ ΚΑΙ ΠΡΟΣΑΡΜΟΓΗ ΥΠΗΡΕΣΙΩΝ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΤΟΥΡΙΣΜΟΥ ΠΡΟΣΑΡΜΟΓΉ ΚΑΙ ΠΡΟΣΩΠΟΠΟΊΗΣΗ ΥΠΗΡΕΣΙΏΝ ΜΕΤΑΦΟΡΏΝ ΚΑΙ ΤΟΥΡΙΣΜΟΎ ΓΙΑ ΜΕΤΑΚΙΝΟΥΜΈΝΟΥΣ ΠΡΟΣΑΡΜΟΓΉ ΚΑΙ ΠΡΟΣΩΠΟΠΟΊΗΣΗ ΥΠΗΡΕΣΙΏΝ ΜΕΤΑΚΊΝΗΣΗΣ ΓΙΑ ΤΟΝ ΟΔΗΓΌ ΤΕΧΝΟΛΟΓΊΑ ΕΥΦΥΏΝ ΠΡΑΚΤΌΡΩΝ ΩΣ ΜΈΘΟΔΟΣ ΠΡΟΣΩΠΟΠΟΊΗΣΗΣ ΥΠΗΡΕΣΙΏΝ ΜΕΤΑΦΟΡΆΣ ΚΑΙ ΤΟΥΡΙΣΜΟΎ Τι είναι ένας Ευφυής Πράκτορας Τι είναι το πλαίσιο εργασίας JADE Η μεθοδολογία Gaia Τι είναι τα πρότυπα FIPA ΣΥΜΠΕΡΆΣΜΑΤΑ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΣΥΜΠΕΡΙΦΟΡΑΣ ΚΙ ΑΝΑΔΡΑΣΗΣ ΟΔΗΓΟΥ ΚΑΙ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΓΙΑ «ΕΥΦΥΗ ΠΡΟΣΩΠΟΠΟΙΗΣΗ»: ΤΑ ΜΟΝΤΕΛΑ DRIVABILITY ΚΑΙ TRANSPORTABILITY ΕΙΣΑΓΩΓΉ ΣΤΑ ΜΟΝΤΈΛΑ ΣΥΜΠΕΡΙΦΟΡΆΣ ΟΔΗΓΟΎ ΟΡΙΣΜΌΣ ΤΟΥ ΜΟΝΤΈΛΟΥ DRIVABILITY ΜΕΘΟΔΟΛΟΓΊΑ ΜΈΤΡΗΣΗΣ ΤΟΥ ΔΕΊΚΤΗ DRIVABILITY ΕΠΕΞΉΓΗΣΗ ΠΡΟΤΕΙΝΌΜΕΝΟΥ ΑΛΓΟΡΊΘΜΟΥ DRIVABILITY ΚΑΙ ΤΙΜΏΝ ΑΥΤΟΎ Δείκτης Προσωπικών Δεξιοτήτων (ΔΠΔ) Δείκτης Γνώσεων/προσόντων (ΔΓΠ) Δείκτης Φόρτου Εργασίας (ΔΦΕ) Δείκτης Περιβαλλοντικών Παραγόντων (ΔΠΠ) και Δείκτης Επίγνωσης κινδύνου (ΔΕΚ) ΠΡΟΤΕΙΝΌΜΕΝΗ ΚΛΊΜΑΚΑ ΔΕΊΚΤΗ DRIVABILITY Η ΣΧΈΣΗ ΤΟΥ ΔΕΊΚΤΗ DRIVABILITY ΜΕ ΤΗ ΣΥΜΠΕΡΙΦΟΡΆ ΤΟΥ ΟΔΗΓΟΎ ΤΑ ΕΠΊΠΕΔΑ ΤΟΥ DRIVABILITY ΠΙΛΟΤΙΚΉ ΕΦΑΡΜΟΓΉ ΜΕΘΟΔΟΛΟΓΊΑΣ DRIVABILITY Σύστημα παρακολούθησης της ενάργειας του οδηγού Η περίπτωση AWAKE Εκπαίδευση οδηγού Η περίπτωση TRAINER Αξιολόγηση ικανότητας οδήγησης οδηγών ηλικίας άνω των 55 Η περίπτωση AGILE ΕΠΈΚΤΑΣΗ ΤΗΣ ΈΝΝΟΙΑΣ DRIVABILITY ΣΤΟ ΜΟΝΤΈΛΟ TRANSPORTABILITY ΓΙΑ ΤΟΥΣ ΜΕΤΑΚΙΝΟΥΜΈΝΟΥΣ ΣΥΜΠΕΡΆΣΜΑΤΑ ΚΑΘΟΡΙΣΜΟΣ ΤΩΝ ΚΥΡΙΩΝ ΠΑΡΑΜΕΤΡΩΝ «ΠΡΟΣΩΠΟΠΟΙΗΣΗΣ» ΕΙΣΑΓΩΓΉ ΠΑΡΆΜΕΤΡΟΙ ΜΟΝΤΕΛΟΠΟΊΗΣΗΣ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΆΣ ΤΩΝ ΟΔΗΓΏΝ Στατικές παράμετροι Παράμετρος 1: Ημερομηνία γέννησης Παράμετρος 2: Εμπειρία οδήγησης (έτη) Παράμετρος 3: Φύλο Παράμετρος 4: Γλώσσα Παράμετρος 5: Επίπεδο μόρφωσης Παράμετρος 6: Ειδικές αναπηρίες Ημι-δυναμικές παράμετροι Δυναμικές παράμετροι Παράμετρος 1: Ταχύτητα (m/s) Παράμετρος 2: Χρονική στιγμή πέδησης οδηγού (s) Παράμετρος 3: Χρονική στιγμή πέδησης εμπρόσθιου οχήματος (s) Παράμετρος 4: Ώρα GPS (s) Παράμετρος 5: Χρόνος αντίδρασης Παράμετρος 6: Χρόνος Σύγκρουσης Παράμετρος 7: Χρόνος Σύγκρουσης με Ακινητοποίηση («Time headway») Παράμετρος 8: Χρόνος Προσέγγισης Ορίων Λωρίδας Κυκλοφορίας Παράμετρος 9: Απόσταση Προσέγγισης Ορίων Λωρίδας Αυτορρυθμιζόμενο ΣΕΑΜ, με βάση τα χαρακτηριστικά του οδηγού ΠΑΡΆΜΕΤΡΟΙ ΜΟΝΤΕΛΟΠΟΊΗΣΗΣ ΤΗΣ ΣΥΜΠΕΡΙΦΟΡΆΣ ΤΩΝ ΛΟΙΠΏΝ ΜΕΤΑΚΙΝΟΥΜΈΝΩΝ Δεκέμβριος 2007 ii

7 Περιεχόμενα Παράμετρος προσωποποίησης επιλογής σημείου προορισμού Παράμετροι προσωποποίησης επιλογής διαδρομής Δυναμικές παράμετροι Ημι-δυναμικές παράμετροι Παράμετροι προσωποποίησης παροχής προωθούμενων πληροφοριών για σημεία ενδιαφέροντος ΣΥΣΧΈΤΙΣΗ ΤΩΝ ΣΥΝΤΕΛΕΣΤΏΝ ΤΩΝ ΜΟΝΤΈΛΩΝ DRIVABILITY/ TRANSPORTABILITY ΜΕ ΤΙΣ ΠΑΡΑΜΈΤΡΟΥΣ ΠΡΟΣΩΠΟΠΟΊΗΣΗΣ ΠΟΥ ΛΉΦΘΗΚΑΝ ΥΠΌΨΗ ΣΤΟ ΘΕΩΡΗΤΙΚΌ ΣΧΕΔΙΑΣΜΌ ΤΟΥ ΣΥΣΤΉΜΑΤΟΣ ΑΝΑΠΤΥΞΗ ΠΡΩΤΟΤΥΠΩΝ ΑΛΓΟΡΙΘΜΩΝ ΠΡΟΣΩΠΟΠΟΙΗΜΕΝΗΣ ΠΡΟΕΙΔΟΠΟΙΗΣΗΣ ΟΔΗΓΩΝ ΠΡΟΤΕΙΝΌΜΕΝΟΙ ΑΛΓΌΡΙΘΜΟΙ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΓΙΑ ΤΑ ΣΤΑΤΙΚΆ ΧΑΡΑΚΤΗΡΙΣΤΙΚΆ ΠΡΟΤΕΙΝΌΜΕΝΟΙ ΑΛΓΌΡΙΘΜΟΙ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΓΙΑ ΤΑ ΗΜΙ-ΔΥΝΑΜΙΚΆ ΧΑΡΑΚΤΗΡΙΣΤΙΚΆ ΠΡΟΤΕΙΝΌΜΕΝΟΙ ΑΛΓΌΡΙΘΜΟΙ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΓΙΑ ΤΑ ΔΥΝΑΜΙΚΆ ΧΑΡΑΚΤΗΡΙΣΤΙΚΆ Αλγόριθμοι με βάση το Χρόνο Σύγκρουσης (ΧΣ) ή το Χρόνο Σύγκρουσης με Ακινητοποίηση (ΧΣΜΑ) Αλγόριθμοι με βάση την Απόσταση Προσέγγισης Ορίων Λωρίδας (ΑΠΟΛ) και το Χρόνο Προσέγγισης Ορίων Λωρίδας (ΧΠΟΛ) Προσαρμογή αλγορίθμου σε περιβαλλοντικούς παράγοντες Προσαρμογή αλγορίθμου σε συμπεριφορά οδηγού Παραδείγματα λειτουργίας αλγορίθμου Αλγόριθμοι με βάση το Χρόνο Αντίδρασης ΣΥΜΠΕΡΆΣΜΑΤΑ ΑΝΑΠΤΥΞΗ ΠΡΩΤΟΤΥΠΩΝ ΑΛΓΟΡΙΘΜΩΝ ΠΡΟΣΩΠΟΠΟΙΗΜΕΝΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΩΝ ΠΛΗΡΟΦΌΡΗΣΗ ΕΠΙΛΟΓΉΣ ΔΙΑΔΡΟΜΉΣ Χρήση του αλγορίθμου με βήματα Παράδειγμα λειτουργίας αλγορίθμου ΠΛΗΡΟΦΌΡΗΣΗ ΕΠΙΛΟΓΉΣ ΣΗΜΕΊΩΝ ΕΝΔΙΑΦΈΡΟΝΤΟΣ Χρήση του αλγορίθμου με βήματα Παράδειγμα λειτουργίας αλγορίθμου ΠΑΡΟΧΉ ΠΡΟΩΘΟΎΜΕΝΩΝ ΠΛΗΡΟΦΟΡΙΏΝ Παράδειγμα λειτουργίας αλγορίθμου ΕΦΑΡΜΟΓΕΣ ΚΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΕΙΔΟΠΟΊΗΣΗ ΟΔΗΓΏΝ Πρόγραμμα δοκιμών Περιγραφή Περιγραφή δοκιμών με προειδοποιήσεις επί του διαμήκη άξονα της οδού Περιγραφή δοκιμών με προειδοποιήσεις επί του εγκάρσιου άξονα της οδού Στοιχεία συμμετεχόντων Αποτελέσματα 1 ης φάσης οδήγησης Αποτελέσματα 2 ης φάσης οδήγησης Αποτελέσματα δοκιμών οδήγησης με προειδοποιήσεις από το ΣΠΑΣ (φάσεις 3-6) Αποδοχή οδηγών Επιρροή του ΣΠΑΣ στην απόσταση απ το προπορευόμενο όχημα Ασφάλεια κι εμπιστοσύνη στο σύστημα Επιπτώσεις του συστήματος Δικαιολόγηση προειδοποιήσεων Χρονική στιγμή και συχνότητα παροχής προειδοποιήσεων Βαθμός εμπιστοσύνης Συμπεράσματα Αποτελέσματα δοκιμών οδήγησης με προειδοποιήσεις από το ΣΠΕΛ (φάσεις 7-9) Αποδοχή οδηγών Επιρροή του ΣΠΕΛ στην απόσταση απ τις διαγραμμίσεις της λωρίδας κυκλοφορίας Ασφάλεια κι εμπιστοσύνη στο σύστημα Επιπτώσεις του συστήματος Δικαιολόγηση προειδοποιήσεων Χρονική στιγμή και συχνότητα παροχής προειδοποιήσεων Βαθμός εμπιστοσύνης Δεκέμβριος 2007 iii

8 Διδακτορική Διατριβή Μαρία Πάνου Συμπεράσματα ΠΛΗΡΟΦΌΡΗΣΗ ΛΟΙΠΏΝ ΜΕΤΑΚΙΝΟΥΜΈΝΩΝ Στοιχεία συμμετεχόντων Περιγραφή χρήσης της εφαρμογής Εφαρμογή επιλογής σημείων ενδιαφέροντος Εφαρμογή επιλογής διαδρομών Αποτελέσματα Αποδοχή χρηστών Εμπιστοσύνη στο σύστημα Βαθμός εμπιστοσύνης Χρησιμότητα συστήματος Σημαντικότητα παραμέτρων για προσωποποίηση Συμπεράσματα ΑΝΑΓΝΩΡΙΣΗ ΚΙΝΔΥΝΩΝ ΚΑΙ ΣΤΡΑΤΗΓΙΚΕΣ ΑΝΤΙΜΕΤΩΠΙΣΗΣ ΤΟΥΣ ΜΕΘΟΔΟΛΟΓΊΑ ΑΝΆΛΥΣΗΣ ΚΙΝΔΎΝΩΝ ΑΝΆΛΥΣΗ ΚΙΝΔΎΝΩΝ Κίνδυνοι συστημάτων προειδοποίησης οδηγών Κίνδυνοι συστήματος πληροφόρησης λοιπών μετακινουμένων ΣΥΜΠΕΡΆΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΚΑΙ ΠΡΟΤΑΣΕΙΣ ΓΙΑ ΠΕΡΑΙΤΕΡΩ ΕΡΕΥΝΑ ΕΚΤΊΜΗΣΗ ΣΗΜΑΝΤΙΚΌΤΗΤΑΣ ΠΑΡΑΜΈΤΡΩΝ ΚΑΙ ΧΑΡΑΚΤΗΡΙΣΤΙΚΏΝ ΧΡΗΣΤΏΝ ΟΔΟΎ ΧΡΉΣΗ ΚΙ ΕΠΈΚΤΑΣΗ ΜΟΝΤΈΛΩΝ DRIVABILITY ΚΑΙ TRANSPORTABILITY Μοντέλο οδηγού DRIVABILITY Μοντέλο μετακινουμένου TRANSPORTABILITY ΑΞΙΟΛΌΓΗΣΗ ΑΠΟΤΕΛΕΣΜΆΤΩΝ Αξιολόγηση αλγορίθμων προειδοποίησης οδηγών Αξιολόγηση αλγορίθμων πληροφόρησης μετακινουμένων Περιορισμοί κι επεκτάσεις ΆΛΛΕΣ ΠΙΘΑΝΈΣ ΧΡΉΣΕΙΣ ΤΩΝ ΠΡΟΤΕΙΝΌΜΕΝΩΝ ΑΛΓΟΡΊΘΜΩΝ ΠΡΟΣΩΠΟΠΟΊΗΣΗΣ ΥΠΗΡΕΣΙΏΝ Αλγόριθμοι προσωποποίησης ενημέρωσης και προειδοποίησης οδηγού Αλγόριθμοι προσωποποίησης πληροφοριών μετακινουμένων ΠΡΟΤΕΡΑΙΌΤΗΤΕΣ ΠΕΡΑΙΤΈΡΩ ΈΡΕΥΝΑΣ ΒΙΒΛΙΟΓΡΑΦΙΑ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΚΕΦΑΛΑΊΟΥ ΒΙΒΛΙΟΓΡΑΦΊΑ ΠΑΡΑΡΤΗΜΆΤΩΝ ΠΑΡΑΡΤΗΜΑΤΑ ΠΑΡΆΡΤΗΜΑ Α: ΠΡΟΤΕΙΝΌΜΕΝΗ ΕΛΛΗΝΙΚΉ ΟΡΟΛΟΓΊΑ ΣΥΣΤΗΜΆΤΩΝ ΚΑΙ ΌΡΩΝ ΣΧΕΤΙΖΌΜΕΝΑ ΜΕ ITS (ΣΕΜ) ΠΑΡΆΡΤΗΜΑ Β: ΣΎΝΤΟΜΗ ΠΕΡΙΓΡΑΦΉ ΣΕΜ ΓΙΑ Ι.Χ ΣΣΥΟ Αποφυγή εγκάρσιου κινδύνου Αποφυγή διαμήκους κινδύνου Παρακολούθηση κατάστασης οδηγού/ οχήματος Αποφυγή κινδύνων σε διασταυρώσεις Προστασία ευπαθών χρηστών της οδού Βελτίωση ορατότητας Διαχείριση ταχύτητας Προετοιμασία για σύγκρουση Δεκέμβριος 2007 iv

9 Περιεχόμενα Ολοκληρωμένα συστήματα Συστήματα αυτόνομης οδήγησης Πληροφοριακά συστήματα εντός οχήματος (ΠΣΟ) Υπηρεσίες εκτάκτου ανάγκης ΠΑΡΆΡΤΗΜΑ Γ: ΚΑΤΑΓΡΑΦΈΣ ΤΟΥ ΚΥΚΛΏΜΑΤΟΣ CAN ΤΟΥ ΑΥΤΟΚΙΝΉΤΟΥ ΚΑΙ ΠΕΡΙΓΡΑΦΉ ΥΠΟΛΟΓΙΣΜΟΎ ΔΥΝΑΜΙΚΟΎ ΧΡΌΝΟΥ ΑΝΤΊΔΡΑΣΗΣ ΠΑΡΆΡΤΗΜΑ Δ: ΕΡΩΤΗΜΑΤΟΛΌΓΙΟ 1 - ΓΕΝΙΚΈΣ ΕΡΩΤΉΣΕΙΣ ΣΥΜΜΕΤΕΧΌΝΤΩΝ ΣΤΙΣ ΔΟΚΙΜΈΣ ΤΩΝ ΣΥΣΤΗΜΆΤΩΝ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΓΙΑ ΕΜΠΡΌΣΘΙΕΣ ΣΥΓΚΡΟΎΣΕΙΣ ΚΑΙ ΕΚΤΡΟΠΉ ΑΠΌ ΛΩΡΊΔΑ ΚΥΚΛΟΦΟΡΊΑΣ ΠΑΡΆΡΤΗΜΑ Ε: ΕΡΩΤΗΜΑΤΟΛΌΓΙΟ 2 ΕΙΔΙΚΈΣ ΕΡΩΤΉΣΕΙΣ ΔΟΚΙΜΏΝ ΣΥΣΤΉΜΑΤΟΣ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΓΙΑ ΕΜΠΡΌΣΘΙΕΣ ΣΥΓΚΡΟΎΣΕΙΣ ΠΑΡΆΡΤΗΜΑ Ζ: ΕΡΩΤΗΜΑΤΟΛΌΓΙΟ 3 ΕΙΔΙΚΈΣ ΕΡΩΤΉΣΕΙΣ ΔΟΚΙΜΏΝ ΣΥΣΤΉΜΑΤΟΣ ΠΡΟΕΙΔΟΠΟΊΗΣΗΣ ΕΚΤΡΟΠΉΣ ΑΠ ΤΗ ΛΩΡΊΔΑ ΚΥΚΛΟΦΟΡΊΑΣ ΠΑΡΆΡΤΗΜΑ Η: ΕΡΩΤΗΜΑΤΟΛΌΓΙΟ 4 - ΓΕΝΙΚΈΣ ΕΡΩΤΉΣΕΙΣ ΔΟΚΙΜΏΝ ΣΥΣΤΉΜΑΤΟΣ ΠΡΟΣΩΠΟΠΟΊΗΣΗΣ ΠΛΗΡΟΦΟΡΙΏΝ ΔΙΑΔΡΟΜΉΣ & ΣΗΜΕΊΩΝ ΕΝΔΙΑΦΈΡΟΝΤΟΣ ΠΑΡΆΡΤΗΜΑ Θ: ΕΡΩΤΗΜΑΤΟΛΌΓΙΟ 5 - ΕΙΔΙΚΈΣ ΕΡΩΤΉΣΕΙΣ ΔΟΚΙΜΏΝ ΣΥΣΤΉΜΑΤΟΣ ΠΡΟΣΩΠΟΠΟΊΗΣΗΣ ΠΛΗΡΟΦΟΡΙΏΝ ΔΙΑΔΡΟΜΉΣ & ΣΗΜΕΊΩΝ ΕΝΔΙΑΦΈΡΟΝΤΟΣ Δεκέμβριος 2007 v

10 Λίστα Πινάκων Πίνακας 1: Συνδρομητές διαδικτύου και ασύρματης πρόσβασης παγκοσμίως, για τα 2001, 2004 και 2007 (emarketer, 2007)...8 Πίνακας 2: Έσοδα από υπηρεσίες διαδικτύου με χρήση κινητού τηλεφώνου ή υπολογιστή παλάμης και γεωγραφικά βασισμένων πληροφοριών ( Πίνακας 3: Ενδεικτική λίστα συστημάτων ασφαλείας αυτοκινήτων (Aparicio, 2005)...13 Πίνακας 4: Χρονικός ορίζοντας εφαρμογής ηλεκτρονικών συστημάτων αυτοκίνητων (Carter, 2005)...15 Πίνακας 5: Αριθμός ατυχημάτων που μπορούν να αποφευχθούν λόγω του ΣΠΑΣ (Abele et al., SEiSS Final Report, 2005)...19 Πίνακας 6: Αριθμός ατυχημάτων που μπορούν να αποφευχθούν λόγω του ΣΠΕΛ (Abele et al., SEiSS Final Report, 2005)...20 Πίνακας 7: Κυριότερες πηγές εξέτασης σχετικά με τα χαρακτηριστικά των μετακινουμένων...26 Πίνακας 8: Ιδιαίτερα χαρακτηριστικά και ενδιαφέροντα χρήστη μεταφορικού μέσου, βάσει λόγου μετακίνησης και διαχωριζόμενα σε στατικά και δυναμικά...28 Πίνακας 9: Κατηγοριοποίηση ΣΕΜ (ITS Handbook, 2000) Πίνακας 10: Κατηγοριοποίηση ΣΕΜ (ITS Handbook, 2000) Πίνακας 11: Θεμελιώδης αρχιτεκτονική ΣΕΜ (ITS Handbook 2000)...35 Πίνακας 12: Επισκόπηση εφαρμογών ΣΕΜ βάσει του ERTICO, Πίνακας 13: Ενδεικτικές ονομασίες και όροι ΣΕΜ σε Ευρώπη κι Αμερική και προτάσεις για αντίστοιχους Ελληνικούς όρους...37 Πίνακας 14: Χρησιμότητα διαφορετικών ΣΕΑΜ για οδηγούς με αναπηρίες (βαθμολόγηση από 1-καθόλου χρήσιμο έως 7-πολύ χρήσιμο) Πίνακας 15: Πρότυπα ISO σχετιζόμενα με ΣΕΑΜ (Amditis A. et al., 2005) Πίνακας 16: Ταξινόμηση της δραστηριότητας οδήγησης (προσαρμοσμένη από Hoeschen et al., 2001) Πίνακας 17: Αντιστοιχία ανάμεσα στον πίνακα GADGET και στα ιεραρχικά επίπεδα Michon Πίνακας 18: Προτεινόμενες τιμές των συντελεστών DRIVABILITY (Bekiaris E., Amditis A., Panou M., 2003) Πίνακας 19: Κλίμακες DRIVABILITY και προσδιορισμός Δείκτη...89 Πίνακας 20: Συσχέτιση των πιο συχνών αλλαγών/προσαρμογών της συμπεριφοράς του οδηγού με τους συντελεστές και το Δείκτη του DRIVABILITY...91 Δεκέμβριος 2007 vi

11 Λίστα Πινάκων Πίνακας 21: Συσχέτιση των σεναρίων και της στρατηγικής προειδοποίησης AWAKE (σύστημα παρακολούθησης και προειδοποίησης ενάργειας) με το συνολικό Δείκτη DRIVABILITY...94 Πίνακας 22: Ενδεικτική συσχέτιση των δεικτών DRIVABILITY με τα κριτήρια επιτυχίας του προσομοιωτή TRAINER, για διάφορα εκπαιδευτικά σενάρια Πίνακας 23: Αίτια των προβλημάτων των πρεσβυτέρων οδηγών και συσχέτιση με το DRIVABILITY...98 Πίνακας 24: ΧΣΜΑ οδηγών επί προσομοιωτή οδήγησης με/δίχως το ΣΠΑΣ, σε διαφορετικά σενάρια προσπέρασης (Martens & van Winsum, 1999) Πίνακας 25: Κανόνες προσαρμογής ΣΕΑΜ για συστήματα ΣΠΕΣ και ΣΠΑΣ Πίνακας 26: Κανόνες προσαρμογής ΣΕΑΜ για ΣΠΕΛ Πίνακας 27: Κάλυψη των συντελεστών των μοντέλων DRIVABILITY και TRANSPORTABILITY στη μοντελοποίηση συμπεριφοράς οδηγών και μετακινουμένων της παρούσας διατριβής Πίνακας 28: Ενδεικτικά προβλήματα διαφόρων κατηγοριών οδηγών και σχετικές εξαγόμενες μετατροπές του ΣΕΑΜ, βάσει βιβλιογραφικής μελέτης Πίνακας 29: Αποτελέσματα δυναμικά υπολογιζόμενου χρόνου αντίδρασης και στατικών μετρήσεων αυτού μέσω ειδικών δοκιμών οδήγησης επί του δρόμου Πίνακας 30: Χαρακτηριστικά εναλλακτικών διαδρομών παραδείγματος Πίνακας 31: Πρόγραμμα δοκιμών προειδοποίησης οδηγών Πίνακας 32: Προσωπικές παράμετροι εμπρόσθιας κίνησης Πίνακας 33: Προσωπικές παράμετροι εγκάρσιας κίνησης (απόλυτες τιμές) Πίνακας 34: Μέσοι όροι βαθμολογιών για τη ερώτηση επιρροής του ΣΠΑΣ για όλες τις φάσεις οδήγησης Πίνακας 35: Σύγκριση αποτελεσμάτων ανδρών-γυναικών μέσου όρου βαθμού εμπιστοσύνης για το ΣΠΑΣ (Ε: ελάχιστο, Μ: μέγιστο, SD: τυπική απόκλιση) Πίνακας 36: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης ανά χρήστη και φάση οδήγησης με το ΣΠΑΣ Πίνακας 37: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων για τη χρονική στιγμή προειδοποίησης ανά χρήστη και φάση οδήγησης με το ΣΠΑΣ Πίνακας 38: Σύγκριση αποτελεσμάτων ανδρών-γυναικών μέσου όρου βαθμού εμπιστοσύνης για το ΣΠΕΛ (Ε: ελάχιστο, Μ: μέγιστο, SD: τυπική απόκλιση) Πίνακας 39: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης ανά χρήστη και φάση οδήγησης με το ΣΠΕΛ Πίνακας 40: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων για τη χρονική στιγμή προειδοποίησης ανά χρήστη και φάση οδήγησης με το ΣΠΕΛ Πίνακας 41: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης και βαθμολογία στο σύστημα, ανά χρήστη Πίνακας 42: Ανάλυση επιπέδου σοβαρότητας κινδύνου Πίνακας 43: Ανάλυση επιπέδου πιθανότητας εμφάνισης κινδύνου Πίνακας 44: Ανάλυση επιπέδου πιθανότητας ανίχνευσης κινδύνου Πίνακας 45: Ανάλυση επιπέδου πιθανότητας διόρθωσης κινδύνου Πίνακας 46: Συσχέτιση του Συντελεστή συνολικού κινδύνου με το επίπεδο Συνολικής Σοβαρότητας Δεκέμβριος 2007 vii

12 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 47: Επίπεδα πιθανότητας επίλυσης προβλημάτων και ορισμός τους Πίνακας 48: Εκτιμώμενοι κίνδυνοι συστημάτων προειδοποίησης οδηγών Πίνακας 49: Εκτιμώμενοι κίνδυνοι συστημάτων πληροφόρηση λοιπών μετακινουμένων Πίνακας 50: Οι κυριότερες παράμετροι προσωποποίησης υπηρεσιών, όπως προέκυψαν από τις προτιμήσεις των χρηστών και τα μετρούμενα μεγέθη κατά τη διάρκεια της διατριβής Πίνακας 51: Προτεινόμενη ορολογία ΣΕΜ Πίνακας 52: Εξαγωγή ακατέργαστων δεδομένων κατά την οδήγηση ενός τυχαίου οδηγού Ι, για τον υπολογισμό του δυναμικού χρόνου αντίδρασης Πίνακας 53: Εξαγωγή ακατέργαστων δεδομένων κατά την οδήγηση ενός τυχαίου οδηγού ΙΙ, για τον υπολογισμό του δυναμικού χρόνου αντίδρασης Πίνακας 54: Εξαγωγή ακατέργαστων δεδομένων κατά την οδήγηση ενός τυχαίου οδηγού ΙΙΙ, για τον υπολογισμό του δυναμικού χρόνου αντίδρασης Δεκέμβριος 2007 viii

13 Λίστα Eικόνων Εικόνα 1: Ποσοστό ατυχημάτων ανά περιοχή του αυτοκινήτου που συμβαίνουν (Autoliv, 2004) Εικόνα 2: Λειτουργία ΣΠΕΛ Εικόνα 3: Ανίχνευση διαγραμμίσεων λωρίδας κατά τη λειτουργία του ΣΠΕΛ και εκτίμηση απόκλισης απ την ορθή πορεία Εικόνα 4: Λειτουργία ΣΠΕΠ Εικόνα 5: Οι φάσεις λειτουργίας του ΣΠΕΠ Εικόνα 6: Εικονίδιο ένδειξης ενεργοποίησης/ απενεργοποίησης ΣΠΑΣ επί του πίνακα οργάνων του αυτοκινήτου Εικόνα 7: Πρώτη (αριστερά) και 2 η (δεξιά) φάση δοκιμών Εικόνα 8: Σενάρια από τον προσομοιωτή οδήγησης εικονικής πραγματικότητας της Fiat, κατά τις δοκιμές του έργου AGILE Εικόνα 9: Συμμετέχοντες στις δοκιμές της Fiat, κατά τις δοκιμές του έργου AGILE Εικόνα 10: Οθόνες από το σύστημα GUIDE Εικόνα 11: Φωτογραφία από την εφαρμογή του ιαπωνικού έργου Barrier Free, επί κινητού τηλεφώνου Εικόνα 12: Διεπιφάνεια αλληλεπίδρασης χρήστη-συστήματος IM@GINE IT, με παρουσίαση προσωποποιημένων αποτελεσμάτων για προτεινόμενα μεταφορικά μέσα Εικόνα 13: Εικόνες από το ΣΕΑΜ από δοκιμές επί προσομοιωτή οδήγησης. Αριστερά: προειδοποίηση εμπρόσθιας σύγκρουσης και εκτροπής από τη λωρίδα κυκλοφορίας προς τα αριστερά. Δεξιά: ΣΕΑΜ με προειδοποίηση εμπρόσθιας σύγκρουσης και εντοπισμός αντικειμένου στην αριστερή «νεκρή γωνία» (COMMUNICAR Παραδοτέο 6.2, 2001) Εικόνα 14: Έλεγχος κατάστασης οδηγού (SAVE-ΙΤ) Εικόνα 15: Κεντρικός καθρέπτης προειδοποίησης οδηγού του ερευνητικού οχήματος Ι.ΜΕΤ, με ενεργοποιημένη τη δίοδο φωτοεκπομπής κόκκινου χρώματος Εικόνα 16: Ερευνητικό όχημα Ι.ΜΕΤ. και θέση συστημάτων σε αυτό Εικόνα 17: Επιλογή ΣΕ από συγκεκριμένη λίστα Εικόνα 18: Λίστα επιλογής τύπων εστιατορίου (υποκατηγορίες) Εικόνα 19: Προσδιορισμός χώρας Εικόνα 20: Προσδιορισμός ακριβούς διεύθυνσης οδού και μήκος ακτίνας αναζήτησης ΣΕ Εικόνα 21: Αποτελέσματα αναζήτησης χωρίς προσωποποίηση Εικόνα 22: Γεωγραφική τοποθέτηση των ανευρεθέντων ΣΕ στο χάρτη Εικόνα 23: Προσωποποιημένα αποτελέσματα της εφαρμογής Εικόνα 24: Προτεινόμενες διαδρομές από το σύστημα πριν την προσωποποίηση Εικόνα 25: Προτεινόμενες διαδρομές από το σύστημα μετά την εκμάθηση του χρήστη Δεκέμβριος 2007 ix

14 Διδακτορική Διατριβή Μαρία Πάνου Εικόνα 26: Παράδειγμα συστήματος με εμπρόσθια κάμερα για τον εντοπισμό των οφθαλμών του οδηγού (Bekiaris et al., 2002) Εικόνα 27: Παραδείγματα συστημάτων βελτίωσης ορατότητας Δεκέμβριος 2007 x

15 Λίστα Σχημάτων Σχήμα 1: Προγνώσεις για την κατανομή των κερδών από υπηρεσίες βασισμένες στη γεωγραφική θέση, έως το 2009 (Concise Insight Europe Information Page, 2006) Σχήμα 2: Πρόβλεψη κατάληψης του δικτύου μεταφοράς δεδομένων ανά υπηρεσία για τα έτη (UMTS Forum, 2005)... 9 Σχήμα 3: Στοιχεία και πρόβλεψη αριθμού χρηστών υπηρεσιών μέσω χρήσης κινητών τηλεφώνων και άλλων συσκευών, από το (Forge et al., 2005) Σχήμα 4: Οχήματα της αγοράς των ΗΠΑ που προσφέρουν ΣΣΥΟ για τα έτη 2005/2006 (Ling Ho, 2006) Σχήμα 5:Αυξανόμενος αριθμός διαθέσιμων ΣΣΥΟ στην Ευρώπη και κατασκευαστών οχημάτων που τα διαθέτουν, για τα έτη (Hart A., 2007) Σχήμα 6: Καμπύλη διάχυσης για την εισαγωγή όλων των νέων καταγεγραμμένων οχημάτων (ProgTrans, 2004) Σχήμα 7: Εκτιμώμενα οφέλη από την εφαρμογή ΣΕΜ (Naniopoulos A. et al., 2004) Σχήμα 8: Κοινωνικο-οικονομικά οφέλη του ΣΠΑΣ για 25 κράτη-μέλη της ΕΕ (Abele et al., SEiSS Final Report, 2005) Σχήμα 9: Κοινωνικο-οικονομικά οφέλη του ΣΠΕΛ για τα 25 κράτη-μέλη της ΕΕ (Abele et al., SEiSS Final Report, 2005) Σχήμα 10: Λογικό διάγραμμα δομής διατριβής και αναγνώριση των καινοτόμων στοιχείων της Σχήμα 11: Σημείωση περιοχών που δεν καλύπτονται (δεν ανιχνεύονται) από το ΣΠΑΣ και το ΣΠΕΠ Σχήμα 12: Παραδείγματα διαφόρων ΣΣΥΟ και ΠΣΟ που αλληλεπιδρούν με τον οδηγό: Κατάσταση που θεωρούν οι ειδικοί ότι θα ισχύσει στο εγγύς μέλλον! Σχήμα 13: Τοποθεσία οπτικών ΣΕΑΜ εντός του οχήματος Σχήμα 14: Μέσοι χρόνοι αντίδρασης σε οπτικό και ηχητικό ερέθισμα, ανά ηλικιακή ομάδα. Α: χρόνος αντίληψης (οπτικό ερέθισμα), Β: χρόνος αντίδρασης (οπτικό ερέθισμα), Γ: χρόνος αντίληψης (ακουστικό ερέθισμα), Δ: χρόνος αντίδρασης (ακουστικό ερέθισμα) Σχήμα 15: Χρόνοι αντίδρασης ηλικιωμένων και νέων οδηγών Σχήμα 16: Μέσοι χρόνοι αντίδρασης με και χωρίς ΣΠΕΠ σε όχημα για τετραπληγικούς οδηγούς Σχήμα 17: Μία μη προσωποποιημένη (αριστερά) και μία προσωποποιημένη (δεξιά) πρόταση περιήγησης από το έργο WebGuide Σχήμα 18: Αλληλεπίδραση ευφυή πράκτορα με το εξωτερικό περιβάλλον Σχήμα 19: Η ιεραρχική δομή της δραστηριότητας του μετακινουμένου (Michon, 1985) Σχήμα 20: Οι συντελεστές του μοντέλου ικανότητας οδήγησης DRIVABILITY Δεκέμβριος 2007 xi

16 Διδακτορική Διατριβή Μαρία Πάνου Σχήμα 21: Το μοντέλο DRIVABILITY στα πλαίσια των συναφών μοντέλων συμπεριφοράς οδήγησης Σχήμα 22: Το τρίγωνο προσωπικών δεξιοτήτων, ως βάση του μοντέλου DRIVABILITY Σχήμα 23: Μέσα κι επιπτώσεις αύξησης της ικανότητας οδήγησης Σχήμα 24: Οι συντελεστές του μοντέλου ικανότητας μετακίνησης TRANSPORTABILITY Σχήμα 25: Συντελεστές του χρόνου αντίδρασης και η σχέση τους με το χρόνο ακινητοποίησης του αυτοκινήτου Σχήμα 26: Καθορισμός του Χρόνου Σύγκρουσης (ΧΣ) Σχήμα 27: Αρχιτεκτονική λειτουργίας συστήματος πληροφόρησης μετακινουμένων Σχήμα 28: Υπολογισμός του προσωποποιημένου ορίου μέσος(ελάχιστοςχσ όριο. ) Σχήμα 29: Απεικόνιση παραμέτρων προτεινόμενου αλγορίθμου υπολογισμού ορίου ΑΠΟΛ Σχήμα 30: Υπολογισμός των επιμέρους ti ΑΠΟΛαριστερά ΑΠΟΛόριο_αριστερά Σχήμα 31: Απεικόνιση τιμών και ορίων ΣΠΕΛ, σύμφωνα με τον κατασκευαστή (μη προσαρμοσμένα) Σχήμα 32: Προσαρμογή ΣΠΕΛ σε περιβαλλοντικούς παράγοντες Σχήμα 33: Γραφήματα απεικόνισης μεταβολής σχετικών ταχυτήτων για τις συγκεκριμένες πεδήσεις των τριών τυχαίων οδηγών Σχήμα 34: Διάγραμμα διασποράς με γραμμική και μη γραμμική σχέση μεταξύ δυναμικών και στατικών ΧΑ Σχήμα 35: Επίπεδο μόρφωσης συμμετεχόντων στις δοκιμές προειδοποίησης οδηγών Σχήμα 36: Οδηγική εμπειρία συμμετεχόντων Σχήμα 37: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας αποδοχής οδηγών για το ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης των δοκιμών με προειδοποιήσεις επί του διαμήκη άξονα της οδού, σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία Σχήμα 38: Συγκριτικά αποτελέσματα για την επιρροή του ΣΠΑΣ στην απόσταση των οδηγών από το προπορευόμενο όχημα για τις φάσεις οδήγησης Σχήμα 39: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας ερωτήσεων σχετικά με την ασφάλεια που νοιώθουν οι οδηγοί και την εμπιστοσύνη που έχουν στο ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης Σχήμα 40: Μέσοι όροι δύο ακραίων (ως προς το προσωπικό ΧΣΜΑ) οδηγών σχετικά με την ασφάλεια κι εμπιστοσύνη στο ΣΠΑΣ Σχήμα 41: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τις επιπτώσεις του ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης Σχήμα 42: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΑΣ ήταν δικαιολογημένες για τις τέσσερις φάσεις οδήγησης Σχήμα 43: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΑΣ κατά την 4 η, 5 η και 6 η φάσης οδήγησης ήταν πιο δικαιολογημένες από εκείνες της 3 ης φάσης οδήγησης Σχήμα 44: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων του ΣΠΑΣ για τις τέσσερις φάσεις οδήγησης Δεκέμβριος 2007 xii

17 Λίστα Σχημάτων Σχήμα 45: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη συχνότητα παροχής των προειδοποιήσεων του ΣΠΑΣ για τις τέσσερεις φάσεις οδήγησης Σχήμα 46: Σύγκριση δύο ακραίων (ως προς το ΧΣΜΑ) οδηγών για τη συχνότητα των προειδοποιήσεων των συστημάτων της εκάστοτε φάσης δοκιμών Σχήμα 47: Μέσος όρος βαθμού εμπιστοσύνης στο ΣΠΑΣ και τυπική απόκλιση, για όλες τις τέσσερεις φάσεις οδήγησης Σχήμα 48: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας αποδοχής οδηγών για το ΣΠΕΛ και για τις τρεις φάσεις οδήγησης των δοκιμών με προειδοποιήσεις επί του εγκάρσιου άξονα της οδού, σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία Σχήμα 49: Συγκριτικά αποτελέσματα για την επιρροή του ΣΠΕΛ στην απόσταση των οδηγών από τις διαγραμμίσεις της λωρίδας κυκλοφορίας Σχήμα 50: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας ερωτήσεων σχετικά με την ασφάλεια που νοιώθουν οι οδηγοί και την εμπιστοσύνη που έχουν στο ΣΠΕΛ και για τις τρεις φάσεις οδήγησης Σχήμα 51: Μέσοι όροι απαντήσεων δύο ακραίων (ως προς το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )) οδηγών σχετικά με την ασφάλεια κι εμπιστοσύνη στο ΣΠΕΛ Σχήμα 52: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τις επιπτώσεις του ΣΠΕΛ και για τις τρεις φάσεις οδήγησης Σχήμα 53: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΕΛ ήταν δικαιολογημένες για τις τρεις φάσεις οδήγησης Σχήμα 54: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΕΛ κατά την 8 η και 9 η φάσης οδήγησης ήταν πιο δικαιολογημένες από εκείνες της 7 ης φάσης οδήγησης Σχήμα 55: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων του ΣΠΕΛ για τις τρεις φάσεις οδήγησης Σχήμα 56: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη συχνότητα παροχής των προειδοποιήσεων του ΣΠΕΛ για τις τρεις φάσεις οδήγησης Σχήμα 57: Συγκριτικά αποτελέσματα μέσου όρου βαθμού εμπιστοσύνης στο ΣΠΕΛ για τις τρεις φάσεις οδήγησης Σχήμα 58: Επίπεδο μόρφωσης συμμετεχόντων στις δοκιμές συστήματος πληροφόρησης των μετακινουμένων Σχήμα 59: Αποτελέσματα αποδοχής συμμετεχόντων για το προσωποποιημένο σύστημα παροχής πληροφοριών για σημεία ενδιαφέροντος σε σχέση με το μη προσωποποιημένο Σχήμα 60: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρηστικότητας της εφαρμογής παροχής πληροφοριών για σημεία ενδιαφέροντος Σχήμα 61: Αποτελέσματα αποδοχής συμμετεχόντων για το προσωποποιημένο σύστημα παροχής πληροφοριών για διαδρομές σε σχέση με το μη προσωποποιημένο Σχήμα 62: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρηστικότητας της εφαρμογής παροχής πληροφοριών για διαδρομές Δεκέμβριος 2007 xiii

18 Διδακτορική Διατριβή Μαρία Πάνου Σχήμα 63: Γνώμη χρηστών για το πόσο θα βασίζονταν στο προσωποποιημένο σύστημα παροχής πληροφοριών, σε σχέση με το μη προσωποποιημένο Σχήμα 64: Βαθμός εμπιστοσύνης στο προσωποποιημένο σύστημα ανά συμμετέχοντα Σχήμα 65: Αναλυτική παρουσίαση των αποτελεσμάτων αξιολόγησης της προσωποποιημένης εφαρμογής ως προς τη χρησιμότητά της (ενότητα Α) Σχήμα 66: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρησιμότητας (ομάδα ερωτήσεων Α) Σχήμα 67: Αναλυτική παρουσίαση αποτελεσμάτων αξιολόγησης της προσωποποιημένης εφαρμογής ως προς τη χρησιμότητά της (ενότητα Β). 212 Σχήμα 68: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρησιμότητας (ομάδα ερωτήσεων Β) Σχήμα 69: Αποτελέσματα σχετικά με τις ποιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για τη μετακίνηση Σχήμα 70: Αποτελέσματα σχετικά με τις ποιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για σημείο ενδιαφέροντος Σχήμα 71: Αποτελέσματα σχετικά με τις ποιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για προωθούμενες πληροφορίες απ το σύστημα για ΣΕ Σχήμα 72: Αποτελέσματα σχετικά με τις ποιο σημαντικές χρονικές παραμέτρους προσωποποίησης πληροφόρησης για σημείο ενδιαφέροντος Σχήμα 73: Διαδικασία ανάλυσης κινδύνων Δεκέμβριος 2007 xiv

19 Συντομογραφίες Ελληνικοί όροι ATY ΑΑΟ ΑΑΟΣ ΑΕΤΤ ΑμΕΑ ΑΠΟ ΑΠΟΛ ΑΥΕΘ ΓΓΕΤ ΔΕΚ ΔΚΠΧ Δ-ΠΣΕΘ ΕΑΚ ΕΕΚ ΕΠ ΕΦ ΕΧΕ ΚΚΜ ΚΠΚ ΟΑΘ ΟΚΘ ΟΟΑ ΟΠΕ ΠΕΜ ΠΚΔΟ ΠΚΣΕ ΠΜΟΤ ΠΜΣ ΠΜΣΕΟ ΠΜΤ ΠΣΔΚ ΠΣΕΟ ΠΣΜ ΠΣΟ ΠΣΧΟ ΠΤΠΧ ΠΤΤ Αρχιτεκτονική τεχνικής Υποδομής Αυτόματη Αναγνώριση Οχήματος Αυτόματη Ανίχνευση Οδικού Συμβάντος Αυτόματος Εντοπισμός Τοποθεσίας Τρένου Άτομα με Ειδικές Ανάγκες Αυτόματη Παρακολούθηση Οχήματος Απόσταση Προσέγγισης Ορίων Λωρίδας Ασύρματες Υπηρεσίες Εντοπισμού Θέσης Γενική Γραμματεία Έρευνας και Τεχνολογικής Ανάπτυξης Διαχείριση Εναέριας Κυκλοφορίας Δεδομένα Κυκλοφορίας Πραγματικού Χρόνου Παγκόσμιο Σύστημα Διαφορικού Εντοπισμού Θέσης Έλεγχος Αστικής Κυκλοφορίας Εναέριος Έλεγχος Κυκλοφορίας Ευφυείς Πράκτορες Έλεγχος φορτίου Επικοινωνίες Χαμηλής Εμβέλειας Κανάλι Κυκλοφοριακών Μηνυμάτων Κλήσεις Παράβασης Κυκλοφορίας Οθόνη Άνω Θέσης Οθόνη Κάτω Θέσης Οθόνη Οπτικής Απεικόνισης Ολοκληρωμένο Περιβάλλον Ευφυΐας στην υπηρεσία του χρήστη Πινακίδες Εναλλασσόμενων Μηνυμάτων Πρόβλημα Καθορισμού Διαδρομής Οχήματος Προβλήματα Κινητού Συνεργείου Επισκευής Πινακίδες Μεταβλητών Ορίων Ταχύτητας Πινακίδες Μεταβλητής Σήμανσης Προηγμένο Μεταφορικό Σύστημα Επαρχιακών οδών Πινακίδες Μεταβλητής Ταχύτητας Προηγμένα Συστήματα Διαχείρισης Κυκλοφορίας Προηγμένα Συστήματα Ελέγχου Οχήματος Πληροφοριακά Συστήματα Μετακινουμένων Πληροφοριακά Συστήματα εντός Οχήματος Πληροφοριακά Συστήματα Χρηστών Οδού Πληροφορίες Ταξιδιού Πραγματικού Χρόνου Προηγμένες Τεχνολογίες Τηλεματικής Δεκέμβριος 2007 xv

20 Διδακτορική Διατριβή Μαρία Πάνου ΠΦΚ ΣEΜ ΣΔΕΟ ΣΔΚ ΣΔΚΣ ΣΔΜ ΣΔΣ ΣΔΣ ΣΕΑΜ ΣΕΝεΓ ΣΠΑΣ ΣΠΕΛ ΣΠΕΠ ΣΠΕΠΧ ΣΠΟ ΣΠΠ ΣΡΑ ΣΣ ΣΣΥΟ ΣΤΜ ΣυΔιΣΤ ΤΠΕ ΥΕ ΧΑ ΧΠΟΛ ΧΣ ΧΣΜΑ ΨΗΡΜ Προσωπικές Φορητές Συσκευές Συστήματα Ευφυών Μεταφορών Συστήματα Διαχείρισης Εμπορικών Οχημάτων Συστήματα Διαχείρισης Κυκλοφορίας Συστήματα Διαχείρισης Κυκλοφοριακών Συμβάντων Συστήματα Δημοσίων Μεταφορών Συστήματα Διαχείρισης Στόλου Συστήματα Διαχείρισης Σηράγγων Σύστημα Επικοινωνίας Ανθρώπου-Μηχανής Σύστημα Ελέγχου Νεκρής Γωνίας Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης Συστήματα Πληροφόρησης Επιβατών σε Πραγματικό Χρόνο Σύστημα Παρακολούθησης Οδηγού Συστήματα Πολλαπλών Πρακτόρων Συμβουλευτικό Ραδιόφωνο Αυτοκινητόδρομου Συνεργατικά Συστήματα Σύγχρονο Σύστημα Υποστήριξης Οδηγού Σύστημα Τηλεματικής για τις Μεταφορές Σύστημα Διατήρησης Σταθερής Ταχύτητας Τεχνολογία Πληροφόρησης και Επικοινωνίας Υπηρεσίες Εντοπισμού Χρόνος Αντίδρασης Χρόνος Προσέγγισης Ορίων Λωρίδας Χρόνος Σύγκρουσης Χρόνος Σύγκρουσης με Ακινητοποίηση Ψηφιακό Ραδιοφωνικό Μήνυμα κυκλοφοριακών στοιχείων Δεκέμβριος 2007 xvi

21 Συντομογραφίες Αγγλικοί όροι ACC Adaptive Cruise Control ADAS Advanced Driver Assistance Systems AGT/AGV Automatic Guided Transport/Vessel AID Automatic Incident Detection AMI Ambient Intelligence ARTS Advanced Rural Transportation System ATC Air Traffic Control ATC Automatic toll Collection ATI Architecture of the Technical Infrastructure ATM Air Traffic Management ATMS Advanced Traffic Management Systems ATP Automatic Train Positioning ATT Advanced Transport Telematics AVCS Advanced Vehicle Control Systems AVI Automatic Vehicle Identification AVL Automatic Vehicle Location AVM Automatic Vehicle Monitoring CAS Collision Warning and Avoidance CC Cruise Control CS Cooperative Systems CVO Commercial vehicle operation DAB Digital Audio Broadcast DGPS Differential GPS DGPS Differential Global Positioning System DLC Distance to Line Crossing DSRC Dedicated short-range communications EM Emergency Management ETC Electronic Toll Collection FCD Floating Car Data FIPA Foundation for Intelligent Physical Agents FMS Fleet Management Systems GIS Geographic Information Systems GNSS Global Navigation Satelite System GPS Global Positioning System GSM Global System for Mobile Communications HAR Ηighway Advisory Radio HDD Head Down Display HMI Ηuman Machine Interaction HUD Head Up Display IA Intelligent Agents ICT Information and Communication Technology IMIS Integrated Motorist Information System ISA Intelligent Speed Adaptation ITS Intelligent Transport Systems IVIS In-Vehicle Information Systems LBS Location Based Services Δεκέμβριος 2007 xvii

22 Διδακτορική Διατριβή Μαρία Πάνου LDW MAS PDA PTS RDS RTPIS RTTD RTTI SD SMS TINS TIS TLC TMC TMC TMS TRP TTC UTC VDS VDU VMS VRP VSS WAP WIM WLS Lane Deviation Warning Multi Agent Systems Personal Digital Assitant Public Transport Systems Radio Data System Real Time Passenger Information Systems Real Time Traffic Data Real Time Travel Information Standard Deviation Short Message Service Traffic Infringement Notices Traveler Information Systems Time to Line Crossing Traffic Management Centre Traffic Message Channel Tunnel Management Systems Travelling Repairman Problem Time to Collision Urban Traffic Control Variable Directional Signs Visual Display Unit Variable Message Signs Vehicle Routing Problem Variable Speed signs Wireless Application Protocol Weight in motion Wireless Location Services Δεκέμβριος 2007 xviii

23 Πρόλογος Η διατριβή αυτή δε θα είχε ολοκληρωθεί χωρίς την απεριόριστη υποστήριξη και την εποικοδομητική κριτική, σε όλα τα στάδια έρευνας και συγγραφής, του Δρ. Ευάγγελου Μπεκιάρη. Του είμαι ευγνώμων για όλη την ουσιαστική βοήθεια που μου προσέφερε, καθώς και τη συνεχόμενη ενθάρρυνση. Επίσης, θα ήθελα να ευχαριστήσω τον επιβλέπων καθηγητή μου κ. Γεώργιο Γιαννόπουλο για τις πολύτιμες συμβουλές του και την καθοδήγησή του. Στη συνέχεια ευχαριστώ τον καθ. κ. Αριστοτέλη Νανιόπουλο, για τις σημαντικές του διορθώσεις στο κείμενο. Τέλος, δε θα μπορούσα να παραλείψω να ευχαριστήσω το Ινστιτούτο Μεταφορών του Ε.Κ.Ε.Τ.Α. για την παραχώρηση του ερευνητικού του οχήματος (Lancia Thesis), για την πραγματοποίηση των δοκιμών της διατριβής μου, καθώς και τον συνάδελφό μου Κώστα Καλογήρου για την βοήθειά του στην εφαρμογή των αλγορίθμων επί του οχήματος και των κινητών συσκευών. Δεκέμβριος 2007 xix

24

25 Περίληψη Μελέτες σχετικά με τη χρήση υπηρεσιών διαδικτύου και ειδικά εκείνων που σχετίζονται με υπηρεσίες πληροφόρησης κατά τη μετακίνηση αποδεικνύουν ότι η διάδοσή τους είναι ραγδαία με υψηλές προοπτικές αύξησης στα επόμενα χρόνια, αποτελώντας τη νέα επικρατούσα τάση της αγοράς. Πρόκειται για υπηρεσίες που προσφέρονται μέσω του κινητού τηλεφώνου ή άλλων συσκευών (PDA υπολογιστές παλάμης) όπου οι μετακινούμενοι επιθυμούν να λαμβάνουν γεωγραφικά επικαιροποιημένη πληροφόρηση. Ωστόσο, η διάδοσή τους υστερεί σημαντικά της προβλεπόμενης και οι ρυθμοί ανάπτυξης των σχετικών υπηρεσιών δε συνάδουν με το επίπεδο ωριμότητας των σχετικών τεχνολογιών. Παράλληλα, η σταδιακή αύξηση των Σύγχρονων Συστημάτων Υποστήριξης Οδηγών (ΣΣΥΟ) σήμερα και η υιοθέτησή τους από τις αυτοκινητοβιομηχανίες σκοπεύει στην αύξηση της οδικής ασφάλειας. Εν τούτοις, τα οφέλη στην οδική ασφάλεια από τα ΣΣΥΟ μπορεί να μειωθούν σημαντικά από τη συμπεριφορά των οδηγών σε τέτοιες τεχνολογίες, π.χ. υπερβολική εμπιστοσύνη στο σύστημα που οδηγεί σε μείωση της προσοχής στο δρόμο και αναπροσαρμογή της συμπεριφοράς του χρήστη αντισταθμίζοντας την επιπρόσθετα παρεχόμενη ασφάλεια. Μια πολλά υποσχόμενη λύση αφορά στα αυτοπροσαρμοζόμενα συστήματα, εκείνα δηλαδή που θα προσαρμόζονται στις προτιμήσεις κι ιδιαιτερότητες του εκάστοτε οδηγού, μειώνοντας το επίπεδο πνευματικής του φόρτισης και αυξάνοντας την άνεση του οδηγού. Ο στόχος της παρούσας διδακτορικής διατριβής είναι η βελτιστοποίηση υπηρεσιών πληροφόρησης μετακινουμένων καθώς και προειδοποίησης οδηγών που λαμβάνουν από τα ΣΣΥΟ επί του διαμήκη και εγκάρσιου άξονα της οδού, μέσω της προσωποποίησής τους. Για το λόγο αυτό προτείνονται συγκεκριμένοι, πλήρως πρωτότυποι αλγόριθμοι αλλά εντοπίζεται και ένα πλήθος άλλων παραμέτρων που συντελούν στην ολοκληρωμένη προσωποποίηση (στατικές, ημι-δυναμικές και δυναμικές) των σχετικών συστημάτων και υπηρεσιών. Για τους οδηγούς οι αλγόριθμοι βασίζονται σε δυναμικές παραμέτρους, που καθορίζουν τον προσωπικό τρόπο οδήγησης του καθένα, οι οποίοι είναι ο χρόνος αντίδρασης, ο χρόνος ή η απόσταση προσέγγισης ορίων λωρίδας και ο χρόνος ως τη σύγκρουση. Οι αλγόριθμοι προσωποποίησης των πληροφοριών των μετακινουμένων βασίζονται σε προηγούμενες επιλογές τους και διαχωρίζονται σε τρία μέρη: πληροφόρηση επιλογής διαδρομής, πληροφόρηση επιλογής σημείων ενδιαφέροντος και προωθούμενες πληροφορίες από το σύστημα. Οι παράμετροι του προτεινόμενου αλγορίθμου επιλογής διαδρομής είναι η μέγιστη αποδεκτή απόσταση βαδίσματος μεταξύ μετεπιβιβάσεων, τα αποδεκτά μεταφορικά μέσα χρήσης και ο μέγιστος αποδεκτός αριθμός μετεπιβιβάσεων. Ως παράμετροι δευτερεύουσας σημασίας λαμβάνονται υπόψη η επιθυμία συντομότερης διαδρομή ή διαδρομής με το χαμηλότερο κόστος. Για Δεκέμβριος

26 Περίληψη την πληροφόρηση σημείων ενδιαφέροντος οι παράμετροι που λαμβάνονται υπόψη είναι ο τύπος του σημείου ενδιαφέροντος (ξενοδοχείο, μουσείο, εστιατόριο, κ.α.) καθώς και η υποκατηγορία του (π.χ. είδος ξενοδοχείου: 2 αστέρων, 3 αστέρων, κλπ.), ο τύπος της ημέρας της εβδομάδας (καθημερινή ή Σαββατοκύριακο) και τέλος το ιστορικό επιλογών του χρήστη κατά το συγκεκριμένο τύπο ημέρας. Η τελευταία παράμετρος λαμβάνεται υπόψη και για την παροχή προωθούμενων πληροφοριών (δηλαδή πληροφοριών που προτείνει το σύστημα χωρίς να τις έχει ζητήσει ρητά ο χρήστης). Ακολουθεί σύντομη περιγραφή των περιεχομένων της διατριβής. Το Κεφάλαιο 1 παρουσιάζει την κατάσταση της αγοράς και τις τάσεις ης σχετικά με τις υπηρεσίες πληροφόρησης επί κινητών συσκευών που βασίζονται στη γεωγραφική θέση του χρήστη, καθώς και τη συνεχώς αυξανόμενη χρήση των ΣΣΥΟ και την ανάγκη προσαρμογής τους για αύξηση της οδικής ασφάλειας. Η μεθοδολογία που ακολουθήθηκε καθώς και η λογική διασύνδεσης μεταξύ των κεφαλαίων αναλύονται στο Κεφάλαιο 2. Ακολουθεί μία κατηγοριοποίηση των μετακινουμένων και ανάλυση των χαρακτηριστικών τους που παρουσιάζονται στο Κεφάλαιο 3. Το 4 ο Κεφάλαιο εστιάζει σε μία πληθώρα υφισταμένων - και σε πολλά σημεία αντικρουόμενων - κατηγοριοποιήσεων και ονομασιών των Συστημάτων Ευφυών Μεταφορών (ΣΕΜ) τα οποία διακρίνονται σε Σύγχρονα Συστήματα Υποβοήθησης Οδηγού, Πληροφοριακά Συστήματα Εντός Οχήματος, και Πληροφοριακά Συστήματα Χρήστη Οδού (ΣΣΥΟ, ΠΣΟ και ΠΣΧΟ αντίστοιχα), ενώ τελικά προτείνεται και μία νέα κατηγοριοποίηση. Παράλληλα, επιχειρείται η ανάπτυξη Ελληνικής ορολογίας τεχνολογιών, συστημάτων και όρων σχετιζομένων με ΣΕΜ. Το ίδιο κεφάλαιο πραγματεύεται τους πιθανούς τρόπους παρουσίασης της πληροφορίας/ προειδοποίησης των προαναφερθέντων ΣΣΥΟ/ΠΣΟ στο χρήστη (Σύστημα Επικοινωνίας Ανθρώπου-Μηχανής ΣΕΑΜ) και αναλύει τις κατηγορίες τους, καθώς και την ανάγκη των διαφόρων ειδών χρηστών για διαφορετικό ΣΕΑΜ, μέσω αποτελεσμάτων αξιολόγησης υπαρχόντων συστημάτων από βιβλιογραφική επισκόπηση. Η υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφορών και τουρισμού, καθώς και υπηρεσιών μετακίνησης για τον οδηγό, συμπεριλαμβάνονται στο Κεφάλαιο 5. Το ίδιο κεφάλαιο επεκτείνεται και στην παρουσίαση και επεξήγηση της τεχνολογίας ευφυών πρακτόρων που χρησιμοποιείται σήμερα για εφαρμογές προσωποποίησης. Το Κεφάλαιο 6 εισάγει και αναλύει ένα καινοτόμο μοντέλο συμπεριφοράς κι ανάδρασης οδηγού για ευφυή μοντελοποίηση (λαμβάνοντας υπόψη τα υπάρχοντα σχετικά μοντέλα στη βιβλιογραφία), το επονομαζόμενο DRIVABILITY που αποτελείται από πέντε συντελεστές της ικανότητας οδήγησης (προσωρινούς ή μόνιμους) και βασίζεται όχι μόνο στα στατικά αλλά και στα δυναμικά (δηλαδή μεταβαλλόμενα με το χρόνο) χαρακτηριστικά του οδηγού. Επιπλέον, επιχειρείται η προσαρμογή του μοντέλου DRIVABILITY στους λοιπούς μετακινούμενους, μετονομαζόμενο σε TRANSPORTABILITY. Στο Κεφάλαιο 7 εισάγονται οι παράμετροι προσωποποίησης για τη συμπεριφορά των οδηγών καθώς και των λοιπών μετακινουμένων, που διαχωρίζονται σε στατικές, ημι-δυναμικές και δυναμικές. Το Κεφάλαιο 8 περιγράφει αναλυτικά τους προτεινόμενους καινοτόμους αλγορίθμους προσωποποιημένης προειδοποίησης οδηγών (λαμβάνοντας υπόψη τα ιδιαίτερα χαρακτηριστικά και τις προτιμήσεις τους), συμπεριλαμβανομένων συγκεκριμένων παραδειγμάτων για την κατανόηση της λειτουργίας τους. Οι αλγόριθμοι αυτοί αφορούν στις προειδοποιήσεις των οδηγών από δύο ΣΣΥΟ, το Σύστημα Προειδοποίησης κι Αποφυγής Σύγκρουσης Δεκέμβριος

27 Διδακτορική Διατριβή Μαρία Πάνου (ΣΠΑΣ) και το Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας (ΣΠΕΛ). Για το ΣΠΕΛ συγκεκριμένα προτείνεται και μία επιπλέον προσαρμογή βάσει του πλάτους της λωρίδας και του οχήματος. Ακολουθούν οι πρωτότυποι αλγόριθμοι προσωποποιημένης πληροφόρησης λοιπών μετακινουμένων στο Κεφάλαιο 9. Οι αλγόριθμοι αυτοί αναφέρονται στην προσωποποίηση της πληροφόρησης σχετικά με σημεία ενδιαφέροντος, διαδρομές και προωθούμενες από το σύστημα πληροφορίες. Η δοκιμή των αλγορίθμων αυτών με 10 χρήστες ανά εφαρμογή και τα σχετικά αποτελέσματα αποτελούν το περιεχόμενο του Κεφαλαίου 10. Συνοπτικά, οι προτεινόμενοι αλγόριθμοι έτυχαν θετικής αξιολόγησης απ την πλειονότητα των χρηστών, με κυμαινόμενο βαθμό αξιοπιστίας και χρηστικότητας. Έτσι, για το διαμήκη άξονα της οδού βρέθηκε ότι οι καλύτεροι αλγόριθμοι βελτιστοποίησης βασίζονται στον προσωπικό μέσο ελάχιστο χρόνο σύγκρουσης με ακινητοποίηση (πρόκειται για την παράμετρο Time headway) και στο μέσο στατικό χρόνο σύγκρουσης, με μικρές διαφορές μεταξύ τους, ενώ στον εγκάρσιο άξονα ο καλύτερος αλγόριθμος προκύπτει από τη χρήση της απόστασης του κέντρου του αυτοκινήτου από τη διαγράμμιση της λωρίδας (Distance to Line Crossing). Γενικώς πάντως η παροχή των προσωποποιημένων αλγορίθμων έναντι των μη προσωποποιημένων συστημάτων στις προτιμήσεις των χρηστών είναι σαφής και σχεδόν ομοιόμορφη. Για την εφαρμογή πληροφόρησης των λοιπών μετακινουμένων η ανάλυση των αποτελεσμάτων απέδειξε ότι όλοι οι χρήστες αντιμετώπισαν και βαθμολόγησαν την προσωποποιημένη εφαρμογή πολύ θετικά. Βέβαια, σε όλα τα αποτελέσματα σημειώνονται διακυμάνσεις μεταξύ των συμμετεχόντων. Στο Κεφάλαιο 11 η εργασία επεκτείνεται σε θέματα αναγνώρισης των σχετικών κινδύνων που μπορεί να προκύψουν από την εφαρμογή των προτεινομένων συστημάτων, για τους οποίους παρουσιάζονται και οι σχετικές προτάσεις επίλυσης. Οι κίνδυνοι διαχωρίζονται σε τεχνικούς, νομικούς, οργανωτικούς και σε κινδύνους λόγω συμπεριφοράς των χρηστών. Η ανάλυση των κινδύνων βασίζεται στη μεθοδολογία «Ανάλυσης τύπων και αποτελεσμάτων αστοχιών», γνωστή ως «FMEA». Εκεί, εντοπίστηκαν κάποια σοβαρά πιθανά προβλήματα που μπορεί να προκύψουν από την εφαρμογή προσωποποιημένων συστημάτων προειδοποίησης οδηγών και πληροφόρησης μετακινουμένων, αλλά παρατίθενται λύσεις με καλές προοπτικές επιτυχίας, από τις οποίες κάποιες έχουν ήδη ληφθεί υπόψη στη διατύπωση των προτεινομένων αλγορίθμων της διατριβής. Τα συμπεράσματα που προκύπτουν από τη διδακτορική διατριβή αναλύονται στο Κεφάλαιο 12 στο οποίο συμπεριλαμβάνεται η εκτίμηση της σημαντικότητας των παραμέτρων και χαρακτηριστικών των χρηστών της οδού, συζήτηση για τη χρήση κι επέκταση των μοντέλων DRIVABILITY και TRANSPORTABILITY, αξιολόγηση των αποτελεσμάτων και προτάσεις για άλλες πιθανές χρήσεις των προτεινομένων αλγορίθμων. Η βιβλιογραφία που χρησιμοποιήθηκε σε κάθε σημείο της διατριβής παρουσιάζεται στο Κεφάλαιο 13. Το Κεφάλαιo 14 εμπεριέχει τα παραρτήματα του κειμένου (όπου παρουσιάζεται μία προτεινόμενη ελληνική ορολογία συστημάτων και όρων σχετιζόμενα με ITS, μία γρήγορη αναφορά στις λειτουργίες των πιο διαδεδομένων συστημάτων ΣΕΜ για Ι.Χ., κάποιες καταγραφές του αυτοκινήτου κατά τις δοκιμές που πραγματοποιήθηκαν στα πλαίσια της διατριβής και περιγραφή υπολογισμού του δυναμικού χρόνου αντίδρασης και, τέλος, τα ερωτηματολόγια που χρησιμοποιήθηκαν κατά τη διάρκεια των δοκιμών). Δεκέμβριος

28 Περίληψη Συνοψίζοντας, η αξιολόγηση των αναπτυχθέντων αλγορίθμων κατέδειξε ότι η παρούσα διατριβή επιβεβαίωσε την αρχική της υπόθεση ότι κατάλληλα δυναμικά και προσωποποιημένα Συστήματα Ευφυών Μεταφορών θα τύχουν πολύ καλύτερης αποδοχής από οδηγούς και μετακινουμένους. Μένει στο μέλλον να ποσοτικοποιηθούν περαιτέρω τα σχετικά οφέλη, μέσω γενικευμένης εφαρμογής των προτεινομένων αλγορίθμων σε μεγάλους στόλους οχημάτων και αριθμούς χρηστών σε μελλοντικές ερευνητικές πιλοτικές εφαρμογές. Δεκέμβριος

29 Summary Several studies on the use of web services and specifically those related to infomobility services, prove their fast penetration to the market and foresee their high increase over the next years. Such services are offered through the mobile phone or PDA, where the travelers receive location-based information. On the other hand, that gradual difusion of Advanced Driver Information Systems (ADAS) and their integration by the vehicle manufacturers aims at the enhancement of traffic safety. However, the benefits of such systems to the traffic safety may be significantly reduced by the inappropriate behaviour of the drivers towards the relevant technologies, e.g. overconfidence to the system that leads to the reduction of attention on the road or behavioural adaptation that compensates the additional safety aspects. Systems with automatic adaptation capabilities, according to the needs and wants of each driver, constitute an optimal solution, reducing the driver workload by using ADAS and increasing his/her comfort while driving. The aim of the current PhD dissertation is the optimization of infomobility services for travelers, as welll as drivers warning systems regarding danger stemming both from the longitudinal and lateral road axes, through their personalization. Thus, particular algorithms are proposed, based upon a number of relevant parameters (static, semidynamic and dynamic), leading to a holistic personalization. The drivers warning algorithms are based on dynamic parameters that determine their personal driving style, being the reaction time, the distance to line crossing (or alternatively the time to line crossing) and the time to collision or time headway. The infomobility personalisation algorithms for travelers are based on the user s previous selections and are distinguished as follows: route selection information, points-of-interest (POIs) selection information and pushed information (by the system itself, without prior request by the user). The parameters that constitute the route selection algorithm are the maximum accepted walking distance per transportation means connection, the accepted travel means and the maximum accepted number of transportation mean changes during a multimodal trip. Secondary parameters are also taken into account, which are the shortest or the cheapest route. The parameters used for the POI selection personalization are the POI type (hotel, restaurant, etc.), its sub-type (e.g. restaurant type: Italian, traditional, Chinese, etc.), the day of the week (either weekday or weekend) and of course the user s past selections. The last parameter is also used for the personalization of the pushed service (service proposed to the user without explicitly asking for them). Following, a short description of the dissertation contents is given. Chapter 1 presents the market situation and trends in relation to the location-based infomobility services through the mobile devices, as well as the increasing use of ADAS and the need for Δεκέμβριος

30 Summary their adaptation and personalisaiton for the enhancement of traffic safety. The methodology used throughout the whole document and the interconnection among its chapters are analysed in Chapter 2. The clustering of travelers, along with the analysis of their characteristics, are included in Chapter 3. The 4 th Chapter starts by presenting existing clustering of ITS (ADAS, In-Vehicle Information and Communication Systems - IVICS and road users information systems), to conclude to a new, more systematic clustering. Additionally, a description of the functionalities of the two ADAS for which innovative algorithms are developed, is provided (namely Lane Deviation Warning and Frontal Collision Warning systems). Within the same chapter, best practices on Human Machine Interaction (HMI) concepts and elements for providing the information and warning of the above-mentioned ADAS to the driver, are included. The various HMI types are analysed and the need for different HMI by various drivers categories is highlighted, through the presentation of past evaluation results of relevant systems. The current know-how of intelligent systems for personalisation and adaptability of transportation and touristic infomobility services, as well as infomobility services for the driver, are included in Chapter 5. A short presentation and explanation of the intelligent agents technology, that is used for the personalisation of various applications, is included in the same chapter. Chapter 6 presents analytically an innovative driver behaviour model for intelligent pesonalisation (taking into account the existing relevant models in the literature), called the DRIVABILITY model, which consists of five driving ability parameters (temporary or permanent) and it is based not only on static but also on dynamic driver characteristics (meaning, on characteristics changing over time). Furthermore, the adaptation of the DRIVABILITY model to the rest travellers is attempted, concluding to the so-called TRANSPORTABILITY model. The next chapter, Chapter 7, presents the proposed personalisation parameters for the behaviour of drivers and the rest travellers, which are distinguished in static, semi-dynamic and dynamic. Innovative, personalised, driver warning algorithms are developed and described in detail in Chapter 8 (taking into account their special characteristics and preferences), including specific examples for their functionality. These algorithms concern driver warnings from 2 ADAS, the Collision Avoidance System (CAS) and the Lane Deviation Warning (LDW) System. More specifically, for the LDW, a further adaptation is proposed, based on the road lane and vehicle width. The algorithms for the provision of personalised information for the rest travellers are developed and presented in Chapter 9. Those algorithms deal with the information personalisation in relation to points of interest, routes and pushed services by the system. In Chapter 10, the pilots that were performed with 10 users per application, in order to evaluate the proposed algorithms, are presented, along with the relevant results. In short, the proposed algorithms were positively evaluated by the majority of the participants, with a varying degree of reliability and usability. For the longitudinal road axis it was found that the best optimization algorithms are based on the personalized minimum mean time headway, as well as the mean static time to collision, with small differences among them, while for the lateral road axis the best algorithm proved to be the one that uses the distance to line crossing. In general, the users preference on the personalized algorithms in relation to the non-personalised systems is clear and homogeneous. Regarding the personalized application of the information provision to the rest travelers, the analysis of the results revealed that all Δεκέμβριος

31 Διδακτορική Διατριβή Μαρία Πάνου the users found and rated it very positively. Of course, variations among the opinions of the participants were noted in all results. Chapter 11 deals with the identification of the relevant risks that may arise from the application of the proposed systems, for which also mitigation strategies are proposed. These risks are distinguished in technical, legal, organisational and behavioural (according to the users behaviour). The risk analysis is based on the Failure Modes and Effects Analysis, known as FMEA. Several serious potential problems anticipated by the use of the personalised driver warning and travellers information systems are identified. For most of them, solutions with potentially high success rates are proposed, some of which have already been taken into account in the formulation οf the proposed algorithms. The conclusions that come up from this dissertation are analysed in Chapter 12, where the estimation of the importance of the parameters and characteristics of the road users is discussed, as well as the use and extension of the DRIVABILITY and TRANSPORTABILITY models and the assessment of the tests results. Finally, proposals for other future applications of the proposed algorithms are formulated. The references that were used throughout the whole dissertation, are listed in Chapter 13. Chapter 14 is composed of the annexes of the dissertation (where a proposed Greek terminology of ITS is included, as well as a quick reference to the functionalities of the most common ADAS for passenger cars, certain recordings of the car during the tests that were realised in the framework of the dissertation, the description for the calculation of the dynamic reaction time and, finally, the questionnaires that were used during the pilots). Summarizing, the assessment of the newly developed algorithms revealed that the present PhD dissertation confirmed its initial hypothesis that proper dynamic and personalized ITS will have higher acceptance rates by drivers and travelers. It remains to further assess quantitatively the relevant impacts and benefits, through a generalized application of the proposed algorithms with a great number of vehicles and users in future research pilot applications. Δεκέμβριος

32 1 Εισαγωγή «Η γνώση είναι δύναμη» (Bacon). Σήμερα η γνώση υπηρετείται απ την αδιάλειπτη ροή πληροφορίας. Η εύρυθμη και ομαλή μετακίνηση ανθρώπων και φορτίων, μεταξύ άλλων, βασίζεται σε μία σειρά από υπηρεσίες πληροφοριών. Η βελτιστοποίηση και προσωποποίηση της ροής αυτής των πληροφοριών για όλους τους μετακινουμένους, αλλά και ειδικότερα για τους οδηγούς, αποτελεί το αντικείμενο της παρούσας διατριβής. 1.1 Υπηρεσίες πληροφοριών για μετακινουμένους Η συνεχώς αυξανόμενη χρήση του διαδικτύου για ανεύρεση πληροφοριών είναι πλέον αναμφισβήτητη. Τα στοιχεία του παρακάτω πίνακα παρουσιάζουν τον αριθμό των συνδρομητών του διαδικτύου καθώς και του ποσοστού των χρηστών που κάνουν χρήση ασύρματης επικοινωνίας για πρόσβαση σε αυτό, για τις χρονιές 2001, 2004 και Πίνακας 1: Συνδρομητές διαδικτύου και ασύρματης πρόσβασης παγκοσμίως, για τα 2001, 2004 και 2007 (emarketer, 2007). Συνδρομητές Χρήστες διαδικτύου (εκατομμύρια) Χρήστες ασύρματης πρόσβασης στο διαδίκτυο, ως ποσοστό (%) όλων των χρηστών διαδικτύου ,5 56,8 Ακολουθούν στοιχεία για τα κέρδη από υπηρεσίες διαδικτύου για το 2005, καθώς και τα προβλεπόμενα κέρδη για το Πίνακας 2: Έσοδα από υπηρεσίες διαδικτύου με χρήση κινητού τηλεφώνου ή υπολογιστή παλάμης και γεωγραφικά βασισμένων πληροφοριών ( Έσοδα (δισ. $) (πρόβλεψη) Ευρώπη Αμερική Ασία και Αυστραλία Δεκέμβριος

33 Εισαγωγή Εκτός από τις παραπάνω προβλέψεις, ενδιαφέρον παρουσιάζει και η πρόγνωση για τον καταμερισμό των εσόδων από υπηρεσίες βασισμένες στη γεωγραφική θέση του χρήστη, ανά κατηγορία, έως το 2009, που παρουσιάζεται στο παρακάτω σχήμα: Αναζήτηση πληροφορίας 85,5% Ασύρματη υπηρεσία 2,3% Πόροι εταιριών 0,06% Αποστολή μηνυμάτων 12,3% Σχήμα 1: Προγνώσεις για την κατανομή των κερδών από υπηρεσίες βασισμένες στη γεωγραφική θέση, έως το 2009 (Concise Insight Europe Information Page, 2006). Σύμφωνα με τα αποτελέσματα μίας ακόμη έρευνας, αύξηση θα παρουσιάσει η μεταφορά δεδομένων για τη χρήση υπηρεσιών γεωγραφικής θέσης του χρήστη από 1% το 2012 σε 3% το 2020, ενώ πολύ μεγαλύτερη θα είναι η αύξηση για τις υπηρεσίες διαδικτύου που προσφέρονται μέσω κινητής συσκευής, από 7% σε 14%. Αντίθετα, αναμένεται μείωση των υπηρεσιών ψυχαγωγίας από 17% σε 12%. Ποσοστό (%) κατάληψης δικτύου Εκτίμηση καταμερισμού του δικτύου μεταφοράς δεδομένων ανά τύπο υπηρεσίας υπηρεσίες γεωγραφικής θέσης υπηρεσίες διαδικτύου επί κινητής συσκευής Τύπος υπηρεσίας υπηρεσίες ψυχαγωγίας άλλες υπηρεσίες (π.χ. φωνητικά, πολυμεσικά μηνύματα, κλπ.) Σχήμα 2: Πρόβλεψη κατάληψης του δικτύου μεταφοράς δεδομένων ανά υπηρεσία για τα έτη (UMTS Forum, 2005). Η νέα επικρατούσα τάση της αγοράς όσον αφορά τις υπηρεσίες πληροφόρησης που προσφέρονται μέσω του διαδικτύου, αφορά υπηρεσίες πληροφόρησης κατά τη μετακίνηση. Πρόκειται για υπηρεσίες που προσφέρονται μέσω του κινητού Δεκέμβριος

34 Διδακτορική Διατριβή Μαρία Πάνου τηλεφώνου ή άλλων συσκευών (PDA υπολογιστές παλάμης). Το ακόλουθο διάγραμμα παρουσιάζει τη συνεχόμενη αύξηση των χρηστών που ζητούν υπηρεσίες μέσω κινητών συσκευών, συμπεριλαμβανομένης μίας πρόβλεψης μέχρι το έτος Αριθμός χρηστών υπηρεσιών κινητών συσκευών παγκοσμίως δισ., ,5 δισ., 2004 πρόβλεψη χιλ., Σχήμα 3: Στοιχεία και πρόβλεψη αριθμού χρηστών υπηρεσιών μέσω χρήσης κινητών τηλεφώνων και άλλων συσκευών, από το (Forge et al., 2005). Σύμφωνα με το παραπάνω σχήμα, ο αριθμός των χρηστών αναμένεται να φτάσει το 65% του παγκόσμιου πληθυσμού των 7,5 δισεκατομμυρίων ατόμων και άνω το έτος 2020, δηλαδή 5 δισ. χρήστες. Τέτοιες υπηρεσίες είναι χρήσιμες τόσο για τους πεζούς όσο και για τους χρήστες δημοσίων μέσων μεταφοράς αλλά και τους οδηγούς. Οι υπηρεσίες αυτές βασίζονται στη γεωγραφική θέση του χρήστη. Οι μετακινούμενοι μπορούν να λαμβάνουν γεωγραφικά επικαιροποιημένη πληροφόρηση, καλύπτοντας μία ευρεία κλίμακα υπηρεσιών, όπως μεταφορές/ταξίδια (πρόταση καλύτερης διαδρομής, επιλογή δημοσίων μεταφορικών μέσων, συμπεριλαμβάνοντας και των δρομολογίων τους), σημεία προσέλκυσης τουριστών, τόποι διασκέδασης (εστιατόρια, θέατρα, κλπ.), σημεία ανεφοδιασμού καυσίμων ΙΧ, θέσεις μηχανημάτων ΑΤΜ, πληροφορίες καιρού, κ.α. Πιο εξεζητημένες υπηρεσίες εξαρτώνται από την ανάπτυξη ακριβέστερου γεωγραφικού εντοπισμού του χρήστη αλλά και εξειδικευμένου περιεχομένου. Για παράδειγμα, αναζήτηση για τοπικά θέατρα μπορεί να επεκταθεί στην πληροφόρηση μόνο για εκείνα που έχουν κάποιο συγκεκριμένο τύπο έργων (π.χ. κωμωδίες) που τυχόν ενδιαφέρει το χρήστη. To 2011, οι συνδρομητές υπηρεσιών βασισμένων στη γεωγραφική θέση του κατόχου κινητής συσκευής, προβλέπεται να φτάσουν τα 315 εκατομμύρια, από 12 εκατ. το 2006 (ΑΒΙ Research, 2007). Αυτό σημαίνει ότι θα υπάρξει αύξηση από λιγότερο του 0,5% του συνόλου των συνδρομητών ασύρματων υπηρεσιών σήμερα, σε περισσότερο από 9% παγκοσμίως. Οι περιοχές με τη μεγαλύτερη αύξηση θα είναι η Βόρεια Αμερική και η Ευρώπη. Στην Ευρώπη, η αγορά ήταν μέχρι τώρα περιορισμένη λόγω της έλλειψης GPS σε ασύρματες συσκευές του εμπορίου, αλλά ήδη από το 2007 πολλές κινητές συσκευές περιέχουν πλέον τα απαιτούμενα χαρακτηριστικά που επιτρέπουν την παροχή υπηρεσιών με επικαιροποιημένη γεωγραφική πληροφόρηση (Mobile wireless news, 2007). Δεκέμβριος

35 Εισαγωγή Δυστυχώς όμως, η πληροφορία που παρέχεται στο χρήστη είναι γενική και δε διακριτοποιείται ανάλογα με τις ιδιαίτερες ανάγκες και προτιμήσεις του, με αποτέλεσμα να αποδεικνύεται συχνά λιγότερο χρήσιμη από ότι είχε αρχικά προβλεφθεί. Γι αυτό και ο ρυθμός ένταξής τους στην αγορά και αξιοπιστίας τους υστερεί κατά πολύ των αναμενομένων. Συγκεκριμένα, αν και η χρήση τέτοιων συστημάτων και υπηρεσιών συνεχώς διευρύνεται, ο ετήσιος προβλεπόμενος ρυθμός ανάπτυξής τους συνεχώς αναπροσαρμόζεται προς τα κάτω (π.χ. IT Deliverable 8.1, 2005). 1.2 Υπηρεσίες και συστήματα πληροφόρησης και προειδοποίησης οδηγών Αντίστοιχες υπηρεσίες με τα συστήματα πληροφόρησης μετακινουμένων παρέχονται και στους οδηγούς, αλλά επικαιροποιημένες με στοιχεία οδικής ασφάλειας. Αυτές προσφέρονται από τα υπάρχοντα και συνεχώς αυξανόμενα συστήματα υποστήριξης εντός του αυτοκινήτου, για τον οδηγό. Σήμερα υπάρχει μία πληθώρα τεχνολογιών στην αγορά, συμπεριλαμβάνοντας τα Σύγχρονα Συστήματα Υποστήριξης Οδηγού (ΣΣΥΟ) και τα Πληροφοριακά Συστήματα εντός Οχήματος (ΠΣΟ). Τα ΣΣΥΟ ενισχύουν την αντίληψη του οδηγού για επικείμενους κινδύνους και/ή τον υποβοηθούν σε συγκεκριμένα καθήκοντα οδήγησης. Τέτοια συστήματα αφορούν στον εγκάρσιο ή διαμήκη άξονα κίνησης του αυτοκινήτου και έχουν μεγάλες δυνατότητες για τη μείωση ατυχημάτων και συγκεκριμένα εκείνων που σχετίζονται με το ανθρώπινο λάθος (esafety brochure, 2006). Η πρωτοβουλία της ΕΕ «esafety» αποτελεί έναν από τους βασικούς παράγοντες του «Ιntelligent car initiative» (Πρωτοβουλία Έξυπνου αυτοκινήτου, μέρος της στρατηγικής i2010 της ΕΕ) που έχει ως σκοπό την προώθηση και την ανάπτυξη ευφυών συστημάτων οδικής ασφάλειας. Η Ευρωπαϊκή Ένωση είχε θέσει ως στόχο στη Λευκή Βίβλο της Πολιτικής των Μεταφορών, τη μείωση των θανάτων από ατυχήματα στις μεταφορές στο μισό (50%) ως το 2010, με την εφαρμογή διαφόρων μέτρων (White Paper on Transport Policy, 2001). Μάλιστα, οι Ευρωπαίοι Υπουργοί Μεταφορών υπέγραψαν το 2003 τη «Διακήρυξη της Βερόνας», με στόχο τη δραστική μείωση των οδικών ατυχημάτων. Μεταξύ άλλων, δεσμεύτηκαν να βελτιώσουν την οδική ασφάλεια, προωθώντας νέες τεχνολογίες και συστήματα. Το νέο κείμενο της Ευρωπαϊκής Ένωσης, το οποίο αποτελεί την αναθεώρηση της Λευκής Βίβλου (EC, 2006), αναφέρει ότι τα οδικά ατυχήματα μειώθηκαν κατά μέσο όρο πάνω από 17% (όχι όμως σε όλες τις χώρες) κάτι το οποίο είναι πράγματι θετικό, αλλά προκειμένου να επιτευχθεί ο στόχος της μείωσής τους στο 50%, συνεχίζει να υποστηρίζει τις δραστηριότητες του esafety. Αντίστοιχες είναι και οι επιδιώξεις, όσον αφορά τη χώρα μας, όπου ο στόχος είναι η μείωση των νεκρών από οδικά ατυχήματα σε ποσοστό 50% το έτος 2010, σε σχέση με το ποσοστό των νεκρών του έτους 2000, σύμφωνα με το έργο «Ανάπτυξη στρατηγικού σχεδίου για τη βελτίωση της Οδικής Ασφάλειας στην Ελλάδα για τα έτη », που εκπονήθηκε από τον Τομέα Μεταφορών και Συγκοινωνιακής Υποδομής (Τομέας ΜΣΥ) του Εθνικού Μετσοβίου Πολυτεχνείου. Επιχειρώντας μία σύντομη ιστορική αναδρομή, τα ΣΣΥΟ άρχισαν την εμφάνισή τους στην αγορά σε πολυτελή αυτοκίνητα. Η Mercedes-Benz παρουσίασε το πρώτο ΣΣΥΟ της Ευρώπης, το Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ), το Δύο χρόνια πριν, η Toyota εισήγαγε στην αγορά τα πρώτα ΣΣΥΟ του κόσμου, το Δεκέμβριος

36 Διδακτορική Διατριβή Μαρία Πάνου Σύστημα ελέγχου Νεκρής Γωνίας και το Σύστημα διατήρησης πορείας στην Ιαπωνία. Στη συνέχεια, οι Mercedes-Benz, BMW, Daimler-Chrysler, Volvo, Fiat, Jaguar εισήγαγαν το Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης στην Αμερική το Από τότε, περισσότερες αυτοκινητοβιομηχανίες, συμπεριλαμβάνοντας τις Audi, BMW, Nissan, Jaguar, Lexus, Citroën και Volkswagen, εγκατέστησαν διάφορα ΣΣΥΟ σε μοντέλα οχημάτων τους στην Ιαπωνία, την Ευρώπη και την Αμερική. Συνήθως, αυτά τα ΣΣΥΟ είναι διαθέσιμα προαιρετικά σε επιλεγμένα, υψηλών προδιαγραφών μοντέλα αυτοκινήτων και όχι ευρέως διαθέσιμα ως βασικός εξοπλισμός του οχήματος, κάτι που φαίνεται ν αλλάζει σταδιακά μόλις το 2006 (Ling Ho, 2006). Από το 2005/2006, τα διαθέσιμα ΣΣΥΟ στην αγορά μικρών-μεσαίων οχημάτων της Αμερικής συμπεριλαμβάνουν συστήματα ελέγχου του διαμήκη άξονα πορείας του αυτοκινήτου (δηλαδή ΣΠΕΠ) καθώς και του εγκάρσιου (σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας). Το παρακάτω σχήμα παρουσιάζει την εικόνα των ΣΣΥΟ που είναι διαθέσιμα στην αγορά των ΗΠΑ, ανά κατασκευαστή και αριθμό μοντέλων αυτοκινήτων που τα προσφέρουν ως τυπικό ή ως προαιρετικό εξοπλισμό Οχήματα της Αμερικάνικης αγοράς με ΣΣΥΟ Κατασκευαστές Αριθμός αυτοκινήτων Μοντέλα αυτοκινήτων που προσφέρουν ΣΣΥΟ ως προαιρετικό εξοπλισμό Μοντέλα αυτοκινήτων που προσφέρουν ΣΣΥΟ ως κανονικό εξοπλισμό 0 Πλοήγηση Αναγνώριση φωνής ΣΠΕΠ Βοήθημα σταθμευσης Νυχτερινή όραση Συστήματα Βοήθημα πέδησης Καθρέπτες αυτόματης υποσκίασης ΠΕΛ Προσαρμοζόμενοι προβολείς Σχήμα 4: Οχήματα της αγοράς των ΗΠΑ που προσφέρουν ΣΣΥΟ για τα έτη 2005/2006 (Ling Ho, 2006). Ο πίνακας που ακολουθεί αποδεικνύει την εισαγωγή πληθώρας συστημάτων υποβοήθησης οδηγού και αύξησης ασφαλείας κατά την οδήγηση, κατά τα τελευταία έτη, σύμφωνα με καταγεγραμμένα δεδομένα του 2005 στην Αμερική. Η δεύτερη στήλη παρουσιάζει το έτος εφαρμογής των συστημάτων επί αυτοκινήτων Ι.Χ. (συνήθως, η ένταξή τους σε οχήματα βαρέως τύπου συντελείται αργότερα), ενώ οι επόμενες στήλες παρουσιάζουν τα χαρακτηριστικά τους σε σχέση με την οδική ασφάλεια. Δεκέμβριος

37 Εισαγωγή Πίνακας 3: Ενδεικτική λίστα συστημάτων ασφαλείας αυτοκινήτων (Aparicio, 2005). Χαρακτηριστικό Χρονιά εμφάνισης Μείωση ταχύτητας Προετοιμασία οχήματος στο συμβάν Προετοιμασία οδηγού στο συμβάν Βελτιστοποίηση γωνίας ατυχήματος Σύστημα απεμπλοκής τροχών 2000 ABS Ενεργητική απόκλιση κλίσης τροχών αυτοκινήτου 2005 Ενεργή ανάρτηση 2002 Ενεργός έλεγχος ολίσθησης 2000 Ενεργή αποφυγή ολίσθησης 2001 Ενεργή σταθεροποίηση οχήματος 2001 Ενεργή ασφάλεια αποφυγή πεζών Μ.δ. Ενεργή ασφάλεια προειδοποίηση πεζών Μ.δ. Ενεργό σύστημα διεύθυνσης 2005 Ελεγχόμενη διόγκωση αερόσακου 2003 ΣΠΕΠ με σύστημα μειωμένης απόστασης πέδησης 2005 Υποβοήθηση πέδησης 2000 Υποβοήθηση πέδησης με ΣΠΑΣ 2003 Αποφυγή σύγκρουσης με πέδηση Μ.δ. Αερόσακος προφυλακτήρα αυτοκινήτου 2005 Έλεγχος γωνιακής πέδησης 2000 Αισθητήρας επαφής πεζών 2004 Αισθητήρας σύγκρουσης 2006 Δυναμικός έλεγχος τριβής 2001 Ηλεκτρικά ρυθμιζόμενη τάση ζώνης ασφαλείας 2001 Ηλεκτρονικό πρόγραμμα σταθεροποίησης - ESP 2000 ΣΠΑΣ 2000 Προειδοποίηση σύγκρουσης σε Μ.δ. διασταυρώσεις Βοήθημα αλλαγής λωρίδας 2002 Σήμανση φωτός προ-πέδησης 2004 ( ) Προσαρμογή δομής κυρίου 2005 μέρους οχήματος προσύγκρουσης Πέδηση προ-σύγκρουσης 2001 Αναδιάταξη εσωτερικού μέρους 2002 προ-σύγκρουσης Προένταση ζωνών ασφαλείας 2003 Εγρήγορση οδηγού Δεκέμβριος

38 Διδακτορική Διατριβή Μαρία Πάνου Χαρακτηριστικό Χρονιά εμφάνισης Μείωση ταχύτητας Προετοιμασία οχήματος στο συμβάν προ-σύγκρουσης Αισθητήρας προ-σύγκρουσης 2003 Συμβατότητα οχήματος προσύγκρουσης 2004 Αποφυγή ανατροπής οχήματος 2000 Προστασία ανατροπής ανοιχτού οχήματος 2002 Μ.δ.: Μη διαθέσιμο Προετοιμασία οδηγού στο συμβάν Βελτιστοποίηση γωνίας ατυχήματος Εγρήγορση οδηγού Η εικόνα των διαθέσιμων ΣΣΥΟ στην Ευρώπη και των αυτοκινητοβιομηχανιών που προσφέρουν ΣΣΥΟ παρουσιάζεται στο ακόλουθο σχήμα, όπου φαίνεται καθαρά η σταδιακή αύξησή τους από το 2000 έως το Αριθμός διαθέσιμων ΣΣΥΟ Αριθμός διαθέσιμων ΣΣΥΟ στην Ευρώπη Αριθμός κατασκευαστών οχημάτων που προσφέρουν ΣΣΥΟ Σχήμα 5:Αυξανόμενος αριθμός διαθέσιμων ΣΣΥΟ στην Ευρώπη και κατασκευαστών οχημάτων που τα διαθέτουν, για τα έτη (Hart A., 2007). Ακολουθεί η καμπύλη διάχυσης της εισαγωγής όλων των νέων εγγεγραμμένων οχημάτων, θεωρώντας ότι όλα τα οχήματα είναι εξοπλισμένα με ένα έξυπνο σύστημα χαμηλού κόστους. Η σκιασμένη περιοχή στο Σχήμα 6 απεικονίζει την κατανομή των εξοπλισμένων οχημάτων για διάφορους χρονικούς ορίζοντες, εάν η εισαγωγή στην αγορά όλων των νέων εγγεγραμμένων οχημάτων είχε αρχίσει το Γύρω στο έτος 2019, όλα τα διαθέσιμα οχήματα στην αγορά θα είναι εξοπλισμένα με ένα έξυπνο σύστημα ασφαλείας. Δεκέμβριος

39 Εισαγωγή Διαθέσιμα οχήματα (εκατομμύρια) 300 Εγγεγραμμένα οχήματα με έξυπνο σύστημα ασφαλείας Έτος Σχήμα 6: Καμπύλη διάχυσης για την εισαγωγή όλων των νέων καταγεγραμμένων οχημάτων (ProgTrans, 2004). Επιπλέον, οι κατασκευαστές αυτοκινήτων έδωσαν τις εκτιμήσεις τους για το βαθμό διείσδυσης στην αγορά τέτοιων συστημάτων στην Αμερική, μέσω του έργου VSC (Vehicle Safety Communication project Ασφαλής επικοινωνία οχήματος). Για το σκοπό αυτό ορίστηκαν τρεις χρονικοί ορίζοντες (Carter, 2005): - Συστήματα κοντινού χρονικού ορίζοντα: πρόκειται για συστήματα που αναμένεται να είναι έτοιμα τα έτη Συστήματα μέσου χρονικού ορίζοντα: συστήματα που αναμένεται να είναι έτοιμα τα έτη Συστήματα μακρινού χρονικού ορίζοντα: συστήματα που αναμένεται να είναι έτοιμα μετά το έτος Πίνακας 4: Χρονικός ορίζοντας εφαρμογής ηλεκτρονικών συστημάτων αυτοκίνητων (Carter, 2005). Συστήματα Προσαρμοζόμενη διαχείριση κιβωτίου ταχυτήτων και σχέσης μετάδοσης Προσαρμοζόμενη σκόπευση προβολέων Προειδοποίηση προσέγγισης οχήματος έκτακτης ανάγκης Προειδοποίηση «τυφλής» συγχώνευσης σε κυκλοφορία Προειδοποίηση κινδύνου στη «νεκρή» γωνία (ΣΕΝΓ) Συνεργατικά ΣΠΕΠ Συνεργατικά ΣΠΑΣ Συνεργατικά συστήματα εμπρόσθιας σύγκρουσης Εκτιμώμενοι χρονικοί ορίζοντες εφαρμογής συστημάτων επί οχημάτων Κ Κ M M M M Μα M Δεκέμβριος

40 Διδακτορική Διατριβή Μαρία Πάνου Συστήματα Συνεργατικά συστήματα απόσβεσης εκλάμψεων «glare reduction» Αυτόματα συνεργατικά συστήματα οχήματοςαυτοκινητοδρόμου Συστήματα προειδοποίησης ταχύτητας σε στροφές Ηλεκτρονικά φώτα πέδησης εκτάκτου ανάγκης Σήμα οχήματος εκτάκτου ανάγκης Προηγμένη καθοδήγηση διαδρομής και πλοήγηση Ηλεκτρονική είσπραξη διοδίων Σύστημα διόρθωσης GPS Βοήθεια συγχώνευσης σε αυτοκινητόδρομο Προειδοποίηση σύγκρουσης επί σταθερού εμποδίου σε αυτοκινητόδρομο Άμεση αποστολή μηνύματος Μετρητές κυκλοφορίας Έξυπνος έλεγχος ροής κυκλοφορίας Προειδοποίηση σύγκρουσης σε διασταύρωση Έγκαιρη ειδοποίηση βλάβης/ συντήρησης οχήματος Προειδοποίηση χαμηλής γέφυρας Φόρτωση και ανανέωση χαρτών Πληροφόρηση διέλευσης πεζών σε επιλεγμένες διασταυρώσεις Πληροφόρηση επί σημείου ενδιαφέροντος (POI) στη διαδρομή Κλήση βοηθείας μετά από σύγκρουση Προ-ανίχνευση σύγκρουσης Προειδοποίηση επί της κατάστασης της οδού Υπηρεσίες έκτακτης ανάγκης Προειδοποίηση σήματος «STOP» Προειδοποίηση παραβίασης σήματος «STOP» Προειδοποίηση παραβίασης σημάτων οδικής κυκλοφορίας Προειδοποίηση επί οδικών κινδύνων από όχημα σε όχημα Βελτίωση ορατότητας Προειδοποίηση εργασιών επί της οδού Προειδοποίηση οδηγού για λάθος κατεύθυνση Εκτιμώμενοι χρονικοί ορίζοντες εφαρμογής συστημάτων επί οχημάτων M Μα Κ Κ Κ Κ Κ Μα M Κ Μα Κ M Μα M Κ M Μα Κ Κ M Κ Κ M Κ Κ M M Κ M Δεκέμβριος

41 Εισαγωγή πορείας Συστήματα (Κ = κοντινού, M = μέσου, Μα = μακρινού) Εκτιμώμενοι χρονικοί ορίζοντες εφαρμογής συστημάτων επί οχημάτων Η επίδραση στην οδική ασφάλεια τέτοιων συστημάτων καθορίζεται, σε μεγάλο βαθμό, από την αλληλεπίδραση του οδηγού με αυτά. Για παράδειγμα, για την αποτελεσματική υποστήριξη του οδηγού στην αποφυγή σύγκρουσης με το εμπρόσθιο όχημα/εμπόδιο, είναι απαραίτητο η προειδοποίηση που θα δοθεί από το σύστημα να παράγει την κατάλληλη αντίδραση (π.χ. ελιγμό αποφυγής). Νέες τεχνολογίες που εκμεταλλεύονται καινοτόμες λύσεις για την αλληλεπίδραση οδηγού-οχήματος με πολύ-αισθητηριακές λειτουργίες (π.χ. οπτική, ηχητική και αφής), προσφέρουν μεγάλες δυνατότητες για τη μεγιστοποίηση της συμβολής των ΣΣΥΟ στην οδική ασφάλεια. Απαιτείται άμεση έρευνα για τη βέλτιστη αξιοποίηση των δυνατοτήτων αυτών, προκειμένου να μεγιστοποιηθεί η αποτελεσματικότητα των ΣΣΥΟ. Η πρωτοβουλία esafety έχει ορίσει μία λίστα με πέντε συστήματα αυτοκινήτων που κρίνει ότι πρέπει να εξετασθούν και να μελετηθούν κατά προτεραιότητα. Αυτά είναι (esafety brochure, 2006): - Σύστημα προειδοποίησης και αποφυγής σύγκρουσης (ΣΠΑΣ). - Σύστημα προειδοποίησης εκτροπής από λωρίδα κυκλοφορίας (ΣΠΕΛ). - Ηλεκτρονικός έλεγχος ευστάθειας (ESP Electronic Stability Control). - Σύστημα ελέγχου νεκρής γωνίας (ΣΕΝΓ). - Προσαρμοζόμενοι προβολείς. To έργο LATERAL SAFE, υποέργο του PREVENT IP (507075), αναφέρει ότι τα ατυχήματα επί του εγκάρσιου άξονα της οδού αποτελούν το 49,9 % όλων των ατυχημάτων (π.χ. όταν ένα όχημα αλλάζει λωρίδες εσκεμμένα και συγκρούεται στο πλάι από ή με ένα άλλο όχημα της διπλανής λωρίδας και στη συνέχεια παρασύρει ένα άλλο όχημα ή παρασύρεται έξω από το δρόμο) (Blomqvist P. et al., LATERAL SAFE Deliverable 32.3, 2005). Επιπλέον, το επόμενο σχήμα από την Autoliv παρουσιάζει την κατανομή των ατυχημάτων ανά περιοχή του αυτοκινήτου που πραγματοποιούνται συγκρούσεις. Μολονότι τα ποσοστά δεν ταυτίζονται με αυτά του PREVENT, καταδεικνύουν και πάλι τη σημασία των ΣΠΕΛ και ΣΠΑΣ για την αύξηση της οδικής ασφάλειας. Έτσι, ενισχύεται η παραπάνω λίστα προτεραιοτήτων του esafety όσον αφορά την ανάγκη για ανάπτυξη συστημάτων προειδοποίησης. Δεκέμβριος

42 Διδακτορική Διατριβή Μαρία Πάνου Κατανομή ατυχημάτων/ θανάσιμα ατυχήματα Εικόνα 1: Ποσοστό ατυχημάτων ανά περιοχή του αυτοκινήτου που συμβαίνουν (Autoliv, 2004). Επιπλέον, η χρήση νομαδικών συσκευών μέσα στο αυτοκίνητο (κινητά τηλέφωνα, προσωπικά ψηφιακά υποστηρικτικά συστήματα και άλλες φορητές συσκευές με λειτουργίες Η/Υ), αυξάνει με γρήγορους ρυθμούς. Αυτές οι νέες τεχνολογίες παρέχουν επίσης πολλές δυνατότητες για την αύξηση της οδικής ασφάλειας καθώς και την ενίσχυση της ποιότητας ζωής και εργασίας (παρέχοντας πρόσβαση από το αυτοκίνητο σε νέες υπηρεσίες πληροφόρησης), αλλά παράλληλα η κακή και άκαιρη χρήση τους εν ώρα οδήγησης μπορεί ν αποβεί αρνητική για την οδική ασφάλεια. Τα αναμενόμενα οφέλη από εφαρμογές διαφορετικών Συστημάτων Ευφυών Μεταφορών (ΣΕΜ), παρουσιάζονται στο παρακάτω σχήμα: Κέρδος εκπομπών καυσαερίων 6% Κέρδος κόστους λειτουργίας 6% Κέρδος κόστους αντιπροσωπείας 5% Emissions/Fuel Agency cost savings savings 5% 6% Operating cost savings 6% Κέρδος Time savings χρόνου 41% 41% Κέρδη από μείωση ατυχημάτων 42% Accident savings 42% Σχήμα 7: Εκτιμώμενα οφέλη από την εφαρμογή ΣΕΜ (Naniopoulos A. et al., 2004). Τα εκτιμώμενα κοινωνικο-οικονομικά οφέλη από την χρήση των ΣΠΑΣ και ΣΠΕΛ αναλύονται στα επόμενα δύο σχήματα. Όσον αφορά το ΣΠΑΣ, υπολογίζονται να φτάσουν τα 490 εκατομμύρια το έτος 2010 και 990 εκ. το έτος 2020 για 25 κράτημέλη της ΕΕ. Το Σχήμα 8 παρουσιάζει την κατανομή των ωφελειών ασφαλείας για διάφορους παράγοντες. Πάνω από το 40% του συνολικού οφέλους προκύπτει από τη Δεκέμβριος

43 Εισαγωγή μείωση των θανατηφόρων ατυχημάτων. Παρόμοια είναι και η συμβολή της μείωσης των σοβαρών τραυματισμών. Οφέλη σε Μ ανά χρόνο Κυκλοφοριακή συμφόρηση Ζημιά περιουσίας Ελαφριοί τραυματισμοί Σοβαροί τραυματισμοί Θάνατοι Σχήμα 8: Κοινωνικο-οικονομικά οφέλη του ΣΠΑΣ για 25 κράτη-μέλη της ΕΕ (Abele et al., SEiSS Final Report, 2005). Ακολουθεί η κατανομή των ωφελειών από το ΣΠΕΛ. Η πλειοψηφία της μείωσης του κόστους οφείλεται κατά 90% στο κόστος της προσωπικής ζημίας, ενώ το όφελος από τα θανατηφόρα ατυχήματα είναι το μισό από όλα τα ατυχήματα ΟφέλησεΜ ανά χρόνο Κυκλοφοριακή συμφόρηση Ζημιά περιουσίας Ελαφριοί τραυματισμοί Σοβαροί τραυματισμοί Θάνατοι Σχήμα 9: Κοινωνικο-οικονομικά οφέλη του ΣΠΕΛ για τα 25 κράτη-μέλη της ΕΕ (Abele et al., SEiSS Final Report, 2005). Ο πίνακας που ακολουθεί παρουσιάζει μία πρόγνωση των ατυχημάτων που θα μπορούσαν να αποφευχθούν σε 25 κράτη-μέλη της ΕΕ με τη χρήση του ΣΠΑΣ. Όπως φαίνεται, η μείωση των ατυχημάτων κατά το 2020 θα είναι πολύ μεγαλύτερη (περίπου διπλάσια) από το 2010, λόγω της μεγαλύτερης διάχυσης στην αγορά τέτοιων συστημάτων. Πίνακας 5: Αριθμός ατυχημάτων που μπορούν να αποφευχθούν λόγω του ΣΠΑΣ (Abele et al., SEiSS Final Report, 2005). Αριθμός ατυχημάτων που θα αποφευχθούν λόγω του ΣΠΑΣ σε 25 χώρες της ΕΕ Αριθμός ατυχημάτων Θανατηφόρα ατυχήματα Σοβαροί τραυματισμοί Ελαφριοί τραυματισμοί Δεκέμβριος

44 Διδακτορική Διατριβή Μαρία Πάνου Ακολουθούν οι αντίστοιχες τιμές για το ΣΠΕΛ. Εδώ η διαφορά ανάμεσα στους δύο χρονικούς ορίζοντες είναι πολύ μεγαλύτερη από το ΣΠΑΣ (πολύ περισσότερη από διπλάσια: τετραπλάσια για τον αριθμό των ατυχημάτων και σχεδόν εννιαπλάσια για τις υπόλοιπες κατηγορίες). Πίνακας 6: Αριθμός ατυχημάτων που μπορούν να αποφευχθούν λόγω του ΣΠΕΛ (Abele et al., SEiSS Final Report, 2005). Αριθμός ατυχημάτων που θα αποφευχθούν λόγω του ΣΠΕΛ σε 25 χώρες της ΕΕ Αριθμός ατυχημάτων Θανατηφόρα ατυχήματα Σοβαροί τραυματισμοί Ελαφριοί τραυματισμοί Εν τούτοις, τα οφέλη στην οδική ασφάλεια από τα ΣΣΥΟ μπορεί να μειωθούν σημαντικά ή ακόμη και να ακυρωθούν από μη αναμενόμενη συμπεριφορά των οδηγών σε τέτοιες τεχνολογίες, π.χ. υπερβολική εμπιστοσύνη στο σύστημα, που οδηγεί σε μείωση της προσοχής στο δρόμο και αναπροσαρμογή συμπεριφοράς του χρήστη, αντισταθμίζοντας την επιπρόσθετα παρεχόμενη ασφάλεια (e.g. Fosser S. et al., 1997; Nilsson L., 1995 and Brown C., 2000; για σύνοψη βλ. Smiley A., 2000). Παράδειγμα τέτοιας συμπεριφοράς αποτελεί η αύξηση της ταχύτητας ως αποτέλεσμα της χρήσης ΣΣΥΟ που προσφέρει καλύτερη ορατότητα σε αντίξοες καιρικές συνθήκες. Συγκεκριμένα, είναι γνωστό ότι η εισαγωγή νέων συστημάτων ασφαλείας μπορεί να προκαλέσουν μακροπρόθεσμες αλλαγές στη συμπεριφορά των οδηγών, ονομαζόμενες συχνά και ως προσαρμογές στη συμπεριφορά, οι οποίες μπορεί να επηρεάσουν σημαντικά τα πραγματικά οφέλη (σε σύγκριση με τα αναμενόμενα) ενός συστήματος στην οδική ασφάλεια, είτε σε θετική είτε σε αρνητική κατεύθυνση (OECD, 1990). Επιπλέον, τα ΠΣΟ και οι φορητές συσκευές είναι πιθανό να προκαλέσουν αύξηση του φόρτου εργασίας και απόσπασης της προσοχής του οδηγού. Τέλος, οι πιθανές ασυμβατότητες ανάμεσα σε διαφορετικά κι ανεξάρτητα συστήματα που αλληλεπιδρούν με τον οδηγό συντελούν στην αύξηση του κινδύνου πνευματικής υπερφόρτισής του και αναπάντεχων επιπτώσεων στην οδηγική του συμπεριφορά. Η επίδραση στην ασφάλεια ενός ΣΣΥΟ/ΠΣΟ, εξαρτάται εν τέλει από το βαθμό διείσδυσής του στην αγορά και από κατά πόσο χρησιμοποιείται από τους οδηγούς. Το Σύστημα Επικοινωνίας Ανθρώπου-Μηχανής (ΣΕΑΜ) του έχει αποφασιστική σημασία, εφόσον ενοχλητικές προειδοποιήσεις (είτε περισσότερες από ότι χρειάζονται, είτε ανακριβείς, είτε που δεν παρέχονται στη σωστή χρονική στιγμή, κλπ.), ή μη ενδιαφέρουσα πληροφόρηση από το σύστημα οδηγεί στην απαξίωση κι εγκατάλειψη του συστήματος από τον οδηγό, κι επομένως στην απώλεια των ωφελειών του στην οδική ασφάλεια. Χρειάζεται η δημιουργία γνώσης και η ανάπτυξη μεθοδολογιών και τεχνολογιών επικοινωνίας ανθρώπου μηχανής για ασφαλή και αποτελεσματική ενσωμάτωση ΣΣΥΟ, ΠΣΟ και νομαδικών συσκευών επί του αυτοκινήτου. Η πρωτοβουλία της ΕΕ «esafety» που αναφέρθηκε νωρίτερα στοχεύει στην επίσπευση της έρευνας και της ανάπτυξης τέτοιων τεχνολογιών. Η γενική στρατηγική που υιοθετήθηκε περιγράφεται από το esafety (esafety Final report, 2002). Στο κείμενο αυτό, το ΣΕΑΜ αναγνωρίζεται ως μία από τις 28 βασικές προτάσεις για την προώθηση της ολοκληρωμένης οδικής ασφάλειας, κάτι το οποίο υποστηρίζεται και στην ανανεωμένη Δεκέμβριος

45 Εισαγωγή έκθεση του esafety (esafety Conpendium, Addendum 1, 2006). Εξάλλου, μία από τις 14 ομάδες εργασίας του esafety ασχολείται με το ΣΕΑΜ. Πρέπει να αναφερθεί ότι υπάρχουν διαφορές ανάμεσα σε ΣΣΥΟ με ίδιες λειτουργίες ανά κατασκευαστή σε σχέση με τα στοιχεία του ΣΕΑΜ (π.χ. ως προς τα χρησιμοποιούμενα γραφικά, κανάλια προειδοποίησης: οπτικό, ακουστικό, ηχητικό καθώς και συνδυασμοί αυτών) και με στρατηγικές προειδοποίησης (όρια τιμών προειδοποίησης, επίπεδο υποστήριξης, π.χ. επίδραση στην επιβράδυνση του οχήματος, κραδασμοί επί του τιμονιού, κλπ.). Διαφοροποιήσεις παρατηρούνται και ανάμεσα σε διαφορετικά μοντέλα του ίδιου κατασκευαστή. Από άποψη ανθρώπινης συμπεριφοράς, η ποικιλία αυτή στην προειδοποίηση του οδηγού μπορεί να προκαλέσει πρόβλημα σε οδηγούς που αλλάζουν συχνά αυτοκίνητα, και ειδικότερα σύγχυση ως προς τη λειτουργία τους. Απαιτείται έρευνα για τη βέλτιστη αξιοποίηση των δυνατοτήτων των ΣΣΥΟ με τους καλύτερους δυνατούς τρόπους προειδοποίησης, προκειμένου να μεγιστοποιηθεί η αποτελεσματικότητά τους. Μια πολλά υποσχόμενη λύση αφορά στα αυτοπροσαρμοζόμενα συστήματα, εκείνα δηλαδή που θα προσαρμόζονται στις προτιμήσεις κι ιδιαιτερότητες του εκάστοτε οδηγού, μειώνοντας το επίπεδο πνευματικής του φόρτισης από τα συστήματα και αυξάνοντας την άνεση του οδηγού οδηγώντας με αυτά. Δεκέμβριος

46 2 Μεθοδολογία και δομή της διατριβής Η παρούσα διδακτορική διατριβή απαρτίζεται από τρία μέρη: α) Υφιστάμενη τεχνογνωσία και πλαίσιο έρευνας (Κεφάλαια 1-5), β) Μοντελοποίηση, παράμετροι και αλγόριθμοι (Κεφάλαια 6-9) και γ) Εφαρμογές, αποτελέσματα, κίνδυνοι και συμπεράσματα (Κεφάλαια 10-12). Η αναλυτική δομή της και η λογική της ανάπτυξής της απεικονίζονται στο Σχήμα 10. Πως μπορεί να πραγματοποιηθεί αυτό; Πόσο επιτυχής ήταν η προσωποποίηση; ΥΦΙΣΤΑΜΕΝΗ ΚΑΤΑΣΤΑΣΗ ΚΑΙ ΠΛΑΙΣΙΟ ΕΡΕΥΝΑΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗ, ΠΑΡΑΜΕΤΡΟΙ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΕΦΑΡΜΟΓΕΕΣ, ΑΠΟΤΕΛΕΣΜΑΤΑ, ΚΙΝΔΥΝΟΙ ΚΑΙ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΤΟΙΧΕΙΑ ΚΑΙΝΟΤΟΜΙΑΣ Κεφάλαιο 1 Ανασκόπηση αγοράς και εύρους της Κεφάλαιο 3 Ποιες είναι οι ανάγκες των οδηγών και λοιπών μετακινουμένων για πληροφόρηση; ΚΑΙΝΟΤΟΜΑ ΤΥΠΟΠΟΙΗΣΗ Κεφάλαιο 4 Συστήματα & τυποποίηση. Ποια είναι η αγορά; Τι περιλαμβάνει; Πως προειδοποιούν /πληροφορούν τα υφιστάμενα συστήματα σήμερα; Συμπεράσματα: Συμπεράσματα: άμεσηανάγκηγια άμεσηανάγκηγια προσωποποιημένα προσωποποιημένα και και συνδυαστικά συνδυαστικά συστήματα συστήματα Κεφάλαιο 5 Υφιστάμενη τεχνογνωσία και εργαλεία προσωποποίησης ΚΑΙΝΟΤΟΜΟ Κεφάλαιο 6 Μοντελοποίηση για προσωποποίηση (DRIVABILITY & TRANSPORTABILITY) ΚΑΙΝΟΤΟΜΟ Κεφάλαιο 7 Παράμετροι προσωποποίησης ΚΑΙΝΟΤΟΜΟ Κεφάλαιο 9 Αλγόριθμοι πληροφόρησης μετακινουμένων ΚΑΙΝΟΤΟΜΟ Κεφάλαιο 2 Μεθοδολογία ΚΑΙΝΟΤΟΜΟ Κεφάλαιο 8 Αλγόριθμοι προειδοποίησης οδηγών Κεφάλαιο 10 Εφαρμογές Κεφάλαιο 11 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Κεφάλαιο 12 Συμπεράσματα & προτάσεις περαιτέρω έρευνας Σχήμα 10: Λογικό διάγραμμα δομής διατριβής και αναγνώριση των καινοτόμων στοιχείων της. Δεκέμβριος

47 Μεθοδολογία και δομή της διατριβής Αρχικά καθορίζονται στην εισαγωγή (Κεφ. 1) τα αντικείμενα της έρευνας, που είναι οι υπηρεσίες πληροφόρησης/προειδοποίησης οδηγού αλλά και οι υπηρεσίες πληροφόρησης/καθοδήγησης μετακινουμένου (σύμφωνα με τους καθιερωμένους διεθνώς όρους, οι περιοχές «esafety» και «infomobility services»). Οι υφιστάμενες υπηρεσίες και συστήματα και στις δύο περιπτώσεις είναι αρκετές, αλλά ο ρυθμός ένταξής τους στην αγορά και αξιοπιστίας τους υστερεί κατά πολύ των αναμενομένων όπως ειπώθηκε στο Κεφάλαιο 1 (IM@GINE IT Deliverable 8.1, 2005). Οι κυριότεροι λόγοι γι αυτό είναι: - Πληθώρα εφαρμογών/συστημάτων «γενικού» ενδιαφέροντος με κοινό ΣΕΑΜ για όλους τους χρήστες. - Ανεξάρτητες εφαρμογές που η μία «ανταγωνίζεται την άλλη» για προσέγγιση της προσοχής του χρήστη. - Εφαρμογές που δε λαμβάνουν υπόψη τη θέση του χρήστη, το λόγο ταξιδιού του, την ικανότητά του να δεχθεί άλλες πληροφορίες (π.χ. αν οδηγεί ή εργάζεται), τις προτιμήσεις ή ανάγκες του, κλπ. - Σημαντικότατα προβλήματα αξιοπιστίας των συγκεκριμένων τεχνολογιών και αδυναμία υποστήριξης του χρήστη αδιαλείπτως, όπου κι αν βρίσκεται. - Έλλειψη αποδοχής από τους χρήστες λόγω ενός ή συνδυασμού των παραπάνω αιτιών και της σχετικά χαμηλής σχέσης κόστους-ωφελείας τους, στην υφιστάμενη μορφή. Με βάση τις παραπάνω διαπιστώσεις, η διδακτορική διατριβή βασίζεται στην υπόθεση ότι η μελλοντική τυποποίηση, ολοκλήρωση και ευρύτατη εφαρμογή τέτοιων υπηρεσιών μπορεί να επιτευχθεί μόνο μέσω ευφυούς (στατικής, ημι-δυναμικής και δυναμικής) «προσωποποίησής» τους. Ως βήμα εκκίνησης για την ευθετότερη προσωποποίησή τους, τελείται στο Κεφ. 3 μία πρότυπη κατηγοριοποίηση και τυποποίηση των «αναγκών για πληροφόρηση» των χρηστών (οδηγών και μετακινουμένων με διάφορα μέσα μεταφοράς), όπως προκύπτει από σειρά ερευνών (π.χ. έργα ASK-IT, IMAGE, TELSCAN, ADVISORS, κ.α.), καθώς και από έρευνα της παρούσας διατριβής. Οι ανάγκες αυτές λαμβάνονται υπόψη στον καθορισμό των παραμέτρων προσωποποίησης των υπηρεσιών πληροφόρησης και προειδοποίησης των μετακινουμένων και οδηγών (Κεφάλαιο 7) που προτείνονται στην παρούσα διατριβή. Στο Κεφ. 4 επιχειρείται μία πρωτότυπη κατηγοριοποίηση των σχετικών τεχνολογιών (ΣΣΥΟ, ΠΣΟ, ΠΣΧΟ), που θα μπορούσαν να καλύπτουν τις ανάγκες και τα χαρακτηριστικά των οδηγών του Κεφ. 3. Αυτή είναι εκτενής και απαραίτητη, δεδομένου του γεγονότος ότι υφίστανται πολλές αντικρουόμενες κατηγοριοποιήσεις (π.χ. Ευρωπαϊκή από ERTICO, Αμερικάνικη, Ιαπωνική), ενώ δεν υφίσταται Ελληνική κατηγοριοποίηση, αλλά ούτε καν Ελληνική ορολογία για τα περισσότερα από τα σχετικά συστήματα και τεχνολογίες. Έτσι, τόσο η τυποποίηση των αναγκών του χρήστη (Κεφ. 3), όσο και αυτή των σχετικών συστημάτων που μπορούν δυνητικά να καλύπτουν τις σχετικές ανάγκες (Κεφ. 4), εμπεριέχουν στοιχεία καινοτομίας και η χρηστικότητά τους ξεπερνά κατά πολύ τις ανάγκες και το πλαίσιο της παρούσας διατριβής. Η προτεινόμενη ορολογία και τυποποίηση συστημάτων του Κεφ. 4 μάλιστα έτυχε αποδοχής από την Ελληνική ερευνητική και κατασκευαστική κοινότητα και (με προσθήκες μερικών ακόμη νέων όρων και ελάχιστες αλλαγές) ανακηρύχθηκε ως η επίσημη Ελληνική κατηγοριοποίηση και ορολογία στα πλαίσια της Δράσης E-business Forum της ΓΓΕΤ (e-business forum, Μάρτιος 2006). Επίσης το Κεφ. 4 εμβαθύνει περαιτέρω για τις εφαρμογές αυτές στα θέματα επικοινωνίας ανθρώπου-υπηρεσίας (ΣΕΑΜ), μια και αυτή η προσωποποίηση μπορεί να αφορά είτε στο περιεχόμενο της Δεκέμβριος

48 Διδακτορική Διατριβή Μαρία Πάνου υπηρεσίας, είτε στον τρόπο επικοινωνίας της με το χρήστη. Λαμβάνεται ιδιαίτερη μέριμνα στα πλαίσια αυτού του κεφαλαίου για επισκόπηση των ιδιαιτέρων αναγκών ειδικών κατηγοριών χρηστών (π.χ. τουριστών, ΑμΕΑ, ηλικιωμένων, κλπ.) αφενός για να καταδειχθεί η ανάγκη προσωποποίησης των σχετικών υπηρεσιών για να είναι βιώσιμες και αφετέρου για να ληφθούν υπόψη οι ανάγκες τους στην προσωποποίηση των σχετικών υπηρεσιών και τον καθορισμό των σχετικών ορίων προσωποποίησης. Για παράδειγμα, το γεγονός ότι αρκετοί ηλικιωμένοι οδηγοί εμφανίζουν χρόνο αντίδρασης ως και 1,5 δευτερόλεπτο (έναντι 1 δευτερόλεπτο για το «μέσο» οδηγό), σημαίνει ότι η συγκεκριμένη παράμετρος προσωποποίησης πρέπει να λάβει τιμές ως και 1,5 δευτ. ή και λίγο περισσότερο σε ένα ΣΠΑΣ, για να καλύψει και αυτή την κατηγορία των οδηγών. Γνωρίζοντας τις ανάγκες των μετακινουμένων για πληροφόρηση (Κεφ. 3) και τις σχετικές τεχνολογίες (Κεφ. 4) και μεθόδους/ανάγκες επικοινωνίας χρηστών και υπηρεσιών, απαιτείται ένα κατάλληλο θεωρητικό υπόβαθρο (μοντέλο), πάνω στο οποίο θα βασισθεί η προσωποποίηση των υπηρεσιών. Αυτό θα καθορίσει τις κύριες παραμέτρους προσωποποίησης, την αλληλεπίδρασή τους αλλά και τη συσχέτισή τους με τις κύριες περιβαλλοντικές συνθήκες στις οποίες λαμβάνει χώρα η κάθε υπηρεσία. Έτσι αναπτύχθηκε ένα νέο, εντελώς καινοτόμο μοντέλο συμπεριφοράς κι ανάδρασης οδηγού, το μοντέλο «DRIVABILITY» (Κεφ. 6), που ενώ βασίστηκε επί των μοντέλων Michon και Gadget, ωστόσο είναι το πρώτο μοντέλο που λαμβάνει υπόψη του δυναμικές παραμέτρους του οδηγού, όπως την ενάργειά του ή τη συγκέντρωσή του τη συγκεκριμένη στιγμή οδήγησης. Το μοντέλο αυτό ήδη δημοσιεύθηκε σε περιοδικό διεθνούς κύρους (Bekiaris E. et al., 2003) και έτυχε πολλών αναφορών, ενώ υιοθετήθηκε ως μοντέλο αναφοράς σε σειρά ερευνητικών έργων (ASK-IT, TRAIN- ALL, OASIS, κλπ.). Μία αρχική επέκτασή του επιχειρείται και για τους λοιπούς μετακινουμένους (μοντέλο TRANSPORTABILITY). Έχοντας πλέον έτοιμο το πλαίσιο ανάπτυξης προσωποποιημένων υπηρεσιών για οδηγούς και μετακινουμένους, εκτελείται εκτενής βιβλιογραφική επισκόπηση (Κεφ. 5) των υφισταμένων αλγορίθμων και συστημάτων προσωποποίησης σχετικών υπηρεσιών και της τεχνολογίας ευφυών πρακτόρων για υλοποίηση της προσωποποίησης. Η σχετική επισκόπηση αποδεικνύει ότι οι ως τώρα προσπάθειες επικεντρώθηκαν σε στατική προσωποποίηση υπηρεσιών, ακόμη και όταν είχαν αρχικά θέσει ως στόχο τους τη δυναμική τους προσωποποίηση. Δυναμικοί αλγόριθμοι αναπτύχθηκαν και δοκιμάστηκαν μόνο πολύ πρόσφατα ( ) στα έργα AIDE και ASK-IT, βασισμένοι επί προσαρμογών (απλοποιήσεων) των αλγορίθμων της παρούσας διδακτορικής διατριβής και υλοποιούμενοι από τη συγγραφέα της. Η τεχνολογία ευφυών πρακτόρων που εντοπίστηκε, έδωσε την απαραίτητη τεχνολογική βάση για υλοποίηση των προτεινομένων αλγορίθμων και ένταξή τους στις σχετικές υπηρεσίες, χωρίς ωστόσο η παρούσα διατριβή να ασχοληθεί με οποιαδήποτε εξέλιξη ή καινοτομία σε αυτή καθαυτή την τεχνολογία των ευφυών πρακτόρων. Βασιζόμενοι στις ανάγκες των χρηστών (Κεφ. 3), την τυποποίηση του μοντέλου DRIVABILITY (και TRANSPORTABILITY) (Κεφ. 6), τις παραμέτρους παροχής των σχετικών υπηρεσιών και των διεπιφανειών χρήσης (Κεφ. 4), αλλά και τις προτάσεις των σχετικών ερευνητικών εργασιών του παρελθόντος (Κεφ. 5), στο Κεφ. 7 πραγματοποιείται ο καθορισμός των κυριοτέρων παραμέτρων προσωποποίησης των προτεινομένων υπηρεσιών πληροφόρησης και προειδοποίησης της παρούσας διατριβής, διακρινόμενες σε στατικές, ημι-δυναμικές και δυναμικές, για οδηγούς και για λοιπούς μετακινούμενους. Παράλληλα, προτείνονται μέθοδοι υπολογισμού των Δεκέμβριος

49 Μεθοδολογία και δομή της διατριβής δυναμικών παραμέτρων προσωποποίησης, ώστε να καταστεί εφικτός ο υπολογισμός και επανυπολογισμός τους σε πραγματικό χρόνο, για να προσαρμόζονται οι σχετικές υπηρεσίες σύμφωνα με την εκάστοτε τιμή της κάθε δυναμικής παραμέτρου (π.χ. χρόνος αντίδρασης οδηγού ή μέγιστος επιθυμητός αριθμός μετεπιβιβάσεων μετακινουμένου). Μετά την επιλογή και των κυρίων παραμέτρων προσωποποίησης και τον καθορισμό του τρόπου υπολογισμού τους σε πραγματικό χρόνο, αναπτύσσονται καινοτόμοι αλγόριθμοι προσωποποίησης υπηρεσιών για οδηγούς στο Κεφ. 8 και λοιπούς μετακινουμένους στο Κεφ. 9. Το κεφάλαιο αυτό αποτελεί την κυριότερη καινοτομία της διατριβής και επικεντρώνεται κυρίως σε αλγορίθμους προσωποποίησης δυναμικών χαρακτηριστικών, αφού τα στατικά και ημι-δυναμικά χαρακτηριστικά είχε ήδη επιχειρηθεί να προσωποποιηθούν (με κυμαινόμενη επιτυχία) στη βιβλιογραφία. Παρόλα αυτά, οι προτάσεις προσωποποίησης στατικών και ημι-δυναμικών χαρακτηριστικών της παρούσας διατριβής προτάθηκαν κι εφαρμόστηκαν επιτυχώς στα πλαίσια του ερευνητικού έργου ASK-IT και γι αυτό δεν υλοποιούνται περαιτέρω δοκιμές και ανάλυσή τους στη σχετική διατριβή. Για την προσωποποίηση των δυναμικών χαρακτηριστικών απαιτήθηκε η υιοθέτηση κάποιων παραμέτρων, σταθερών και ορίων. Αυτά ελήφθησαν είτε από σχετικά όρια και τιμές που είχαν δημοσιευθεί στη βιβλιογραφία (όπου αυτό κατέστη δυνατό) είτε μέσω αλλεπάλληλων υποθέσεων και δοκιμών στα πλαίσια της παρούσας διατριβής. Η ορθότητα των επιλογών θα κριθεί απ τα αποτελέσματα των σχετικών πιλοτικών δοκιμών. Οι πρωτότυποι αλγόριθμοι δυναμικής προσωποποίησης υπηρεσιών/ συστημάτων για οδηγούς και λοιπούς μετακινούμενους υλοποιήθηκαν (με τη βοήθεια λογισμικού ευφυών πρακτόρων) επί πειραματικού οχήματος και φορητών συσκευών (Η/Υ και υπολογιστή παλάμης) για την αξιολόγησή τους από πραγματικούς χρήστες. Όλες οι σχετικές υπηρεσίες/ συστήματα δοκιμάστηκαν από 10 άτομα και συγκρίθηκαν με τις μη προσωποποιημένες (Κεφ. 10). Παρά το σχετικά περιορισμένο αριθμό χρηστών, η ποιοτική ανάλυση των αποτελεσμάτων παρέχει σαφείς ενδείξεις της αξιοπιστίας και σημασίας των προτεινομένων αλγορίθμων αλλά και προτάσεις για την ευθετότερη εφαρμογή τους από άποψη τεχνική, χρηστικότητας αλλά και οργανωτικήνομική (Κεφ. 10 και 11). Τα τελικά συμπεράσματα της διατριβής αλλά και οι κυριότερες προτάσεις για περαιτέρω έρευνα εμπεριέχονται στο Κεφ. 12, με το οποίο ολοκληρώνεται η διατριβή. Τα παραρτήματα παρέχουν επιπλέον πληροφορίες επί συγκεκριμένων θεμάτων και εργαλείων που άπτονται της παρούσας διατριβής ή χρησιμοποιήθηκαν σ αυτή. Δεκέμβριος

50 3 Κατηγοριοποίηση των κύριων «αναγκών για πληροφόρηση» των οδηγών και μετακινουμένων Στο κεφάλαιο αυτό παρουσιάζεται μία πρότυπη κατηγοριοποίηση και τυποποίηση των κυριότερων «αναγκών για πληροφόρηση» των χρηστών (οδηγών και μετακινουμένων με διάφορα μέσα μεταφοράς) οι οποίες διαχωρίζονται σε στατικές και δυναμικές (για ορισμό των στατικών και δυναμικών παραμέτρων, βλ ) αλλά και βάσει του είδους χρήσης. Οι ανάγκες που αναφέρονται προκύπτουν από προηγούμενες μελέτες που έχουν πραγματοποιηθεί σε ερευνητικά προγράμματα σχετικά με υπηρεσίες ενημέρωσης και υποστήριξης όχι μόνο οδηγών, αλλά και των υπολοίπων χρηστών της οδού, καθώς και από έρευνα της παρούσας διατριβής. Τα προγράμματα αυτά, καθώς και το αντικείμενο που εξετάστηκε στο καθένα και η πηγή που χρησιμοποιήθηκε, ακολουθούν στον επόμενο πίνακα: Πίνακας 7: Κυριότερες πηγές εξέτασης σχετικά με τα χαρακτηριστικά των μετακινουμένων. Έργο Σχετικό/ά παραδοτέο/α Αντικείμενο Εσωτερικό Παραδοτέο 2.6.1: Αλγόριθμοι λειτουργίας του αυτοκινήτου του ASK-IT ASK-IT (IST ) GINE IT (IST ) IMAGE (IST ) AIDE (IST IP) COMUNICAR (IST ) TRAVELGUIDE (GRD ) TELSCAN (ΤR 1108) Παραδοτέο 3.1: Ολοκληρωμένο σύστημα πολλαπλών ευφυών πρακτόρων Παραδοτέο 5.2: Έξυπνο σύστημα Παραδοτέο 3.1.2: Σενάρια χρήσης Παραδοτέο 2.2: Ανάγκες χρηστών, προσδοκίες και αποδοχή Παραδοτέο 1: Συστήματα πληροφόρησης και διαχείρισης κυκλοφορίας, ανάγκες χρηστών και τεχνολογικές ελλείψεις. Παραδοτέο 3.1 Καταγραφή αναγκών συστημάτων τηλεματικής για ηλικιωμένους και ΑμΕΑ οδηγούς και ταξιδιώτες. Παραδοτέο 3.2 Σύγχρονα συστήματα τηλεματικής για τις μεταφορές και η σχέση τους με Προσωποποίηση υπηρεσιών για ηλικιωμένους και ΑμΕΑ οδηγούς και μετακινουμένους Προσωποποίηση υπηρεσιών μετακινουμένων Προσωποποίηση υπηρεσιών μετακινουμένων Προσωποποίηση ΣΕΑΜ συστημάτων υποστήριξης οδηγών Προσωποποίηση ΣΕΑΜ συστημάτων υποστήριξης οδηγών Προσωποποίηση υπηρεσιών μετακινουμένων και οδηγών για τουρίστες, ηλικιωμένους, ΑμΕΑ και λοιπούς οδηγούς Κύριες παράμετροι προσωποποίησης και παροχής υπηρεσιών για ΑμΕΑ και ηλικιωμένους οδηγούς Δεκέμβριος

51 Κατηγοριοποίηση των κύριων «αναγκών για πληροφόρηση» των οδηγών και μετακινουμένων Έργο Σχετικό/ά παραδοτέο/α Αντικείμενο ηλικιωμένους και ΑμΕΑ οδηγούς και ταξιδιώτες. Παραδοτέο 3.3: Ανανεωμένες προδιαγραφές ηλικιωμένων και ΑμΕΑ οδηγών. Παραδοτέο 5.2: TELSCAN Κώδικας καλής πρακτικής Εγχειρίδιο Προδιαγραφών σχεδιασμού για τη χρησιμότητα συστημάτων για ηλικιωμένους κι ανάπηρους ταξιδιώτες. ADVISORS (GRD ) Παραδοτέο 1/2.1: Αναγνώριση προβλημάτων, ανάγκες χρηστών και καταγραφή ΣΣΥΟ. Προσαρμογή οδηγικής συμπεριφοράς λόγω χρήσης ΣΕΑΜ Επιπλέον, πραγματοποιήθηκε επισκόπηση πολλών βιβλιογραφικών αναφορών (~ 30), οι οποίες συμπεριλαμβάνονται στη βιβλιογραφία (Κεφ. 13). Βάσει των παραπάνω πηγών, τα ιδιαίτερα χαρακτηριστικά των μετακινουμένων διαμορφώνονται σύμφωνα με τον πίνακα που ακολουθεί. Τα χαρακτηριστικά του παρακάτω πίνακα λαμβάνονται υπόψη στον καθορισμό των παραμέτρων προσωποποίησης των υπηρεσιών πληροφόρησης και προειδοποίησης των μετακινουμένων και οδηγών (Κεφάλαιο 7), που προτείνονται στην παρούσα διατριβή. Δεκέμβριος

52 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 8: Ιδιαίτερα χαρακτηριστικά και ενδιαφέροντα χρήστη μεταφορικού μέσου, βάσει λόγου μετακίνησης και διαχωριζόμενα σε στατικά και δυναμικά. ΤΥΠΟΣ ΜΕΑΤΑΚΙΝΟΥ- ΜΕΝΟΥ ΠΕΖΟΣ ΕΠΙΒΑΤΗΣ ΑΣΤΙΚΟΥ ΛΕΩΦΟΡΕΙΟΥ ΣΤΑΤΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Αποδεκτή διανυόμενη απόσταση μέχρι την πλησιέστερη στάση Τυχόν ειδικές ανάγκες (π.χ. προσβάσιμη διαδρομή) Αποδεκτή διανυόμενη απόσταση μέχρι την πλησιέστερη στάση Ενημέρωση στάσεων (όνομα, τοποθεσία) ΑΝΑΓΚΕΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΔΥΝΑΜΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΧΕΤΙΖΟΜΕΝΑ ΜΕ ΤΟ ΛΟΓΟ ΜΕΤΑΚΙΝΗΣΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Τουρίστας Προτιμήσεις τύπου φαγητού Προτιμήσεις τύπου ξενοδοχείου Πλησιέστερη στάση λεωφορείου, μετρό, τραίνου, σταθμός ταξί, κλπ. Ενημέρωση για αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. και προτεινόμενος τρόπος (μέσο) προσέγγισης Προσβασιμότητα διαδρομής Ώρα άφιξης οχήματος Διάρκεια διαδρομής Μόνιμος κάτοικος προς εργασία Διάρκεια διαδρομής τη συγκεκριμένη ημέρα Μηνιαία κάρτα με ελάχιστη χρέωση Μόνιμος κάτοικος προς αναψυχή Προτιμήσεις είδους αναψυχής Τελευταίο δρομολόγιο Συχνότητα δρομολογίων Κατάλληλη στάση Ενημέρωση για αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. και προτεινόμενο μέσο προσέγγισης Πλησιέστερα αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. Συχνότητα δρομολογίων Κατάλληλη Σε επαγγελματικό ταξίδι Καθοδήγηση (χάρτης) Ξενοδοχεία, εστιατόρια, κλπ. πλησίον σημείου επαγγελματικής συνάντησης Κατάλληλη στάση Κυκλοφοριακός φόρτος και ώρα άφιξης Σε συνθήκες εκτάκτου ανάγκης Πλησιέστερο νοσοκομείο, κλπ. Πλησιέστερη στάση λεωφορείου, μετρό, τραίνου, σημείο επιβίβασης ταξί, κλπ. Ώρα άφιξης οχήματος Διάρκεια διαδρομής Κυκλοφοριακός φόρτος Δεκέμβριος

53 Κατηγοριοποίηση των κύριων «αναγκών για πληροφόρηση» των οδηγών και μετακινουμένων ΤΥΠΟΣ ΜΕΑΤΑΚΙΝΟΥ- ΜΕΝΟΥ ΕΠΙΒΑΤΗΣ ΑΣΤΙΚΟΥ ΜΕΣΟΥ ΣΤΑΘΕΡΗΣ ΤΡΟΧΙΑΣ (ΤΡΑΜ, ΜΕΤΡΟ) ΕΠΙΒΑΤΗΣ ΥΠΕΡΑΣΤΙΚΟΥ ΛΕΩΦΟΡΕΙΟΥ ΣΤΑΤΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Αποδεκτή διανυόμενη απόσταση μέχρι την πλησιέστερη στάση Ενημέρωση στάσεων (όνομα, τοποθεσία) Προτιμήσεις θέσης (παράθυρο, κτλ.) ΑΝΑΓΚΕΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΔΥΝΑΜΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΧΕΤΙΖΟΜΕΝΑ ΜΕ ΤΟ ΛΟΓΟ ΜΕΤΑΚΙΝΗΣΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Τουρίστας Ώρα άφιξης οχήματος Διάρκεια διαδρομής Ώρα άφιξης οχήματος Διάρκεια διαδρομής Μόνιμος κάτοικος προς εργασία Μηνιαία κάρτα με ελάχιστη χρέωση Διάρκεια διαδρομής Μόνιμος κάτοικος προς αναψυχή Τελευταίο δρομολόγιο Συχνότητα δρομολογίων Κατάλληλη στάση στάση για συγκεκριμένο σημείο Πλησιέστερα αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. Συχνότητα δρομολογίων Κατάλληλη στάση για συγκεκριμένο σημείο - Πλησιέστερα αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. Σε επαγγελματικό ταξίδι Κατάλληλη στάση Συχνότητα δρομολογίων Κατάλληλη στάση για συγκεκριμένο σημείο Πλησιέστερη στάση λεωφορείου, μετρό, τραίνου, σημείο επιβίβασης ταξί, Σε συνθήκες εκτάκτου ανάγκης Πλησιέστερα νοσοκομεία, κλπ. καθοδόν Πλησιέστερη στάση λεωφορείου, μετρό, τραίνου, σημείο επιβίβασης ταξί, κλπ. σε σημείο αποβίβασης Διάρκεια Δεκέμβριος

54 Διδακτορική Διατριβή Μαρία Πάνου ΤΥΠΟΣ ΜΕΑΤΑΚΙΝΟΥ- ΜΕΝΟΥ ΕΠΙΒΑΤΗΣ ΣΙΔΗΡΟΔΡΟΜΟΥ ΕΠΙΒΑΤΗΣ ΑΕΡΟΠΛΑΝΟΥ ΣΤΑΤΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Προτιμήσεις θέσης (κατηγορία, προσανατολισμός, παράθυρο, κτλ.) Προτιμήσεις αεροπορικών εταιρειών Προτιμήσεις θέσης (κατηγορία, παράθυρο, ή διάδρομος, κτλ.) ΑΝΑΓΚΕΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΔΥΝΑΜΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΧΕΤΙΖΟΜΕΝΑ ΜΕ ΤΟ ΛΟΓΟ ΜΕΤΑΚΙΝΗΣΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Τουρίστας Έγκαιρη προειδοποίηση πριν τη στάση αποβίβασης Ακριβής προσδιορισμός θέσης επί της τροχιάς Πραγματικά στοιχεία τυχόν πτήσεων προς μετεπιβίβαση Θύρα αναχώρησης/ άφιξης Μόνιμος κάτοικος προς εργασία Δυναμικά χαρακτηριστικά δρομολογίου Μηνιαία κάρτα με ελάχιστη χρέωση Δυναμικά χαρακτηριστικά δρομολογίου Μόνιμος κάτοικος προς αναψυχή Τελευταίο δρομολόγιο Συχνότητα δρομολογίων Κατάλληλη στάση Αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. σε κάθε στάση Συχνότητα δρομολογίων Κατάλληλη στάση για συγκεκριμένο σημείο - Αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. Σε επαγγελματικό ταξίδι κλπ. σε σημείο αποβίβασης Ξενοδοχεία, εστιατόρια, κλπ. πλησίον σημείου επαγγελματικής συνάντησης Δυναμικά χαρακτηριστικά δρομολογίου Ξενοδοχεία, εστιατόρια, κλπ. πλησίον σημείου επαγγελματικής συνάντησης Σε συνθήκες εκτάκτου ανάγκης διαδρομής Κυκλοφοριακός φόρτος Πλησιέστερα νοσοκομεία, κλπ. σε ενδιάμεσες στάσεις Πλησιέστερη στάση για αποβίβαση/ μετεπιβίβαση και εκτιμώμενος χρόνος άφιξης σ αυτή Πλησιέστερα νοσοκομεία, κλπ. σε ενδιάμεσες στάσεις Πλησιέστερη στάση για αποβίβαση/ μετεπιβίβαση και Δεκέμβριος

55 Κατηγοριοποίηση των κύριων «αναγκών για πληροφόρηση» των οδηγών και μετακινουμένων ΤΥΠΟΣ ΜΕΑΤΑΚΙΝΟΥ- ΜΕΝΟΥ ΕΠΙΒΑΤΗΣ ΠΛΟΙΟΥ ΟΔΗΓΟΣ Ι.Χ. ΣΤΑΤΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Πρόβλημα ναυτίας Είδος καμπίνας, θέσης Είδος πλοίου (ταχύπλοο, κλπ.) Αναπηρία/ εναπομείνασες ικανότητες Ηλικία Εμπειρία οδήγησης Βοηθήματα οδήγησης Φύλλο Ειδικές συνθήκες (π.χ. ανικανότητα ανάγνωσης) ΑΝΑΓΚΕΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΔΥΝΑΜΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΧΕΤΙΖΟΜΕΝΑ ΜΕ ΤΟ ΛΟΓΟ ΜΕΤΑΚΙΝΗΣΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Τουρίστας Καιρικές συνθήκες Μέσος χρόνος αντίδρασης Προφίλ οδήγησης Σχεδιαζόμενη διαδρομή (καθοδήγηση διαδρομής) ΧΣ/ΧΣΜΑ ΧΠΟΛ/ΑΠΟΛ Μέση ταχύτητα ως Μόνιμος κάτοικος προς εργασία Δυναμικά χαρακτηριστικά δρομολογίου Μηνιαία κάρτα με ελάχιστη χρέωση Ενημέρωση κυκλοφοριακού φόρτου οδών Υπόδειξη εναλλακτικών διαδρομών (συντομότερος ή πιο οικονομικός) Μόνιμος κάτοικος προς αναψυχή Τελευταίο δρομολόγιο Συχνότητα δρομολογίων Κατάλληλη στάση Ενημέρωση κυκλοφοριακ ού φόρτου οδών Υπόδειξη εναλλακτικών διαδρομών (συντομότερο ς ή πιο οικονομικός) Αξιοθέατα, εστιατόρια, ξενοδοχεία, κλπ. Συχνότητα δρομολογίων Αξιοθέατα, εστιατόρια, κλπ. Καθοδήγηση διαδρομής Ενημέρωση κυκλοφοριακο ύ φόρτου & υπόδειξη εναλλακτικής Σε επαγγελματικό ταξίδι Ξενοδοχεία, εστιατόρια, κλπ. Πλησίον σημείου επαγγελματικής συνάντησης Αξιοθέατα, ξενοδοχεία, εστιατόρια, κλπ. Καθοδήγηση διαδρομής Ενημέρωση κυκλοφοριακού φόρτου & υπόδειξη εναλλακτικής Σε συνθήκες εκτάκτου ανάγκης εκτιμώμενος χρόνος άφιξης σ αυτή Πλησιέστερα νοσοκομεία, κλπ. σε ενδιάμεσες στάσεις Πλησιέστερη στάση για αποβίβαση/ μετεπιβίβαση και εκτιμώμενος χρόνος άφιξης σ αυτή Πλησιέστερο νοσοκομείο, κλπ. Κυκλοφοριακός φόρτος οδών & υπόδειξη εναλλακτικής διαδρομής (συντομότερης, με μικρότερο Δεκέμβριος

56 Διδακτορική Διατριβή Μαρία Πάνου ΤΥΠΟΣ ΜΕΑΤΑΚΙΝΟΥ- ΜΕΝΟΥ ΧΡΗΣΤΗΣ ΠΟΛΛΑΠΛΩΝ ΜΕΤΑΦΟΡΙΚΩΝ ΜΕΣΩΝ ΣΤΑΤΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Προτιμήσεις μέσων Ικανότητα οδήγησης Ύπαρξη Ι.Χ. ΑΝΑΓΚΕΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΜΕΤΑΚΙΝΟΥΜΕΝΟΥ ΔΥΝΑΜΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΧΕΤΙΖΟΜΕΝΑ ΜΕ ΤΟ ΛΟΓΟ ΜΕΤΑΚΙΝΗΣΗΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ Τουρίστας προς όριο ταχύτητας Αποδεκτός αριθμός μετεπιβιβάσεων Αποδεκτός μέγιστος χρόνος αναμονής ανά μετεπιβίβαση Μόνιμος κάτοικος προς εργασία Πραγματικό χρονοδιάγραμμ α όλων των μέσων για έγκαιρη μετεπιβίβαση Μόνιμος κάτοικος προς αναψυχή Κατάλληλη θέση στάθμευσης Αξιοθέατα, εστιατόρια, κλπ. ενδιάμεσα Ωράρια δρομολογίων και εκτιμήσεις καθυστερήσεων διαδρομής (ωραιότερης, χρήση κύριων αρτηριών) Κατάλληλη θέση στάθμευσης Πλησιέστερο σημείο ανεφοδιασμού καυσίμων Αξιοθέατα, εστιατόρια, κλπ. ενδιάμεσα Ωράρια δρομολογίων και εκτιμήσεις καθυστερήσεων Σε επαγγελματικό ταξίδι διαδρομής (συντομότερης) Κατάλληλη θέση στάθμευσης Πλησιέστερο σημείο ανεφοδιασμού καυσίμων Πραγματικό χρονοδιάγραμμ α όλων των μέσων για έγκαιρη μετεπιβίβαση Σε συνθήκες εκτάκτου ανάγκης κυκλοφοριακό φόρτο) Πλησιέστερο σημείο ανεφοδιασμού καυσίμων Προτεινόμενος συνδυασμός μέσων ελαχιστοποίηση ς χρόνου διαδρομής και μετεπιβιβάσεων Δεκέμβριος

57 4 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη 4.1 Κατηγοριοποίηση ΣΣΥΟ/ΠΣΟ Εισαγωγή Προκειμένου να πραγματοποιηθεί η κατηγοριοποίηση συστημάτων «ITS» θεωρείται απαραίτητη η μετάφραση αυτού του αγγλικού όρου στην ελληνική γλώσσα. Χρησιμοποιείται ο όρος ΣΕΜ Συστήματα Ευφυών Μεταφορών, που πρωτοεισάχθηκε από τη γράφουσα στα πλαίσια του τελικού παραδοτέου της Ομάδας Θ3 του E-business Forum (E-business Forum, Μάρτιος 2006), ο οποίος θα αντικαταστήσει τον αγγλικό ITS και θα χρησιμοποιείται στην παρούσα διατριβή όταν επιθυμείται αναφορά σε συστήματα ευφυών μεταφορών. Τα Συστήματα Ευφυών Μεταφορών (ΣΕΜ) προέκυψαν απ το συνδυασμό των τεχνολογιών πληροφόρησης και τηλεματικής καθώς και των εφαρμογών τους στην περιοχή των μεταφορών. Στον όρο ΣΕΜ τείνει ολοένα να προστεθεί και ο όρος «και υπηρεσίες». Τα ΣΕΜ καλύπτουν όλα τα μέσα μεταφοράς καθώς και όλων των ειδών τα συστήματα, τις υπηρεσίες, και γενικά τις παραμέτρους που έχουν σχέση με την οδήγηση, τον οδηγό και το όχημα. Λόγω του γεγονότος ότι ο τομέας της αγοράς των ΣΕΜ είναι ραγδαία αναπτυσσόμενος, οι σχετικές ορολογίες παρουσιάζουν σημαντικές διαφορές. Επίσης, η ορολογία για απλές λειτουργίες ΣΕΜ, μπορεί να ποικίλει σε μεγάλο βαθμό μεταξύ χωρών και ηπείρων. Επιπλέον, υπάρχουν πολλοί αγγλικοί όροι για μεμονωμένα ΣΕΜ που χρησιμοποιούνται ευρέως στον τομέα των μεταφορών σήμερα για διευκόλυνση, αποφεύγοντας την επανάληψη μακρών πολλές φορές φράσεων περιγραφής των σχετικών συστημάτων. Στα πλαίσια του E-business Forum επιχειρήθηκε από τη γράφουσα για πρώτη φορά συστηματική και συντονισμένη απόδοση των υπαρχόντων αγγλικών όρων στην ελληνική γλώσσα. Η λίστα απαρτίζεται από 60 όρους, στην οποία για κάθε αγγλικό όρο (που χρησιμοποιείται στην Ευρώπη) παρατίθεται ο προτεινόμενος ή σε λίγες περιπτώσεις ο υφιστάμενος ελληνικός. Στη λίστα συμπεριλαμβάνονται όροι συστημάτων (π.χ. ΣΣΥΟ/ΠΣΟ) και τεχνικοί όροι. Επιπλέον, 12 νέοι όροι προστέθηκαν στα πλαίσια της παρούσας διατριβής. Συγκεκριμένα, η εν λόγω εκτενής λίστα ΣΕΜ παρουσιάζεται στο Παράρτημα Α (Κεφ. 14). Πρέπει να σημειωθεί ότι παρόλο που η εν λόγω λίστα είναι εκτενής, σε καμία περίπτωση δεν πρέπει να θεωρηθεί τελική, διότι καινούρια συστήματα εμφανίζονται συχνά στην αγορά ή στον ερευνητικό κόσμο των μεταφορών, αλλά και σχετικοί υφιστάμενοι όροι εξελίσσονται δυναμικά. Δεκέμβριος

58 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Επιπλέον, η κατηγοριοποίησή τους εξαρτάται από τις διάφορες απόψεις των ειδικών. Είναι διαφορετική εάν μελετάται από την άποψη της λειτουργίας από ότι εάν δίνεται έμφαση στις εν λόγω τεχνολογίες ή στον τύπο των εμπλεκομένων χρηστών. Επειδή το θέμα της κατηγοριοποίησης δεν είναι ξεκάθαρο, ακολουθούν δύο προσπάθειες που έχουν πραγματοποιηθεί από τη γράφουσα προς αυτή την κατεύθυνση. Η μία υλοποιήθηκε στα πλαίσια του βιβλίου Economic impacts of Intelligent Transportation in Systems: Innovations and Case Studies (Bekiaris, Nakanishi, 2004), όπου παρουσιάζονται και συγκρίνονται μερικές από τις πιο κοινές ομαδοποιήσεις ΣΕΜ (Panou, Bekiaris, 2004). Για λόγους πολιτικής, δεν αναφέρονται ειδικά ονόματα των συστημάτων και των εμπλεκόμενων έργων, παρά μόνο έργα που έχουν χρησιμοποιηθεί ως πηγές. Η δεύτερη, που βασίστηκε στην κατηγοριοποίηση του άρθρου του παραπάνω βιβλίου, πραγματοποιήθηκε στα πλαίσια του E-business Forum και θεωρείται έτσι ανανεωμένη Πρώτη κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών (ΣΕΜ) Χώρες με εμπειρία σε προγράμματα ΣΕΜ έχουν καταλήξει σε κατηγορίες σχετικών εφαρμογών ΣΕΜ, γνωστές ως υπηρεσίες ΣΕΜ. Οι χρήστες ΣΕΜ συμπεριλαμβάνουν διαχειριστές του οδικού δικτύου, παρόχους υπηρεσιών μεταφορών και κατόχους στόλων, αλλά και απλούς μετακινουμένους. Τα επιστημονικά πεδία που καλύπτονται από τις σχετικές τεχνολογίες που ενισχύουν τις ευφυείς μεταφορές, είναι τα εξής: Συστήματα διαχείρισης και υποστήριξης κυκλοφοριακών συμβάντων. Σύγχρονα Συστήματα Υποστήριξης του Οδηγού (ΣΣΥΟ) επί της οδού: «Η έξυπνη υποδομή». Σύγχρονα Συστήματα Υποστήριξης του Οδηγού (ΣΣΥΟ) επί του οχήματος: «Το έξυπνο όχημα». Παγκόσμια συστήματα προσδιορισμού θέσης (GPS, Glonass, Galilleo) και εφαρμογές τους στις μεταφορές. Συστήματα Παρακολούθησης και Διαχείρισης Στόλου Μέσων Μεταφοράς Συστήματα πληροφόρησης κοινού. Συνεργατικά Συστήματα. Στον πίνακα που ακολουθεί, παρουσιάζεται μία σύνθετη ομαδοποίηση 32 συνολικά υπηρεσιών, σύμφωνα με το Διεθνή Οργανισμό Προτυποποίησης (ISO) (ITS Handbook, 2000). Πίνακας 9: Κατηγοριοποίηση ΣΕΜ (ITS Handbook, 2000). Κατηγορία ΣΕΜ Διαχείριση κυκλοφορίας Πληροφόρηση ταξιδιώτη Υποκατηγορία ΣΕΜ 1. Υποστήριξη σχεδιασμού μεταφορών 2. Έλεγχος κίνησης 3. Διαχείριση οδικών συμβάντων 4. Διαχείριση ζήτησης 5. Επιβολή κι έλεγχος κυκλοφοριακών ρυθμίσεων 6. Διαχείριση συντήρησης υποδομής 7. Πληροφορίες προ-αναχώρησης 8. Πληροφορίες κατά την οδήγηση Δεκέμβριος

59 Διδακτορική Διατριβή Μαρία Πάνου Κατηγορία ΣΕΜ Συστήματα οχημάτων Εμπορικά οχήματα Δημόσιες μεταφορές Ηλεκτρονική πληρωμή Ασφάλεια Πίνακας 10: Κατηγοριοποίηση ΣΕΜ (ITS Handbook, 2000). Υποκατηγορία ΣΕΜ 9. Πληροφόρηση κατά το ταξίδι επί δημοσίων μεταφορικών μέσων 10. Υπηρεσίες προσωπικής πληροφόρησης 11. Καθοδήγηση διαδρομής και πλοήγηση 12. Βελτίωση ορατότητας 13. Αυτόματη λειτουργία οχήματος 14. Αποφυγή διαμήκους σύγκρουσης 15. Αποφυγή εγκάρσιας σύγκρουσης 16. Ετοιμότητα ασφαλείας 17. Προετοιμασία συστημάτων προ-σύγκρουσης 18. Αρχικός έλεγχος εμπορικών οχημάτων 19. Διοικητικές διαδικασίες εμπορικών οχημάτων 20. Αυτόματη επιθεώρηση παρά την οδό 21. Παρακολούθηση διαδρομής και κατάστασης οχήματος 22. Διαχείριση στόλου εμπορικών οχημάτων 23. Διαχείριση δημοσίων μεταφορών 24. Διαχείριση στόλου με βάση τη ζήτηση 25. Κατανεμημένη διαχείριση στόλου 26. Ενημέρωση επείγουσας ανάγκης και προσωπικής ασφαλείας 27. Διαχείριση οχημάτων έκτακτης ανάγκης 28. Επικίνδυνα υλικά και ενημέρωση συμβάντος 29. Ηλεκτρονικές οικονομικές συναλλαγές 30. Ασφάλεια δημόσιας μετακίνησης 31. Αύξηση ασφαλείας για ευπαθείς χρήστες της οδού 32. Έξυπνες διασταυρώσεις Οι πιο χαρακτηριστικές τεχνολογίες για τα παραπάνω ΣΕΜ ακολουθούν στον επόμενο πίνακα (ITS Handbook, 2000): Πίνακας 11: Θεμελιώδης αρχιτεκτονική ΣΕΜ (ITS Handbook 2000). Τεχνολογίες ΣΕΜ Υποδομή Όχημα Απόκτηση δεδομένων Ανιχνευτές κυκλοφορίας Αυτόματη Αναγνώριση Οχήματος (ΑΑΟ) Παρακολούθηση καιρού Έλεγχος φορτίου (ΕΦ) Επεξεργασία δεδομένων Διάχυση δεδομένων Παγκόσμιο Δορυφορικό Σύστημα Εντοπισμού Θέσης (ΠΣΕΘ) Αυτόματη Ανίχνευση Ψηφιακός χάρτης Οδικού Συμβάντος (ΑΑΟΣ) Επικοινωνίες δεδομένων Επίγειες επικοινωνίες Τηλεπικοινωνίες κινητών τηλεφώνων Οπτικές ίνες Επικοινωνίες Χαμηλής Διανομή πληροφόρησης Πινακίδες Μεταβλητών Μηνυμάτων (ΠΜΕΜ) Εμβέλειας (ΕΧΕ) Συμβουλευτικό Ραδιόφωνο Αυτοκινητοδρόμου (ΣΡΑ) Δεκέμβριος

60 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Τεχνολογίες ΣΕΜ Υποδομή Όχημα Διαδίκτυο Συστήματα Πληροφόρησης μέσω Ραδιοφώνου / Κανάλι Κυκλοφοριακών Μηνυμάτων (ΣΠΜΡ/ΚΚΜ) Χρήση πληροφόρησης Μέτρηση κυκλοφορίας Καθοδήγηση διαδρομής Έλεγχος Αστικής Κυκλοφορίας (ΕΑΚ) Αποφυγή σύγκρουσης Όμως, αυτές δεν αποτελούν τις πιο κοινές τυπολογίες που συναντιούνται ούτε και τον τρόπο που παρουσιάζονται. Το 2002, ο Ευρωπαϊκός Οργανισμός προώθησης ΣΕΜ (ERTICO) δημοσίευσε ένα χρήσιμο βιβλίο με τις εφαρμογές ΣΕΜ (ITS part of everyone s daily life, ERTICO and NAVTECH, 2002), οι οποίες ακολουθούν μία πιο λεπτομερή κατηγοριοποίηση: Πίνακας 12: Επισκόπηση εφαρμογών ΣΕΜ βάσει του ERTICO, ΣΕΜ για ιδιωτικά οχήματα Σύστημα πληροφόρησης καιρικών συνθηκών και στάθμευσης - Ψηφιακό ραδιοφωνικό μήνυμα («DAB») - Ασύρματες υπηρεσίες - Κανάλι κυκλοφοριακών μηνυμάτων (ΚΚΜ) - Προσωπικές φορητές συσκευές (συσκευές «παλάμης», κινητό τηλέφωνο) Υπηρεσίες εντοπισμού - Καθορισμός θέσης - Πλοήγηση - Καθοδήγηση διαδρομής - Ασύρματες ψηφιακές υπηρεσίες Υπηρεσίες εκτάκτου ανάγκης ΣΣΥΟ - Παρακολούθηση οδηγού (ΣΠΟ) - Υποστήριξη όρασης - Διατήρηση σταθερής ταχύτητας και απόστασης (ΣυΔιΣΤ και ΣΠΕΠ) - Προειδοποίηση και αποφυγή σύγκρουσης (ΣΠΑΣ) - Υποστήριξη διασταύρωσης και διατήρησης λωρίδας (ΣΠΕΛ, ΣΠΝΓ) - Προειδοποίηση και διαχείριση ταχύτητας (ΣΕΠΤ) - Υποστήριξη οπισθοπορείας/στάθμευσης ΣΕΜ για δημόσιες μεταφορές Πληροφοριακά συστήματα μετακινουμένων Αυτόματος εντοπισμός θέσης (ΑΕΘ) Ηλεκτρονικό εισιτήριο Συστήματα για ευπαθείς μετακινουμένους ΣΕΜ για εμπορικά οχήματα Διαχείριση στόλου Διαχείριση φορτίου Παρακολούθηση επικινδύνων υλικών Έλεγχος ταχύτητας Δεκέμβριος

61 Διδακτορική Διατριβή Μαρία Πάνου Έλεγχος φορτίου Σιδηροδρομικά συστήματα ΣΕΜ για υποδομή Κέντρο ελέγχου και διαχείρισης κυκλοφορίας (ΚΕΔΚ) Δεδομένα αυτοκινήτου υπό κίνηση (ΔΑΚ) Πινακίδες μεταβλητών μηνυμάτων (ΠΜΕΜ) Πινακίδες μεταβλητών ορίων ταχύτητας (ΠΜΟΤ) Διαχείριση οδικού συμβάντος Διαχείριση σηράγγων Ηλεκτρονική πληρωμή διοδίων και χρέωση χρήστη οδού Συστήματα αστυνόμευσης Ανεξάρτητα από οποιαδήποτε κατηγοριοποίηση, αξίζει να αναφερθεί ότι υπάρχουν σημαντικές διαφορές μεταξύ των αγγλικών όρων που χρησιμοποιούνται στην Ευρώπη και στην Αμερική. Τα μεγαλύτερα προβλήματα είναι: - η χρήση διαφορετικών όρων για τις ίδιες λειτουργίες, - η χρήση ίδιων όρων για διαφορετικές λειτουργίες. Αντιπροσωπευτικό παράδειγμα της πρώτης περίπτωσης αποτελούν οι ονομασίες των συστημάτων του ακόλουθου πίνακα, όπου φαίνονται οι τεράστιες διαφορές που υπάρχουν μεταξύ Ευρώπης και Αμερικής (Panou & Bekiaris, 2004). Πίνακας 13: Ενδεικτικές ονομασίες και όροι ΣΕΜ σε Ευρώπη κι Αμερική και προτάσεις για αντίστοιχους Ελληνικούς όρους. Ομαδοποίηση εφαρμογών ΣΕΜ (Αμερική) Advanced Traveler Information Systems (ATIS) Advanced Traffic Management Systems (ATMS) Emergency Management Systems (EMS) Advanced vehicle safety systems (AVSS) Advanced Public Transportation Systems (APTS) Commercial vehicle operation (CVO) Ομαδοποίηση εφαρμογών ΣΕΜ (Ευρώπη) Traveler Information Systems (TIS) Traffic Management Systems (TMS) Emergency Management Systems (EMS) Advanced Driver Assistance Systems (ADAS) Public Transport Systems (PTS) Commercial vehicle operation (CVO) Αντίστοιχη προτεινόμενη/ υφιστάμενη ελληνική ορολογία Πληροφοριακά Συστήματα Μετακινουμένων (ΠΣΜ) Συστήματα Διαχείρισης Κυκλοφορίας (ΣΔΚ) Συστήματα Διαχείρισης Κυκλοφοριακών Συμβάντων (ΣΔΚΣ) Σύγχρονα Συστήματα Υποστήριξης Οδηγού (ΣΣΥΟ) Συστήματα Δημοσίων Μεταφορών (ΣΔΜ) Συστήματα Διαχείρισης Εμπορικών Οχημάτων (ΣΔΕΟ) Ειδικά για τα ΣΣΥΟ, οι Panou και Bekiaris (2004) παρουσιάζουν μια σύντομη κατηγοριοποίηση, λαμβάνοντας υπόψη τη σχετική ομαδοποίηση που προτάθηκε στο Δεκέμβριος

62 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη έργο COMMUNICAR (Bellotti & Gloria, 2000), με προσθήκες από τους συγγραφείς. Η κατηγοριοποίηση αυτή είναι η ακόλουθη: Εγκάρσιος έλεγχος - Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας (ΣΠΕΛ) - Σύστημα Ελέγχου Νεκρής Γωνίας (ΣΕΝΓ) Διαμήκης έλεγχος - Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ) - Σύστημα Προειδοποίησης κι Αποφυγής Σύγκρουσης (ΣΠΑΣ) - Σύστημα Έξυπνης Προσαρμογής Ταχύτητας (ΣΕΠΤ) - Ακινητοποίηση κι εκκίνηση - Ανίχνευση πεζών Βοηθήματα οπισθοπορείας/στάθμευσης Βελτίωση ορατότητας Σύστημα Παρακολούθησης Οδηγού (ΣΠΟ) Ολοκληρωμένα συστήματα Ανανεωμένη, προτεινόμενη κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών (ΣΕΜ) Η νέα αναλυτική κατηγοριοποίηση των ΣΕΜ που προτάθηκε από τη γράφουσα και υιοθετήθηκε από την Ομάδα Θ3: Ευφυείς Μεταφορές, του Ε-business forum, της ΓΓΕΤ, παρατίθεται στη συνέχεια. Σε αυτή λήφθησαν υπόψη όλες οι υπάρχουσες κατηγοριοποιήσεις που αναφέρθηκαν παραπάνω. ΣEΜ για Ι.Χ. Σύγχρονα Συστήματα Υποστήριξης Οδηγού (ΣΣΥΟ) Αποφυγής διαμήκους κινδύνου Αποφυγής εγκαρσίου κινδύνου Παρακολούθησης κατάστασης οδηγού Αποφυγής κινδύνων σε διασταυρώσεις Προστασίας ευπαθών χρηστών της οδού Βελτίωσης ορατότητας Διαχείρισης ταχύτητας Προετοιμασίας για σύγκρουση Ολοκληρωμένα Συστήματα Συστήματα Αυτόνομης οδήγησης Πληροφοριακά Συστήματα εντός Οχήματος (ΠΣΟ) Πληροφοριακά συστήματα πλοήγησης, κυκλοφορίας, καιρού και στάθμευσης Πληροφοριακά συστήματα διαχείρισης επικοινωνιών (τηλεφώνου, υπηρεσιών διαδικτύου, κλπ.) Πληροφοριακά συστήματα επί κινητής συσκευής Λοιπά πληροφοριακά συστήματα και υπηρεσίες Υπηρεσίες εκτάκτου ανάγκης ΣEΜ για δημόσια μέσα μεταφοράς Υπηρεσίες πληροφόρησης ταξιδιώτη Αυτόματος εντοπισμός οχήματος Προσωπικές Υπηρεσίες Μεταφοράς ("πόρτα-πόρτα") Εφαρμογές κράτησης θέσης Δεκέμβριος

63 Διδακτορική Διατριβή Μαρία Πάνου Ηλεκτρονικό εισιτήριο Συστήματα για άτομα με προβλήματα κινητικότητας ΣEΜ για εμπορικά οχήματα Διαχείριση στόλου Διαχείριση φορτίου Παρακολούθηση επικινδύνων υλικών Έλεγχος ταχύτητας Έλεγχος οδήγησης και ωραρίων Έλεγχος φορτίου Σιδηροδρομικά συστήματα Ναυτιλιακά συστήματα ΣEΜ για υποδομή Πληροφοριακά Συστήματα Μετακινουμένων (ΠΣΜ) Συστήματα διαχείρισης κυκλοφορίας (ΣΔΚ) Συστήματα διαχείρισης οδικών συμβάντων & εκτάκτων περιστατικών Συστήματα διαχείρισης σηράγγων (ΣΔΣ) Ηλεκτρονικά διόδια και χρέωση χρηστών οδού Συστήματα αστυνόμευσης Συστήματα ελέγχου πρόσβασης & στάθμευσης Συστήματα διαχείρισης τερματικών σταθμών Διατροπικά συστήματα Συστήματα διατροπικού σχεδιασμού ταξιδιού και δρομολόγησης για επιβατικά και εμπορευματικά Διαχείριση οδικής/σιδηροδρομικής πρόσβασης σε λιμένες Συνεργατικά συστήματα (ΣΣ) Συστήματα ασφαλείας Λοιπά ΣEΜ Παρουσίαση ΣΕΜ και σύντομη περιγραφή Βάσει των παραπάνω πινάκων καθώς και του Παραδοτέου 2.1 του έργου COMMUNICAR (Bellotti & Gloria, 2000), στο Παράρτημα Β παρουσιάζεται μία σύντομη περιγραφή όσον αφορά στην κύρια λειτουργία των συστημάτων που υπάγονται στα ΣΕΜ για Ι.Χ., ακολουθώντας την ανανεωμένη κατηγοριοποίηση. Εδώ ακολουθεί μία αναλυτική περιγραφή μόνο των συστημάτων εκείνων που σχετίζονται με τον υπολογισμό δυναμικών παραμέτρων για τη μοντελοποίηση της συμπεριφοράς και ανάδρασης οδηγών στο πλαίσιο εργασίας της παρούσας διατριβής. Συγκεκριμένα, τα συστήματα αυτά είναι: Σύστημα Προειδοποίησης εκτροπής από λωρίδα κυκλοφορίας (ΣΠΕΛ) Τα συστήματα αυτά βοηθούν τους οδηγούς στη διατήρηση της λωρίδας τους. Συνήθως, μία κάμερα ή αισθητήρες υπερύθρων τοποθετούνται στο εμπρόσθιο μέρος του αυτοκινήτου, η οποία βλέπει το δρόμο μπροστά. Επίσης στον προγραμματισμό Δεκέμβριος

64 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη του λογισμικού έχει ενσωματωθεί ένας αλγόριθμος ο οποίος καταγράφει την πορεία της λωρίδας, βάσει των λευκών διαγραμμίσεων, σε σχέση με την πορεία του αυτοκινήτου. Εάν το όχημα αλλάξει ξαφνικά λωρίδα, χωρίς προηγουμένως να ενεργοποιήσει τους φωτεινούς δείκτες αλλαγής πορείας και το ΣΠΕΛ είναι ενεργοποιημένο, το σύστημα παράγει μία προειδοποίηση ηχητική, απτική, ή/και οπτική. Οι πιθανοί τρόποι προειδοποίησης συμπεριλαμβάνουν κραδασμούς επί του τιμονιού ή της θέσης του οδηγού καθώς και ηχητική προσομοίωση γνωστών θορύβων (π.χ. ανυψωμένων διατάξεων οδοστρώματος). Επιπλέον, όταν έχει ενεργοποιηθεί η εφαρμογή διατήρησης της λωρίδας κυκλοφορίας και το σύστημα εντοπίσει παρέκκλιση του οχήματος από την προβλεπόμενη τροχιά του, το σύστημα επαναφέρει το όχημα στο κέντρο της λωρίδας εφαρμόζοντας δύναμη στο τιμόνι. Ο οδηγός μπορεί πάντα να υπερνικήσει τη δύναμη αυτή και να πράξει όπως επιθυμεί. Τέτοια συστήματα έχουν στόχο να προειδοποιούν τους οδηγούς που παρεκκλίνουν απ τη λωρίδα τους, πιθανότατα λόγω υπνηλίας ή διάσπασης συγκέντρωσης κατά την οδήγηση. Εικόνα 2: Λειτουργία ΣΠΕΛ. Τα πλεονεκτήματα των ΣΣΥΟ που δρουν επί του εγκάρσιου άξονα κίνησης του οχήματος είναι τα παρακάτω: Μείωση των ατυχημάτων εγκάρσιου ελέγχου λόγω παρέκκλισης στην παρακείμενη λωρίδα (π.χ. αφηρημένος οδηγός). Μείωση των μετωπικών συγκρούσεων λόγω παρέκκλισης του οχήματος στη λωρίδα αντίθετης κυκλοφορίας (π.χ. οδηγός υπό υπνηλία). Προσαρμογή στη συμπεριφορά του οδηγού σύμφωνα με τη λειτουργία του συστήματος (χρειάζεται να ενεργοποιεί πάντα τους φωτεινούς δείκτες όταν πρόκειται να αλλάξει πορεία), που συνεπάγεται ασφαλέστερη οδήγηση. Υποστήριξη οδηγού, προσφέροντας καλύτερη ορατότητα, καλύπτοντας μία ευρεία περιοχή γύρω από το αυτοκίνητο. Υπάρχουν όμως και κάποιοι περιορισμοί που προσάπτονται στα ΣΠΕΛ, οι οποίοι είναι: Λειτουργούν μόνο σε αυτοκινητόδρομους με έντονα όρια λωρίδας (λευκές διαγραμμίσεις). Λειτουργούν σωστά μόνο για συγκεκριμένο πλάτος λωρίδας (περισσότερη αναφορά στο θέμα αυτό πραγματοποιείται στην ενότητα 8.3.2, και λαμβάνεται υπόψη για τη διαμόρφωση του προτεινόμενου αλγορίθμου προειδοποίησης εκτροπής από λωρίδα κυκλοφορίας). Δεκέμβριος

65 Διδακτορική Διατριβή Μαρία Πάνου Υφίσταται δυνητικά η πιθανότητα αύξησης κινδύνου ατυχήματος λόγω υπερβολικής εμπιστοσύνης του συστήματος από τον οδηγό. Δε λειτουργούν σωστά σε συνθήκες χαμηλής ορατότητας (π.χ. υπό έντονη βροχή, ομίχλη, κλπ.) ή όταν οι λωρίδες κυκλοφορίας δε διακρίνονται (π.χ. χιόνι). Τα παραπάνω στοιχεία αφορούν κυρίως τα συνήθη αυτόνομα ΣΠΕΛ, που βασίζονται επί καμερών επί του οχήματος και όχι επί άλλων τεχνολογιών στην υποδομή (π.χ. μαγνητικών αισθητήρων επί της λωρίδας κυκλοφορίας), τα οποία είναι δαπανηρά και σπάνια. Ακολουθεί ενδεικτική εικόνα με τη λειτουργία ΣΠΕΛ συστημάτων που είναι διαθέσιμα στην αγορά. Εικόνα 3: Ανίχνευση διαγραμμίσεων λωρίδας κατά τη λειτουργία του ΣΠΕΛ και εκτίμηση απόκλισης απ την ορθή πορεία Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ) και Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης (ΣΠΑΣ) Ο σκοπός των συστημάτων αυτών είναι η αποφυγή κινδύνου που προκύπτει από εμπρόσθιο εμπόδιο διότι και τα δύο συστήματα έχουν τη δυνατότητα να ανιχνεύουν την ύπαρξη προπορευομένων οχημάτων. Το ΣΠΕΠ είναι ένα προηγμένο σύστημα ελέγχου πορείας που έχει τη δυνατότητα να διατηρεί την απαιτούμενη απόσταση ασφαλείας από το εμπρόσθιο όχημα, προσαρμόζοντας αυτόματα την ταχύτητα του οχήματος. Μπορεί να ανιχνεύσει την ύπαρξη οχήματος σε απόσταση μέχρι 200 μέτρα. Σε περίπτωση που το ΣΠΕΠ χάσει το στόχο του (το όχημα που έχει εντοπίσει), για παράδειγμα λόγω αλλαγής λωρίδας, τότε επιταχύνει αυτόματα στην αρχική του ταχύτητα. Το σύστημα αποτελείται από έναν αισθητήρα που μετρά την απόσταση, τη γωνιακή θέση και τη σχετική ταχύτητα των εμποδίων. Μία μονάδα επεξεργασίας αναγνωρίζει τα εμπόδια στην τροχιά. Κοινές τεχνολογίες αποτελούνται από ραντάρ λέιζερ και μικροκυμάτων, τα οποία είναι πιο κατάλληλα για δύσκολες καιρικές συνθήκες (π.χ. ομίχλη) σε σχέση με άλλες τεχνολογίες. Δεκέμβριος

66 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Εικόνα 4: Λειτουργία ΣΠΕΠ. 1 η φάση: Εντοπισμός εμπρόσθιου οχήματος 2 η φάση: Προσαρμογή ταχύτητας. Εικόνα 5: Οι φάσεις λειτουργίας του ΣΠΕΠ. Συνήθως το ΣΠΕΠ απενεργοποιείται μόνο του εάν η ταχύτητα ελαττωθεί κάτω από την προτεινόμενη ταχύτητα. Ο οδηγός για να ενεργοποιήσει το σύστημα πιέζει συγκεκριμένα πλήκτρα τα οποία είναι τοποθετημένα τις περισσότερες φορές σε κάποιο από τους υπάρχοντες μοχλούς κοντά στο τιμόνι (π.χ. ρύθμισης ραδιοφώνου ή χειρισμού υαλοκαθαριστήρων) ή στο ίδιο το τιμόνι. Μερικοί κατασκευαστές συμπεριλαμβάνουν ένα εικονίδιο ενεργοποίησης/ απενεργοποίησης στον πίνακα οργάνων, όπως απεικονίζεται στη συνέχεια. Εικόνα 6: Εικονίδιο ένδειξης ενεργοποίησης/ απενεργοποίησης ΣΠΕΠ επί του πίνακα οργάνων του αυτοκινήτου. Το ΣΠΑΣ αποτελείται από αισθητήρες-ραντάρ εγκατεστημένους στο εμπρόσθιο τμήμα του αυτοκινήτου οι οποίοι ελέγχουν συνεχόμενα το δρόμο για άλλα οχήματα ή για εμπόδια. Με την ανίχνευση ενός εμποδίου το σύστημα αποφασίζει εάν υπάρχει κίνδυνος για πρόσκρουση. Εάν ναι, προειδοποιεί τον οδηγό (π.χ. με έναν ήχο ή με φως ή σε μία οθόνη ανυψωμένης κεφαλής). Το όριο βάσει του οποίου το σύστημα παρέχει Δεκέμβριος

67 Διδακτορική Διατριβή Μαρία Πάνου προειδοποίηση ορίζεται από τον κατασκευαστή. Η διαφορά με το ΣΠΕΠ έγκειται στο γεγονός ότι το ΣΠΑΣ λειτουργεί αυτόνομα και δε σχετίζεται με τον καθορισμό της ταχύτητας του οχήματος. Τα πλεονεκτήματα της χρήσης των ΣΠΑΣ/ΣΠΕΠ είναι τα κάτωθι: Υποστήριξη οδηγού για αποφυγή άγχους έγκαιρης πέδησης σε συνθήκες συμφόρησης σε αυτοκινητοδρόμους. Υποβοήθηση του οδηγού από το ΣΠΕΠ σε κύριες ενέργειές του (επιτάχυνση/ επιβράδυνση) κατά την οδήγηση. Πληροφόρηση για διατήρηση προκαθορισμένης απόστασης μεταξύ οχημάτων. Μείωση του κινδύνου εμπροσθίων συγκρούσεων, διατηρώντας τη σωστή απόσταση ασφαλείας από το εμπρόσθιο όχημα. Το ΣΠΕΠ αλλάζει αυτόματα σε μικρότερη ταχύτητα του κιβωτίου ταχυτήτων όταν υπάρχει ανηφορικός δρόμος. Το ίδιο ισχύει και σε κατηφορικό δρόμο (μέσω αυτόματης πίεσης των φρένων) όπου η ταχύτητα παραμένει σταθερή. Οι περιορισμοί κατά τη χρήση των ΣΠΑΣ/ ΣΠΕΠ συμπεριλαμβάνουν: Παρουσιάζουν την καλύτερη δυνατή λειτουργία του σε αυτοκινητόδρομους. Σε δρόμους με στροφές είναι πιθανό οι αισθητήρες να χάσουν επαφή με το εμπρόσθιο όχημα (διότι ανιχνεύουν σε ευθεία πορεία). Προκειμένου να αποφευχθεί η επιτάχυνση του οχήματος στην αρχική του ταχύτητα όταν συμβεί κάτι τέτοιο και να προσεγγίσει πολύ το προπορευόμενο όχημα, το ΣΠΕΠ πρέπει να χρησιμοποιήσει δεδομένα από άλλα ηλεκτρονικά συστήματα του αυτοκινήτου. Έχουν σχεδιαστεί να λειτουργούν και να αναγνωρίζουν κινούμενα εμπρόσθια οχήματα. Ακίνητα εμπόδια (π.χ. κιβώτιο που έπεσε από προπορευόμενο φορτηγό) δεν εντοπίζονται έγκαιρα. Οι αισθητήρες του ΣΠΕΠ ρυθμίζουν την ταχύτητα και την απόσταση όταν το όχημα κινείται πάνω από 30 km/h. Για μικρότερες όμως ταχύτητες, απαιτείται ένας άλλος αισθητήρας με περισσότερες δυνατότητες που να ανιχνεύει την περιοχή απευθείας μπροστά από το αυτοκίνητο. Η επιλογή της μέγιστης ταχύτητας και απόστασης ασφαλείας των ΣΠΑΣ και ΣΠΕΠ είναι πολύ σημαντική για την ορθή λειτουργία των συστημάτων (περισσότερη αναφορά στο θέμα αυτό πραγματοποιείται στην ενότητα 8.3.1, και λαμβάνεται υπόψη για τη διαμόρφωση του προτεινόμενου αλγορίθμου προειδοποίησης και αποφυγής σύγκρουσης). Το τυπικό ΣΠΕΠ ή ΣΠΑΣ ασκεί ως μέγιστο περίπου 20% τη ολικής πίεσης πέδησης. Έτσι, η άμεση πέδηση υπό συνθήκη πανικού αποτελεί ευθύνη του οδηγού και η απόσταση μεταξύ των οχημάτων δε διαφέρει πολύ από όταν δε χρησιμοποιούνται. Εάν το εμπρόσθιο όχημα τύχει να μειώσει ταχύτητα απότομα, ο οδηγός πρέπει αμέσως να πιέσει τον ποδομοχλό πέδησης. Κι επειδή οι ακτίνες σάρωσης του ραντάρ έχουν σχήμα κωνικό, δηλαδή δεν καλύπτουν όλο το πλάτος μπροστά από το όχημα με το ΣΠΑΣ ή το ΣΠΕΠ (πρόκειται για τις τριγωνικές κίτρινες περιοχές στο Σχήμα 11), ο οδηγός πρέπει να είναι ενήμερος για άλλα οχήματα που εμφανίζονται μπροστά του ξαφνικά. Δεκέμβριος

68 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Περιοχές που δεν καλύπτονται από τα ραντάρ των ΣΠΑΣ και ΣΠΕΠ Σχήμα 11: Σημείωση περιοχών που δεν καλύπτονται (δεν ανιχνεύονται) από το ΣΠΑΣ και το ΣΠΕΠ Συμπεράσματα Παρόλο που υπάρχουν διαφορετικά ονόματα και κατηγοριοποιήσεις ΣΕΜ, υπάρχει ένας κοινός παράγοντας για όλα αυτά τα συστήματα, είτε χρησιμοποιούνται στην Ευρώπη, την Αμερική ή την Ασία: η υποστήριξη του οδηγού ή του ταξιδιώτη. Η έρευνα στον τομέα αυτό εστιάζει στις ανάγκες και τις αδυναμίες του οδηγού/επιβάτη και τους τρόπους υποβοήθησής τους να μετακινούνται με ασφάλεια και άνεση. Ωστόσο, υπάρχει ανάγκη για παγκόσμια ομοφωνία στην ονομασία και κατηγοριοποίηση των ΣΕΜ για να σταματήσει η σύγχυση στον τομέα αυτό. Άλλωστε, ένα κοινό γλωσσάρι τέτοιων συστημάτων και υποσυστημάτων θα καθιστούσε δυνατή την απευθείας σύγκριση των ερευνητικών αποτελεσμάτων και των στοιχείων της αγοράς μεταξύ διαφορετικών χωρών και/ή ηπείρων. 4.2 Επικοινωνία ΣΣΥΟ/ΠΣΟ με οδηγό και μετακινούμενο (ΣΕΑΜ) Τα ΣΣΥΟ έχουν δυνητικά μεγάλη επίδραση στη μείωση οδικών ατυχημάτων, ιδίως αυτών τα οποία σχετίζονται με το ανθρώπινο λάθος (Ευρωπαϊκή Ένωση, 2002). Ο βαθμός μείωσης των ατυχημάτων αυτών καθορίζεται ωστόσο από την αλληλεπίδραση του χρήστη με αυτά. Για παράδειγμα, προκειμένου να υποστηριχθεί ο οδηγός στην αποφυγή σύγκρουσης με προπορευόμενο όχημα, είναι σημαντικό η προειδοποίηση που θα του δοθεί από το σύστημα, να προκαλέσει την σωστή και έγκαιρη αντίδραση του οδηγού (π.χ. ελιγμός αποφυγής). Νέες τεχνολογίες σχετικά με την προώθηση πολύ-αισθητηριακών συστημάτων (οπτικών, ακουστικών, απτικών), μεγιστοποιούν τη συμβολή των ΣΣΥΟ στην ασφάλεια. Επιπλέον, είναι γνωστό ότι η εισαγωγή νέων λειτουργιών για την ασφάλεια μπορεί να προκαλέσουν μακροχρόνιες αλλαγές στη συμπεριφορά του οδηγού. Η αλλαγή στη συμπεριφορά, που συχνά αναφέρεται και ως προσαρμογή συμπεριφοράς, μπορεί να επηρεάσει σημαντικά τα πραγματικά οφέλη στην ασφάλεια (σε σχέση με τα αναμενόμενα), τόσο θετικά όσο και αρνητικά (OECD, 1990). Επιδράσεις στη συμπεριφορά προερχόμενες από ΣΣΥΟ, αφορούν στην υπερβολική εμπιστοσύνη στο σύστημα, έχοντας σαν επίπτωση απόσπαση της προσοχής του οδηγού από τη δραστηριότητα της οδήγησης και αντιστάθμιση επικίνδυνων καταστάσεων (π.χ. αύξηση ταχύτητας σε άσχημες καιρικές συνθήκες λόγω ύπαρξης συστήματος ενίσχυσης ορατότητας π.χ. Fosser, Saetermo & Sagberg, 1997, Nilsson, 1995 και Brown, 2000). Τέλος, το Σύστημα Επικοινωνίας Ανθρώπου-Μηχανής (ΣΕΑΜ) αποτελεί κρίσιμο στοιχείο για την αποδοχή ενός συστήματος από το χρήστη, Δεκέμβριος

69 Διδακτορική Διατριβή Μαρία Πάνου εννοώντας ότι ένα ενοχλητικό ΣΕΑΜ οδηγεί στην εγκατάλειψη του συστήματος από τον οδηγό. Εκτός από τα ΣΣΥΟ, πολλά συστήματα πληροφόρησης εντός του οχήματος εγκαθίστανται σε σύγχρονα οχήματα. Σε αντίθεση με τα ΣΣΥΟ, τα συστήματα αυτά δεν αφορούν άμεσα στην πρωταρχική δραστηριότητα οδήγησης, αλλά θέτουν ένα δευτερεύον καθήκον στον οδηγό. Επιπλέον, η χρήση φορητών συσκευών κατά την οδήγηση όπως κινητό τηλέφωνο και υπολογιστές παλάμης (PDA), αυξάνει συνεχόμενα. Τα συστήματα πληροφόρησης μπορεί να αποσπάσουν επικίνδυνα την προσοχή του οδηγού και να του προσθέσουν παραπάνω πνευματικό φόρτο. Οι κίνδυνοι που προκαλούν τα συστήματα στην οδική ασφάλεια είναι γνωστοί. Σχετική έρευνα (Redelmeier & Tibshirani, 1997) έχει δείξει ότι η χρήση κινητού τηλεφώνου κατά την οδήγηση, αυξάνει τον κίνδυνο ατυχήματος κατά τέσσερις φορές. Είναι κατανοητό ότι η μελέτη και ο σωστός σχεδιασμός ΣΕΑΜ συστημάτων πληροφόρησης και προειδοποίησης οδηγού επέχει πρωταρχική σημασία για την ελαχιστοποίηση του φόρτου εργασίας και της απόσπασης προσοχής που προκαλούν στον οδηγό. Το παραπάνω ισχύει ακόμη περισσότερο για συνδυασμό πολλών συστημάτων υποστήριξης και πληροφόρησης του οδηγού σε ένα αυτοκίνητο. Το παρακάτω σχήμα παρουσιάζει την εικόνα του οδηγού όπως τη βλέπουν κατασκευαστές ΣΕΑΜ με τη χρήση πολλών τέτοιων συστημάτων στο αυτοκίνητο, το οποίο δε θα αργήσει να αποτελέσει πραγματικότητα στο εγγύς μέλλον. ΠΣΟ Ράδιο, CD, DVD Κινητό τηλέφωνο Διαδίκτυο/ Υπολογιστής παλάμης (PDA) Οδική & κυκλοφοριακή πληροφόρηση ΟΔΗΓΟΣ Κατάσταση οχήματος Προειδοποίηση ταχύτητας Έλεγχος μειωμένης εγρήγορσης οδηγού Ενεργή προστασία πεζών Επαύξηση ορατότητας Υποστήριξη εγκάρσιου ελέγχου Προειδοποίηση σύγκρουσης Ασφαλής ακολούθηση ΣΣΥΟ Σχήμα 12: Παραδείγματα διαφόρων ΣΣΥΟ και ΠΣΟ που αλληλεπιδρούν με τον οδηγό: Κατάσταση που θεωρούν οι ειδικοί ότι θα ισχύσει στο εγγύς μέλλον! 1 1 Τα παραδείγατα των ΣΣΥΟ και ΠΣΟ προέρχονται από το κείμενο esafety. Η διαφορά μεταξύ ΣΣΥΟ και ΠΣΟ δεν είναι πάντα σαφής. «Τυπικά» ΣΣΥΟ βρίσκονται στο κάτω μέρος του σχήματος, ενώ «τυπικά» ΠΣΟ στο επάνω μέρος. Δεκέμβριος

70 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Από το σχήμα, είναι κατανοητό ότι τα διάφορα συστήματα που αλληλεπιδρούν με τον οδηγό δε μπορούν να λειτουργήσουν μεμονωμένα. Ο πιο προφανής λόγος γι αυτό είναι ότι ένας τέτοιος μεγάλος αριθμός διαφορετικών ΣΕΑΜ συσκευών, απλά δε «χωράει» (χωρικά, ενεργειακά, υπολογιστικά, κλπ.) στο αυτοκίνητο. Επίσης, ο συνδυασμός πληροφοριών από διάφορα συστήματα, μπορεί να μπερδέψει, να αγχώσει, να εκνευρίσει και να κουράσει τον οδηγό, δημιουργώντας έτσι προβλήματα που πιθανόν να μην υπήρχαν στην επιμέρους χρήση κάθε συστήματος. Γι αυτό και η αλλαγή στη συμπεριφορά του οδηγού διαφέρει με τη χρήση πολλών συστημάτων, συγκρινόμενη με το κάθε σύστημα μόνο του. Συνεπώς, υπάρχει ανάγκη για μία ενιαία συσκευή αλληλεπίδρασης που συνδυάζει το αποτέλεσμα πολλών συστημάτων. Μερικά χαρακτηριστικά τέτοιων ενιαίων συσκευών αλληλεπίδρασης συμπεριλαμβάνουν: 1. Πολυκάναλες συσκευές αλληλεπίδρασης με τον οδηγό, χρησιμοποιούμενες εναλλακτικά και ταυτόχρονα από πολλά συστήματα (π.χ. συσκευές προβολής επί του εμπρόσθιου ανεμοθωρακίου, μηνυμάτων συνθετικής φωνής, δόνησης ζώνης οδηγού, κλπ.). 2. Αλγόριθμοι ιεράρχησης μηνυμάτων και δεδομένων, μεταξύ των διαφόρων συστημάτων. 3. Ασύρματη εγκατάσταση συσκευών χειρισμού στον πίνακα ελέγχου. 4. Προσαρμογή του ολοκληρωμένου ΣΕΑΜ στον εκάστοτε οδηγό και στην κατάστασή του. Στο κεφάλαιο αυτό, παρουσιάζονται οι κατηγορίες ΣΕΑΜ καθώς και αποτελέσματα σχετικά με την αποδοχή των χρηστών κατά τη χρήση ΣΕΑΜ διαφόρων συστημάτων ΣΣΥΟ/ΠΣΟ Κατηγορίες ΣΕΑΜ Υπάρχουν 4 κατηγορίες ΣΕΑΜ, ως ακολούθως: Οπτικά Ακουστικά Απτικά Συνδυαστικά Οι υποκατηγορίες για κάθε τύπο ΣΕΑΜ είναι οι παρακάτω: Οπτικό ΣΕΑΜ Επιφάνεια υψωμένης κεφαλής Επιφάνεια χαμηλωμένης κεφαλής Πίνακας οργάνων Εμπρόσθιος (κεντρικός) καθρέπτης Πλάγιοι καθρέπτες Οθόνη πληροφόρησης Οθόνη πλοήγησης Ακουστικό ΣΕΑΜ Φωνή Ήχος Ήχος που υποδηλώνει την κατεύθυνση προέλευσής του («directional sound») Προσομοίωση ήχου (π.χ. υπερυψωμένες διατάξεις οδοστρώματος τύπου «rumble strips») Δεκέμβριος

71 Διδακτορική Διατριβή Μαρία Πάνου Απτικό ΣΕΑΜ Κραδασμός θέσης (και προσομοίωση υπερυψωμένων διατάξεων) Παλμός πέδησης Παλμός επιτάχυνσης Κραδασμός τιμονιού Αισθήσεις /οσμές Ρύθμιση θερμοκρασίας (π.χ. κρύος αέρας) Συνδυαστικό ΣΕΑΜ (ενδεικτικά παραδείγματα) Φάση (σε περίπτωση που υπάρχουν διάφορες φάσεις προειδοποίησης, π.χ. πράσινη, κίτρινη ή κόκκινη). Στοιχεία ΣΕΑΜ (π.χ. συνδυασμός ήχου στα 85dB - ακουστική προειδοποίηση - & διακοπτόμενο φως στον κεντρικό καθρέπτη - οπτική προειδοποίηση). Το σχήμα που ακολουθεί απεικονίζει τις πιθανές θέσεις οπτικών ΣΕΑΜ (που αναφέρονται παραπάνω), για τον οδηγό: Σχήμα 13: Τοποθεσία οπτικών ΣΕΑΜ εντός του οχήματος Διαφοροποιήσεις ανά τύπο χρήστη Παρόλο που η παρούσα διατριβή αφορά αλγορίθμους προσωποποίησης για όλους τους μετακινουμένους και οδηγούς, είναι φανερό ότι όπως ο ασθενέστερος κρίκος μίας αλυσίδας χαρακτηρίζει τη συνολική της ανοχή, έτσι και οι πλέον απαιτητικοί (από πλευράς αναγκών) χρήστες καθορίζουν το εύρος της ανάγκης προσωποποίησης. Στην παρούσα παράγραφο δίνεται έμφαση στις ανάγκες των διαφόρων ειδικών κατηγοριών οδηγών για πληροφόρηση αλλά και τρόπο πληροφόρησης (ΣΕΑΜ), ενώ παρατίθενται και κάποια στοιχεία για τους λοιπούς μετακινουμένους, ώστε να Δεκέμβριος

72 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη ληφθούν υπόψη κατά την προσωποποίηση υπηρεσιών και συστημάτων, που πραγματοποιείται στα επόμενα κεφάλαια της διατριβής Ανάγκες ΣΕΑΜ ανά τύπο οδηγού Προκειμένου να κατασκευαστούν βέλτιστα ΣΕΑΜ πρέπει να αναγνωριστούν τα προβλήματα και οι ελλείψεις που εντοπίζονται στα υπάρχοντα συστήματα. Στην παράγραφο αυτή θα παρουσιαστούν οι διαφορετικές ανάγκες για ΣΕΑΜ ανά τύπο οδηγού, από μία μελέτη επί ερωτηματολογίων που συμπληρώθηκαν από ειδικούς (κυρίως από αυτοκινητοβιομηxανίες) σχετικά με τις ανάγκες των χρηστών σε μελλοντικές τεχνολογίες ΣΕΑΜ, αλλά και από οδηγούς που συμμετείχαν σε δοκιμές ΣΕΑΜ και τους ζητήθηκε να τα αξιολογήσουν σε παλαιότερα Ευρωπαϊκά έργα. Σε κάθε ένα από τα έργα αυτά αξιολογήθηκε το ΣΕΑΜ διαφορετικού τύπου συστήματος. Παρακάτω παρουσιάζονται οι κατηγορίες των οδηγών που λαμβάνονται υπόψη, καθώς και τα αντίστοιχα ερευνητικά έργα από τα οποία αντλήθηκαν οι σχετικές πληροφορίες: - Όλοι οι οδηγοί (έργο AIDE). - Νέοι οδηγοί (από τα έργα TRAINER, IN-ARTE). - Ηλικιωμένοι οδηγοί (έργα TRL project Report 26, EDDIT, TELSCAN, AGILE, TRAVELGUIDE). - Οδηγοί με ειδικές ανάγκες (έργα TELAID, TELSCAN, CONSENSUS, TRAVELGUIDE). - Ξένοι οδηγοί (έργο TRAVELGUIDE) Νέοι οδηγοί Το έργο TRAINER (GRD ) ανέλυσε 250 διαφορετικές βιβλιογραφικές αναφορές προκειμένου να εντοπίσει τις ιδιαίτερες ανάγκες των νέων οδηγών για τη βελτίωση της εκπαίδευσης οδήγησης. Τα πιο σημαντικά επιτεύγματα του έργου ήταν η ανάπτυξη καινοτόμων εργαλείων εκπαίδευσης: λογισμικό πολυμέσων και προσομοιωτής οδήγησης, καθώς και σχετικά σενάρια εκπαίδευσης και εξέτασης υποψηφίων οδηγών. Τα εργαλεία αυτά χρησιμοποιήθηκαν και αξιολογήθηκαν από 300 οδηγούς σε τρεις χώρες (Βέλγιο, Ελλάδα, Σουηδία) και τα αναλυτικά αποτελέσματα παρουσιάζονται στο Παραδοτέο του έργου 6.2 (Naniopoulos A. et al., 2003). Ανάμεσα στα εκπαιδευτικά σενάρια συμπεριλαμβανόταν και σενάρια για ΣΣΥΟ (για ΣΠΕΠ, πλοήγηση και καθοδήγηση διαδρομής). Παρόλο που η έμφαση του έργου ήταν ο τρόπος και το περιεχόμενο εκπαίδευσης των οδηγών για την αύξηση της οδικής ασφάλειας, προβλήθηκαν και οι ανάγκες των νέων οδηγών σε σχέση με την αποτελεσματική προειδοποίησή τους από ΣΣΥΟ. Τα πιο σημαντικά αποτελέσματα αξιολόγησης των ΣΕΑΜ των αναπτυχθέντων εργαλείων παρουσιάζονται παρακάτω: - Οι νέοι οδηγοί προτιμούν πιο «διακριτικές» προειδοποιήσεις (δηλαδή απτικές ή ακουστικές έναντι ρητών ηχητικών ή γραπτών μηνυμάτων). - Οι νέοι οδηγοί δεν έχουν τη δυνατότητα να ελέγχουν το δρόμο σωστά γι αυτό δε μπορούν να εστιάζουν προσεκτικά. Πιο συγκεκριμένα, αυτή η κατηγορία των οδηγών παρουσιάζει μικρότερο εύρος οριζοντίου ελέγχου του περιβάλλοντος, εστιάζουν πιο κοντά στο εμπρόσθιο όχημα, ελέγχουν τους καθρέπτες λιγότερο τακτικά, χρησιμοποιούν την περιφερειακή όραση με μικρότερη αποτελεσματικότητα, ρίχνουν το βλέμμα τους σε αντικείμενα πιο σπάνια και επικεντρώνουν σε λιγότερα αλλά και στάσιμα αντικείμενα. Όλα τα παραπάνω χαρακτηριστικά, σε συνδυασμό με τη μειωμένη ικανότητά τους να Δεκέμβριος

73 Διδακτορική Διατριβή Μαρία Πάνου χρησιμοποιούν διασπώμενη προσοχή ενώ οδηγούν (λόγω της έλλειψης εμπειρίας), οδηγούν στην ανάγκη για νωρίτερες προειδοποιήσεις, ειδικά αυτές που αφορούν στον οριζόντιο άξονα κίνησης. Ο κύριος στόχος του συστήματος IN-ARTE (TR4014) ήταν ο συνδυασμός συστημάτων πλοήγησης διαδρομής και αποφυγής σύγκρουσης. Συμπεριέλαβε όμως και άλλες λειτουργίες, όπως προειδοποιήσεις εκτροπής από λωρίδα κυκλοφορίας, προειδοποιήσεις υψηλής ταχύτητας και ταχύτητας επί απότομων στροφών, κλπ. Οι προτιμήσεις των οδηγών στο ΣΕΑΜ καταγράφηκαν σε τρεις φάσεις: Αρχικά πραγματοποιήθηκε έρευνα αναγκών με 23 άτομα, για 3 διαφορετικά ΣΕΑΜ που ήταν ένα εικονίδιο, γραπτό κείμενο και ακουστικό μήνυμα, καθώς και συνδυασμός αυτών. Για την οπτική απεικόνιση χρησιμοποιήθηκε φορητός υπολογιστής στο επάνω μέρος του πίνακα ελέγχου του αυτοκινήτου (Εικόνα 7). Για τη 2 η φάση χρησιμοποιήθηκε προσομοίωση επί Η/Υ, όπου έλαβαν μέρος 28 άτομα. Η προσομοίωση συμπεριλάμβανε ηχητικά, φωνητικά και οπτικά μηνύματα και ενεργοποίηση φωτεινών σημείων. Στην τελευταία φάση οι δοκιμές πραγματοποιήθηκαν σε τρεις προσομοιωτές οδήγησης, όπου αξιολογήθηκαν ο φόρτος εργασίας και οι προτιμήσεις των χρηστών σχετικά με τα είδη προειδοποιήσεων, τα κριτήρια για ενεργοποίηση του συστήματος, η χρησιμότητα του ΣΕΑΜ και η αλλαγή στη συμπεριφορά του χρήστη Εικόνα 7: Πρώτη (αριστερά) και 2 η (δεξιά) φάση δοκιμών. Κατά την τελευταία φάση 12 νέοι οδηγοί και 12 έμπειροι οδηγοί πραγματοποίησαν δοκιμές του συστήματος. Οι προτιμήσεις των νέων οδηγών σε σχέση με το ΣΕΑΜ συγκρίθηκαν με εκείνες των πιο έμπειρων οδηγών. Οι πιο σημαντικές διαφορές είναι οι εξής: - Οι νέοι οδηγοί προτιμούν μηνύματα με σχήματα αντί κειμένου για προειδοποιήσεις επί του διαμήκη άξονα της οδού ή κρίσιμες προειδοποιήσεις σε σχέση με εμπόδια. Αλλά για εκτροπή απ τη λωρίδα κυκλοφορίας προτιμούν καθαρό κείμενο (ως δευτερεύον μέσο ενημέρωσης, συμπληρωματικό του ακουστικού). - Τα ακουστικά μηνύματα φαίνεται να αποτελούν το πιο αποτελεσματικό τρόπο προειδοποίησης για νέους οδηγούς και ειδικά για τις περιπτώσεις εκτροπής από τη λωρίδα κυκλοφορίας. - Οι απτικές προειδοποιήσεις βαθμολογήθηκαν θετικά, ειδικά αυτές που δε γίνονται αντιληπτές από τους επιβάτες ή το συνοδηγό (π.χ. κραδασμοί της ζώνης ασφαλείας) Ηλικιωμένοι οδηγοί Δεκέμβριος

74 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Συγκρίσεις ανάμεσα σε ηλικιωμένους οδηγούς και στους υπολοίπους, που καταγράφονται σε έκθεση του έργου TRL (TRL project report 26, 1993), όσον αφορά χρόνους αντίδρασης αντίληψης και αντίδρασης σε οπτικό/ ακουστικό ερέθισμα, κατέδειξαν ότι όλοι οι χρόνοι αντίδρασης αυξάνονται κατά περίπου 50% μετά την ηλικία των 80 ετών. Μερικά αντιπροσωπευτικά αποτελέσματα παρουσιάζονται στο ακόλουθο γράφημα: Μέσοςχρόνοςσεms A B Γ Δ ετών ετών ετών 80+ ετών Σχήμα 14: Μέσοι χρόνοι αντίδρασης σε οπτικό και ηχητικό ερέθισμα, ανά ηλικιακή ομάδα. Α: χρόνος αντίληψης (οπτικό ερέθισμα), Β: χρόνος αντίδρασης (οπτικό ερέθισμα), Γ: χρόνος αντίληψης (ακουστικό ερέθισμα), Δ: χρόνος αντίδρασης (ακουστικό ερέθισμα). Εφόσον ο χρόνος αντίδρασης των ηλικιωμένων οδηγών μπορεί να είναι έως και διπλάσιος από τους μέσους οδηγούς (όχι όμως πάντα) τα ΣΕΑΜ διαφόρων συστημάτων πρέπει να λαμβάνουν υπόψη τους διαφορετικούς χρόνους αντίδρασης πολλών πρεσβυτέρων οδηγών. Στο πρόγραμμα EDDIT πραγματοποιήθηκαν επίσης δοκιμές με σκοπό τη μέτρηση του χρόνου αντίδρασης ηλικιωμένων οδηγών. Οι διαφορετικοί χρόνοι αντίδρασης που βρέθηκαν από τις δοκιμές παρουσιάζονται στο παρακάτω διάγραμμα, βάσει τριών διαφορετικών τύπων ΣΕΑΜ: επιφάνεια απεικόνισης σε θέση υψωμένης κεφαλής (HUD), οθόνη παρουσίασης και οθόνη με ήχο (EDDIT Παραδοτέο 17, 1994). Επίσης, το διάγραμμα διαχωρίζει τους χρόνους αντίδρασης σε οπτικό και ηχητικό ερέθισμα. Χρόνος αντίδρασης (sec) 2 1,5 1 0,5 0 Επιφάνεια Oθόνη με ήχο απεικόνισης σε θέση υψωμένης κεφαλής Οθόνη παρουσίασης Νέοι Ηλικιωμένοι Ηχητικό ερέθισμα Μέθοδος παρουσίασης Σχήμα 15: Χρόνοι αντίδρασης ηλικιωμένων και νέων οδηγών. Σύμφωνα με το παραπάνω σχήμα οι χρόνοι αντίδρασης είναι μικρότεροι για την επιφάνεια παρουσίασης σε θέση υψωμένης κεφαλής, ακολουθούμενοι από τους χρόνους αντίδρασης της απλής οθόνης και τέλος της οθόνης με ήχο, οι οποίοι ήταν οι μεγαλύτεροι. Δεκέμβριος

75 Διδακτορική Διατριβή Μαρία Πάνου Τα συμπεράσματα από τα πειράματα του EDDIT εκφράζουν ότι δεν υπάρχει ανάγκη για συγκεκριμένο ΣΕΑΜ για ηλικιωμένους οδηγούς, διότι μπορούν να χρησιμοποιούν τα περισσότερα κανάλια επικοινωνίας. Υπάρχει όμως ανάγκη για συγκεκριμένες ενέργειες για κατάλληλες προσαρμογές ΣΕΑΜ, οι οποίες είναι: - Πρέπει να ακολουθηθεί η αρχή «σχεδιασμός για όλους» για την ανάπτυξη ΣΕΑΜ εντός αυτοκινήτων, έτσι ώστε να μην αποκλείονται κατηγορίες οδηγών από τη χρήση τους και να προσφέρονται καλύτερες λύσεις για όλους. - Χρειάζεται παροχή εύκολων και προσαρμοζόμενων λύσεων, τόσο όσον αφορά στη θέση εγκατάστασης (λόγω της πιθανής συνύπαρξης βοηθημάτων οδήγησης για ηλικιωμένους και ανάπηρους οδηγούς) και στις τιμές ορίων (π.χ. ένταση, επιτρεπτός χρόνος αντίδρασης). - Πρέπει να επιτελείται ο έλεγχος των νέων βοηθημάτων οδηγών με ηλικιωμένους και αναπήρους οδηγούς και όχι με μεσήλικες ή νέους άνδρες οδηγούς, όπως συμβαίνει συνήθως. Στο έργο TRAVELGUIDE (GRD ) έξι ηλικιωμένοι οδηγοί (άνω των 65 ετών) χρησιμοποίησαν συστήματα ΠΣΟ (λήψη μηνυμάτων στο κινητό και μηνύματα στο ραδιόφωνο σχετικά με την κυκλοφορία) οδηγώντας στη Θεσσαλονίκη. Τα σχετικά πορίσματα ακολουθούν παρακάτω: - Η παρουσίαση των ορίων ταχύτητας πρέπει να δίνονται σε μορφή εικονιδίων. - Η λειτουργία του ραδιοφώνου προκαλεί μεγαλύτερο φόρτο εργασίας στους οδηγούς αυτούς. - Η αποστολή και η λήψη μηνυμάτων στο κινητό (SMS), ως λειτουργία των ΠΣΟ δημιουργεί μεγαλύτερο φόρτο εργασίας από ότι σε οποιαδήποτε άλλη κατηγορία οδηγών, κυρίως λόγω της χαμηλής εξοικείωσης των ηλικιωμένων οδηγών με αυτά. - Οι ηχητικές προειδοποιήσεις μπορεί να τρομάξουν μερικούς ηλικιωμένους οδηγούς. Επιπλέον, σε επικίνδυνες καταστάσεις οι ηχητικές προειδοποιήσεις μπορεί να αυξήσουν τη σύγχυσή τους. - Οι απτικές προειδοποιήσεις των ΣΠΕΠ, με επενέργεια επί των ποδομοχλών του οχήματος, βρέθηκαν ότι είναι πιο δύσχρηστες και οι οδηγοί είχαν λιγότερη εμπιστοσύνη. Αυτό μπορεί να οφείλεται στο «σύνηθες», μη προσαρμοζόμενο ΣΕΑΜ. - Υπάρχει μεγάλη ανάγκη να εκπαιδεύονται οι ηλικιωμένοι οδηγοί, ώστε να εξοικειωθούν πριν αντιμετωπίσουν απτικές προειδοποιήσεις. Στα πλαίσια του έργου AGILE (QLRT ), αναπτύχθηκε μία νέα μέθοδος εξέτασης και επανεκπαίδευσης των ηλικιωμένων οδηγών. Η μέθοδος αυτή περιλαμβάνει ερωτηματολόγια, νευροψυχοκινητική εξέταση, σενάρια για προσομοιωτή οδήγησης, καθώς και μία προτυποποιημένη δοκιμή οδήγησης σε πραγματικό δρόμο, τα οποία αξιολογήθηκαν με περίπου 300 οδηγούς σε τρεις χώρες (Βέλγιο, Ελλάδα, Σουηδία). Μία έρευνα που πραγματοποιήθηκε στο έργο κατέδειξε ότι το 28% των ατυχημάτων των οδηγών ηλικίας 65+, λαμβάνουν χώρα σε διασταυρώσεις (με πρωτεύοντες ή δευτερεύοντες τύπους δρόμων), σε σύγκριση με 19% για άλλες κατηγορίες οδηγών. Έτσι, πρέπει να δοθεί έμφαση σε ΣΣΥΟ που υποστηρίζουν αυτή τη δραστηριότητα. Δεκέμβριος

76 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Επιπλέον, εξετάσθηκαν τα ΣΣΥΟ «νεκρής» γωνίας και διασταύρωσης τύπου «Τ» με ηλικιωμένους οδηγούς από τη Fiat, επί προσομοιωτή οδήγησης εικονικής πραγματικότητας. Ακολουθούν στιγμιότυπα από τα σενάρια οδήγησης (Εικόνα 8) και εικόνες από τους ηλικιωμένους οδηγούς καθώς οδηγούσαν τον προσομοιωτή οδήγησης (Caci P. et al., 2005). Οδηγούμενο όχημα Επερχόμενο όχημα Περιοχή που καλύπτεται από τον αισθητήρα Πεδίο όρασης του οδηγού Επαναλαμβανόμενα σήματα Αριστερό σήμα Δεξί σήμα Εικόνα 8: Σενάρια από τον προσομοιωτή οδήγησης εικονικής πραγματικότητας της Fiat, κατά τις δοκιμές του έργου AGILE. Εικόνα 9: Συμμετέχοντες στις δοκιμές της Fiat, κατά τις δοκιμές του έργου AGILE. Η δοκιμή με το βοήθημα «νεκρής» γωνίας πραγματοποιήθηκε σε αυτοκινητόδρομο δύο λωρίδων, με ταχύτητες μεταξύ 90 και 110 km/h, όπου ο οδηγός έπρεπε να αλλάξει λωρίδα για να προσπεράσει αργά κινούμενα οχήματα στη λωρίδα του. Στη δοκιμή αυτή έλαβαν μέρος 15 ηλικιωμένοι οδηγοί, μεταξύ 55 και 75 ετών καθώς και 15 νεότεροι (ως ομάδα σύγκρισης). Η δοκιμή του βοηθήματος διασταύρωσης «Τ» ήταν η ανίχνευση της παρουσίας κάθετων οχημάτων σε μία διασταύρωση, μέσω αισθητήρα που ήταν τοποθετημένος στο εμπρόσθιο μέρος του οχήματος. Στη δοκιμή αυτή συμμετείχαν 12 ηλικιωμένοι οδηγοί και 11 νεότεροι. Δοκιμάστηκαν δύο είδη προειδοποίησης: 1. Εάν ο «χρόνος έως τη διασταύρωση» ήταν μικρότερος από 6 δευτ. (κατάσταση πληροφόρησης), η παρουσία του γνωστοποιούταν με προσομοίωση ενεργοποίησης διόδου φωτοεκπομπής στον πλαϊνό καθρέπτη κίτρινου Δεκέμβριος

77 Διδακτορική Διατριβή Μαρία Πάνου χρώματος (η θέση της διόδου φαίνεται στην Εικόνα 8), που σημαίνει ότι ο οδηγός μπορεί είτε να αρχίσει τον ελιγμό άμεσα είτε να περιμένει το άλλο όχημα να περάσει. 2. Εάν ο «χρόνος έως τη διασταύρωση» ήταν μικρότερος από 3 δευτ. (κατάσταση κινδύνου), τότε το χρώμα της διόδου φωτοεκπομπής στον πλαϊνό καθρέπτη ήταν κόκκινο, που σημαίνει ότι ο οδηγός έπρεπε να περιμένει το αυτοκίνητο να περάσει. Δε δίνονταν προειδοποίηση εάν ο «χρόνος έως τη διασταύρωση» ήταν μεγαλύτερος από 6 δευτερόλεπτα. Τα σημαντικότερα συμπεράσματα των παραπάνω δοκιμών ήταν τα εξής: - Το βοήθημα «νεκρής» γωνίας κρίθηκε χρήσιμο για όλους τους οδηγούς, αλλά ιδιαίτερα χρήσιμο για τους ηλικιωμένους. - Το βοήθημα διασταύρωσης «Τ», παρόλο που εστιάζει σε μία δραστηριότητα οδήγησης όπου οι ηλικιωμένοι παρουσιάζουν πολλά ατυχήματα (σε διασταυρώσεις), δεν παρουσίασε μεγαλύτερη βοήθεια στους οδηγούς αυτούς σε σχέση με τους υπολοίπους. Επίσης, η συνολική χρησιμότητα ενός τέτοιου εργαλείου, όπως σχεδιάστηκε και δοκιμάστηκε, φάνηκε να είναι αμφισβητήσιμη (πιθανώς λόγω ακατάλληλου ΣΕΑΜ). - Θέση οθόνης απεικόνισης: Η ιδανική απόσταση στον άξονα x είναι ανάμεσα στα 700 και 1000mm. - Η παρουσίαση της πληροφορίας στο άνω μέρος της οπτικής γωνίας δεν είναι κατάλληλη για τους ηλικιωμένους οδηγούς. - Λόγω της μειωμένης οπτικής οξύτητας κι ευαισθησίας των ηλικιωμένων οδηγών, είναι σημαντικό να μεγιστοποιείται το επίπεδο αντίθεσης συμβόλων στην οθόνη. Τα άτομα άνω των 60 ετών χρειάζονται, κατά μέσο όρο, τρεις φορές μεγαλύτερη φωτεινότητα σε σχέση με ένα νέο άτομο. - Αντίθεση χρωμάτων οθόνης: το επίπεδο φωτεινότητας των ψηφιακών ή αναλογικών δεικτών πρέπει να διαφέρει όσο το δυνατόν περισσότερο από το υπόλοιπο φόντο. Η αντίθεση μεταξύ κειμένου/γραφικών και της υπόλοιπης περιοχής της οθόνης πρέπει να είναι τουλάχιστον 3:1, με προτίμηση σε 7:1. - Συχνότητα ακουστικού σήματος: οι συχνότητες των προειδοποιητικών σημάτων πρέπει να είναι ανάμεσα στα Hz. Η ευαισθησία ακοής σε υψηλές συχνότητες μειώνεται με την ηλικία, ειδικά για τους άνδρες. Έτσι, πρέπει να αποφεύγονται υψηλές συχνότητες για προειδοποιήσεις, άνω των 2000 Hz. - Οι οθόνες των ΣΣΥΟ/ΠΣΟ πρέπει να παρέχουν εικονίδια (π.χ. τόξα κατεύθυνσης), εφόσον είναι πιο ορατά από μεγαλύτερη απόσταση. Σε αντίθεση, η ανάγνωση ονόματος της οδού αποτελεί πρόβλημα για τους ηλικιωμένους οδηγούς αλλά και για όλους τους οδηγούς κατά τη νύκτα. - Ο χρόνος σύγκρουσης με ακινητοποίηση (ΧΣΜΑ) του ΣΠΕΠ είναι τυπικά 0,7 δευτ. πιο μεγάλος, σε σύγκριση με αυτόν που χρησιμοποιείται για το μέσο οδηγό. - Χρειάζονται τόσο ηχητικά όσο και οπτικά μηνύματα για τα βοηθήματα στάθμευσης και οπισθοπορείας. Δεκέμβριος

78 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Οδηγοί με αναπηρίες Το έργο TELAID (V2032) εστίασε στα προβλήματα των οδηγών με ειδικές ανάγκες και τη δυνητική υποστήριξή τους από ΣΕΜ. Μεταξύ άλλων, το TELAID ανέπτυξε προδιαγραφές σχεδιασμού ΣΕΜ για την κατηγορία των οδηγών αυτών, οι οποίες προέρχονται εν μέρη από δοκιμές που πραγματοποιήθηκαν με οδηγούς με αναπηρίες, χρησιμοποιώντας διάφορα ΣΣΥΟ. Οι δοκιμές έγιναν σε προσομοιωτή οδήγησης για την αξιολόγηση της βέλτιστης θέσης και είδος των πλήκτρων χειρισμού και της οθόνης διαφόρων ΣΣΥΟ/ΠΣΟ, σε σχέση με τα πιο κοινά συστήματα προσαρμογών οχήματος, που απαιτούνται για άτομα με πρόβλημα κίνησης (27 άτομα). Επίσης, πραγματοποιήθηκαν δοκιμές με ένα δεύτερο προσομοιωτή οδήγησης για τη χρησιμότητα του ΣΠΕΠ (20 οδηγοί) και τέλος, μία δοκιμή επί του δρόμου έλεγξε τη χρησιμότητα βοηθημάτων οπισθοπορείας για οδηγούς με ειδικές ανάγκες (9 άτομα). Το παρακάτω αντιπροσωπευτικό διάγραμμα παρουσιάζει τα αποτελέσματα από την ύπαρξη ή απουσία ΣΠΕΠ σε όχημα για τετραπληγικούς οδηγούς. Δευτερόλεπτα 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00 Διπλός μοχλός Μονός μοχλός Μαζί χωρίς ΣΠΕΠ με ΣΠΕΠ Σχήμα 16: Μέσοι χρόνοι αντίδρασης με και χωρίς ΣΠΕΠ σε όχημα για τετραπληγικούς οδηγούς. Μεταξύ των αποτελεσμάτων εξάχθηκε το συμπέρασμα ότι η εισαγωγή νέων τηλεματικών βοηθημάτων (όπως το ΣΠΕΠ), εάν διαθέτουν το κατάλληλο ΣΕΑΜ, μπορεί να οδηγήσουν σε σημαντικές βελτιώσεις στην επίδοση οδηγών με αναπηρίες (TELAID Παραδοτέο 5, 1993). Επιπλέον, πρέπει να επιλέγεται με προσοχή η θέση των στοιχείων ελέγχου και προειδοποίησης, διότι μπορεί να υπάρξει σύγχυση με τη θέση των πρωτευόντων βοηθημάτων ελέγχου (μοχλοί, δακτύλιοι, κλπ.) για τους οδηγούς αυτούς. Μερικές σημαντικές οδηγίες για την κατασκευή προσβάσιμων ΣΕΑΜ ακολουθούν στη συνέχεια: - Να προτιμώνται μεγάλα πλήκτρα (24mm) για τη λειτουργία ΣΣΥΟ/ΠΣΟ όταν απαιτούνται γρήγορες ενέργειες, έναντι των μικρών που χρησιμοποιούνται συνήθως (π.χ. 4mm). Ωστόσο, η λειτουργία μεγάλων πλήκτρων μπορεί να αυξήσει τη συχνότητα διορθωτικών κινήσεων διεύθυνσης. Αντιθέτως, μικρά πλήκτρα μπορεί να οδηγήσουν σε προσωρινά «παγωμένη» θέση του τιμονιού. Ένα καλός συμβιβασμός θα μπορούσε να είναι η χρήση πλήκτρων μεγέθους 10mm. - Η παράμετρος προειδοποίησης ΣΠΕΠ πρέπει να είναι προσαρμοζόμενη, εφόσον συγκεκριμένα κινητικά προβλήματα απαιτούν νωρίτερη προειδοποίηση. Σε γενικές γραμμές, οδηγοί με αναπηρίες προτιμούν μεγαλύτερους ΧΣΜΑ απ ότι ο μέσος οδηγός (διαφορά έως και 0,7 δευτ.). Δεκέμβριος

79 Διδακτορική Διατριβή Μαρία Πάνου - Προτιμώνται οι ηχητικές προειδοποιήσεις βοηθημάτων ανίχνευσης αντικειμένου στο πίσω μέρος κατά τη στάθμευση έναντι οπτικών (π.χ. εικόνες βίντεο) για άτομα με προβλήματα κινητικότητας. - Πρέπει να αποφεύγονται οι μοχλοί χειρισμού που απαιτούν ταυτόχρονη πίεση και περιστροφή. - Για τις λειτουργίες όπου απαιτείται ακριβής επιλογή (π.χ. ταχύτητα των ΣΠΕΠ/ΣΕΠΤ), είναι καλύτερα να υπάρχει περιστρεφόμενο χειριστήριο αντί για πλήκτρα πίεσης, για οδηγούς με κινητικές αναπηρίες. - Τα προβλήματα ακοής (λόγω της ηλικίας, της έκθεσης σε εργοστασιακό θόρυβο, κλπ.) εντοπίζονται τυπικά στις υψηλές συχνότητες. Η προτεινόμενη υψηλότερη συχνότητα για ΣΣΥΟ/ΠΣΟ είναι 2000Hz. - Οι ηχητικές προειδοποιήσεις υψηλής συχνότητας μπορεί να τρομάξουν τον οδηγό, ειδικά εκείνους με ιδιαίτερη ευαισθησία. Έτσι, σε περίπτωση οδηγού με προβλήματα ακοής, είναι καλύτερα να αλλάζει ο τύπος του ΣΕΑΜ (π.χ. σε απτικό) από το να αυξάνει η ένταση της ηχητικής προειδοποίησης. Εντός του Ευρωπαϊκού ερευνητικού έργου CONSENSUS (IST ), δημιουργήθηκε ένα ερωτηματολόγιο για να διερευνηθεί η δυνατότητα χρήσης ΣΣΥΟ/ΠΣΟ από οδηγούς με αναπηρίες. Το ερωτηματολόγιο αυτό συμπληρώθηκε από 15 ειδικούς κέντρων αξιολόγησης οδηγών με αναπηρίες και συλλόγων αναπήρων ατόμων. Γενικά, όλα τα συστήματα θεωρήθηκαν «χρήσιμα», εφόσον η πλειοψηφία των συστημάτων συγκέντρωσε θετικές βαθμολογίες, σε μία κλίμακα από 1: καθόλου χρήσιμο έως 7: πολύ χρήσιμο. Οι βαθμολογίες παρουσιάζονται στον παρακάτω πίνακα (Zoldan C. & Tango F., 2004): Πίνακας 14: Χρησιμότητα διαφορετικών ΣΕΑΜ για οδηγούς με αναπηρίες (βαθμολόγηση από 1- καθόλου χρήσιμο έως 7-πολύ χρήσιμο). Σύστημα/ λειτουργία Βαθμολογία Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ) 5,9 Υπηρεσίες έκτακτης ανάγκης 5,9 Συστήματα προ-σύγκρουσης 5,9 Σύστημα υποστήριξης στάθμευσης 5,9 Σύστημα Ελέγχου Νεκρής γωνίας (ΣΕΝεΓ) 5,8 Σύστημα Παρακολούθησης Οδηγού (ΣΠΟ) 5,5 Σύστημα Διατήρησης Σταθερής Ταχύτηας (ΣυΔιΣΤ) 5,4 Σύστημα Προειδοποίησης και αποφυγής σύγκρουσης (ΣΠΑΣ) 5,3 Σύστημα Ακινητοποίησης κι Εκκίνησης 5,2 Πληροφοριακά Συστήματα εντός Οχήματος (ΠΣΟ) 5,1 Διαχείριση διασταύρωσης 5,1 Έξυπνες κάρτες 5,1 Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας (ΣΠΕΛ) Σύστημα Έξυπνης Προσαρμογής Ταχύτητας (ΣΕΠΤ) 5,0 Σύστημα διατήρησης λωρίδας 5,0 Σύστημα αποφυγής εγκάρσιας σύγκρουσης 5,0 5,1 Δεκέμβριος

80 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Σύστημα/ λειτουργία Βαθμολογία Σύστημα βελτίωσης όρασης 5,0 Σύστημα καθοδήγησης διαδρομής 4,8 Σύστημα επικοινωνίας οχήματος-υποδομής 4,8 Πληροφοριακά Συστήματα εντός Οχήματος (ΠΣΟ) 4,7 Κανάλι κυκλοφοριακών μηνυμάτων (ΚΚΜ) 4,7 Σύστημα πλοήγησης 4,7 Συστήματα παγκοσμίου καθορισμού θέσης (GPS) 4,6 Συστήματα επικοινωνίας οχήματος-οχήματος 4,4 Υπολογιστές παλάμης (PDA) 3,5 Συστήματα διαχείρισης κυκλοφορίας στις μεταφορές 3,3 Από τον παραπάνω πίνακα είναι φανερό ότι τα ΣΣΥΟ θεωρούνται πιο χρήσιμα από ότι τα ΠΣΟ. Για την ακρίβεια, όλα τα συστήματα στις πρώτες θέσεις του πίνακα είναι ΣΣΥΟ. Όσον αφορά το ΣΕΑΜ των 5 πιο υψηλά βαθμολογημένων συστημάτων του προηγούμενου πίνακα, τα ΣΠΕΠ, ΣΕΝεΓ και συστήματα υποστήριξης στάθμευσης παρέχουν οπτικές και ακουστικές προειδοποιήσεις ως επιπλέον πληροφόρηση στον οδηγό κατά την οδήγηση. Οι υπηρεσίες έκτακτης ανάγκης απαιτούν από τον οδηγό να πιέσει κάποιο πλήκτρο στην περίπτωση που συμβεί κάποιο περιστατικό. Τα συστήματα προ-σύγκρουσης δεν έχουν κάποιο συγκεκριμένο ΣΕΑΜ, λόγω του γεγονότος ότι αντιδρούν αυτόματα όταν ανιχνεύσουν κάποιο αναπόφευκτο ατύχημα. Μερικά από τα πιο σημαντικά συμπεράσματα είναι τα εξής: - Η τοποθεσία των πλήκτρων ελέγχου και κυρίως το ύψος τους, μπορεί να προκαλέσουν προβλήματα σε οδηγούς με αναπηρία στα κάτω άκρα. - Οι οδηγοί μπορεί να έχουν σημαντική βοήθεια αλληλεπιδρώντας και επικοινωνώντας με συστήματα στο αυτοκίνητο που παρέχουν πληροφόρηση κατά το ταξίδι, παρακολουθούν κι ελέγχουν την πορεία του οχήματος και πραγματοποιούν πληρωμές διοδίων και στάθμευσης. Τέτοιες ολοκληρωμένες λύσεις πρέπει να ενσωματώνουν τηλεχειρισμό για να μπορούν να χρησιμοποιηθούν από οδηγούς με αναπηρίες. - Άτομα με προβλήματα στο άνω μέρος του σώματος έχουν πολλές φορές περιορισμένο οπτικό πεδίο διότι αδυνατούν να πραγματοποιούν περιστροφή και έτσι έχουν δυσκολία να φτάνουν συσκευές που είναι τοποθετημένες υπό γωνίες. Γι αυτό το λόγο τα μέσα χειρισμού διαφόρων συστημάτων, πλήκτρα και πίνακες ελέγχου δεν πρέπει να τοποθετούνται πολύ ψηλά αλλά εντός του οπτικού πεδίου. Για παράδειγμα, πληροφορίες συστημάτων μπορούν να παρουσιάζονται στο εμπρόσθιο τζάμι του αυτοκινήτου. Το πρόβλημα του περιορισμένου πεδίου όρασης μπορεί να υποβοηθηθεί με συστήματα που επεκτείνουν το οπτικό πεδίο και δείχνουν τον περίγυρο του αυτοκινήτου. - Άτομα με προβλήματα συντονισμού ή επιδεξιότητας παρουσιάζουν δυσκολία στη χρήση ή προσέγγιση μέσων χειρισμού, ενεργοποίησης/απενεργοποίησης συστημάτων. Για να είναι προσβάσιμα, πρέπει οι οδηγοί να μπορούν να επικοινωνούν με το σύστημα χωρίς την ανάγκη φυσικής επαφής. Η λύση μπορεί να βρίσκεται στα συστήματα που ενεργοποιούνται με φωνητική εντολή. Δεκέμβριος

81 Διδακτορική Διατριβή Μαρία Πάνου Αλλοδαποί οδηγοί Μερικά σημαντικά αποτελέσματα που μπορούν να εξαχθούν από το έργο TRAVELGUIDE (Andreone L. et al., Deiverable 5, 2002), από δοκιμές στη Θεσσαλονίκη με 8 αλλοδαπούς οδηγούς (οι οποίοι δε μιλούσαν Ελληνικά) ακολουθούν στη συνέχεια: - Η πολυγλλωσικότητα και προσωποποίηση υπηρεσιών κυκλοφοριακής πληροφόρησης θεωρείται πολύ σημαντική. - Υπάρχει σαφής προτίμηση σε παρουσίαση εικονιδίων και ακουστικών μηνυμάτων από κείμενο. - Μπορεί να χρησιμοποιήσουν το σύστημα αποτελεσματικά σε ενοικιαζόμενο αυτοκίνητο, μόνο εάν γνωρίζουν ήδη τις προειδοποιήσεις του από το δικό τους αυτοκίνητο Προτεραιότητες κυρίων εμπλεκομένων φορέων Εκτός από τις διάφορες κατηγορίες οδηγών, υπάρχουν δύο ακόμη κύριοι εμπλεκόμενοι των οποίων οι γνώμες πρέπει να ληφθούν υπόψη από άποψη ΣΕΑΜ, ήτοι: - Φορείς διαμόρφωσης πολιτικών και αποφάσεων. - Κατασκευαστές οχημάτων και συστημάτων επί αυτών. Οι γνώμες των παραπάνω φορέων δεν είναι πάντα σύμφωνες με των οδηγών. Για παράδειγμα, η πρωτεύουσα ενέργεια των φορέων σύνταξης πολιτικών είναι η προώθηση της ασφάλειας, έτσι, η μείωση του ορίου ταχύτητας στα ΣΕΠΤ αποτελεί μία από τις προτεραιότητές τους. Όμως αυτό δεν είναι αποδεκτό από κάποιες κατηγορίες οδηγών και δεν πραγματοποιείται από τους κατασκευαστές οχημάτων μεγάλων κυβικών. Ένα ακόμη παράδειγμα αποτελούν οι προτεραιότητες κινητικότητας. Οι φορείς διαμόρφωσης αποφάσεων δε δίνουν απαραιτήτως προτεραιότητα στην άνεση του οδηγού, εφόσον προτιμούν να κατευθύνουν μεγάλο μέρος των μετακινουμένων προς τη χρήση δημοσίων μέσων μεταφοράς. Όμως, η άνεση του οδηγού αποτελεί μία από τις σημαντικότερες προτεραιότητες για τους ίδιους τους οδηγούς και συνεπώς τις αυτοκινητοβιομηχανίες. Οι κατασκευαστές ΣΣΥΟ/ΠΣΟ και αυτοκινήτων θέλουν ΣΕΑΜ που να είναι οικονομικά αποδοτικά, εύκολα στην εγκατάσταση, με δυνατότητες αναβάθμισης και δεν παρεμβαίνουν με άλλα συστήματα του οχήματος. Επίσης, θεωρούν σημαντικό να ακολουθούν γενικούς κανόνες, αλλά χωρίς περιορισμούς στις δικές τους κατασκευαστικές αρχές και προτιμήσεις. Οι φορείς διατύπωσης της νομοθεσίας εμπλέκονται στα θέματα ΣΕΑΜ μόνο σε σχέση με τη συμβολή τους στην ασφάλεια. Η εμπλοκή τους πραγματοποιείται με τη σύνταξη οδηγιών σχεδιασμού και προτύπων για την καταλληλότητα των ΣΕΑΜ. Μερικά από αυτά ακολουθούν στον παρακάτω πίνακα. Δεκέμβριος

82 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Πίνακας 15: Πρότυπα ISO σχετιζόμενα με ΣΕΑΜ (Amditis A. et al., 2005). Θεμελιώδεις υπηρεσίες του ISO TC204 WG1 Αρίθμηση κατά ISO Περιγραφή των αναγκών των χρηστών Χρήστες στους οποίους αναφέρεται Ιδιώτες καταναλωτές - ταξιδιώτες Εμπορικοί καταναλωτές βιομηχ. μεταφορών & φορτίων Εταιρείες παροχής/ χρήσης ΣΕΜ Τοπικές αρχές Υπουργεία Επίπεδο εκμετάλλευσης χειριστές εφαρμογής ΣΕΜ Επίπεδο βιομηχ.- Εταιρείες ανάπτυξης ΣΕΜ Πηγή, όνομα έργου Φιλικότητα ως προς το χρήστη 0.44 Όλα τα συστήματα πρέπει να έχουν ΣΕΑΜ με όμοια «εμφάνιση και αίσθηση» καθώς και αντίστοιχη βοήθεια στο χρήστη Όλα τα συστήματα πρέπει να είναι απλά και αποτελεσματικά για τους ταξιδιώτες ως προς τη χρήση τους και ευνόητα Όλα τα συστήματα πρέπει να έχουν ΣΕΑΜ που είναι εύκολο να εκμαθευτεί και να απομνημονευτεί (ειδικά για χρήστες με ιδιαίτερες ανάγκες) Τα συστήματα πρέπει να παρέχουν το αποτέλεσμα της λειτουργίας τους εντός χρόνου που είναι αρκετός να είναι χρήσιμος και μέσα στις λογικές προσδοκίες του χρήστη Όλα τα συστήματα πρέπει να παρέχουν ευκολίες στο χρήστη που να τον βοηθούν να ελέγχει την ταχύτητα και τη συχνότητα της παρουσίασης της πληροφόρησης. QUARTEX QUARTEX TELAID/ TELSCAN TELAID/ TELSCAN TELAID / TELSCAN Δεκέμβριος

83 Διδακτορική Διατριβή Μαρία Πάνου Θεμελιώδεις υπηρεσίες του ISO TC204 WG1 Αρίθμηση κατά ISO Περιγραφή των αναγκών των χρηστών Χρήστες στους οποίους αναφέρεται Ιδιώτες καταναλωτές - ταξιδιώτες Εμπορικοί καταναλωτές βιομηχ. μεταφορών & φορτίων Εταιρείες παροχής/ χρήσης ΣΕΜ Τοπικές αρχές Υπουργεία Επίπεδο εκμετάλλευσης χειριστές εφαρμογής ΣΕΜ Επίπεδο βιομηχ.- Εταιρείες ανάπτυξης ΣΕΜ Πηγή, όνομα έργου Όλα τα συστήματα πρέπει να μπορούν να δέχονται τις εντολές τους από πληθώρα συσκευών (π.χ. πλήκτρα, φωνή, οθόνη αφής, έξυπνες κάρτες, κλπ.), για να εξυπηρετούν τους οδηγούς με ειδικές ανάγκες. Όλα τα συστήματα πρέπει να παρέχουν τις λειτουργίες τους σε πληθώρα μέσων παρουσίασης (π.χ. μεγενθυμένο κείμενο, σύμβολα, γραφικά, ομιλία, αφή, κλπ.), για να εξυπηρετούν τους οδηγούς με ειδικές ανάγκες. Όλα τα συστήματα πρέπει να δύνανται να επαναλαμβάνουν πληροφόρηση ή ερώτηση, ιδιαίτερα για χρήστες με αναπηρίες. Όλα τα συστήματα πρέπει να δύνανται να αναγνωρίζουν την ταυτότητα του χρήστη. Όλα τα συστήματα πρέπει να έχουν προσαρμοζόμενο ΣΕΑΜ, σύμφωνα με τις απαιτήσεις του χρήστη και ιδιαιτέρα εκείνου με Δεκέμβριος

84 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη Θεμελιώδεις υπηρεσίες του ISO TC204 WG1 Αρίθμηση κατά ISO Περιγραφή των αναγκών των χρηστών Χρήστες στους οποίους αναφέρεται Ιδιώτες καταναλωτές - ταξιδιώτες Εμπορικοί καταναλωτές βιομηχ. μεταφορών & φορτίων Εταιρείες παροχής/ χρήσης ΣΕΜ Τοπικές αρχές Υπουργεία Επίπεδο εκμετάλλευσης χειριστές εφαρμογής ΣΕΜ Επίπεδο βιομηχ.- Εταιρείες ανάπτυξης ΣΕΜ Πηγή, όνομα έργου ISO Service 12- Επαύξηση ορατότητας ISO Service 2 Πληροφόρηση οδηγού κατά το ταξίδι προβλήματα αναπηρίας Το σύστημα πρέπει να παρέχει πληροφορίες επαύξησης της όρασης με τέτοιο τρόπο που να μπορεί ο οδηγός να αφομοιώνει οτιδήποτε μπορεί να ειδωθεί στην εκάστοτε χρονική στιγμή Το σύστημα πρέπει να παρέχει πληροφορίες επαύξησης της όρασης με τέτοιο τρόπο που να μην μειώνεται η ορατότητα του οδηγού υπό κανονικές συνθήκες φωτός Το σύστημα του αυτοκινήτου πρέπει να υποστηρίζει πολλαπλούς τύπους παρουσίασης, π.χ. κείμενο, σύμβολα, ομιλία, κλπ Τα μηνύματα του συστήματος πρέπει να προέρχονται από προκαθορισμένη λίστα ευκατανόητων μηνυμάτων Το σύστημα πρέπει να παρέχει πληροφόρηση στην κατάλληλη γλώσσα, βάσει προεπιλογής του χρήστη. SATIN SATIN Δεκέμβριος

85 Διδακτορική Διατριβή Μαρία Πάνου Ανάγκες ΣΕΑΜ για λοιπούς μετακινουμένους Το πλαίσιο αρχιτεκτονικής KAREN (2000) σχεδιάστηκε για να υποστηρίξει την εισαγωγή κι εφαρμογή ΣΕΜ, θέτοντας τη βάση για μία ολοκληρωμένη προσέγγιση. Ακολουθούν οι προδιαγραφές για το ΣΕΑΜ που διατυπώθηκαν βάσει των αποτελεσμάτων που προκύπτουν από τη μελέτη των αναγκών των χρηστών (Deliverable 2.2, 2000) σχετικά με την περίοδο πριν το ταξίδι: - Το σύστημα πρέπει να έχει τη δυνατότητα να παρέχει ακριβή, έγκαιρη και εύκολη στην κατανόηση ενημέρωση για το ταξίδι. - Το ΣΕΑΜ πρέπει να έχει τη δυνατότητα παροχής πληροφόρησης για εναλλακτικές διαδρομές που είναι πιο γρήγορες, πιο σύντομες, φθηνότερες, πιο όμορφες, κλπ. - Το ΣΕΑΜ πρέπει να επιτρέπει στους ταξιδιώτες να σχεδιάζουν το ταξίδι τους θέτοντας τα δικά τους κριτήρια (μέσα μεταφοράς, ώρα αναχώρησης/άφιξης, κριτήρια επιλογής της βέλτιστης διαδρομής, κλπ.). - Το σύστημα πρέπει να μπορεί να προσφέρει προσαρμοσμένη πληροφόρηση στις απαιτήσεις του χρήστη, πριν το ταξίδι, σε νομαδικές συσκευές. - Το σύστημα πρέπει να ενημερώνει το χρήστη όταν μεταβάλλονται τα κριτήρια βάσει των οποίων δόθηκε η πληροφόρηση. - Το ΣΕΑΜ πρέπει να δίνει τις πληροφορίες με μορφή κειμένου και γραφικών. Στα γραφικά συμπεριλαμβάνονται χάρτες. - Το ΣΕΑΜ πρέπει να παρέχει τις πληροφορίες στη μητρική γλώσσα του χρήστη καθώς και να του επιτρέπει την επιλογή άλλων γλωσσών. - Το σύστημα πρέπει να διατηρεί τις πληροφορίες αναλλοίωτες και να τις παρουσιάζει ακολουθώντας την ίδια διάταξη και δομή ανεξάρτητα από τη συσκευή του χρήστη. Επίσης, το έργο TELSCAN που είχε ως στόχο την εκπόνηση προδιαγραφών για τη χρήση τηλεματικών υπηρεσιών από ηλικιωμένους και ανάπηρους χρήστες στον τομέα των μεταφορών (π.χ. χρήστες δημοσίων μεταφορικών μέσων), παρήγαγε προδιαγραφές ΣΕΑΜ για τέτοιους μετακινούμενους. Ακολουθούν εκείνες που σχετίζονται με το σχεδιασμό του ΣΕΑΜ σημείων πρόσβασης και οθονών παρουσίασης οπτικής πληροφορίας. - Η ελάχιστη φωτεινότητα για μικρές οθόνες (π.χ. κινητών τηλεφώνων) είναι 200 lux. - Η διαφορά μεταξύ κείμενου ή γραφικών και του φόντου της οθόνης 3:1 κατ ελάχιστο ή βέλτιστα 7:1. - Πρέπει να αποφεύγονται ορισμένοι χρωματικοί συνδυασμοί (π.χ. κόκκινο/πράσινο ή μπλε/κίτρινο). - Το προτεινόμενος ρυθμός επανάληψης οπτικών προειδοποιήσεων είναι ανάμεσα σε 0,3-0,5 Hz. - Περίπτερα πληροφοριών για μεταφορές: Οι οθόνες αφή ή άλλα στοιχεία ελέγχου πρέπει να είναι ψηλότερα από 0,9 μέτρα. Οι τερματικοί σταθμοί πρέπει να είναι ύψους από 0,7 έως 1,2 μέτρα. - Η φωτεινότητα του ΣΕΑΜ πρέπει να είναι μεταξύ 1000 και 5000 lux. - Εάν οι οδηγίες καθοδήγησης διαδρομής είναι χρονικά πολύ κοντά, τότε πρέπει να δίνονται συνδυαστικά («πολύ κοντά» ορίζεται από μ). Δεκέμβριος

86 Κατηγοριοποίηση Συστημάτων Ευφυών Μεταφορών και επικοινωνία με το χρήστη - Στα περίπτερα πληροφόρησης πρέπει να υπάρχει ελεύθερος χώρος για περιστροφή αναπηρικού αμαξιδίου ακτίνας 1,4-1,5 μ. - Όπου είναι δυνατό πρέπει να χρησιμοποιούνται γράμματα μεγέθους 16 pt, με ύψος των κεφαλαίων γραμμάτων τουλάχιστον 4mm (μη συμπεριλαμβανομένων των κενών ανάμεσα στις γραμμές). - Τα πλήκτρα πρέπει να έχουν πλάτος τουλάχιστον 2-2,25cm. Προτιμώνται τα τετράγωνα πλήκτρα από τα ορθογώνια. - Τα άσπρα ή κίτρινα γράμματα σε μαύρο φόντο είναι τα εύκολα ορατά. - Οθόνες που προορίζονται να διαβάζονται από απόσταση πρέπει να τοποθετούνται τουλάχιστον 2,1 μ. πάνω από το έδαφος. - Εάν υπάρχει απτική σήμανση, το μέγεθος του χαρακτήρα πρέπει να είναι τουλάχιστον 12 mm. - Οθόνες παρουσίασης μεταβλητών μηνυμάτων πρέπει να έχουν χαρακτήρες μεγέθους mm. Εν γένει, η σχετική εμβάθυνση στις ανάγκες πληροφόρησης για μετακίνηση διαφόρων κατηγοριών χρηστών δεν αναλύεται περαιτέρω εδώ, αφού μπορεί να βρεθεί πολύ αναλυτικά στη σχετική έκθεση που υλοποιήθηκε στο έργο ASK-IT (Bekiaris & Gemou, 2005). Δεκέμβριος

87 5 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού 5.1 Προσαρμογή και προσωποποίηση υπηρεσιών μεταφορών και τουρισμού για μετακινουμένους Πολλές προσπάθειες έχουν πραγματοποιηθεί για την παροχή υποστήριξης και έγκυρης πληροφόρησης στον μετακινούμενο (πεζό, οδηγό ή χρήστη δημοσίων μεταφορικών μέσων) σε σχέση με το ταξίδι του ή τη μετάβασή του από ένα σημείο προέλευσης σε ένα σημείο προορισμού, οι περισσότερες από τις οποίες όμως έχουν παραμείνει σε επίπεδο έρευνας. Παραδείγματα ευρωπαϊκών ερευνητικών προγραμμάτων αποτελούν τα εξής: IT («Ευφυές σύστημα προαγωγής κινητικότητας, μέσω παροχής υπηρεσιών, βάσει της γεωγραφικής θέσης και τις προτιμήσεις του χρήστη, εφαρμοζόμενο σε όλα τα μέσα μεταφοράς και με όλες τις φορητές συσκευές»), CRUMPET («Δημιουργία κινητών, προσωποποιημένων υπηρεσιών φιλικών προς το χρήστη»), IMAGE («Ευφυείς πράκτορες μετακίνησης για σύνθετο γεωγραφικό περιβάλλον»), ASK-IT («Ευφυές σύστημα πρακτόρων για ολοκληρωμένες υπηρεσίες, κατάλληλο για χρήστες με προβλήματα μετακίνησης») DEEP MAP («Προσωποποιημένες οδηγίες για τους τουρίστες»), Motiv-PTA («Κινητικότητα και μεταφορά σε κυκλοφορία με πολλά μεταφορικά μέσα Προσωπικός βοηθός ταξιδιού»), ADAMANT («Δίκτυο διαχείρισης και απόφασης εντός του αεροδρομίου»), EU-SPIRIT («Ευρωπαϊκό σύστημα επιβατών για υπηρεσίες κράτησης θέσεων σε διάφορα μεταφορικά μέσα, κράτησης εισιτηρίων και πληροφόρησης»), GUIDE («Επίκαιρη και επικαιροποιημένη πληροφόρηση για μία πόλη»), AVANTI («Πρόσβαση ατόμων με ειδικές ανάγκες σε εφαρμογή του διαδικτύου με πληροφόρηση για μία περιοχή, σε σχέση με δημόσιες υπηρεσίες, μεταφορά και κτίρια»), INFOTEN («Συστήματα πληροφόρησης πολλαπλών μεταφορικών μέσων και κυκλοφοριακής διαχείρισης διευρωπαϊκών οδικών δικτύων»), TURTLE («Καθοδήγηση διαδρομής και πλοήγηση πεζών κι επιβατών»), κλπ. Υπάρχουν όμως και σχετικές έρευνες που έχουν πραγματοποιηθεί σε εθνικό επίπεδο, όπως τα Γερμανικά DOM («Το προσανατολισμένο άτομο») και INTREST («Σύστημα αναφοράς για διάφορα μεταφορικά μέσα με κυκλοφοριακά δεδομένα»), τα Φινλανδικά PROMISE DB («Δυναμική πληροφόρηση για τους τουρίστες») και PUBLIC TRANSPORT PORTAL («Υπηρεσία διαδρομής και προγραμματισμού ταξιδιού από πόρτα σε πόρτα, με όλα τα μεταφορικά μέσα»), το Ιαπωνικό Barrier Free, κλπ. Ενδεικτικά, ακολουθεί ανάλυση για ορισμένα από τα προαναφερθέντα έργα. Οι Kappel et al. (2003) πραγματοποίησαν σύγκριση διαφόρων συστημάτων προσωποποίησης για εφαρμογές βασιζόμενες στο διαδίκτυο και παρουσίασαν τις κύριες λειτουργίες του κάθε συστήματος. Δεκέμβριος

88 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού Προκειμένου να δοθεί προσωποποιημένη πληροφόρηση στο χρήστη, απαιτείται η χρήση ενός συστήματος μοντελοποίησης του χρήστη το οποίο, θα μαθαίνει τις προτιμήσεις του και τα ενδιαφέροντα του, βάσει των προηγούμενων επιλογών του κατά τη χρήση του συστήματος. Στην ενότητα αυτή παρουσιάζονται προηγούμενες μεθοδολογίες και προσπάθειες προσωποποίησης συστημάτων, δηλαδή εκμάθησης του χρήστη και προσαρμογής στα χαρακτηριστικά του. Το έργο Deep Map (Malaka R. et al., 2000) ανήκει σε μία οικογένεια ερευνητικών προγραμμάτων που στοχεύουν να αναπτύξουν προσωποποιημένες οδηγίες για τους τουρίστες, λαμβάνοντας υπόψη συστήματα υπολογισμού της γεωγραφικής θέσης του ατόμου, βάσεις δεδομένων, μοντελοποίηση του χρήστη, έξυπνα συστήματα αλληλεπίδρασης χρήστη-συστήματος και συστήματα κατανόησης (εισαγωγής και εξαγωγής) φωνητικών μηνυμάτων. Το σύστημα μοντελοποίησης του Deep Map αναζητάει και διατηρεί τα σχετικά χαρακτηριστικά των χρηστών. Οι αλγόριθμοι εκμάθησης που χρησιμοποιήθηκαν βασίζονται μόνο σε προηγούμενο θετικό ενδιαφέρον του χρήστη. Εάν ένα χαρακτηριστικό γνώρισμα εμφανιστεί στο ιστορικό ενός συγκεκριμένου χρήστη λιγότερο συχνά από ότι σε ένα τυχαίο δείγμα, τότε θεωρείται ότι ο χρήστης δεν ενδιαφέρεται γι αυτό, και το αντίθετο. Ο κύριος στόχος του υποέργου του WebGuide (Fink J. et al., 2002) είναι η παροχή προσωποποιημένης καθοδήγησης και προτάσεων για τη Χαιδελβέργη ανάλογα με τις προτιμήσεις του μετακινουμένου. Το WebGuide αναγνωρίζει γεωγραφικά σημεία ενδιαφέροντος και χαράσσει μία ξενάγηση στην πόλη που συνδέει αυτά τα σημεία, με τις ανάλογες διαδρομές, βάσει των κάτωθι στοιχείων: γεωγραφική πληροφόρηση για την πόλη, πληροφορίες για σημεία ενδιαφέροντος (όπως, στην προκειμένη περίπτωση, ο πύργος της πόλης), πληροφορίες για επιλεγμένα μέσα μεταφορών (ποδήλατο, αυτοκίνητο, κ.α.), ιδιαίτερες προτιμήσεις και περιορισμοί που ορίζει ο ενδιαφερόμενος. Όλες οι προτάσεις που ικανοποιούν τα στοιχεία αυτά, παρουσιάζονται στο χρήστη. Το ακόλουθο σχήμα παρουσιάζει δύο προτάσεις του συστήματος για πεζή περιήγηση που ετοιμάστηκαν για τον ίδιο χρήστη. Η πρόταση περιήγησης στα αριστερά, δε λαμβάνει υπόψη τις προσωπικές προτιμήσεις και τα ενδιαφέροντα του χρήστη, ενώ η πρόταση στο δεξί σχήμα σέβεται την επιθυμία του χρήστη να αποφύγει την κυκλοφοριακή συμφόρηση. Ενώ και τα δύο δρομολόγια περιέχουν τα ίδια σημεία ενδιαφέροντος (που σημειώνονται με μαύρες κουκίδες), οι προτεινόμενες διαδρομές μεταξύ των σημείων αυτών (οι οποίες σημειώνονται με τις μαύρες έντονες γραμμές) διαφέρουν εν μέρει. Στην προσωποποιημένη πρόταση, οι διαδρομές που είναι πιθανώς προβληματικές σε σχέση με πιθανή κυκλοφοριακή συμφόρηση αντικαθιστούνται με πιο αρμόζουσες λύσεις, όπου είναι εφικτό (π.χ. με διαδρομές μέσω πεζοδρόμων, πάρκων και αλσών). Σχήμα 17: Μία μη προσωποποιημένη (αριστερά) και μία προσωποποιημένη (δεξιά) πρόταση περιήγησης από το έργο WebGuide. Δεκέμβριος

89 Διδακτορική Διατριβή Μαρία Πάνου Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το έργο παρείχε αλγορίθμους εκμάθησης των προτιμήσεων του χρήστη, αν και η επιλογή του μεταφορικού μέσου δε συμπεριλαμβανόταν ως παράμετρος προσωποποίησης. Στο Deep Map ωστόσο οι προτιμήσεις αυτές συγκρίνονται με το «μέσο» χρήστη. Έτσι, πριν από τη λειτουργία του συστήματος, πρέπει να δημιουργηθεί ένα μοντέλο «μέσου» χρήστη για κάθε δραστηριότητα. Κάτι τέτοιο είναι δύσκολο και μη αξιόπιστο ως προς την ικανοποίηση του χρήστη από το σύστημα (εφόσον το μοντέλο του «μέσου» χρήστη εξαρτάται από τη χώρα, το οικονομικό επίπεδο του χρήστη, κλπ.). Αντίθετα, στην παρούσα διατριβή οι προτιμήσεις του χρήστη εξάγονται ως αποτέλεσμα του προσωπικού του «ιστορικού» επιλογών και μόνο. Το σύστημα GUIDE (Davies N. et al., 2001) που υποστηρίχθηκε από το EPSRC (Συμβούλιο έρευνας μηχανικών και φυσικών επιστημών), ανήκει στην κατηγορία των υπηρεσιών που βασίζονται στη γεωγραφική θέση του χρήστη. Ο στόχος του είναι να παρέχει σε τουρίστες επίκαιρη και επικαιροποιημένη πληροφόρηση για μία αγγλική πόλη, επί συσκευής παλάμης (PDA). Το μοντέλο του προφίλ του χρήστη που χρησιμοποιήθηκε διαχωρίζει μεταξύ προσωπικού περιεχομένου, σε σχέση με την πληροφορία για το χρήστη (π.χ. προτιμήσεις, παρούσα θέση, κλπ.) και περιβαλλοντικού περιεχομένου, όσον αφορά πληροφορία για αξιοθέατα (π.χ. διασύνδεση μεταξύ αξιοθέατων πλησίον του, ώρες λειτουργίας, σχέση με τα ενδιαφέροντα του χρήστη). Έτσι, το μοντέλο αυτό επικεντρώνεται στην περιοχή του τουρισμού. Εικόνα 10: Οθόνες από το σύστημα GUIDE. Δεν υπάρχουν μηχανισμοί που να επεκτείνουν τις προκαθορισμένες ιδιότητες του περιεχομένου, ούτε μηχανισμοί που να εξάγουν αυτόματα υψηλού επιπέδου λογικό Δεκέμβριος

90 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού περιεχόμενο ή την περίοδο ισχύος του. Το περιεχόμενο της παρούσας θέσης του χρήστη συλλέγεται αυτόματα καθώς το πρόγραμμα «τρέχει», αν και ο χρήστης μπορεί να εισάγει μόνος του τη θέση του. Στην πράξη, το λογικό περιεχόμενο εισάγεται από τον ίδιο το χρήστη ενώ πληροφορίες που αφορούν στο χρήστη αποκτώνται ημιαυτόματα, βάσει παλαιοτέρων αλληλεπιδράσεων. Κάποια συγκεκριμένη προσαρμογή δεν επηρεάζει μία μόνο ιστοσελίδα, αλλά πολλές, όπως για παράδειγμα όταν αλλάζει η γλώσσα παρουσίασης ή όταν παράγεται μία ολοκληρωμένη καθοδηγούμενη περιήγηση. Στην αρχιτεκτονική του συστήματος, οι προσαρμογές πραγματοποιούνται από ιστοσελίδες που περιέχουν δεδομένα σε κώδικα HTML, με τα οποία μπορεί να αναζητηθεί κάποιο περιεχόμενο (π.χ. καθορίζοντας το ενδιαφέρον του χρήστη για ένα συγκεκριμένο αξιοθέατο, το οποίο συνοδεύεται και από ένα δείκτη βαρύτητας παλαιοτέρων προτιμήσεων) και να ολοκληρωθεί η προσαρμογή (π.χ. εισαγωγή της θέσης του χρήστη ή κοντινών σημείων ενδιαφέροντος). Όμως, δεν προβλέπεται επεκτασιμότητα των δεδομένων του συστήματος. Στην ουσία, δεν υπάρχει διαχωρισμός μεταξύ των διαφόρων ενεργειών της διαδικασίας προσαρμογής, η οποία γίνεται πλήρως αυτοματοποιημένη. Ο κώδικας πραγματοποιεί δυναμική προσαρμογή μόλις ο χρήστης εισέλθει στην ιστοσελίδα με τα δεδομένα. Όσον αφορά τη δυναμική προσαρμογή, αυτή σχετίζεται μόνο με τον υπολογισμό πλησιέστερων γεωγραφικά αξιοθέατων. Ενώ η πληροφορία ανανεώνεται αυτόματα, βάσει της θέσης του χρήστη, η παρουσίαση της πληροφορίας αυτής πραγματοποιείται μόνο μετά από αναζήτηση του χρήστη. Τέλος, δεν υποστηρίζεται σταδιακή προσαρμογή. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το παραπάνω σύστημα συγκαταλέγεται στις τουριστικές υπηρεσίες. Ο σκοπός του, δηλαδή η παροχή προωθούμενων πληροφοριών για σημεία ενδιαφέροντος (υπολογισμών των πλησιέστερων αξιοθέατων) συμπίπτει με το σύστημα της παρούσας διατριβής, αλλά η διαφορά έγκειται στο γεγονός ότι το προαναφερθέν σύστημα συμπεριλαμβάνει τις προτιμήσεις του χρήστη με στατικό και όχι δυναμικό τρόπο (ο χρήστης απλώς δηλώνει τις προτιμήσεις του), ενώ δεν μοντελοποιούνται δυναμικά οι προτιμήσεις του χρήστη, με βάση τις επιλεχθείσες υπηρεσίες. Το έργο AVANTI (AC042, έτη διεξαγωγής ) ανήκει στην κατηγορία των προσαρμοζόμενων διεπιφανειών εργασίας. Ο στόχος του ήταν η βελτίωση της πρόσβασης ατόμων με ειδικές ανάγκες σε μία εφαρμογή του διαδικτύου, η οποία παρέχει πληροφόρηση για μία περιοχή σε σχέση με δημόσιες υπηρεσίες, κτίρια και μεταφορές, για πολλές κατηγορίες χρηστών (Fink et al., 1998). Το περιεχόμενο σχετικά με την κατηγορία των χρηστών, τα ενδιαφέροντά τους, τη γνώση και τις δυνατότητες συλλέγεται ημι-αυτόματα. Αρχικά εισάγεται από τον κατασκευαστή, κατά τη διάρκεια της φάσης σχεδιασμού του συστήματος. Στη συνέχεια, ερευνώντας το ιστορικό αλληλεπίδρασης του χρήστη με το σύστημα, ανανεώνεται ενώ το πρόγραμμα λειτουργεί, χρησιμοποιώντας αλγορίθμους προσαρμογής. Οι ενσωματωμένες λειτουργίες προσαρμογής δεν είναι σύνθετες και επιτρέπουν την πρόσθεση/εξαίρεση/μετατροπή τμήματος συγκεκριμένης ιστοσελίδας. Ένα παράδειγμα προαιρετικού τμήματος αποτελεί η επιπλέον πληροφορία για πρόσβαση χρήστη αναπηρικού αμαξιδίου, ενώ ως παράδειγμα εναλλακτικού στοιχείου αναφέρεται η λεπτομερής περιγραφή ή η παρουσίαση μιας εικόνας αντί για την περιγραφή της με κείμενο. Εφόσον τα προαιρετικά και τα εναλλακτικά σημεία μιας ιστοσελίδας προκαθορίζονται στο στάδιο σχεδιασμού, η προσαρμογή είναι στατική. Όμως, η διαδικασία προσαρμογής βασίζεται, όπως προαναφέρθηκε, σε αλγορίθμους προσαρμογής, κι έτσι, οι ενέργειες διαχωρίζονται, επιτρέποντας ημι-αυτόματη Δεκέμβριος

91 Διδακτορική Διατριβή Μαρία Πάνου προσαρμογή. Πιο συγκεκριμένα, το σύστημα δημιουργεί κάποιες προσαρμογές, οι οποίες μπορούν να ανανεωθούν περαιτέρω από το χρήστη. Η πιθανότητα της επεκτασιμότητας των λειτουργιών προσαρμογής δεν υφίσταται. Τέλος, δεν υποστηρίζεται σταδιακή προσαρμογή. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Πρόκειται για στατική προσαρμογή προσβασιμότητας ιστοσελίδων ενημέρωσης για περιοχές (κτίρια, μεταφορικά μέσα, κλπ.), που απευθύνεται σε άτομα με ειδικές ανάγκες και απαιτεί αυτοκαθορισμό των αναγκών και των προτιμήσεων από το χρήστη. Το Ιαπωνικό έργο Barrier Free (έτη διεξαγωγής ) που υποστηρίχθηκε από το Υπουργείο Οικονομίας, Εμπορίου και Βιομηχανίας της Ιαπωνίας, ανέπτυξε ένα σύστημα καθοδήγησης διαδρομής για χρήστες αναπηρικού αμαξιδίου και άτομα με προβλήματα όρασης, κατάλληλο για εξωτερικούς και εσωτερικούς χώρους. Αρχικά εντοπίζεται η θέση του μετακινουμένου (μέσω GPS) και ο χρήστης καθορίζει το σημείο προορισμού μέσω του κινητού τηλεφώνου. Το σύστημα ενημερώνει με ακουστικό μήνυμα το χρήστη, π.χ. «Συνέχισε να περπατάς για 100 μέτρα», ακολουθούμενο από δεύτερο μήνυμα «Σε 40 μέτρα στρίψε στη δεξιά γωνία». Καθώς ο χρήστης περνάει από κεντρικά σημεία, το σύστημα τον ενημερώνει ανάλογα, π.χ. «Εδώ είναι το εμπορικό κέντρο Χ». Ακολουθεί μία εικόνα από την εφαρμογή στο κινητό τηλέφωνο (Kurachi K. et al., 2005). Εικόνα 11: Φωτογραφία από την εφαρμογή του ιαπωνικού έργου Barrier Free, επί κινητού τηλεφώνου. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: To σύστημα του έργου Barrier Free, παρόλο που παρέχει καθοδήγηση, δε λαμβάνει υπόψη τις προσωπικές προτιμήσεις του χρήστη. Απευθύνεται σε άτομα με προβλήματα όρασης καθώς και χρήστες αναπηρικού αμαξιδίου, κάτι το οποίο δεν αποτελεί στόχο της παρούσας διατριβής. Έτσι, στο Barrier Free οι μόνες παράμετροι που λαμβάνονται υπόψη αφορούν στην αναπηρία του μετακινουμένου και είναι στατικές. To IMAGE (IST , έτη διεξαγωγής ) ήταν ένα ερευνητικό έργο, συγχρηματοδοτούμενο απ την ΕΕ κατά το 5 ο πλαίσιο, που είχε ως στόχο την παροχή προσωποποιημένων πληροφοριών για υπηρεσίες επί κινητών συσκευών και τον τρόπο προσέγγισής τους, όλα βασισμένα στη γεωγραφική θέση του χρήστη. Συγκεκριμένα, ανέπτυξε υπηρεσίες όπως πλοήγηση, εφαρμογές εντοπισμού θέσης του χρήστη και ηλεκτρονικό εμπόριο για αποπληρωμή των επιλεχθέντων υπηρεσιών. Δεκέμβριος

92 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού Το IMAGE υιοθέτησε μία επιχειρηματική λογική (χρησιμοποιώντας τοπικούς παροχείς υπηρεσιών και περιεχόμενο) αλλά και τεχνική λύση με πολλά προτερήματα. Καταρχήν έδωσε δυνατότητα πρόσβασης στις υπηρεσίες του από διάφορες συσκευές (ηλεκτρονικούς υπολογιστές και υπολογιστές παλάμης, κινητά τηλέφωνα), λόγω του γεγονότος ότι το προφίλ του χρήστη αποθηκεύεται σε υπολογιστή εξυπηρέτησης δικτύου του IMAGE και όχι στη συσκευή του χρήστη. Δεύτερον, οι υπηρεσίες IMAGE μπορούν να προσφέρονται από οποιοδήποτε παροχέα δικτύου ο οποίος μπορεί να επιλέξει να χρησιμοποιήσει ένα νέο σύστημα επικοινωνίας ανθρώπουμηχανής. Το σύστημα IMAGE προσαρμόζει την υπηρεσία στις συνήθειες του χρήστη και κάθε εξυπηρετητής δικτύου IMAGE έχει τη δυνατότητα να λειτουργεί με άλλους εξυπηρετητές. Ο προσωποποιημένος επιβοηθητικός ευφυής πράκτορας: Διαχειρίζεται το προφίλ του χρήστη και προσαρμόζει την υπηρεσία στις προτιμήσεις του χρήστη. Συλλέγει απλές υπηρεσίες από του παροχείς και προσφέρει στο χρήστη μία σύνθετη και ολοκληρωμένη υπηρεσία. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το IMAGE, αν και είχε την απαιτούμενη υποδομή δε διέθετε πληροφορία και τελικά δεν υλοποίησε δυναμική προσαρμογή. Η μόνη δυναμική παράμετρος της προσωποποίησης ήταν η ώρα της ημέρας (δηλαδή το σύστημα θυμόταν τι είχε ζητήσει ο χρήστης στο παρελθόν για τη συγκεκριμένη ώρα της ημέρας και πρότεινε αντίστοιχες λύσεις), ενώ κατά τα άλλα η παρεχόμενη προσωποποίηση ήταν στατική, βασιζόμενη επί ρητών προτιμήσεων του χρήστη. Το γερμανικό έργο Motiv-PTA (έτη διεξαγωγής ) που υποστηρίχτηκε από το Υπουργείο Τεχνολογίες της Γερμανίας, είχε ως στόχο την παροχή βοήθειας κατά το ταξίδι. Οι παρεχόμενες υπηρεσίες ήταν οργάνωση διαδρομής με τη χρήση πολλαπλών μέσων μεταφοράς, ενημέρωση για τη ροή της κίνησης, θέσεις στάθμευσης, κράτηση ξενοδοχείου, κράτηση και αγορά εισιτηρίου, προγραμματισμός συναντήσεων, και διασκέδαση. Χρησιμοποίησε πολλαπλούς ευφυείς πράκτορες επί των συσκευών, αλλά και στους παροχείς υπηρεσιών (Gerber C., 1999). Οι παροχείς υπηρεσιών βασίζονται σε δικά τους συστήματα χαρτογράφησης, γεωγραφικής κωδικοποίησης και δρομολόγησης κι έτσι δεν προσφέρουν ευελιξία στην επιλογή του παροχέα υπηρεσίας. Αυτό συμβαίνει και με εμπορικά προϊόντα που δε χρησιμοποιούν τεχνολογία ευφυών πρακτόρων, όπως το Maporama. Τέτοιες λύσεις πάσχουν από τα ακόλουθα χαρακτηριστικά: - Τα συστήματα δεν είναι «ανοιχτά», με την έννοια ότι δε μπορούν να ενταχθούν διαφορετικά στοιχεία. - Δεν είναι εφοδιασμένα για να ταιριάζουν στους διαφορετικούς επιχειρηματικούς φορείς του τομέα των υπηρεσιών που στηρίζονται στη θέση του χρήστη. - Δεν έχουν αναπτυχθεί με εννοιολογικές («semantic») εφαρμογές διαδικτύου, επιτρέποντας την καινοτομία αναζήτησης εννοιολογικής υπηρεσίας. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το συγκεκριμένο έργο χρησιμοποίησε ευφυείς πράκτορες για διασύνδεση υπηρεσιών πληροφόρησης μετακινουμένων, αλλά όχι και για την προσωποποίησή τους, αν και τεχνικά διέθετε την απαιτούμενη υποδομή. Δεκέμβριος

93 Διδακτορική Διατριβή Μαρία Πάνου Το ΑDAMANT (IST , έτη διεξαγωγής ), έργο του 5 ου πλαισίου της ΕΕ, παρείχε ασύρματες πληροφορίες μετακίνησης για τους ταξιδιώτες, μέσα στο αεροδρόμιο της Αθήνας, χρησιμοποιώντας ευφυείς πράκτορες. Η πληροφορία ήταν βασισμένη στη θέση του χρήστη μέσα στο αεροδρόμιο. Το σύστημα αποθήκευε την εκάστοτε θέση (βάσει γεωγραφικών συντεταγμένων) των πιστοποιημένων χρηστών σε μία βάση δεδομένων, η οποία, σε συνδυασμό με τη χαρτογράφηση του αεροδρομίου και τις λειτουργίες του γεωγραφικού συστήματος πληροφόρησης, καθόριζε τη θέση του χρήστη. Οι κύριες εφαρμογές του ADAMANT αναφέρονται παρακάτω: 1) Πληροφόρηση για τα εσωτερικά δρομολόγια των λεωφορείων του αεροδρομίου. 2) Σύστημα εμφάνισης πληροφοριών πτήσεων κατόπιν ζήτησης από το χρήστη. 3) Πληροφορία κινητής βιντεοσκόπησης/φωτογράφησης για ασφάλεια και παρακολούθηση. 4) Εφαρμογή αυτόματης πληρωμής για εταιρείες παροχής καυσίμων. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το σύστημα ADAMANT είναι σχεδιασμένο κυρίως για καθοδήγηση εντός του κτιρίου του αεροδρομίου, λαμβάνοντας υπόψη μόνο τη θέση του ταξιδιώτη στο κτίριο. Δεν καλύπτονται θέματα προσωπικών του προτιμήσεων (π.χ. πιθανή καθοδήγηση προς το κατάστημα αρεσκείας του όταν υπάρχει ευχέρεια χρόνου μέχρι την πτήση). Το συγχρηματοδοτούμενο από την ΕΕ πρόγραμμα IM@GINE IT του 6 ου πλαισίου (IST , έτη διεξαγωγής ) στόχευε στην ανάπτυξη ενός μοναδικού σημείου πρόσβασης, μέσω του οποίου ο τελικός χρήστης να μπορεί να αποκτήσει πληροφορίες, βασισμένες στην γεωγραφική θέση που βρίσκεται, σχετικά με τη μεταφορά (στατική και δυναμική), τη χαρτογράφηση, τη δρομολόγηση, την πλοήγηση και άλλες σχετικές υπηρεσίες οπουδήποτε στην Ευρώπη, οποιαδήποτε ώρα, λαμβάνοντας υπόψη τις προσωπικές προτιμήσεις του. Βασικά χαρακτηριστικά ήταν τα εξής: - ο σχεδιασμός του γενικότερου πλαισίου χρήσης με βάση την προτίμηση του χρήστη, - η έκδοση οδηγιών, - η δυνατότητα προσφοράς της υπηρεσίας μέσω πολλών διαφορετικών φορητών συσκευών (κινητό τηλέφωνο, φορητός Η/Υ, υπολογιστές παλάμης, συσκευή αυτοκινήτου), - το περιβάλλον έξυπνης πληροφόρησης που να αναγνωρίζει και να μαθαίνει τις προτιμήσεις των χρηστών και να καθοδηγεί το σύστημα, - η ευφυής τεχνική εντοπισμού του χρήστη (συνδυάζοντας το σύστημα γεωγραφικού εντοπισμού θέσης και τις λογικές τεχνικές εντοπισμού), - το κοινό πρότυπο διαχείρισης δεδομένων για τη διασύνδεση πολλών πληροφοριών, - η ανεξαρτητοποίηση από τον τρόπο μεταφοράς (καλύπτοντας αυτοκίνητο, λεωφορείο, τραίνο, μετρό, τραμ, σκάφος, αεροπλάνο, εγκαταστάσεις αεροδρομίων), Δεκέμβριος

94 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού - η ολοκληρωμένη καθοδήγηση (συνδυάζοντας καθοδήγηση αυτοκινήτων, πεζών, καθοδήγηση με βάση τα μέσα μαζικής μεταφοράς και καθοδήγηση μέσα σε κτίρια), - η ανάπτυξη κοινής οντολογίας για τις μεταφορές και τον τουρισμό για σημασιολογικές εφαρμογές στον παγκόσμιο ιστό, - η συγκεντρωμένη παροχή ολοκληρωμένων και δυναμικών υπηρεσιών, και - η ανοικτή επικοινωνία με πολλά υφιστάμενα συστήματα. Εικόνα 12: Διεπιφάνεια αλληλεπίδρασης χρήστη-συστήματος IM@GINE IT, με παρουσίαση προσωποποιημένων αποτελεσμάτων για προτεινόμενα μεταφορικά μέσα. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το σύστημα του έργου IM@GINE IT δεν κατόρθωσε να εφαρμοστεί πλήρως, για τους εξής λόγους: α) σχετικά με την προσωποποίηση της πληροφόρησης για τα μεταφορικά μέσα, λόγω του γεγονότος ότι τα δρομολόγια πολλαπλών μεταφορικών μέσων των δύο συμμετεχόντων εταιρειών στο έργο παρείχαν μόνο μία λύση (δηλαδή μία προτεινόμενη διαδρομή), δεν ήταν δυνατή η εφαρμογή του αλγορίθμου επιλογής και προτεραιότητας υπαρχόντων λύσεων, και β) όλες οι πιλοτικές πόλεις του έργου, δεν υποστήριζαν υπο-κατηγορίες σημείων ενδιαφέροντος (π.χ. επίπεδο ξενοδοχείου, είδος εστιατορίου, κλπ.), κι έτσι δεν ήταν δυνατή η εφαρμογή αλγορίθμου επιλογής και προτεραιότητας. Το ολοκληρωμένο έργο ASK-IT (IST , έτος εκκίνησης 2004, διάρκεια 4 έτη) του 6 ου πλαισίου της ΕΟΚ, στοχεύει στην ανάπτυξη ευφυούς περιβάλλοντος για την προσφορά υπηρεσιών μέσω διαδικτύου, ώστε να υποστηρίξει και να προωθήσει την κινητικότητα των ατόμων με προβλήματα μετακίνησης, καθιστώντας δυνατή την παροχή εξατομικευμένων, αυτορρυθμιζόμενων και σχετικών με το περιεχόμενο εφαρμογών και υπηρεσιών. Επί του παρόντος αναπτύσσεται ένα σύστημα πολλαπλών ευφυών πρακτόρων (βλ. 5.3) για την επίτευξη των παραπάνω στόχων. Το σύστημα ASK-IT, όταν ολοκληρωθεί, θα συνδυάζει παροχή πληροφόρησης για όλα τα μεταφορικά μέσα με καθοδήγηση πορείας πεζών για προσβάσιμες διαδρομές, τόσο σε εξωτερικό όσο και δομημένο περιβάλλον (εντός κτιρίων, σταθμών, κλπ.) και σύμφωνα με το απαιτούμενο επίπεδο ακρίβειας από το χρήστη (π.χ. απαιτείται υψηλή ακρίβεια από τυφλούς χρήστες, για την αποφυγή εμποδίων στην πορεία τους) και τον τρόπο μεταφοράς. Δεκέμβριος

95 Διδακτορική Διατριβή Μαρία Πάνου Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Ο αλγόριθμος της παρούσας διατριβής θα χρησιμοποιηθεί απλοποιημένος από το ASK-IT και προσαρμοσμένος σε χρήστες με προβλήματα κινητικότητας. 5.2 Προσαρμογή και προσωποποίηση υπηρεσιών μετακίνησης για τον οδηγό Οι προσπάθειες που έχουν πραγματοποιηθεί στην περιοχή των προσωποποιημένων και προσαρμοζόμενων συστημάτων προειδοποίησης οδηγού, τόσο στην Ευρώπη όσο και σε παγκόσμιο επίπεδο, είναι πολύ λιγότερες από εκείνες στον τομέα πληροφόρησης κατά τη μετακίνηση, που παρουσιάστηκαν παραπάνω. Οχήματα στα οποία βοηθητικά/πληροφοριακά συστήματα και συσκευές λειτουργούν αυτόνομα, είναι πιθανό να οδηγήσουν κάποιες φορές στη σύγχυση του οδηγού, στην απόσπαση της προσοχής του και στην αύξηση του φόρτου εργασίας, κάτι το οποίο έχει αποδειχθεί άκρως επικίνδυνο. Η Εθνική Διαχείριση Κυκλοφοριακής Ασφάλειας Αυτοκινητοδρόμων της Αμερικής (NHTSA The Highway Traffic Safety) εκτιμά ότι η απόσπαση προσοχής του οδηγού συντελεί σε 20-30% των ατυχημάτων που έχουν αναφερθεί από την αστυνομία, το οποίο μεταφράζεται σε περίπου 1,5 εκατομμύρια ατυχήματα το χρόνο ( html). Έτσι, τα ΣΣΥΟ και ΠΣΟ πρέπει να σχεδιάζονται κατά τρόπο ώστε οι απαιτήσεις που έχουν από τον οδηγό να ανταποκρίνονται στον τρόπο οδήγησης και στις δυνατότητες του εκάστοτε οδηγού να επεξεργάζεται και να ενεργεί/αντιδρά αναλόγως. Προς το παρόν, σχετικές έρευνες επικεντρώνονται στην ανάπτυξη ενός κεντρικού προσαρμοζόμενου συστήματος αλληλεπίδρασης οδηγού-οχήματος, συνδυάζοντας δεδομένα από πολλαπλά ΣΣΥΟ/ΠΣΟ (ενώνοντας και συνδυάζοντας δεδομένα από διάφορους αισθητήρες, κάμερες και ραντάρ), έχοντας το ρόλο ενός κεντρικού συστήματος παρακολούθησης όλων το επικειμένων κινδύνων και ελέγχοντας τη ροή πληροφορίας. Ακολουθεί συνοπτική παρουσίαση των αποτελεσμάτων τριών σχετικών ερευνητικών έργων: COMUNICAR, AIDE και SAVE-IT. Μία από τις πρώτες προσπάθειες συνδυασμού προειδοποιήσεων από πολλαπλά ΣΣΥΟ σε ένα σύστημα επικοινωνίας ανθρώπου-μηχανής πραγματοποιήθηκε στο ευρωπαϊκό έργο COMUNICAR (IST , έτη εκτέλεσης ). Στο έργο αυτό χρησιμοποιήθηκαν δύο οχήματα (ένα αυτοκίνητο πόλης και ένα πολυτελείας), προκειμένου να επιδειχθεί το νέο ολοκληρωμένο σύστημα πολυμέσων επικοινωνίας οδηγού-οχήματος, με δυνατότητα να συνθέτει εισερχόμενα μηνύματα τόσο από το την κλασσική λειτουργία του οχήματος (ταχύμετρο, κλπ.), όσο και από ΣΣΥΟ/ΠΣΟ (π.χ. προειδοποίηση σύγκρουσης, προσαρμοζόμενη πλοήγηση, πληροφόρηση καιρού, υπηρεσίες διαδικτύου, αλλά και, χειρισμός κλιματισμού, μουσικής, κλπ.). Το ΣΕΑΜ που αναπτύχθηκε διαχειρίζεται την ταυτόχρονη λήψη εισερχομένων κι εξερχομένων μηνυμάτων, προκειμένου να ενισχύσει την ασφάλεια και την άνεση του οδηγού, αυξάνοντας έτσι την εγρήγορσή του και μειώνοντας τον πνευματικό του φόρτο καθώς οδηγεί. Το ΣΕΑΜ απαρτίζεται από έναν Διαχειριστή Πληροφόρησης, που είναι προγραμματισμένος να ελέγχει τη ροή των πληροφοριών και τις προτεραιότητες. Ο Διαχειριστής αναγνωρίζει επίσης το σενάριο οδήγησης και την κατάσταση του περιβάλλοντος βάσει συγκεκριμένων αισθητήρων. Η ανταλλαγή δεδομένων και η διαχείριση συσκευών εισερχομένων-εξερχομένων, που είναι διασυνδεδεμένες με το Δεκέμβριος

96 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού δίκτυο πολυμέσων, πραγματοποιούνται μέσω μίας αρχιτεκτονικής δικτύου. Τέλος, υπάρχει μία ηλεκτρονική μονάδα που μετράει το επίπεδο δραστηριότητας του οδηγού. Εικόνα 13: Εικόνες από το ΣΕΑΜ από δοκιμές επί προσομοιωτή οδήγησης. Αριστερά: προειδοποίηση εμπρόσθιας σύγκρουσης και εκτροπής από τη λωρίδα κυκλοφορίας προς τα δεξιά. Δεξιά: ΣΕΑΜ με προειδοποίηση εμπρόσθιας σύγκρουσης και εντοπισμός αντικειμένου στην αριστερή «νεκρή γωνία» (COMMUNICAR Παραδοτέο 6.2, 2001). Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Στο σύστημα COMUNICAR υπήρχε μόνο στατική προσωποποίηση, όχι προσωποποίηση σε πραγματικό χρόνο. Το σύστημα επικοινωνίας ανθρώπου-μηχανής αναπτυσσόταν βάσει των χαρακτηριστικών του χρήστη, αλλά δεν υπήρχε η δυνατότητα να αλλάξει στο μέλλον, σύμφωνα με τα νέα (εξελισσόμενα) χαρακτηριστικά του χρήστη. To ολοκληρωμένο ευρωπαϊκό πρόγραμμα AIDE (IST , έτη διεξαγωγής ) στοχεύει στην ανάπτυξη μεθοδολογιών και τεχνολογιών για ένα προσαρμοζόμενο ολοκληρωμένο ΣΕΑΜ για μελλοντικά οχήματα, που να ενσωματώνει προειδοποιητικά και πληροφοριακά μηνύματα από διάφορα είδη ΣΣΥΟ/ΠΣΟ, με την ανάλογη προτεραιότητα, εξασφαλίζοντας την ασφάλεια του οδηγού. Το σύστημα αυτό αποτελείται από επιμέρους υποσυστήματα, τα οποία επικεντρώνονται στην προσαρμογή του ΣΕΑΜ στο περιβάλλον χρήσης, στη διαθεσιμότητα, στο επίπεδο ενάργειας και προσοχής του οδηγού, ενώ μόνο ένα στην προσωποποίηση των χαρακτηριστικών του οδηγού. Παρόλα αυτά, συμπεριλαμβάνεται μία μικρή περιγραφή για κάθε υποσύστημα, διότι όλα μαζί απαρτίζουν ένα ολοκληρωμένο σύστημα προειδοποιήσεων και πληροφοριών πολλαπλών ΣΣΥΟ. - Υποσύστημα αξιολόγησης οδικού και περιβαλλοντικού κινδύνου Το σύστημα αυτό καταγράφει και αναλύει την περιρρέουσα κυκλοφορία, για να αξιολογήσει, σε πραγματικό χρόνο, το συνολικό επίπεδο κινδύνου σε σχέση με τους εξωτερικούς παράγοντες (σε σχέση με το περιβάλλον και την κυκλοφορία) και να προβλέψει την πρόθεση του οδηγού για ελιγμούς στον εγκάρσιο άξονα. Για την καταγραφή του εξωτερικού περιβάλλοντος και την προσαρμογή του συστήματος αλληλεπίδρασης με το χρήστη, μπορούν να χρησιμοποιηθούν οι συνηθισμένοι αισθητήρες και κάμερες των συστημάτων προειδοποίησης για αποφυγή σύγκρουσης, εκτροπή από λωρίδα κυκλοφορίας, εντοπισμού οχήματος στην «τυφλή/νεκρή γωνία», χάρτες και συστήματα εντοπισμού θέσης οχήματος, σε συνδυασμό με ένα πίνακα με τα στοιχεία και τα χαρακτηριστικά της οδού. Οι αλγόριθμοι παρακολούθησης συλλέγουν όλα τα διαθέσιμα δεδομένα από τους αισθητήρες. Δεκέμβριος

97 Διδακτορική Διατριβή Μαρία Πάνου - Υποσύστημα προσωποποίησης χαρακτηριστικών οδηγού Το υποσύστημα αυτό επιχειρεί να προσωποποιήσει τον τρόπο (δηλαδή με ποιο είδος αλληλεπίδρασης χρήστη-συστήματος, π.χ. οπτικό, ακουστικό ή απτικό), το περιεχόμενο και την ένταση της παρεχόμενης πληροφορίας ή προειδοποίησης, βάσει του προφίλ του χρήστη, αλλά και των προτιμήσεών του. Το σύστημα αναγνωρίζει στατικές, ημι-δυναμικές και δυναμικές παραμέτρους σχετιζόμενες με το χρήστη. Οι στατικές και ημι-δυναμικές εισάγονται από τον ίδιο τον οδηγό, είτε την πρώτη φορά που χρησιμοποιεί το σύστημα, είτε πριν από κάθε ταξίδι. Το σύστημα αυτό είναι το πιο σχετικό με το αντικείμενο της παρούσας διατριβής και υλοποιήθηκε επίσης από τη γράφουσα. - Υποσύστημα αξιολόγησης διαθεσιμότητας οδηγού Πρόκειται για ένα σύστημα που υπολογίζει τη διαθεσιμότητα ή μη του οδηγού για να λάβει και να επεξεργαστεί πληροφορίες, βάσει των απαιτήσεων του πρωταρχικού καθήκοντος, που είναι η οδήγηση. Συνοπτικά, εάν οι απαιτήσεις του οδικού περιβάλλοντος είναι υψηλές κάποια συγκεκριμένη στιγμή και η προσοχή του οδηγού πρέπει να επικεντρωθεί ολοκληρωτικά στην οδήγηση, το σύστημα συμπεραίνει ότι δεν είναι διαθέσιμος να απασχοληθεί με κάτι άλλο ή να δεχθεί πληροφορίες για δευτερεύοντα θέματα (π.χ. ενημέρωση για τον κυκλοφοριακό φόρτο), και το αντίθετο. - Υποσύστημα ανίχνευσης μειωμένης ενάργειας Ο σκοπός του υποσυστήματος αυτού είναι να εντοπίσει και να διαγνώσει, σε πραγματικό χρόνο, τον οδηγό που βρίσκεται υπό μειωμένη ενάργεια λόγω υπνηλίας ή άλλων αιτιών. Οι πληροφορίες αντλούνται από αισθητήρες εντός του αυτοκινήτου, όπως αισθητήρας μέτρησης ανοιγοκλεισίματος των βλεφάρων, αισθητήρας καταγραφής της θέσης του οχήματος στη λωρίδα κυκλοφορίας και αισθητήρες παρακολούθησης της διεύθυνσης του τιμονιού, οι οποίες ενώνονται στη συνέχεια με επιπλέον πληροφορίες. Το αποτέλεσμα είναι η διάγνωση της κατάστασης του οδηγού, η οποία διαχωρίζεται σε τέσσερα στάδια (φυσιολογική, ελλιπής, κρίσιμη, επικίνδυνη). - Υποσύστημα αξιολόγησης δραστηριότητας οδηγού Το συγκεκριμένο υποσύστημα παρακολουθεί τις ενέργειες του οδηγού, για να εντοπίσει οπτική και νοητική απόσπαση προσοχής, καθώς και πρόθεση εγκαρσίου ελιγμού. Θεωρεί ότι λαμβάνει χώρα οπτική απόσπαση του οδηγού όταν το βλέμμα του δεν εστιάζει επί της οδού (π.χ. ο οδηγός κοιτάζει κάτι μέσα στο όχημα, ή πινακίδες παρά την οδό, κλπ.). Το υποσύστημα αξιολόγησης δραστηριότητας οδηγού διαχωρίζει μεταξύ των περιπτώσεων όπου ο οδηγός μοιράζει το χρόνο, ελέγχοντας το δρόμο και εστιάζοντας στο εμπόδιο, από εκείνες όπου ο οδηγός δεν έχει το βλέμμα του καθόλου στο δρόμο. Η νοητική απόσπαση προσοχής είναι συνήθως αποτέλεσμα κούρασης, συζήτησης με συνεπιβάτες, ή ακόμη και απλώς ονειροπόλησης. Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το AIDE παρέχει τη δυνατότητα προσαρμογής του συστήματος αλληλεπίδρασης οδηγού-οχήματος μόνο όσον αφορά στον τρόπο προειδοποίησης (μέσο, π.χ. με φωνή, με κείμενο, κλπ.), στην ισχύ του μηνύματος και στη θέσπιση προτεραιοτήτων. Συνεπώς, η κύρια δυναμική παράμετρος προσωποποίησης, που είναι το πότε προειδοποιείται ο οδηγός, δεν καλύπτεται. Η Εθνική Διαχείριση Κυκλοφοριακής Ασφάλειας Αυτοκινητοδρόμων της Αμερικής (NHTSA) χρηματοδότησε ένα έργο με σκοπό την ανάπτυξη προσαρμοζόμενου συστήματος επικοινωνίας οδηγού-οχήματος, το επονομαζόμενο SAVE-IT (έτη διεξαγωγής ). Συνοπτικά, το SAVE-IT έχει κοινή λογική με το Δεκέμβριος

98 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού COMUNICAR. Tο σύστημα επικοινωνίας ανθρώπου-μηχανής προσαρμόζεται και παρέχει στον οδηγό την κατάλληλη προειδοποίηση, βάσει δεδομένων από αισθητήρες παρακολούθησης του δρόμου, της κίνησης γύρω από το όχημα, το χειρισμό του και την κατάσταση του οδηγού, λαμβάνοντας υπόψη τις απαιτήσεις της δραστηριότητας του οδηγού που σχετίζονται με το επίπεδο του εργασιακού του φόρτου. Αναπτύσσονται κανόνες και αλγόριθμοι για τον καθορισμό της προτεραιότητας των μηνυμάτων προς τον οδηγό εντός του οχήματος. Εικόνα 14: Έλεγχος κατάστασης οδηγού (SAVE-ΙΤ) Σύγκριση με το προτεινόμενο σύστημα της διατριβής: Το σύστημα, αν και λαμβάνει υπόψη την παρούσα κατάσταση του δρόμου και του οδηγού, καθώς και το φόρτο εργασίας, αποφασίζει μόνο για την προτεραιότητα των προειδοποιητικών μηνυμάτων. Δεν εξετάζει καθόλου τις προσωπικές παραμέτρους συμπεριφοράς στην οδήγηση αλλά ούτε προσωποποιεί τη λειτουργία των συστημάτων και κατ επέκταση τις προειδοποιήσεις τους. 5.3 Τεχνολογία Ευφυών Πρακτόρων ως μέθοδος προσωποποίησης υπηρεσιών μεταφοράς και τουρισμού Μία από τις πιο δόκιμες μεθόδους προσωποποίησης εφαρμογών αλληλεπίδρασης υπηρεσιών και μηχανημάτων με τον άνθρωπο είναι η τεχνολογία ευφυών πρακτόρων. Η τεχνολογία αυτή επιλέχθηκε από τα περισσότερα έργα που αναφέρονται στην παράγραφο 5.1 καθώς και άλλα, που αφορούν στην προσωποποίηση του χρήστη, επειδή οι κύριες προϋποθέσεις για τις υπηρεσίες παροχής πληροφοριών μετακίνησης ενυπάρχουν στις ιδιότητες των ευφυών πρακτόρων. Οι κυριότερες απ αυτές είναι (Weiss G., 1999): - Κατανομή: λαμβάνεται υπόψη η χρονική και γεωγραφική κατανομή των χρηστών. - Ετερογένεια: η υποστήριξη του χρήστη, οι υπηρεσίες, οι συσκευές και τα δίκτυα έχουν τη δυνατότητα να παρέχονται από διαφορετικές πηγές. - Συντονισμός κι επικοινωνία: η βέλτιστη ικανοποίηση του χρήστη μπορεί να επιτευχθεί μόνο εάν υπάρχει συντονισμός κι επικοινωνία μεταξύ των χρηστών και των παροχέων υπηρεσιών. - Κινητικότητα: η φυσική και λογική θέση των χρηστών και των συσκευών μπορεί να αλλάξουν με το χρόνο. Δεκέμβριος

99 Διδακτορική Διατριβή Μαρία Πάνου Η ανάπτυξη συστημάτων ευφυών πρακτόρων απαιτεί την κατάλληλη μεθοδολογία ανάλυσης και σχεδιασμού. Η μηχανική λογισμικού, με κατεύθυνση τους ευφυείς πράκτορες, αποτελεί μία περιοχή έρευνας για την κοινωνία της τεχνολογίας των πρακτόρων, η οποία έχει προτείνει διάφορες υποσχόμενες μεθοδολογίες, όπως οι Gaia (Wooldridge M. et al., 2000), AUML, Tropos (Giunchiglia F. et al, 2002) και MASE (Wood & DeLoach, 2000) Τι είναι ένας Ευφυής Πράκτορας Ευφυής πράκτορας είναι ένα κομμάτι λογισμικού που πραγματοποιεί µία εργασία που του έχει δοθεί, χρησιμοποιώντας πληροφορίες που αντλεί από το περιβάλλον του και δρα µε τον κατάλληλο τρόπο, ώστε να τη διεκπεραιώσει µε επιτυχία. Κατέχει τις ιδιότητες της αυτονομίας, της πρωτοβουλίας για δράση, της κοινωνικότητας, της χρονικής συνέχειας και δρα προκειμένου να ικανοποιήσει τους στόχους του ή εκείνους του χρήστη, εάν βρίσκεται στην υπηρεσία του. Το λογισμικό θα πρέπει να είναι ικανό να προσαρμόζεται σε αλλαγές που συμβαίνουν στο περιβάλλον του, ώστε να οδηγείται στο επιθυμητό αποτέλεσμα (Βασιλειάδης Ν., ΑΠΘ). Πρόκειται δηλαδή για αυτόνομες οντότητες επίλυσης προβλημάτων, οι οποίες χαρακτηρίζονται από δυναμικά και σύνθετα περιβάλλοντα και δεν έχουν ανάγκη μόνιμη καθοδήγηση από το χρήστη που βρίσκονται στην υπηρεσία του (Burg, 2002). Το ενδιαφέρον για την τεχνολογία των πρακτόρων είναι συνεχώς αυξανόμενο, καθώς αλλάζει τη µορφή της διασύνδεσης χρήστη-λογισμικού. Ο χρήστης δεν επικοινωνεί απευθείας µε κάποια εφαρμογή αλλά χρησιμοποιεί έναν πράκτορα, ο οποίος τον διευκολύνει σε χρονοβόρες διαδικασίες, διαδικασίες ρουτίνας ή διαδικασίες που χρειάζονται κάποια ικανότητα που ο χρήστης δεν έχει αποκτήσει ακόµη (Βλαχάβας κ.α., 2006). O προγραμματισμός ενός πράκτορα απαιτεί τον εφοδιασµό του µε ικανότητα ανίχνευσης δεδομένων/ερεθισμάτων και ικανότητα αντίδρασης και δράσης, βάσει των ερεθισμάτων αυτών. Δηλαδή, ο πράκτορας είναι ικανός να αντιλαμβάνεται τα γεγονότα από το περιβάλλον του, και αντίστοιχα να αποφασίζει για την ενέργειά του, η οποία θα προκαλέσει αλλαγή στο περιβάλλον. ΠΕΡΙΒΑΛΛΟΝ ΕΥΦΥΗ ΠΡΑΚΤΟΡΑ Αποτέλεσμα δράση ΕΥΦΥΗΣ ΠΡΑΚΤΟΡΑΣ Εξωτερικό περιβάλλον ερέθισμα αντίδραση Εσωτερικές διαδικασίες Σχήμα 18: Αλληλεπίδραση ευφυή πράκτορα με το εξωτερικό περιβάλλον. Δεκέμβριος

100 Υφιστάμενη τεχνογνωσία ευφυών συστημάτων για προσωποποίηση και προσαρμογή υπηρεσιών μεταφοράς και τουρισμού Οι λογισμικοί Πράκτορες διαχωρίζονται στους παρακάτω τύπους (Μωραΐτης, 2004): - Προσωπικοί βοηθοί - Πράκτορες εργασιών - Πράκτορες Διεπαφής - Πληροφοριακοί Πράκτορες - Κινητοί Πράκτορες Η προσωποποίηση των υπηρεσιών και η αντιπροσώπευση της πληροφορίας, είναι τα πιο σημαντικά χαρακτηριστικά ενός έξυπνου συστήματος, όπως έχει βρεθεί από τα ερευνητικά έργα FACTS, ADVICE, CAMELEON, DOM, και CRUMPET Τι είναι το πλαίσιο εργασίας JADE Το JADE (Java Agent DEvelopment Framework) αποτελεί ένα πλαίσιο εργασίας λογισμικού, το οποίο υλοποιείται πλήρως σε γλώσσα Java. Απλοποιεί την υλοποίηση συστημάτων πολλαπλών πρακτόρων μέσω συγκεκριμένων προγραμμάτων και συμμορφώνεται με τις προδιαγραφές FIPA, ενώ, μέσω ενός συνόλου γραφικών εργαλείων, υποστηρίζει τις διαδικασίες ανεύρεσης και διόρθωσης λαθών. Η πλατφόρμα των πρακτόρων διαδίδεται μεταξύ των μηχανών και η διάταξη των διαφορετικών τμημάτων μπορεί να ελέγχεται μέσω ενός κατανεμημένου συστήματος αλληλεπίδρασης χρήστη-μηχανής Η μεθοδολογία Gaia Η μεθοδολογία Gaia αποτελεί μία προσπάθεια για τον προσδιορισμό μιας ολοκληρωμένης μεθοδολογίας, προσαρμοσμένης στην ανάλυση και το σχεδιασμό Συστημάτων Πολλαπλών Πρακτόρων ΣΠΠ (αγγλικός όρος: «Multi-Agent System ΜΑS»). Πρόκειται για μία γενική μεθοδολογία, που υποστηρίζει τόσο το επίπεδο της δομής του πράκτορα όσο και την κοινωνία των πρακτόρων, στη διαδικασία ανάπτυξης ΣΠΠ. Τα ΣΠΠ, σύμφωνα με τη Gaia, θεωρούνται ότι αποτελούνται από ένα αριθμό αυτόνομων διαδραστικών πρακτόρων που βρίσκονται σε οργανωμένη κοινωνία, στην οποία ο κάθε πράκτορας κατέχει έναν ή περισσότερους συγκεκριμένους ρόλους. Ένα πολυπρακτορικό σύστηµα είναι ένα σύστηµα που σχεδιάστηκε και υλοποιήθηκε ως ένα σύνολο πρακτόρων που αλληλεπιδρούν, δηλαδή συνεργάζονται, συντονίζονται, διαπραγµατεύονται, κτλ. Κύριο χαρακτηριστικό των συνεργαζοµένων πρακτόρων είναι η δυνατότητα συντονισμού («coordination») µέσω κάποιας γλώσσας επικοινωνίας, έτσι ώστε να φτάσουν σε κοινά αποδεκτές συμφωνίες και να επιλύσουν ενδεχόμενες συγκρούσεις, οι οποίες προκύπτουν από την επίτευξη των επιμέρους στόχων τους (Βλαχάβας κ.α., 2006). Τα πολυπρακτορικά συστήµατα αποτελούν τρέχουσα ερευνητική περιοχή µε µεγάλο ενδιαφέρον και πληθώρα νέων αποτελεσµάτων. Η Gaia προσδιορίζει τη δομή ενός ΣΠΠ από άποψη μοντέλου. Το μοντέλο αναγνωρίζει τους ρόλους που πρέπει να έχουν οι πράκτορες μέσα στο ΣΠΠ, καθώς και τα πρωτόκολλα αλληλεπίδρασης ανάμεσα στους διάφορους ρόλους. Ο σκοπός της διαδικασίας ανάλυσης Gaia είναι ο προσδιορισμός των ρόλων και η μοντελοποίηση των αλληλεπιδράσεων μεταξύ τους. Οι ρόλοι αποτελούνται από τέσσερις ιδιότητες: υπευθυνότητες, άδειες, δραστηριότητες και πρωτόκολλα. Οι υπευθυνότητες αποτελούν την ιδιότητα-κλειδί σχετικά με ένα ρόλο, εφόσον προσδιορίζουν τη λειτουργία του. Υπάρχουν δύο είδη υπευθυνοτήτων: με ιδιότητες ζωτικότητας ο ρόλος πρέπει να επιφέρει κάτι καλό στο σύστημα, και με ιδιότητες ασφάλειας ο ρόλος πρέπει να εμποδίσει οποιοδήποτε κακό να συμβεί στο σύστημα. Δεκέμβριος

101 Διδακτορική Διατριβή Μαρία Πάνου Η ζωτικότητα περιγράφει τα έργα που πρέπει να πραγματοποιήσει ένας πράκτορας σε συγκεκριμένες περιβαλλοντικές συνθήκες, ενώ η ασφάλεια διασφαλίζει ότι μία αποδεκτή κατάσταση σχέσεων διατηρείται κατά τη διάρκεια του κύκλου εκτέλεσης. Προκειμένου να κάνει πράξη τις υπευθυνότητες, ο ρόλος έχει ένα σύνολο «αδειών». Οι άδειες αντιπροσωπεύουν τι είναι επιτρεπτό να κάνει ο ρόλος και, συγκεκριμένα, ποιες πληροφορίες επιτρέπεται να προσεγγίσει. Οι δραστηριότητες αποτελούν καθήκοντα, που πρέπει να πραγματοποιήσει ένας πράκτορας χωρίς να αλληλεπιδράσει με άλλους πράκτορες. Τέλος, τα πρωτόκολλα θεωρούνται ως τα συγκεκριμένα πρότυπα αλληλεπίδρασης. Η Gaia έχει συμβατικούς τελεστές και φόρμες παρουσίασης των ρόλων και των χαρακτηριστικών τους, καθώς και σχήματα που μπορούν να χρησιμοποιηθούν για να αντιπροσωπεύουν αλληλεπιδράσεις μεταξύ των διαφόρων ρόλων ενός συστήματος Τι είναι τα πρότυπα FIPA Η FIPA (Ίδρυμα φυσικών ευφυών πρακτόρων) είναι μία μη κερδοσκοπική οργάνωση, με σκοπό τη δημιουργία προτύπων για τη διαλειτουργικότητα ετερογενών πρακτόρων και των υπηρεσιών που αυτοί αντιπροσωπεύουν. Η FIPA προέκυψε από την ανάγκη για προτυποποίηση, εφόσον η τεχνολογία ευφυών πρακτόρων παρέχει λύσεις για συνεργασία στην ανάπτυξη συστημάτων, δυναμική ενοποίηση νέων τμημάτων του Η/Υ για το λογισμικό αλλά και το μηχανικό μέρος και «ανοιχτά» και διαλειτουργικά συστήματα. Πριν από τη FIPA υπήρχαν περίπου 60 ανταγωνιστικά ιδιόκτητα συστήματα πρακτόρων, από τα οποία τα περισσότερα ήταν «κλειστά», δεν επέτρεπαν δηλαδή την προσθήκη νέων στοιχείων και κανόνων ή τη μορφοποίηση των υπαρχόντων, και δεν ήταν συμβατά μεταξύ τους (Burg B., 2002). 5.4 Συμπεράσματα Όπως φαίνεται απ την παραπάνω βιβλιογραφική επισκόπηση: Η προσωποποίηση αλγορίθμων πληροφόρησης/ προειδοποίησης οδηγού αλλά και μετακινουμένου έχει υπάρξει στο επίκεντρο της σχετικής έρευνας την τελευταία δεκαετία. Παρά τους φιλόδοξους στόχους διαφόρων έργων, μόνο στατική και ημιδυναμική προσωποποίηση έχει δοκιμαστεί μέχρι σήμερα, με εξαίρεση τα ερευνητικά έργα AIDE και ASK-IT, όπου εφαρμόζεται μία ιδιαίτερα απλοποιημένη προσαρμογή των δυναμικών αλγορίθμων της παρούσας διατριβής από τη γράφουσα. Η εφαρμογή δυναμικής προσωποποίησης υπηρεσιών για οδηγούς και λοιπούς μετακινουμένους αποτελεί εντελώς καινοτόμα πρακτική και ταυτόχρονα ζητούμενο τόσο ερευνητικών δράσεων όσο και της βιομηχανίας οχημάτων. Η υφισταμένη τεχνολογία ευφυών πρακτόρων, με χρήση JADE και Gaia και σύμφωνα με τα πρότυπα FIPA, αποτελεί κατάλληλη πλατφόρμα για υλοποίηση των αλγορίθμων προσωποποίησης επί υπηρεσιών. Δεκέμβριος

102 6 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY 6.1 Εισαγωγή στα μοντέλα συμπεριφοράς οδηγού Όπως δηλώνεται από τον Rothengatter (1997), τα μοντέλα συμπεριφοράς χρηστών οδού συμπεριλαμβάνουν την ανάλυση των ενεργειών του οδηγού, λειτουργικά μοντέλα ελέγχου και μοντέλα κινήτρων, που οδηγούν στην ανάληψη και την αποδοχή κινδύνων. Η σχέση μεταξύ του ατυχήματος και της οδικής συμπεριφοράς είναι κατά ένα μεγάλο μέρος ασαφής: στοιχεία απόδοσης καθώς επίσης και κίνητρα συμπεριφοράς, οι ατομικές διαφορές και οι στιγμιαίες μεταβλητές εμφανίζονται ως σχετικές παράμετροι. Ο Michon (1985) διαίρεσε το γενικό πρόβλημα καθηκόντων του οδηγού σε τρία επίπεδα δεξιοτήτων και ελέγχου: στρατηγικό (προγραμματισμός), τακτικό (ελιγμός) και λειτουργικό (έλεγχος) αντίστοιχα (Σχήμα 19). Το μοντέλο του Michon, βασίζεται σε μία ιεραρχική προσέγγιση της δραστηριότητας οδήγησης, όπως φαίνεται στο ακόλουθο σχήμα: Χρόνος Στρατηγικό επίπεδο Γενικά σχέδια μεγάλος Επιρροή από το περιβάλλον Κριτήρια διαδρομής και ταχύτητας Επίπεδο ελιγμών Κριτήρια ανάδρασης Ελεγχόμενες κινήσεις δευτερόλεπτα Επιρροή από το περιβάλλον Επίπεδο χειρισμού Αυτοματοποιημένες κινήσεις δευτερολέπτου Σχήμα 19: Η ιεραρχική δομή της δραστηριότητας του μετακινουμένου (Michon, 1985). Παρόλα αυτά, το παραπάνω ιεραρχικό μοντέλο προσφέρει περιορισμένη κατανόηση της πραγματικής συμπεριφοράς οδήγησης του οδηγού, για την αιτία συγκεκριμένων τύπων ατυχημάτων, παραμετρικά ως προς ειδικές οδηγικές συμπεριφορές. Τέτοιου τύπου μοντέλα συνδέουν τη συμπεριφορά του οδηγού με μία υποθετική σταθερά αποδεκτού επιπέδου κινδύνου του οδηγού. Αλλά δεν εξηγούν γιατί οι οδηγοί είναι διατεθειμένοι να δεχτούν οποιοδήποτε ρίσκο. Δεκέμβριος

103 Διδακτορική Διατριβή Μαρία Πάνου Μία ανταγωνιστική θεωρία ανθρώπινης συμπεριφοράς αναφέρεται σε μοντέλα βασισμένα σε δεξιότητες, όπως ορίζεται από τον Rasmussen (1984), η οποία έχει χρησιμοποιηθεί εκτενώς για μοντελοποίηση συμπεριφοράς οδηγών. Συγκεκριμένα, διαχωρίζει τρία επίπεδα συμπεριφοράς: - Βάσει γνώσης (π.χ. αποφάσεις σε άγνωστο περιβάλλον και συνειδητές ενέργειες). - Βάσει κανόνων (π.χ. νομοθεσία, βάσει κανόνων που έχουν διδαχθεί). - Βάσει ικανοτήτων (π.χ. έλεγχος οχήματος, που γίνεται συνήθως ασυνείδητα). Συσχετίζοντας το μοντέλο Michon με του Rasmussen, προκύπτει η παρακάτω ταξινόμηση της δραστηριότητας οδήγησης: Πίνακας 16: Ταξινόμηση της δραστηριότητας οδήγησης (προσαρμοσμένη από Hoeschen et al., 2001). Επίπεδο ανθρώπινης συμπεριφοράς Γνώση Κανόνας Ικανότητα Επίπεδο δραστηριότητας οδήγησης Στρατηγικό Ελιγμού Λειτουργικό/ χειρισμού Οδήγηση σε άγνωστη περιοχή Επιλογή μεταξύ γνωστών διαδρομών Διαδρομή που χρησιμοποιείται καθημερινά Χειρισμός σε ολισθηρό οδόστρωμα Προσπέραση άλλων οχημάτων Απόφαση σε γνωστή διασταύρωση Αρχάριος οδηγός στο πρώτο μάθημα Οδήγηση νέου, άγνωστου οχήματος Έλεγχος οχήματος σε στροφές Η πιο πρόσφατη πρόοδος σε αυτή την κατεύθυνση είναι ο πίνακας GADGET (Hatakka et al., 1999). Το GADGET («Guarding Automobile Drivers through Guidance Education and Technology») ήταν ένα ερευνητικό Ευρωπαϊκό έργο. Ο πίνακας χρησιμοποιεί 4 αντί για 3 ιεραρχικά επίπεδα και η αντιστοιχία τους με τα επίπεδα του μοντέλου Michon δίνεται παρακάτω: Πίνακας 17: Αντιστοιχία ανάμεσα στον πίνακα GADGET και στα ιεραρχικά επίπεδα Michon. Επίπεδα GADGET Ελιγμός οχήματος Αντίληψη συνθηκών κυκλοφορίας Στόχοι και πλαίσιο της οδήγησης (σχετικά με το ταξίδι) Στόχοι για τη ζωή και δεξιότητες για τη διαβίωση (γενικά) Επίπεδα Michon Χειρισμού Τεχνικό/ελιγμοί Στρατηγικό Κανένα (νέο επίπεδο): «Θέματα συμπεριφοράς» Το μοντέλο GADGET είναι αρκετά λεπτομερές, συνδυάζοντας τα παραπάνω επίπεδα με τρεις παραμέτρους: γνώση και δεξιότητες, παράγοντες αύξησης κινδύνου, αυτοεξέλιξη. Έχει πιο ευρύ στόχο από τα προαναφερθέντα μοντέλα. Παρόλα αυτά Δεκέμβριος

104 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY είναι πολύ γραμμικό για να αντιπροσωπεύει το πολυσύνθετο πεδίο της συμπεριφοράς του οδηγού. Τα παραπάνω μοντέλα είναι δύο διαστάσεων, εννοώντας ότι συσχετίζουν την οδική συμπεριφορά στα διάφορα επίπεδα οδήγησης με ειδικά επίπεδα ανθρώπινης συμπεριφοράς. Η οδήγηση ωστόσο αποτελεί μία πολυσύνθετη γνωστική ικανότητα, παρόλο που πολλές από τις φάσεις της, όπως λειτουργία των βασικών στοιχείων χειρισμού του οχήματος, είναι αυτοματοποιημένες. Η οδηγική συμπεριφορά εξαρτάται αρχικά από ένα ευρύ φάσμα προσωπικών δεξιοτήτων, τα οποία μπορεί να είναι μη στατικής φύσης. Έτσι, οι αλλαγές στη φυσική, νοητική αλλά και ψυχολογική και συναισθηματική κατάσταση, είτε μόνιμες είτε προσωρινές, π.χ. λόγω αυξημένου άγχους, κούρασης ή χρήσης ουσιών όπως αλκοόλ, μπορούν να αλλάξουν σημαντικά την ικανότητα οδήγησης ενός ατόμου. Τέτοιες προσωρινές αλλαγές μπορεί να προκαλέσουν σοβαρό ατύχημα, ακόμη και σε περιπτώσεις καλών και έμπειρων οδηγών. Σήμερα, η ικανότητα οδήγησης ελέγχεται μόνο μία φορά κατά τη διάρκεια απόκτησης του διπλώματος και επανεξετάζεται μετά από συγκεκριμένο όριο ηλικίας. Στις περισσότερες περιπτώσεις η επανεξέταση αποτελείται μόνο από ιατρικές εξετάσεις. Έτσι, η διατηρείται η υπόθεση ότι η απόδοση στην οδήγηση παραμένει σταθερή με το χρόνο ή βελτιώνεται με την κτηθείσα εμπειρία. Αλλά είναι πλέον γνωστό ότι αυτό δεν είναι πάντα αλήθεια. Σε μερικές περιπτώσεις, η υπερβολική εμπιστοσύνη ή κάποιες επίκτητες «κακές» συνήθειες του οδηγού, όπως οδήγηση υπό την επήρεια αλκοόλ, μπορεί να μειώσουν την Ικανότητα Οδήγησης (επονομαζόμενη ως «DRIVAΒILITY») του οδηγού με το χρόνο. Η ικανότητα οδήγησης εξαρτάται κι από άλλους παράγοντες εκτός από τις προσωπικές δεξιότητες. Τέτοιοι παράγοντες είναι το συγκεκριμένο κυκλοφοριακό περιβάλλον, η εμπειρία και τα πρόσφατα οδηγικά βιώματα του συγκεκριμένου οδηγού, η χρήση υποστηρικτικών συστημάτων/βοηθημάτων, κλπ. Για παράδειγμα, μπορεί κάποιος να οδηγεί πολύ καλά όταν δεν υπάρχει κίνδυνος στο οδικό περιβάλλον, αλλά μπορεί να μην είναι σε θέση να αντιδράσει έγκαιρα σε περίπτωση πολλαπλών κινδύνων. Ποικίλοι δείκτες έχουν χρησιμοποιηθεί για την αξιολόγηση της οδικής απόδοσης σε συγκεκριμένο χρόνο και για συγκεκριμένη δραστηριότητα, από τους οποίους ο πιο χαρακτηριστικός είναι ο «φόρτος εργασίας». Για παράδειγμα, οι Verwey et al (1996), συμπέραναν ότι συστήματα εντός του αυτοκινήτου μπορεί να έχουν αρνητική επίδραση στην ασφάλεια, εφόσον αυξάνουν το φόρτο εργασίας του οδηγού ή του αποσπούν την προσοχή. Πάντως, μπορούν να ληφθούν αντισταθμιστικά μέτρα σε περιπτώσεις προβλεπόμενου φόρτου. Ο Harms (1991) βρήκε ότι υψηλότερος φόρτος, λόγω οδήγησης σε σύνθετο περιβάλλον, οδήγησε σε μείωση ταχύτητας. Συνεπώς, ο φόρτος εργασίας, ως μόνος παράγοντας, δε μπορεί ν αποτελέσει ασφαλή δείκτη αποτίμησης της απόδοσης οδήγησης. Βάσει των παραπάνω, υπάρχει ανάγκη για έναν κοινό δείκτη και μεθοδολογία για την αξιολόγηση της οδικής συμπεριφοράς των οδηγών για κάθε περιβάλλον και για όλες τις κυκλοφοριακές συνθήκες, έτσι ώστε να προβλεφθεί η πιθανότητα ατυχήματος Δεκέμβριος

105 Διδακτορική Διατριβή Μαρία Πάνου όπου ο συγκεκριμένος οδηγός θα έχει μέρος της ευθύνης. Η οδήγηση ενός ατόμου δεν εξαρτάται μόνο από τις ικανότητές του/της, ήτοι φυσική/νοητική κατάσταση και επίπεδο εμπειρίας. Διαφορετικά, οι υγιείς έμπειροι οδηγοί δε θα εμπλέκονταν ποτέ σε ατυχήματα. Τα λάθη του οδηγού είναι επίσης σημαντικά. Πάντως, η αντικειμενική εκτίμηση της πιθανότητας των λαθών είναι δύσκολη. Αντί γι αυτή, μπορεί να χρησιμοποιηθεί η πιθανότητα μη αντίληψης ενός κινδύνου και άρα η έλλειψη της πρέπουσας αντίδρασης. Οι σχετικές παράμετροι που μπορούν ν αξιοποιηθούν είναι η ύπαρξη κινδύνου στο περιβάλλον και η επίγνωση του οδηγού γι αυτό. Επιπλέον, ο φόρτος του οδηγού κατέχει σημαντικό ρόλο στην πιθανότητα ατυχήματος, εφόσον υψηλός φόρτος μπορεί να τον οδηγήσει να δράσει εσφαλμένα ή καθυστερημένα. 6.2 Ορισμός του μοντέλου DRIVABILITY Στην παρούσα διατριβή εισάγεται ένας νέος όρος, «DRIVABILITY» (Bekiaris E., Amditis A., Panou M., 2003), ο οποίος ορίζεται ως η ικανότητα οδήγησης, δηλαδή απόδοση οδήγησης ενός συγκεκριμένου ατόμου σε συγκεκριμένο περιβάλλον και κάτω από ειδικές καταστάσεις. Πρόκειται για έναν σύνθετο και δυναμικό δείκτη οδηγικής απόδοσης, που εμπλέκει τις προσωπικές ικανότητες του οδηγού, την εμπειρία του, την επιρροή από περιβαλλοντικούς παράγοντες, το φόρτο εργασίας του, και τ ανθρώπινα λάθη (αυτά τα 5 απαρτίζουν τους κύριους συντελεστές του μοντέλου DRIVABILITY), στοχεύοντας να προσεγγίσει την πιθανότητα οδικού ατυχήματος με εμπλοκή του συγκεκριμένου οδηγού. Το σταθμισμένο άθροισμα των προηγουμένων συντελεστών, επονομαζόμενοι ως «δείκτες DRIVABILITY», δηλαδή δείκτες ικανότητας οδήγησης, μπορεί να χρησιμοποιηθεί για: - αξιολόγηση της ικανότητας οδήγησης για την απόκτηση διπλώματος, - επανεξέταση της ικανότητας οδήγησης συγκεκριμένου οδηγού, εάν χρειάζεται, - αξιολόγηση των επιδράσεων σχεδιασμού οχήματος/υποσυστημάτων στην ικανότητα οδήγησης, - παροχή υποστήριξης στον οδηγό μέσω συστήματος υποστήριξης οδήγησης (π.χ. ΣΕΜ). Το μοντέλο DRIVABILITY είναι πολυδιάστατο και προσθέτει στα προηγούμενα μοντέλα νέα επίπεδα, αυτά του προσωρινού και δυναμικού κυκλοφοριακού περιβάλλοντος, του επιπέδου φόρτου εργασίας του οδηγού και της επίγνωσης του κινδύνου του οδηγού. Ο δείκτης ικανότητας οδήγησης DRIVABILITY υπολογίζεται ως συνιστώσα των παρακάτω προσωρινών ή μονίμων συντελεστών της ικανότητας οδήγησης, οι οποίοι μπορεί να μην είναι όλοι ανεξάρτητοι μεταξύ τους: Προσωπικές δεξιότητες, δηλαδή οι φυσικές, κοινωνικές, ψυχολογικές και νοητικές ικανότητες ενός οδηγού. Στις φυσικές ικανότητες συγκαταλέγονται οι κινητικές, αισθητηριακές και κιναισθητικές του ικανότητες. Η πνευματική κατάστασή του εξαρτάται επίσης από το επίπεδο άγχους του, το επίπεδο ενάργειάς του και συγκέντρωσής του στην οδήγηση. Επίπεδο γνώσης/ικανοτήτων. Το επίπεδο αυτό δεν αναφέρεται μόνο στην πραγματική εκπαίδευση και εμπειρία του οδηγού, αλλά και σε γενικές γνώσεις του, μη σχετιζόμενες με την οδήγηση, μια και η βασική διαπαιδαγώγηση επηρεάζει σε μεγάλο Δεκέμβριος

106 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY βαθμό τα κίνητρα και τη συμπεριφορά του οδηγού, συμπεριλαμβανομένης και της επίγνωσης των προσωπικών του ικανοτήτων. Στο επίπεδο αυτό συμπεριλαμβάνονται και τα 4 επίπεδα του μοντέλου GADGET. Περιβαλλοντικοί παράγοντες. Το επίπεδο αυτό συμπεριλαμβάνει την κατάσταση του οχήματος, την ύπαρξη οδικών κινδύνων, την ώρα της ημέρας, την κατάσταση της οδού και τις καιρικές συνθήκες. Οι συνδυασμοί των παραγόντων αυτών μπορεί να δημιουργήσουν μία επικίνδυνη κατάσταση, η οποία βέβαια επηρεάζει την ικανότητα οδήγησης του οδηγού. Υπάρχουν δύο κοινοί παρανομαστές μεταξύ των ικανοτήτων του οδηγού και της κυκλοφοριακής κατάστασης, που είναι ο φόρτος εργασίας και η επίγνωση κινδύνου. Οι τελευταίοι δύο παράγοντες αποτελούν δύο από τα θέματα-κλειδιά για την κατανόηση και ανάλυση της ικανότητας οδήγησης. Η επίγνωση κινδύνου εξαρτάται από τρεις κύριους συντελεστές: - Αντίληψη του κινδύνου, δηλαδή η ικανότητα κατανόησης/αναγνώρισης συγκεκριμένου κινδύνου σε μία συγκεκριμένη στιγμή. - Επίπεδο προσοχής, δηλαδή η ικανότητα έγκαιρου εντοπισμού του κινδύνου. - Πιθανή εξωτερική υποστήριξη για τον έγκαιρο εντοπισμό του κινδύνου, π.χ. μέσω Σύγχρονων Συστημάτων Υποστήριξης Οδηγού (ΣΣΥΟ). Σε αντίθεση με το επίπεδο επίγνωσης κινδύνου, το οποίο είναι διακριτό και μπορεί να μεταβληθεί τυχαία, ο παράγοντας του φόρτου εργασίας είναι συνεχής και μεταβάλλεται με το χρόνο. Ακόμη και κάποια προσωρινή δραστηριότητα, π.χ. η χρήση κινητού τηλεφώνου, μπορεί να έχει μεγάλη επίδραση στο φόρτο εργασίας για ορισμένο χρονικό διάστημα. Σύμφωνα με την παραπάνω ανάλυση, οι κυριότεροι συντελεστές του μοντέλου DRIVABILITY παρουσιάζονται στο ακόλουθο σχήμα: Δεκέμβριος

107 Διδακτορική Διατριβή Μαρία Πάνου DRIVABILITY V. ΦΟΡΤΟΣ ΕΡΓΑΣΙΑΣ ΙV. ΕΠΙΓΝΩΣΗ ΚΙΝΔΥΝΟΥ 1. Επίπεδο προσοχής 2. Αντίληψη κινδύνου 3. Εξωτερική υποστήριξη ΙΙ. ΓΝΩΣΗ/ ΙΚΑΝΟΤΗΤΕΣ III. ΠΕΡΙΒΑΛΛΟΝΙΚΟΙ ΠΑΡΑΓΟΝΤΕΣ 1. Γενικά 2. Αυτοεπίγνωση 3. Εκπαίδευση οδηγού 4. Εμπειρία οδήγησης 1. Τύπος/ κατάσταση οχήματος 2. Οδικοί κίνδυνοι 3. Οδικές συνθήκες 4. Καιρικές συνθήκες 5. Κατάσταση δρόμου 6. Επίπεδο ορατότητας I. ΠΡΟΣΩΠΙΚΕΣ ΔΕΞΙΟΤΗΤΕΣ 1. Φυσική κατάσταση 2. Νοητική κατάσταση 3. Κοινωνικο ψυχολογική κατάσταση 1. Κίνηση 2. Αίσθηση 3. Επίπεδο υγείας 1. Γνώση/ αντίληψη 2. Μνήμη 3. Επικοινωνία 4. Απόφαση 1. Άγχος 2. Συγκέντρωση 3. Αξιοπιστία 4. Εμπιστοσύνη 5. Ενάργεια Συντονισμός Σχήμα 20: Οι συντελεστές του μοντέλου ικανότητας οδήγησης DRIVABILITY. Προκειμένου να συσχετιστεί η έννοια του DRIVABILITY με τα διάφορα επίπεδα συμπεριφοράς οδηγού των προαναφερθέντων μοντέλων, υποθέτουμε ότι το αυτοκίνητο αποτελεί την αρχή του DRIVABILITY και τα υπόλοιπα στοιχεία είναι μέρη αυτού, όπως απεικονίζεται παρακάτω: Πληροφόρηση στρατηγικό επίπεδο (πεδίο όρασης οδηγού) Ελιγμοί επίπεδο ελιγμών (σύστημα διεύθυνσης) Στοιχεία ελέγχου επίπεδο χειρισμού (ελαστικά) Επίπεδο συμπεριφοράς (φώτα πορείας, δείκτης αλλαγής πορείας, χρήση ζωνών ασφαλείας, κλπ.) Σχήμα 21: Το μοντέλο DRIVABILITY στα πλαίσια των συναφών μοντέλων συμπεριφοράς οδήγησης. Οι 5 βασικοί συντελεστές του μοντέλου DRIVABILITY εξελίσσονται με διαφορετικά χρονικά βήματα. Κάθε άτομο χρειάζεται μόνο να έχει τις κατάλληλες προσωπικές Δεκέμβριος

108 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY δεξιότητες ως βάση για να μάθει να οδηγεί. Η γνώση, οι ικανότητες και η αντίληψη του κινδύνου αναπτύσσονται αργότερα, καθώς μεγαλώνει η εμπειρία του οδηγού. Τα επίπεδα προσοχής και φόρτου εξαρτώνται από τις κυκλοφοριακές συνθήκες σε κάθε συγκεκριμένη χρονική στιγμή. Οι προσωπικές δεξιότητες, οι οποίες αποτελούν τη βάση της ικανότητας οδήγησης, όπως παρουσιάστηκαν στο Σχήμα 20, αναπαρίστανται από το παρακάτω τρίγωνο. Η τριγωνική αναπαράσταση επιδεικνύει τη στενή και ίση σημασία των διαφορετικών ανθρωπίνων δεξιοτήτων σε σχέση με την ικανότητα οδήγησης. ΦΥΣΙΚΗ ΙΚΑΝΟΤΗΤΑ ΠΝΕΥΜΑΤΙΚΗ ΙΚΑΝΟΤΗΤΑ Προσωπικές δεξιότητες = η βάση της ικανότητας οδήγησης ΚΟΙΝΩΝΙΚΟ-ΨΥΧΟΛΟΓΙΚΗ ΙΚΑΝΟΤΗΤΑ Σχήμα 22: Το τρίγωνο προσωπικών δεξιοτήτων, ως βάση του μοντέλου DRIVABILITY. 6.3 Μεθοδολογία μέτρησης του Δείκτη DRIVABILITY Θεωρώντας ότι οι προσωπικές δεξιότητες είναι ο πιο βαρυσήμαντος συντελεστής, οι/τα γνώσεις/προσόντα και ο φόρτος είναι ίδιας σημασίας, ενώ το περιβάλλον και η επίγνωση κινδύνου έρχονται τρίτα σε σειρά σπουδαιότητας (TRAINER Deliverable 2.1, 2001 ADVISORS Deliverable 3/8.1, 2001), ο συνολικός δείκτης DRIVABILITY μπορεί να υπολογιστεί με την παρακάτω εμπειρική σχέση: Δείκτης DRIVABILITY = (ΔΠΔ) * ΔΓΠ/2 * ΔΦΕ/2 * (ΔΠΠ +ΔΕΚ)/6 (6.1) Όπου: ΔΠΔ = Δείκτης Προσωπικών Δεξιοτήτων (πρόκειται για τον βασικό δείκτη που καθορίζει το DRIVABILITY, ενώ οι υπόλοιποι δείκτες το μειώνουν ή αυξάνουν ελαφρώς, αντίστοιχα) ΔΓΠ = Δείκτης Γνώσεων/Προσόντων ΔΦΕ = Δείκτης Φόρτου Εργασίας ΔΠΠ = Δείκτης Περιβαλλοντικών Παραγόντων Δεκέμβριος

109 Διδακτορική Διατριβή Μαρία Πάνου ΔΕΚ = Δείκτης Επίγνωσης Κινδύνου Η παραπάνω σχέση προκύπτει από εμπειρικές υποθέσεις, οι οποίες έχουν ελεγχθεί μέσω συγκρίσεων με βαθμολογήσεις ειδικών αλλά και συσχετίσεις πειραματικών αποτελεσμάτων ικανότητας οδήγησης με συγκεκριμένους παράγοντες (π.χ. υπνηλία, μεγάλος φόρτος εργασίας, κλπ.) από ερευνητικά έργα και άνω των 50 βιβλιογραφικών αναφορών. Ως πιο σημαντικός δείκτης υπολογισμού θεωρήθηκε η πιθανότητα πρόκλησης ατυχημάτων. Η όλη διαδικασία υπολογισμού επεξηγείται αναλυτικότερα στην παράγραφο 6.4. Η σχέση του Δείκτη DRIVABILITY μπορεί να βελτιστοποιηθεί στο μέλλον μέσω δοκιμασιών και ελέγχων στα πλαίσια περαιτέρω έρευνας. Οι συντελεστές του DRIVABILITY και οι πιθανές τιμές τους ορίζονται στον ακόλουθο πίνακα. Οι τιμές προκύπτουν από προτάσεις ειδικών, και ο συνολικός Δείκτης DRIVABILITY παίρνει τιμές από -1 ως 6. Πίνακας 18: Προτεινόμενες τιμές των συντελεστών DRIVABILITY (Bekiaris E., Amditis A., Panou M., 2003). Συντελεστές DRIVABILITY Δείκτης Προσωπικών Δεξιοτήτων (ΔΠΔ) Δείκτης Γνώσεων/ Προσόντων (ΔΓΠ) Δείκτης Φόρτου Εργασίας (ΔΦΕ) Τιμές 1: ακατάλληλος οδηγός λόγω φυσικών/νοητικών καταστάσεων 3,5: οδηγός με κούραση, μειωμένη ενάργεια, κ.α. 5: εναργείς οδηγοί με πλήρεις ικανότητες Μπορούν να οριστούν και ενδιάμεσες τιμές. 0: οδηγός χωρίς δίπλωμα 1,4: εκπαιδευόμενος ή νέος οδηγός (< 3 χρόνια εμπειρία) 2: «μέσος» οδηγός 2,4: οδηγός με ειδικά προσόντα (επαγγελματίας, > 10 χρόνια εμπειρία, έχει παρακολουθήσει ειδικά μαθήματα, κλπ.). Μπορούν να οριστούν και ενδιάμεσες τιμές. 0,5: για χρήση κινητού τηλεφώνου κατά την οδήγηση 0,67: για χρήση κινητού τηλεφώνου με ελεύθερα χέρια («hands free») κατά την οδήγηση 1,4: χαμηλός φόρτος εργασίας 2: οδηγός με κανονικό («μέσο») φόρτο εργασίας Δείκτης Περιβαλλοντικών Παραγόντων (ΔΠΠ) Δείκτης Επίγνωσης Κινδύνου (ΔΕΚ) Μπορούν να οριστούν και ενδιάμεσες τιμές. 1: άμεσος κίνδυνος ατυχήματος 2: πιθανός κίνδυνος ατυχήματος 3: μη διαβλεπόμενος κίνδυνος ατυχήματος -2: ανάρμοστη συμπεριφορά οδηγού, με έλλειψη επίγνωσης βασικών κινδύνων -1: άγνοια κάποιων (κρίσιμων) κινδύνων 2: παράληψη κάποιων (μη κρίσιμων) κινδύνων 3: σωστή αντίδραση οδηγού σε αναγνωρισμένους κινδύνους Μπορούν να οριστούν και ενδιάμεσες τιμές. Δεκέμβριος

110 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY 6.4 Επεξήγηση προτεινόμενου αλγορίθμου DRIVABILITY και τιμών αυτού Τόσο η εμπειρική σχέση (6.1) όσο και οι προτεινόμενες τιμές των δεικτών του παραπάνω πίνακα (Πίνακας 18) προέκυψαν, όπως ήδη αναφέρθηκε στην παράγραφο 6.3, από διεξοδική ανάλυση πειραματικών δοκιμών διαφόρων ερευνητικών έργων και βιβλιογραφικών αναφορών και είναι αποτέλεσμα αρκετών επαναλήψεων. Μία μεθοδολογία για το λεπτομερή υπολογισμό του ΔΠΠ, βάσει του κυκλοφοριακού και περιβαλλοντικού σεναρίου, προτάθηκε στο ερευνητικό πρόγραμμα AWAKE (Bekiaris, 2001). Η μεθοδολογία αυτή είχε πρωτοεφαρμοστεί στο έργο COMUNICAR (Amditis et al., 2000) και υπολογίζει χρονικές αποστάσεις από εμπόδια και προπορευόμενα οχήματα, ταχύτητα σε σχέση με το νόμιμο όριο ταχύτητας, ταχύτητα σε απότομες στροφές και χρόνο για την προσέγγιση στη διαγράμμιση της λωρίδας κυκλοφορίας (εγκάρσιος άξονας). Προσδιορίστηκε μία σταθερά κινδύνου για όλες αυτές τις επικίνδυνες καταστάσεις. Επιπλέον, σταθερά κινδύνου προσδιορίστηκε και για την ύπαρξη βροχής, ομίχλης, χιονιού και την οδήγηση κατά τη νύκτα. Όλες οι σταθερές συνδυάστηκαν για να εξαχθεί η συνολική σταθερά κινδύνου της συγκεκριμένης κατάστασης, με 1 να αντιστοιχεί στην κατάσταση υψηλότερου κινδύνου και 3 στην κατάσταση άνευ κινδύνου. Ο ΔΦΕ μπορεί να εκτιμηθεί βάσει των Périsse et al. (2001), ή σύμφωνα με οποιαδήποτε άλλη μεθοδολογία υπολογισμού. Κάθε δείκτης επεξηγείται αναλυτικότερα παρακάτω Δείκτης Προσωπικών Δεξιοτήτων (ΔΠΔ) Ο ΔΠΔ αποτελεί το βασικό παράγοντα της σχέσης (6.1) που καθορίζει το DRIVABILITY, ενώ οι υπόλοιποι τον μειώνουν ή αυξάνουν ελαφρώς αντίστοιχα. Ένας οδηγός με πλήρεις φυσικές, νοητικές και ψυχικές ικανότητες θεωρήθηκε ότι λαμβάνει τη μέγιστη τιμή του δείκτη, που είναι 5. Επίσης, ο εντελώς ακατάλληλος οδηγός (π.χ. αυτός που έχει χάσει την ικανότητά του να οδηγεί το όχημα λόγω λιποθυμίας, επεισοδίων «μικροΰπνου» ενώ οδηγεί, ή άλλου προβλήματος υγείας) λαμβάνει εξ ορισμού την ελάχιστη τιμή (δηλαδή 1). Για τον καθορισμό των ενδιάμεσων τιμών ελήφθησαν υπ όψη τα ακόλουθα: - Οδηγοί που πάσχουν από καρδιαγγειακά προβλήματα έχουν 3 φορές μεγαλύτερη πιθανότητα πρόκλησης ατυχήματος (Waller, 1967). - Οδηγοί που πάσχουν από διαβήτη έχουν 2,6 φορές μεγαλύτερη πιθανότητα πρόκλησης ατυχήματος (Koepsell et al., 1994). - Οδηγοί που πάσχουν από γεροντική άνοια έχουν 4,7 φορές μεγαλύτερη πιθανότητα πρόκλησης ατυχήματος (Withaar, 1997). - Οδηγοί με επίπεδο νυσταγμού άνω των 7 σε κλίμακα KSS (Karolinska Sleepiness Scale) έχουν 1,43 φορές μεγαλύτερη πιθανότητα πρόκλησης ατυχήματος (Haraldsson et al., 2001). Έτσι, θεωρώντας το βαθμό αύξησης της πιθανότητας πρόκλησης ατυχήματος ως ευθέως ανάλογο του συντελεστή ΔΠΔ, ισχύουν τα εξής: ΔΠΔ καρδιαγγ. =ΔΠΔ/3=5/3=1,67 ΔΠΔ διαβήτης =ΔΠΔ/2,6=5/2,6=1,9 ΔΠΔ άνοια =ΔΠΔ/4,7=5/4,7=1,06 Δεκέμβριος

111 Διδακτορική Διατριβή Μαρία Πάνου ΔΠΔ υπνηλία =ΔΠΔ/1,43=5/1,43=3, Δείκτης Γνώσεων/προσόντων (ΔΓΠ) Ένας οδηγός που έχει τις απαραίτητες ικανότητες οδήγησης (π.χ. δίπλωμα οδήγησης) και μία ικανή εμπειρία (άνω των 3 ετών) θεωρείται ότι έχει ΔΓΠ=2, ώστε ο συντελεστής αυτός να επηρεάζει ουδέτερα το συντελεστή DRIVABILITY, δηλαδή να ισχύει: 2 ΔΦ ΔΠΠ + ΔΕΚ Δείκτης DRIVABILITY = ΔΠΔ x x x = ΔΠΔ x ΔΦ ΔΠΠ + ΔΕΚ x 2 6 Αντίστοιχα, κάποιοι οδηγοί μπορεί να έχουν μειωμένες ή αυξημένες γνώσεις /ικανότητες οδήγησης. Για τον καθορισμό τέτοιων δεικτών λαμβάνονται υπόψη τ ακόλουθα: - Νέοι οδηγοί (με εμπειρία οδήγησης μικρότερη από 3 έτη) έχουν 1,43 φορές μεγαλύτερη πιθανότητα πρόκλησης ατυχήματος (Maycock et al., 1991). - Eπαγγελματίες οδηγοί υψηλής εμπειρίας έχουν περίπου 17% μικρότερη πιθανότητα πρόκλησης ατυχήματος όταν ανάγουμε τα στατιστικά στοιχεία ως προς τα διανυόμενα χιλιόμετρα (Taylor & Dorn, 2000). Έτσι, θεωρώντας το βαθμό αύξησης/μείωσης της πιθανότητας πρόκληση ατυχήματος ως ευθέως ανάλογο του συντελεστή ΔΓΠ, ισχύει: ΔΓΠ νέου_οδηγού<3 έτη = ΔΓΠ/1,43 = 2/1,43 = 1,4 ΔΓΠ επαγγελματία = ΔΓΠ/0,83 = 2/0,83 = 2,4 Οι παραπάνω τιμές είναι απλά ενδεικτικές και παρέχουν έναν τρόπο υπολογισμού. Για παράδειγμα, αν ορίσουμε ως νέο οδηγό αυτόν με εμπειρία μικρότερη των 2 ετών (και όχι των 3), τότε η πιθανότητα πρόκλησης ατυχήματος ανέρχεται στις 1,5 φορές του «μέσου» οδηγού (της ηλικιακής ομάδας ετών) και συνεπώς ο ΔΓΠ θα γινόταν 1, Δείκτης Φόρτου Εργασίας (ΔΦΕ) Για φυσιολογικό Φόρτο Εργασίας οδηγού, η επίδραση του συντελεστή αυτού πρέπει ν αμεληθεί. Για το λόγο αυτό λαμβάνει την τιμή 2, ώστε ΔΦΕ/2=1, μην επηρεάζοντας το γινόμενο του συνολικού Δείκτη DRIVABILITY. Τόσο ο ιδιαίτερα υψηλός όσο και ο ιδιαίτερα χαμηλός φόρτος εργασίας επηρεάζουν αρνητικά την ικανότητα οδήγησης. Δυστυχώς όμως δεν υφίσταται συγκεκριμένα στοιχεία συσχέτισης της αύξησης πιθανότητας ατυχήματος με την αύξηση ή τη μείωση του φόρτου εργασίας του οδηγού. Θεωρείται προσεγγιστικά ότι για πολύ χαμηλό φόρτο ο δείκτης ΔΦΕ απομειώνεται στο 1,4, γεγονός που επαληθεύτηκε από τα σχετικά στοιχεία των έργων AWAKE και AGILE ( και 6.8.3). Αντιθέτως, υπάρχουν στοιχεία σχετικά με την αύξηση του φόρτου εργασίας του οδηγού που προκαλείται απ τη χρήση κινητού τηλεφώνου ενώ οδηγεί. Από δοκιμές με 700 οδηγούς, οι Redelmeier και Tibshirani (2001) βρήκαν ότι οδηγοί που μιλούν στο κινητό ενώ οδηγούν έχουν 4 φορές μεγαλύτερη πιθανότητα ατυχήματος, η οποία μειώνεται σε 3 φορές μεγαλύτερη όταν έχουν ελεύθερα τα χέρια τους (με χρήση «hands-free») (Green, 2000). Δεκέμβριος

112 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY Συνεπώς: ΔΦΕ κινητό = ΔΦΕ/4 = 2/4 = 0,5 ΔΦΕ κινητό_ελ.χερ = ΔΦΕ/3 = 2/3 = 0, Δείκτης Περιβαλλοντικών Παραγόντων (ΔΠΠ) και Δείκτης Επίγνωσης κινδύνου (ΔΕΚ) Αν δεν υφίσταται κάποιος σοβαρός κίνδυνος ατυχήματος και ο οδηγός φαίνεται να οδηγεί φυσιολογικά, τότε θεωρείται ότι και οι δύο δείκτες λαμβάνουν τη μέγιστη τιμή τους, δηλαδή 3. Οπότε: (ΔΠΠ+ΔΕΚ)/6 = (3+3)/6 = 1, και δεν επηρεάζουν το συνολικό δείκτη DRIVABILITY. Οι δείκτες αυτοί εξετάζονται κατά κανόνα σε συνδυασμό, αφού όσο πιο επικίνδυνο είναι το οδηγικό περιβάλλον, τόσο πιο σημαντική καθίσταται η επίγνωση κινδύνου απ τον οδηγό. Έτσι, σε περίπτωση πιθανού κινδύνου που έχει εντοπιστεί απ τον οδηγό (το σύστημα μπορεί να το γνωρίζει εφόσον παρακολουθεί π.χ. το βλέμμα του οδηγού και έχει εντοπίσει τον κίνδυνο από κάποιον αισθητήρα ΣΕΜ), τότε: (ΔΠΠ+ΔΕΚ)/6 = (2+3)/6 = 0,83 Για «φυσιολογικό» και υγιή οδηγό (π.χ. με Δείκτη DRIVABILITY 5) αυτό σημαίνει 0,83 x 5 = 4,15 >4 Άρα, σύμφωνα και με τον πίνακα της παραγράφου 6.5 (Πίνακας 19), δεν απαιτείται καμία ενέργεια από το ΣΣΥΟ. Αν όμως ο κίνδυνος είναι απλά πιθανός, αλλά ο οδηγός φαίνεται να μην τον έχει απολύτως εντοπίσει, τότε ισχύει: (ΔΠΠ+ΔΕΚ)/6 = (2+2)/6 = 0,67 και για τον ίδιο οδηγό ισχύει 0,67 x 5 = 3,35, που σημαίνει ανάγκη προειδοποίησης από το ΣΣΥΟ. Έτσι, με βάση τον παρακάτω τρόπο υπολογισμού, ένα ΣΣΥΟ δε θα προειδοποιήσει πιθανώς ένα «μέσο» οδηγό για ενδεχόμενο (αλλά όχι άμεσο) κίνδυνο αν αυτός φαίνεται να τον έχει ήδη αναγνωρίσει (π.χ. μειώνει την ταχύτητά του και στρέφει το βλέμμα του σ αυτόν), ενώ θα τον προειδοποιήσει εάν δε φαίνεται να τον έχει αναγνωρίσει. Αντίθετα, για έναν άμεσο κίνδυνο, θα τον προειδοποιήσει, είτε τον έχει εντοπίσει, είτε όχι. Ακόμη, αν υφίσταται άμεσος κίνδυνος ατυχήματος και ο οδηγός τον αγνοεί πλήρως, χωρίς να υφίστανται χρονικά περιθώρια προειδοποίησης, τότε: (ΔΠΠ+ΔΕΚ)/6 = (1-1)/6 = 0 που σημαίνει ότι μηδενίζεται η ικανότητα οδήγησης (DRIVABILITY) και θα έπρεπε το ΣΣΥΟ να αναλάβει τον έλεγχο του οχήματος («system intervention», δηλαδή παρέμβαση του συστήματος) ή/και να φροντίσει να ενεργοποιήσει τα συστήματα προσύγκρουσης. Δεκέμβριος

113 Διδακτορική Διατριβή Μαρία Πάνου 6.5 Προτεινόμενη κλίμακα Δείκτη DRIVABILITY Τα ακόλουθα όρια για το Δείκτη DRIVABILITY αποτελούν προτάσεις, με σκοπό την αξιολόγηση της ικανότητας οδήγησης ενός ατόμου. Πίνακας 19: Κλίμακες DRIVABILITY και προσδιορισμός Δείκτη. Κλίμακα Δείκτης οδήγησης DRIVABILITY (επίπεδο) (συνεχής) Κατάσταση οδηγού Κατάλληλος οδηγός Καμία Κατάλληλος οδηγός σε σύνθετο περιβάλλον (π.χ. ομίχλη, χιόνι, άγνωστη διαδρομή) Οδηγός με συγκεκριμένα προβλήματα που οδηγεί όμως σε απλό περιβάλλον (π.χ. ηλικιωμένος οδηγός με μικρά προβλήματα μνήμης και συγκέντρωσης) Οδηγός με συγκεκριμένα προβλήματα που οδηγεί σε σύνθετο περιβάλλον (π.χ. οδηγός με καρδιαγγειακά προβλήματα, διαβήτη, κλπ.). 1 (-1)-1 Ακατάλληλος οδηγός (π.χ. οδηγός με γεροντική άνοια). Προτεινόμενη ενέργεια από υποστηρικτικό σύστημα Στενή παρακολούθηση της κατάστασης και υποστήριξη του οδηγού (π.χ. μέσω ΣΣΥΟ) εάν απαιτείται και εάν είναι δυνατόν. Επιβολή είτε μόνιμων μέτρων (π.χ. επανεκπαίδευση του οδηγού σε περίπτωση φυσικού/νοητικού προβλήματος) είτε προσωρινών (π.χ. χρήση προειδοποιητικών μηνυμάτων ΣΣΥΟ) για υποστήριξη του οδηγού. Ανάγκη για επανεκπαίδευση, ακόμη και αποκατάσταση, χρήση βοηθημάτων (π.χ. ειδικοί καθρέπτες ή ΣΣΥΟ επεμβατικού τύπου) ή ανιχνευτές για εθισμό στο αλκοόλ, κ.α., καθώς και περιορισμοί διπλώματος π.χ. οδήγηση μόνο κατά την ημέρα ή σε απόσταση κοντινή στην οικεία. Προσωρινή ακύρωση διπλώματος ή ακινητοποίηση οχήματος, έως αποδείξεως βελτίωσης του Δείκτη DRIVABILITY. Στον παραπάνω πίνακα, ο όρος «σύνθετο περιβάλλον» σημαίνει ένα κυκλοφοριακό σενάριο με άμεσο ή επικείμενο κίνδυνο για ατύχημα. Ο άμεσος κίνδυνος θέτει μία κατάσταση όπου απαιτείται άμεση δράση για την αποφυγή οδικού συμβάντος. Ο πιθανός κίνδυνος θέτει μία κατάσταση όπου απαιτείται η άμεση προσοχή του οδηγού, η οποία μπορεί να απαιτεί δράση (Lerner et al., 1996). Ο επικείμενος κίνδυνος δημιουργείται από την ταυτόχρονη ύπαρξη πολλαπλών πιθανών κινδύνων (Amditis et al., 2000 Bekiaris, 2001). Δεκέμβριος

114 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY Αξίζει να σημειωθεί στον παραπάνω πίνακα ότι ο Δείκτης DRIVABILITY έχει μικρότερη τιμή για κατάλληλο οδηγό σε σύνθετο περιβάλλον, από ότι για τον ίδιο οδηγό σε απλό περιβάλλον. Ο λόγος είναι ότι η έννοια του DRIVABILITY δε λαμβάνει υπόψη μόνο τη δυνατότητα οδήγησης ενός συγκεκριμένου ατόμου, αλλά ολόκληρο το κυκλοφοριακό περιβάλλον και τις υπόλοιπες παραμέτρους που περιγράφησαν παραπάνω. Έτσι, εφόσον η πιθανότητα για τη δημιουργία ατυχήματος είναι μεγαλύτερη στην πρώτη περίπτωση (του πίνακα), ο Δείκτης DRIVABILITY μειώνεται αντίστοιχα. 6.6 Η σχέση του δείκτη DRIVABILITY με τη συμπεριφορά του οδηγού Οι αλλαγές στη συμπεριφορά του οδηγού μπορούν να κατηγοριοποιηθούν ως εξής (Nillson et al., 2001): Αλλαγές στην αντίληψη (όραση, ακοή, αίσθηση). Νοητικές αλλαγές (κατανόηση, αντίληψη, προτεραιότητα, επιλογή, απόφαση). Αλλαγές απόδοσης (σε χειρισμό υποσυστημάτων οδήγησης, αντιμετώπιση οδηγικών σφαλμάτων, κλπ.). Αλλαγές της κατάστασης του οδηγού (προσοχή/επίγνωση, φόρτος, άγχος, ενάργεια). Αλλαγές στη συμπεριφορά (αποδοχή, άρνηση, υπερ-εμπιστοσύνη, δυσπιστία). Αλλαγές στη προσαρμογή σε περιβαλλοντικές συνθήκες (καιρός, ορατότητα, κλπ.). Από τις παραπάνω κατηγορίες, οι πιο σημαντικές προσαρμογές συμπεριφοράς που αναφέρονται στη βιβλιογραφία, είναι: - Αυτοματισμός της δραστηριότητας οδήγησης, καταλήγοντας σε οδήγηση με υπερ-εμπιστοσύνη ή λανθασμένη εκτίμηση κινδύνου (Wickens, C.D. & Hollands J. G., 1999). - «Ομοιόσταση» κινδύνου (υπόθεση ότι κάθε οδηγός επιθυμεί να διατηρήσει σταθερό επίπεδο κινδύνου ανά μονάδα χρόνου, διαφορετικό για κάθε οδηγό Wilden, 1994). - Αντιστάθμιση κινδύνου (οι οδηγοί προσπαθούν να αποφύγουν τον κίνδυνο ενώ μεγιστοποιούν τα οφέλη τους Naatanen and Summala, 1973). - Μεγιστοποίηση της ωφέλειας (οι οδηγοί επιζητούν πολλαπλούς στόχους με περιορισμένες απαιτήσεις από την πλευρά τους, οι οποίοι προσπαθούν να μεγιστοποιήσουν το όφελος Blomqvist, 1986). - Αποφυγή κινδύνων (οι οδηγοί αναζητούν μηδενικό επίπεδο κινδύνου και παίρνουν αντίστοιχες αποφάσεις Fuller, 1984). Οι αλλαγές στη συμπεριφορά και οι κατηγορίες προσαρμογής μπορούν να συσχετιστούν καλά με τους συντελεστές του DRIVABILITY, όπως φαίνεται στον παρακάτω πίνακα: Δεκέμβριος

115 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 20: Συσχέτιση των πιο συχνών αλλαγών/προσαρμογών της συμπεριφοράς του οδηγού με τους συντελεστές και το Δείκτη του DRIVABILITY Αλλαγές/προσαρμογές στη συμπεριφορά του οδηγού Σχετικοί συντελεστές DRIVABILITY Αλλαγές στο Δείκτη DRIVABILITY (βλ. 5.3) A. Αλλαγές συμπεριφοράς Αλλαγές στην αντίληψη Φυσική κατάσταση Ο ΔΠΔ μπορεί να μειωθεί. Νοητικές αλλαγές Νοητική κατάσταση Ο ΔΠΔ μπορεί να μειωθεί. Αλλαγές απόδοσης Όλα Ο ΔΠΔ μπορεί να μειωθεί. Επίσης, πιθανή μετρήσιμη επιρροή σε ΔΕΚ και ΔΠΠ. Αλλαγές της κατάστασης του οδηγού Αλλαγές στη συμπεριφορά Αλλαγές στη προσαρμογή σε περιβαλλοντικές συνθήκες B. Προσαρμογές συμπεριφοράς Αυτοματισμός «Ομοιόσταση» κινδύνου Αντιστάθμιση κινδύνου Κοινωνικο-ψυχολογική κατάσταση, φόρτος εργασίας Κοινωνικο-ψυχολογική κατάσταση, επίγνωση κινδύνου, γνώση και προσόντα Περιβαλλοντικοί παράγοντες Γνώση/προσόντα, επίγνωση κινδύνου, περιβαλλοντικοί παράγοντες, κοινωνικοψυχολογική κατάσταση. Επίγνωση κινδύνου, περιβαλλοντικοί παράγοντες, κοινωνικοψυχολογική κατάσταση, γνώση/προσόντα. Επίγνωση κινδύνου, περιβαλλοντικοί παράγοντες, κοινωνικοψυχολογική κατάσταση, γνώση/προσόντα. Επιρροή στο ΔΠΔ και/ή ΔΦΕ. Επιρροή σε ΔΠΔ, ΔΓΠ και ΔΕΚ. Επιρροή στο ΔΠΠ. Πιθανή μείωση ΔΠΔ και επιρροή σε ΔΕΚ, ΔΦΕ και ΔΓΠ. Πιθανή επιρροή σε ΔΠΔ, ΔΓΠ, ΔΠΠ και ΔΕΚ. Πιθανή επιρροή σε ΔΠΔ, ΔΓΠ, ΔΠΠ και ΔΕΚ. Μεγιστοποίηση ωφέλειας Όλα. Πιθανή επιρροή όλων των Δεικτών DRIVABILITY. Αποφυγή κινδύνων Επίγνωση κινδύνου, περιβαλλοντικοί παράγοντες, φόρτος εργασίας, γνώση/προσόντα. Πιθανή επιρροή σε ΔΠΠ, ΔΕΚ, ΔΦΕ και/ή ΔΓΠ. 6.7 Τα επίπεδα του DRIVABILITY Υπάρχουν έξι παράγοντες, που όταν ακολουθηθούν μπορεί να αυξήσουν την ικανότητα οδήγησης ενός ατόμου, ενώ μπορεί επίσης να επηρεάζουν όλους τους οδηγούς ή συγκεκριμένες κατηγορίες αυτών. Αυτοί οι παράγοντες αποτελούν το πρίσμα του DRIVABILITY και είναι οι εξής: Δεκέμβριος

116 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY - Βασική εκπαίδευση. - Αύξηση κινητικότητας. - Περιβάλλον οδήγησης. - Εκπαίδευση οδηγού. - Πληροφόρηση οδηγού. - Συστήματα υποστήριξης οδηγού (προειδοποίηση, έλεγχος οχήματος). Οι παράγοντες αυτοί μπορεί να έχουν πολλαπλές επιδράσεις στην αύξηση της ικανότητας οδήγησης. Η αύξησή της μπορεί να προκαλέσει τα ακόλουθα αποτελέσματα: Βασικό επίπεδο: περιλαμβάνει επιδράσεις στην οδική ασφάλεια, στην άνεση και στο κυκλοφοριακό περιβάλλον. Ενδιάμεσο επίπεδο: περιλαμβάνει πιο γενικά θέματα, όπως επιδράσεις στη Δημόσια Υγεία (λόγω λιγότερων ατυχημάτων, μείωση της ρύπανσης, κλπ.) και την Απασχόληση (π.χ. λόγω καλύτερης κινητικότητας των εργαζομένων ή αλλαγές στο πρόγραμμα εργασίας επαγγελματιών οδηγών). Ανώτερο επίπεδο: αντιπροσωπεύει τις επιδράσεις στην ποιότητα ζωής, η οποία αποτελεί συνδυασμό των παραπάνω παραγόντων. Οι επιρροές αυτές χαρακτηρίζονται ως τα «επίπεδα ικανότητας οδήγησης» και παρουσιάζονται σχηματικά παρακάτω: Το πρίσμα DRIVABILITY Tα επίπεδα DRIVABILITY Επεξηγήσεις: Προώθηση της ικανότητας οδήγησης Ανώτερο Ενδιάμεσο Βασικό 1α 4α as 6α as 2α 5α as 3α Εκπαίδευση οδήγησης: 1 Ασφάλεια: 1α Βοήθεια (συστήματα οχήματος): 2 Άνεση: 2α Πληροφόρηση: 3 Περιβάλλον: 3α Μορφωτικό επίπεδο (γενικό): 4 Υγεία: 4α Κινητικότητα: 5 Απασχόληση: 5α Περιβάλλον οδήγησης: 6 Ποιότητα ζωής: 6α Σχήμα 23: Μέσα κι επιπτώσεις αύξησης της ικανότητας οδήγησης. Δεκέμβριος

117 Διδακτορική Διατριβή Μαρία Πάνου 6.8 Πιλοτική εφαρμογή μεθοδολογίας DRIVABILITY Το νέο μοντέλο DRIVABILITY εφαρμόστηκε στα πλαίσια της παρούσας διατριβής σε τρεις διαφορετικές περιπτώσεις συστημάτων Ευρωπαϊκών ερευνητικών έργων, για ν αποδειχθεί τη χρηστικότητά του και να προσδιοριστούν οι ανάγκες για περαιτέρω επέκτασή του. Οι τρεις εφαρμογές που επιλέχθηκαν διαφέρουν, προκειμένου να εξεταστεί η λειτουργία των διαφορετικών συντελεστών και δεικτών DRIVABILITY Σύστημα παρακολούθησης της ενάργειας του οδηγού Η περίπτωση AWAKE Το ερευνητικό έργο AWAKE (IST ) ανέπτυξε ένα σύστημα καταγραφής του οδηγού σε πραγματικό χρόνο, ικανό να προβλέπει τη μειωμένη ενάργεια του οδηγού, προειδοποιώντας τον/την έγκαιρα. Το AWAKE αποτέλεσε ένα ευρωπαϊκό ερευνητικό έργο στα πλαίσια του 5 ου Πλαισίου-Προγράμματος της Ευρωπαϊκής Ένωσης, το οποίο επικεντρώθηκε σε θέματα ενάργειας του οδηγού, με σκοπό να συμβάλλει αισθητά στη μείωση των τροχαίων ατυχημάτων που έχουν ως κύρια αιτία τη μειωμένη ενάργεια του οδηγού ή πιο απλά τον ύπνο στο τιμόνι, και άρα στην αύξηση της οδικής ασφάλειας σε ευρωπαϊκό αλλά και σε παγκόσμιο επίπεδο. Το ΑWAKE ξεκίνησε το Σεπτέμβριο του 2001 και ολοκληρώθηκε με επιτυχία το Σεπτέμβριο του Σε αυτή την Κοινοπραξία συμμετείχαν 15 εταίροι, από τους οποίους σημαντικοί βιομηχανικοί παράγοντες, Ινστιτούτα μεταφορών και οδικής ασφάλειας και Πανεπιστήμια. Αναλυτικότερα, το σύστημα AWAKE αποτελείται από διάφορα έξυπνα συστήματα τα οποία παρακολουθούν τον οδηγό χωρίς ο οδηγός να το αντιλαμβάνεται. Αυτά τα συστήματα παρακολουθούν, μεταξύ άλλων, το ανοιγοκλείσιμο των ματιών του οδηγού, τη δύναμη που ασκεί στο τιμόνι και την πορεία και θέση του οχήματος σε σχέση με τη λωρίδα κυκλοφορίας και τα γύρω οχήματα. Για το σκοπό αυτό χρησιμοποιείται σειρά αισθητήρων (ραντάρ, κάμερες) εντός και εκτός του οχήματος. Το σύστημα παρακολούθησης μπορεί να προβλέπει σε δέκατα του δευτερολέπτου την ύπαρξη προβλήματος του οδηγού. Το σύστημα AWAKE απευθύνεται σε όλες τις κατηγορίες οδηγών, με έμφαση στους επαγγελματίες οδηγούς και στους οδηγούς που πάσχουν από διαταραχές ύπνου. Συνολικά, αναπτύχθηκαν τρία πρωτότυπα συστήματα, ένα για αυτοκίνητο πόλης, ένα για πολυτελές αυτοκίνητο και ένα για οχήματα βαρέως τύπου. Μπορούν να διαχωριστούν τρία κύρια, διαφορετικά ως προς τη λειτουργία τους, υποσυστήματα που συντελούν στο ολοκληρωμένο σύστημα AWAKE: μονάδα διάγνωσης μειωμένης ενάργειας (Hypovigilance Diagnosis Module - HDM), μονάδα εκτίμησης οδικού κινδύνου (Traffic Risk Estimation - TRE) και σύστημα προειδοποίησης οδηγού (Driver Warning System - DWS). Όλα αυτά τα υποσυστήματα αποτελούνται από συγκεκριμένους αισθητήρες. Το σύνολο των αισθητήρων που χρησιμοποιήθηκαν παρατίθενται στη συνέχεια (AWAKE Final Report, 2004): - αισθητήρας ανάλυσης ανοιγοκλεισίματος οφθαλμών, - αισθητήρας ασκούμενης δύναμης επί τιμονιού, - αισθητήρας εκτροπής από λωρίδα κυκλοφορίας, - εμπρόσθιος αισθητήρας εντοπισμού εμποδίων, - αισθητήρας εστίασης βλέμματος, - αισθητήρας εντοπισμού GPS. Δεκέμβριος

118 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY Εκτός από τους παραπάνω αισθητήρες, ένα σύνολο παραμέτρων μετρούνται και λαμβάνονται υπόψη, όπως ταχύτητα, γωνία κλίσης τιμονιού, κλπ. Συνολικά, πραγματοποιήθηκαν 18 πιλοτικές εφαρμογές των υποσυστημάτων του AWAKE καθώς και του ολικού συστήματος, με 200 χρήστες. Αποτελέσματα σχετικά με τη χρησιμότητα και την αξιοπιστία του συστήματος υπάρχουν στο Παραδοτέο 7.3 (2004). Έτσι, το AWAKE αναγνώρισε τη σημασία του πραγματικού επιπέδου κυκλοφοριακού κινδύνου καθώς και την κατάσταση, τον τύπο του οδηγού, και των κύριων περιβαλλοντικών παραγόντων και ανέπτυξε ένα σύστημα για όλα τα στάδια καταγραφής/ παρακολούθησης και προειδοποίησης του οδηγού, που λαμβάνει υπόψη τέτοιες παραμέτρους. Ο ακόλουθος πίνακας συσχετίζει τον ολικό Δείκτη DRIVABILITY και τους δείκτες των συντελεστών του DRIVABILITY, με τα διάφορα επίπεδα και μέσα προειδοποίησης του οδηγού στο AWAKE. Πρέπει να σημειωθεί ότι οι αισθητήρες που χρησιμοποιήθηκαν στο AWAKE (όπως ανοιγοκλεισίματος βλεφάρου, δύναμης συγκράτησης τιμονιού, εμπρόσθιος αισθητήρας αναγνώρισης εκτροπής από τη λωρίδα κυκλοφορίας, κλπ.) επιτρέπουν επαρκή πρόβλεψη όλων των δεικτών DRIVABILITY σε πραγματικό χρόνο (εκτός από το ΔΓΠ, το οποίο περιλαμβάνεται στο σύστημα από τον οδηγό, κατά την εκκίνησή του, καθώς το σύστημα αυτo-προσαρμόζεται στο προφίλ του οδηγού). Αυτό επιτυγχάνεται με την αποθήκευση και αυτόματη επεξεργασία των δεδομένων του οδηγού, του οχήματος και του περιβάλλοντος. Πίνακας 21: Συσχέτιση των σεναρίων και της στρατηγικής προειδοποίησης AWAKE (σύστημα παρακολούθησης και προειδοποίησης ενάργειας) με το συνολικό Δείκτη DRIVABILITY. Σενάρια AWAKE - Οδηγός με μειωμένη ενάργεια. - Αστικός δρόμος με αρκετή κίνηση (κανονικό επίπεδο φόρτου εργασίας). - Καμία ένδειξη σημαντικού κινδύνου στο περιβάλλον. - Τυπικός οδηγός. - Καμία ένδειξη ότι ο οδηγός παρέλειψε κάποιον κίνδυνο. - Οδηγός με μειωμένη ενάργεια. - Αστικός δρόμος με κανονική κίνηση (κανονικό επίπεδο φόρτου εργασίας). Τιμές των δεικτών DRIVABILITY ΔΠΔ=3,5 ΔΦΕ=2 ΔΠΠ=3 ΔΓΠ=2 ΔΕΚ=3 ΔΠΔ=3,5 ΔΦΕ=2 Συνολικός Δείκτης DRIVABILITY 3,5 (το σύστημα παρακολουθεί στενά τον οδηγό, χωρίς να δρα) 2,9 (το σύστημα προειδοποιεί) Επίπεδα/ στρατηγική προειδοποίησης AWAKE Καμία επίδραση, αλλά οι παράμετροι παρακολούθησης του συστήματος έχουν τεθεί σε κατάσταση προειδοποίησης. Προειδοποίηση του οδηγού με ηχητικά και οπτικά μηνύματα (επίπεδο προειδοποίησης Δεκέμβριος

119 Διδακτορική Διατριβή Μαρία Πάνου Σενάρια AWAKE - Καμία ένδειξη σημαντικού κινδύνου στο περιβάλλον. - Τυπικός οδηγός. - Ο οδηγός παρέλειψε κάποιους κινδύνους (π.χ. σχετικά μικρό ΧΣ ή απόσταση από εμπρόσθιο όχημα). - Οδηγός με μειωμένη ενάργεια. - Αυτοκινητόδρομος, με χαμηλή κυκλοφοριακή πυκνότητα (χαμηλός φόρτος εργασίας). - Υψηλή ταχύτητα, περίπτωση προειδοποίησης. - Τυπικός οδηγός. - Ο οδηγός παρέλειψε κάποιους κινδύνους (π.χ. εκτροπή από λωρίδα κυκλοφορίας ή «κυματοειδής» πορεία). Τιμές των δεικτών DRIVABILITY ΔΠΠ=3 ΔΓΠ=2 ΔΕΚ=2 ΔΠΔ=3,5 ΔΦΕ=1,4 ΔΠΠ=2 ΔΓΠ=2 ΔΕΚ=2 Συνολικός Δείκτης DRIVABILITY 1,75 (το σύστημα παρεμβαίνει) Επίπεδα/ στρατηγική προειδοποίησης AWAKE 1). Προειδοποίηση του οδηγού με ηχητικά και οπτικά μέσα (επίπεδο προειδοποίησης 2) (η αυτόματη παρέμβαση του συστήματος εξαιρείται από το AWAKE, λόγω περιορισμένων νομικών ευθυνών) Εκπαίδευση οδηγού Η περίπτωση TRAINER Το TRAINER (GRD ) ήταν ένα τριετές Ευρωπαϊκό ερευνητικό έργο του 5 ου πλαισίου. Λόγω του γεγονότος ότι η εκτίμηση των ικανοτήτων ενός εκπαιδευομένου οδηγού είναι δύσκολο να επιτευχθεί, το TRAINER ανέπτυξε μία ομάδα κριτηρίων και εργαλείων εκπαίδευσης κι αξιολόγησης της ικανότητας των νέων/εκπαιδευομένων οδηγών, που σχετίζονται με διαφορετικά σενάρια εκπαίδευσης και εξέτασης. Τα πιο σημαντικά εργαλεία είναι ένα λογισμικό πολυμέσων για την ενίσχυση της θεωρητικής εκπαίδευσης και δύο προσομοιωτές οδήγησης (έναν στατικό χαμηλού κόστους και έναν ημι-δυναμικό μεσαίου κόστους), για την πρακτική εκπαίδευση και τέλος, ένα νέο εκπαιδευτικό πρόγραμμα οδήγησης, για τη βελτιστοποίηση της εκπαίδευσης οδήγησης. Η κοινοπραξία του έργου απαρτίστηκε από 12 εμπλεκόμενους φορείς. Το λογισμικό πολυμέσων μεταφράστηκε σε 8 γλώσσες. Κύρια στοιχεία του είναι το πλούσιο πολυμεσικό υλικό, δηλαδή βίντεο, φωτογραφίες, κινούμενες απεικονίσεις και ήχος. Αναπτύχθηκαν δύο διαφορετικές εκδόσεις, μία για εκπαίδευση (με 31 σενάρια, ταξινομημένα σε 4 διδακτικές ενότητες) και μία αποκλειστικά για αξιολόγηση των μαθητών (με 26 δοκιμές συνολικά). Το λογισμικό των προσομοιωτών οδήγησης περιέχει επίσης 31 σενάρια. Τα σενάρια που αναπτύχθηκαν και στα δύο εργαλεία εκπαίδευσης βασίστηκαν στα κύρια προβλήματα που αντιμετωπίζουν οι νέοι οδηγοί. Δεκέμβριος

120 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY Όλα τα εργαλεία χρησιμοποιήθηκαν και εξετάστηκαν σε 4 ευρωπαϊκές χώρες (Βέλγιο, Ελλάδα, Ισπανία, Σουηδία), με περίπου 30 μαθητευομένους οδηγούς ανά χώρα (συν 30 άτομα που χρησιμοποιήθηκαν ως μέτρο σύγκρισης), όπου αποδείχτηκε η θετική επιρροή που είχαν στους χρήστες ως προς της απόδοσή τους στην οδήγηση (TRAINER, Παραδοτέο 6.2, 2003). Τα κριτήρια και τα επίπεδα επιτυχίας του TRAINER συσχετίζονται καλά με το Δείκτη DRIVABILITY, όπως δείχνει ο παρακάτω πίνακας. Για όλα τα σενάρια, υποτίθεται ότι: - Ο οδηγός είναι εκπαιδευόμενος, δηλαδή ΔΓΠ=1,4. - Ο οδηγός έχει καλή φυσική και νοητική κατάσταση και δεν έχει συγκεκριμένα κοινωνικο-ψυχολογικά προβλήματα κατά τη διάρκεια των εξετάσεών του, γι αυτό ΔΠΔ=5. Πίνακας 22: Ενδεικτική συσχέτιση των δεικτών DRIVABILITY με τα κριτήρια επιτυχίας του προσομοιωτή TRAINER, για διάφορα εκπαιδευτικά σενάρια (ΔΓΠ=1,4). Επιλεγμένα σενάρια TRAINER Εκκίνηση και σωστή θέση μοχλού ταχυτήτων, ευθεία πορεία. Αποδοχή ασφαλούς κενού κυκλοφορίας για αριστερή στροφή. Προσπέραση με υψηλό κίνδυνο. Τιμές δεικτών DRIVABILITY ΔΦΕ=2 ΔΠΠ=3 ΔΦΕ=2 ΔΠΠ=2 ΔΦΕ=2 ΔΠΠ=1 Σχετικά σενάρια αποτυχίας TRAINER Λανθασμένη σειρά χρήσης μοχλού ταχυτήτων, στροφές (ανά λεπτό) > 3500, παραβίαση κανόνων κυκλοφορίας. ΧΣ<5 δευτ., παραβίαση κανόνων κυκλοφορίας. ΧΣ<5 δευτ., απόσταση από εμπρόσθιο όχημα <1 δευτ., παραβίαση κανόνων κυκλοφορίας. Κριτήριο DRIVABILITY για καταλληλότητα οδήγησης Ανάρμοστη οδική συμπεριφορά και άγνοια βασικών κινδύνων (π.χ. φθορά αυτοκινήτου, παραβίαση κανόνων κυκλοφορίας) ΔΕΚ=-2, άρα Δείκτης DRIVABILITY =0,583 (επίπεδο 1, ακατάλληλος για οδήγηση) Ο οδηγός παρέλειψε έναν κρίσιμο κίνδυνο (επερχόμενο όχημα) ΔΕΚ=-1, άρα Δείκτης DRIVABILITY =0,583 (επίπεδο 1, ακατάλληλος για οδήγηση) Ο οδηγός παρέλειψε έναν κρίσιμο κίνδυνο (επερχόμενο όχημα) ΔΕΚ=-1, άρα Δείκτης DRIVABILITY =0 (επίπεδο 1, ακατάλληλος Δεκέμβριος

121 Διδακτορική Διατριβή Μαρία Πάνου Επιλεγμένα σενάρια TRAINER Διανοητικός φόρτος και συνδυασμός χρήσης ραδιοφώνου/ CD και κινητού τηλεφώνου, κατά τη διάρκεια κατάστασης υψηλού κινδύνου. Τιμές δεικτών DRIVABILITY ΔΦΕ=1,4 ΔΠΠ=1 Σχετικά σενάρια αποτυχίας TRAINER Παρέκκλιση τιμονιού >3 o, παραβίαση κανόνων κυκλοφορίας. Κριτήριο DRIVABILITY για καταλληλότητα οδήγησης για οδήγηση) Ο οδηγός παρέλειψε κάποιους κινδύνους (ακόμη και αν δεν ήταν κρίσιμοι) ΔΕΚ=1, άρα Δείκτης DRIVABILITY =0,816 (επίπεδο 1, ακατάλληλος για οδήγηση) Έτσι, οι τιμές των συντελεστών DRIVABILITY μπορούν να υπολογιστούν πολύ πιο εύκολα από τα συγκεκριμένα κριτήρια επιτυχίας ανά σενάριο, όπως ορίζεται στο TRAINER, και οδηγούν στο ίδιο αποτέλεσμα. Επιπλέον, όλα τα απαιτούμενα δεδομένα για τον υπολογισμό των δεικτών DRIVABILITY αποθηκεύονται από τον προσομοιωτή οδήγησης και το λογισμικό, μέσω της βάσης δεδομένων του TRAINER Αξιολόγηση ικανότητας οδήγησης οδηγών ηλικίας άνω των 55 Η περίπτωση AGILE Το ερευνητικό έργο AGILE (QLRT ) του 5 ου πλαισίου που συγχρηματοδοτήθηκε από την Ευρωπαϊκή Ένωση ολοκληρώθηκε με επιτυχία το Μάρτιο Απαρτιζόταν από 13 εταίρους, από 7 Ευρωπαϊκές χώρες. Είχε ως κύριο στόχο την ανάπτυξη νέων εργαλείων αξιολόγησης της ικανότητας οδήγησης πρεσβυτέρων οδηγών, μετρώντας τις φυσικές και νοητικές ικανότητές τους, καθώς και τη συμπεριφορά τους και τη δυνατότητα αντίδρασης σε οδικούς κινδύνους. Πιο αναλυτικά, οι στόχοι του έργου ήταν οι εξής: α) Ανάπτυξη της απαραίτητης γνώσης για τη θεσμοθέτηση μεθόδων παροχής πιστοποίησης για την ικανότητα οδήγησης ηλικιωμένων οδηγών. β) Παροχή βοήθειας στους ηλικιωμένους οδηγούς για να συνεχίσουν να οδηγούν με ασφάλεια, εφόσον η οδήγηση δεν αποτελεί μόνο τον πιο εξυπηρετικό αλλά και τον πιο ασφαλή τρόπο μεταφοράς, για εκείνους τους οδηγούς με τις απαραίτητες ικανότητες. Αρχικά πραγματοποιήθηκε μελέτη για τα κυριότερα προβλήματα των ηλικιωμένων οδηγών στην οδήγηση (με ερωτηματολόγια προς του ίδιους τους ηλικιωμένους οδηγούς και προς τους εμπειρογνώμονες, καθώς και με βιβλιογραφική ανασκόπηση και μελέτη των συνθηκών συχνότερων ατυχημάτων στα οποία οι ηλικιωμένοι είναι υπεύθυνοι). Aναπτύχθηκαν και αξιολογήθηκαν δύο είδη εργαλείων, τα υποστηρικτικά εργαλεία και τα εργαλεία αξιολόγησης οδήγησης. Υποστηρικτικά εργαλεία: Βάση δεδομένων με παραμέτρους αξιολόγησης. Περιλαμβάνει δεδομένα για Δεκέμβριος

122 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY 33 εργαλεία αξιολόγησης, 373 περιπτώσεις αξιολόγησης από 7 χώρες, 3 οδηγίες για τη διαδικασία αξιολόγησης και 43 κριτήρια αξιολόγησης. Συμβουλευτικό εργαλείο (λογισμικό) για τους αξιολογητές των ηλικιωμένων οδηγών. Μάθημα επανεκπαίδευσης ηλικιωμένων οδηγών. Οδηγίες για τη σχεδίαση αυτοκινήτων, καταλλήλων για τους ηλικιωμένους οδηγούς. Εργαλεία αξιολόγησης οδήγησης: Σύντομο, εργαλείο αρχικού ελέγχου, αποτελούμενο από 2 ερωτηματολόγια και μία εξέταση στον Η/Υ. Νευροψυχολογικό τεστ στον Η/Υ (βάσει σχετικού λογισμικού), αποτελούμενο από 7 τεστ τα οποία εξετάζουν την εγρήγορση και τα αντανακλαστικά της ομάδας-στόχου. Μεθοδολογία (πρωτόκολλο) αξιολόγησης οδήγησης στο δρόμο. Λογισμικό εξέτασης σε προσομοιωτή οδήγησης, αποτελούμενο από 13 σενάρια, σύμφωνα με τις δυσχέρειες των ηλικιωμένων οδηγών. Οι πιλοτικές δοκιμές του έργου για τα εργαλεία αξιολόγησης πραγματοποιήθηκαν σε τρεις Ευρωπαϊκές χώρες (Βέλγιο, Ελλάδα, Σουηδία), με 234 ηλικιωμένους οδηγούς. Στην Ελλάδα, οι δοκιμές έγιναν στην Θεσσαλονίκη, με 98 άτομα, όπου αποδείχθηκε η ικανότητα των εργαλείων AGILE στην αναγνώριση προβλημάτων ηλικιωμένων οδηγών (Arno P. et al., AGILE, Deliverable 6.2, 2005). Όπως προαναφέρθηκε, η αναγνώριση των πιο κρίσιμων οδικών σεναρίων και παραμέτρων γι αυτή την κατηγορία των οδηγών (Hakamies-Blomqvist, 1996) πραγματοποιήθηκε μέσω βιβλιογραφικής επισκόπησης, έρευνας βάσεων δεδομένων ατυχημάτων και έρευνα ερωτηματολογίων που υλοποιήθηκε στο AGILE. Η συσχέτιση των κρίσιμων αυτών σεναρίων με τους δείκτες DRIVABILITY, ακολουθεί στον παρακάτω πίνακα: Πίνακας 23: Αίτια των προβλημάτων των πρεσβυτέρων οδηγών και συσχέτιση με το DRIVABILITY. Κύρια προβλήματα μεγάλων οδηγών και κρίσιμα σενάρια (από το AGILE) - Φθορά αισθητηριακών και κινητικών λειτουργιών. - Υψηλού βαθμού οπτικά και νοητικά προβλήματα. - Εξασθένιση ψυχοκινητικής απόδοσης, ταχύτητας κατανόησης πληροφόρησης και χρόνου αντίδρασης. - Προβλήματα επικοινωνίας με άλλες κατηγορίες οδηγών. - Πιθανότητα ειδικών Επίπτωση στους δείκτες DRIVABILITY ΔΠΔ=1,67 για καρδιοαγγειακά προβλήματα, ΔΠΔ=1,8 για διαβήτη, ΔΠΔ==1,06 για άνοια, κλπ. Απόφαση κατά το σύστημα AGILE Γεροντική άνοια σημαίνει μη ικανότητα οδήγησης. Διαβήτης ή καρδιοαγγειακά προβλήματα συνεπάγονται επανεκπαίδευση, χρήση βοηθημάτων και (κυρίως) περιορισμό οδήγησης σε συγκεκριμένες συνθήκες (π.χ. μόνο την ημέρα, εκτός αυτοκινητοδρόμου, κλπ.). Δεκέμβριος

123 Διδακτορική Διατριβή Μαρία Πάνου Κύρια προβλήματα μεγάλων οδηγών και κρίσιμα σενάρια (από το AGILE) νοητικών προβλημάτων και προβλημάτων αντίληψης, λόγω ηλικίας. Ακινητοποίηση σε πράσινο φανάρι, γενικά απότομες και δίχως λόγο ακινητοποιήσεις, υπερβολικά μικρή ταχύτητα σε ρέουσα κυκλοφορία. Καθυστέρηση αλλαγής λωρίδας κυκλοφορίας κατά την εμφάνιση εμποδίου, σταδιακή κατεύθυνση σε άλλες λωρίδες. Παρερμηνεία σημάτων οδικής κυκλοφορίας, ανάγκη επαναλαμβανομένων σταδιακών οδηγιών. Επίπτωση στους δείκτες DRIVABILITY Δεχόμαστε ότι ΔΕΚ=2 για αστικούς δρόμους. Συνεπάγεται μείωση του δείκτη DRIVABILITY κατά 0,83 (π.χ. αν αρχικά ήταν 5 τώρα είναι 4,15, αν αρχικά ήταν 4, τώρα είναι 3,32). Συνεπώς θεωρούμε ότι ΔΠΠ=2 και ΔΕΚ=2. Συνεπάγεται μείωση του δείκτη DRIVABILITY κατά 0,67 (π.χ. αν αρχικά ήταν 5 τώρα είναι 3,35, αν αρχικά ήταν 4 τώρα είναι 2,6). Εάν είναι εξακριβωμένο, θεωρούμε ΔΠΔ=4. Σε συνδυασμό με κάποιο απ τα παραπάνω οδηγεί σε δείκτη DRIVABILITY από 3,32 ως 2,68. Απόφαση κατά το σύστημα AGILE Ανάγκη περαιτέρω ελέγχου. Περαιτέρω έλεγχος και ανάγκης επανεκπαίδευσης ή χρήσης βοηθήματος. Επανεκπαίδευση και/ή βοήθημα οδήγησης. Η μεθοδολογία και τα εργαλεία αξιολόγησης οδήγησης του AGILE (προσομοιωτής οδήγησης, νευρο-ψυχολογικό τεστ βασισμένο επί υπολογιστή και τυποποιημένο πρωτόκολλο εξέτασης στο δρόμο) επιτρέπουν τον υπολογισμό όλων των απαραιτήτων παραμέτρων για την εκτίμηση των υπολοίπων δεικτών του μοντέλου DRIVABILITY. 6.9 Επέκταση της έννοιας DRIVABILITY στο μοντέλο TRANSPORTABILITY για τους μετακινουμένους Αντίθετα με την μοντελοποίηση της συμπεριφοράς του οδηγού οχήματος, που έχει τύχει ευρύτατης ερευνητικής διερεύνησης εδώ και δεκαετίες, δεν υφίσταται μοντέλο συμπεριφοράς μετακινουμένου. Ο κυριότερος λόγος είναι η έλλειψη κινήτρων (η μετακίνηση δε θεωρείται κρίσιμη ενέργεια για την ασφάλεια του μετακινουμένου και του κοινωνικού συνόλου, όπως η οδήγηση) αλλά και η πολυπλοκότητα του φαινομένου (πληθώρα μέσων μεταφοράς, λόγων μετακίνησης, κλπ.). Τα μόνα σχετικά μοντέλα έχουν ως στόχο την πρόβλεψη των μετακινήσεων (π.χ. Μητρώο Προέλευσης- Προορισμού «O-D», Γιαννόπουλος Γ., 2002) και, όντας μακροσκοπικά δεν παρέχουν βοήθεια σε μικροσκοπικό επίπεδο, για παροχή υπηρεσιών σε συγκεκριμένο μετακινούμενο. Δεκέμβριος

124 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY Στο πλαίσιο της παρούσας διατριβής επιχειρείται η προσαρμογή του μοντέλου DRIVABILITY στους λοιπούς μετακινούμενους, μετονομαζόμενο σε «TRANSPORTABILITY». Αντίθετα με το εκτενές θεωρητικό υπόβαθρο του μοντέλου DRIVABILITY, η προσαρμογή αυτή έχει κυρίως ως στόχο την ύπαρξη ενός συγκρίσιμου πλαισίου για την προσωποποίηση υπηρεσιών για μετακινουμένους και όχι την πλήρη και πιστή μοντελοποίηση των δράσεων του μετακινουμένου. Μία τέτοια πλήρης μοντελοποίηση αποτελεί από μόνη της αντικείμενο διατριβής και αφίσταται των στόχων της παρούσας διατριβής. Το ακόλουθο σχήμα παρουσιάζει την προσαρμογή των συντελεστών DRIVABILITY, στο μοντέλο TRAΝSPORTABILITY: TRANSPORTABILITY V. ΦΟΡΤΟΣ ΕΡΓΑΣΙΑΣ ΙV. ΕΠΙΓΝΩΣΗ ΑΠΑΙΤΟΥΜΕΝΗΣ ΕΝΕΡΓΕΙΑΣ 1. Επίπεδο προσοχής 2. Αντίληψη απαιτούμενης ενέργειας 3. Εξωτερική υποστήριξη ΙΙ. ΓΝΩΣΗ/ ΔΕΞΙΟΤΗΤΕΣ III. ΠΕΡΙΒΑΛΛΟΝΙΚΟΙ ΠΑΡΑΓΟΝΤΕΣ 1. Γενικά 2. Κατανόηση γλώσσας 3. Εμπειρία στη χρήση μεταφορικών μέσων 4. Γνώση της περιοχής μετακίνησης 1. Τύπος/ μέσου μετακίνησης 2. Απόσταση από πλησιέστερη στάση 3. Αριθμός προηγούμενων μετεπιβιβάσεων 4. Καιρικές συνθήκες 5. Χρονικοί περιορισμοί μετακίνησης 6. Οικονομικοί περιορισμοί μετακίνησης I. ΠΡΟΣΩΠΙΚΕΣ ΔΕΞΙΟΤΗΤΕΣ 1. Φυσική κατάσταση 2. Νοητική κατάσταση 3. Κοινωνικο ψυχολογική κατάσταση 1. Κίνηση 2. Αίσθηση Συντονισμός 3. Επίπεδο υγείας 1. Γνώση/ αντίληψη 2. Μνήμη 3. Επικοινωνία 4. Απόφαση 1. Άγχος 2. Συγκέντρωση 3. Αξιοπιστία 4. Εμπιστοσύνη 5. Ενάργεια Σχήμα 24: Οι συντελεστές του μοντέλου ικανότητας μετακίνησης TRANSPORTABILITY. Οι κυριότεροι συντελεστές του μοντέλου TRAΝSPORTABILITY είναι οι ακόλουθοι: Προσωπικές δεξιότητες: Οι φυσικές, πνευματικές και κοινωνικο-ψυχολογικές ικανότητες του μετακινουμένου έχουν φυσικά μεγάλη επίδραση στην ικανότητά του να χρησιμοποιήσει μεταφορικά μέσα. Ιδιαίτερα αν δεν είναι ειδικά διασκευασμένα για να είναι προσβάσιμα στις δικές του ανάγκες, απαιτούν ειδικές ικανότητες (π.χ. ανάγνωση, κατανόηση γλώσσας) για τον εντοπισμό και την επιλογή τους, κλπ. Επίπεδο γνώσης/ικανοτήτων: η εξοικείωση με το συγκεκριμένο τύπο μεταφορικού μέσου αλλά και το περιβάλλον μετακίνησης αποτελεί κύριο παράγοντα (ορθής) χρήσης ή μη ενός μεταφορικού μέσου. Ακόμη και οι γενικές γνώσεις και η διαπαιδαγώγηση του χρήστη στη χρήση του μεταφορικού μέσου (π.χ. τήρηση «ουράς», παραχώρηση θέσης ή προτεραιότητας σε εμποδιζόμενα άτομα, κλπ.) επηρεάζει την ορθή χρήση του μέσου αλλά και την αλληλεπίδραση με τους λοιπούς μετακινουμένους. Δεκέμβριος

125 Διδακτορική Διατριβή Μαρία Πάνου Περιβαλλοντικοί παράγοντες: Η επιλογή μέσου μεταφοράς επηρεάζεται από σειρά περιβαλλοντικών παραγόντων που έχουν σχέση με το εξωγενές περιβάλλον (π.χ. απόσταση πλησιέστερης στάσης, καιρικές συνθήκες) ή με το ενδογενές περιβάλλον (π.χ. χρονική πίεση, οικονομικές δυνατότητες) του μετακινουμένου. Φόρτος εργασίας: Αν και ο φόρτος εργασίας του μετακινουμένου είναι συνήθως μικρότερος και λιγότερο καθοριστικός ως παράγοντας απ αυτόν του οδηγού, συχνά δεν είναι αμελητέος και καταλήγει σε απώλεια πληροφόρησης ή εσφαλμένες ενέργειες. Αν για παράδειγμα, το σύστημα πληροφόρησης παρέχει πληροφορίες στο χρήστη τη στιγμή της επιβίβασης/ αποβίβασής του, όταν αγοράζει ή ακυρώνει εισιτήριο, κλπ., είναι σημαντική η πιθανότητα η παρεχόμενη πληροφορία να αγνοηθεί ή να προκαλέσει ενόχληση. Ωστόσο, ο υπολογισμός του φόρτου εργασίας του μετακινουμένου για προσαρμογή της πληροφόρησης σ αυτόν είναι ακόμη δυσκολότερος απ τον αντίστοιχο υπολογισμό του φόρτου εργασίας οδηγού. Επίγνωση απαιτούμενης ενέργειας: Πολλά πληροφοριακά συστήματα μετακινουμένων αποτυγχάνουν επειδή ενώ παρέχουν την απαιτούμενη πληροφόρηση στο χρήστη, δεν το καθοδηγούν ως προς τις απαραίτητες ενέργειες (π.χ. όλες τις επιλογές μεταφορικών μέσων μεταξύ σημείου εκκίνησης και προορισμού επί υπολογιστή παλάμης ή κινητού τηλεφώνου, χωρίς αξιολόγηση ή ιεράρχησή τους με κάποια κριτήρια). Η υποβοήθηση του μετακινούμενου στην επιλογή πορείας (πριν το ταξίδι) και την ακολούθησή της (κατά το ταξίδι), αποτελούν βασικούς παράγοντες μιας επιτυχημένης και άνετης μετακίνησης. Με βάση τη διαφοροποίηση στις προτεραιότητες του μετακινουμένου, ο δείκτης TRAΝSPORTABILITY προτείνεται να διατυπωθεί ως: Δείκτης TRAΝSPORTABILITY= (ΔΠΔ) x ΔΓΠ ΔΠΠ x x 2 2 όπου: ΔΠΔ: Δείκτης Προσωπικών Δεξιοτήτων ΔΓΠ: Δείκτης Γνώσεων/ Προσόντων ΔΦΕ: Δείκτης Φόρτου Εργασίας ΔΠΠ: Δείκτης Περιβαλλοντικών Παραγόντων ΔΕΑΕ: Δείκτης Επίγνωσης Απαιτούμενης Ενέργειας ΔΦΕ + 6 ΔΕΑΕ (6.2) Η παραπάνω προτεινόμενη σχέση μένει να αποδειχθεί και να εφαρμοστεί, να δεχθεί και να λάβει τιμές κατά το πρότυπο του δείκτη DRIVABILITY. Στα πλαίσια της παρούσας διατριβής δε γίνεται περαιτέρω διερεύνηση του δείκτη αυτού. Ωστόσο, οι συντελεστές TRAΝSPORTABILITY και η προτεινόμενη βαρύτητά τους στο συνολικό δείκτη TRAΝSPORTABILITY λαμβάνονται υπόψη στην επιλογή παραμέτρων προσωποποίησης υπηρεσιών για μετακινουμένους στα Κεφ. 7 κι 9 της παρούσας διατριβής Συμπεράσματα Στον παρόν κεφάλαιο εισάχθηκε μία ολοκληρωμένη και πρωτότυπη πρόταση μοντελοποίησης της συμπεριφοράς του οδηγού, επονομαζόμενη ως DRIVABILITY, η Δεκέμβριος

126 Μοντελοποίηση συμπεριφοράς κι ανάδρασης οδηγού και μετακινουμένου για «ευφυή προσωποποίηση»: τα μοντέλα DRIVABILITY και TRANSPORTABILITY οποία επιχειρεί τη χρήση της σύγχρονης αξιολόγησης της μέτρησης της οδικής συμπεριφοράς, μέσω της εφαρμογής ΣΣΥΟ καθώς και τη χρήση σύγχρονων εκπαιδευτικών και εξεταστικών εργαλείων. Επομένως, υπάρχουν αρκετά δεδομένα για την εκτίμηση σύνθετων λειτουργιών, όπως ο φόρτος εργασίας του οδηγού, η αντίληψη κινδύνου, και ο πραγματικός κυκλοφοριακός κίνδυνος. Συνδυάζοντας αυτές τις δυναμικές πληροφορίες με στατικά και δυναμικά δεδομένα της κατάστασης του οδηγού (φυσική, πνευματική, ψυχολογική) καθώς και τις οδηγικές του/της ικανότητες και το επίπεδο γνώσης του/της, καθίσταται δυνατός ο υπολογισμός ενός νέου Δείκτη, ο οποίος μπορεί να συνδυαστεί στενά με τις πραγματικές αιτίες ατυχημάτων και με διάφορα προβλήματα στην οδήγηση. Η κύρια χρήση ενός τέτοιου δείκτη θα ήταν η συσχέτιση με συγκεκριμένες στρατηγικές παρέμβασης, μακροπρόθεσμες ή βραχυπρόθεσμες (στρατηγικές προώθησης DRIVABILITY) από προειδοποίηση του οδηγού ως επανεκπαίδευσή του/της, έχοντας τη δυνατότητα της συγκριτικής αξιολόγησης των επιπτώσεών τους στη συνολική δυνατότητα του οδηγού για διεκπεραίωση της δραστηριότητας οδήγησης. Έτσι, κρίσιμη συμπεριφορά ή προσωρινή ανικανότητα/ακαταλληλότητα ή υπερβολική εμπιστοσύνη μπορούν να προβλεφθούν, να μοντελοποιηθούν και να καταγραφούν κατά τη διάρκεια της οδήγησης. Είναι πιθανό κάποιος να σχολιάσει ότι η παράλληλη επεξεργασία τόσων πολλών παραμέτρων και συντελεστών, όπως προτείνονται στο Σχήμα 20, μπορεί να μην είναι πρακτική υπό πραγματικές συνθήκες οδήγησης. Με άλλα λόγια, πώς είναι δυνατή η μεταφορά από την τωρινή στατική αντίληψη του κατάλληλου/ακατάλληλου ατόμου για οδήγηση σε μία σύνθετη έννοια που σχετίζει τη δυνατότητα οδήγησης με το κυκλοφοριακό σενάριο, τις περιβαλλοντικές συνθήκες και την κατάσταση του οδηγού; Ωστόσο, αυτή η συσχέτιση θα παρείχε συνεχόμενη ενημέρωση για την πραγματική ικανότητα οδήγησης του ατόμου, σε οποιοδήποτε οδηγικό περιβάλλον και για οποιαδήποτε στιγμή. Βέβαια, μία τέτοια συσχέτιση θα μπορούσε να θεωρηθεί ως μη πρακτική, καθώς θα απαιτούνταν παρακολούθηση πολλών παραμέτρων του οδηγού, του αυτοκινήτου και του περιβάλλοντος σε πραγματικό χρόνο. Κάτι τέτοιο όμως δεν αληθεύει πια. Η χρήση τηλεματικών εφαρμογών εντός του οχήματος που συνδέονται με το πρωτόκολλο επικοινωνίας CAN, μέσω του οποίου όλες οι σχετικές παράμετροι του οχήματος καθώς και εκείνες που σχετίζονται με την κατάσταση του οδηγού και το περιβάλλον, μπορούν να αποθηκεύονται αυτόματα, επιτρέπει στο εγγύς μέλλον την εκτίμηση του δυναμικού Δείκτη DRIVABILITY, σε πραγματικό χρόνο. Οι παράμετροι που σχετίζονται με τον οδηγό, όπως δύναμη συγκράτησης τιμονιού, κινήσεις βλεφάρων και ρυθμός ανοιγοκλεισίματός τους, παράμετροι εστίασης βλέμματος, κλπ., μετρούνται επίσης μέσω συστημάτων καταγραφής του οδηγού. Ως εκ τούτου, ένας δείκτης DRIVABILITY μπορεί να εκτιμηθεί για συγκεκριμένο οδηγό, σε συγκεκριμένη χρονική περίοδο και για συγκεκριμένο σενάριο οδήγησης. Έτσι, αν και τα σχετικά δεδομένα για τον υπολογισμό των παραπάνω δεικτών σε πραγματικό χρόνο είναι σήμερα ακόμη δύσκολο να συγκεντρωθούν σε συνθήκες πραγματικής οδήγησης, ενώ είναι δυνατό να εκτιμηθούν ευχερώς μόνο σε ελεγχόμενο περιβάλλον (π.χ. οδήγηση σε προσομοιωτή οδήγησης ή έστω οδήγηση επί ειδικής πίστας), η αυξανόμενη χρήση των ΣΣΥΟ παρέχει μία μοναδική ευκαιρία επέκτασης τέτοιων υπολογισμών σε πραγματικό περιβάλλον οδήγησης (Bekiaris, 2001 Amditis et al., 2000). Δεκέμβριος

127 Διδακτορική Διατριβή Μαρία Πάνου Τα συστήματα καταγραφής του προβλήματος του οδηγού παρέχουν επίσης τη δυνατότητα αξιολόγησης της κούρασης και της ενάργειας. Τα συστήματα εκτίμησης κυκλοφοριακού κινδύνου που βασίζονται σε πολλαπλές εφαρμογές ΣΣΥΟ (Bekiaris, 2001 Amditis et al., 2000) επιτρέπουν τη εκτίμηση των ΔΕΚ και ΔΠΠ, κλπ. Η διαδικασία για την πραγματοποίηση τέτοιων εκτιμήσεων καθώς και τα ανάλογα εργαλεία για κάτι τέτοιο (αρχεία καταγραφών και φόρμες συνέντευξης των οδηγών) βρίσκονται ακόμη υπό ανάπτυξη. Στο πλαίσιο της παρούσας διατριβής, τα μοντέλα DRIVABILITY και TRANSPORTABILITY χρησιμοποιούνται ως οδηγοί για τον εντοπισμό των κρίσιμων στατικών, ημι-δυναμικών ή δυναμικών παραμέτρων κάθε οδηγού και μετακινουμένου, οι οποίες επηρεάζουν και αντιστοιχούν στην ικανότητα οδήγησής/ μετακίνησής του και σύμφωνα με τις οποίες πρέπει να γίνει η προσαρμογή της συμπεριφοράς των ΣΕΜ για μεγιστοποίηση της οδικής ασφάλειας αλλά και της άνεσης μετακίνησης. O Πίνακας 27 της παραγράφου 7.4 της παρούσας διατριβής παρουσιάζει τη σχετική αντιστοίχηση μεταξύ των δεικτών των μοντέλων DRIVABILITY και TRANSPORTABILITY και παραμέτρων προσωποποίησης των σχετικών υπηρεσιών και πληροφοριών μετακίνησης. Δεκέμβριος

128 7 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» 7.1 Εισαγωγή Όπως περιγράφηκε στο Κεφάλαιο 2, οι μετακινούμενοι, είτε οδηγοί, είτε πεζοί, είτε χρήστες δημοσίων μεταφορικών μέσων, χρειάζονται πληροφόρηση πριν και κατά τη διάρκεια του ταξιδιού τους. Απαιτείται ανάλυση καθηκόντων κι ενεργειών του συστήματος με βάση τις επιθυμίες και τις ανάγκες των χρηστών. Συνοπτικά, οι μετακινούμενοι έχουν τις εξής ανάγκες: - αξιόπιστη πληροφόρηση, - πληροφόρηση πραγματικού χρόνου, - κατανοητή πληροφόρηση (για άτομα με διάφορα νοητικά επίπεδα), - πληροφόρηση σχετική με το λόγο μετακίνησης (διαφορά μεταξύ τουρίστα σε μία ξένη χώρα και εργαζομένου στην πόλη του), - πληροφόρηση που να αρμόζει στον τρόπο μετακίνησης του χρήστη (άλλου είδους πληροφόρηση χρειάζεται κάποιος που οδηγεί και ψάχνει χώρο στάθμευσης από έναν επιβάτη ΜΜΜ που θέλει να μάθει που πρέπει να αποβιβαστεί). Οι παράμετροι που αναλύονται στη συνέχεια για τη μοντελοποίηση οδηγών καθώς και λοιπών μετακινουμένων βασίζονται στους πιο σημαντικούς συντελεστές των μοντέλων ικανότητας οδήγησης DRIVABILITY και ικανότητας μετακίνησης TRANSPORTABILITY του Κεφαλαίου 6 αλλά και στις ανάγκες των μετακινουμένων, όπως περιγράφονται στο Κεφάλαιο Παράμετροι μοντελοποίησης της συμπεριφοράς των οδηγών Τα χαρακτηριστικά του οδηγού μπορούν να ταξινομηθούν στις ακόλουθες 3 κατηγορίες: Στατικά: Ως στατικές ορίζονται οι παράμετροι που χρειάζεται να προσδιοριστούν μία φορά μόνο από το χρήστη, εισάγονται δηλαδή από τον οδηγό, και συγκεκριμένα την πρώτη φορά που χρησιμοποιεί το σύστημα και ανανεώνονται, όταν χρειαστεί, από το ίδιο το σύστημα ή από το χρήστη. Αυτές οι μεταβλητές δε μεταβάλλονται συνεχώς και αδιαλείπτως κατά τη λειτουργία του συστήματος, γι αυτό και καλούνται στατικές. Ημι-δυναμικά: Ως ημι-δυναμικές ορίζονται οι παράμετροι που ο οδηγός προσδιορίζει κάθε φορά που ξεκινά ένα ταξίδι, εκτός και αν τα σχετικά χαρακτηριστικά παραμένουν ίδια με το προηγούμενο ταξίδι. Η κυριότερη ημιδυναμική μεταβλητή αφορά το λόγο και τον τόπο του ταξιδίου, π.χ. για αναψυχή στην πόλη του, ως τουρίστας σε άλλη πόλη, κλπ. Δυναμικά: Ως δυναμικές ορίζονται οι παράμετροι τις οποίες υπολογίζει αυτόματα το σύστημα και προσαρμόζει ανάλογα τα εξαγόμενά του, δηλαδή τα Δεκέμβριος

129 Διδακτορική Διατριβή Μαρία Πάνου μηνύματα πληροφόρησης /προειδοποίησης. Οι παράμετροι αυτές μεταβάλλονται συνεχώς και αδιαλείπτως κατά τη λειτουργία του συστήματος Στατικές παράμετροι Υπάρχουν έξι παράμετροι που προσδιορίζουν το προφίλ του χρήστη και είναι άμεσα συνδεδεμένες με την οδήγηση Παράμετρος 1: Ημερομηνία γέννησης Υπάρχουν πολλές διαφορές στην απόδοση και στον τρόπο οδήγησης μεταξύ των αρχαρίων, των έμπειρων και των πρεσβυτέρων οδηγών. Πιο συγκεκριμένα, οι αρχάριοι οδηγοί έχει αποδειχτεί ότι έχουν περισσότερα ατυχήματα ανά οδηγούμενη απόσταση από τους υπόλοιπους οδηγούς, ακολουθούμενοι από τους πρεσβύτερους οδηγούς (Brorsson, 1989; Cerelli, 1989; Evans, 1987; Graca, 1986). Μεγαλώνοντας, οι φυσιολογικές, βιολογικές, ψυχοκινητικές και νοητικές αλλαγές του ανθρώπου, έχουν αντίκτυπο και στην οδήγηση. Παραδείγματα τέτοιων αλλαγών είναι η μείωση της όρασης, η δυσκολία κινήσεων και γενικά η επιβράδυνση καίριων λειτουργιών για την οδήγηση, όπως η προσοχή, ο εντοπισμός και ο χρόνος αντίδρασης (Salthouse, 1989; Stelmach & Nahom, 1992). Επίσης, υπάρχει καθυστέρηση στο επίπεδο νοητικής επεξεργασίας πληροφοριών και συγκεκριμένα, οι ηλικιωμένοι οδηγοί εκτελούν προοδευτικά τις ενέργειές τους (Hakamies-Blomqvist, Mynttinen, Backman & Mikkonen, 1999) σε αντίθεση με τους νεότερους που αντιδρούν και δρουν κατά κανόνα πιο άμεσα. Όμως και οι νέοι, άπειροι οδηγοί αποτελούν ομάδα υψηλού κινδύνου, αφού πολλά ατυχήματα συμβαίνουν εξαιτίας τους (Thulin, 1987). Τα κυριότερα προβλήματά τους στην οδήγηση είναι λανθασμένη εκτίμηση ταχύτητας κι απόστασης όσον αφορά την επερχόμενη κυκλοφορία όταν, για παράδειγμα, προσπερνούν ή επιχειρούν αριστερή στροφή. Ένα ακόμη κοινό πρόβλημα των νέων οδηγών είναι ο λάθος υπολογισμός της απόστασης πέδησης του οχήματος, κατά τον οποίο ο οδηγός καθυστερεί το χειρισμό γιατί θεωρεί ότι θα προλάβει να σταματήσει έγκαιρα. Αντίθετα, οι ώριμοι (από πλευράς χαρακτήρα, δηλαδή ήπιοι και με σωστή κρίση) κι έμπειροι οδηγοί είναι λιγότερο πιθανό να εμπλακούν σε ατυχήματα (Parker, Manstead, Strandling and Reason, 1992). Ο οδηγός εισάγει την ημερομηνία γέννησής του μόνο την πρώτη φορά που χρησιμοποιεί το σύστημα, προκειμένου να ενταχθεί σε συγκεκριμένες ηλικιακές κατηγορίες. Οι κατηγορίες που προτείνονται είναι οι εξής: άνω των 76 ετών Η παραπάνω ηλικιακή κατανομή διαχωρίζει τρεις κύριες ομάδες οδηγών: τους άπειρους οδηγούς (18-24 ετών) βάσει του ερευνητικού έργου TRAINER (Παραδοτέο 2.1, 2001), τους πρεσβύτερους (άνω των 56 ετών), οι οποίοι διακρίνονται σε «νέοι ηλικιωμένοι», «μέσοι ηλικιωμένοι» και «προχωρημένοι ηλικιωμένοι» βάσει του ερευνητικού έργου AGILE (Παραδοτέο 1.1, 2003) και τους έμπειρους οδηγούς που Δεκέμβριος

130 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» αντιπροσωπεύονται από την ηλικιακή ομάδα μεταξύ των άπειρων και των ηλικιωμένων Παράμετρος 2: Εμπειρία οδήγησης (έτη) Επειδή η ηλικία δεν είναι πάντα αντιπροσωπευτική της εμπειρίας οδήγησης, θεωρείται απαραίτητο ο οδηγός να προσδιορίζει και τα έτη ενεργής οδήγησης, βάσει της παρακάτω κατηγοριοποίησης (Gregersen E., TRAINER Deliverable 2.1, 2001) ετών και έως 1 έτος κατοχή του διπλώματος οδήγησης, έτη, έτη, - άνω των 10 ετών. Όπως και στην προηγούμενη περίπτωση, αυτή η παράμετρος χρειάζεται να εισαχθεί μόνο την πρώτη φορά που χρησιμοποιείται το σύστημα και στη συνέχεια ανανεώνεται αυτόματα Παράμετρος 3: Φύλο Όπως είναι αυτονόητο, αυτή η παράμετρος χρειάζεται να δοθεί μόνο μία φορά για κάθε χρήστη. Υπάρχουν εκτενή στοιχεία που δείχνουν ότι οι άνδρες, και ειδικότερα οι νεαροί άνδρες, τείνουν να είναι επιθετικότεροι από τις γυναίκες και να εκφράζουν την επιθετικότητα με άμεσο, παρά έμμεσο, τρόπο. Αυτό επηρεάζει σημαντικά τον τρόπο οδήγησης, ενθαρρύνοντας την ανταγωνιστικότητα και την εχθρική συμπεριφορά, με αποτέλεσμα να αυξάνεται η πιθανότητα εμπλοκής τους σε οδικό ατύχημα (The Social Issues Research Centre, August 2004). Σύμφωνα με την έρευνα του Chipman (1992), οι άνδρες κατέχουν το διπλάσιο αριθμό ατυχημάτων (ανά οδηγούς) από τις γυναίκες. Η έρευνα του Waller (2001) σημειώνει ότι οι άνδρες υφίστανται το πρώτο τους ατύχημα νωρίτερα από τις γυναίκες οδηγούς. Ο Norris (2000) αποδίδει το γεγονός στην υψηλή ταχύτητα που οδηγούν οι άνδρες οδηγοί, παραβιάζοντας κατ επανάληψη τους νόμους κυκλοφορίας. Ο Waylen και McKenna (2002) σημειώνουν ότι οι άνδρες εμπλέκονται πολύ πιο συχνά από τις γυναίκες σε ατυχήματα κατά τη διάρκεια της νύχτας ή μιας προσπέρασης. Οι γυναίκες, από την άλλη μεριά, έχουν μεγαλύτερη συχνότητα ατυχημάτων σε διασταυρώσεις οδών, λόγω λανθασμένης εκτίμησης χώρου και απόστασης. Σύμφωνα με ερευνητικά στοιχειά του Παγκόσμιου Οργανισμού Υγείας (WHO- World Health Organisation) τρεις είναι οι ευδιάκριτες διαφορές ανάμεσα στην συμπεριφορά οδήγησης των δυο φύλων: Επιθετικότητα. Επιτάχυνση και παραβίαση των νόμων κυκλοφορίας. Αίσθηση ανταγωνισμού και ανάληψης κινδύνων Παράμετρος 4: Γλώσσα Το σύστημα πρέπει να ξέρει σε ποια γλώσσα μπορεί να δώσει την πληροφόρηση στον οδηγό. Έτσι ο οδηγός καλείται να εισάγει τη μητρική του γλώσσα, καθώς και μία 2 η εναλλακτική, μόνο εάν γνωρίζει πολύ καλά κάποια άλλη γλώσσα. Τα στοιχεία αυτά δίνονται μία φορά, εκτός και αν ο χρήστης επιθυμεί να αλλάξει την εναλλακτική γλώσσα στο μέλλον. Δεκέμβριος

131 Διδακτορική Διατριβή Μαρία Πάνου Παράμετρος 5: Επίπεδο μόρφωσης Προκειμένου να γνωρίζει το σύστημα σε ποια μορφή μπορεί να δώσει την προειδοποίηση/πληροφόρηση (π.χ. κείμενο ή εικόνα), είναι απαραίτητο να γνωρίζει εάν ο οδηγός γνωρίζει γραφή κι ανάγνωση. Όπως και προηγουμένως, τα στοιχεία αυτά δίνονται μία φορά, εκτός και αν ο χρήστης αλλάξει επίπεδο μόρφωσης στο μέλλον Παράμετρος 6: Ειδικές αναπηρίες Τέλος, ο οδηγός θα πρέπει να προσδιορίσει εάν πάσχει από κάποια από τις παρακάτω μορφές αναπηρίας, προκειμένου το σύστημα να προσαρμόζει το ΣΕΑΜ του αντίστοιχα: - αχρωματοψία, - κώφωση, - αναπηρία των άνω άκρων, - αναπηρία των κάτω άκρων. Φυσικά, το πεδίο ειδικών αναγκών θα μπορούσε να διευρυνθεί και με άλλες κατηγορίες ειδικών προβλημάτων οδηγών στο μέλλον (π.χ. δυσλεξία), που όμως δεν καλύπτονται προς το παρόν ευρέως από την υφιστάμενη γνώση κι εμπειρία των αναγκών προσαρμογής πληροφόρησης προειδοποίησης. Η παράμετρος αυτή χρειάζεται να εισαχθεί μόνο την πρώτη φορά, εκτός κι αν οδηγός αποκτήσει κάποια από αυτές τις αναπηρίες στο μέλλον Ημι-δυναμικές παράμετροι Στην κατηγορία αυτή υπάρχει μόνο μία παράμετρος, ο τύπος του οδηγού. Αναλόγως του σκοπού οδήγησης, ο οδηγός έχει διαφορετικές ανάγκες και στόχους. Έχουν αναγνωριστεί οι ακόλουθες κατηγορίες οδηγού: Τουρίστας (άτομο σε ξένη χώρα ή πόλη, που ταξιδεύει για αναψυχή). Μετακινούμενος σε καθημερινή βάση (άτομο που βρίσκεται στην πόλη του και μετακινείται από/προς την εργασία του). Επιχειρηματίας/εργαζόμενος που βρίσκεται σε ξένη χώρα. Μετακινούμενος για αναψυχή, που βρίσκεται στην πόλη του. Μετακινούμενος έκτακτης ανάγκης (άτομο που βρίσκεται στη χώρα ή πόλη του που χρειάζεται να ταξιδέψει για λόγους άμεσης ανάγκης, π.χ. για να μεταβεί ή να μεταφέρει κάποιον στο νοσοκομείο). Σε κάποιες από τις παραπάνω κατηγορίες το σύστημα μπορεί να προωθήσει, δηλαδή να παρέχει πληροφορίες που δεν τις έχει ζητήσει ο οδηγός εκείνη τη συγκεκριμένη στιγμή, αλλά έχει ζητήσει συχνά τέτοιες πληροφορίες στο παρελθόν και ανταποκρίνεται στα καταγεγραμμένα ενδιαφέροντά του (ο σχετικός αλγόριθμος περιγράφεται στην 9.3). Οι ημι-δυναμικές παράμετροι πρέπει να δηλώνονται απ τον οδηγό κάθε φορά που εκκινεί το ταξίδι. Άλλως, λαμβάνεται ως δεδομένη η τελευταία επιλογή Δυναμικές παράμετροι Υπάρχουν 7 δυναμικές παράμετροι τις οποίες προτείνεται να λαμβάνει υπόψη του το σύστημα για να προσαρμόσει τη συμπεριφορά του. Οι έξι από αυτές υπολογίζονται Δεκέμβριος

132 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» αυτόματα από το ίδιο το αυτοκίνητο ή από αισθητήρες και μόνο ο χρόνος αντίδρασης προκύπτει μέσω αλγορίθμου Παράμετρος 1: Ταχύτητα (m/s) Η ταχύτητα του οχήματος λαμβάνεται από το σύστημα, μέσω του οδομέτρου και βρίσκεται αποθηκευμένη στο σύστημα επικοινωνίας CAN του αυτοκινήτου. Είναι προφανές ότι κάποιες σύνθετες πληροφορίες κι υπηρεσίες δεν πρέπει να παρέχονται στον οδηγό όταν κινείται πάνω από μία ορισμένη ταχύτητα (συνήθως με περισσότερο από χλμ./ώρα) Παράμετρος 2: Χρονική στιγμή πέδησης οδηγού (s) Η χρονική στιγμή που ο οδηγός θα αρχίσει να ασκεί πέδηση θα δοθεί από τον αισθητήρα πέδησης και θα καταγραφεί στο CAN του οχήματος. Η παράμετρος αυτή βοηθά στον καθορισμό του χρόνου αντίδρασης του οδηγού. Επίσης, καλό είναι να μην παρέχεται πληροφόρηση ούτε κάποιες υπηρεσίες στον οδηγό σε συνθήκες έντονης πέδησης Παράμετρος 3: Χρονική στιγμή πέδησης εμπρόσθιου οχήματος (s) Η χρονική στιγμή που ο οδηγός του εμπρόσθιου οχήματος θα αρχίσει να ασκεί πέδηση θα δοθεί από τον εμπρόσθιο αισθητήρα (ραντάρ) και θα καταγραφεί στο CAN του οχήματος. Η παράμετρος αυτή βοηθά στον υπολογισμό του χρόνου αντίδρασης του οδηγού Παράμετρος 4: Ώρα GPS (s) Ο απόλυτος χρόνος όλων των συμβάντων παρέχεται μαζί με τα συμβάντα ως απόλυτη δορυφορική ώρα Παράμετρος 5: Χρόνος αντίδρασης A. Ορισμός Ο χρόνος αντίδρασης αποτελεί καθοριστικό παράγοντα για το χρόνο ακινητοποίησης του οχήματος υπό έκτακτες συνθήκες. Αν και ο χρόνος αυτός μπορεί να θεωρηθεί ως μία παράμετρος, στην πραγματικότητα απαρτίζεται από πολλούς επιμέρους παράγοντες. Όπως συνήθως απαντάται στη βιβλιογραφία (Lee et al., 2004; Warshawsky-Livne & Shinar, 2002; Green, 2001) ο χρόνος αντίδρασης του οδηγού συντίθεται από το χρόνο νοητικής επεξεργασίας και το χρόνο δράσης. Το παρακάτω σχήμα απεικονίζει το χρόνο αντίδρασης και τους συντελεστές του, καθώς και τη σχέση του με το χρόνο ακινητοποίησης του οχήματος. Δεκέμβριος

133 Διδακτορική Διατριβή Μαρία Πάνου Χρόνος εντοπισμού (όραση) Χρόνος αντίληψης (αναγνώριση & ερμηνεία) Χρόνος απόφασης (επιλογή αντίδρασης) Χρόνος νοητικής επεξεργασίας Χρόνος δράσης Χρόνος αντίδρασης Χρόνος πέδησης Χρόνος ακινητοποίησης Σχήμα 25: Συντελεστές του χρόνου αντίδρασης και η σχέση τους με το χρόνο ακινητοποίησης του αυτοκινήτου. Ακολουθεί η επεξήγηση για τους χρόνους του σχήματος: - Ο χρόνος νοητικής επεξεργασίας είναι ο χρόνος που απαιτείται για την αντίληψη και τον εντοπισμό του κινδύνου και την επιλογή της σωστής απόκρισης. Πρόκειται για μία σύνθετη διαδικασία. - Ο χρόνος δράσης είναι ο χρόνος που απαιτείται για τον οδηγό από τη στιγμή που θα μετακινήσει το πόδι του από τον ποδομοχλό επιτάχυνσης μέχρι τη στιγμή που θα πιέσει τον ποδομοχλό επιβράδυνσης. - Ο χρόνος πέδησης είναι ο χρόνος που χρειάζεται το όχημα για να ακινητοποιηθεί, από τη στιγμή που έχει αρχίσει ν ασκείται η πέδηση επί αυτού. B. Διαφοροποίηση μεταξύ οδηγών Ο χρόνος αντίδρασης κάθε οδηγού είναι διαφορετικός και μπορεί να διαφέρει σημαντικά, από 0,6 δευτερόλεπτα για οδηγό αγώνων σε 0,8-1 δευτερόλεπτο για νέο κι εναργή οδηγό, έως και 1,5-2 δευτ. για ηλικιωμένο οδηγό. Μη εναργείς οδηγοί μπορεί να έχουν πολύ μεγαλύτερους ακόμη χρόνους ανάδρασης. Γ. Σημασία για ενεργοποίηση ΣΣΥΟ Έχει παρατηρηθεί ότι η αποδοχή προειδοποίησης ή και πληροφόρησης απ το χρήστη σχετίζεται άμεσα και με το χρόνο λήψης της. Έτσι, αν ο οδηγός προειδοποιηθεί αργά από ένα ΣΣΥΟ για ν ασκήσει πέδηση λόγω κρίσιμης απόστασης από το εμπρόσθιο όχημα μπορεί να προκληθεί ατύχημα, ενώ αν ειδοποιείται νωρίς θα λαμβάνει υπερβολικά μεγάλο αριθμό προειδοποιήσεων με αποτέλεσμα να εκνευριστεί και να εγκαταλείψει τη χρήση του συστήματος. Ενδεικτικά αναφέρεται ότι στο έργο IN- ARTE (Martens & van Winsum, 1999) δοκιμάστηκε σύστημα προειδοποίησης οδηγού για μείωση ταχύτητας λόγω άλλων οχημάτων, υπέρβαση ορίου ταχύτητας, επικίνδυνης στροφής μπροστά, κλπ., το οποίο, χρησιμοποιώντας τις ενδεικνυόμενες τιμές των κατασκευαστών κατέληξε σε υπερβολικό αριθμό προειδοποιήσεων: κατά μέσο όρο περίπου μία ανά λεπτό για οδήγηση σε αυτοκινητόδρομο και δύο ανά λεπτό για οδήγηση επί επαρχιακής οδού. Για το λόγο αυτό προτάθηκε η τροποποίηση του αλγορίθμου γενικά αλλά και κυρίως για εκείνους τους οδηγούς που λάμβαναν τις περισσότερες προειδοποιήσεις κι έκριναν το σύστημα ως ενοχλητικό. Δεκέμβριος

134 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Για τον παραπάνω λόγο, κρίθηκε ότι μία από τις βασικές παραμέτρους προσωποποίησης του συστήματος θα έπρεπε να είναι ο Χρόνος Αντίδρασης του οδηγού. Δ. Τρόπος υπολογισμού Το πρόβλημα είναι ότι ως σήμερα ο χρόνος αντίδρασης οδηγού μετριέται συνήθως με στατικές δοκιμές επί οχήματος ή προσομοιωτή. Οι συνηθέστεροι τρόποι μέτρησης επί πραγματικού δρόμου, αφορούν στο χρόνο αντίδρασης σε οπτικό ή ηχητικό ερέθισμα και απαιτούν την υλοποίηση συγκεκριμένης δοκιμής. Έχουν πραγματοποιηθεί πειράματα με οπτικά ερεθίσματα που βασίζονται στην ακολουθία οχήματος (δυναμικός υπολογισμός), όπου το εμπρόσθιο όχημα οδηγείται από άτομο που συμμετέχει στο πείραμα, ενώ το δεύτερο από τον οδηγό του οποίου επιθυμείται να μετρηθεί ο χρόνος αντίδρασης (π.χ. Schweitzer et al., 1995, Lieberman et al., 1995, Korteling, 1990, Sivak et al., 1981) και πρέπει να ασκήσει πέδηση μόλις δει να ανάβουν τα φώτα πέδησης του εμπρόσθιου οχήματος. Επίσης, αναφέρονται μετρήσεις με την τοποθέτηση αντικειμένου (κίτρινο αφρώδες υλικό, βαρέλι που κυλά όταν πλησιάζει ο οδηγός, ομοίωμα πεζού ανθρώπου, κλπ.) επί της οδού (π.χ. Olson & Sivak, 1986, Lerner, 1993). Τέλος, έχουν πραγματοποιηθεί και πειράματα στατικού υπολογισμού του χρόνου αντίδρασης με οπτικά ερεθίσματα, όπως ένα κόκκινο λαμπάκι στο αυτοκίνητο του οδηγού, το οποίο ανάβει ανά τυχαία χρονικά διαστήματα και μπορεί να βρίσκεται στην κονσόλα ή στον εσωτερικό καθρέπτη (Landau, 1996). Έχει αποδειχθεί ότι ο χρόνος ανίχνευσης του οπτικού ερεθίσματος αυξάνεται όσο αυξάνεται η γωνία απόκλισής του από την οπτική ευθεία του βλέμματος (Wittman et al., 2006), εξαιτίας των φυσικών περιορισμών της περιφερειακής όρασης, κάτι το οποίο είναι αναμενόμενο. Σε περιπτώσεις οπτικών ερεθισμάτων, ο οδηγός είναι γενικά προετοιμασμένος και επικεντρώνεται οπτικά στο ερέθισμα, με αποτέλεσμα να παρουσιάζει μικρότερο χρόνο αντίδρασης από ότι αν ήταν ανυποψίαστος. Συγκεκριμένα, οι Olson και Sivak (1986) έδειξαν ότι ο χρόνος αντίδρασης ήταν σημαντικά μεγαλύτερος, κατά 444ms, όταν οι συμμετέχοντες δε γνώριζαν ότι πρόκειται να εμφανιστεί ένα ερέθισμα σε σχέση με τη συνθήκη στην οποία ήταν προετοιμασμένοι. Αντίστοιχα, οι Warshawsky-Livne & Shinar (2002), οι οποίοι χρησιμοποίησαν τρεις διαφορετικούς χρόνους παρουσίασης του ερεθίσματος, αναφέρουν ότι ο χρόνος αντιληπτικής αντίδρασης αυξάνεται από 320 έως 420ms. Ελάχιστες μετρήσεις (στατικές) έχουν αναφερθεί με τη χρήση ακουστικού ερεθίσματος, όπως η χρήση ηχητικού σήματος αυτοκινήτου («κόρνας»), με το άκουσμα του οποίου πρέπει ο οδηγός να ασκήσει πέδηση (Johansson & Rumar, 1971). Το ακουστικό ερέθισμα προκαλεί σε γενικές γραμμές μικρότερους χρόνους αντίδρασης (Green, 2000). Εφόσον όμως η αντίληψη του οδηγού σχετικά με τους επικείμενους κινδύνους οι οποίοι επισείουν την ανάγκη πέδησης δεν προέρχονται αποκλειστικά από την όραση αλλά και από την ακοή, υπάρχει ανάγκη διερεύνησης του χρόνου αντίδρασης του οδηγού όχι μόνο σε οπτικά αλλά και ηχητικά ερεθίσματα. Σε όλες τις περιπτώσεις ερεθισμάτων, η εξοικείωση του οδηγού με το ερέθισμα επηρεάζει σημαντικά το χρόνο ανίχνευσής του. Για την αποφυγή αυτού ακριβώς του φαινομένου, οι Trigs & Harris (1982) πραγματοποίησαν πείραμα με πολλαπλά ερεθίσματα (π.χ. προειδοποιητικά τρίγωνα εμπρόσθιου εμποδίου στο δρόμο, Δεκέμβριος

135 Διδακτορική Διατριβή Μαρία Πάνου ακινητοποιημένο όχημα που καταλαμβάνει μέρος της δεξιάς λωρίδας κυκλοφορίας σε διαδικασία αλλαγής λάστιχου, τροχονόμος με αναρτημένο το σήμα «STOP» στο χέρι του, περιπολικό στο δρόμο, κλπ.). Δεν είναι ωστόσο πρακτικό να προταθεί η υλοποίηση ειδικών δοκιμών με κάθε χρήστη πριν τη χρήση του συστήματος για υπολογισμό του χρόνου αντίδρασής του. Κι εξάλλου, αφού αυτός εξελίσσεται με την οδηγική εμπειρία, ηλικία, κλπ., η μέτρηση αυτή θα έπρεπε ν ανανεώνεται σε τακτά χρονικά διαστήματα Παράμετρος 6: Χρόνος Σύγκρουσης A. Ορισμός Εν γένει, ορίζεται ως ο χρόνος που μεσολαβεί μέχρι τη σύγκρουση ενός αυτοκινήτου με το εμπρόσθιό του, αν δεν αλλάξει η ταχύτητα κανενός από αυτή που έχουν τη δεδομένη στιγμή. Ο χρόνος αυτός είναι άπειρος αν το προπορευόμενο όχημα έχει μεγαλύτερη ταχύτητα από αυτό που το ακολουθεί. B. Διαφοροποίηση μεταξύ οδηγών Οι Groeger et al. (1999) συνόψισαν τους νοητικούς παράγοντες που επηρεάζουν την αντίληψη της απόστασης, όπως αυτοί αναφέρονται στη βιβλιογραφία, ως εξής: (α) διαφορές μεταξύ του παραδείγματος που χρησιμοποιήθηκε: μέθοδοι που βασίζονται σε ρηματικές εκτιμήσεις τείνουν να είναι λιγότερο ακριβείς και αξιόπιστες, (β) οι ομάδες μικρότερων αντιδράσεων (δηλαδή διαφορά μεταξύ των μικρότερων και των μεγαλύτερων αποστάσεων) οδηγούν σε μεγαλύτερη υποεκτίμηση της κατάστασης και (γ) η εξοικείωση του παρατηρητή με το μακρινό αντικείμενο, έτσι ώστε τα πιο γνώριμα αντικείμενα υπολογίζονται ότι βρίσκονται πιο μακριά από ότι είναι στην πραγματικότητα, σε σχέση με τα άγνωστα αντικείμενα. Σε ένα πείραμα επί ηλεκτρονικού υπολογιστή, οι Cavallo et al. (1997) βρήκαν ότι η συστηματική υποεκτίμηση του ΧΣ είναι περίπου 20-30%. Τα χαρακτηριστικά του περιβάλλοντος επηρέασαν την εκτίμηση του ΧΣ: με τον εμπλουτισμό της οπτικής σκηνής, οι συμμετέχοντες αντιλαμβάνονταν ότι η σύγκρουση γινόταν νωρίτερα. Οι υψηλές ταχύτητες προκαλούν γενικά υψηλότερες τιμές του ΧΣ, υποδεικνύοντας ότι η σύγκρουση γίνεται αντιληπτή χρονικά μακρύτερα. Σε μία μελέτη του Van der Horst (1991) οι οδηγοί είχαν να πραγματοποιήσουν πέδηση για να σταματήσουν σε ακινητοποιημένο όχημα. Ο ΧΣ βρέθηκε να αυξάνεται ελαφρώς (και γραμμικά) τη στιγμή που πιεζόταν ο ποδομοχλός πέδησης. Γ. Σημασία για ενεργοποίηση ΣΣΥΟ Στο έργο ADVISORS πραγματοποιήθηκε δοκιμή επί προσομοιωτή οδήγησης, με σκοπό την αξιολόγηση των επιδράσεων διαφορετικών κριτηρίων ενεργοποίησης συστήματος προειδοποίησης εμπρόσθιας σύγκρουσης (διαφορετικά όρια ΧΣ). Ως κριτήρια ενεργοποίησης χρησιμοποιήθηκαν 4 και 6 δευτερόλεπτα του ΧΣ, αλλά κι εναλλακτικά όταν η επιβράδυνση που απαιτείται απ το όχημα για να κρατήσει το σωστό ΧΣ ή να κινηθεί ασφαλώς ήταν διαδοχικά 2m/s 2, 4m/s 2 και 2m/s 2. Για προειδοποίηση πριν από επικίνδυνες στροφές προτιμήθηκε απ τη συντριπτική πλειοψηφία των οδηγών να υπάρξει πρώιμη προειδοποίηση (που απαιτεί επιβράδυνση με 2m/s 2 ). Αντίθετα, για προειδοποιήσεις σε σχέση με προπορευόμενο όχημα προτιμήθηκε το κριτήριο του ΧΣ<6 δευτερολέπτων και μέγιστη αποδεκτή επιβράδυνση 4m/s 2. Δεκέμβριος

136 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Εν γένει, οι περισσότεροι οδηγοί προτίμησαν να προειδοποιούνται μάλλον νωρίς, αλλά υπήρξαν πολύ μεγάλες αποκλίσεις στις προτιμήσεις από οδηγό σε οδηγό, γεγονός που υποδηλώνει την ανάγκη προσωποποίησης του συστήματος. Δ. Τρόπος υπολογισμού Ο ΧΣ υπολογίζεται από το εμπρόσθιο ραντάρ του αυτοκινήτου και αποθηκεύεται στο CAN. Ο χρόνος σύγκρουσης υπολογίζεται από τον τύπο: S ΧΣ= (7.1) V 0 V 1 V 0 V 1 S Σχήμα 26: Καθορισμός του Χρόνου Σύγκρουσης (ΧΣ). Για το ΧΣ διακρίνονται 4 φάσεις (Μπεκιάρης Ε., κεφ. 3, ΑΠΘ ): (i) (ii) (iii) (iv) Η περίοδος αποφυγής σύγκρουσης που μπορεί να είναι από μερικά δευτερόλεπτα (1-3) έως και περίπου 500 ms πριν το αρχικό συμβάν. Η περίοδος πριν την σύγκρουση, από ms, όπου αυτόματες ενέργειες από το σύστημα μπορεί ακόμη να εφαρμοστούν. Η περίοδος προ-σύγκρουσης από ms πριν τη σύγκρουση. Η περίοδος προετοιμασίας για σύγκρουση, που είναι τα τελευταία 10 ms πριν τη σύγκρουση Παράμετρος 7: Χρόνος Σύγκρουσης με Ακινητοποίηση («Time headway») Α. Ορισμός Ορίζεται ως ο χρόνος που μεσολαβεί μέχρι τη σύγκρουση ενός αυτοκινήτου με το εμπρόσθιό του, αν δεν αλλάξει η ταχύτητά του και το εμπρόσθιο επιβραδυνθεί με άπειρη επιβράδυνση (δηλαδή παραμείνει στη θέση που βρίσκεται τη δεδομένη χρονική στιγμή). Β. Διαφοροποίηση μεταξύ οδηγών Σε ένα πείραμα που πραγματοποιήθηκε στα πλαίσια του έργου IN-ARTE, με 32 οδηγούς επί προσομοιωτή οδήγησης (Martens & van Winsum, 1999), βρέθηκε ότι συγκρίνοντας την οδήγηση με υποστήριξη ΣΠΑΣ και χωρίς, ο ΧΣΜΑ των «μέσων» οδηγών αυξήθηκε περισσότερο με την ύπαρξη του συστήματος απ ότι των ηλικιωμένων. Γ. Σημασία για ενεργοποίηση ΣΣΥΟ Σύμφωνα με το έργο ADVISORS (Bekiaris E. et al., 2001), όταν ο οδηγός χρησιμοποιήσει το σύστημα προηγμένης πλοήγησης μπορεί να νοιώθει δυσπιστία γι αυτό, και να μη νοιώθει άνετα με το προκαθορισμένο χρόνο σύγκρουσης για ακινητοποίηση, με αποτέλεσμα να προτιμήσει την απενεργοποίηση του συστήματος. Δεκέμβριος

137 Διδακτορική Διατριβή Μαρία Πάνου Οι Yaakov et al. (2002) απέδειξαν μέσω πειράματος με 30 άτομα, ότι οι οδηγοί είχαν τη δυνατότητα να διατηρούν μεγαλύτερους ΧΣΜΑ για τουλάχιστον 6 μήνες, μετά από σύντομη αλληλεπίδρασή τους (λιγότερο από μία ώρα) με το Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης - ΣΠΑΣ («CAS»). Παρατηρήθηκαν τρεις διαφορετικές συμπεριφορές των οδηγών: επιβράδυνση (όταν η ταχύτητα του οχήματος μειωνόταν τουλάχιστον κατά 3% για τουλάχιστον 1,5 δευτ.), επιτάχυνση, ή διατήρηση της ίδιας ταχύτητας. Επίσης, στο πείραμα του έργου IN-ARTE που περιγράφηκε παραπάνω, βρέθηκε ότι η λειτουργία αποφυγής σύγκρουσης του συστήματος ΣΠΑΣ, εμπόδισε όλες τις πιθανές συγκρούσεις, ενώ με τη λειτουργία αυτή απενεργοποιημένη, παρατηρήθηκαν 14 συγκρούσεις. Επίσης, οι ΧΣΜΑ ήταν μικρότεροι χωρίς τη λειτουργία αποφυγής σύγκρουσης σε επαρχιακούς δρόμους και αυτοκινητόδρομους, σε αντίθεση με τα σενάρια με το σύστημα ενεργοποιημένο, όπου οι χρόνοι σύγκρουσης με ακινητοποίηση ήταν σημαντικά μεγαλύτεροι. Τα αποτελέσματα αυτά φαίνονται αναλυτικά στον παρακάτω πίνακα: Πίνακας 24: ΧΣΜΑ οδηγών επί προσομοιωτή οδήγησης με/δίχως το ΣΠΑΣ, σε διαφορετικά σενάρια προσπέρασης (Martens & van Winsum, 1999). Σενάριο οδήγησης Με το σύστημα Χωρίς το σύστημα ΧΣΜΑ σε αυτοκινητόδρομους (δευτ.) Προσπέραση ουράς αυτοκινήτων που κινούνται 4,18 4,00 με χαμηλή ταχύτητα και ακολούθηση της κυκλοφορίας στην αριστερή λωρίδα Προσπέραση αυτοκινήτου που κινείται με χαμηλή ταχύτητα 4,18 3,86 ΧΣΜΑ σε επαρχιακούς δρόμους (δευτ.) Προσπέραση αυτοκινήτου που κινείται με 2,34 1,90 χαμηλή ταχύτητα και πεδήνει Προσπέραση ακίνητου αυτοκινήτου 3,36 * 2,57** 1,90* 1,92** Προσπέραση ακίνητου αυτοκινήτου και 2,24 1,31 συνάντηση άλλου αυτοκινήτου Προσπέραση αυτοκινήτου που κινείται με 2,31 1,74 χαμηλή ταχύτητα * οδηγοί μέσης ηλικίας, ** ηλικιωμένοι οδηγοί. Οι Dingus et al. (1997) βρήκαν ότι ο ΧΣΜΑ αυξήθηκε κατά 0,5 δευτ. όταν η προειδοποίηση από σύστημα προειδοποίησης και αποφυγής σύγκρουσης δόθηκε με σωστή διεπιφάνεια εργασίας. Επίσης, αποδείχθηκε ότι οι ακουστικές προειδοποιήσεις ήταν λιγότερο αποτελεσματικές σε σχέση με τις οπτικές για την αύξηση του ΧΣΜΑ. Δ. Τρόπος υπολογισμού Ο χρόνος αυτός δίνεται από τον ακόλουθο τύπο (σύμφωνα με το Σχήμα 26): ΧΣΜΑ = S V 0 (7.2) Δεκέμβριος

138 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Παράμετρος 8: Χρόνος Προσέγγισης Ορίων Λωρίδας Κυκλοφορίας Α. Ορισμός Ορίζεται ως η χρονική απόσταση μεταξύ του κέντρου του αυτοκινήτου και του άκρου της λωρίδας κυκλοφορίας εντός της οποίας κινείται. Καθορίζονται δύο τέτοιοι χρόνοι, αναλόγως σε ποια λωρίδα αναφερόμαστε, την αριστερή ή τη δεξιά, και ονομάζεται αντίστοιχα ΧΠΟΛ α και ΧΠΟΛ δ. Β. Διαφοροποίηση μεταξύ οδηγών Είναι γνωστό ότι οι οδηγοί δεν οδηγούν στο ίδιο σημείο στη λωρίδα κυκλοφορίας. Υπάρχουν οδηγοί που οδηγούν στη μέση της λωρίδας ή τείνοντας προς κάποια πλευρά, ακόμη και οδηγοί που συχνά «πατούν» τα όρια της λωρίδας τους. Για τους τελευταίους, το ΣΠΕΛ θα μπορούσε να δώσει πολλές εσφαλμένες προειδοποιήσεις κατά τη λειτουργία του, με αποτέλεσμα να καταλήξει ενοχλητικό και συνεπώς απορριπτέο από τους οδηγούς. Η μεγάλη διαφορά στη θέση οδήγησης αποδεικνύεται από τις δοκιμές που πραγματοποιήθηκαν εντός της παρούσας διατριβής, τα σχετικά αποτελέσματα των οποίων παρουσιάζονται στην παράγραφο Γ. Σημασία για ενεργοποίηση ΣΣΥΟ Ο χρόνος ως την προσέγγιση των ορίων της λωρίδας κυκλοφορίας ΧΠΟΛ (Time to line crossing - TLC) είναι μια σημαντική παράμετρος για τον εγκάρσιο έλεγχο του οχήματος. Σε πειράματα που έγιναν (Van Winsum και Godthelp, 1996) με οδηγούς σε δρόμο με στροφές, βρέθηκε ότι οι ελάχιστες τιμές ΧΠΟΛ προς την εσωτερική διαγράμμιση ήταν σταθερές ανεξάρτητα από τις ακτίνες στροφής και ότι οι οδηγοί ρύθμιζαν την ταχύτητα ώστε οι ελάχιστες τιμές αυτές να είναι σε ένα σταθερό επίπεδο ασφαλείας. Η παράμετρος αυτή χρησιμοποιείται στους αλγορίθμους ελέγχου του οχήματος, ώστε να παρέχεται προειδοποίηση στον οδηγό αν αυτή γίνει μικρότερη από το όριο ασφαλείας. Δ. Τρόπος υπολογισμού Ο ΧΠΟΛ υπολογίζεται από τον αισθητήρα αναγνώρισης λωρίδας και αποθηκεύεται στο ηλεκτρονικό κύκλωμα καταγραφής (CAN) του αυτοκινήτου. Επειδή υπάρχει δυσκολία ακριβή υπολογισμού του ΧΠΟΛ σε πραγματικές συνθήκες, διότι συνήθως το όχημα δεν κινείται σε ευθεία αλλά σε διαδοχικές καμπύλες προς τα αριστερά και δεξιά, στην πράξη χρησιμοποιούνται προσεγγιστικοί τύποι υπολογισμού της παραμέτρου ΧΠΟΛ, όπως η εγκάρσια θέση του οχήματος δια την εγκάρσια ταχύτητα του οχήματος. Ο λεπτομερής υπολογισμός του ΧΠΟΛ αναλύεται στο κεφάλαιο 3 «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές» των Διδακτικών σημειώσεων του μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών του ΑΠΘ (Μπεκιάρης, ). Οι πλέον δόκιμοι τρόποι προσέγγισης του ΧΠΟΛ προέρχονται από τους Van Winsum et al. (2000) και παρατίθενται παρακάτω: - Προσέγγιση ΧΠΟΛ χρησιμοποιώντας την 1 η παράγωγο της εγκάρσιας απόστασης Στην πραγματικότητα, οι ερευνητές χρησιμοποιούν μία τιμή προσέγγισης του ΧΠΟΛ, η οποία υπολογίζεται από την εγκάρσια θέση του οχήματος διαιρώντας με το βαθμό αλλαγής της θέσης αυτής (εγκάρσια ταχύτητα, ν). Αυτό υποθέτει μία μη ρεαλιστικά Δεκέμβριος

139 Διδακτορική Διατριβή Μαρία Πάνου σταθερή ταχύτητα κίνησης με τα όρια (διαγραμμίσεις) της λωρίδας. Ο τύπος υπολογισμού της είναι: ΧΠΟΛ = ΑΠΟΛ/v (7.3) για v > 0, αλλιώς ΧΠΟΛ = άπειρο (αόριστο) όπου: ΑΠΟΛ = απόσταση προσέγγισης ορίου λωρίδας, δηλαδή απόσταση του κέντρου του οχήματος ως τη διαγράμμιση v = ταχύτητα οχήματος (m/s). - Προσέγγιση ΧΠΟΛ χρησιμοποιώντας την 1 η και 2 η παράγωγο της εγκάρσιας απόστασης Ο δεύτερος τρόπος προσέγγισης χρησιμοποιεί το βαθμό αλλαγής της εγκάρσιας ταχύτητας, ως επιπλέον πληροφορία, προκειμένου να συμπεριληφθεί η μη γραμμική κίνηση τη τροχιάς του αυτοκινήτου. Ο βαθμός αλλαγής της εγκάρσιας ταχύτητας (Δv) προστίθεται ως διορθωτικός παράγοντας με τον οποίο η προεκτεινόμενη εγκάρσια ταχύτητα προστίθεται μετά από 1 δευτερόλεπτο στην παρούσα εγκάρσια ταχύτητα (v). Έτσι, γίνεται η υπόθεση ότι η εγκάρσια ταχύτητα δε θα είναι σταθερή. Ο τρόπος υπολογισμού του ΧΠΟΛ είναι ως εξής: ΧΠΟΛ=ΑΠΟΛ/(v+Δv) (7.4) Τα v και Δv υπολογίζονται όπως αναφέρθηκε παραπάνω, με τους ακόλουθους περιορισμούς: - εάν (v+δv)<0 τότε το όχημα υποτίθεται ότι κινείται προς τα δεξιά, - εάν (v+δv)>0 τότε το όχημα υποτίθεται ότι κινείται προς τα αριστερά Παράμετρος 9: Απόσταση Προσέγγισης Ορίων Λωρίδας Α. Ορισμός Ορίζεται ως η απόσταση έως το κέντρο του οχήματος να πατήσει πάνω στην αριστερή ή δεξιά διαγράμμιση της λωρίδας στην οποία κινείται. Πρόκειται για πιο σταθερή παράμετρο από το ΧΠΟΛ, εφόσον μετράται ως πρωτογενές στοιχείο από το ΣΠΕΛ και δεν προσεγγίζεται, όπως το ΧΠΟΛ. Β. Διαφοροποίηση μεταξύ οδηγών Ομοίως με το ΧΠΟΛ. Τα σχετικά αποτελέσματα των δοκιμών όπου αποδεικνύεται η διαφορές μεταξύ των οδηγών, παρουσιάζονται στην παράγραφο Γ. Σημασία για ενεργοποίηση ΣΣΥΟ Πρόκειται για μία σημαντική παράμετρο, η οποία χρησιμοποιείται εναλλακτικά ή παράλληλα με το ΧΠΟΛ από αυτοκινητοβιομηχανίες για την παροχή προειδοποιήσεων. Δ. Τρόπος υπολογισμού Η παράμετρος ΑΠΟΛ υπολογίζεται αυτόματα από τον αισθητήρα αναγνώρισης λωρίδας και αποθηκεύεται στο CAN του αυτοκινήτου. Δεκέμβριος

140 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Αυτορρυθμιζόμενο ΣΕΑΜ, με βάση τα χαρακτηριστικά του οδηγού Ως παράδειγμα ενδεικτικών εφαρμογών των παραπάνω παραμέτρων, ακολουθούν προτάσεις προσωποποίησης των ΣΕΑΜ των συστημάτων Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ), Προειδοποίησης και Αποφυγής Σύγκρουσης (ΣΠΑΣ) και Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορία (ΣΠΕΛ) ως προς το χρόνο, την ένταση και το μέσο παροχής πληροφόρησης ή προειδοποίησης στον οδηγό με προβλήματα αναπηρίας. Οι προτεινόμενες δυναμικές προσωποποιήσεις των συστημάτων ως προς το χρόνο αποτελούν το κύριο αντικείμενο των αλγορίθμων του Κεφαλαίου 8. Α. Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης (ΣΠΕΠ) και Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης (ΣΠΑΣ) Πίνακας 25: Κανόνες προσαρμογής ΣΕΑΜ για συστήματα ΣΠΕΠ και ΣΠΑΣ. Είδος αναπηρίας Χρονική προσαρμογή Προσαρμογή μέσου Προσαρμογή έντασης Προβλήματα ακοής Απτικό μήνυμα, με οπτικό ως δευτερεύον (αντί για φωνητικό). Εναλλακτικά: δόνηση επί της ζώνης ασφαλείας, παλμού επί του ποδομοχλού πέδησης, απενεργοποίηση του ποδομοχλού επιταχύνσεως. Αχρωματοψία Ακουστικό μήνυμα, με οπτικό ως δευτερεύον. Προσαρμογή χρώματος της διόδου φωτοεκπομπής. Μη δυνατότητα ανάγνωσης μη γνώση γραφής Απλοποίηση μηνύματος. Ακουστική προειδοποίηση με ήχο και φωνητικό μήνυμα, π.χ. «Πάτα το φρένο!». Ηλικιωμένοι Προσαρμογή του χρόνου προειδοποίησης βάσει του χρόνου αντίδρασης και σύμφωνα με τη σχέση (8.13) ή Προσαρμογή του χρόνου προειδοποίησης βάσει χρόνου ως τη σύγκρουση (ΧΣ), σύμφωνα με τη σχέση (8.3). Αυξημένη ένταση και διάρκεια. Δεκέμβριος

141 Διδακτορική Διατριβή Μαρία Πάνου Είδος αναπηρίας Χρονική προσαρμογή Προσαρμογή μέσου Προσαρμογή έντασης Προβλήματα στα άνω άκρα Εναλλακτικό σύστημα λειτουργίας χωρίς τη χρήση χεριών: - διακόπτης ποδιού - φωνητικός χειρισμός Β. Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας (ΣΠΕΛ) Πίνακας 26: Κανόνες προσαρμογής ΣΕΑΜ για ΣΠΕΛ. Είδος αναπηρίας Χρονική προσαρμογή Προσαρμογή μέσου Προσαρμογή έντασης Προβλήματα ακοής Απτικό μέσο, με οπτικό ως δευτερεύον (αντί για φωνητικό). Εναλλακτικά: προσομοίωση κραδασμών υπερυψωμένων διατάξεων στο δρόμο επί της θέσης οδήγησης, δόνηση στη ζώνη ασφαλείας, οπτική προειδοποίηση με δίοδο φωτοεκπομπής στον εξωτερικό καθρέπτη ή στην εσωτερική εμπρόσθια κολώνα του αυτοκινήτου. Αχρωματοψία Προσαρμογή του χρώματος της δευτερεύουσας οπτικής προειδοποίησης (χρώμα της διόδου φωτοεκπομπής). Αγράμματοι Απλοποιημένο ηχητικό μήνυμα: ήχος ακολουθούμενος από μήνυμα, π.χ. «Μην αλλάζεις λωρίδα». Ηλικιωμένοι Προσαρμογή της απόστασης προειδοποίησης από τις διαγραμμίσεις της λωρίδας σύμφωνα με το χρόνο προσέγγισης λωρίδας (ΧΠΟΛ) και την απόσταση προσέγγισης (ΑΠΟΛ), σύμφωνα με τους τύπους (8.5), (8.7) και (8.9) Aυξημένη ένταση και διάρκεια. Δεκέμβριος

142 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Είδος αναπηρίας Προβλήματα στα άνω άκρα Προβλήματα αυχένα Χρονική προσαρμογή Προσαρμογή μέσου Προσαρμογή έντασης όπως παρουσιάζονται στην ενότητα Εναλλακτικό σύστημα λειτουργίας χωρίς τη χρήση χεριών: - διακόπτης ποδιού - φωνητικός χειρισμός Οπτική ανάδραση εντός του κεντρικού πεδίου οράσεως (όχι του περιφερειακού). Επιπλέον οπτική πληροφόρηση στην οθόνη του πίνακα χειριστηρίων. Οι παραπάνω προτάσεις προσωποποίησης έχουν χορηγηθεί στο ερευνητικό έργο ASK-IT, όπου πραγματοποιείται επί του παρόντος η υλοποίησή τους σε λογισμικό για κινητά τηλέφωνα και υπολογιστές παλάμης. Οι προτάσεις αυτές δεν υλοποιήθηκαν στα πλαίσια της παρούσας διδακτορικής διατριβής, εφόσον, όπως προαναφέρθηκε, το επίκεντρο είναι στους δυναμικούς αλγορίθμους που βασίζονται στα δυναμικά χαρακτηριστικά του χρήστη. 7.3 Παράμετροι μοντελοποίησης της συμπεριφοράς των λοιπών μετακινουμένων Η μοντελοποίηση και οι σχετικές παράμετροι που αναλύονται στην παρούσα ενότητα, βασίζονται στη λογική του μοντέλου TRANSPORTABILITY της παραγράφου 6.9. Οι D Roza and Bilchev (2003) διαχωρίζουν τις παρεχόμενες υπηρεσίες σε δύο ευρείες κατηγορίες: αυτές που απαιτούνται από τον ίδιο το χρήστη όταν καθοριστεί η γεωγραφική θέση του και εκείνες που παρέχονται αυτόβουλα από το σύστημα εφόσον πληρείται κάποια συγκεκριμένη συνθήκη. Η βασική υπηρεσία πληροφόρησης του μετακινουμένου που προσωποποιείται στα πλαίσια της παρούσας διατριβής υποθέτει πως ο χρήστης επιθυμεί να μεταβεί προς ένα συγκεκριμένο σημείο. Το σύστημα οφείλει να τον/την ενημερώσει για τη διαδρομή που θα ακολουθήσει και τον τρόπο μεταφοράς του/της, προτείνοντάς του/της μεταφορικά μέσα της αρεσκείας του/της, βάσει προηγουμένων επιλογών του/της, συμπεριλαμβάνοντας κατάλληλους συνδυασμούς μεταφορικών μέσων. Στην περίπτωση που ο μετακινούμενος επιθυμεί να πάει σε ένα συγκεκριμένο σημείο, π.χ. ξενοδοχείο, το σύστημα, έχοντας καταγράψει παρελθοντικές προτιμήσεις κι επιλογές του για το ίδιο σημείο (δηλαδή τύπος ξενοδοχείων και κατηγορία) οφείλει να παρέχει τις ανάλογες προτάσεις, μη αναφέροντας καθόλου εκείνα τα ξενοδοχεία που είναι αντίθετα με τις προτιμήσεις του χρήστη. Μετά την επιλογή ξενοδοχείου, τον ενημερώνει για τον καλύτερο τρόπο πολυμεσικής μετακίνησης, με βάση τις «ιστορικά» βασισμένες ή ρητά δηλωμένες προτιμήσεις του για μέγιστη απόσταση βάδισης, χρήση τύπων μεταφορικών μέσων, αποδεκτό αριθμό μετεβιβιβάσεων, κλπ. Δεκέμβριος

143 Διδακτορική Διατριβή Μαρία Πάνου Επίσης, εφόσον το σύστημα έχει καταγεγραμμένο το ιστορικό επιλογών του χρήστη, κατά τη διάρκεια της διαδρομής σε ένα συγκεκριμένο προορισμό, τον/την ενημερώνει αυτόβουλα (προωθούμενη πληροφόρηση) ότι υπάρχει, π.χ. μουσείο μοντέρνας τέχνης πλησίον του/της, αν ο χρήστης μετακινείται με τον κατάλληλο τρόπο, κλπ., αν για παράδειγμα είναι τουρίστας. Σχηματικά, η αρχιτεκτονική λειτουργίας του συστήματος έχει ως εξής: Προσδιορισμός σημείου προορισμού (και δυνητικού τύπου μετακίνησης, π.χ. για τουρισμό, αναψυχή, εργασία, κλπ.) Προτεινόμενη διαδρομή και συνδυασμός μεταφορικών μέσων Προωθούμενη πληροφορία (πρόταση συστήματος) Ακολούθηση προτεινόμενης διαδρομής Σημείο προορισμού (βάσει πρότασης συστήματος) Σχήμα 27: Αρχιτεκτονική λειτουργίας συστήματος πληροφόρησης μετακινουμένων. Οι παράμετροι που ακολουθούν διαχωρίζονται σε στατικές, ημι-δυναμικές και δυναμικές. Ο ορισμός τους είναι αντίστοιχος με εκείνων που δόθηκαν για τη μοντελοποίηση συμπεριφοράς οδηγών στην παράγραφο Δεκέμβριος

144 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Παράμετρος προσωποποίησης επιλογής σημείου προορισμού Η μοναδική παράμετρος που χρησιμοποιείται για τον αλγόριθμο υπολογισμού των προτιμήσεων του χρήστη και παροχή προσωποποιημένης πληροφόρησης για τα σημεία ενδιαφέροντος, είναι δυναμική. Ο τύπος του χρήστη δε θεωρείται ως παράμετρος για το συγκεκριμένο υπολογισμό, μια και οι συγκεκριμένες προτιμήσεις δε σχετίζονται με αυτό. Τα σημεία προορισμού για έναν μετακινούμενο, για τα οποία μπορεί να ενδιαφερθεί να λάβει πληροφορίες σχετικά με την τοποθεσία τους, την απόσταση από αυτόν/αυτή καθώς και τη διαδρομή που πρέπει να ακολουθήσει (βλ ) ποικίλουν και μπορεί να είναι πάρα πολλά. Έχουν επιλεχθεί κάποιες κατηγορίες των σημείων αυτών, ενδεικτικά, για τις οποίες υπάρχουν συγκεκριμένες υποκατηγορίες, προκειμένου να γίνει κατανοητή η λειτουργία του σχετικού αλγορίθμου που ακολουθεί στο επόμενο κεφάλαιο. Μία αναλυτική λίστα για κατηγορίες και υποκατηγορίες των σημείων προορισμού έχει ωστόσο αναπτυχθεί στα πλαίσια του ερευνητικού έργου ASK-IT για τη μοντελοποίηση των σχετικών υπηρεσιών παροχής πληροφόρησης προς μετακινουμένους. Στην ιστοσελίδα υπάρχει ο κατάλογος όλων των κατηγοριών. Η λίστα που ακολουθεί αποτελεί ένα απόσπασμα και παρουσιάζει, ως παράδειγμα, τρία σημεία ενδιαφέροντος με κάποιες υποκατηγορίες τους: - Σημείο ενδιαφέροντος: Ξενοδοχείο Υποκατηγορίες: 1-αστέρα 2-αστέρων 3- αστέρων 4- αστέρων - Σημείο ενδιαφέροντος: Μουσείο Υποκατηγορίες: Μοντέρνας τέχνης Ιστορικό Καλών τεχνών Συλλεκτικό - Σημείο ενδιαφέροντος: Εστιατόριο Υποκατηγορίες: Ασιατικό Ιταλικό Παραδοσιακό Στο σημείο αυτό αξίζει να σημειωθεί ότι ο κάθε πάροχος υπηρεσίας πληροφόρησης χρησιμοποιεί τη δική του οντολογία για κάθε κατηγορία και υποκατηγορία σημείων ενδιαφέροντος τα οποία μπορούν να διασυνδεθούν μέσω κοινών οντολογιών και σχετικών εργαλείων διασύνδεσής τους. Για την ανάπτυξη ενός ολοκληρωμένου Ευρωπαϊκού συστήματος πληροφόρησης μετακινουμένων, απαιτείται η δημιουργία μιας κοινής οντολογίας, που να λειτουργεί Δεκέμβριος

145 Διδακτορική Διατριβή Μαρία Πάνου ως πανάκεια για τη διασύνδεση διαφόρων υπηρεσιών και κατόχων περιεχομένου. Σημαντική προσπάθεια σ αυτόν τον τομέα πραγματοποιήθηκε στο ερευνητικό έργο IT, και συνεχίστηκε στο έργο ASK-IT, όπου διασυνδέεται περιεχόμενο τουρισμού και μεταφορών με πληροφορίες προσβασιμότητας για άτομα με προβλήματα κινητικότητας. Η οντολογία (ontology) είναι η επίσημη (formal) περιγραφή ενός πεδίου γνώσης (domain) και περιλαμβάνει ένα σύνολο από όρους και τις σημασιολογικές συσχετίσεις μεταξύ τους. Οι όροι περιγράφουν κλάσεις αντικειμένων, δηλαδή έννοιες-πρότυπα σχετικές µε αντικείµενα. Οι συσχετίσεις συνήθως αφορούν ιεραρχικές εξαρτήσεις µεταξύ των όρων. Άλλες πληροφορίες που µπορεί να υπάρχουν σε µία οντολογία είναι οι ιδιότητες των όρων, περιορισµοί γύρω από αυτές, σχέσεις ισοδυναµίας και διαχωρισµού, καθώς και σηµασιολογικοί συσχετισµοί (semantic relationships) µεταξύ των όρων µε τη χρήση της λογικής (Βλαχάβας κ.α, 2006) Παράμετροι προσωποποίησης επιλογής διαδρομής Στην παρούσα παράγραφο περιγράφονται οι παράμετροι που σχετίζονται με την παροχή προσωποποιημένης πληροφόρησης σε μετακινουμένους με οποιοδήποτε μέσο μεταφοράς, που δεν είναι οδηγοί. Στη συγκεκριμένη περίπτωση, οι παράμετροι είναι δυναμικές και ημι-δυναμικές και αφορούν σε χαρακτηριστικά της διαδρομής και στην κατηγορία του χρήστη Δυναμικές παράμετροι Αρχίζοντας με τα χαρακτηριστικά της διαδρομής, υπάρχουν διάφορες πιθανές προτεραιότητες βάσει των οποίων ο μετακινούμενος μπορεί να επιλέξει τη διαδρομή που θα ακολουθήσει για να φτάσει στον προορισμό του, οι κυριότερες από τις οποίες είναι: Η διαδρομή με απόσταση βάδισης μικρότερη από τη μέγιστη αποδεκτή. Η διαδρομή με τα αποδεκτά/ προτιμώμενα (από το χρήστη) μεταφορικά μέσα χρήσης. Η διαδρομή με αριθμό μετεπιβιβάσεων (αλλαγών μεταφορικών μέσων) μικρότερο απ το μέγιστο αποδεκτό από το χρήστη. Η συντομότερη διαδρομή. Η εγγύτερη διαδρομή (αυτή με τη μικρότερη απόσταση). Η διαδρομή με το χαμηλότερο κόστος. Η διαδρομή που είναι προσβάσιμη στο χρήστη (για άτομα με προβλήματα κινητικότητας). Η ωραιότερη/πιο ενδιαφέρουσα διαδρομή Ημι-δυναμικές παράμετροι Μία δεύτερη σημαντική παράμετρος για την προσωποποίηση των διαδρομών, είναι ο τύπος του χρήστη, που σχετίζεται με τις ίδιες κατηγορίες χρήστη που αναφέρθηκαν στην ενότητα Είναι κατανοητό ότι το προφίλ του χρήστη που αποθηκεύεται στο σύστημα θα αλλάζει ανάλογα όταν ο τύπος του χρήστη αλλάζει, για το ίδιο άτομο, καθώς οι ανάγκες για παροχή πληροφόρησης αλλάζουν σημαντικά με την αιτία μετακίνησης. Αυτό σημαίνει ότι ο μετακινούμενος έχει διαφορετικές ανάγκες εάν, για παράδειγμα, Δεκέμβριος

146 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» ο λόγος μετακίνησης είναι η αναψυχή, ή η εργασία, καθώς και εάν βρίσκεται στην πόλη του ή σε άλλη πόλη/χώρα Παράμετροι προσωποποίησης παροχής προωθούμενων πληροφοριών για σημεία ενδιαφέροντος Με τον όρο «προωθούμενες πληροφορίες», εννοείται παροχή πληροφόρησης για την ύπαρξη και την τοποθεσία συγκεκριμένων τύπων σημείων ενδιαφέροντος και υποκατηγορίες τους (όπου είναι διαθέσιμες), χωρίς ο χρήστης να την έχει ζητήσει. Βέβαια, οι προωθούμενες πληροφορίες αφορούν σημεία ενδιαφέροντος και υποκατηγορίες τα οποία έχουν ζητηθεί από το χρήστη στο παρελθόν, έτσι το σύστημα γνωρίζει ότι αυτές αντιπροσωπεύουν τις προτιμήσεις και τα ενδιαφέροντά του. Το σκεπτικό είναι ότι καθώς ο χρήστης έχει ανοιχτή τη συσκευή του (κινητό τηλέφωνο, υπολογιστής παλάμης PDA, κλπ.), το σύστημα θα εμφανίζει αυτόματα και κατ επιλογήν πληροφορίες για συγκεκριμένα σημεία ενδιαφέροντος. Η μοναδική στατική παράμετρος στην κατηγορία αυτή αφορά στο σύνολο των επιλογών του συγκεκριμένου σημείου ενδιαφέροντος. Η πληροφορία αυτή βασίζεται σε προηγούμενες χρήσεις του συστήματος, όπου οι επιλογές του χρήστη καταγράφονται αυτόματα από το ίδιο το σύστημα και είναι απαραίτητη για την παροχή προωθούμενων πληροφοριών στη συσκευή του χρήστη. 7.4 Συσχέτιση των συντελεστών των μοντέλων DRIVABILITY/ TRANSPORTABILITY με τις παραμέτρους προσωποποίησης που λήφθηκαν υπόψη στο θεωρητικό σχεδιασμό του συστήματος Για να μπορέσει η ανάλυση να γίνει με τρόπο συστηματικό και να οδηγήσει στην ανάπτυξη σχετικού συστήματος υποστήριξης, χρησιμοποιούνται τα μοντέλα DRIVABILITY και TRANSPORTABILITY που αναλύθηκαν στο κεφ. 6. Ο παρακάτω πίνακας παρουσιάζει τη συσχέτιση των συντελεστών των μοντέλων DRIVABILITY/ TRANSPORTABILITY με τις ανάγκες των μετακινουμένων (οδηγών και λοιπών) μεταφρασμένες σε προσωποποιημένες παραμέτρους, στο επίπεδο που αυτές λαμβάνονται υπόψη στο θεωρητικό σχεδιασμό του συστήματος που αναπτύχθηκε στα πλαίσια της συγκεκριμένης διδακτορικής διατριβής. Η πρώτη στήλη του πίνακα περιλαμβάνει τους συντελεστές ικανότητας οδήγησης DRIVABILITY (ή αντιστοίχως του μοντέλου μετακίνησης TRANSPORTABILITY με πλαγιαστούς χαρακτήρες). Η δεύτερη στήλη αναφέρει ποιές παράμετροι προσωποποίησης υπηρεσιών προς οδηγούς προτείνονται να ληφθούν υπόψη στα πλαίσια της παρούσας διατριβής, για κάθε συντελεστή του μοντέλου DRIVABILITY, ενώ η τρίτη στήλη προτείνει παραμέτρους προσωποποίησης υπηρεσιών προς μετακινουμένους, για κάθε συντελεστή του μοντέλου TRANSPORTABILITY. Με αυτό τον τρόπο επιτυγχάνεται η διασύνδεση των προτεινομένων παραμέτρων και αλγορίθμων προσωποποίησης με τα θεωρητικά μοντέλα ικανότητας οδήγησης και μετακίνησης. Δεκέμβριος

147 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 27: Κάλυψη των συντελεστών των μοντέλων DRIVABILITY και TRANSPORTABILITY στη μοντελοποίηση συμπεριφοράς οδηγών και μετακινουμένων της παρούσας διατριβής. Συντελεστές της ικανότητας οδήγησης του μοντέλου DRIVABILITY ή TRANSPORTABILITY Φυσική κατάσταση - Κίνηση - Αίσθηση - Επίπεδο υγείας Νοητική κατάσταση - Γνώση/ αντίληψη - Μνήμη - Επικοινωνία - Απόφαση Κοινωνικοψυχολογική κατάσταση Προσωπικές Δεξιότητες Γνώσεις/ δεξιότητες Περιβαλλοντικοί παράγοντες Οδηγοί Εν μέρει, μέσω ηλικίας και ειδικών αναγκών Εν μέρει: ζητείται η ηλικία του οδηγού που σχετίζεται με τη μνήμη και την επικοινωνία και το επίπεδο μόρφωσης που σχετίζεται με τη γνώση/αντίληψη Εν μέρει: ζητείται ο τύπος του οδηγού, όπως τουρίστας, σε έκτακτη ανάγκη, κλπ. Γενικά Αυτονόητο, εφόσον οδηγεί Ως άνω. Αυτοεπίγνωση - - Εκπαίδευση οδηγού Εμπειρία στη χρήση μεταφορικών μέσων Εμπειρία οδήγησης Γνώση της περιοχής μετακίνησης Τύπος/ κατάσταση οχήματος Μέσου μετακίνησης Οδικοί κίνδυνοι Aπόσταση πλησιέστερης στάσης Εν μέρει, μέσω επιπέδου μόρφωσης Μέσω κατηγοριοποίησης ετών οδήγησης Λοιποί μετακινούμενοι Μέσω επιλογής προσβάσιμης διαδρομής Μέσω επιλογής προσβάσιμης διαδρομής Εν μέρει: ζητείται ο τύπος του μετακινουμένου, όπως τουρίστας, σε έκτακτη ανάγκη, κλπ. Επίσης δυνατότητα επιλογής «ωραιότερης» διαδρομής Εν μέρει, μέσω επιλογής μη επιθυμητού μεταφορικού μέσου Εν μέρει, μέσω επιλογής τύπου μετακινουμένου (π.χ. τουρίστας ή μόνιμος κάτοικος) - Εν μέρει, μέσω επιλογής μη επιθυμητού μεταφορικού μέσου Υπολογισμός των ΧΠΟΛ/ΑΠΟΛ και ΧΣ/ΧΣΜΑ Μέσω μέγιστης αποδεκτής διανυόμενης απόστασης (πεζής) Δεκέμβριος

148 Καθορισμός των κυρίων παραμέτρων «προσωποποίησης» Συντελεστές της ικανότητας οδήγησης του μοντέλου DRIVABILITY ή TRANSPORTABILITY Οδικές συνθήκες Aριθμός προηγούμενων μετεπιβιβάσεων Καιρικές συνθήκες Κατάσταση οδηγού Χρονικοί περιορισμοί μετακινουμένου Επίπεδο ορατότητας Οικονομικοί περιορισμοί μετακινουμένου Επίγνωση κινδύνου/ απαιτούμενη ενέργεια Οδηγοί Λοιποί μετακινούμενοι - 2 Μέσω μέγιστης αποδεκτής αλλαγής μεταφορικών μέσων Εν μέρει: δυναμικός υπολογισμός του χρόνου αντίδρασης του οδηγού 4 Μέσω επιλογής «εγγύτερης» ή «συντομότερης» πρόσβασης διαδρομής - Μέσω επιλογής «μικρότερου κόστους» Φόρτος εργασίας Επίπεδο προσοχής Αντίληψη κινδύνου/ Αντίληψη απαιτούμενης ενέργειας Εξωτερική υποστήριξη Μέσω προσωποποίησης ΣΕΑΜ - Εκεί ακριβώς επικεντρώνονται οι σχετικοί αλγόριθμοι της παρούσας διατριβής για ΣΠΑΣ και ΣΠΕΛ Εκεί ακριβώς επικεντρώνεται ο σχετικός αλγόριθμος της παρούσας διατριβής για επιλογή τρόπου πολυμεσικής μετακίνησης και σημείου ενδιαφέροντος Σημείωση: οι πλαγιαστοί χαρακτήρες αφορούν μόνο στο μοντέλο TRANSPORTABILTY. 2 Η παράμετρος αυτή δε συμπεριλαμβάνεται στην παρούσα διατριβή αλλά αναπτύσσεται όμως στα πλαίσια του υποσυστήματος αξιολόγησης οδικού και περιβαλλοντικού κινδύνου του έργου AIDE, το οποίο περιγράφηκε συνοπτικά στην παράγραφο Ως άνω. 4 Η παράμετρος αυτή επεκτείνεται αυτή τη στιγμή στα πλαίσια του υποσυστήματος ανίχνευσης μειωμένης ενάργειας του οδηγού του έργου AIDE, το οποίο περιγράφηκε συνοπτικά στην παράγραφο Η παράμετρος αυτή δε συμπεριλαμβάνεται στην παρούσα διατριβή αλλά αναπτύσσεται όμως στα πλαίσια του υποσυστήματος αξιολόγησης διαθεσιμότητας του οδηγού του έργου AIDE, το οποίο περιγράφηκε συνοπτικά στην παράγραφο Ως άνω. Δεκέμβριος

149 8 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Η ανάπτυξη των αλγορίθμων που ακολουθούν στη συνέχεια στοχεύει στην παροχή προσωποποιημένης πληροφόρησης στον οδηγό, σύμφωνα με το μοντέλο συμπεριφοράς οδηγού DRIVABILITY που αναλύθηκε στο Κεφάλαιο 6. Εξετάζεται η προσαρμογή της πληροφόρησης σύμφωνα με τους διάφορους συντελεστές του μοντέλου αυτού. Οι αλγόριθμοι αφορούν δύο τύπους ΣΣΥΟ, καλύπτοντας και το διαμήκη και τον εγκάρσιο άξονα κίνησης του αυτοκινήτου. Συγκεκριμένα πρόκειται για τα συστήματα ΣΠΑΣ και ΣΠΕΛ. Όπως αναφέρθηκε στο Κεφάλαιο 1, αυτά τα δύο συστήματα βρίσκονται στη λίστα των πέντε συστημάτων αυτοκινήτων προτεραιότητας της Κοινοτικής πρωτοβουλίας esafety (2006). 8.1 Προτεινόμενοι αλγόριθμοι προειδοποίησης για τα στατικά χαρακτηριστικά Τα κύρια στατικά χαρακτηριστικά που επηρεάζουν την παροχή πληροφόρησης και προειδοποίησης στον οδηγό αφορούν σε θέματα εμπειρίας (αρχάριοι οδηγοί) που σχετίζονται με τον συντελεστή ΙΙ.4 του μοντέλου DRIVABILITY (Σχήμα 20), φυσικών και νοητικών ικανοτήτων (ηλικιωμένοι κι ανάπηροι οδηγοί) σύμφωνα με τους συντελεστές Ι.1 και Ι.2 του DRIVABILITY. Αρχικά έγινε εκτενής βιβλιογραφική επισκόπηση των αναγκών τους ανά κατηγορία, για τον εντοπισμό των καταλληλοτέρων προσαρμογών. Οι σχετικές προσαρμογές μπορούν ν αφορούν: - στο χρόνο παροχής της πληροφόρησης/προειδοποίησης, - στην ένταση παροχής της πληροφόρησης/προειδοποίησης, - στο μέσο παροχής της πληροφόρησης/προειδοποίησης (π.χ. ακουστικά, οπτικά, κλπ.) ή κάποιος συνδυασμός των παραπάνω. Ο παρακάτω πίνακας παρουσιάζει τις προτεινόμενες προσαρμογές, με βάση βιβλιογραφικά στοιχεία. Αυτές είναι μάλλον ενδεικτικές παρά ολοκληρωμένες. Το πεδίο και το εύρος προσαρμογής και προσωποποίησης εδώ είναι τεράστιο. Ωστόσο, η ύπαρξη μεγάλων διαφορών σε ικανότητες οδήγησης και προτιμήσεις λήψης της πληροφόρησης μεταξύ των διαφόρων ομάδων οδηγών, εμπεριέχει τον κίνδυνο μη κατάλληλης και υπερ-απλουστευτικής εφαρμογής, αν αυτή βασιστεί μόνο επί των στατικών χαρακτηριστικών. Για το λόγο αυτό, στην παρούσα διατριβή η έμφαση στην υλοποίηση αλγορίθμων δόθηκε κυρίως στα δυναμικά χαρακτηριστικά του οδηγού (που αναπτύσσονται στην παράγραφο 8.3). Δεκέμβριος

150 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 28: Ενδεικτικά προβλήματα διαφόρων κατηγοριών οδηγών και σχετικές εξαγόμενες μετατροπές του ΣΕΑΜ, βάσει βιβλιογραφικής μελέτης. Τύπος οδηγού Αρχάριος/ νέος οδηγός Παράμετρος προσωποποίησης Πηγή Πληροφορία Ενδεικνυόμενη προσαρμογή Εμπειρία οδήγησης σε ομάδα - έως 1 έτος, ή έτη ( ) Συντελεστής DRIVABILITY: ΙΙ.4 TRAINER Παραδοτέο 2.1 (2001) TRAINER Παραδοτέο 6.2 (2003) Η συμπεριφορά των αρχαρίων και νέων οδηγών επηρεάζεται πολύ απ την ύπαρξη και τη γνώμη των λοιπών επιβατών. Για το λόγο αυτό προτιμούν «κρυφή»/ διακριτική προειδοποίηση από το σύστημα αντί φανερών επεμβάσεων και συμβουλών. - Μικρή χρήση οπτικών και ηχητικών μηνυμάτων. - Εκτεταμένη χρήση απτικών μηνυμάτων που γίνονται αντιληπτά μόνο απ τον οδηγό (π.χ. δόνηση ζώνης οδηγού ή τιμονιού ή παλμός σε ποδομοχλό επιτάχυνσης/ πέδησης). - Εκτεταμένη χρήση «φυσικών» προειδοποιητικών ήχων (π.χ. ήχος από «σαμαράκια» αντί άλλης προειδοποίησης για εκτροπή από Οι αρχάριοι οδηγοί έχουν συχνά εσφαλμένο/ περιορισμένο τρόπο οπτικής διερεύνησης του οδικού περιβάλλοντος, κοιτώντας πιο κοντά στο όχημα από ότι θα έπρεπε και εντός στενού οπτικού πεδίου. Επίσης, συχνά δεν αντιλαμβάνονται έγκαιρα/ ορθά οδηγικούς κινδύνους, λόγω έλλειψης εμπειρίας. Για το λόγο αυτό, ενδείκνυται να λαμβάνουν έγκαιρα (νωρίτερα) προειδοποιήσεις για κινδύνους και κυρίως κατά το διαμήκη άξονα του δρόμου (π.χ. λόγω προπορευμένων οχημάτων ή εμποδίων επί της πορείας τους). λωρίδα ασφαλείας). - Νωρίτερη προειδοποίηση, ακόμη κι αν έχουν μικρό χρόνο αντίδρασης (διόρθωση αλγορίθμου 8.3.3) Δεκέμβριος

151 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών IN-ARTE Παραδοτέο 3.3 (1999) Οι νέοι οδηγοί προτιμούν οπτική προειδοποίηση με εικόνες και σύμβολα αντί κειμένου για προειδοποιήσεις στο διαμήκη άξονα της οδού, αλλά προτιμούν κείμενο στην περίπτωση κινδύνου στον εγκάρσιο άξονα της οδού. - Χρήση συμβόλων αντί οπτική προειδοποίηση ΣΠΕΠ (Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης). - Χρήση σύντομου κειμένου για προειδοποίηση ΣΠΕΛ (Προειδοποίηση Εκτροπής Λωρίδας) (και τα δύο βέβαια ως βοηθητικά άλλων μέσων προειδοποίησης, π.χ. ηχητικών). Ηλικιωμέν οι οδηγοί Κατηγορίες ηλικίας 66-75, 76+ ( ) Συντελεστές DRIVABILITY: Ι.1, Ι.2, Ι.3, ΙΙ.2, ΙΙ., TRL Report 26 (1993) TRAVELG UIDE Παραδοτέο 5 (2002) AGILE Παραδοτέο 1.1 (2003) Οι ηλικιωμένοι οδηγοί έχουν συχνά πολύ μεγαλύτερο χρόνο αντίδρασης απ τους νεότερους οδηγούς, συνεπώς χρειάζονται έγκαιρη προειδοποίηση. Δεν ισχύει ωστόσο αυτό για όλους τους ηλικιωμένους οδηγούς και είναι πιο χαρακτηριστικό στην ομάδα 76+. Οι ηλικιωμένοι οδηγοί προτιμούν εικονική αναπαράσταση των προειδοποιήσεων υπέρβασης των ορίων ταχύτητας, διότι σε επικίνδυνες καταστάσεις τρομάζουν και μπορεί να απολέσουν τον έλεγχο λόγω έντονης ηχητικής προειδοποίησης, ενώ συχνά δεν αντιλαμβάνονται την έννοια μιας απτικής προειδοποίησης. Οι ηλικιωμένοι οδηγοί χρειάζονται τριπλάσια φωτεινότητα σε οθόνη οπτικού μηνύματος, κατά μέσο όρο από τους νέους οδηγούς. Η αντίθετη φωτεινότητα μεταξύ κειμένου και περιβάλλοντος πρέπει να είναι τουλάχιστον 3:1 και βέλτιστα 7:1. - Νωρίτερη προειδοποίηση για την ομάδα 76+. Αν όμως υπάρχει η δυναμική προσαρμογή της 8.3.3, αυτό δεν απαιτείται παρά μόνο για το χρονικό διάστημα που το σύστημα «μαθαίνει» τη συμπεριφορά (υπολογίζει το χρόνο αντίδρασης του οδηγού). - Εκτεταμένη χρήση ακουστικών προειδοποιήσεων κειμένου (όχι απλά ήχων), με σαφείς εντολές για την ενδεικνυόμενη ενέργεια σε περίπτωση ΣΠΕΠ ή ΣΠΕΛ. - Χρήση εικόνων για ΣΕΠΤ (Σύστημα Έξυπνης Προσαρμογής Ταχύτητας). - Αύξηση φωτεινότητας οθόνης σε περίπτωση οπτικού μηνύματος σε ηλικιωμένο οδηγό. Δεκέμβριος

152 Διδακτορική Διατριβή Μαρία Πάνου Οδηγοί με ειδικές ανάγκες Ειδικές ανάγκες ( ) Συντελεστές DRIVABILITY: Ι.1., Ι.2 TELAID Παραδοτέο 5 (1993) Οδηγοί με προβλήματα - Αυτόματη προσαρμογή στα άνω άκρα αδυνατούν κομβίων οθόνης να χειριστούν πολύ μικρά επαφής ΣΣΥΟ/ΠΣΟ. κομβία αλλά και η χρήση - Νωρίτερη μεγάλων κομβίων προειδοποίηση για αυξάνει την απόκλιση χρόνο σύγκρουσης. από τη λωρίδα Αυτό όμως καλύπτεται κυκλοφορίας. ενδεχομένως απ την Ενδεικνυόμενο μέγεθος: ύπαρξη σχετικού 10 χιλιοστά. δυναμικού συστήματος Τετραπληγικοί οδηγοί της έχουν μεγαλύτερο χρόνο - Αυτόματη μετατροπή αντίδρασης κι έτσι ηχητικών προτιμούν τυπικά ως και προειδοποιήσεων σε 0.7 δευτ. μεγαλύτερο οπτικές ή/ και απτικές χρόνο προειδοποίησης για κωφούς οδηγούς. για σύγκρουση απ το - Για βαρήκοους αλλά μέσο οδηγό. πιθανώς και Κωφοί οδηγοί δε ηλικιωμένους οδηγούς, μπορούν ν αντιληφθούν μετατροπή ηχητικών ηχητικές προειδοποιήσεων σε προειδοποιήσεις. οπτικές ή/και απτικές ή Οδηγοί με προβλήματα εναλλακτικά βαρηκοΐας έχουν απώλεια περιορισμό της ήχου σε μεγάλες συχνότητά τους ως τα συχνότητες. 200Hz. CONSENS US Παραδοτέο 2.1 (2004) Οδηγοί με προβλήματα - Αυτόματη κινητικότητας στα άνω ενεργοποίηση άκρα δε μπορούν να συστήματος φθάσουν ευχερώς ή με αναγνώρισης φωνής για ασφάλεια συχνά τα επικοινωνία με οδηγούς κομβία ενεργοποίησης/ αυτών των κατηγοριών απενεργοποίησης (εάν είναι διαθέσιμο). διαφόρων ΣΣΥΟ/ΠΣΟ (π.χ. συστήματος πλοήγησης ΣΠΕΠ ή ΣΕΠΤ, κλπ.). Ενδείκνυται η χρήση συστήματος αναγνώρισης φωνής γι αυτούς. 8.2 Προτεινόμενοι αλγόριθμοι προειδοποίησης για τα ημι-δυναμικά χαρακτηριστικά Το κυριότερο ημιδυναμικό χαρακτηριστικό που λαμβάνουμε υπόψη για τους οδηγούς είναι ο σκοπός/ λόγος μετακίνησής τους. Έτσι, ως τουρίστες ή και βρισκόμενοι σε επαγγελματικό ταξίδι μπορεί ν αντιμετωπίσουν δυσχέρειες λόγω προειδοποίησης ΣΣΥΟ σε ξένη γλώσσα, ή με χρήση μη οικείων σημάτων ή εικόνων. Τα χαρακτηριστικά αυτά σχετίζονται με τους συντελεστές Ι.2.4 (Απόφαση) και ΙV.3 (Εξωτερική υποστήριξη) του μοντέλου DRIVABILITY. Σχετικές ανάγκες τουριστών οδηγών καλύπτονται στη βιβλιογραφία περιορισμένα. Μία από τις σημαντικότερες Δεκέμβριος

153 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών πηγές αποτελεί το Παραδοτέο 5 του έργου TRAVELGUIDE (2002), όπου προτείνεται: - η χρήση εικόνων αντί κειμένου και ήχων αντί φωνής (ώστε η προειδοποίηση να είναι ανεξάρτητη της γλώσσας), ή - η αυτόματη μετατροπή του μηνύματος στη γλώσσα του οδηγού ή σε κάποια άλλη γλώσσα που κατέχει. Αυτή η προσαρμογή μπορεί να γίνει ευχερώς μέσω της γνώσης του τύπου του οδηγού (από 7.2.2) και της γλώσσας που γνωρίζει (από ). Αν η γλώσσα αυτή υποστηρίζεται απ το σύστημα, τότε απλά παρέχονται τα μηνύματα μεταφρασμένα (π.χ. χρησιμοποιώντας κωδικούς DATEX για μηνύματα από κέντρα πληροφόρησης και διαχείρισης της πληροφορίας). Άλλως επιχειρείται η αντικατάσταση του κειμένου με εικόνες και της φωνής με ήχους. 8.3 Προτεινόμενοι αλγόριθμοι προειδοποίησης για τα δυναμικά χαρακτηριστικά Τα δυναμικά χαρακτηριστικά που αναλύονται στη συνέχεια σχετίζονται με τους συντελεστές Ι.2.3 (Επικοινωνία) και ΙV.3 (Εξωτερική υποστήριξη) του DRIVABILITY Αλγόριθμοι με βάση το Χρόνο Σύγκρουσης (ΧΣ) ή το Χρόνο Σύγκρουσης με Ακινητοποίηση (ΧΣΜΑ) Αρκετά συστήματα αποφυγής εμπρόσθιας σύγκρουσης έχουν ως κριτήριο ενεργοποίησης απλώς το Χρόνο Σύγκρουσης (ΧΣ, γνωστός ως Time To Collission TTC στα αγγλικά) ή Χρόνο Σύγκρουσης Με Ακινητοποίηση (ΧΣΜΑ, γνωστός ως Time Headway στα αγγλικά). Και οι δύο αυτές τιμές υπολογίζονται από τις εμπρόσθιες κάμερες και αποθηκεύονται στο ηλεκτρονικό κύκλωμα καταγραφής (CAN) του οχήματος. Όταν ο ΧΣ (ή αντίστοιχα ο ΧΣΜΑ,) γίνουν μικρότεροι από κάποια προκαθορισμένη τιμή το σύστημα προειδοποιεί τον οδηγό. Υπάρχουν ακόμα συστήματα όπου καθορίζουν διαφορετικά όρια ΧΣ για διαφορετικούς τύπους προειδοποιήσεων/ ενεργειών (π.χ. 4 δευτ. για απλή οπτική προειδοποίηση, 2,5 δευτ. για ακουστική, 1,5 δευτ. για αυτόματη πέδηση του οχήματος, κλπ., Bekiaris & Portouli, IN-ARTE Deliverable 4.1, 1999). Στην απλούστερη μορφή του ο τύπος εφαρμογής ενός τέτοιου συστήματος είναι: ΧΣ ΧΣ όριο (8.1) που σημαίνει ότι όταν ισχύσει ο τύπος (8.1) δίνεται προειδοποίηση στον οδηγό. Η υιοθέτηση ενιαίου ΧΣ όριο ή ΧΣΜΑ όριο για όλους του οδηγούς είναι όμως εσφαλμένη και μπορεί ν αναβεί από επικίνδυνη (για ακραία αργό οδηγό) έως ενοχλητική (για οδηγούς που συνηθίζουν να οδηγούν κοντά στο προπορευόμενο όχημα), όπως έχει εξηγηθεί στην παράγραφο Το πρoσωποποιημένο όριο ΧΣ όριο υπολογίζεται ως η μέση τιμή των ελαχίστων τιμών ΧΣ για κάθε συμβάν ακολούθησης και συμβολίζεται ως μέσος(ελάχιστοςχσ). Θεωρώντας ως συμβάν ακολούθησης κάθε περίπτωση όπου ΧΣ 4 δευτ. (Bekiaris & Portouli, IN-ARTE Deliverable 4.1, 1999), βρίσκουμε σε κάθε τέτοιο συμβάν (το κάθε Δεκέμβριος

154 Διδακτορική Διατριβή Μαρία Πάνου συμβάν ακολούθησης i ξεκινάει όταν ΧΣ 4 δευτ. και τελειώνει μόλις ΧΣ 4 δευτ.) την πλησιέστερη θέση του οχήματος ως προς το προπορευόμενο. Ο μικρότερος αυτός ΧΣ που μετρήθηκε ορίζεται ως (ελάχιστοςχσ) i. Το συνολικό μέσος(ελάχιστοςχσ) είναι ο μέσος όρος των εκάστοτε (ελάχιστοςχσ) i όπου i=1,, Ν. Για τον αρχικό υπολογισμό για το (ελάχιστοςχσ) i θεωρούμε τουλάχιστον 10 συμβάντα ακολούθησης (Ν=10). Ο τύπος υπολογισμού του μέσος(ελάχιστοςχσ) είναι: μέσος(ελάχιστοςχσ)= N i= 1 ( ελάχιστοςχσ) i N (8.2) Ο υπολογισμός των επιμέρους (ελάχιστοςχσ) i που οδηγούν στον υπολογισμό της παραμέτρου μέσος(ελάχιστοςχσ όριο ), επεξηγούνται γραφικά στο παρακάτω διάγραμμα του ΧΣ ως προς το χρόνο: ΧΣ Υπολογισμός της παραμέτρου μέσος(ελάχιστοςχσ) (ελάχιστοςχσ)1 1η συνθήκη ακολούθησης (ελάχιστοςχσ)2 2η συνθήκη ακολούθησης Σχήμα 28: Υπολογισμός του προσωποποιημένου ορίου μέσος(ελάχιστοςχσ όριο. ). Κατ αντιστοιχία υπολογίζεται και το προσωποποιημένο όριο μέσος(ελάχιστοςχσμα), όπου όμως η συνθήκη ακολούθησης ορίζεται για ΧΣΜΑ 2 δευτ. (Brookhuis et al., 2000). Για το λόγο αυτό προτείνεται εδώ ο παρακάτω αλγόριθμος προσαρμογής: t α) αλγόριθμος για ΧΣ όριο Σύμφωνα με τη βιβλιογραφία, η μέση τιμή ενός ασφαλούς ΧΣ για ακολουθία οχήματος είναι 2 δευτ. (Brookhuis et al., 2000). Όριο A: Καθορίζει τη μέγιστη τιμή του προσωποποιημένου ΧΣ ώστε να έχει νόημα η προειδοποίηση (άνω του ΧΣ=4 δεν υφίσταται καν συνθήκη ακολούθησης) Εάν μέσος(ελάχιστοςχσ) 4 Tότε ΧΣ όριο =4 Όριο B: Καθορίζει την προσωποποιημένη τιμή του ΧΣ Εάν 4> μέσος(ελάχιστοςχσ) 1,5 (8.3)α Δεκέμβριος

155 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Tότε ΧΣ όριο = μέσος(ελάχιστοςχσ) (8.3)β Όριο Γ: Καθορίζει την ελάχιστη τιμή του προσωποποιημένου ΧΣ ώστε να διατηρηθεί ένα επίπεδο ασφαλείας Εάν μέσος(ελάχιστοςχσ) <1,5 Tότε ΧΣ όριο =1,5 (8.3)γ Οι παραπάνω σχέσεις υποδηλώνουν ότι ο χαμηλότερος δυνατόν ΧΣ που είναι αποδεκτός (δηλαδή που θεωρείται ασφαλής) από το σύστημα είναι 1,5 δευτ., ακόμη κι αν ο μέσος ελάχιστος ΧΣ του οδηγού είναι μικρότερος. Επίσης, ο μέγιστος ΧΣ για την παροχή προειδοποίησης είναι 4 δευτ., ακόμη κι αν ο μέσος ελάχιστος ΧΣ είναι παραπάνω. β) αλγόριθμος για ΧΣΜΑ όριο Η συνήθης τιμή του ΧΣΜΑ στη βιβλιογραφία είναι 1-1,5 δευτ. ή λιγότερο (Lerner et al., 1996). Όριο A: Καθορίζει τη μέγιστη τιμή του προσωποποιημένου ΧΣΜΑ ώστε να έχει νόημα η προειδοποίηση Εάν μέσος(ελάχιστοςχσμα) 2 Tότε ΧΣΜΑ όριο =2 (8.4)α Όριο B: Καθορίζει την προσωποποιημένη τιμή του ΧΣΜΑ Εάν 2> μέσος(ελάχιστοςχσμα) 0,7 Tότε ΧΣΜΑ όριο = μέσος(ελάχιστοςχσμα) (8.4)β Όριο Γ: Καθορίζει την ελάχιστη τιμή του προσωποποιημένου ΧΣΜΑ ώστε να διατηρηθεί ένα επίπεδο ασφαλείας Εάν μέσος(ελάχιστοςχσμα) <0,7 Tότε ΧΣΜΑ όριο =0,7 (8.4)γ Αντίστοιχα με το ΧΣ, ο χαμηλότερος δυνατόν ΧΣΜΑ που θεωρείται ασφαλής από το σύστημα είναι 0,7 δευτ., ακόμη κι αν ο μέσος ελάχιστος ΧΣΜΑ του οδηγού είναι μικρότερος. Επίσης, ο μέγιστος ΧΣΜΑ είναι 2 δευτ., ακόμη κι αν ο μέσος ελάχιστος ΧΣΜΑ του οδηγού είναι παραπάνω Αλγόριθμοι με βάση την Απόσταση Προσέγγισης Ορίων Λωρίδας (ΑΠΟΛ) και το Χρόνο Προσέγγισης Ορίων Λωρίδας (ΧΠΟΛ) Τα συστήματα ΠΕΛ μετρούν την απόσταση του κέντρου του οχήματος από την αριστερή και δεξιά λωρίδα κυκλοφορίας και έτσι καταγράφουν την πραγματική ΑΠΟΛ αριστερά και ΑΠΟΛ δεξιά, γνωστή ως DLC (Distance to Line Crossing) στα αγγλικά (τιμή που προέρχεται από το πρωτόκολλο CAN του οχήματος). Βάσει της παραμέτρου ΑΠΟΛ προειδοποιούν τον οδηγό εάν αυτός βρεθεί πλησιέστερα από ένα Δεκέμβριος

156 Διδακτορική Διατριβή Μαρία Πάνου συγκεκριμένο όριο από το δεξιό ή αριστερό άκρο της λωρίδα κυκλοφορίας, χωρίς προηγουμένως να έχει εκδηλώσει την πρόθεσή του για αλλαγή λωρίδας κυκλοφορίας, ενεργοποιώντας το δεξί/αριστερό φωτεινό δείκτη αλλαγής πορείας («φλας»). Μια τυπική σχέση λειτουργίας ενός τέτοιου συστήματος είναι: ΑΠΟΛ αριστερά ΑΠΟΛ όριο_αριστερά ή ΑΠΟΛ δεξιά ΑΠΟΛ όριο_δεξιά (8.5) Ωστόσο, όπως έχει εξηγηθεί στο Κεφάλαιο 7, δεν οδηγούν όλοι οι οδηγοί το ίδιο συμμετρικά και στην ίδια χρονική απόσταση από τα όρια της λωρίδας κυκλοφορίας, και κατά συνέπεια η υιοθέτηση κοινών τέτοιων ορίων μπορεί να καταστήσει την προειδοποίηση πολύ καθυστερημένη για κάποιους, ενώ για κάποιους άλλους να είναι πολύ πρώιμη και να καταλήγει σε συνεχείς προειδοποιήσεις. Για το λόγο αυτό προτείνεται ο παρακάτω καινοτόμος αλγόριθμος προσωποποίησης του σχετικού ορίου: Υπολογίζεται αρχικά το ποσοστό του χρόνου που ο οδηγός οδηγεί με μικρή ΑΠΟΛ (μικρότερη του ορίου). Για παράδειγμα, ο υπολογισμός της ΑΠΟΛ αριστερά γίνεται ως εξής: ΑΠΟΛ λόγος_αριστερά = t i AΠΟΛαριστερ ά AΠΟΛόριο _ αριστερά t dt i dt (8.6) Όπου: ΑΠΟΛ λόγος_αριστερά = ποσοστό της συνολικής ΑΠΟΛ για το οποίο υπήρξε παραβίαση του ορίου. ΑΠΟΛ αριστερά = πραγματική ΑΠΟΛ από την αριστερή διαγράμμιση της λωρίδας. ti ΑΠΟΛαριστερά ΑΠΟΛόριο_αριστερά = χρονική στιγμή i όπου ΑΠΟΛ αριστερά ΑΠΟΛ όριο_αριστερά. Οι παραπάνω παράμετροι ΑΠΟΛ όριο και ΑΠΟΛ λόγος απεικονίζονται σχηματικά στο Σχήμα 29. Δεκέμβριος

157 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Κρίσιμη ζώνη κέντρο λωρίδας Διαγραμμίσεις λωρίδας AΠΟΛ αριστερά AΠΟΛ δεξιά AΠΟΛ λόγος AΠΟΛ όριο 1- AΠΟΛ λόγος Λωρίδα κυκλοφορίας Σχήμα 29: Απεικόνιση παραμέτρων προτεινόμενου αλγορίθμου υπολογισμού ορίου ΑΠΟΛ. Ο υπολογισμός των επιμέρους ti ΑΠΟΛαριστερά ΑΠΟΛόριο_αριστερά που οδηγούν στον υπολογισμό της παραμέτρου ΑΠΟΛ λόγος_αριστερά, επεξηγείται σχηματικά με το επόμενο γράφημα του ΑΠΟΛ αριστερά ως προς το χρόνο t. AΠΟΛαριστερά Υπολογισμός των επιμέρους tiaπολαριστερά AΠΟΛόριο_αριστερά AΠΟΛόριο_αριστ t1 t2 Τ ταξιδιού t Σχήμα 30: Υπολογισμός των επιμέρους ti ΑΠΟΛαριστερά ΑΠΟΛόριο_αριστερά. Πρακτικά, ο παραπάνω τύπος δηλώνει ότι η τιμή ΑΠΟΛ λόγος_αριστερά είναι το πηλίκο του εμβαδού των περιοχών για τις οποίες το ΑΠΟΛ αριστερά < ΑΠΟΛ όριο_αριστερά (σκιασμένες Δεκέμβριος

158 Διδακτορική Διατριβή Μαρία Πάνου περιοχές στο Σχήμα 30) ως προς το συνολικό εμβαδό του ΑΠΟΛ αριστερά ως προς το t, για όλη τη διάρκεια του ταξιδιού του Τ. Ο αλγόριθμος προσωποποίησης διαμορφώνεται ως εξής: ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = (1-ΑΠΟΛ λόγος_αρσιτερά ) * ΑΠΟΛ όριο_αριστερά * σ (8.7) Όπου σ είναι ένας συντελεστής μείωσης (ή «χαλάρωσης») των ορίων, προκειμένου να μειωθεί, όσο το δυνατόν περισσότερο και πάντοτε εντός ασφαλών ορίων, ο αριθμός προειδοποιήσεων που δίνονται στον οδηγό. Σύμφωνα με το έργο IN-ARTE όπου πραγματοποιήθηκαν δοκιμές διαφόρων ΣΣΥΟ για προειδοποίηση ως προς τη θέση του οχήματος στη λωρίδα κυκλοφορίας και ενδεικνυόμενη ταχύτητα, βρέθηκε ότι παρέχονταν τεράστιος αριθμός προειδοποιήσεων στους οδηγούς (1-2 προειδοποιήσεις το λεπτό). Έτσι τα όρια προειδοποίησης έγιναν πιο χαλαρά κατά 10% και τότε έγιναν πολύ αποδεκτά από τους συμμετέχοντες οδηγούς (Bekiaris & Portouli, Deliverable 4.1, 1999). Η τιμή του συντελεστή αυτού εξαρτάται από την τυπική απόκλιση των μετρούμενων τιμών του εκάστοτε οδηγού. Σε γενικά πλαίσια καθορίζεται στο 0,9 (ή 90%), το οποίο σημαίνει ότι η τιμή του ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) μειώνεται κατά 10%. Εναλλακτικά του ΑΠΟΛ, πολλά ΣΠΕΛ βασίζονται στην παράμετρο ΧΠΟΛ, δηλαδή του χρόνου που απομένει μέχρι να διασχίσει το κέντρο του αυτοκινήτου τη διαγράμμιση της λωρίδας (αριστερή ή δεξιά), για την προειδοποίηση του οδηγού. Οι σχέσεις (8.6) και (8.7) διαμορφώνονται κατ αντιστοιχία ως ακολούθως. Ποσοστό του χρόνου όπου ο οδηγός οδηγεί με μικρό ΧΠΟΛ (μικρότερο του ορίου): ti dt ΧΠΟΛαριστερ ά ΧΠΟΛόριο _ αριστερά ΧΠΟΛ λόγος_αριστερά = (8.8) t dt i Ο αλγόριθμος προσαρμογής για τον υπολογισμό του νέου, προσωποποιημένου ορίου παροχής προειδοποίησης, ο οποίος ισχύει μόνο όταν ΧΠΟΛ όριο_αριστερά > 0, δίνεται από τη σχέση (8.9) εξής: ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = (1-ΧΠΟΛ λόγος_αρσιτερά ) * ΧΠΟΛ όριο_αριστερά * σ (8.9) Η διαφορά είναι ότι εδώ μετράται ο χρόνος από τη διαγράμμιση της λωρίδας. Δηλαδή, ο υπολογισμός του προσωποποιημένου ΧΠΟΛ από την αριστερή διαγράμμιση, για τον εκάστοτε οδηγό. Σε περίπτωση που το σύστημα θα επέτρεπε στον οδηγό να περάσει στην παρακείμενη λωρίδα, έστω και κατά λίγο και μετά να τον προειδοποιήσει (οπότε ΧΠΟΛ όριο_αριστερά <0), τότε ο τύπος (8.9) αντικαθίσταται από τον (8.10). ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = ΧΠΟΛ όριο_αριστερά ΧΠΟΛ λόγος_αριστερά * Δ(ΧΠΟΛ) (8.10) Όπου: Δ(ΧΠΟΛ) = η μεγαλύτερη διάρκεια που ο οδηγός επιτρέπεται να εισέλθει στη παρακείμενη λωρίδα πρόκειται για μία τιμή που βασίζεται σε μετρήσεις. Δεκέμβριος

159 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Συνεπώς, ο υπολογισμός του ΧΠΟΛ λόγος_αριστερά είναι ίδιος με του ΑΠΟΛ λόγος_αριστερά, που επεξηγήθηκε με το Σχήμα 30. Όμως η παράμετρος ΑΠΟΛ είναι πιο σταθερή από τη ΧΠΟΛ, εφόσον η δεύτερη εξαρτάται από την πλευρική ταχύτητα (ΧΠΟΛ=ΑΠΟΛ/V πλευρ ). Η ΑΠΟΛ αντιθέτως υπολογίζεται απευθείας από τον αισθητήρα του ΣΠΕΛ Προσαρμογή αλγορίθμου σε περιβαλλοντικούς παράγοντες Αρχικά, πρέπει το σύστημα να προσαρμοστεί στους περιβαλλοντικούς παράγοντες (δρόμος-όχημα, συντελεστές DRIVABILITY ΙΙΙ.1 Τύπος/κατάσταση οχήματος και ΙΙΙ.3 Οδικές συνθήκες αντίστοιχα), προτού προσωποποιηθεί περαιτέρω, με βάση τον οδηγό. Στο συγκεκριμένο αυτοκίνητο (Lancia Thesis) που χρησιμοποιήθηκε για τις δοκιμές των προτεινόμενων συστημάτων της παρούσας διατριβής (βλ. Κεφ. 10), το όριο ασφαλείας που χρησιμοποιεί η Fiat για την απόσταση των τροχών από την αριστερή διαγράμμιση ώστε να δώσει προειδοποίηση είναι S ασφαλείας_αριστ =-0,28μ. (ή 0,3 δευτ. για ΧΠΟΛ), σύμφωνα με το εγχειρίδιο χρήσης του ΣΠΕΛ της Fiat, το οποίο σημαίνει ότι δίνεται προειδοποίηση όταν οι ρόδες σχεδόν πατήσουν στη λωρίδα. Η τιμή αυτή παρέχεται στο εγχειρίδιο χρήσης του συστήματος της Fiat και αντιστοιχεί στο μέγιστο δυνατό πλάτος λωρίδας των 4 μέτρων. Όμως το πλάτος των λωρίδων κυκλοφορίας των αυτοκινητοδρόμων διαφέρει ανά χώρα. Για παράδειγμα, στην Ελλάδα το ενδεικνυόμενο πλάτος είναι 3,75μ. (ΥΠΕΧΩΔΕ), ενώ στην Αμερική 3,66μ (Earth Policy Institute). Είναι προφανές ότι ο κατασκευαστής επέλεξε να καθορίσει ως όριο το μέγιστο δυνατό πλάτος λωρίδας, ώστε να μην παρέχει σε καμία περίπτωση προειδοποιήσεις στον οδηγό προτού αυτός πλησιάσει ή και ξεπεράσει το όριο απ την παρακείμενη λωρίδα κυκλοφορίας. Αυτό όμως σημαίνει ότι για δεδομένο δρόμο μικρότερου πλάτους, οι προειδοποιήσεις μπορούν να δοθούν αρκετά αργά. Επίσης, θεωρείται ότι το μέσο πλάτος ενός αυτοκινήτου είναι 1,72μ περίπου. Στο παρακάτω σχεδιάγραμμα παρουσιάζονται οι τιμές που δίνει το ραντάρ όταν το αυτοκίνητο βρίσκεται στο κέντρο της λωρίδας (-2) από αριστερά (+2 από δεξιά) ή στην αριστερή/δεξιά διαγράμμιση (0). Δεκέμβριος

160 Διδακτορική Διατριβή Μαρία Πάνου Διαγραμμίσεις λωρίδας ΑΠΟΛ αρ =0 ΑΠΟΛ αρ =-2μ. ΑΠΟΛ δεξ =2μ. ΑΠΟΛ δεξ =0 Πλάτος αυτοκινήτου =1,72μ. Sασφαλείας_αριστ =-0,28μ. ΑΠΟΛ αριστ =-1,14μ. Μισό πλάτος οχήματος =-0,86μ. Σχήμα 31: Απεικόνιση τιμών και ορίων ΣΠΕΛ, σύμφωνα με τον κατασκευαστή (μη προσαρμοσμένα). Σύμφωνα με τις παραπάνω τιμές της Fiat, όταν ο αριστερός τροχός του αυτοκινήτου άπτεται στην αριστερή διαγράμμιση της λωρίδας, ο κεντρικός άξονας του αυτοκινήτου απέχει από τη διαγράμμιση πλάτος μισού αυτοκινήτου, δηλαδή πλάτος 1,72/2=0,86. Θεωρώντας απόσταση ασφαλείας (S ασφαλείας_αριστ ) = -0,28μ. από την αριστερή διαγράμμιση (στοιχεία κατασκευαστή), η αντίστοιχη τιμή για το ΑΠΟΛ όριο _ αριστ είναι: ΑΠΟΛ όριο _ αριστ =-0,86-0,28 = -1,14μ. (8.11) Όμως το πλάτος της λωρίδας των δρόμων κυμαίνεται. Για παράδειγμα κατά τη διάρκεια των δοκιμών που περιγράφονται στο κεφάλαιο 10, το πλάτος του δρόμου κυμαινόταν συνήθως από 3,5μ ως 3,75μ, δηλαδή η μέγιστη διαφορά σε σχέση με το πλάτος δρόμου που θεωρεί η Fiat (4μ) είναι 0,25μ ανά πλευρά λωρίδας. Επίσης, το πλάτος του LANCIA Thesis είναι 1,78μ. Έτσι, το προσαρμοσμένο όριο ΑΠΟΛ για τα ελληνικά δεδομένα και για το συγκεκριμένο όχημα των δοκιμών πρέπει να αλλάξει ως εξής: ΑΠΟΛ νέο_όριο_αριστ = -0,89-0,28-0,25= -1,42μ. -1,4 (8.12) Άρα, μετά από στρογγυλοποίηση, το νέο όριο ΑΠΟΛ νέο_όριο_αριστ είναι -1,4μ. Δεκέμβριος

161 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Θεωρητική λωρίδα κυκλοφορίας -2μ. +2μ. LANCIA Thesis 1,78μ. 0,25μ. -1,75μ. +1,75μ. 0,25μ. Πραγματική λωρίδα κυκλοφορίας Σχήμα 32: Προσαρμογή ΣΠΕΛ σε περιβαλλοντικούς παράγοντες Προσαρμογή αλγορίθμου σε συμπεριφορά οδηγού Από δοκιμές που πραγματοποιήθηκαν με το LANCIA Thesis, το αντίστοιχο προσαρμοσμένο νέο όριο ΧΠΟΛ είναι 0,6 δευτ. (για ΑΠΟΛ περίπου -1,4 μ.). Και τα δύο παραπάνω όρια ΑΠΟΛ και ΧΠΟΛ σημαίνουν ότι ο αριστερός τροχός του αυτοκινήτου έχει πατήσει την αριστερή διαγράμμιση της λωρίδας. Ωστόσο, στους τύπους (8.7) και (8.9) πρέπει να δοθεί τιμή εκκίνησης των ΑΠΟΛ όριο_αριστερά και ΧΠΟΛ όριο_αριστερά μεγαλύτερη, αφού σύμφωνα με τους τύπους αυτούς ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) ΑΠΟΛ όριο_αριστερά. Ξεκινάμε με ΑΠΟΛ όριο_αριστερά = -1,6 μ. και ΧΠΟΛ όριο_αριστερά = 0,6 δευτ. ώστε να αυτοπροσαρμοστεί χαμηλότερα για κάθε οδηγό. Οι αρχικές αυτές τιμές αντιστοιχούν σε όχημα πολύ κοντά στη μέση θέση κυκλοφορίας του (ακριβώς στη μέση θέση θα ήταν ΑΠΟΛ όριο_αριστερά = -2 μ.) και άρα σημείο εκκίνησης του αλγορίθμου αρκετά μακριά από την αριστερή διαγράμμιση της λωρίδας κυκλοφορίας, ώστε να καλύπτει τόσο τους οδηγούς με απόκλιση προς τα δεξιά (ΑΠΟΛ<-1,4 μ.) όσο και αυτούς με απόκλιση προς τα αριστερά (ΑΠΟΛ>-1,4 μ.) Παραδείγματα λειτουργίας αλγορίθμου Ακολουθούν δύο παραδείγματα λειτουργίας του αλγορίθμου, για ΑΠΟΛ και ΧΠΟΛ: Δεκέμβριος

162 Διδακτορική Διατριβή Μαρία Πάνου Παράδειγμα 1: Υποθέτοντας ότι ο ΑΠΟΛ όριο_αριστερά = 1,6 μ. και ο οδηγός παραβιάζει τη συνθήκη ΑΠΟΛ αριστερά 1,6 κατά 30% κατά το συνολικό χρόνο οδήγησης, τότε βάσει της σχέσης (8.6) ΑΠΟΛ λόγος_αριστερά = 0,3. Σύμφωνα με τη σχέση (8.7) ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = (1-0,3) x 1,6 x 0,9 = 1,01μ. Έτσι, το σύστημα θα προειδοποιήσει το συγκεκριμένο οδηγό βάσει του νέου, προσαρμοσμένου ΑΠΟΛ, δηλαδή το μήνυμα προειδοποίησης θα δοθεί όταν η τιμή του ΑΠΟΛ (από το ηλεκτρονικό σύστημα του αυτοκινήτου) θα είναι 1,01μ. ή μικρότερη. Σημειώνεται ότι χωρίς την επιρροή του συντελεστή χαλάρωσης σ, η τιμή του ΑΠΟΛ θα ήταν 1,12μ. Παράδειγμα 2: Ξεκινάμε με μεγάλο ΧΠΟΛ όριο_αριστερά = 0,6 δευτ. Το ΧΠΟΛ όριο_αριστερά του εργοστασιακού συστήματος είναι 0,3 δευτ. Αν μετρηθεί ότι το ΧΠΟΛ όριο_αριστερά = 0,6 το παραβιάζει ο οδηγός 1 κατά 15%, βάσει της σχέσης (8.9) το νέο, προσωποποιημένο όριο προειδοποίησης θα είναι: ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = (1-0,15) x 0,6 x 0,9=0,46 δευτ. Δηλαδή, ο οδηγός 1 θα προειδοποιηθεί νωρίτερα απ το εργοστασιακό όριο. Άλλος οδηγός παραβιάζει το ΧΠΟΛ όριο_αριστερά = 0,6 κατά 70%. Το προσωποποιημένο όριο προειδοποίησης που υπολογίζεται απ τη σχέση (8.9) είναι: ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά )= (1-0,7) x 0,6 x 0,9=0,16 δευτ. Συνεπώς ο οδηγός 2 θα προειδοποιηθεί αργότερα από το εργοστασιακό όριο. Αν ωστόσο δεχθούμε ΧΠΟΛ όριο_αριστερά = 0 και ο οδηγός οδηγεί με ΧΠΟΛ αριστερά ΧΠΟΛ όριο_αριστερά κατά 10% από τη συνολική διάρκεια οδήγησης των 30 λεπτών και θεωρήσουμε ότι ο οδηγός δεν επιτρέπεται να εισέλθει στην παρακείμενη λωρίδα για περισσότερο από 0,3 δευτ. (Δ(ΧΠΟΛ) = 0,3 δευτ.), εφαρμόζεται ο τύπος (8.10) αντί του (8.9): ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = 0-0,1*0,3 = -0,03 δευτ. Το αποτέλεσμα αυτό σημαίνει στην ουσία ότι ο οδηγός θα προειδοποιηθεί αμέσως μόλις εισέλθει στην αριστερή λωρίδα κυκλοφορίας Αλγόριθμοι με βάση το Χρόνο Αντίδρασης Η προσωποποιημένη προειδοποίηση έχει προφανώς σχέση με το χρόνο αντίδρασης του οδηγού, ώστε η προειδοποίηση αυτή να μη έλθει πολύ νωρίς (συνεπώς να έχουμε σύστημα με πολλές προειδοποιήσεις που είναι ενοχλητικό για τον οδηγό) αλλά ούτε και πολύ αργά (συνεπώς να έχουμε σύστημα επικίνδυνο για τον οδηγό). Η σχετική σημασία προειδοποίησης αναφέρεται εκτενώς στην παράγραφο ενώ σχετίζεται με τους δείκτες DRIVABILITY ΙV.2 (Αντίληψη κινδύνου), ΙΙΙ.2 (Οδικοί κίνδυνοι) και I.2.4 (Απόφαση). Ο χρόνος αντίδρασης υπεισέρχεται στις σχέσεις καθορισμού προειδοποίησης πολλών ΣΣΥΟ. Ως παράδειγμα αναφέρεται η παρακάτω σχέση που χρησιμοποιεί η Volvo (Bekiaris & Portouli, ΙΝ-ARTE Deliverable 4.1, 1999) για το ΣΠΑΣ: Sw = Ve * ΧΑ + Ve² / 2De Vl² / 2Dl (8.13) Sw= απόσταση προειδοποίησης (m) Δεκέμβριος

163 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Ve= Ταχύτητα του Lancia (m/s) ΧΑ= Χρόνος Αντίδρασης (s) ίσος με 1 δευτ. (τίθεται από τον κατασκευαστή) De= Επιβράδυνση του Lancia (m/s 2 ) Vl= Ταχύτητα του εμπρόσθιου οχήματος (m/s) Dl= Επιβράδυνση του εμπρόσθιου οχήματος (m/s 2 ) Δηλαδή, δίνεται προειδοποίηση όταν η απόσταση από το εμπρόσθιο όχημα είναι μικρότερη από την απόσταση προειδοποίησης Sw. Στη σχέση αυτή, μπορεί να εισαχθεί ο προσωποποιημένος ΧΑ του οδηγού, αντί του μέσου ΧΑ= 1 δευτερόλεπτο που χρησιμοποιείται από τη Volvo. Παρακάτω παρουσιάζονται εναλλακτικοί τρόποι υπολογισμού του χρόνου αντίδρασης του οδηγού που εφαρμόστηκαν κατά την εργασία της παρούσας διατριβής, ώστε να ληφθεί κατόπιν υπ όψη στην προσωποποίηση των ΣΣΥΟ. 1. Στατικός υπολογισμός Για ακριβέστερο υπολογισμό του χρόνου αντίδρασης του οδηγού, στα πλαίσια της παρούσας διατριβής πραγματοποιήθηκαν δοκιμές μετρήσεως του χρόνου αντίδρασης οδηγών με οπτικό και ακουστικό ερέθισμα, τα αποτελέσματα των οποίων συσχετίστηκαν με εκείνα που προέκυψαν από τις δυναμικές μετρήσεις (που περιγράφονται παρακάτω). Οι δοκιμές πραγματοποιήθηκαν με το ερευνητικό αυτοκίνητο του ΕΚΕΤΑ/ΙΜΕΤ (Lancia Thesis) με 10 οδηγούς. Το οπτικό ερέθισμα ήταν ορατό στον κεντρικό καθρέπτη του αυτοκινήτου. Συγκεκριμένα, οι οδηγοί έπρεπε να ασκήσουν πέδηση αμέσως μόλις ενεργοποιούταν μία κόκκινη δίοδος φωτοεκπομπής (λαμπάκι «LED») ενώ υπήρχε περίπτωση να ενεργοποιηθεί και δεύτερη δίοδος πορτοκαλί χρώματος (που βρίσκονταν ακριβώς δίπλα στην κόκκινη), στην οποία ο οδηγός δεν έπρεπε να αντιδράσει. Με αυτό τον τρόπο αποφεύχθηκε ή τουλάχιστον μειώθηκε η εξοικείωση του οδηγού με το ερέθισμα. Σχετικά με την ακουστική σήμανση, δίνονταν στον οδηγό ένας ήχος προσομοίωσης επαφής των τροχών του αυτοκινήτου με ανυψωμένες διατάξεις οδοστρώματος («rumble strips»). Εικόνα 15: Κεντρικός καθρέπτης προειδοποίησης οδηγού του ερευνητικού οχήματος Ι.ΜΕΤ, με ενεργοποιημένη τη δίοδο φωτοεκπομπής κόκκινου χρώματος. Και τα δύο είδη ερεθισμάτων παρέχονταν σε τυχαία χρονικά διαστήματα. Δόθηκαν κατά μέσο όρο 10 οπτικά και 10 ακουστικά ερεθίσματα σε κάθε οδηγό. Τα αποτελέσματα παρουσιάζονται παρακάτω, σε σύγκριση με εκείνα από τις μετρήσεις για τις δυναμικές τιμές. 2. Δυναμικός υπολογισμός Προτείνεται στα πλαίσια της παρούσας διατριβής ένας πρωτότυπος δυναμικός τρόπος μέτρησης του χρόνου αντίδρασης, ως ακολούθως: Δεκέμβριος

164 Διδακτορική Διατριβή Μαρία Πάνου ΧΑ = N i= 1 t 0 π i N t 1 π i (8.14) Όπου: ΧΑ= χρόνος αντίδρασης οδηγού 0 t π = απόλυτος χρόνος (ώρα GPS) κατά την οποία ο οδηγός εκκινεί πέδηση ( ). i 1 t π = απόλυτος χρόνος (ώρα GPS) κατά την οποία το εμπρόσθιο όχημα εκκινεί i πέδηση ( ). i = συμβάν εκτέλεσης πέδησης έκτακτης ανάγκης (καθορίζονται κριτήρια γι αυτό παρακάτω) Ν = συνολικός αριθμός συμβάντων πέδησης έκτακτης ανάγκης που χρησιμοποιείται για τον καθορισμό του χρόνου αντίδρασης του οδηγού. Καθορισμός συμβάντος πέδησης έκτακτης ανάγκης Όπως είναι προφανές, ο σωστός υπολογισμός του χρόνου αντίδρασης απαιτεί τη λήψη μέσου όρου σημαντικού αριθμού συμβάντων (επιλέχθηκε στα πλαίσια της παρούσας διατριβής αριθμός = 10), αλλά και τον καθορισμό του ίδιου του συμβάντος εκτέλεσης πέδησης εκτάκτου ανάγκης. 0 Εντοπίζουμε t π i όπου Τbrake = 1, δηλαδή το όχημά μας εκτελεί πέδηση. Μετά, για να ελέγξουμε αν πρόκειται για πέδηση έκτακτης ανάγκης ή όχι, αλλά και για να 1 υπολογίσουμε το t π i (δηλαδή το χρόνο όπου ξεκίνησε να εκτελεί πέδηση το προπορευόμενο όχημα), χρησιμοποιούμε τις ακόλουθες συνθήκες: 1 η συνθήκη ΧΣ ΧΣ όριο, t = t 1 π i (8.15) Όπου: ΧΣ = χρόνος σύγκρουσης («TTC»), οριζόμενος ως ο χρόνος που απομένει ως τη σύγκρουση του οχήματός μας με το προπορευόμενο, εάν και τα δύο συνεχίσουν να κινούνται με σταθερή ταχύτητα. ΧΣ όριο = χρόνος σύγκρουσης κάτω απ τον οποίο θεωρούμε ότι τα δύο οχήματα βρίσκονται «επικίνδυνα» κοντά (προτεινόμενη τιμή = 2 δευτ.). Εξήγηση: Για να θεωρηθεί ότι ο οδηγός εκτέλεσε έντονη πέδηση και άρα αντιπροσωπευτική του χρόνου αντίδρασής του, απαιτείται να βρισκόταν κοντά στο προπορευόμενο όχημα τη στιγμή της πέδησης για να σχετίζεται η πέδησή του με αυτό. Θεωρούμε ότι ΧΣ όριο = 2 δευτ., σύμφωνα με Brookhuis et al. (2000). 2 η συνθήκη α σχ = Δ 0 V1 ΔV α σχ_ελάχιστη, για t t όριο (8.16) Δt Όπου: α σχ = σχετική επιβράδυνση μεταξύ προπορευόμενου οχήματος και του δικού μας. Δεκέμβριος

165 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Δ V 1 = διαφορά ταχύτητας προπορευόμενου οχήματος μέσα σε χρονικό βήμα Δt (ή άλλως επιβράδυνση προπορευόμενου οχήματος). Δ V 0 = διαφορά ταχύτητας ιδίου οχήματος μέσα σε χρονικό βήμα Δt (ή άλλως επιβράδυνση ιδίου οχήματος). α σχ_ελάχιστη = ελάχιστη διαφορά επιβράδυνσης για να θεωρηθεί ένα συμβάν ως σχετιζόμενο με πέδηση ανάγκης (προτεινόμενη τιμή: 6m/s 2 ). t = χρόνος κατά τον οποίο εξασκείται πέδηση απ τον οδηγό του ιδίου οχήματος. t όριο = ελάχιστος χρόνος κατά τον οποίο πρέπει να εξασκηθεί πέδηση για να θεωρηθεί το όλο συμβάν ολοκληρωμένο (προτεινόμενη τιμή: 0,03sec). Εξήγηση: Η σχέση (8.16) σημαίνει ότι το όχημα άσκησε έντονη πέδηση (διαφορά επιβράδυνσης άνω των -6m/sec 2, σύμφωνα με το Παραδοτέο 7.1 του ερευνητικού έργου SAVE (1997). 1 Θεωρούμε ότι t π i = t για το οποίο οι παραπάνω σχέσεις γίνονται αληθινές, 0 εξετάζοντας ως 20 χρονικά βήματα (= 2 δευτερόλεπτα) πριν το t π i. Για να ολοκληρωθεί ένας τέτοιος ελιγμός χρειάζεται κι ένας ελάχιστος χρόνος καταγραφών (γι αυτό και το t όριο = 0,03 δευτ.), άλλως ενέχει ο κίνδυνος «ψευδών» συμβάντων λόγω στιγμιαίων εσφαλμένων καταγραφών στο κύκλωμα CAN του αυτοκινήτου (κάθε καταγραφή σ αυτό γίνεται τυπικά ανά 0,01 του δευτερολέπτου, γι αυτό λαμβάνονται 3 συνεχείς καταγραφές υπ όψη για φιλτράρισμα τυχόν στιγμιαίων εσφαλμένων καταγραφών). Αξιολόγηση προτεινόμενου αλγορίθμου Δεδομένου ότι ο προτεινόμενος αλγόριθμος είναι νέος και ενσωματώνει μία σειρά από υποθέσεις και περιορισμούς, απαιτείται η αξιολόγησή του με πραγματικά δεδομένα. Για το λόγο αυτό πραγματοποιήθηκε δοκιμή με 10 οδηγούς, στους οποίους μετρήθηκε αρχικά ο χρόνος αντίδρασης μέσω τυπικού πειράματος ηχητικού και οπτικού ερεθίσματος (όπως αναφέρθηκε παραπάνω) και στη συνέχεια υπολογίστηκε αυτός δυναμικά, μέσω ελεύθερης οδήγησης. Κατά την οδήγηση προκλήθηκαν αλλεπάλληλα συμβάντα ακολούθησης, δεδομένου ότι οι οδηγοί έπρεπε ν ακολουθήσουν σε κοντινή απόσταση το προπορευόμενο όχημα, το οποίο εκτελούσε έντονη πέδηση σε μη καθορισμένες χρονικές στιγμές (περισσότερες πληροφορίες για τη δοκιμή υπολογισμού του δυναμικού ΧΑ, συμπεριλαμβάνονται στην ενότητα ). Είναι προφανές πως δεν απαιτείται ο δυναμικά υπολογιζόμενος χρόνος αντίδρασης να συμπίπτει με το στατικά υπολογιζόμενο, αρκεί απλά να υπάρχει μία μονοσήμαντη αντιστοίχηση μεταξύ των δύο, δεδομένου ότι το ζητούμενο είναι να ξεχωρίζουμε τους «αργούς» από τους «μέσους» και τους «γρήγορους» οδηγούς κι όχι να προσαρμόζουμε τα ΣΣΥΟ επακριβώς στο χρόνο αντίδρασης κάθε οδηγού, γεγονός ανέφικτο αλλά κι επικίνδυνο. Με την ανάλυση των αποτελεσμάτων διαπιστώθηκε ότι επειδή η επιτάχυνση/επιβράδυνση είναι 2 η παράγωγος της απόστασης που μετράται από τον εμπρόσθιο αισθητήρα απόστασης, στην προσέγγιση υπολογισμού της υπεισέρχονται σημαντικά σφάλματα. Επιπλέον, η αλλαγή της σχετικής επιβράδυνσης μεταξύ εμπρόσθιου και ακολουθούντος οχήματος φαίνεται να γίνεται και σταδιακά χωρίς να υφίσταται ευδιάκριτο σημείο καμπής. Δεκέμβριος

166 Διδακτορική Διατριβή Μαρία Πάνου Για το λόγο αυτό έγινε προσπάθεια αντικατάστασης του κριτηρίου επιτάχυνσης με ένα νέο κριτήριο. Έτσι αντί για τη σχέση (8.16), προτάθηκε να ελεγχθεί το ποσοστό μεταβολής της σχετικής ταχύτητας ως προς τη σχετική ταχύτητα, όπως φαίνεται στη σχέση (8.17). ΔV διαφορά = i i Δ V σχ ΔVσχ 3,5 (8.17) i ΔVσχ Όπου: ΔV σχ i = V 1i -V 0i V 1i = ταχύτητα προπορευόμενου οχήματος, τη χρονική στιγμή i. V 0i = ταχύτητα ακολουθούντος οχήματος, τη χρονική στιγμή i. Ως κατάλληλο όριο του ΔV διαφορά φαίνεται απ τα πειραματικά στοιχεία να προκύπτει η σχέση με 3,5 (δηλαδή η διαφορά ταχυτήτων των 2 οχημάτων να υπερτριπλασιάζεται λόγω πέδησης του εμπρόσθιου οχήματος, ενώ δεν έχει πεδήσει ακόμη αυτό που ακολουθεί). Η συνθήκη αυτή εξετάζεται μέχρι 20 βήματα πίσω (δηλαδή 2 δευτ. πριν το γεγονός της πέδησης του ακολουθούντος οχήματος). Στο Παράρτημα Γ παρατίθενται ενδεικτικά στοιχεία από τα αρχεία τριών από τους δέκα οδηγούς (τυχαία επιλεγμένοι), ως παράδειγμα, όπου παρουσιάζονται ακριβώς τα ανεπεξέργαστα δεδομένα, όπως ελήφθησαν από το CAN του αυτοκινήτου, και πώς εφαρμόζεται η σχέση (8.17) για τον υπολογισμό του δυναμικού χρόνου αντίδρασης. Ακολουθούν τα γραφήματα των ποσοστών μεταβολής της σχετικής ταχύτητας, των τριών οδηγών. Όπως παρατηρείται στα γραφήματα, όλες οι πεδήσεις (εκτός από μία περίπτωση) που πληρούν τη σχέση (8.17) βρίσκονται σε συγκεκριμένο χρονικό διάστημα (ανάμεσα στις κάθετες γραμμές) και για τους τρεις εξετασθέντες οδηγούς, τα οποία, όπως είναι αναμενόμενο δεν είναι ίδια για όλους (εφόσον ο κάθε οδηγός έχει το δικό του χρόνο αντίδρασης). Τα σημεία όπου η σχέση (8.17) γίνεται αληθής την πιο κοντινή στιγμή σε εκείνη που ασκήθηκε πέδηση, σημειώνονται με τα μικρά τετράγωνα. Στο τέλος της οδήγησης υπολογίζεται ο μέσος όρος των χρονικών διαφορών που αντιστοιχούν στα τετράγωνα, από τη στιγμή που αντιλήφθηκε δηλαδή ο οδηγός την πέδηση του εμπρόσθιου αυτοκινήτου, μέχρι να μετακινήσει το πόδι του από τον ποδομοχλό επιτάχυνσης στον ποδομοχλό πέδησης. Ο υπολογιζόμενος αυτός μέσος όρος αποτελεί το δυναμικό χρόνο αντίδρασης των οδηγών. Δεκέμβριος

167 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Μεταβολή σχετικής ταχύτητας 3,5 Γράφημα των ποσοστών μεταβολής της σχετικής ταχύτητας οδηγού Ι πέδηση Α πέδηση Β πέδηση Γ πέδηση Δ t-0,1 t-0,2 t-0,3 t-0,4 t-0,5 t-0,6 t-0,7 t-0,8 t-0,9 Χρονική στιγμή πριν την πέδηση t (δευτ.) t-1 0 Μεταβολή σχετικής ταχύτητας 3,5 Γράφημα των ποσοστών μεταβολής της σχετικής ταχύτητας οδηγού ΙΙ πέδηση Α πέδηση Β πέδηση Γ πέδηση Δ t-0,1 t-0,2 t-0,3 t-0,4 t-0,5 t-0,6 t-0,7 t-0,8 t-0,9 t-1 0 Χρονική στιγμή πριν την πέδηση t (δευτ.) Μεταβολή σχετικής ταχύτητας 3,5 Γράφημα των ποσοστών μεταβολής της σχετικής ταχύτητας οδηγού ΙΙΙ πέδηση Α πέδηση Β πέδηση Γ πέδηση Δ t-0,1 t-0,2 t-0,3 t-0,4 t-0,5 t-0,6 t-0,7 t-0,8 t-0,9 t-1 0 Χρονική στιγμή πριν την πέδηση t (δευτ.) Σχήμα 33: Γραφήματα απεικόνισης μεταβολής σχετικών ταχυτήτων για τις συγκεκριμένες πεδήσεις των τριών τυχαίων οδηγών. Δεκέμβριος

168 Διδακτορική Διατριβή Μαρία Πάνου Τα συνολικά αποτελέσματα ανά οδηγό παρουσιάζονται στον παρακάτω πίνακα, τόσο για τις στατικές όσο και για τις δυναμικές μετρήσεις, ως μία προσπάθεια εντοπισμού συσχέτισης μεταξύ των δύο αυτών τιμών: Πίνακας 29: Αποτελέσματα δυναμικά υπολογιζόμενου χρόνου αντίδρασης και στατικών μετρήσεων αυτού μέσω ειδικών δοκιμών οδήγησης επί του δρόμου. Νο. Φύλο οδηγού Μέσος χρόνος αντίδρασης σε ηχητικό ερέθισμα Μέσος χρόνος αντίδρασης σε οπτικό ερέθισμα Μέσος χρόνος αντίδρασης από στατικό* υπολογισμό Μέσος χρόνος αντίδρασης από δυναμικό υπολογισμό Ποσοστό απόκλισης δυναμικού υπολογισμού από μέσο στατικό Ποσοστό απόκλισης δυναμικού υπολογισμού από μέσο ηχητικό ερ. Ποσοστό απόκλισης δυναμικού υπολογισμού από μέσο οπτικό ερ. 1 Γ 0,89 0,98 0,94 0,40-43,62% 55,06% -47,96% 2 Α 0,74 0,72 0,73 0,44 9,59% 40,54% 11,11% 3 Α 0,84 1,30 1,07 0,50-6,54% 40,48% -23,08% 4 Α 0,77 0,99 0,88 0,46-3,41% 40,26% -16,16% 5 Α 0,72 0,91 0,82 0,43-10,98% 40,28% -23,08% 6 Α 0,66 0,81 0,74 0,55 52,70% 16,67% 41,98% 7 Γ 0,83 0,75 0,79 0,51 30,38% 38,55% 37,33% 8 Γ 0,94 1,21 1,08 0,58 20,37% 38,30% 9,92% 9 Γ 0,97 1,01 0,99 0,49-3,03% 49,48% -4,95% 10 Γ 1,06 1,12 1,09 0,51-4,59% 51,89% -7,14% * Πρόκειται για το μέσο όρο του ηχητικού και οπτικού ερεθίσματος. Όπως φαίνεται απ τον παραπάνω πίνακα, δε βρέθηκε γραμμική συσχέτιση μεταξύ του μέσου δυναμικού και στατικού χρόνου αντίδρασης. Συγκεκριμένα, η ανάλυση της συσχέτισης κατά Pearson δίνει συντελεστή συσχέτισης r=0,293 και συνεπώς συντελεστή καθορισμού r 2 = 0,086 (Spieger M.R., 1992). Αυτό σημαίνει ότι μόνο το 8,6% της διακύμανσης των δυναμικών μετρήσεων μπορεί να προβλεφθεί από γραμμική σχέση με τις στατικές μετρήσεις. Συνεπώς, δε μπορούν να γίνουν ακριβείς προβλέψεις βάσει γραμμικού μοντέλου, διότι οι τιμές των στατικών ΧΑ αδυνατούν να προβλέψουν το 91,4% (100-8,6) των αλλαγών στους δυναμικά υπολογιζόμενους ΧΑ. Τα αποτελέσματα μη γραμμικής συσχέτισης είναι πιο θετικά. Το παρακάτω διάγραμμα διασποράς παρουσιάζει τη μη γραμμική συσχέτιση, όπου φαίνεται καθαρά ότι η καμπύλη περιγράφει το μοντέλο καλύτερα από το γραμμικό που υποδηλώνεται με τη διακεκομμένη ευθεία γραμμή. Αυτό το συμπέρασμα αποδεικνύεται και από την τιμή του r n 2 = 0,4045 (όπου r n 2 είναι ο συντελεστής καθορισμού για μη γραμμικά μοντέλα) που είναι φανερά μεγαλύτερη από το r 2. Δεκέμβριος

169 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης προειδοποίησης οδηγών Μη γραμμική συσχέτιση δυναμικών ως προς στατικών ΧΑ 0,6 0,5 δυναμικοί ΧΑ 0,4 0,3 0,2 0,1 0 0,000 0,200 0,400 0,600 0,800 1,000 στατικοί ΧΑ Σχήμα 34: Διάγραμμα διασποράς με γραμμική και μη γραμμική σχέση μεταξύ δυναμικών και στατικών ΧΑ. Η καμπύλη δίνεται από την εξίσωση: y = 2,3472-4,2769x +2,4013x 2 όπου y= δυναμικοί ΧΑ, x= στατικοί ΧΑ. Βέβαια, ακόμη και τα αποτελέσματα του μη γραμμικού μοντέλου δεν είναι αρκετά ικανοποιητικά για να προβλέψουν τις μελλοντικές τιμές του δυναμικού ΧΑ από το στατικό, εφόσον μόνο το 40,45% της διακύμανσης του δυναμικού ΧΑ μπορεί να προβλεφθεί από τη μη γραμμική σχέση με το στατικό ΧΑ. Το μόνο γενικό συμπέρασμα που μπορεί να εξαχθεί από τον παραπάνω πίνακα (Πίνακας 29) είναι ότι ο δυναμικός ΧΑ είναι σημαντικά μικρότερος από το στατικό για όλους τους οδηγούς. Αυτό ήταν αναμενόμενο, διότι κατά τις στατικές μετρήσεις οι οδηγοί ήταν πιο χαλαροί εφόσον δεν υπήρχε θέμα αντιμετώπισης άμεσου κινδύνου σε αντίθεση με τις δυναμικές μετρήσεις, όπου οι οδηγοί ήταν σε εγρήγορση προκειμένου να προλάβουν να πεδήσουν έγκαιρα και να αποφευχθεί σύγκρουση με το εμπρόσθιο όχημα. Όσον αφορά τις διαφορές βάσει του φύλου των οδηγών, οι γυναίκες παρουσιάζουν ελαφρώς μεγαλύτερο δυναμικό ΧΑ από τους άνδρες (γυναίκες: 0,498 δευτ., άνδρες: 0,476 δευτ.), ενώ αρκετή διαφορά, μεγαλύτερη του 0,1 δευτ. παρατηρείται στους στατικούς ΧΑ (γυναίκες: 0,978, άνδρες: 0,848). 8.4 Συμπεράσματα Οι συντελεστές του DRIVABILITY που καλύπτονται από τους παραπάνω αλγορίθμους αναφέρονται θέματα προσωπικών δεξιοτήτων (Ι1, Ι.2.3, Ι2.4), γνώσεων/ ικανοτήτων (ΙΙ.4) και επίγνωσης κινδύνου (ΙV.3). Όμως, υπάρχουν κι άλλοι συντελεστές που αναφέρονται στο DRIVABILITY και που θα έπρεπε να ικανοποιηθούν σε μελλοντικές ενέργειες. Μία πρώτη δουλειά έγινε στο ερευνητικό έργο AIDE με την ανάπτυξη της μονάδας φόρτου εργασίας (συντελεστής V DRIVABILITY) στην οποία απαιτείται περαιτέρω έρευνα. Δεκέμβριος

170 Διδακτορική Διατριβή Μαρία Πάνου Οι κυριότερες παράμετροι προσωποποίησης της πληροφόρησης οδηγού κρίθηκαν οι ΧΣΜΑ (εναλλακτικά ΧΣ) για ΣΠΑΣ και ΑΠΟΛ (εναλλακτικά ΧΠΟΛ) για ΣΠΕΛ. Ο υπολογισμός τους είναι ευχερής κι ακριβής για οχήματα εξοπλισμένα με τα συστήματα αυτά. Αντιθέτως, η προτεινόμενη προσωποποίηση με βάση το χρόνο αντίδρασης του οδηγού θα πρέπει να βασιστεί επί του παρόντος στο (μέσο) στατικό χρόνο αντίδρασης, αφού οι προσπάθειες υπολογισμού δυναμικά ενός συνεπούς δείκτη με το στατικό χρόνο αντίδρασης («δυναμικός» χρόνος αντίδρασης) μέσω κριτηρίων σχετικής επιβράδυνσης ή σχετικής ταχύτητας δεν απέδωσαν. Δεν είναι φανερό ωστόσο αν το πρόβλημα έγκειται στους προτεινόμενους αλγορίθμους ή στο γεγονός ότι οι οδηγοί κατά τη διάρκεια της δοκιμής εκτίμησης του δυναμικού χρόνου αντίδρασής τους, ανέμεναν το συμβάν της απότομης πέδησης του προπορευόμενου οχήματος, με αποτέλεσμα οι μετρούμενοι χρόνοι να μην είναι ρεαλιστικοί και μάλιστα να εξαρτώνται απ την ιδιοσυγκρασία κάθε οδηγού κι απ το βαθμό που αυτή η αναμονή (και κατά συνέπεια κατάσταση ετοιμότητας) επηρέαζε την οδηγική τους συμπεριφορά. Η ορθή αποτίμηση των προτεινομένων αλγορίθμων μπορεί επομένως να γίνει μέσω μακροχρόνιας παρακολούθησης του φαινομένου επί πραγματικού οχήματος και πραγματικών κυκλοφοριακών συνθηκών. Ωστόσο, η σπανιότητα άσκησης τέτοιας πέδησης ανάγκης είναι τέτοια, που θα απαιτούσε πολύμηνες δοκιμές για κάθε οδηγό σε πραγματικό δρόμο, κάτι που εκφεύγει των δυνατοτήτων της παρούσας διατριβής. Δεκέμβριος

171 9 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων Στο παρόν κεφάλαιο αναπτύσσονται οι προτεινόμενοι αλγόριθμοι για την παροχή προσωποποιημένης πληροφόρησης για διαδρομές και σημεία ενδιαφέροντος, ανάλογα με τις προτιμήσεις του μετακινουμένου που καταγράφονται βάσει των προηγουμένων επιλογών του. Επίσης, παρατίθενται αλγόριθμοι για την προσωποποίηση των προωθούμενων πληροφοριών απ το σύστημα (χωρίς δηλαδή αίτημα του χρήστη). 9.1 Πληροφόρηση επιλογής διαδρομής Δεδομένου ότι η πληροφόρηση του μετακινουμένου δίδεται συνήθως επί κινητών συσκευών (PDA ή κινητό τηλέφωνο) και πιθανώς με πίεση χρόνου (π.χ. όταν παρέχονται κατά την μετακίνηση), πρέπει να επιλέγονται οι βέλτιστες διαδρομές με βάση τις προτιμήσεις του χρήστη και όχι να παρέχεται στο χρήστη η πλήρης λίστα πιθανών διαδρομών, για να επιλέξει ο ίδιος. Ο παρακάτω αλγόριθμος στοχεύει ακριβώς σ αυτό. Για την παρουσίαση του αλγορίθμου χρησιμοποιούνται αρκετές παράμετροι, γι αυτό κρίνεται σκόπιμο να οριστούν και να εξηγηθούν αρχικά οι παράμετροι αυτές πριν τη διατύπωση του αλγορίθμου. Οι παράμετροι είναι οι εξής, ταξινομημένες ανά τύπο προτεραιότητας (καλύπτοντας τους κυριότερους τύπους της παραγράφου ). Οι παράμετροι εδώ υπολογίζονται δυναμικά από τον προτεινόμενο αλγόριθμο. Εναλλακτικά, ο χρήστης θα μπορούσε να τις εισαγάγει και στατικά ως προεπιλογή. Η διαδρομή με τη μέγιστη αποδεκτή απόσταση βάδισης ανά μετεπιβίβαση Το σύστημα παρακολουθεί τις επιλογές του χρήστη, αναζητώντας ποια είναι η μέγιστη απόσταση βάδισης μεταξύ μετεπιβιβάσεων που αποδέχεται να διανύσει. Αυτή σχετίζεται με τους συντελεστές φυσικής κατάστασης (Ι.1) και απόστασης από την πλησιέστερη στάση (ΙΙΙ.2) του μοντέλου TRANSPORTABILITY. Οι σχετικές παράμετροι είναι οι εξής: μεγαπόσταση: η μέγιστη αποδεκτή απόσταση βάδισης(ανά μετεπιβίβαση). (ενδιαδρομέςno)μεγαπόσταση: ο αριθμός προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν τη μέγιστη αποδεκτή απόσταση βάδισης ανά μετεπιβίβαση. Π(ενΔιαδρομέςNo)μεγΑπόσταση: επιλογή των καλύτερων εκ των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν τη μέγιστη αποδεκτή απόσταση βάδισης ανά μετεπιβίβαση. Δεκέμβριος

172 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων Η διαδρομή με τα αποδεκτά μεταφορικά μέσα χρήσης Επίσης, το σύστημα παρακολουθεί τις επιλογές του χρήστη αναζητώντας ποια μεταφορικά μέσα αποφεύγει συστηματικά να επιλέγει (π.χ. λεωφορείο). Αυτά σχετίζονται με τον συντελεστή τύπου μέσου μετακίνησης (ΙΙΙ.1) του μοντέλου TRANSPORTABILITY και καθορίζεται με τις ακόλουθες παραμέτρους: χειρmμ: το λιγότερο αποδεκτό είδος μεταφορικού μέσου. (ενδιαδρομέςno)χειρmμ: ο αριθμός των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν τα αποδεκτά είδη χρήσης των μεταφορικών μέσων. Π(ενΔιαδρομέςNo)χειρMΜ: επιλογή των καλύτερων εκ των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν τα αποδεκτά είδη χρήσης των μεταφορικών μέσων. j: το είδος του μεταφορικού μέσου (μετρό, αυτοκίνητο, λεωφορείο, τραμ, ταξί, πεζός). Η διαδρομή με το μέγιστο αποδεκτό αριθμό μετεπιβιβάσεων (αλλαγών μεταφορικών μέσων) Το σύστημα παρακολουθεί τις επιλογές του χρήστη, αναζητώντας ποιος είναι ο μέγιστος αριθμός μετεπιβιβάσεων που αποδέχεται για μία διαδρομή. Αυτές σχετίζονται με τον συντελεστή αριθμού προηγούμενων μετεπιβιβάσεων (ΙΙΙ.3) του μοντέλου TRANSPORTABILITY και χαρακτηρίζεται από τις ακόλουθες παραμέτρους: μεγνομμ: ο μέγιστος αποδεκτός αριθμός χρήσης μεταφορικών μέσων ανά διαδρομή (αρχικά τίθεται μηδενική). (ενδιαδρομέςno)μεγνομμ: ο αριθμός των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν το μέγιστο αποδεκτό αριθμό χρήσης μεταφορικών μέσων ανά διαδρομή. Π(ενΔιαδρομέςNo)μεγΝοΜΜ: επιλογή των καλύτερων εκ των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη, που ικανοποιούν το μέγιστο αποδεκτό αριθμό χρήσης μεταφορικών μέσων ανά διαδρομή. i: ο αριθμός των μεταφορικών μέσων ανά προτεινόμενη (από το σύστημα) διαδρομή. Τα παραπάνω τρία χαρακτηριστικά της εκάστοτε διαδρομής αποτελούν τα βασικά κριτήρια που ελέγχονται από τον αλγόριθμο. Ακολουθούν δύο ακόμη στοιχεία, δευτερεύουσας σημασίας που εξετάζει ο αλγόριθμος: Η συντομότερη διαδρομή Το σύστημα λαμβάνει υπόψη του το συνολικό χρόνο της εκάστοτε επιλεχθείσας διαδρομής. Αυτός σχετίζεται με το συντελεστή χρονικών περιορισμών μετακίνησης (ΙΙΙ.5) του μοντέλου TRANSPORTABILITY. Οι σχετική παράμετρος είναι η ακόλουθη: Ε_ ενδιαδρομές διάρκεια : ο αριθμός των επιλεχθέντων διαδρομών από το χρήστη με βάση τη μικρότερη διάρκεια. Η διαδρομή με το χαμηλότερο κόστος Το σύστημα λαμβάνει υπόψη του το συνολικό οικονομικό κόστος της εκάστοτε επιλεχθείσας διαδρομής. Αυτό σχετίζεται με το συντελεστή οικονομικών περιορισμών Δεκέμβριος

173 Διδακτορική Διατριβή Μαρία Πάνου μετακίνησης (ΙΙΙ.6) του μοντέλου TRANSPORTABILITY. Η παράμετρος που τη χαρακτηρίζει είναι: Ε_ ενδιαδρομές κόστος : ο αριθμός των επιλεχθέντων διαδρομών από το χρήστη με βάση το χαμηλότερο κόστος. Επιπλέον, υπάρχουν μερικές ακόμη γενικές παράμετροι που χρησιμοποιούνται στον προτεινόμενο αλγόριθμο, οι οποίες είναι: ενδιαδρομές: οι προτεινόμενες από το σύστημα εναλλακτικές διαδρομές, για κάθε αίτημα του χρήστη ενδιαδρομέςno:ο αριθμός των προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη (ενδιαδρομέςno)κ: ο αριθμός των καλύτερων προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη Π(ενΔιαδρομέςNo)Κ: επιλογή των καλύτερων εκ των καλύτερων προτεινόμενων από το σύστημα εναλλακτικών διαδρομών, για κάθε αίτημα του χρήστη Ε_ ενδιαδρομές: οι επιλεχθείσες διαδρομές από το χρήστη (δηλαδή εκείνες για τις οποίες ζητήθηκε καθοδήγηση διαδρομής). Ε_ ενδιαδρομέςno: ο αριθμός των επιλεχθέντων διαδρομών από το χρήστη από την αρχική χρήση του συστήματος. μεγλίστα: ο μέγιστος αριθμός διαδρομών που μπορεί να δειχθεί στο χρήστη (ο αριθμός αυτός διαφέρει για διαφορετικούς τύπους συσκευών, π.χ. μικρότερος για κινητά τηλέφωνα, μεγαλύτερος για PDA, κλπ., λόγω του μεγέθους της οθόνης). μεγλίστα2: ο μέγιστος αριθμός διαδρομών που μπορεί να συμπεριληφθεί στη εφεδρική, δευτερεύουσα λίστα. k = 1,, ΔΥ, όπου ΔΥ = δείκτης υπηρεσίας (κάθε φορά που ο χρήστης ζητάει μία υπηρεσία: ΔΥ = ΔΥ+1). Εδώ σημειώνεται ότι ο αλγόριθμος που ακολουθεί υποθέτει ότι ο χρήστης έχει επιλέξει εκ των προτέρων το είδος χρήσης (τουρίστας, κάτοικος προς αναψυχή, κάτοικος προς εργασία, κλπ.), βάσει των παραγράφων και Χρήση του αλγορίθμου με βήματα Ο σχετικός αλγόριθμος αναπτύσσεται σε έξι βήματα που ακολουθούν στη συνέχεια. Αξίζει να σημειωθεί ότι ο αλγόριθμος αυτός αποτελεί έτοιμη υπηρεσία που μπορεί να υλοποιηθεί ως έχει από τους κατάλληλους φορείς για την πληροφόρηση των μετακινουμένων, με τη συνεργασία παρόχων του απαιτούμενου περιεχομένου, δηλαδή δρομολογίων μεταφορικών μέσων και δυναμικών ψηφιακών χαρτών. 1 Ο ΒΗΜΑ: Έλεγχος αριθμού χρήσης της υπηρεσίας ώστε να εκκινήσει ή όχι η προσωποποίηση Η εφαρμογή του αλγορίθμου προσωποποίησης, θα αρχίσει να γίνεται εμφανής όταν ο χρήστης έχει χρησιμοποιήσει το σύστημα κάποιες φορές ώστε ο αλγόριθμος να μπορέσει να καταγράψει τις προτιμήσεις του (δηλαδή να έχει καταγραφεί το ιστορικό των προηγουμένων επιλογών του). Επομένως, ορίστηκε ότι όταν το ΔΥ=20, οι παράμετροι μεγαπόσταση, χειρμμ και μεγνομμ, θα αποκτήσουν μία τιμή, βάσει των προηγούμενων επιλογών του χρήστη έως τώρα. Μόνο όταν ΔΥ 20, ο αλγόριθμος θα προχωρήσει στα επόμενα βήματα. Δεκέμβριος

174 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων 2 Ο ΒΗΜΑ: Αναζήτηση των διαδρομών που ικανοποιούν και τα 3 βασικά κριτήρια Πρέπει να ελεγχθεί εάν οι διαθέσιμες διαδρομές για τα συγκεκριμένα σημεία εκκίνησης και προορισμού που ικανοποιούν όλες τις παραπάνω βασικές παραμέτρους, δηλαδή μεγαπόσταση, χειρμμ και μεγνομμ. Εάν οι διαθέσιμες λύσεις (διαδρομές) που ικανοποιούν και τις 3 παραμέτρους είναι λιγότερες από το άθροισμα των μεγλίστα+μεγλίστα2, τότε ο αλγόριθμος θα προχωρήσει στο 3 ο βήμα. Έναρξη αλγορίθμου Εάν (ενδιαδρομέςno)κ μεγλίστα+μεγλίστα2 τότε δείξε τις λύσεις με σειρά προτεραιότητας μέχρι Π(ενΔιαδρομέςNo)Κ = μεγλίστα+μεγλίστα2 Διαφορετικά, έλεγξε το κριτήριο μεγαπόσταση Τέλος αλγορίθμου Η σειρά προτεραιότητας θα ακολουθήσει την παρακάτω λογική: Θα δειχθούν στο χρήστη οι διαδρομές Π(ενΔιαδρομέςNo)Κ με σειρά προτεραιότητας, πρώτα βάσει της μικρότερης απόστασης βάδισης, μετά βάσει του αποδεκτού μέσου μεταφοράς και τέλος βάσει των λιγότερων απαιτούμενων μετεπιβιβάσεων από ένα μεταφορικό μέσο σ ένα άλλο. 3 Ο ΒΗΜΑ: Αναζήτηση και προσθήκη διαδρομών που ικανοποιούν μόνο το κριτήριο μεγαπόσταση Εάν υπάρχουν ακόμη ελεύθερες θέσεις στις μεγλίστα και μεγλίστα2, ελέγχονται και οι λύσεις που ικανοποιούν μόνο το κριτήριο μεγαπόσταση, ενώ δεν ικανοποιούν τ άλλα δύο κριτήρια, προκειμένου να συμπληρωθούν οι κενές θέσεις διαδρομών στη συσκευή του χρήστη, δηλαδή: Έναρξη αλγορίθμου Εάν (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση μεγλίστα + μεγλίστα2 Τότε Δείξε στο χρήστη τις διαδρομές με σειρά προτεραιότητας μέχρι Π(ενΔιαδρομέςNo)Κ + Π(ενΔιαδρομέςNo)μεγΑπόσταση = μεγλίστα + μεγλίστα2 Διαφορετικά, έλεγξε το κριτήριο χειρμμ Τέλος αλγορίθμου 4 Ο ΒΗΜΑ: Αναζήτηση και προσθήκη διαδρομών που ικανοποιούν μόνο το κριτήριο χειρμμ Εάν με το 2 ο και 3 ο βήμα οι προτεινόμενες διαδρομές είναι λιγότερες από το άθροισμα των μεγλίστα + μεγλίστα2, θα ελεγχθούν και οι λύσεις που ικανοποιούν μόνο το Δεκέμβριος

175 Διδακτορική Διατριβή Μαρία Πάνου κριτήριο χειρμμ, ενώ δεν ικανοποιούν τ άλλα δύο κριτήρια, προκειμένου να συμπληρωθούν οι εναπομείνασες κενές θέσεις παροχής διαδρομών στη συσκευή: Έναρξη αλγορίθμου Εάν (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση + (ενδιαδρομέςno)χειρmμ μεγλίστα + μεγλίστα2 Τότε Δείξε στο χρήστη τις διαδρομές με σειρά προτεραιότητας μέχρι Π(ενΔιαδρομέςNo)Κ + Π(ενΔιαδρομέςNo)μεγΑπόσταση + Π(ενΔιαδρομέςNo)χειρMΜ = μεγλίστα + μεγλίστα2 Διαφορετικά, έλεγξε το κριτήριο μεγνομμ Τέλος αλγορίθμου 5 Ο ΒΗΜΑ: Αναζήτηση και προσθήκη διαδρομών που ικανοποιούν μόνο το κριτήριο μεγνομμ Εάν με το 2 ο, 3 ο και 4 ο βήμα οι προτεινόμενες διαδρομές είναι λιγότερες από το άθροισμα των μεγλίστα + μεγλίστα2, θα ελεγχθούν και οι λύσεις που ικανοποιούν μόνο το κριτήριο μεγνομμ, έστω κι αν δεν ικανοποιούν τα άλλα δύο κριτήρια, προκειμένου να συμπληρωθούν οι λίστες των προτεινομένων διαδρομών: Έναρξη αλγορίθμου Εάν (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση + (ενδιαδρομέςno)χειρmμ + (ενδιαδρομέςno)μεγνομμ μεγλίστα + μεγλίστα2 Τότε Δείξε στο χρήστη τις διαδρομές με σειρά προτεραιότητας μέχρι (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση + (ενδιαδρομέςno)χειρmμ + (ενδιαδρομέςno)μεγνομμ = μεγλίστα + μεγλίστα2 Τέλος αλγορίθμου Στην περίπτωση που μία διαδρομή δεν ικανοποιεί τους παραπάνω κανόνες (βήματα 2-5), θα αποθηκευτεί στη δευτερεύουσα λίστα, δηλαδή, θα είναι διαθέσιμη μόνο εάν ο χρήστης επιλέξει «Εφεδρική λίστα», εκτός κι αν δεν υπάρχει άλλη λύση που μπορεί να προταθεί από το σύστημα. 6 Ο ΒΗΜΑ: Παρουσίαση διαδρομών όταν ΔΥ <20 Εάν ο συγκεκριμένος χρήστης έχει χρησιμοποιήσει το σύστημα λιγότερες από 20 φορές, τότε οι προτεινόμενες διαδρομές που θα δειχθούν θα είναι εκείνες με τη μικρότερη απόσταση βαδίσματος μεταξύ μετεπιβιβάσεων και/ή με τα αποδεκτά (από το χρήστη) μεταφορικά μέσα και/ή με το μικρότερο αριθμό μετεπιβιβάσεων (με αυτή τη σειρά προτεραιότητας). Οι υπόλοιπες επιλογές θα αποθηκεύονται πάντα και ο χρήστης θα μπορεί να τις δει επιλέγοντας την «Εφεδρική λίστα». Κατά τη διάρκεια εκμάθησης του χρήστη (ΔΥ 20), καταγράφεται η απόσταση βάδισης, το είδος και ο αριθμός των μεταφορικών μέσων και αποθηκεύονται οι αντίστοιχες τιμές/παράμετροι (μεγαπόσταση, χειρmμ, μεγνομμ), βάσει της επιλεχθείσας διαδρομής, κάθε φορά που ο χρήστης χρησιμοποιεί το σύστημα. Βέβαια, Δεκέμβριος

176 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων και για τις τρεις προαναφερθείσες παραμέτρους, καταγραφή πραγματοποιείται όταν υπάρχουν τουλάχιστον 2 εναλλακτικές λύσεις. Κι αυτό συμβαίνει γιατί, αν για παράδειγμα, υπάρχει μόνο μία διαδρομή/λύση με τα ακόλουθα χαρακτηριστικά: μεγαπόσταση= x μέτρα, μεγνομμ= ψ, ο χρήστης θα την επιλέξει αναγκαστικά, αφού δεν υπάρχει κάποια άλλη πρόταση. Αυτό όμως δε σημαίνει ότι ο χρήστης προτιμά να περπατάει έως x μέτρα, ούτε να αλλάζει έως ψ μεταφορικά μέσα. Τέλος, όταν ο χρήστης επιλέγει μία αναπάντεχη λύση από την «Εφεδρική λίστα» για αρκετές φορές 7, τότε τα χαρακτηριστικά του χρήστη όσον αφορά στην απόσταση βαδίσματος, στον αριθμό των μετεπιβιβάσεων, ή στο είδος των μεταφορικών μέσων, θα επανακαθοριστούν και θα ξεκινήσει νέα εκμάθηση του χρήστη (όλες οι τιμές θα μηδενιστούν) μέχρι ΔΥ=20. Στο μεταξύ (όσο ΔΥ <20), οι διαδρομές θα προτείνονται βάσει του παλιού αλγορίθμου. Εάν ο χρήστης επιλέξει έστω και μία φορά (από την «Εφεδρική λίστα»), μία διαδρομή που δεν ικανοποιεί τα κριτήρια (ενδιαδρομές)κ, (ενδιαδρομές)μεγαπόσταση, (ενδιαδρομές)χειρmμ και ούτε (ενδιαδρομές)μεγνομμ, τότε η λύση αυτή θα μεταφερθεί στην κύρια λίστα των προτεινόμενων διαδρομών. Βέβαια, αυτό ισχύει μόνο εάν, για παράδειγμα, (ενδιαδρομές)μεγνομμ+1 βρίσκεται ήδη στην «Εφεδρική λίστα», που σημαίνει ότι εάν μία λύση με περισσότερα μεταφορικά μέσα βρίσκεται στην κύρια λίστα, η λύση με λιγότερα μεταφορικά μέσα ((ενδιαδρομές)μεγνομμ) θα παραμείνει επίσης στην κύρια λίστα. Περαιτέρω προσωποποίηση Όταν οι προτεινόμενες διαδρομές έχουν επιλεχθεί από το σύστημα, βάσει του παραπάνω αλγορίθμου, εφαρμόζεται περαιτέρω προσωποποίηση για προτεραιότητες διαδρομών με βάση το «κόστος» και τη «διάρκεια». Τέτοια προσωποποίηση θα εφαρμοστεί εάν οι λύσεις που πληρούν τα απαιτούμενα χαρακτηριστικά υπερβαίνουν τα μεγέθη μεγλίστα ή μεγλίστα2 και οι παράμετροι μεγαπόσταση και/ή χειρμμ και/ή μεγνομμ ικανοποιούνται στον ίδιο βαθμό και γι αυτό δε μπορεί να δοθεί προτεραιότητα. Αυτό μπορεί να πραγματοποιηθεί ως εξής: Έναρξη αλγορίθμου Εάν Ε_ ενδιαδρομές κόστος > Ε_ ενδιαδρομές διάρκεια Τότε δείξε πρώτα το Ε_ ενδιαδρομές κόστος Αλλιώς δείξε το Ε_ ενδιαδρομές διάρκεια Τέλος αλγορίθμου 7 Αυτό σημαίνει τουλάχιστον 10% του λόγου επιλογής βάσει νέου χαρακτηριστικού ως προς το σύνολο χρήσης της υπηρεσίας επιλογής διαδρομής, δηλαδή: (αριθμός επιλογών με νέο χαρακτηριστικό/ Ε_ ενδιαδρομέςno )> 0.1 Δεκέμβριος

177 Διδακτορική Διατριβή Μαρία Πάνου Παράδειγμα λειτουργίας αλγορίθμου Υποθέτουμε τα εξής: - ΔΥ>20 (ο χρήστης έχει χρησιμοποιήσει το σύστημα περισσότερες από 20 φορές). - Η οθόνη της συσκευής έχει χωρητικότητα για να δείξει 5 λύσεις στην κύρια λίστα και άλλες 5 στην «Εφεδρική λίστα», δηλαδή: μεγλίστα =5, μεγλίστα2 =5. - Ο χρήστης ορίζει το σημείο προορισμού. Το σύστημα βρίσκει 12 εναλλακτικές διαδρομές, με τα ακόλουθα χαρακτηριστικά: Πίνακας 30: Χαρακτηριστικά εναλλακτικών διαδρομών παραδείγματος. Αριθμός διαδρομής μεγαπόσταση χειρmμ μεγνομμ Κόστος Διάρκεια (λεπτά) x x x x x x Βάσει της εκμάθησης του χρήστη από το σύστημα, το «προφίλ» του έχει τα ακόλουθα χαρακτηριστικά: Μέγιστη αποδεκτή απόσταση βάδισης: 2χλμ. Είδος μεταφορικού μέσου που ο χρήστης δεν επιθυμεί να χρησιμοποιήσει: τραμ. Μέγιστος αριθμός μετεπιβιβάσεων (μεταφορικών μέσων): 2. Επίσης, Ε_ ενδιαδρομές κόστος =6 < Ε_ ενδιαδρομές διάρκεια =12. Συνεπώς, οι διαδρομές που καλύπτουν το προφίλ του χρήστη είναι (ενδιαδρομέςno)κ =5, και συγκεκριμένα οι: 1, 3, 5, 6, 8 (πράσινα κελιά). (ενδιαδρομέςno)κ =5< μεγλίστα + μεγλίστα2=10 Κατόπιν της εφαρμογής προτεραιότητας, η σειρά που οι διαδρομές θα δειχθούν στο χρήστη, είναι η εξής: 1. Διαδρομή 8 2. Διαδρομή 5 3. Διαδρομή 6 4. Διαδρομή 3 5. Διαδρομή 1 Αυτές οι 5 διαδρομές θα συμπεριληφθούν στην κύρια λίστα, ενώ όλες οι επόμενες στην «Εφεδρική λίστα». Τώρα ο αλγόριθμος ελέγχει τις υπόλοιπες διαδρομές που ικανοποιούν το κριτήριο μεγαπόσταση, οι οποίες είναι 2 ((ενδιαδρομέςno)μεγαπόσταση =2), οι διαδρομές 2 και 7 (μπλε κελιά). Δεκέμβριος

178 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων Τώρα ισχύει ότι: (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση =7 < μεγλίστα + μεγλίστα2=10. Η σειρά με την οποία θα παρουσιαστούν αυτές οι δύο διαδρομές θα είναι: 6. Διαδρομή 7 7. Διαδρομή 2 Στη συνέχεια, ο αλγόριθμος ελέγχει τις υπόλοιπες διαδρομές που ικανοποιούν το κριτήριο χειρmμ. Υπάρχει μόνο μία τέτοια διαδρομή (δηλαδή (ενδιαδρομέςno)χειρμμ =1), που είναι η διαδρομή 10 (μωβ κελιά). Τώρα ισχύει ότι: (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση + (ενδιαδρομέςno)χειρμμ =8 < μεγλίστα + μεγλίστα2=10. Αυτό σημαίνει ότι μία ακόμη διαδρομή θα προστεθεί στην «Εφεδρική λίστα». 8. Διαδρομή 10 Συνεχίζοντας ο αλγόριθμος εξετάζει τις εναπομείνασες διαδρομές που ικανοποιούν το κριτήριο μεγνομμ, και βρίσκει ότι υπάρχουν 3, δηλαδή (ενδιαδρομέςno)μεγνομμ =3, που είναι οι 4, 11 και 12 (κίτρινα κελιά). Έτσι, τώρα ισχύει: (ενδιαδρομέςno)κ + (ενδιαδρομέςno)μεγαπόσταση + (ενδιαδρομέςno)χειρμμ + (ενδιαδρομέςno)μεγνομμ = 11 >μεγλίστα + μεγλίστα2=10. Το σύστημα θα ασκήσει προτεραιότητα στις τελευταίες 3 διαδρομές σε σχέση με το κριτήριο μεγνομμ, καθώς δεν υπάρχει χώρος για μία λύση (μόνο 2 λύσεις μπορούν να προστεθούν ακόμη στην «Εφεδρική λίστα»). Αλλά εφόσον και οι τρεις διαδρομές χαρακτηρίζονται από τον ίδιο αριθμό μεταφορικών μέσων (δηλαδή 1), θα χρησιμοποιηθεί ο περαιτέρω αλγόριθμος προσωποποίησης, βάσει σύγκρισης μεταξύ των διαδρομών που είχαν επιλεχθεί από το χρήστη στο παρελθόν, σε σχέση με το κόστος και τη διάρκεια της κάθε διαδρομής. Όπως προαναφέρθηκε, ισχύει ότι: Ε_ ενδιαδρομές κόστος =6 < Ε_ ενδιαδρομές διάρκεια =12 Έτσι, θα συμπεριληφθούν στη δευτερεύουσα λίστα οι διαδρομές με τη μικρότερη διάρκεια: 9. Διαδρομή Διαδρομή 4 Συνεπώς, η διαδρομή 11 δε θα δειχθεί στο χρήστη. Το ίδιο ισχύει και για τη διαδρομή 9, η οποία δεν ικανοποιεί κανένα από τα παραπάνω κριτήρια. 9.2 Πληροφόρηση επιλογής σημείων ενδιαφέροντος Όπως και στην προηγούμενη παράγραφο, παρουσιάζονται πρώτα οι παράμετροι που θα χρησιμοποιηθούν για τη διατύπωση του σχετικού αλγορίθμου. Και πάλι σημειώνεται ότι ο χρήστης έχει περιορισμένο χρόνο και χώρο επί της κινητής συσκευής του και χρειάζεται να λάβει μικρό αριθμό λύσεων. Γι αυτό απαιτείται ιεράρχησή τους με βάση τις προσωπικές του προτιμήσεις. ΣΕ: σημείο/α ενδιαφέροντος. j: τύπος σημείου ενδιαφέροντος (ξενοδοχείο, μουσείο, εστιατόριο, κ.α.). Δεκέμβριος

179 Διδακτορική Διατριβή Μαρία Πάνου υπο-σε: υποκατηγορία σημείου ενδιαφέροντος (π.χ. είδος ξενοδοχείου: 2 αστέρων, 3 αστέρων, κλπ.). κ: καθημερινή, δηλαδή ημέρα τις εβδομάδας από Δευτέρα ως Παρασκευή. σ: ημέρα του Σαββατοκύριακου. Ε_ΣΕjκNo: οι φορές που το συγκεκριμένο ΣΕ επιλέχθηκε από το χρήστη, μία ημέρα εκτός Σαββατοκύριακου. Ε_ΣΕjσNo: οι φορές που το συγκεκριμένο ΣΕ επιλέχθηκε από το χρήστη, μία ημέρα του Σαββατοκύριακου. Σ_ΣΕjκNo: ο αριθμός των προτεινόμενων ΣΕ για το συγκεκριμένο τύπο ΣΕj που θα δοθεί από το σύστημα στο χρήστη, μία ημέρα εκτός Σαββατοκύριακου. Σ_ΣΕjσNo: ο αριθμός των προτεινόμενων λύσεων για τη συγκεκριμένη υποκατηγορία ΣΕj που θα δοθεί από το σύστημα στο χρήστη, μία ημέρα του Σαββατοκύριακου. Σ_υπο-ΣΕjκNo: ο αριθμός των προτεινόμενων υπο-σε για το συγκεκριμένο τύπο ΣΕj που θα δοθεί από το σύστημα στο χρήστη, μία ημέρα εκτός Σαββατοκύριακου. Σ_υπο-ΣΕjσNo: ο αριθμός των προτεινόμενων υπο-σε για τη συγκεκριμένη υποκατηγορία ΣΕj που θα δοθεί από το σύστημα στο χρήστη, μία ημέρα του Σαββατοκύριακου. μεγλίστα: ο μέγιστος αριθμός των ΣΕ που μπορεί να δειχθεί στο χρήστη (ο αριθμός αυτός μπορεί να διαφέρει για διαφορετικούς τύπους συσκευών, π.χ. μικρότερος για κινητά τηλέφωνα, μεγαλύτερος για PDA, κλπ., λόγω του μεγέθους της οθόνης). μεγλίστα2: ο μέγιστος αριθμός ΣΕ που μπορεί να συμπεριληφθεί στη εφεδρική, δευτερεύουσα λίστα. Όπως και στην περίπτωση της προσωποποίησης επιλογής διαδρομής, ο αλγόριθμος θα αρχίσει να λειτουργεί όταν ο χρήστης έχει ζητήσει ΣΕ τουλάχιστον για 20 φορές. Μέχρι τότε, το σύστημα θα παρουσιάζει το χρήστη εκείνα τα ΣΕ που βρίσκονται πιο κοντά του. Ο αλγόριθμος προσωποποίησης σημείων ενδιαφέροντος αναπτύσσεται σε τρία κύρια βήματα, ως ακολούθως: Χρήση του αλγορίθμου με βήματα Ο προτεινόμενος αλγόριθμος βασίζεται στο συγκριτικό υπολογισμό του αριθμού των προηγούμενων επιλογών του χρήστη μίας συγκεκριμένης κατηγορίας ή υποκατηγορίας σημείου ενδιαφέροντος, στο ίδιο χρονικό πλαίσιο (π.χ. καθημερινές ή Σαββατοκύριακα). Έτσι, κατηγορίες και υποκατηγορίες σημείων ενδιαφέροντος με υψηλό αριθμό επιλογών κατά το παρελθόν, προτιμώνται έναντι αυτών με μικρότερο και οι προτάσεις προς το χρήστη διαμορφώνονται με βάση τη σχετική συχνότητα επιλογών τους. 1 Ο ΒΗΜΑ: Έλεγχος προηγούμενων επιλογών συγκεκριμένων τύπων (j) ΣΕ στο παρελθόν Υποθέτουμε ότι ο χρήστης ζητάει να δει ποιά είναι τα σημεία ενδιαφέροντος που βρίσκονται πλησίον του. Ο αλγόριθμος ελέγχει πόσες φορές έχει επιλέξει ο χρήστης συγκεκριμένους τύπους (j) ΣΕ στο παρελθόν (Ε_ΣΕjκNo ή Ε_ΣΕjσNo), (για τους οποίους έχει ζητήσει καθοδήγηση διαδρομής, π.χ. μουσείο, εστιατόριο, κλπ.) είτε για καθημερινές είτε για Σαββατοκύριακα (ανάλογα την ημέρα της εβδομάδας που βρίσκεται τώρα ο χρήστης). Επίσης, υπολογίζονται οι συνολικές επιλογές διαφόρων ΣΕ στο παρελθόν ( Ε_ΣΕκNo ή Ε_ΣΕσNo). Δεκέμβριος

180 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων 2 Ο ΒΗΜΑ: Έλεγχος δυνατότητας χωρητικότητας αριθμού ΣΕ στην οθόνη Το σύστημα υπολογίζει τον αριθμό των ΣΕ που θα δειχθούν στο χρήστη, βάσει της δυνατότητας χωρητικότητας αριθμού ΣΕ στην οθόνη (μεγλίστα), ως εξής: Για τις καθημερινές: Ε_ΣΕjκNo Σ_ΣΕjκNo = Ε_ΣΕκNo * μεγλίστα (9.1)α Ομοίως για το Σαββατοκύριακο: Σ_ΣΕjσNo = Ε_ΣΕjσNo Ε_ΣΕσNo * μεγλίστα (9.1)β Κανόνας 1: Ο αριθμός των προτεινόμενων ΣΕ είναι μεγαλύτερος απ τη χωρητικότητα της οθόνης Εάν Σ_ΣΕκNo > μεγλίστα τότε οι υπόλοιπες λύσεις θα καταχωρηθούν στην «Εφεδρική λίστα», ώσπου να συμπληρωθεί το μεγλίστα2, ακολουθώντας τη σειρά του πιο περιζήτητου ΣΕ (εκείνου με τη μεγαλύτερη ζήτηση). Κανόνας 2: Ο αριθμός των προτεινόμενων ΣΕ είναι μεγαλύτερος απ τη χωρητικότητα της οθόνης και της δευτερεύουσας λίστας Εάν Σ_ΣΕκNo > μεγλίστα + μεγλίστα2 τότε θα αποκλειστούν τα λιγότερο περιζήτητα ΣΕ (δηλαδή με το μικρότερο Σ_ΣΕjκNo ή Ε_ΣΕjκNo). Κανόνας 3: Ο αριθμός των προτεινόμενων ΣΕ είναι μικρότερος απ τη χωρητικότητα της οθόνης Εάν Σ_ΣΕjκNo < μεγλίστα τότε θα προστεθούν περισσότερα ΣΕ, με ιεράρχηση βάσει του πιο περιζήτητου τύπου (j), ώσπου να συμπληρωθεί το μεγλίστα. Η ίδια κατηγοριοποίηση θα ακολουθηθεί για την «Εφεδρική λίστα», ώσπου να συμπληρωθεί το μεγλίστα2 (εάν είναι δυνατό). Κανόνας 4: Ο αριθμός των διαθέσιμων ΣΕ είναι μικρότερος από τον αριθμό των προτεινόμενων ΣΕ και τα δεύτερα περισσότερα απ τη χωρητικότητα της οθόνης Εάν τα ΣΕ που βρίσκει το σύστημα είναι λιγότερα από Σ_ΣΕjκNo και Σ_ΣΕjκNo > μεγλίστα, τότε το σύστημα ελέγχει εάν ο αριθμός των υπολοίπων διαθέσιμων ΣΕ που θα συμπληρώσουν τα κενά των μη διαθέσιμων ΣΕ ικανοποιούν το μέγεθος μεγλίστα, δηλαδή είναι λιγότερα (οπότε η έλλειψη ενός ή παραπάνω ΣΕ αντισταθμίζει τον πλεονάζων αριθμό των προτεινομένων ΣΕ τα οποία είναι περισσότερα από τη χωρητικότητα της οθόνης). Εάν ναι, τα δείχνει στο χρήστη. Εάν ακόμη είναι περισσότερα, τότε ισχύει ο Κανόνας 1. Εάν είναι λιγότερα, οι κενές θέσεις συμπληρώνονται με τους επόμενους πιο περιζήτητους τύπους ΣΕ. Η ίδια λογική ισχύει εάν Σ_ΣΕjκNo > μεγλίστα + μεγλίστα2 (και ισχύει ο Κανόνας 2). Δεκέμβριος

181 Διδακτορική Διατριβή Μαρία Πάνου Κανόνας 5: Ο αριθμός των διαθέσιμων ΣΕ είναι μικρότερος από τον αριθμό των προτεινόμενων ΣΕ και τα δεύτερα λιγότερα απ τη χωρητικότητα της οθόνης Εάν τα ΣΕς που βρίσκει το σύστημα είναι λιγότερα από Σ_ΣΕjκNo και Σ_ΣΕjκNo < μεγλίστα, τότε τα ΣΕ των πιο δημοφιλών τύπων, αν υπάρχουν, θα συμπληρώσουν τα κενά (θα δειχθούν στο χρήστη). Εάν δεν υπάρχουν, τότε θα δειχθούν τα δεύτερα πιο δημοφιλή ΣΕ, κ.ο.κ. και ισχύει ο Κανόνας 3. Κανόνας 6: Ύπαρξη δύο εξίσου δημοφιλών ΣΕ Εάν τα επόμενα πιο δημοφιλή ΣΕ είναι 2 (έχουν επιλεχθεί δηλαδή ίσες φορές), τότε θα προτιμηθεί εκείνο το ΣΕ που βρίσκεται πιο κοντά στο χρήστη. Κανόνας 7: Αντικατάσταση ενός απ τα λιγότερα δημοφιλή ΣΕ Εάν ένα ΣΕ που έχει ζητηθεί από το χρήστη στο παρελθόν δε θα δειχθεί επειδή οι μεγλίστα και μεγλίστα2 έχουν συμπληρωθεί από άλλα ΣΕ, τότε 1 ΣΕ από τον λιγότερο δημοφιλές τύπο (j) θα αντικατασταθεί με το ΣΕ που δε θα παρουσιαζόταν στο χρήστη, μόνο στην περίπτωση που υπάρχουν τουλάχιστον 2 ΣΕ από τον λιγότερο δημοφιλές τύπο στην κύρια ή εφεδρική λίστα προτάσεων (ώστε να μείνει ένα ΣΕ από τον τύπο αυτό). Εάν υπήρχε μόνο 1, τότε το ΣΕ που θα αντικατασταθεί θα είναι του επόμενου λιγότερο δημοφιλούς ΣΕ, μόνο εάν υπήρχαν τουλάχιστον 2 αυτού του τύπου στη λίστα, κ.ο.κ. Κανόνας 8: Προτεινόμενα τυχαία ΣΕ Εάν παρόλο που όλες οι παραπάνω περιπτώσεις έχουν εξεταστεί, όλα τα διαθέσιμα ΣΕ δε συμπληρώνουν την κύρια και δευτερεύουσα λίστα, τότε οι κενές θέσεις θα συμπληρωθούν από τυχαία ΣΕ, βάσει του κριτηρίου της μικρότερης απόστασης από το χρήστη. Όλοι οι παραπάνω κανόνες ισχύουν εξίσου και για τηις ημέρες του Σαββατοκύριακου. Κανόνας 9: Στρογγυλοποίηση αριθμού προτεινομένων ΣΕ Εάν οι αριθμοί που υπολογίστηκαν για Σ_ΣΕjκNo και Σ_ΣΕjσNo είναι δεκαδικοί, θα γίνει στρογγυλοποίηση στον κοντινότερο ακέραιο (π.χ. εάν Σ_ΣΕjκNo =3.24, μετά από στρογγυλοποίηση θα γίνει 3, ενώ εάν Σ_ΣΕjκNo =3.5, θα γίνει 4). 3 Ο ΒΗΜΑ: Έλεγχος επιλεχθέντων υποκατηγοριών ΣΕ Ο αλγόριθμος ελέγχει εάν υπάρχουν υποκατηγορίες (υπο-σε) των ΣΕ που επιλέχθηκαν να δειχθούν στο χρήστη προκειμένου να υπολογίσει τον αριθμό των υπο- ΣΕ που θα δειχθούν για κάθε υποκατηγορία του ΣΕj. Σ_υπο-ΣΕjκNo = Ε_υπο-ΣΕjκNo * Σ_ΣΕjκNo 8 (9.2)α Ε_ ΣΕjκNo Ομοίως, για το Σαββατοκύριακο: Ε_υπο-ΣΕjσNo Σ_υπο-ΣΕjΧΖσ i No = Ε_ ΣΕjσNo * Σ_ΣΕjσNo 9 (9.2)β 8 Σημειώνεται ότι Σ_ΣΕjκNo = Σ_υπο-ΣΕjκNo (δηλαδή το άθροισμα των υποκατηγοριών ΣΕ που θα δειχθούν στο χρήστη πρέπει να είναι ίσο με τον αριθμό των ΣΕ του συγκεκριμένου «j» που έχει υπολογιστεί να δοθεί (σύμφωνα με τη σχέση (9.1)α). Δεκέμβριος

182 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων Όπως αναφέρθηκε στον Κανόνα 9, εάν ο αριθμός που θα υπολογιστεί για το Σ_υπο- ΣΕjκNo ή Σ_υπο-ΣΕjσNo είναι δεκαδικός, θα στρογγυλοποιηθεί στον κοντινότερο ακέραιο. Κανόνας 10: Ο αριθμός των διαθέσιμων υπο-σε είναι μικρότερος από τον αριθμό των προτεινόμενων ΣΕ που πρέπει να δειχθούν στο χρήστη Υπάρχει περίπτωση το σύστημα να βρίσκει λιγότερα διαθέσιμα ΣΕ, ως υποκατηγορίες, απ ό,τι πρέπει να δώσει στο χρήστη βάσει των σχέσεων (9.2)α και (9.2)β για το συγκεκριμένο ΣΕ «j», δηλαδή Σ_υπο-ΣΕjκNo < Σ_ΣΕjκNo. Για παράδειγμα, το σύστημα πρέπει να του υποδείξει 5 εστιατόρια: 3 κινέζικα και 2 ιταλικά. Όμως στην περιοχή που βρίσκεται ο χρήστης υπάρχουν διαθέσιμα μόνο 1 ιταλικό και 1 κινέζικο, ενώ υπάρχουν διαθέσιμα εστιατόρια αλλά άλλων υποκατηγοριών (π.χ. μεξικάνικο εστιατόριο) που βρίσκονται από το σύστημα και είναι κοντά στο χρήστη. Τότε θα έχουν προτεραιότητα οι επόμενες πιο δημοφιλείς υποκατηγορίες (δηλαδή με το μεγαλύτερο αριθμό Ε_υπο-ΣΕjκNo), ενώ θα αποκλειστούν εκείνες με τη μικρότερη ζήτηση. Κανόνας 11: Ο αριθμός των διαθέσιμων υπο-σε είναι μεγαλύτερος από τον αριθμό των προτεινόμενων ΣΕ που πρέπει να δειχθούν στο χρήστη Εάν ο αριθμός των προτεινόμενων υποκατηγοριών ΣΕ είναι μεγαλύτερος από αυτόν που μπορεί να δειχθεί (π.χ. λόγω στρογγυλοποιήσεων στον πλησιέστερο ακέραιο), δηλαδή Σ_υπο-ΣΕjκNo > Σ_ΣΕjκNo, τότε αφαιρείται ο πλεονάζων αριθμός από εκείνη την υποκατηγορία με τη μικρότερη ζήτηση. Βάσει της παραπάνω λογικής, τα αποτελέσματα εξαρτώνται από τον αριθμό των επιλογών ενός συγκεκριμένου ΣΕ και υπο-σε καθώς και τις προτάσεις που μπορούν να παρουσιαστούν στο χρήστη, αναλόγως με τις δυνατότητες χωρητικότητας της εκάστοτε συσκευής Παράδειγμα λειτουργίας αλγορίθμου Είναι Σάββατο και ο χρήστης επιθυμεί να δει σημεία ενδιαφέροντος που βρίσκονται τριγύρω του, χρησιμοποιώντας το PDA του ή το κινητό τηλέφωνό του. Από προηγούμενες χρήσεις, το προφίλ του έχει διαμορφωθεί ως εξής: Έχει επιλέξει έως τώρα 5 φορές εστιατόρια (3 ιταλικά, 1 ασιατικό, 1 παραδοσιακό), 3 φορές καφετέριες και 2 φορές κινηματογράφους. Επίσης, μεγλίστα = 5 = μεγλίστα2. Έτσι (ο χρήστης διάλεξε συνολικά ΣΕ): Ε_ΣΕjσNo = 10 Ο αριθμός των ΣΕ ανά κατηγορία που μπορεί να δοθεί στο χρήστη, υπολογίζεται από τη σχέση (3.2): Εστιατόρια: 10 5 x 5=2.5 3 (μετά από στρογγυλοποίηση) Καφετέριες: 10 3 x 5=1.5 2 (μετά από στρογγυλοποίηση) 9 Ως άνω, για το Σαββατοκύριακο. Δεκέμβριος

183 Διδακτορική Διατριβή Μαρία Πάνου Κινηματογράφοι: 10 2 x 5=1 Έτσι, θα δοθούν συνολικά Σ_ΣΕjκNo = 6 ΣΕ στην οθόνη τη συσκευής του χρήστη. Είναι φανερό ότι 1 ΣΕ πρέπει να μεταφερθεί στη δευτερεύουσα λίστα. Όμως, βάσει της τοποθεσίας του χρήστη, το σύστημα μπορεί να βρει μόνο μία καφετέρια τριγύρω, κι έτσι μένει μία κενή θέση, που βάσει του Κανόνα 4 θα συμπληρωθεί από το πιο δημοφιλές ΣΕ. Το αποτέλεσμα είναι ότι θα προστεθεί ένα ακόμη εστιατόριο. Η λίστα των ΣΕ που θα παρουσιαστούν στο χρήστη, διαμορφώνεται τώρα ως εξής: Εστιατόρια: 4 Καφετέριες: 1 Κινηματογράφοι: 1 Το ΣΕ «Κινηματογράφος» θα σταλεί στη δευτερεύουσα λίστα. Από τις παραπάνω τρεις κατηγορίες ΣΕ, υπάρχουν διαθέσιμες υποκατηγορίες μόνο για έναν τύπο ΣΕ, το εστιατόριο. Στο σημείο αυτό, ο αλγόριθμος εξετάζει πόσες επιλογές είχαν γίνει στο παρελθόν για διαφορετικές υποκατηγορίες. Όπως αναφέρθηκε πιο πάνω οι επιλογές ήταν: 3 φορές ιταλικά εστιατόρια, 1 φορά ασιατικό και μία φορά παραδοσιακό. Ο αριθμός των υποκατηγοριών που θα παρουσιαστεί στο χρήστη, υπολογίζεται βάσει της σχέσης (9.2): Ιταλικά: 5 3 x 4=2.4 2 (μετά από στρογγυλοποίηση) Ασιατικά: 5 1 x 4=0.8 1 (μετά από στρογγυλοποίηση) Παραδοσιακά: 5 1 x 4=0.8 1 (μετά από στρογγυλοποίηση) Αυτό σημαίνει ότι ο χρήστης θα δει στην οθόνη του 2 ιταλικά εστιατόρια, 1 ασιατικό και 1 παραδοσιακό. Εάν υποτεθεί όμως ότι το σύστημα μπορεί να βρει μόνο 1 ιταλικό εστιατόριο, βάσει του Κανόνα 10 η κενή θέση θα συμπληρωθεί από την επόμενη πιο δημοφιλή υποκατηγορία ΣΕ (τύπο εστιατορίου), δηλαδή το ασιατικό εστιατόριο. Εάν όμως υπάρχουν μόνο 1 ασιατικό και 1 παραδοσιακό εστιατόριο που μπορεί να βρει το σύστημα (ακολουθώντας την ίδια λογική) η κενή θέση θα συμπληρωθεί από το επόμενο πιο περιζήτητο ΣΕ, την καφετέρια. Όμως, έχει ήδη ειπωθεί ότι υπάρχει μόνο μία καφετέρια τριγύρω κι έτσι η κενή θέση θα δοθεί στην κατηγορία «Κινηματογράφος». Καταλήγοντας, η λίστα των ΣΕ που θα παρουσιαστεί στο χρήστη έχει ως εξής: Ιταλικό εστιατόριο: 1 Ασιατικό εστιατόριο: 1 Παραδοσιακό εστιατόριο: 1 Καφετέρια: 1 Κινηματογράφος α: 1 Κινηματογράφος β: 1 Εφόσον μεγλίστα = 5, ο κινηματογράφος, που έχει τη μεγαλύτερη απόσταση από το χρήστη, θα καταχωρηθεί στη δευτερεύουσα λίστα, ενώ ο κινηματογράφος με τη μικρότερη απόσταση (π.χ. ο 2 ος ) θα μείνει στην κύρια λίστα. Υπάρχουν 4 κενές θέσεις Δεκέμβριος

184 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων τη δευτερεύουσα λίστα, οι οποίες σύμφωνα με τον Κανόνα 8, θα συμπληρωθούν από τυχαία ΣΕ, με μοναδικό κριτήριο την κοντινότερη απόσταση στο χρήστη. Ολοκληρώνοντας, η λίστα με τα ΣΕ και υπο-σε που θα δειχθούν στο χρήστη θα είναι ως εξής: Κύρια λίστα: Ιταλικό εστιατόριο: 1 Ασιατικό εστιατόριο: 1 Παραδοσιακό εστιατόριο: 1 Καφετέρια: 1 Κινηματογράφος β: 1 Δευτερεύουσα/εφεδρική λίστα: Κινηματογράφος α: 1 Τυχαίο ΣΕ 1 Τυχαίο ΣΕ 2 Τυχαίο ΣΕ 3 Τυχαίο ΣΕ Παροχή προωθούμενων πληροφοριών Όπως είναι αναμενόμενο, απαιτείται πιο «ισχυρός» αλγόριθμος στην περίπτωση αυτή, διότι η πληροφορία που θα παρουσιάζεται στο χρήστη πρέπει να είναι πολύ καλά ελεγμένη, ειδικά εφόσον ο χρήστης δεν την έχει ζητήσει. Διαφορετικά, μπορεί να προκαλέσει δυσαρέσκεια και δυσανασχέτηση από πλευράς του χρήστη. Σημειώνεται επίσης ότι οι προωθούμενες πληροφορίες ενεργοποιούνται μόνο όταν στο προφίλ του χρήστη αυτός φαίνεται ως τουρίστας ή ως άτομο που βρίσκεται σε επαγγελματικό ταξίδι (διότι δεν έχει νόημα αν για παράδειγμα ο μετακινούμενος είναι μόνιμος κάτοικος και το σύστημα του προωθεί ενημέρωση για μουσεία, εστιατόρια, κλπ., εφόσον κάτι τέτοιο θα τον εκνεύριζε). Χρησιμοποιούνται οι ίδιες παράμεροι με τον αλγόριθμο παροχής σημείων ενδιαφέροντος ( 9.2), συν 5 νέες: ΠΠ_ΣΕj: τύπος ΣΕ που παρουσιάστηκε ως προωθούμενη πληροφορία (ΠΠ). μεγππ: μέγιστος αριθμός προωθούμενων πληροφοριών που θα παρουσιαστούν στο χρήστη. ΠΠ_ΣΕjNo: φορές που το συγκεκριμένο ΣΕ παρουσιάστηκε ως ΠΠ. ΕΠΠ_ΣΕjNo: φορές που το συγκεκριμένο ΠΠ_ΣΕ επιλέχθηκε από το χρήστη. ΥΠ_ΣΕΝο: φορές που ο χρήστης χρησιμοποίησε την υπηρεσία αναζήτησης ΣΕ. Ο αλγόριθμος βασίζεται σε δύο παραμέτρους: το συνολικό αριθμό των ΣΕ (όλοι οι τύποι) που ζήτησε ο χρήστης από τη στιγμή που άρχισε να χρησιμοποιεί το σύστημα ως τουρίστας ή σε επαγγελματικό ταξίδι (δηλαδή πόσες φορές ζήτησε ΣΕ) και τις φορές που ζήτησε συγκεκριμένο τύπο ΣΕ (j): Δεκέμβριος

185 Διδακτορική Διατριβή Μαρία Πάνου 1 Ο ΒΗΜΑ: Εάν Ε_ΣΕjNo 10 και (9.3) Ε_ΣΕjNo 0.8 ΥΠ_ΣΕΝο Τότε δείξε το ΣΕj ως ΠΠ και ονόμασέ το ΠΠ_ΣΕj. Αλλιώς μετέφερέ το ΣΕj στη δευτερεύουσα λίστα. Ο ίδιος αλγόριθμος θα επαναληφθεί για υπο-σε. Εάν ο αριθμός των ΠΠ που θα παρουσιαστούν στο χρήστη είναι μεγαλύτερος από μεγππ, τότε θα δοθεί προτεραιότητα στα ΣΕ που βρίσκονται πιο κοντά στο χρήστη. Ο παραπάνω αλγόριθμος σημαίνει πραγματικά ότι εάν ο χρήστης ζητήσει ένα συγκεκριμένο ΣΕ (ΣΕj) περισσότερο από 10 φορές και ο λόγος του αριθμού των φορών του επιλεγμένου ΣΕ (Ε_ΣΕjNo) ως προς το σύνολο των φορών που ζήτησε υπηρεσία αναζήτησης ΣΕ (ΥΠ_ΣΕΝο), είναι ίσος ή μεγαλύτερος από 80%, τότε το συγκεκριμένο ΣΕ θα συμπεριληφθεί στη λίστα ΠΠ του συστήματος. 2 Ο ΒΗΜΑ: Εάν κατά τη χρήση του συστήματος ο χρήστης αγνοεί το συγκεκριμένο ΠΠ_ΣΕj περισσότερο από 60%, τότε το σύστημα επανεκκινεί την εκμάθηση για το συγκεκριμένο ΠΠ_ΣΕ, αφαιρώντας το προσωρινά από τη λίστα των ΠΠ. Εάν ΕΠΠ_ΣΕjNo 0,6 * ΠΠ_ΣΕjNo (9.4) Τότε αφαίρεσε το συγκεκριμένο ΠΠ_ΣΕj από τη λίστα των προωθούμενων πληροφοριών Παράδειγμα λειτουργίας αλγορίθμου Ο χρήστης έχει επιλέξει έως τώρα 18 φορές μουσείο μοντέρνας τέχνης ως τουρίστας και έχει χρησιμοποιήσει την υπηρεσία αναζήτησης ΣΕ 20 φορές συνολικά. Βάσει του παραπάνω αλγορίθμου: Ε_ΣΕjNo 18 Ε_ΣΕjNo =18>10 και = =0,9>0,8 ΥΠ_ΣΕΝο 20 Άρα, το σύστημα θα προωθήσει στο χρήστη πληροφορία ότι υπάρχει μουσείο μοντέρνας τέχνης στην πόλη που επισκέπτεται και θα του το χαράξει επί χάρτη. Υποθέτουμε ότι κατά τη χρήση του συστήματος το σύστημα έχει ήδη προτείνει την υποκατηγορία ΣΕ «μουσείο μοντέρνας τέχνης» ως ΠΠ 7 φορές. Από αυτές τις φορές, ο χρήστης χρησιμοποίησε την πληροφορία αυτή και επέλεξε αυτό το ΣΕ 2 φορές: Δεκέμβριος

186 Ανάπτυξη πρωτότυπων αλγορίθμων προσωποποιημένης πληροφόρησης μετακινουμένων ΕΠΠ_ΣΕjNo = 2 0,6 * ΠΠ_ΣΕjNo = 0,6 * 7=4,2 4 μετά από στρογγυλοποίηση. Συνεπώς 2<4 Άρα το «μουσείο μοντέρνας τέχνης» θα αφαιρεθεί από τη λίστα ΠΠ και η εκμάθηση για τη συγκεκριμένη υποκατηγορία ΠΠ_ΣΕ θα ξεκινήσει απ την αρχή, χρησιμοποιώντας τη σχέση (9.3). Δεκέμβριος

187 10 Εφαρμογές κι αποτελέσματα Προκειμένου να μετρηθεί η αξιοπιστία και η αποτελεσματικότητα των προτεινόμενων αλγορίθμων καθώς και η απήχηση και το επίπεδο αποδοχής των σχετικών συστημάτων από πραγματικούς χρήστες, πραγματοποιήθηκαν δοκιμές με 20 χρήστες συνολικά. Στις δοκιμές συμμετείχαν 10 οδηγοί για την αξιολόγηση των αλγορίθμων προειδοποίησης εντός αυτοκινήτου και 10 άτομα για την αξιολόγηση των αλγορίθμων πληροφόρησης μετακινουμένων. Η καταγραφή της γνώμης των συμμετεχόντων πραγματοποιήθηκε μέσω συγκεκριμένων ερωτηματολογίων που συντάχθηκαν για το σκοπό αυτό. Η αναλυτική περιγραφή των δοκιμών και τα σχετικά αποτελέσματα ακολουθούν παρακάτω. Η υλοποίηση των σχετικών αλγορίθμων των Κεφαλαίων 8 και 9 σε κινητά και πλατφόρμας επί οχήματος, έγινε με τη χρήση της τεχνολογίας ευφυών πρακτόρων (που παρουσιάστηκε στην παράγραφο 5.3) και δεν αναλύεται περαιτέρω, δεδομένου ότι αυτή καθαυτή η υλοποίηση δεν αποτελεί ερευνητική καινοτομία Προειδοποίηση οδηγών Οι αλγόριθμοι που περιγράφηκαν στην παράγραφο 8.3 δοκιμάστηκαν με 10 οδηγούς επί αυτοκινήτου, στο δρόμο, σε πραγματικές κυκλοφοριακές συνθήκες. Για το σκοπό των δοκιμών χρησιμοποιήθηκε το ερευνητικό όχημα του Ινστιτούτου Μεταφορών, το οποίο απαρτίζεται από ειδικές κάμερες και αισθητήρες για τον υπολογισμό των παραμέτρων των σχετικών αλγορίθμων. Δεκέμβριος

188 Εφαρμογές κι αποτελέσματα Σύστημα αναγνώρισης Σύστημα αναγνώρισης λωρίδων λωρίδων GPS GPS Σύστημα Επικοινωνίας Σύστημα Επικοινωνίας Ανθρώπου-Μηχανής Ανθρώπου-Μηχανής (ΣΕΑΜ) (ΣΕΑΜ) Σύστημα εντοπισμού Σύστημα εντοπισμού εμποδίων εμποδίων Εικόνα 16: Ερευνητικό όχημα Ι.ΜΕΤ. και θέση συστημάτων σε αυτό. Συγκεκριμένα, το ερευνητικό όχημα του Ι.ΜΕΤ. βασίζεται σε μοντέλο Lancia Thesis V Emblema και διαθέτει (μεταξύ άλλων εδώ αναφέρεται μόνο ο εξοπλισμός που είναι σχετικός με το παρόν πείραμα): - Ηλεκτρονική μονάδα που συλλέγει πληροφορίες από το ηλεκτρονικό κύκλωμα του οχήματος και τις εξάγει στον κεντρικό Η/Υ για ανάλυση. Οι πληροφορίες περιλαμβάνουν: θέση μοχλού επιτάχυνσης/πέδησης, διαμήκη ταχύτητα και επιτάχυνσης, ταχύτητα εκτροπής, γωνία τιμονιού, θέση φώτων, θέση υαλοκαθαριστήρων, εξωτερική θερμοκρασία. - Ραντάρ εντοπισμού εμποδίων κατά το διαμήκη άξονα, το οποίο παρέχει πληροφορίες για το προπορευόμενο όχημα (απόσταση, σχετική ταχύτητα, σχετική επιτάχυνση) στο ηλεκτρονικό κύκλωμα. - Μικρή οθόνη στον πίνακα οργάνων του οδηγού, ώστε να παρουσιάζονται εκεί δεδομένα όπως προγραμματίζονται από τον κεντρικό Η/Υ. - Σύστημα αναγνώρισης λωρίδων κυκλοφορίας, το οποίο παρέχει πληροφορίες για τη λωρίδα στο ηλεκτρονικό κύκλωμα. - Σύστημα GPS. Όλες οι πληροφορίες αυτές εξάγονται στον κεντρικό Η/Υ όπου είναι δυνατή περαιτέρω επεξεργασία. Δεκέμβριος

189 Διδακτορική Διατριβή Μαρία Πάνου Πρόγραμμα δοκιμών Οι δοκιμές απαρτίζονταν από εννέα διαφορετικά βήματα αξιολόγησης. Η ακριβής διαδικασία του κάθε βήματος καθώς και οι συγκεκριμένοι στόχοι, περιγράφησαν σε ένα πρόγραμμα που αποτέλεσε τον κανόνα για τη διεξαγωγή των πειραμάτων. Το πρόγραμμα αποτελείται από 9 φάσεις οδήγησης και παρατίθεται ευθύς αμέσως: Πίνακας 31: Πρόγραμμα δοκιμών προειδοποίησης οδηγών. Ενέργεια Περιγραφή Συμπλήρωση Γενικές ερωτήσεις ερωτηματολογίου 1 (συμπληρώνεται πριν αρχίσουν οι δοκιμές) 1 η φάση οδήγησης Μέτρηση του στατικού και δυναμικού χρόνου αντίδρασης 2 η φάση οδήγησης Υπολογισμός προσωπικού μέσου Χρόνου ως τη Σύγκρουση με Ακινητοποίηση (ΧΣΜΑ) καθώς και του προσωπικού Χρόνου Προσέγγισης Ορίων Λωρίδας (ΧΠΟΛ) και της προσωπικής Απόστασης Προσέγγισης Ορίων Λωρίδας (ΑΠΟΛ), όπως αυτά καθορίστηκαν στις παραγράφους , και αντίστοιχα. Δοκιμές για προειδοποίηση επί του διαμήκη άξονα της οδού 3 η φάση οδήγησης Ακολούθηση εμπροσθίου οχήματος (το οποίο συμμετέχει στις δοκιμές) και πρώτη επαφή των συμμετεχόντων με τις προειδοποιήσεις του συστήματος ΣΠΑΣ. Οι προειδοποιήσεις δίνονται βάσει ορίου από τον κατασκευαστή σύμφωνα με τον τύπο (8.13), όπου ο ΧΑ τίθεται 1 δευτ. για όλους τους οδηγούς. Συμπλήρωση Ερωτήσεις για το σύστημα ΣΠΑΣ της 3 ης φάσης. ερωτηματολογίου ΣΠΑΣ 1 η φορά 4 η φάση οδήγησης Ως άνω, αλλά οι προειδοποιήσεις από ΣΠΑΣ δίνονται βάσει του προσωπικού μέσου στατικού ΧΑ (από μετρήσεις στην 1 η φάση οδήγησης). Συμπλήρωση ερωτηματολογίου ΣΠΑΣ 2 η φορά Ερωτήσεις για το προσωποποιημένο σύστημα ΣΠΑΣ της 4 ης φάσης. 5 η φάση οδήγησης Ίδια διαδικασία με φάσεις 3 και 4, αλλά δίνεται διαφορετική προειδοποίηση, ως εξής: προειδοποίηση οδηγού όταν ΧΣΜΑ 1δευτ. Συμπλήρωση ερωτηματολογίου ΣΠΑΣ 3 η φορά Ερωτήσεις για το σύστημα ΣΠΑΣ της 5 ης φάσης οδήγησης. 6 η φάση οδήγησης Όμοια διαδικασία με τις φάσεις 3-5, αλλά με διαφορετικούς κανόνες προειδοποίησης, σύμφωνα με τον τύπο (8.4), όπου ο μέσος(ελάχιστοςχσμα) προκύπτει από τη 2 η φάση. Συμπλήρωση ερωτηματολογίου ΣΠΑΣ 4 η φορά Ερωτήσεις για το προσωποποιημένο σύστημα ΣΠΑΣ της 6 ης φάσης. Δοκιμές για προειδοποίηση επί του εγκάρσιου άξονα της οδού 7 η φάση οδήγησης Πρώτη επαφή των συμμετεχόντων με τις προειδοποιήσεις του ΣΠΕΛ. Οι προειδοποιήσεις δίνονται βάσει ορίου ΑΠΟΛ από τον κατασκευαστή, σύμφωνα με τη σχέση (8.11) Δεκέμβριος

190 Εφαρμογές κι αποτελέσματα Ενέργεια Συμπλήρωση ερωτηματολογίου ΣΠΕΛ 1 η φορά Περιγραφή (προειδοποίηση για ΑΠΟΛ όριο_αριστ -1,14μ. ή ΑΠΟΛ όριο_αριστ 1,14μ., εφόσον χρησιμοποιούνται οι απόλυτες τιμές όπως αναφέρθηκε προηγουμένως). Ερωτήσεις για το ΣΠΕΛ της 7 ης φάσης οδήγησης. 8 η φάση οδήγησης Οδήγηση με προειδοποιήσεις του ΣΠΕΛ. Οι προειδοποιήσεις δίνονται βάσει ορίου ΑΠΟΛ σύμφωνα με τη σχέση (8.12) (προειδοποίηση όταν ΑΠΟΛ νέο _ όριο_αριστ - 1,4μ. ή ΑΠΟΛ νέο _ όριο_αριστ 1,4μ. με την απόλυτη τιμή) λαμβάνοντας υπόψη το πλάτος του δρόμου και του αυτοκινήτου. Συμπλήρωση ερωτηματολογίου ΣΠΕΛ 2 η φορά Ερωτήσεις για το προσαρμοσμένο ΣΠΕΛ της 8 ης οδήγησης. φάσης 9 η φάση οδήγησης Ως άνω, αλλά οι προειδοποιήσεις από ΣΠΕΛ δίνονται βάσει του νέου προσωποποιημένου ορίου ΑΠΟΛ ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ), όπως υπολογίζεται από τη σχέση (8.7). Συμπλήρωση ερωτηματολογίου ΣΠΕΛ 3 η φορά Ερωτήσεις για το προσωποποιημένο σύστημα ΣΠΕΛ της 9 ης φάσης οδήγησης. Αρχικά οι συμμετέχοντες οδηγοί οδήγησαν σε δρόμο με πολύ χαμηλό κυκλοφοριακό φόρτο για τον υπολογισμό του στατικού και δυναμικού τους χρόνου αντίδρασης. Στις στατικές μετρήσεις, στο πίσω κάθισμα υπήρχε άτομο που έδινε τις οπτικές και ηχητικές προειδοποιήσεις (μέσω Η/Υ) σε τυχαία και άνισα χρονικά διαστήματα. Στον κάθε οδηγό δόθηκε οπτικό σήμα στον κεντρικό καθρέπτη (όπως παρουσιάστηκε στην Εικόνα 15, 8.3.3) τουλάχιστον 10 φορές και άλλες 10 φορές ηχητικό. Στις μετρήσεις του δυναμικού χρόνου αντίδρασης, εκτός από το Lancia Thesis του Ι.ΜΕΤ. χρησιμοποιήθηκε ένα ακόμη αυτοκίνητο, το οποίο είχε το ρόλο του εμπρόσθιου οχήματος προς ακολούθηση. Η αποστολή των οδηγών σε αυτή τη φάση ήταν να ακολουθούν όσο το δυνατό πλησιέστερα το εμπρόσθιο όχημα, δηλαδή με ΧΣΜΑ<1 δευτ., έτσι ώστε να καταγράφεται όσο το δυνατόν πιο αντικειμενικός χρόνος αντίδρασης, πραγματοποιώντας πέδηση όταν το προπορευόμενο όχημα ασκούσε απότομες πεδήσεις. Ο οδηγός του εμπρόσθιου οχήματος πραγματοποιούσε απότομες πεδήσεις σε όσο ήταν εφικτό απρόβλεπτες στιγμές. Κατά μέσο όρο πραγματοποιήθηκαν 10 πεδήσεις ανά οδηγό, με ΧΣΜΑ<1. Σκοπός της 2 ης φάσης οδήγησης ήταν ο υπολογισμός του προσωπικού ΧΣΜΑ, και ΑΠΟΛ του κάθε οδηγού. Και σ αυτή τη φάση ζητήθηκε από του οδηγούς να ακολουθήσουν το προπορευόμενο αυτοκίνητο χωρίς να το προσπερνούν αλλά ούτε να το χάσουν (για να οδηγούν πλησίον σ αυτό). Συνολικά η οδήγηση διήρκησε από 20 λεπτά έως 1 ώρα για κάθε οδηγό. Η διακύμανση αυτή οφειλόταν στις κυκλοφοριακές συνθήκες καθώς και στην καταλληλότητα των διαγραμμίσεων της οδού (διότι σε μεγάλα τμήματα του δρόμου δεν ήταν αρκετά έντονες ώστε να μπορεί να τις εντοπίσει το ΣΠΕΛ). Η καταγραφή πραγματοποιήθηκε σε τμήμα δρόμου όπου οι διαγραμμίσεις των λωρίδων κυκλοφορίας ήταν έντονες, έτσι ώστε το σύστημα ΠΕΛ να μπορεί να Δεκέμβριος

191 Διδακτορική Διατριβή Μαρία Πάνου «διαβάζει» τις λωρίδες. Τέλος, οι οδηγοί ενημερώθηκαν πως όταν επιθυμούν να αλλάξουν λωρίδα πρέπει να ενεργοποιήσουν το φωτεινό δείκτη αλλαγής πορείας («φλας»), διαφορετικά το ΣΠΕΛ θεωρεί ότι ο οδηγός έχει εκτραπεί άθελά του από τη λωρίδα του. Σημειώνεται εδώ ότι για λόγους απλοποίησης και ευκολίας στην ανάλυση των αποτελεσμάτων, το αρνητικό πρόσημο στις τιμές του ΑΠΟΛ (για όλες τις δοκιμές) δε χρησιμοποιείται, αναφέρονται δηλαδή οι απόλυτες τιμές Περιγραφή δοκιμών με προειδοποιήσεις επί του διαμήκη άξονα της οδού Η πρώτη επαφή των οδηγών με το σύστημα ΣΠΑΣ πραγματοποιήθηκε κατά την 3 η φάση οδήγησης, όπου δόθηκε ηχητική 10 προειδοποίηση βάσει των προκαθορισμένων ορίων του συστήματος από έναν κατασκευαστή (Volvo). Η διάρκεια οδήγησης ήταν 30 λεπτά, όπου ο οδηγός του Lancia Thesis ακολουθεί εμπρόσθιο όχημα (το οποίο συμμετέχει στις δοκιμές). Η ηχητική προειδοποίηση από το ΣΠΑΣ του αυτοκινήτου δίνεται σύμφωνα με τον τύπο που χρησιμοποιεί η Volvo (σχέση 8.13), με ΧΑ=1 δευτ. Συνολικά ζητήθηκε από τους οδηγούς να πραγματοποιήσουν τουλάχιστον 3 προσεγγίσεις στο εμπρόσθιο αυτοκίνητο. Τονίστηκε στους οδηγούς ότι πρόκειται για το σύνηθες σύστημα προειδοποίησης (κοινό για όλους τους οδηγούς, δηλαδή όχι προσαρμοσμένο στον τρόπο οδήγησης του καθένα). Η διαδικασία οδήγησης στην 4 η φάση οδήγησης είναι ίδια με πριν και δίνονται προειδοποιήσεις από το ΣΠΑΣ, αλλά διαφορετικά από πριν, δηλαδή σύμφωνα με τον παραπάνω τύπο, αλλά τώρα ΧΑ = μέση στατική τιμή προσωπικού ΧΑ (από μετρήσεις στην 1 η φάση οδήγησης). Δηλαδή υπάρχει διαφορετικός ΧΑ για τον καθένα. Η διαφορά της 5 ης φάσης οδήγησης έγκειται στη διαφορά παροχής προειδοποιήσεων, οι οποίες τώρα δίνονται όταν ΧΣΜΑ 1 δευτ. το οποίο αποτελεί το όριο που χρησιμοποιεί άλλη αυτοκινητοβιομηχανία (Fiat, σύμφωνα με το εγχειρίδιο χρήσης του ΣΠΑΣ του Lancia Thesis του ΙΜΕΤ). Στην τελική φάση οδήγησης με το ΣΠΑΣ ενεργοποιημένο, οι προειδοποιήσεις παρέχονται βάσει του τύπου (8.4, 8.3.1) και η παράμετρος μέσος(ελάχιστοςχσμα) υπολογίζεται από τη 2 η φάση οδήγησης. Μετά το τέλος των φάσεων 3, 4, 5 και 6, συμπληρώθηκε από τους οδηγούς ένα ερωτηματολόγιο για τα εκάστοτε συστήματα προειδοποίησης σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων, προκειμένου να βρεθεί η αποδοχή τους από τους συμμετέχοντες και γενικά να καταγραφεί η γνώμη τους για τις προειδοποιήσεις που έλαβαν κατά την οδήγηση. 10 Πρέπει να σημειωθεί ότι δόθηκε διαφορετική ηχητική προειδοποίηση από τα συστήματα ΣΠΑΣ (κατά τις φάσεις 3-6) και ΣΠΕΛ (κατά τις φάσεις 7-9) του αυτοκινήτου, βάσει των προκαθορισμένων ορίων του συστήματος από τον κατασκευαστή. Συγκεκριμένα, η προειδοποίηση από το ΣΠΑΣ ήταν ένας συνεχόμενος ήχος «μπιπ», ενώ από το ΣΠΕΛ προσομοίωση ήχου εκτροπής από ανυψωμένες διατάξεις οδοστρώματος («rumble strips»). Δεκέμβριος

192 Εφαρμογές κι αποτελέσματα Περιγραφή δοκιμών με προειδοποιήσεις επί του εγκάρσιου άξονα της οδού Στην 7 η φάση οδήγησης οι οδηγοί λαμβάνουν για πρώτη φορά προειδοποιήσεις από το ΣΠΕΛ του αυτοκινήτου βάσει των προκαθορισμένων ορίων προειδοποίησης από την Fiat. Δηλαδή δόθηκε ηχητική προειδοποίηση, όταν: ΑΠΟΛ όριο _ αριστ 1,14 μ. Όπως και στην περίπτωση του ΣΠΑΣ, ζητήθηκε από τους οδηγούς να πραγματοποιήσουν τουλάχιστον 3 εκτροπές απ τη λωρίδα τους. Η διαδικασία οδήγησης στην 8 η φάση οδήγησης είναι ίδια με πριν, αλλά δίνονται προειδοποιήσεις από το ΣΠΕΛ βάσει της προσαρμογής του ορίου στο πλάτος του δρόμου και του αυτοκινήτου, δηλαδή: ΑΠΟΛ νέο_όριο_αριστ 1,4 μ. Στην τελική φάση οδήγησης με προειδοποιήσεις από το ΣΠΕΛ, εφαρμόστηκε η σχέση (8.7) για τον υπολογισμό του ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ), με τιμή εκκίνησης για το ΑΠΟΛ όριο_αριστ = 1,8 μ. Μετά το τέλος της κάθε φάσης 7, 8 και 9, συμπληρώθηκαν από τους οδηγούς ερωτηματολόγια σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων, έχοντας ως στόχο την άμεση καταγραφή των εντυπώσεών τους καθώς και τη σύγκριση μεταξύ των συστημάτων Στοιχεία συμμετεχόντων Για την καταγραφή των προσωπικών στοιχείων των συμμετεχόντων δημιουργήθηκε το ερωτηματολόγιο 1 που παρατίθεται στο Παράρτημα Δ. Το ερωτηματολόγιο αυτό συμπληρώθηκε από τους συμμετέχοντες πριν από την πραγματοποίηση των δοκιμών. Στις δοκιμές συμμετείχαν 5 άνδρες και 5 γυναίκες, με μέσο όρο ηλικίας 32 ετών (ελάχιστο 21 και μέγιστο 46 ετών). Η εικόνα των 10 ατόμων που έλαβαν μέρος στην αξιολόγηση σχετικά με το επίπεδο μόρφωσης απεικονίζεται παρακάτω: Επίπεδο σπουδών συμμετεχόντων μεταπτυχιακό 40% βασική 10% δευτεροβ. 0% ανωτάτη 10% ανωτέρα 40% Σχήμα 35: Επίπεδο μόρφωσης συμμετεχόντων στις δοκιμές προειδοποίησης οδηγών. Δεκέμβριος

193 Διδακτορική Διατριβή Μαρία Πάνου Η οδηγική εμπειρία των οδηγών που πραγματοποίησαν τις δοκιμές παρουσιάζεται στη συνέχεια, όπου φαίνεται ότι πρόκειται για σχετικά έμπειρους οδηγούς, εφόσον όλοι οδηγούν για περισσότερο από ένα χρόνο. Εμπειρία οδήγησης συμμετεχόντων έως 1 έτος 0% 1-3 έτη 10% >10 έτη 60% 3-10 έτη 30% Σχήμα 36: Οδηγική εμπειρία συμμετεχόντων. Οι έξι από τους δέκα οδηγούς γνωρίζουν τη λειτουργία των συστημάτων Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας (ΣΠΕΛ), και Προειδοποίησης και Αποφυγής Σύγκρουσης (ΣΠΑΣ), από τους οποίους οι περισσότεροι δήλωσαν από μέτρια ως καλή εμπειρία. Τέλος, οι έξι αυτοί οδηγοί έχουν λάβει μέρος σε παρόμοιες δοκιμές στο παρελθόν Αποτελέσματα 1 ης φάσης οδήγησης Τα αποτελέσματα των μετρήσεων παρουσιάστηκαν ήδη στην παράγραφο Δε βρέθηκε κάποια δυνατή συσχέτιση μεταξύ του μέσου δυναμικού και στατικού χρόνου αντίδρασης. Το μόνο συμπέρασμα που μπορεί να εξαχθεί είναι ότι ο δυναμικός ΧΑ είναι μικρότερος από το στατικό για όλους τους οδηγούς Αποτελέσματα 2 ης φάσης οδήγησης Τα αποτελέσματα των τιμών των προσωπικών μέσων ΧΣΜΑ, ΧΠΟΛ και ΑΠΟΛ, όπως προκύπτουν από τις καταγραφές στα αρχεία που αποθηκεύτηκαν στο ηλεκτρονικό κύκλωμα CAN του Lancia Thesis, παρατίθενται στους πίνακες που ακολουθούν: Πίνακας 32: Προσωπικές παράμετροι εμπρόσθιας κίνησης. Νο. Φύλο οδηγού Προσωπικός ΧΣΜΑ όριο 1 Γ 0,67 0,7 2 Α 0,61 0,7 3 Α 0,88 4 Α 1,40 5 Α 0,74 6 Α 0,83 7 Γ 0,25 0,7 Δεκέμβριος

194 Εφαρμογές κι αποτελέσματα Νο. Φύλο οδηγού Προσωπικός ΧΣΜΑ όριο 8 Γ 0,75 9 Γ 1,05 10 Γ 0,95 Για τους οδηγούς 1, 2 και 7, επειδή είχαν χαμηλότερο προσωπικό ΧΣΜΑ όριο από το 0,7, η τιμή αυτή μετατρέπεται αυτόματα σε 0,7, βάσει της σχέσης (8.4)γ. Πίνακας 33: Προσωπικές παράμετροι εγκάρσιας κίνησης (απόλυτες τιμές). Νο. Φύλο ΠΡΟΣΩΠ ΠΡΟΣΩΠ οδηγού (ΧΠΟΛ όριο_αριστερά ) (ΑΠΟΛ όριο_αριστερά ) 1 Γ 0,55 1,30 2 Α 0,51 1,25 3 Α 0,65 1,43 4 Α 0,82 1,56 5 Α 0,62 1,37 6 Α 0,63 1,39 7 Γ 0,80 1,51 8 Γ 0,36 1,19 9 Γ 0,67 1,44 10 Γ 0,61 1,41 Απ τους παραπάνω πίνακες συμπεραίνουμε τα εξής: - Προσωποποίηση ΧΣΜΑ Ο «μέσος» ή «ασφαλής» ΧΣΜΑ αναφέρεται στη βιβλιογραφία ως 1 με 1,5 δευτερόλεπτα (Lerner et al., 1996). Εδώ, ως ανώτατο όριο ΧΣΜΑ στον τύπο (8.4) θεωρήθηκαν τα 2 δευτ. Κανείς απ τους 10 οδηγούς δεν είχε ΧΣΜΑ 2 δευτερόλεπτα ή άνω. Αξίζει ωστόσο να σημειωθεί πως ήταν όλοι «μέσοι» οδηγοί και στο μικρό αυτό δείγμα δεν συμπεριλαμβάνονται ηλικιωμένοι οδηγοί ή οδηγοί με αναπηρίες, κλπ. Μόνο τρεις στους δέκα οδηγούς είχαν ΧΣΜΑ άνω του 1 δευτερολέπτου, με έναν ακόμη να το προσεγγίζει (0,95). Τέσσερεις οδηγοί είχαν ΧΣΜΑ μεταξύ 0,7 και 1, ενώ τρεις είχαν κάτω του 0,7, οπότε και το σύστημα το ανέβασε στο 0,7 (ως κατώτατο όριο ασφαλείας). Ένα ΣΠΑΣ που θα βασιζόταν επί της τιμής ΧΣΜΑ=1 δευτ. θα αντιπροσώπευε καλά τη συμπεριφορά δύο μόνο οδηγών (με ΧΣΜΑ 1,05 και 0,95 αντίστοιχα), θα έδινε σχετικά αργά προειδοποίηση σε δύο άλλους (με ΧΣΜΑ 1,25 και 1,4), ενώ θα προειδοποιούσε εξαιρετικά νωρίς τους λοιπούς έξι. Ο βαθμός καταλληλότητας ενός τέτοιου συστήματος μένει ωστόσο να κριθεί στην 6 η φάση οδήγησης. - Προσωποποιημένα ΧΠΟΛ όριο_αριστερά και ΑΠΟΛ όριο_αριστερά Το ΣΠΕΛ που χρησιμοποιήθηκε είχε ως εργοστασιακές ρυθμίσεις σταθερά όρια προειδοποίησης του οδηγού, εναλλακτικά με όρια ΧΠΟΛ όριο_αριστερά = 0,3 και ΑΠΟΛ όριο_αριστερά = 1,14. όπως εξηγήθηκε στην παράγραφο αυτά πρέπει αρχικά να προσαρμοστούν στο εύρος των συγκεκριμένων λωρίδων κυκλοφορίας όπου κινείται το όχημα και στο πλάτος του συγκεκριμένου Δεκέμβριος

195 Διδακτορική Διατριβή Μαρία Πάνου οχήματος. Για τη συγκεκριμένη διαδρομή, η προσαρμογή αυτή κατέληξε σε νέα όρια ΧΠΟΛ νέο_όριο_αριστερά = 0,6 και ΑΠΟΛ νέο_όριο_αριστερά = 1,4. Ως αρχικά όρια για την προσωποποίηση των ΧΠΟΛ αριστερά και ΑΠΟΛ αριστερά ελήφθησαν τα ΧΠΟΛ όριο_αριστερά = 0,9 και ΑΠΟΛ όριο_αριστερά = 1,8. Μετά την προσωποποίηση παρατηρούμε ότι 5 οδηγοί βρίσκονται περίπου στα θεωρητικά (διορθωμένα) όρια (με ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = 0,67, 0,65, 0,62, 0,63 και 0,61 και αντίστοιχα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά = 1,43, 1,37, - 1,39, 1,41 και 1,44). 3 οδηγοί θα ήθελαν προειδοποίηση αρκετά αργότερα, αφού φαίνεται να οδηγούν κατά μέσο όρο πολύ κοντά στην αριστερή διαγράμμιση (με ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = 0,55, 0,51, 0,36 και αντίστοιχα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = 1,3, 1,25, 1,19). Τέλος, 2 άλλοι οδηγοί θα ήθελαν νωρίτερη προειδοποίηση αφού οδηγούν εν γένει μακριά από τη λωρίδα διαγράμμισης (με ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά )=0,82, 0,8 και αντίστοιχα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = 1,56, 1,51). Φυσικά, η καταλληλότητα αλλά και η αναγκαιότητα των σχετικών προσαρμογών μένει να κριθεί στις δοκιμές της 9 ης φάσης δοκιμών οδήγησης. Υφίσταται αρκετά καλή (αν και όχι γραμμική) αντιστοίχηση μεταξύ ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) και ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) όλων των οδηγών, γεγονός που δείχνει ότι μπορεί να χρησιμοποιηθεί εναλλακτικά οποιοσδήποτε απ τους δύο δείκτες. Για το λόγο αυτό στις σχετικές δοκιμές οδήγησης με το ΣΠΕΛ επιλέχθηκε ένας μόνο δείκτης για την παροχή προειδοποιήσεων, ο ΑΠΟΛ. - Συσχέτιση προσωποποιημένων ΧΣΜΑ, ΧΠΟΛ αριστερά, ΑΠΟΛ αριστερά και ΧΑ Δεν υφίσταται νομοτελειακή συσχέτιση μεταξύ ΧΣΜΑ και ΧΠΟΛ αριστερά / ΑΠΟΛ αριστερά. Ένας οδηγός μπορεί να οδηγεί κοντά στο προπορευόμενο όχημα, ενώ ταυτόχρονα γενικά οδηγεί στη μέση της λωρίδας κυκλοφορίας ή προς τ αριστερά. Επίσης δε σχετίζονται υποχρεωτικά με το μέσο χρόνο αντίδρασης του οδηγού (ΧΑ). Ωστόσο, η συσχέτιση των αποτελεσμάτων των 10 οδηγών που παρουσιάζει ο Πίνακας 33 μας δίνει ενδιαφέροντα στοιχεία. Οι 3 οδηγοί που οδηγούν αρκετά κοντά ή και επί της αριστερής διαγράμμισης (με ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά ) = 0,55, 0,51, 0,36 και αντίστοιχα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = 1,3, 1,25, 1,19) οδηγούν επίσης σχετικά κοντά στο προπορευόμενο όχημα (προσωπικός ΧΣΜΑ=0,67, 0,61 και 0,75). Αυτό μπορεί να δηλώνει μία γενικότερη τάση ή μπορεί να είναι απόρροια της θέλησής τους να πραγματοποιήσουν προσπεράσεις, που μπορεί να τους οδήγησε να οδηγούν επί της λωρίδας κυκλοφορίας και κοντά στο προπορευόμενο όχημα. Οι 2 οδηγοί που οδηγούν σαφώς προς το κέντρο της λωρίδας κυκλοφορίας ή και προς τα δεξιά (με ΠΡΟΣΩΠ(ΧΠΟΛ όριο_αριστερά )=0,82, 0,8 και αντίστοιχα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) = 1,56, 1,51) αφήνουν και αρκετή απόσταση απ το προπορευόμενο όχημα (ΧΣΜΑ=1,4 και 1,25 αντίστοιχα). Και πάλι μπορεί να πρόκειται για συμπτώματα «ασφαλούς» τρόπου οδήγησης ή για οδηγούς που δεν πραγματοποίησαν σημαντικό αριθμό προσπεράσεων κατά τη διάρκεια της δοκιμής. Αντίθετα, δεν παρατηρείται ουσιώδης συσχέτιση με το χρόνο αντίδρασης των οδηγών, όπως παρουσιάζει ο Πίνακας 26 (μέσος-στατικός). Οι «ταχύτεροι» οδηγοί (οι 2, 6, και 7) δεν οδηγούν πάντα πλησιέστερα στο προπορευόμενο όχημα (απ αυτούς μόνο ο 2 οδηγούσε κοντά στο προπορευόμενο όχημα, με ΧΣΜΑ=0,7 οι άλλοι δύο οδηγοί οδηγούσαν «μετρίως» κοντά, ο 6 με Δεκέμβριος

196 Εφαρμογές κι αποτελέσματα ΧΣΜΑ=0,83 και σε σημαντική απόσταση ασφαλείας ο 7, με ΧΣΜΑ=1,25). Αντίστοιχα, οι «αργοί» οδηγοί (οι 3, 8, και 10) δεν οδηγούν απαραίτητα μακρύτερα από το προπορευόμενο όχημα (με αντίστοιχα ΧΣΜΑ=0,88, 0,75 και 0,95), συνεπώς, οι συγκεκριμένοι οδηγοί δε φαίνεται να έχουν την αυτοεπίγνωση της προσαρμογής του τρόπου οδήγησής τους αναλόγως του χρόνου απόκρισής τους. Τα παραπάνω δείγματα οδηγών είναι πολύ μικρά για να καθορίσουν τάσεις και στυλ οδήγησης, είναι όμως αρκετά για να καταδείξουν ότι η προτεινόμενη μεθοδολογία θα μπορούσε να έχει επίσης ενδιαφέρουσα εφαρμογή για καθορισμό ή και τροποποίηση τρόπου οδήγησης για ερευνητικούς κι εκπαιδευτικούς σκοπούς. Η επίδραση του αριθμού προσπεράσεων στον καθορισμό των παραπάνω ορίων είναι ίσως παράμετρος που θα έπρεπε μελλοντικά να διερευνηθεί. Ωστόσο, θεωρείται εδώ ότι δεν αποτελεί καθοριστικό παράγοντα γιατί όταν χρησιμοποιούνται οι φωτεινοί δείκτες αλλαγής λωρίδας κυκλοφορίας («φλας»), οι σχετικές παράμετροι δεν καταχωρούνται στους προσωποποιημένους δείκτες. Άρα οι προσπεράσεις θα μπορούσαν να επηρεάσουν τους προσωποποιημένους δείκτες μόνο για οδηγούς που δε χρησιμοποιούν κατά κόρον δείκτες αλλαγής λωρίδας κυκλοφορίας ή τους χρησιμοποιούν πολύ αργά. Και πάλι, η επίδραση θα ήταν θετική, γιατί δε θα λάμβαναν εσφαλμένες προειδοποιήσεις για απόκλιση από τη λωρίδα κυκλοφορίας ενώ θέλουν να εκτελέσουν προσπέραση, παρά μόνο στην τελική φάση προσπέρασης (αν ακόμη δεν είχαν χρησιμοποιήσει τους δείκτες αλλαγής λωρίδας κυκλοφορίας). Η επίδραση της συχνότητας προσπέρασης ή άλλων εξωγενών παραγόντων στον ορθό καθορισμό των προσωποποιημένων δεικτών θα κριθεί έμμεσα κατά την αξιολόγηση των αποτελεσμάτων των δοκιμών της 4 ης, 6 ης και 9 ης δοκιμής οδήγησης, όπου οι οδηγοί θα αξιολογήσουν τις προειδοποιήσεις των συστημάτων που βασίζονται επί των προσωποποιημένων δεικτών Αποτελέσματα δοκιμών οδήγησης με προειδοποιήσεις από το ΣΠΑΣ (φάσεις 3-6) Οι δοκιμές με το ΣΠΑΣ πραγματοποιήθηκαν σε τέσσερις φάσεις (φάσεις 3-6), όπου στην κάθε φάση δοκιμάστηκε διαφορετικό ΣΠΑΣ από άποψη χρονικής στιγμής παροχής των προειδοποιητικών μηνυμάτων. Οι δοκιμές ξεκίνησαν με την ενεργοποίηση του ΣΠΑΣ διατηρώντας τα όρια παροχής προειδοποίησης του κατασκευαστή. Στο τέλος της κάθε φάσης οδήγησης καταγράφονταν οι γνώμες των οδηγών μέσω ερωτηματολογίων τα οποία παρατίθενται στο Παράρτημα Ε. Σημειώνεται ότι τα ερωτηματολόγια είναι ίδια ως προς τις ερωτήσεις τους, προκειμένου να είναι δυνατή η σύγκριση μεταξύ των συστημάτων. Αυτό που αλλάζει είναι η ονομασία για το κάθε σύστημα (απλό ή προσωποποιημένο) καθώς και ορισμένες ερωτήσεις για τις φάσεις 4-6 που αναφέρονται στη σύγκριση των σχετικών συστημάτων με το αντίστοιχο της 3 ης φάσης. Αυτό έγινε ως έλεγχος της εγκυρότητας των απαντήσεων των συμμετεχόντων, προκειμένου δηλαδή ν ανιχνευτεί εάν όντως τα συστήματα της 3 ης και 5 ης φάσης έχουν την αντίστοιχη βαθμολόγηση και αν είναι λιγότερο αποδεκτά από εκείνα της 4 ης και 6 ης φάσης αντίστοιχα. Στην περίπτωση που η βαθμολόγηση είναι κλιμακωτή, από την 3 η ως την 6 η φάση, με σταδιακά θετικότερα αποτελέσματα, θα σημαίνει ότι οι συμμετέχοντες δεν έχουν Δεκέμβριος

197 Διδακτορική Διατριβή Μαρία Πάνου κατανοήσει τη διαφορά των συστημάτων και κάποιες απαντήσεις τους είναι πιθανώς τυχαίες. Οι απαντήσεις δίνονται σε κλίμακα βαθμολόγησης πέντε βαθμίδων, από θετική προς αρνητική. Ενώ στο ερωτηματολόγιο υπήρχαν και ερωτήσεις με αντίθετη βαθμολόγηση, δηλαδή από αρνητική προς θετική (ώστε να ωθούνται οι χρήστες να διαβάζουν λεπτομερώς και να κατανοούν τις ερωτήσεις), στην ανάλυση έχουν αντιστραφεί για λόγους ευκολίας στη σύγκριση. Για τον ίδιο λόγο η ανάλυση των αποτελεσμάτων πραγματοποιείται παρουσιάζοντας σε κοινά γραφήματα και τις τέσσερεις φάσεις οδήγησης Αποδοχή οδηγών Η πρώτη ερώτηση σχετίζεται με την αποδοχή των οδηγών για το ΣΠΑΣ (της εκάστοτε φάσης οδήγησης). Οι μέσοι όροι των βαθμολογιών που δόθηκαν παρουσιάζονται στο ακόλουθο σχήμα, για όλες τις φάσεις οδήγησης. Στο ίδιο σχήμα απεικονίζονται τα όρια της βέλτιστης, μέσης και χείριστης βαθμολογίας (όσο μικρότερη η βαθμολογία τόσο πιο θετικές ήταν οι απαντήσεις των συμμετεχόντων). Δεκέμβριος

198 Εφαρμογές κι αποτελέσματα Αποδοχή χρηστών - προειδοποιήσεις ΣΠΑΣ Μέσος όρος βαθμολογίας ανά ερώτηση χρήσιμο/ άχρηστο ευχάριστο/ δυσάρεστο 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης καλό/ κακό ωραίο/ ενοχλητικό Ερωτήσεις αποτελεσματικό/ μη αποτελεσματικό αρεστό/ εκνευριστικό βοηθά/ χωρίς αξία επιθυμητό/ ανεπιθύμητο αύξηση/μείωση εγρήγορσης Βέλτιστη βαθμολογία Μέση βαθμολογία Χείριστη βαθμολογία Σχήμα 37: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας αποδοχής οδηγών για το ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης των δοκιμών με προειδοποιήσεις επί του διαμήκη άξονα της οδού, σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία. Η πρώτη εικόνα των παραπάνω αποτελεσμάτων είναι ότι οι οδηγοί έκριναν φανερά θετικότερα τα προσωποποιημένα συστήματα των φάσεων 4 και 6 από τις φάσεις 3 και 5 αντίστοιχα. Το μόνο αντίθετο αποτέλεσμα σημειώθηκε στην τελευταία ερώτηση, που σχετίζεται με την αύξηση/μείωση εγρήγορσης, όπου το σύστημα της 4 ης φάσης είναι κατά πολύ πιο αρνητικά αξιολογημένο από της 3 ης φάσης. Αυτό οφείλεται στο γεγονός ότι ο χρόνος αντίδρασης (ΧΑ) της σχέσης που χρησιμοποιεί η Volvo (βλ ) βάσει της οποίας δίνονται οι προειδοποιήσεις, είναι μεγαλύτερος από τον προσωπικό μέσο στατικό ΧΑ που παρουσιάζει ο Πίνακας 26 (όπως προκύπτει από τις μετρήσεις της 2 ης φάσης οδήγησης) για επτά από τους δέκα οδηγούς. Δηλαδή, οι προειδοποιήσεις δίνονταν νωρίτερα από ότι περίμεναν οι οδηγοί, αυξάνοντας έτσι την εγρήγορσή τους. Σε γενικές γραμμές οι πιο ενθαρρυντικές απαντήσεις για τα Δεκέμβριος

199 Διδακτορική Διατριβή Μαρία Πάνου προσωποποιημένα συστήματα δόθηκαν για τη χρησιμότητα, αποτελεσματικότητα και βοήθεια που προσφέρει το προσωποποιημένο σύστημα Επιρροή του ΣΠΑΣ στην απόσταση απ το προπορευόμενο όχημα Στη συνέχεια οι οδηγοί ερωτήθηκαν αν θα επηρεαστεί η απόσταση που αφήνουν από το εμπρόσθιο όχημα, έχοντας ενεργοποιημένο το ΣΠΑΣ της εκάστοτε φάσης. Τα αναλυτικά αποτελέσματα ανά φάση παρουσιάζονται σχηματικά παρακάτω. Αριθμός οδηγών Επιρροή του ΣΠΑΣ στην απόσταση από το εμπρόσθιο όχημα 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης 0 Σίγουρα ναι Βαθμολογία Σίγουρα όχι Σχήμα 38: Συγκριτικά αποτελέσματα για την επιρροή του ΣΠΑΣ στην απόσταση των οδηγών από το προπορευόμενο όχημα για τις φάσεις οδήγησης 3-6. Η γενική εικόνα των αποτελεσμάτων δείχνει ότι σχεδόν όλοι οι οδηγοί πιστεύουν ότι πράγματι θα αλλάξει η απόστασή τους από το εμπρόσθιο όχημα. Στα πλαίσια της ίδιας ερώτησης ζητήθηκε από τους συμμετέχοντες να αιτιολογήσουν την απάντησή τους, επιλέγοντας μία ή περισσότερες απαντήσεις από μία υπάρχουσα λίστα ή εισάγοντας τη δική τους γνώμη. Σχεδόν όλοι επέλεξαν τις δεδομένες απαντήσεις, οι οποίες ήταν ως ακολούθως: - Θα αφήνω μεγαλύτερες αποστάσεις (9 οδηγοί, 3 η φάση/ 6 οδηγοί, 4 η φάση/ 4 οδηγοί, 5 η φάση/ 5 οδηγοί, 6 η φάση). - Θα αποδέχομαι καλύτερα τις προτάσεις του συστήματος/ θα εμπιστεύομαι το σύστημα (2 οδηγοί, 3 η φάση/ 6 οδηγοί, 4 η φάση/ 4 οδηγοί, 5 η φάση/ 7 οδηγοί, 6 η φάση). - Θα αφήνω μικρότερες αποστάσεις (1 οδηγός, 5 η φάση/ 1 οδηγός, 6 η φάση). Οι μέσοι όροι των βαθμολογιών υπολογίζονται ως εξής: Δεκέμβριος

200 Εφαρμογές κι αποτελέσματα Πίνακας 34: Μέσοι όροι βαθμολογιών για τη ερώτηση επιρροής του ΣΠΑΣ για όλες τις φάσεις οδήγησης. Φάση 3 Φάση 4 Φάση 5 Φάση 6 Μέσος όρος Φαίνεται καθαρά η προτίμηση των συστημάτων της 4 ης φάσης σε σύγκριση με της 3 ης καθώς και της 6 ης ως προς την 5 η. Το πιο θετικά βαθμολογημένο σύστημα είναι αυτό της 4 ης φάσης οδήγησης. Επίσης, σύμφωνα με τις παραπάνω απαντήσεις ένας οδηγός παρόλο που έδωσε θετική βαθμολογία (βαθμός 3 και 2 για τις φάσεις οδήγησης 5 και 6 αντίστοιχα) έκανε αρνητικό σχόλιο ως προς την ασφάλεια, δηλώνοντας ότι θα αφήνει μικρότερη απόσταση από το εμπρόσθιο όχημα. Το σχόλιο αυτό είναι απόλυτα κατανοητό σε σχέση με τον προσωπικό του ΧΣΜΑ που είναι πολύ μεγάλος (1,4 δευτ.) και συνεπώς ένα τέτοιο σύστημα (μη προσωποποιημένο) θα τον προειδοποιούσε σχετικά αργά Ασφάλεια κι εμπιστοσύνη στο σύστημα Οι επόμενες δύο ερωτήσεις εξετάζουν αν ο οδηγός ένοιωσε ασφάλεια και αν θα βασίζονταν στο ΣΠΑΣ σε καθημερινή βάση. Ενώ το ερωτηματολόγιο που συμπληρώθηκε μετά την 3 η φάση δοκιμών αναφέρεται στο συγκεκριμένο σύστημα, τα ερωτηματολόγια των υπολοίπων τριών φάσεων αναφέρονται στη σύγκριση του εκάστοτε συστήματος με εκείνο της 3 ης φάσης. Η επόμενη γραφική παράσταση παρουσιάζει τους μέσους όρους που απορρέουν από τις απαντήσεις των οδηγών για τις τέσσερεις φάσεις δοκιμών. 5 4 Μέσος όρος απαντήσεων για την ασφάλεια κι εμπιστοσύνη στο σύστημα 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης Μέσος όρος ασφάλεια εμπιστοσύνη Σχήμα 39: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας ερωτήσεων σχετικά με την ασφάλεια που νοιώθουν οι οδηγοί και την εμπιστοσύνη που έχουν στο ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης. Τα πιο θετικά αξιολογημένα συστήματα είναι φανερά της 4 ης και 6 ης φάσης οδήγησης, εφόσον έχουν το χαμηλότερο μέσο όρο και στις δύο ερωτήσεις. Μάλιστα έχουν και τις ίδιες βαθμολογίες. Στο σημείο αυτό είναι σκόπιμη η αναλυτική απεικόνιση των Δεκέμβριος

201 Διδακτορική Διατριβή Μαρία Πάνου απαντήσεων δύο ακραίων οδηγών ως προς το προσωπικό ΧΣΜΑ τους και συγκεκριμένα του οδηγού 4 (ΧΣΜΑ=1,4μ.) και του οδηγού 7 (ΧΣΜΑ=0,25μ.). 5 4 Σύγκριση 2 ακραίων οδηγών για την ασφάλεια κι εμπιστοσύνη στο σύστημα 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης Βαθμολογία ασφάλεια εμπιστοσύνη ασφάλεια εμπιστοσύνη οδηγός 4 οδηγός 7 Σχήμα 40: Μέσοι όροι δύο ακραίων (ως προς το προσωπικό ΧΣΜΑ) οδηγών σχετικά με την ασφάλεια κι εμπιστοσύνη στο ΣΠΑΣ. Αν και δεν υπήρξε γενικά αρνητική απάντηση για κανένα σύστημα, εφόσον η πιο αρνητική επιλογή ήταν ο βαθμός «3» που υποδηλώνει ουδέτερη γνώμη, είναι σαφής η προτίμηση και των δύο οδηγών στα συστήματα των φάσεων 4 και 6 (προσωποποιημένα) τόσο στο θέμα της εμπιστοσύνης στο σύστημα όσο και στο θέμα της ασφάλειας. Μάλιστα, είχαν την ίδια ακριβώς άποψη για το μη προσωποποιημένο ΣΠΑΣ της φάσης 3. O οδηγός 7 έδωσε ακόμη πιο θετικά αποτελέσματα για τη φάση 5 σε σύγκριση με τον οδηγό 4. Γενικά πάντως δεν αποτελεί έκπληξη η θετική γνώμη των δύο οδηγών για τα μη προσωποποιημένα συστήματα, διότι παρόλο που οι προειδοποιήσεις δεν ανταποκρίνονται στο προσωπικό στυλ οδήγησής τους δεν ακυρώνουν τη σημαντική ιδιότητα του ΣΠΑΣ στην αύξηση της οδικής ασφάλειας Επιπτώσεις του συστήματος Στη συνέχεια αξιολογούνται οι γνώμες των συμμετεχόντων για τις επιπτώσεις του συστήματος, βάσει προκαθορισμένων επιλογών ή και νέων σχολίων από τους χρήστες. Ήταν δυνατή η επιλογή πολλαπλών απαντήσεων. Δεκέμβριος

202 Εφαρμογές κι αποτελέσματα Επιπτώσεις του συστήματος Αριθμός οδηγών αύξηση οδικής ασφάλειας πιο υπεύθυνη οδήγηση υπερβολική εμπιστοσύνη Ερωτήσεις εκνευρισμός στους οδηγούς 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης άλλο Σχήμα 41: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τις επιπτώσεις του ΣΠΑΣ και για τις τέσσερις φάσεις οδήγησης. Περίπου οι μισοί συμμετέχοντες φαίνεται να συμφωνούν ότι το ΣΠΑΣ θα συντελέσει σε πιο υπεύθυνη οδήγηση, ακολουθούμενη από αύξηση στην οδική ασφάλεια. Υπήρχαν και τέσσερις οδηγοί που έδωσαν τα δικά τους σχόλια, ως ακολούθως: - Εμπιστοσύνη στο σύστημα της 4 ης και 6 ης φάσης περισσότερο απ το απλό (της 3 ης φάσης και 5 ης φάσης αντίστοιχα). - Μη εμπιστοσύνη στο σύστημα της 5 ης φάσης. - Ώθηση στους οδηγούς να τηρούν μεγαλύτερες αποστάσεις με το σύστημα της 6 ης φάσης χωρίς να δυσανασχετούν από συνεχείς προειδοποιήσεις Δικαιολόγηση προειδοποιήσεων Ακολουθούν δύο ερωτήσεις που αξιολογούν εάν οι προειδοποιήσεις ήταν δικαιολογημένες, σύμφωνα με τη γνώμη των συμμετεχόντων. Η πρώτη ερώτηση αναφέρεται σε όλες τις φάσεις, ενώ η δεύτερη μόνο στη σύγκριση των συστημάτων των φάσεων 4-6 με το αντίστοιχο της 3 ης. Δεκέμβριος

203 Διδακτορική Διατριβή Μαρία Πάνου Αριθμός οδηγών Ήταν οι προειδοποιήσεις του ΣΠΑΣ δικαιολογημένες; πάντα σχεδόν πάντα ουδετερο σχεδόν ποτέ ποτέ Επιλογές 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης Σχήμα 42: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΑΣ ήταν δικαιολογημένες για τις τέσσερις φάσεις οδήγησης. Την πιο θετική βαθμολόγηση έλαβε το σύστημα της 4 ης φάσης, ακολουθούμενο από της 6 ης, ενώ η χειρότερη βαθμολόγηση δόθηκε στο σύστημα της 5 ης φάσης. Γενικά πάντως όλες οι απαντήσεις ήταν αρκετά θετικές. Ακολουθούν τα αποτελέσματα της σύγκρισης με την 3 η φάση οδήγησης, όπου μαζί με τις αναλυτικές απαντήσεις των συμμετεχόντων παρουσιάζεται και ο μέσος όρος τους για πιο γρήγορη σύγκριση (Σχήμα 43). Οι απαντήσεις είναι πολύ θετικές ή θετικές (απαντώντας με «σίγουρα ναι» ή «ναι») για τα συστήματα των φάσεων 4 και 6 και συγκρίνοντας τους μέσους όρους της βαθμολογίας τους που είναι 16 και 17 αντίστοιχα, είναι σχεδόν ίδια βαθμολογημένα. Η σύγκριση των προειδοποιήσεων της 5 ης φάσης με της 3 ης θεωρήθηκε ουδέτερη από την πλειοψηφία των οδηγών, γεγονός που αποδεικνύει τη σωστή κρίση των συμμετεχόντων, που βαθμολόγησε αντίστοιχα τα δύο μη προσωποποιημένα συστήματα. Δεκέμβριος

204 Εφαρμογές κι αποτελέσματα Αριθμός οδηγών Ήταν οι προειδοποιήσεις πιο δικαιολογημένες από εκείνες του απλού συστήματος της 3ης φάσης; 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης 0 Σίγουρα ναι Βαθμολογία Σίγουρα όχι Σχήμα 43: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΑΣ κατά την 4 η, 5 η και 6 η φάσης οδήγησης ήταν πιο δικαιολογημένες από εκείνες της 3 ης φάσης οδήγησης Χρονική στιγμή και συχνότητα παροχής προειδοποιήσεων Η επόμενη ερώτηση σχετίζεται με τη χρονική στιγμή παροχής των προειδοποιήσεων από το ΣΠΑΣ. Οι έξι από τους δέκα οδηγούς δήλωσαν ότι οι προειδοποιήσεις που προήλθαν από τα προσωποποιημένα συστήματα της 4 ης και 6 ης φάσης των δοκιμών ήταν στη σωστή ώρα, ενώ κάποιοι (λιγότεροι) υποστηρίζουν ότι ίσως δόθηκαν νωρίτερα από ότι έπρεπε. Οι απαντήσεις για τα συστήματα των φάσεων 3 και 5 (με τα όρια των κατασκευαστών) είναι παρόμοιες, υποστηρίζοντας στην πλειοψηφία τους ότι οι προειδοποιήσεις ελήφθησαν «μάλλον νωρίς» ή «πολύ νωρίς». Αριθμός οδηγών Χρονική στιγμή προειδοποιήσεων πολύ νωρίς μάλλον νωρίς στην ώρα μάλλον αργά πολύ αργά Επιλογές 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης Σχήμα 44: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων του ΣΠΑΣ για τις τέσσερις φάσεις οδήγησης Δεκέμβριος

205 Διδακτορική Διατριβή Μαρία Πάνου Τα αποτελέσματα όσον αφορά τη συχνότητα των προειδοποιητικών ήχων αναλύονται παρακάτω. Αριθμός οδηγών πολύ περισσότερες Συχνότητα προειδοποιήσεων ΣΠΑΣ μάλλον περισσότερες ακριβώς όσες έπρεπε Επιλογές μάλλον λιγότερες 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης πολύ λιγότερες Σχήμα 45: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη συχνότητα παροχής των προειδοποιήσεων του ΣΠΑΣ για τις τέσσερεις φάσεις οδήγησης. Το πρώτο συμπέρασμα που μπορεί να εξαχθεί με την πρώτη ματιά είναι ότι το σύστημα της 6 ης φάση οδήγησης έχει λάβει την πιο θετική βαθμολόγηση σχεδόν από όλους τους οδηγούς. Παρατηρείται επίσης αποδοχή των συστημάτων της 4 ης και 5 ης φάσης από τους μισούς οδηγούς, το οποίο αποτελεί και μη αναμενόμενο αποτέλεσμα όσον αφορά το μη προσωποποιημένο σύστημα της 5 ης φάσης. Αρκετοί οδηγοί έδωσαν θετική απάντηση και για το σύστημα της 3 ης φάσης. Εξετάζοντας τις απαντήσεις των δύο ακραίων οδηγών (οδηγοί 4 και 7), σχηματίζεται το ακόλουθο διάγραμμα: Σύγκριση 2 ακραίων οδηγών για τη συχνότητα των προειδοποιήσεων 3η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης πολύ μάλλον όσες έπρεπε περισσότερες περισσότερες μάλλον λιγότερες πολύ λιγότερες πολύ μάλλον όσες έπρεπε περισσότερες περισσότερες μάλλον λιγότερες πολύ λιγότερες οδηγός 4 οδηγός 7 Επιλογές Σχήμα 46: Σύγκριση δύο ακραίων (ως προς το ΧΣΜΑ) οδηγών για τη συχνότητα των προειδοποιήσεων των συστημάτων της εκάστοτε φάσης δοκιμών. Δεκέμβριος

206 Εφαρμογές κι αποτελέσματα Το κοινό στοιχείο που παρουσιάζουν και οι δύο οδηγοί είναι ότι βρήκαν τις προειδοποιήσεις των προσωποποιημένων συστημάτων των φάσεων 4 και 6 ακριβώς όσες έπρεπε. Την ίδια άποψη είχε και για το σύστημα της φάσης 5 ο οδηγός 4, γεγονός που αποτελεί μη αναμενόμενη εξέλιξη, εφόσον ο προσωπικός του ΧΣΜΑ=1,4 δευτ. είναι αρκετά μεγαλύτερος από το 1 δευτ. που δίνονταν προειδοποίηση. Για την ίδια φάση ο οδηγός 7 θεώρησε ότι λάμβανε πολύ περισσότερες προειδοποιήσεις από ότι έπρεπε, διότι το προσωπικό του ΧΣΜΑ είναι πολύ μικρότερο (0,25 δευτ.) Βαθμός εμπιστοσύνης Η τελευταία ερώτηση του ερωτηματολογίου αξιολογεί το βαθμό εμπιστοσύνης που δείχνουν οι οδηγοί στο ΣΠΑΣ της εκάστοτε φάσης των δοκιμών. Η γνώμη τους καταγράφηκε σε ποσοστιαία κλίμακα. Τα συγκριτικά αποτελέσματα και για τις τέσσερεις φάσεις των δοκιμών απεικονίζονται στο Σχήμα 47, όπου οι μπάρες αντιπροσωπεύουν τους μέσους όρους. Βαθμός εμπιστοσύνης 90 83% 87% % 70% Μέσος όρος (%) η φάση οδήγησης 4η φάση οδήγησης 5η φάση οδήγησης 6η φάση οδήγησης Σχήμα 47: Μέσος όρος βαθμού εμπιστοσύνης στο ΣΠΑΣ και τυπική απόκλιση, για όλες τις τέσσερεις φάσεις οδήγησης. Οι πιο υψηλοί βαθμοί εμπιστοσύνης αντιστοιχούν στα συστήματα των φάσεων 4 και 6, με πιο υψηλό το βαθμό (87%) για το σύστημα της 6 ης φάσης. Ο μέσος όρος της 6 ης φάσης έχει μικρή τυπική απόκλιση 11 (9,5), συμπεραίνοντας ότι οι μεμονωμένες τιμές του δείγματος (εδώ των συμμετεχόντων στις δοκιμές) δεν αποκλίνουν πολύ από το μέσο όρο (στη συγκεκριμένη περίπτωση κυμαίνονται από 80 έως 100). Mικρή είναι και η τυπική απόκλιση της 4 ης φάσης (9,5), ακολουθούμενη από την τυπική απόκλιση της 5 ης φάσης (18,26). Παρόλο που και το ποσοστό του βαθμού εμπιστοσύνης της φάσης 3 είναι αρκετά υψηλό, παρουσιάζει μεγάλη τυπική απόκλιση (25), 11 Η τυπική απόκλιση («standard deviation SD») δείχνει πόσο αποκλίνουν οι μεμονωμένες τιμές του δείγματος n (εδώ οι συμμετέχοντες στις δοκιμές) από τον μέσο όρο. Συνεπώς, μικρότερη τυπική απόκλιση αντιπροσωπεύει ένα σύνολο τιμών οι οποίες είναι πολύ κοντά στο μέσο όρο. Η τυπική απόκλιση δίνεται από τον τύπο: n x n 2 ( x) ( n 1) 2 Δεκέμβριος

207 Διδακτορική Διατριβή Μαρία Πάνου υποδηλώνοντας μεγάλη διακύμανση των απόψεων των συμμετεχόντων και άρα πιθανώς μη αντιπροσωπευτικό μέσο όρο. Επιχειρώντας μία ανάλυση ως προς το φύλο των οδηγών, αποδεικνύεται ότι οι άνδρες δήλωσαν πολύ μικρότερα ποσοστά βαθμού εμπιστοσύνης σε όλες τις φάσεις των δοκιμών. Έτσι, οι γυναίκες έδωσαν πιο θετική γνώμη κατά 6-24 βαθμούς για τις τέσσερεις φάσεις. Εξετάζοντας όλες τις τυπικές αποκλίσεις, οι άνδρες έχουν πολύ μικρότερες από τις γυναίκες για τις φάσεις 4-6, φανερώνοντας ότι πράγματι οι μέσοι όροι που παρουσιάζει ο Error! Reference source not found. είναι κοντά στις προσωπικές γνώμες τους. Για την 3 η φάση συμβαίνει το αντίθετο, συνεπώς οι απόψεις των ανδρών παρουσιάζουν μεγαλύτερες διακυμάνσεις. Πίνακας 35: Σύγκριση αποτελεσμάτων ανδρών-γυναικών μέσου όρου βαθμού εμπιστοσύνης για το ΣΠΑΣ (Ε: ελάχιστο, Μ: μέγιστο, SD: τυπική απόκλιση). Μέσος όρος βαθμού εμπιστοσύνης (%) ανδρών Μέσος όρος βαθμού εμπιστοσύνης (%) γυναικών Διαφορά μέσων όρων (%) ποσοστών (άνδρες-γυναίκες) 3 η φάση οδήγησης 54 (Ε: 20 Μ: 80) SD: (Ε: 50 Μ: 100) SD: 21,7 4 η φάση οδήγησης 80 (Ε: 70 Μ: 80) SD: 7,1 86 (Ε: 70 Μ: 100) SD: 11,4 5 η φάση οδήγησης 62 (Ε: 50, Μ: 70) SD: 10,95 78 (Ε: 50, Μ: 100) SD: 21,68 6 η φάση οδήγησης 80 (Ε: 80 Μ: 80) SD: 0 94 (Ε: 80 Μ: 100) SD: 8, Συμπεράσματα Συνοψίζοντας όλα τα παραπάνω αποτελέσματα των διαφορετικών ΣΠΑΣ, υπάρχει μία καθαρή προτίμηση των οδηγών για τα προσωποποιημένα συστήματα των φάσεων 4 και 6, έναντι των αντίστοιχων απλών συστημάτων των φάσεων 3 και 5. Κάποιες διακυμάνσεις στις απαντήσεις των οδηγών οφείλονται στη διαφορετική αντίληψη και προτίμηση του κάθε οδηγού καθώς επίσης και στον διαφορετικό τρόπο οδήγησης, εννοώντας τον προσωπικό τους ΧΣΜΑ. Ο πίνακας που ακολουθεί παρουσιάζει τις γνώμες όλων των συμμετεχόντων στις δοκιμές για το βαθμό εμπιστοσύνης που έχουν για το εκάστοτε σύστημα, σε σύγκριση με τον προσωπικό τους XΣMA όριο. Δεκέμβριος

208 Εφαρμογές κι αποτελέσματα Πίνακας 36: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης ανά χρήστη και φάση οδήγησης με το ΣΠΑΣ. Νο. Προσωπι -κός ΧΑ (μέσος στατικός) Προσωπικό ΧΣΜΑ όριο ταξινομημένο ανά αύξων αριθμό Βαθμός εμπιστοσύνης ΣΠΑΣ 3 ης φάσης (με ΧΑ=1) Βαθμός εμπιστοσύνης ΣΠΑΣ 4 ης φάσης (με ΧΑ=προσωπικό ΧΑ, από στήλη 2) Ποσοστό βελτίωσης βαθμού εμπιστοσύνης φάσης 4 ως προς φάση 3 (%) Βαθμός εμπιστοσύνης ΣΠΑΣ 5 ης φάσης (με ΧΣΜΑ όριο = 1) Βαθμός εμπιστοσύνης ΣΠΑΣ 6 ης φάσης (με προσωπικό ΧΣΜΑ όριο, από στήλη 3) Ποσοστό βελτίωσης βαθμού 7 0,79 0,25 0, ,73 0,61 0, ,7 1 0,94 0,67 0, ,82 0, , ,08 0, ,74 0, ,07 0, ,09 0, ,99 1, ,88 1, Παρατηρείται ότι οδηγοί με ακραίο ΧΣΜΑ όριο (γκρι κελιά) που οδηγούν δηλαδή είτε πολύ κοντά είτε σε μεγαλύτερη απόσταση από το προπορευόμενο όχημα, παρουσιάζουν πολύ μεγαλύτερη προτίμηση (δηλαδή έχουν μεγαλύτερα ποσοστά βελτίωσης βαθμού εμπιστοσύνης του χρήστη ως προς το σύστημα) στα προσωποποιημένα συστήματα (με μόνη εξαίρεση τον οδηγό 2 ως προς το ΧΣΜΑ όριο ) απ ότι οι οδηγοί που οδηγούν όντως στο μέσον όρο (ΧΣΜΑ=1 δευτ.) και άρα κοντά στην εργοστασιακή τιμή του ορίου προειδοποίησης, αυτό ήταν φυσικά αναμενόμενο. Από τη στιγμή όμως που σε τυχαίο δείγμα 10 οδηγών τουλάχιστον 4 μπορεί να θεωρηθεί ότι αποκλίνουν ουσιαστικά από το θεωρούμενο ως μέσο οδηγό ως προς τη συμπεριφορά τους κατά το διαμήκη άξονα κίνησης, ένα τέτοιο σύστημα φαίνεται να έχει πολύ μεγάλο εύρος εφαρμογής. Αξιοσημείωτο είναι επίσης ότι 6 οδηγοί με ΧΑ κοντά στο μέσο όρο που είναι 1 (οι οδηγοί 3, 5, 6, 8, 9, 10) για τη συγκεκριμένη δοκιμή παρουσιάζουν επίσης ΧΣΜΑ όριο κοντά στο 1 δευτ. (που θεωρείται επίσης ο μέσος όρος από τους κατασκευαστές). Φυσικά αυτή η παρατήρηση δε μπορεί να γενικευτεί λόγω του περιορισμένου αριθμού δείγματος. Στη συνέχεια, επιχειρείται σύγκριση των απόψεων των συμμετεχόντων για τη χρονική στιγμή παροχής των προειδοποιήσεων, σε σχέση με τον προσωπικό τους μέσο(ελάχιστοχσ). Προκειμένου να πραγματοποιηθεί σύγκριση των απαντήσεων των χρηστών θεωρούμε ότι οι απαντήσεις της συγκεκριμένης ερώτησης που κυμαίνονται από «πολύ νωρίτερα» έως «πολύ αργότερα» αντιστοιχούν σε νούμερα, από 1 έως 5. εμπιστοσύνης φάσης 6 ως προς φάση 5 (%) Δεκέμβριος

209 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 37: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων για τη χρονική στιγμή προειδοποίησης ανά χρήστη και φάση οδήγησης με το ΣΠΑΣ. Νο. Προσωπικός ΧΑ (μέσος στατικός) ΧΣΜΑόριο ταξινομημένο ανά αύξων αριθμό Χρονική Χρονική στιγμή στιγμή προειδοπ. προειδοπ. ΣΠΑΣ 3 ης ΣΠΑΣ 4 ης φάσης (με φάσης (με ΧΑ=1) ΧΑ=προσωπικό ΧΑ, από Χρονική Χρονική στιγμή στιγμή προειδοπ. ΣΠΑΣ 5 ης φάσης (με ΧΣΜΑ όριο =1) στήλη 2) 7 0,79 0,25 0, ,73 0,61 0, ,94 0,67 0, ,82 0, ,08 0, ,74 0, ,07 0, ,09 0, ,99 1, ,88 1, Μέσος όρος 2 2,8 1,9 2,6 Τυπική απόκλιση 0, 7 0,6 0,75 0,5 1: πολύ νωρίτερα, 2: μάλλον νωρίτερα, 3: ακριβώς στην ώρα, 4: μάλλον αργότερα, και 5: πολύ αργότερα. προειδοπ. ΣΠΑΣ 6 ης φάσης (με προσωπικό ΧΣΜΑ όριο, από στήλη 4) Οι μέσοι όροι των βαθμολογήσεων ανά φάση οδήγησης υποδηλώνουν ότι γενικά οι προειδοποιήσεις των φάσεων 3 και 5 δόθηκαν μάλλον νωρίτερα. Για τις υπόλοιπες δύο φάσεις (με τα προσωποποιημένα συστήματα) ο μέσος όρος είναι πολύ κοντά στο 3, που σημαίνει ότι οι προειδοποιήσεις παρέχονταν τη σωστή ώρα. Η μικρότερη τυπική απόκλιση αντιστοιχεί στο μέσο όρο της τελευταίας φάσης, ακολουθούμενη από της 4 ης φάσης Αποτελέσματα δοκιμών οδήγησης με προειδοποιήσεις από το ΣΠΕΛ (φάσεις 7-9) Η καταγραφή της γνώμης των συμμετεχόντων σχετικά με τις προειδοποιήσεις του ΣΠΕΛ πραγματοποιήθηκε μετά το πέρας της 7 ης φάσης οδήγησης με το όριο ΑΠΟΛ από τον κατασκευαστή ( ΑΠΟΛ όριο_αριστερά 1,14) και κατόπιν της 8 ης (με το προσαρμοσμένο ΑΠΟΛ στον πλάτος της λωρίδας της χώρας μας και του συγκεκριμένου οχήματος των δοκιμών, ΑΠΟΛ αριστ_νέο_όριο 1,4) και της 9 ης (με το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )). Έτσι, συνολικά δόθηκαν 3 ερωτηματολόγια. Όπως και στην περίπτωση του ΣΠΑΣ, οι ερωτήσεις είναι όμοιες σε όλα τα ερωτηματολόγια. Το πρώτο ερωτηματολόγιο για το ΣΠΕΛ που συμπλήρωσαν οι συμμετέχοντες αφορά στη γνώμη τους για το σύστημα της 7 ης φάσης, ενώ στα επόμενα δύο ερωτηματολόγια υπάρχουν κι ερωτήσεις σύγκρισης με τα αντίστοιχα της 8 ης κι 9 ης φάσης οδήγησης, ως τρόπος ελέγχου της εγκυρότητας των απαντήσεων των συμμετεχόντων. Οι ερωτήσεις είναι αντίστοιχες, στην πλειοψηφία τους, με αυτές που χρησιμοποιήθηκαν για την Δεκέμβριος

210 Εφαρμογές κι αποτελέσματα αξιολόγηση των προειδοποιήσεων του ΣΠΑΣ. Τα ερωτηματολόγια παρατίθενται στο Παράρτημα Ζ. Οι απαντήσεις δίνονται σε κλίμακα βαθμολόγησης πέντε βαθμίδων, από θετική προς αρνητική. Όπως και στην περίπτωση της ανάλυσης των αποτελεσμάτων για το ΣΠΑΣ, οι ερωτήσεις με αντίθετη βαθμολόγηση, δηλαδή από αρνητική προς θετική, έχουν αντιστραφεί, για να είναι εφικτή η άμεση σύγκριση. Η ανάλυση των αποτελεσμάτων παρουσιάζεται παράλληλα και για τις τρεις φάσεις οδήγησης με το ΣΠΕΛ, προκειμένου να είναι δυνατή η άμεση σύγκριση των απαντήσεων των συμμετεχόντων στην κάθε περίπτωση Αποδοχή οδηγών Τα αποτελέσματα ως προς τον μέσο όρο των απαντήσεων των χρηστών για τα επιμέρους ερωτήματα αποδοχής του συστήματος διαμορφώνονται συγκριτικά και για τις τρεις φάσεις οδήγησης, ως ακολούθως: Δεκέμβριος

211 Διδακτορική Διατριβή Μαρία Πάνου Αποδοχή χρηστών - προειδοποιήσεις συστήματος ΠΕΛ Μέσος όρος βαθμολογίας ανά ερώτηση 1 1,5 2 2,5 3 3,5 4 4,5 5 χρήσιμο/ άχρηστο ευχάριστο/ δυσάρεστο καλό/ κακό Ερωτήσεις ωραίο/ ενοχλητικό αποτελεσματικό/ μη αποτελεσματικό αρεστό/ εκνευριστικό ` 7η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης βοηθά/ χωρίς αξία επιθυμητό/ ανεπιθύμητο αύξηση/μείωση εγρήγορσης βέλτιστη βαθμολογία μέση βαθμολογία χείριστη βαθμολογία Σχήμα 48: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας αποδοχής οδηγών για το ΣΠΕΛ και για τις τρεις φάσεις οδήγησης των δοκιμών με προειδοποιήσεις επί του εγκάρσιου άξονα της οδού, σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία. Ο μέσος όρος βαθμολογίας της κάθε ερώτησης δίνεται σε σύγκριση με τα επίπεδα της βέλτιστης, μέσης και χείριστης βαθμολογίας που θα μπορούσε να αποδοθεί. Όπως σημειώνεται στο παραπάνω διάγραμμα, όσο πιο μικρός είναι ο μέσος όρος της βαθμολογίας τόσο πιο θετικές είναι οι απαντήσεις που έδωσαν οι συμμετέχοντες. Το πρώτο αποτέλεσμα που προκύπτει είναι ότι τα αποτελέσματα της 9 ης φάσης οδήγησης (με το προσωποποιημένο όριο ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )) είναι φανερά πιο θετικά από τα αντίστοιχα των υπολοίπων φάσεων, εφόσον πλησιάζουν περισσότερο τη βέλτιστη βαθμολογία, με τις πιο θετικές απαντήσεις να σημειώνονται για την αποτελεσματικότητα, τη χρησιμότητα και τη βοήθεια που προσφέρει το σύστημα. Οι απαντήσεις που αφορούν στην 8 η φάση οδήγησης (με το προσαρμοσμένο ΑΠΟΛ αριστ_νέο_όριο ) είναι πιο αρνητικές σε τρία υπο-ερωτήματα από τις αντίστοιχες της 7 ης φάσης. Αυτό οφείλεται στο γεγονός ότι το πλάτος των λωρίδων κυκλοφορίας Δεκέμβριος

212 Εφαρμογές κι αποτελέσματα στους Ελληνικούς δρόμους όπου πραγματοποιήθηκαν οι δοκιμές (κυρίως αυτοκινητόδρομος Θεσσαλονίκης-Χαλκιδικής) δεν είναι σταθερό, αλλά παρουσιάζει μικρές διακυμάνσεις, κυρίως μεταξύ παλαιοτέρων και νέων τμημάτων των οδών. Συνεπώς το προσαρμοσμένο ΣΠΕΛ, αν και έχει βαθμολογηθεί πιο θετικά από το μη προσαρμοσμένο της 7 ης φάσης (εφόσον οι έξι ερωτήσεις που αποτελούν και την πλειοψηφία, παρουσιάζουν πιο θετική βαθμολόγηση) δεν αποτελεί μία γενικευμένη αποδεκτή λύση. Η χειρότερη βαθμολογία και για τις τρεις φάσεις αντιστοιχεί στην ερώτηση εάν το σύστημα ήταν ευχάριστο ή δυσάρεστο, κάτι το οποίο ήταν αναμενόμενο, εφόσον δεν πρόκειται για σύστημα που αυξάνει την άνεση του οδηγού, αλλά ενισχύει την εγρήγορση και την επίγνωσή του Επιρροή του ΣΠΕΛ στην απόσταση απ τις διαγραμμίσεις της λωρίδας κυκλοφορίας Η επόμενη ερώτηση σχετίζεται με το αν πιστεύουν οι οδηγοί ότι θα αλλάξει η απόσταση που αφήνουν απ τις διαγραμμίσεις της λωρίδας, έχοντας το ΣΠΕΛ ενεργοποιημένο. Αριθμός οδηγών Επιρροή του συστήματος ΠΕΛ στην απόσταση από τις διαγραμμίσεις της λωρίδας Σίγουρα ναι Βαθμολογία οδηγών 7η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης Σίγουρα όχι Σχήμα 49: Συγκριτικά αποτελέσματα για την επιρροή του ΣΠΕΛ στην απόσταση των οδηγών από τις διαγραμμίσεις της λωρίδας κυκλοφορίας. Πρέπει να σημειωθεί ότι στη συγκεκριμένη ερώτηση, οι οδηγοί μπορεί να έχουν θετική ή αρνητική πρόθεση δηλώνοντας ότι η απόσταση του αυτοκινήτου τους από τη διαγράμμιση θα αλλάξει. Συγκεκριμένα, στην 7 η φάση, ένας οδηγός ενώ έδωσε βαθμολογία «1», διευκρίνισε ότι θα εκνευρίζονταν από το μη προσωποποιημένο σύστημα. Το σχόλιο αυτό προέρχεται από ένα οδηγό με πολύ μικρό ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) (πρόκειται για τον οδηγό 8, ο οποίος οδηγούσε με την αριστερή πλευρά του αυτοκινήτου του να απέχει κατά μέσο όρο μόλις 30 εκατοστά από την αριστερή διαγράμμιση, όπως φαίνεται και στον πίνακα της παραγράφου ), που είχε ως αποτέλεσμα να λαμβάνει πάρα πολλές προειδοποιήσεις από το σύστημα και να σταματήσει τη δοκιμή ενοχλημένος. Ο συγκεκριμένος οδηγός έδωσε πολύ αρνητικές απαντήσεις για το σύστημα. Έτσι, παρόλο που στο παραπάνω διάγραμμα φαίνεται ότι το πιο θετικά βαθμολογημένο σύστημα είναι της 8 ης φάσης (εφόσον έχει το χαμηλότερο μέσο όρο), η εικόνα είναι παραπλανητική. Στις υπόλοιπες Δεκέμβριος

213 Διδακτορική Διατριβή Μαρία Πάνου δύο φάσεις δοκιμών τα σχόλια από τους οδηγούς ήταν θετικά. Πιο αναλυτικά, για τις συγκεκριμένες φάσεις οι οδηγοί δήλωσαν: - Θα οδηγώ πιο σωστά στη λωρίδα κυκλοφορίας (2 οδηγοί για την 7 η φάση και 2 οδηγοί για την 9 η φάση). - Θα αποδέχομαι καλύτερα τις προτάσεις του συστήματος (1 οδηγός για την 9 η φάση). Δύο οδηγοί έδωσαν επίσης καταφατική απάντηση στην ερώτηση αυτή, απαντώντας «μάλλον ναι», εκφράζοντας επιπλέον τα ακόλουθα σχόλια: - Δε θα πλησιάζω τη διαγράμμιση. - Θα δοκιμάζω το όριο του συστήματος. Συγκρίνοντας τις απαντήσεις των φάσεων 7 και 9, το πιο αρνητικά βαθμολογημένο σύστημα είναι της 7 ης φάσης με το σύστημα με το όριο ΑΠΟΛ από τον κατασκευαστή. Σε γενικές γραμμές η πλειοψηφία των οδηγών κράτησε μία ουδέτερη στάση (επιλέγοντας το «3») στη συγκεκριμένη ερώτηση Ασφάλεια κι εμπιστοσύνη στο σύστημα Στη συνέχεια απεικονίζονται οι μέσοι όροι των απαντήσεων που αντιστοιχούν στις ερωτήσεις κατά πόσο οι οδηγοί αισθάνθηκαν περισσότερη ασφάλεια και αν θα βασίζονταν στο σύστημα σε καθημερινή βάση. Μέσος όρος Μέσος όρος απαντήσεων για την ασφάλεια και εμπιστοσύνη στο σύστημα 7η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης 1 ασφάλεια εμπιστοσύνη Σχήμα 50: Συγκριτικά αποτελέσματα μέσου όρου βαθμολογίας ερωτήσεων σχετικά με την ασφάλεια που νοιώθουν οι οδηγοί και την εμπιστοσύνη που έχουν στο ΣΠΕΛ και για τις τρεις φάσεις οδήγησης. Στο σημείο αυτό πρέπει να αναφερθεί ότι υπάρχει μια διαφοροποίηση στις ερωτήσεις που αναφέρονται στην 7 η φάση οδήγησης από τις αντίστοιχες της 8 ης και της 9 ης. Η διαφορά είναι ότι στις δύο τελευταίες φάσεις οι χρήστες καλούνται να συγκρίνουν το εκάστοτε σύστημα με εκείνο της 7 η φάσης, ενώ στην 7 η φάση απαντούν αποκλειστικά για την γνώμη τους ως προς το συγκεκριμένο σύστημα (και όχι συγκρίνοντάς το με κάποιο άλλο). Όσον αφορά τα αποτελέσματα, διαμορφώνεται μία καθαρή εικόνα προτίμησης του προσαρμοσμένου συστήματος (της 8 ης φάσης) από το απλό, καθώς και του προσωποποιημένου (της 9 ης φάσης) από το απλό. Ο μέσος όρος ελαττώνεται (άρα η θετική βαθμολόγηση αυξάνεται) σταδιακά ανάμεσα στις τρεις φάσεις. Συνολικά, οι Δεκέμβριος

214 Εφαρμογές κι αποτελέσματα απαντήσεις των συμμετεχόντων είναι πιο θετικές στο θέμα της ασφάλειας σε σύγκριση με αν θα βασίζονταν στο σύστημα. Αυτό δικαιολογείται, εφόσον το σύστημα περιορίζεται απ το κατώτατο όριο ασφαλείας ώστε να προλαμβάνει πιθανούς επικίνδυνους ελιγμούς εκτροπής απ τη λωρίδα κυκλοφορίας, ακόμη κι αν κάποιοι οδηγοί βρήκαν τις προειδοποιήσεις να δίνονται πιο νωρίς/ αργά από ότι θα έπρεπε, όπως θα εξηγηθεί παρακάτω. Έχει ενδιαφέρον να εξετάσουμε αναλυτικά τις απαντήσεις δύο ακραίων οδηγών (δηλαδή με ακραίες τιμές ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )), και συγκεκριμένα των οδηγών 4 (που η αριστερή πλευρά του αυτοκινήτου του απέχει σχεδόν 70 εκατοστά από την αριστερή διαγράμμιση) και 8 (που οδηγεί πιο αριστερά απ όλους όπως προαναφέρθηκε). 6 5 Απαντήσεις 2 ακραίων οδηγών για την ασφάλεια και εμπιστοσύνη στο σύστημα 7η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης Βαθμολογία ασφάλεια εμπιστοσύνη ασφάλεια εμπιστοσύνη οδηγός 4 οδηγός 8 Σχήμα 51: Μέσοι όροι απαντήσεων δύο ακραίων (ως προς το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )) οδηγών σχετικά με την ασφάλεια κι εμπιστοσύνη στο ΣΠΕΛ. Παρατηρούμε ότι και οι δύο οδηγοί έχουν δώσει σχεδόν όμοιες απαντήσεις ο καθένας τόσο για την ασφάλεια όσο και για την εμπιστοσύνη που δείχνουν στο σύστημα. Ο οδηγός 4 δείχνει μία σαφή προτίμηση στα συστήματα των φάσεων 8 (απαντώντας με «1» που υποδηλώνει την πιο θετική απάντηση) και 9, το οποίο είναι φυσιολογικό, εφόσον κατά την 7 η φάση λάμβανε τις προειδοποιήσεις πιο αργά από ότι έπρεπε (διότι οι προειδοποιήσεις δίνονταν όταν ΑΠΟΛ όριο_αριστ 1,14 ενώ το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) =1,56). Ο οδηγός 8 είναι πολύ δυσαρεστημένος από τις προειδοποιήσεις που έλαβε κατά τη φάση 8 (απαντώντας με την πιο αρνητική βαθμολογία, που είναι το «5»). Αυτό είναι απόλυτα δικαιολογημένο λόγω του ότι οι προειδοποιήσεις που λάμβανε ήταν πάρα πολλές και άσκοπες (καθότι το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) =1,19 ενώ οι προειδοποιήσεις δίνονταν όταν ΑΠΟΛ όριο_αριστ 1,4. Ο ίδιος οδηγός δείχνει γενικά μία ουδέτερη στάση στα συστήματα των άλλων δύο φάσεων, το οποίο οφείλεται στο γεγονός ότι οδηγεί γενικά πολύ αριστερά (μόλις 30 εκ. από την αριστερή διαγράμμιση), αν και τα μηνύματα που λαμβάνει κατά τις φάσεις αυτές είναι σε πιο λογικά πλαίσια (πιο λίγα). Συγκεκριμένα, το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) είναι στην πραγματικότητα μόνο 7 εκ. πιο δεξιά από το όριο ασφαλείας (το οποίο είναι 1,12). Δεκέμβριος

215 Διδακτορική Διατριβή Μαρία Πάνου Επιπτώσεις του συστήματος Όσον αφορά στις επιπτώσεις του προσαρμοσμένου ΣΠΕΛ (ερώτηση πολλαπλών απαντήσεων), υπήρχαν προκαθορισμένες απαντήσεις τις οποίες επέλεξαν οι χρήστες, αλλά υπήρχε η δυνατότητα πολλαπλών επιλογών καθώς και η εισαγωγή περαιτέρω σχολίων. Όπως και στην προηγούμενη ερώτηση, τα ερωτηματολόγια που συμπληρώθηκαν μετά από την 8 η και 9 η φάση οδήγησης αφορούσαν στη σύγκριση με το σύστημα της 7 ης φάσης. Επιπτώσεις του συστήματος 10 Αριθμός οδηγών η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης αύξηση οδικής ασφάλειας πιο υπεύθυνη οδήγηση υπερβολική εμπιστοσύνη εκνευρισμός στους οδηγούς άλλο Ερωτήσεις Σχήμα 52: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τις επιπτώσεις του ΣΠΕΛ και για τις τρεις φάσεις οδήγησης. Οι πλειοψηφία των οδηγών δήλωσαν ότι θα αυξηθεί η οδική ασφάλεια και με τα τρία συστήματα (και στις τρεις φάσεις οδήγησης). Στο προσωποποιημένο σύστημα της 9 ης φάσης υπήρξε ομοφωνία. Τέσσερεις οδηγοί απάντησαν ότι θα γίνουν πιο υπεύθυνοι με τα συστήματα των φάσεων 8 και 9, ενώ μόνο 2 με το απλό σύστημα. Υπήρξαν τρία άτομα που θεωρούν ότι θα εκνευρίζονται από το σύστημα της 8 ης φάσης και ένα άτομο από το σύστημα της 9 ης φάσης. Τέλος, δόθηκαν και νέα σχόλια από πέντε οδηγούς, τα εξής (όλα για την 7 η, μη προσαρμοσμένη/προσωποποιημένη φάση): - Μπορεί να αγνοούν το σύστημα αν παίρνουν τόσα πολλά μηνύματα (ένας οδηγός, 7 η φάση). - Το σύστημα θα τρομάζει τους οδηγούς αν λαμβάνουν μη αναμενόμενες προειδοποιήσεις (ένας οδηγός, 7 η φάση). - Δε θα υπάρχει καμία επίπτωση. Όταν το σύστημα σε προειδοποιεί είσαι ήδη στην άλλη λωρίδα κυκλοφορίας (δύο οδηγοί, 7 η φάση) Δικαιολόγηση προειδοποιήσεων Οι χρήστες ερωτήθηκαν εάν οι προειδοποιήσεις που έλαβαν κατά τις δοκιμές ήταν δικαιολογημένες. Οι σχετικές ερωτήσεις συμπεριλαμβάνονταν και στα τρία Δεκέμβριος

216 Εφαρμογές κι αποτελέσματα ερωτηματολόγια που συμπληρώθηκαν μετά από την εκάστοτε φάση οδήγησης. Τα συγκριτικά αποτελέσματα παρουσιάζονται παρακάτω: Ήταν οι προειδοποιήσεις δικαιολογημένες; Αριθμος οδηγών η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης πάντα σχεδόν πάντα ουδετερο σχεδόν ποτέ ποτέ Επιλογές Σχήμα 53: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΕΛ ήταν δικαιολογημένες για τις τρεις φάσεις οδήγησης. Είναι φανερό ότι οι προειδοποιήσεις που λάμβαναν οι οδηγοί θεωρήθηκαν από την πλειοψηφία των οδηγών δικαιολογημένες πάντα ή σχεδόν πάντα. Η εικόνα είναι παρόμοια και για τα τρία συστήματα και δεν παρουσιάζει έκπληξη που ακόμη και για το σύστημα της 7 ης φάσης οι απαντήσεις είναι θετικές, εφόσον όταν δίνονταν οι προειδοποιήσεις το αυτοκίνητο είχε ήδη πατήσει τη διαγράμμιση της λωρίδας (τα αποτελέσματα για το εάν οι προειδοποιήσεις παρήχθησαν αργά ή νωρίς αναλύονται στην επόμενη παράγραφο). Πιο αρνητικές απαντήσεις δόθηκαν από τους οδηγούς με τα μικρότερα ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ), για το προσαρμοσμένο σύστημα της 8 ης φάσης, που είναι πιο κοντά στο όριο ΑΠΟΛ όριο_αριστ (1,4μ), διότι θεωρούσαν ότι δεν υπήρχε λόγος προειδοποίησης. Επιπλέον, υπήρχε και μία ακόμη ερώτηση μόνο στα ερωτηματολόγια των φάσεων 8 και 9, που εξέταζε εάν τα μηνύματα ήταν πιο δικαιολογημένα σε σχέση με εκείνα του συστήματος της 7 ης φάσης. Ζητούσε δηλαδή από τους συμμετέχοντες να συγκρίνουν το προσαρμοσμένο και το προσωποποιημένο σύστημα με το αρχικό. Δεκέμβριος

217 Διδακτορική Διατριβή Μαρία Πάνου Αριθμός οδηγών Ήταν οι προειδοποιήσεις δικαιολογημένες σε σχέση με το απλό σύστημα; 8η φάση οδήγησης 9η φάση οδήγησης 0 Σίγουρα ναι Κλίμακα βαθμολόγησης Σίγουρα όχι Σχήμα 54: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τον αν οι προειδοποιήσεις του ΣΠΕΛ κατά την 8 η και 9 η φάσης οδήγησης ήταν πιο δικαιολογημένες από εκείνες της 7 ης φάσης οδήγησης. Οι απαντήσεις ήταν θετικές και για τα δύο συστήματα, δείχνοντας μία σαφή προτίμηση υπέρ του προσαρμοσμένου και του προσωποποιημένου συστήματος. Βέβαια, οι απαντήσεις για την 9 η φάση (προσωποποιημένο σύστημα) ήταν ακόμη πιο θετικές (οι οποίες κυμαίνονται από πολύ θετικές έως ουδέτερες) ενώ για την 8 η φάση (προσαρμοσμένο) υπάρχουν και χρήστες που απάντησαν αρνητικά. Την καλύτερη βαθμολόγηση δέχθηκε το σύστημα της 9 ης φάσης εφόσον ο μέσος όρος της βαθμολογίας ήταν 1,4 ενώ για την 9 η φάση ήταν 2,3 βαθμοί Χρονική στιγμή και συχνότητα παροχής προειδοποιήσεων Οι απόψεις των συμμετεχόντων για την καταλληλότητα της χρονικής στιγμής των προειδοποιητικών μηνυμάτων απεικονίζονται καθαρά στο Σχήμα 55, όπου σχεδόν όλοι οι οδηγοί (9 από τα 10 άτομα) θεωρούν ότι οι προειδοποιήσεις δόθηκαν στην ώρα τους όσον αφορά το προσωποποιημένο σύστημα (της 9 ης φάσης). Τα μηνύματα του προσαρμοσμένου συστήματος της 7 ης φάσης κρίθηκαν ότι δόθηκαν «μάλλον αργά» από 6 οδηγούς ενώ οι γνώμες των υπολοίπων τεσσάρων οδηγών διασπώνται ανάμεσα στο «πολύ αργά» και «στην ώρα τους». Τέλος, για το σύστημα της 8 ης φάσης, οι μισοί απάντησαν ότι τις έλαβαν μάλλον αργά. Οι οδηγοί αυτοί έχουν ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) από 1,41 έως 1,56, οπότε η κρίση τους δικαιολογείται (τουλάχιστον για εκείνους με το μεγαλύτερο ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά )). Οι απαντήσεις των υπολοίπων οδηγών μοιράζονται από «πολύ νωρίς» έως και «στην ώρα τους». Δεκέμβριος

218 Εφαρμογές κι αποτελέσματα Χρονική στιγμή προειδοποιήσεων Αριθμός οδηγών η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης πολύ νωρίς μάλλον νωρίς στην ώρα μάλλον αργά πολύ αργά Επιλογές Σχήμα 55: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη χρονική στιγμή παροχής των προειδοποιήσεων του ΣΠΕΛ για τις τρεις φάσεις οδήγησης. Τα αποτελέσματα σχετικά με τη συχνότητα παροχής των προειδοποιήσεων είναι σε συμφωνία με αυτά της προηγούμενης ερώτησης και παρουσιάζονται αναλυτικά στο επόμενο σχήμα: Συχνότητα προειδοποιήσεων 10 Αριθμός οδηγών η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης πολύ περισσότερες μάλλον περισσότερες ακριβώς όσες έπρεπε μάλλον λιγότερες πολύ λιγότερες Επιλογές Σχήμα 56: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων σχετικά με τη συχνότητα παροχής των προειδοποιήσεων του ΣΠΕΛ για τις τρεις φάσεις οδήγησης. Δεκέμβριος

219 Διδακτορική Διατριβή Μαρία Πάνου Συγκεκριμένα, υπάρχει απόλυτη ικανοποίηση από τη συχνότητα των προειδοποιητικών ήχων του προσωποποιημένου ΣΠΕΛ (της 9 ης φάσης). Για τα συστήματα της 7 ης και 8 ης φάσης οδήγησης, περισσότεροι απ τους μισούς οδηγούς απάντησαν ότι ήταν όσες έπρεπε. Οι υπόλοιποι οδηγοί θεώρησαν ότι ήταν λιγότερες για την 7 η φάση ενώ, αντίθετα, τις βρήκαν περισσότερες από ότι έπρεπε για την 8 η φάση Βαθμός εμπιστοσύνης Ο βαθμός εμπιστοσύνης του κάθε οδηγού δόθηκε σε ποσοστιαία κλίμακα. Οι μέσοι όροι που προκύπτουν από τις απαντήσεις των χρηστών αυξάνονται σταδιακά περνώντας από την 7 η στην 9 η φάση οδήγησης, όπως φαίνεται στο Σχήμα 57. Πρέπει να σημειωθεί ότι η τυπική απόκλιση που υπολογίζεται και για την 8 η φάση οδήγησης είναι υψηλή, γεγονός που υποδηλώνει ότι υπάρχει μεγάλη διακύμανση στις απαντήσεις τους, ακολουθούμενη από της 7 ης φάσης, με μικρότερη της 9 ης φάσης. Πιο λεπτομερώς, στην 7 η φάση ο μέσος όρος του βαθμού εμπιστοσύνης είναι 38% και τη τυπική απόκλιση 19,9 (η διακύμανση των απαντήσεων είναι από 10-70%). Ο μέσος όρος για την 8 η φάση είναι 53% και η τυπική απόκλιση 23,11 (οι απαντήσεις κυμαίνονται από 10-90%). Τέλος, για την 9 η φάση ο μέσος όρος υπολογίζεται σε 67% με τυπική απόκλιση 15,49 (διακύμανση τιμών από 40-90%). Βαθμός εμπιστοσύνης 70 68% 60 53% Μέσος όρος (%) % η φάση οδήγησης 8η φάση οδήγησης 9η φάση οδήγησης Σχήμα 57: Συγκριτικά αποτελέσματα μέσου όρου βαθμού εμπιστοσύνης στο ΣΠΕΛ για τις τρεις φάσεις οδήγησης. Η εξέταση των μέσων όρων μεμονωμένα για τις γυναίκες και τους άνδρες οδηγούς φανερώνει σημαντικές διαφοροποιήσεις στις απόψεις τους για τα συστήματα των τριών φάσεων των δοκιμών. Τα αποτελέσματα ακολουθούν στον επόμενο πίνακα: Δεκέμβριος

220 Εφαρμογές κι αποτελέσματα Πίνακας 38: Σύγκριση αποτελεσμάτων ανδρών-γυναικών μέσου όρου βαθμού εμπιστοσύνης για το ΣΠΕΛ (Ε: ελάχιστο, Μ: μέγιστο, SD: τυπική απόκλιση). Μέσος όρος βαθμού εμπιστοσύνης (%) ανδρών Μέσος όρος βαθμού εμπιστοσύνης (%) γυναικών Διαφορά μέσων όρων ποσοστών (άνδρεςγυναίκες) (%) 7 η φάση οδήγησης 32 (Ε: 10 Μ: 50) SD: 20,5 44 (Ε: 20 Μ: 70) SD: 19,5 8 η φάση οδήγησης 64 (Ε: 40 Μ: 90) SD: 19,5 42 (Ε: 10 Μ: 70) SD: 22,8 9 η φάση οδήγησης 78 (Ε: 70, Μ: 90) SD: (Ε: 40, Μ: 70) SD: 13, Το πρώτο συμπέρασμα που μπορεί να εξαχθεί είναι ότι και τα δύο φύλα οδηγών έδωσαν τη μεγαλύτερη βαθμολογία τους στο προσωποποιημένο σύστημα της 9 ης φάσης. Στην αξιολόγηση του ΣΠΑΣ οι γυναίκες είναι πιο συγκρατημένες σε σχέση με το ΣΠΕΛ, εφόσον τα ποσοστά τους είναι πολύ χαμηλότερα σε σύγκριση με εκείνα που παρουσιάστηκαν στην 0 και μικρότερα από των αντρών για τα συστήματα των φάσεων 8 κι 9. Τα αποτελέσματα των αντρών είναι πολύ ενθαρρυντικά, διότι τα ποσοστά τους αυξάνονται σταδιακά, ξεκινώντας από το συμβατικό ΣΠΑΣ με 32%, συνεχίζοντας με το προσαρμοσμένο με 64% και καταλήγοντας στο προσωποποιημένο με 78%. Αντίθετα, τα αποτελέσματα των γυναικών, αν και αποδίδουν το μεγαλύτερο βαθμό εμπιστοσύνης στο προσωποποιημένο σύστημα, παρουσιάζουν μία λίγο θετικότερη εικόνα για το τυπικό ΣΠΑΣ (με 44%) απ ότι για το προσαρμοσμένο της 8 ης φάσης (42%) κατά 2%. Οι τυπικές αποκλίσεις που παρουσιάζει ο Πίνακας 38, είναι πιο υψηλές για την 8 η φάση (όπου υπάρχει μεγάλη διακύμανση των απόψεων τόσο για τους άνδρες όσο και για τις γυναίκες (από 40-90% και 10-70% αντίστοιχα), σε σχέση με το σύστημα της τελευταίας φάσης που είναι είναι αρκετά χαμηλές, με μικρότερες φυσικά διακυμάνσεις στα ποσοστά (70-90% για τους άνδρες και 40-70% για τις γυναίκες) Συμπεράσματα Οι διαφορές που σημειώθηκαν στις απαντήσεις των ερωτήσεων που αναλύθηκαν παραπάνω είναι άμεσα συνδεδεμένες με τον τρόπο οδήγησης του εκάστοτε οδηγού, όσον αφορά την εγκάρσια θέση του στη λωρίδα κυκλοφορίας. Αυτό προκύπτει εξετάζοντας τις προσωπικές παραμέτρους του κάθε οδηγού που παρουσιάζει ο Πίνακας 39 και συγκρίνοντάς τες με τις απαντήσεις τους στα ερωτηματολόγια. Για παράδειγμα, οδηγοί με ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) 1,4μ. πιστεύουν ότι οι προειδοποιήσεις της 7 ης φάσης οδήγησης ήταν πολλές και νωρίτερα απ ότι έπρεπε (Σχήμα 55), διότι όσο πιο μικρό (κατά απόλυτη τιμή) το προσωπικό τους ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) τόσο πιο πολλές προειδοποιήσεις έπαιρναν κατά τη δοκιμή του συστήματος. Δεκέμβριος

221 Διδακτορική Διατριβή Μαρία Πάνου Ο πίνακας που ακολουθεί παρουσιάζει τις γνώμες όλων των συμμετεχόντων στις δοκιμές για το βαθμό εμπιστοσύνης που έχουν για το εκάστοτε σύστημα, σε σύγκριση με τον ΠΡΟΣΩΠ (ΑΠΟΛ όριο_αριστερά ). Πίνακας 39: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης ανά χρήστη και φάση οδήγησης με το ΣΠΕΛ. Νο. Προσωπ ΧΑ ΠΡΟΣΩΠ (ΑΠΟΛ όριο_αριστερά ) ταξινομημένο ανά αύξων αριθμό Βαθμός Βαθμός εμπιστοσύνης ΣΠΕΛ νης ΣΠΕΛ εμπιστοσύ- 7 ης φάσης 8 ης φάσης οδήγησης οδήγησης (απλό με (προσαρμοσμένο 1,14μ.) Ποσοστό βελτίωσης βαθμού εμπιστοσύνης φάσης 8 ως προς φάση 7 (%) σύστημα με 1,4μ.) Ποσοστό βελτίωσης βαθμού Βαθμός εμπιστοσύνης ΣΠΕΛ 9 ης φάσης οδήγησης (προσωποποιημένο) εμπιστοσύνης φάσης 9 ως προς φάση 7 (%) Ποσοστό βελτίωσης βαθμού εμπιστοσύνης φάσης 9 ως προς φάση 8 (%) 8 1,08 1, ,7 2 0,73 1, ,7 42,9 1 0,94 1, , ,82 1, , , ,74 1, , , ,09 1, , , ,07 1, , ,4 22,2 9 0,99 1, ,79 1, ,7 16,7 4 0,88 1, ,7 28,6 Το πρώτο συμπέρασμα που μπορεί να εξαχθεί από τον παραπάνω πίνακα είναι ότι σχεδόν όλοι οι χρήστες (8 στους 10) παρουσιάζουν αυξημένο βαθμό εμπιστοσύνης για το προσαρμοσμένο σύστημα σε σχέση με το απλό (εργοστασιακό), εφόσον το σχετικό ποσοστό είναι θετικό και αρκετά υψηλό. Μόνο ένας ακραίος οδηγός (ο οδηγός 8) έδωσε αρνητικό ποσοστό βελτίωσης, το οποίο είναι απόλυτα δικαιολογήσιμο, εφόσον το ΠΡΟΣΩΠ (ΑΠΟΛ όριο_αριστερά ) που είναι 1,19μ. είναι πολύ κοντά στο όριο του εργοστασιακού συστήματος (1,14μ.), παρά στην τιμή του προσαρμοσμένου (1,4μ.). Σημειώνεται εδώ ότι ακραίοι οδηγοί (γκρι κελιά) θεωρούνται αυτοί που το ΠΡΟΣΩΠ (ΑΠΟΛ όριο_αριστερά ) απέχει από το 1,4μ. εφόσον οι τιμές αυτές αναφέρονται στα δεδομένα του πλάτους του δρόμου και του αυτοκινήτου που ισχύουν για τις συγκεκριμένες δοκιμές (και όχι με βάση το 1,14 που δεν ανταποκρίνεται στις συνθήκες των δοκιμών). Το ποσοστό βελτίωσης του βαθμού εμπιστοσύνης του προσωποποιημένου συστήματος ως προς το απλό παρουσιάζεται ιδιαίτερα ενθαρρυντικό για 9 οδηγούς. Μόνο ο ακραίος οδηγός 8 (που αναφέρθηκε και πιο πάνω) έδωσε μηδενικό ποσοστό βελτίωσης. Τέλος πολύ σημαντικά είναι τα αποτελέσματα του ποσοστού βελτίωσης του βαθμού εμπιστοσύνης του προσωποποιημένου συστήματος της φάσης 9 ως προς το προσαρμοσμένο της φάσης 8, όπου φαίνεται καθαρά ότι οι πέντε οδηγοί με ακραίες τιμές ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ), παρουσιάζουν μεγάλη αύξηση του ποσοστού βελτίωσης του βαθμού εμπιστοσύνης, με διακύμανση από 17 ως 86%. Οι υπόλοιποι πέντε, με ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ) κοντά στο 1,4μ. παρουσιάζουν μηδενικό ποσοστό βελτίωσης, με εξαίρεση 1 χρήστη που έχει θετική γνώμη. Δεκέμβριος

222 Εφαρμογές κι αποτελέσματα Η ανάλυση των αποτελεσμάτων της άποψης των συμμετεχόντων για τη χρονική στιγμή παροχής των προειδοποιήσεων σε σχέση με το ΠΡΟΣΩΠ(ΑΠΟΛ όριο_αριστερά ), ακολουθεί στον επόμενο πίνακα. Όπως και κατά την ανάλυση του ΣΠΑΣ, οι απαντήσεις που κυμαίνονται από «πολύ νωρίτερα» σε «πολύ αργότερα» μεταφράστηκαν σε νούμερα, από 1-5. Πίνακας 40: Συγκριτικά αποτελέσματα για τη γνώμη των συμμετεχόντων για τη χρονική στιγμή προειδοποίησης ανά χρήστη και φάση οδήγησης με το ΣΠΕΛ. Νο. Φύλο οδηγού Προσωπικός ΧΑ ΠΡΟΣΩΠ (ΑΠΟΛ όριο_αριστερά ) ταξινομημένο ανά αύξων αριθμό Χρονική στιγμή προειδοπ. ΣΠΕΛ 7 ης φάσης (απλό με 1,14μ.) Χρονική στιγμή προειδοπ. ΣΠΕΛ 8 ης φάσης (προσαρμοσμένο σύστημα με 1,4μ.) Χρονική στιγμή προειδοπ. ΣΠΕΛ 9 ης φάσης (προσωποποιημένο) 8 Γ 1,08 1, Α 0,73 1, Γ 0,94 1, Α 0,82 1, Α 0,74 1, Γ 1,09 1, Α 1,07 1, Γ 0,99 1, Γ 0,79 1, Α 0,88 1, Μέσος όρος 4 3,1 3,1 Τυπική απόκλιση 0,67 1,1 0,32 1: πολύ νωρίτερα, 2: μάλλον νωρίτερα, 3: ακριβώς στην ώρα, 4: μάλλον αργότερα, και 5: πολύ αργότερα. Σύμφωνα με τον παραπάνω πίνακα, τα συστήματα των φάσεων 8 κι 9 φαίνεται να έχουν τον ίδιο μέσο όρο (3,1) που σημαίνει ότι οι οδηγοί βρήκαν τις προειδοποιήσεις ότι δόθηκαν στη σωστή ώρα. Βέβαια, υπάρχει μια διαφορά ανάμεσα στις δύο αυτές τιμές, που είναι η τυπική απόκλιση και είναι πολύ μεγάλη (1,1) για την 8 η φάση, υποδεικνύοντας μεγάλη διακύμανση απόψεων και μη αντιπροσωπευτικό μέσο όρο. Σε αντίθεση, η τιμή της τυπικής απόκλισης για την 9 η φάση είναι μικρή, οπότε ο μέσος όρος είναι πιο έγκυρος. Ο χαμηλός μέσος όρος που αντιστοιχεί στο απλό σύστημα της 7 ης φάσης βρίσκεται σε συμφωνία με τα αποτελέσματα σχετικά με τα υψηλά ποσοστά βελτίωσης του βαθμού εμπιστοσύνης της φάσης 8 ως προς τη φάση 7 που παρουσιάστηκαν παραπάνω Πληροφόρηση λοιπών μετακινουμένων Η αποτελεσματικότητα, και αποδοχή των αλγορίθμων της παραγράφου 7.3 εξετάσθηκε από 10 χρήστες (διαφορετικά άτομα από εκείνα που συμμετείχαν στις δοκιμές των αλγορίθμων προειδοποίησης οδηγών). Στις συγκεκριμένες δοκιμές δεν υπήρχε κάποιο πρόγραμμα δοκιμών, εφόσον όλοι οι χρήστες είχαν να δοκιμάσουν το Δεκέμβριος

223 Διδακτορική Διατριβή Μαρία Πάνου σύστημα επιλέγοντας σημεία ενδιαφέροντος και διαδρομές. Προκειμένου να μειωθεί ο χρόνος απασχόλησης του κάθε χρήστη, κρίθηκε σκόπιμο να μειωθεί το όριο χρήσης του συστήματος από 20 φορές (όπως αναφέρεται στις παραγράφους 9.1 και 9.2) σε ένα μικρότερο αριθμό, π.χ. 7 φορές (δηλαδή ΔΥ=7). Εφόσον η εφαρμογή παρείχε πραγματικές πληροφορίες (όπως περιγράφεται στην παράγραφο ) για σημεία ενδιαφέροντος στην Ιταλία (μέσω σύνδεσης με πραγματικό πάροχο υπηρεσιών), οι σχετικές παράμετροι αναζήτησης (διεύθυνση ή περιοχή αναζήτησης και είδος ΣΕ) έπρεπε να είναι στην αγγλική γλώσσα. Γι αυτό το λόγο η εφαρμογή υλοποιήθηκε με αγγλικό κείμενο Στοιχεία συμμετεχόντων Επιλέχθηκε ίσος αριθμός ανδρών και γυναικών συμμετεχόντων στις δοκιμές, με βασικό κριτήριο τη γνώση της αγγλικής γλώσσας, προκειμένου να μπορούν να χρησιμοποιήσουν και να κατανοήσουν την εφαρμογή. Τα στοιχεία των συμμετεχόντων συγκεντρώθηκαν μέσω ενός ερωτηματολογίου που δημιουργήθηκε για την αξιολόγηση του συστήματος παροχής πληροφοριών, του οποίου το πρώτο μέρος απαρτίζονταν από γενικές ερωτήσεις για την ηλικία, το επίπεδο σπουδών και την εμπειρία με χρήση παρομοίων συστημάτων. Το ερωτηματολόγιο παρατίθεται στο Παράρτημα Η. Το επίπεδο μόρφωσης των συμμετεχόντων αντικατοπτρίζεται στο σχήμα που ακολουθεί: Επίπεδο μόρφωσης συμμετεχόντων μεταπτυχιακό 20% βασική 0% δευτεροβάθμια 20% ανωτάτη 20% ανωτέρα 40% Σχήμα 58: Επίπεδο μόρφωσης συμμετεχόντων στις δοκιμές συστήματος πληροφόρησης των μετακινουμένων. Ο μέσος όρος ηλικίας είναι 31 ετών (ελάχιστο 25 και μέγιστο 38). Οι εννέα στους δέκα χρήστες δεν είχαν ξανασυμμετάσχει σε παρόμοια δοκιμή πρωτότυπου συστήματος. Πρέπει να τονιστεί ότι επιλέχθηκαν άτομα νέας ηλικίας που να είναι εξοικειωμένα με τη χρήση Η/Υ και κινητών συσκευών για να μπορέσουν να αξιολογήσουν την αποτελεσματικότητα και χρησιμότητα του προτεινόμενου συστήματος, χωρίς επιρροή από πιθανή δυσκολία χρήσης βασικών λειτουργιών των προαναφερθέντων συσκευών. Συγκεκριμένα, επτά χρήστες δήλωσαν ότι έχουν λάβει πληροφορίες σχετικές με μετακίνηση (π.χ. ενημέρωση για μεταφορικά μέσα, πληροφορίες για σημεία ενδιαφέροντος πλησίον, κλπ.), από τους οποίους όλοι δήλωσαν ότι η εμπειρία τους ήταν άριστη ή καλή. Από αυτούς, οι 6 δήλωσαν ότι χρησιμοποίησαν τις σχετικές Δεκέμβριος

224 Εφαρμογές κι αποτελέσματα υπηρεσίες επί Η/Υ, οι 2 επί PDA και μόνο ένας σε κινητό τηλέφωνο (υπήρχε δυνατότητα πολλαπλών επιλογών από κάθε χρήστη) Περιγραφή χρήσης της εφαρμογής Οι έξι από τους δέκα χρήστες δοκίμασαν τις εφαρμογές σε PDA ενώ οι υπόλοιποι 4 χρησιμοποίησαν προσομοίωση του PDA σε Η/Υ, λόγω μη διαθεσιμότητας συσκευών. Κάθε χρήστης είχε στη διάθεσή του το σύστημα για να επιλέξει ΣΕ και διαδρομές επί περίπου 30 λεπτά Εφαρμογή επιλογής σημείων ενδιαφέροντος Για τις δοκιμές επιλογής σημείων ενδιαφέροντος, το σύστημα συνδέθηκε με πραγματικό πάροχο πληροφοριών ΣΕ στην Ιταλία. Επιλέχθηκε μία συγκεκριμένη χώρα, προκειμένου να υπάρχουν συγκρίσιμα αποτελέσματα από τη χρήση του συστήματος με τη λειτουργία των προτεινόμενων αλγορίθμων (της παραγράφου 9.2) απ τους 10 χρήστες. Δεν κατέστη δυνατή η χρήση ανάλογης υπηρεσίας στην Ελλάδα, λόγω έλλειψης σχετικών παρόχων υπηρεσιών που να υποστηρίζουν ταυτόχρονα καθοδήγηση χρήστη με πολυμεσικές μεταφορές και παροχή πληροφοριών επί ψηφιακού χάρτη για σημεία ενδιαφέροντος με πληθώρα κατηγοριών και υποκατηγοριών. Τέτοιες υπηρεσίες μόλις τώρα σχεδιάζονται να καταστούν εμπορικές στη χώρα μας. Ακολουθούν εικόνες που απεικονίζουν τη χρήση της εφαρμογής για επιλογή σημείων ενδιαφέροντος από ένα χρήστη, με όλα τα σχετικά βήματα από το χρήστη και τα αποτελέσματα του συστήματος. Να σημειωθεί ότι παρακάτω περιγράφεται απλά και μόνο ένα παράδειγμα χρήσης, δεδομένου ότι οι χρήστες μπορούσαν να επιλέγουν ελεύθερα σχετικές υπηρεσίες σε όλη την Ιταλία. Α) Στη συγκεκριμένη περίπτωση των δοκιμών δεν απαιτήθηκε κάποιος κωδικός πρόσβασης από το χρήστη, ενώ σε συνθήκες πραγματικού προϊόντος/υπηρεσίας ο χρήστης θα έπρεπε να εγγραφεί στο σύστημα με προσωπικό κωδικό. Αρχικά, ο χρήστης είχε να επιλέξει τον τύπο των σημείων ενδιαφέροντος που τον/την ενδιέφεραν, όπως φαίνεται στην Εικόνα 17 (όπου έχει επιλέξει το εστιατόριο). Κατόπιν πραγματοποιούταν η επιλογή των υποκατηγοριών ΣΕ, όπως απεικονίζεται στην Εικόνα 18. Δεκέμβριος

225 Διδακτορική Διατριβή Μαρία Πάνου Εικόνα 17: Επιλογή ΣΕ από συγκεκριμένη λίστα. Εικόνα 18: Λίστα επιλογής τύπων εστιατορίου (υποκατηγορίες). Το επόμενο βήμα που απαιτείται από το χρήστη είναι ο καθορισμός της περιοχής για την οποία επιθυμεί να εντοπίσει το σύστημα τα ΣΕ (Εικόνα 19 και Εικόνα 20). Δεν απαιτείται πλήρης διεύθυνση, παρά μόνο ο προσδιορισμός της πόλης και, για πιο συγκεκριμένα αποτελέσματα, και της οδού για την εύρεση από το σύστημα των πλησιέστερων σημείων ενδιαφέροντος. Επίσης, ο χρήστης μπορεί να προσδιορίσει (προαιρετικά) και την ακτίνα αναζήτησης ΣΕ. Βέβαια, μία ολοκληρωμένη και βιώσιμη εφαρμογή, διαθέσιμη στην αγορά, θα πρέπει να ενσωματώνει σύστημα GPS (παγκόσμιου εντοπισμού θέσης), οπότε θα είναι περιττός ο προσδιορισμός της θέσης από το χρήστη. Εικόνα 19: Προσδιορισμός χώρας. Εικόνα 20: Προσδιορισμός ακριβούς διεύθυνσης οδού και μήκος ακτίνας αναζήτησης ΣΕ. Δεκέμβριος

226 Εφαρμογές κι αποτελέσματα Στη συνέχεια το σύστημα παρουσιάζει τα αποτελέσματα της αναζήτησης, όπου έχoυν βρεθεί πολλά εστιατόρια. Τα αποτελέσματα παρουσιάζονται και στο χάρτη της περιοχής, βάσει των γεωγραφικών συντεταγμένων τους. Εικόνα 21: Αποτελέσματα αναζήτησης χωρίς προσωποποίηση. Εικόνα 22: Γεωγραφική τοποθέτηση των ανευρεθέντων ΣΕ στο χάρτη. Κατά τη χρήση του συστήματος, ο χρήστης επέλεξε συνολικά 3 φορές πιτσαρία, 4 φορές κινέζικο εστιατόριο, ενώ δεν επέλεξε καμία φορά γαλλικό εστιατόριο. Έτσι, την επόμενη φορά που χρησιμοποίησε την εφαρμογή, ζητώντας μόνο εστιατόρια τριγύρω, δόθηκαν τα ακόλουθα ΣΕ: Εικόνα 23: Προσωποποιημένα αποτελέσματα της εφαρμογής. Δεκέμβριος

227 Διδακτορική Διατριβή Μαρία Πάνου Δηλαδή έγινε φιλτράρισμα των υπαρχόντων ΣΕ βάσει του αλγορίθμου προσωποποίησης της παραγράφου 9.2 (3 ο βήμα). Πιο αναλυτικά, έστω ότι θέλουμε να δοθούν συνολικά 5 λύσεις στη συσκευή. Δόθηκαν 2 πιτσαρίες και 3 κινέζικα ενώ κανένα γαλλικό εστιατόριο διότι ο συγκεκριμένος τύπος γίνεται: πόσες λύσεις θα δειχθούν πόσες φορές επιλέχθηκε η υποκατηγορία ΣΕ x για την κατηγορία ΣΕ στην πόσες φορές επιλέχθηκε η κατηγορία ΣΕ (εστιατόριο) οθόνη της συσκευής Βάσει του πάνω τύπου: Πιτσαρίες: 3 x 5= 2, Ξένα εστιατόρια: 4 x 5= 2, Γαλλικά εστιατόρια: 0 x 5= Εφαρμογή επιλογής διαδρομών Στo συγκεκριμένο παράδειγμα που ακολουθεί λήφθηκε υπόψη μόνο το πρώτο κριτήριο επιλογής διαδρομής που αναφέρεται στην παράγραφο 9.1, η αποδεκτή απόσταση βάδισης ανά μετεπιβίβαση. Κατά τις δοκιμές αναζητήθηκαν εντός της Ιταλίας πολυμεσικές λύσεις μεταφοράς από τους χρήστες με βάση όλα τα κριτήρια της παραγράφου 9.1 και τους συνδυασμούς τους. Χρησιμοποιώντας για πρώτη φορά την εφαρμογή, ο χρήστης λαμβάνει πέντε εναλλακτικές διαδρομές, στις οποίες αναγράφεται η μέγιστη απόσταση βαδίσματος μεταξύ μετεπιβιβάσεων κατόπιν επιλογής τους. Εικόνα 24: Προτεινόμενες διαδρομές από το σύστημα πριν την προσωποποίηση. Κατά τις επόμενες χρήσεις της εφαρμογής, ο χρήστης επέλεξε 5 φορές τη διαδρομή με τα 400μ μέγιστη απόστασης βάδισης και 2 φορές τη διαδρομή με μέγιστη απόσταση βάδισης 350μ. Αυτό σημαίνει ότι την επόμενη φορά που ο χρήστης θα χρησιμοποιήσει το σύστημα, αυτό θα του προτείνει διαδρομές με μέγιστη απόσταση βαδίσματος Δεκέμβριος

228 Εφαρμογές κι αποτελέσματα μεταξύ μετεπιβιβάσεων μικρότερη ή ίση με 400μ, το οποίο πράγματι απεικονίζεται στην επόμενη εικόνα, με προτεινόμενες μόνο 3 διαδρομές που πληρούν το παραπάνω κριτήριο. Εικόνα 25: Προτεινόμενες διαδρομές από το σύστημα μετά την εκμάθηση του χρήστη. Σημειώνεται ότι οι προσωποποιημένες λύσεις παρέχονται με ταξινόμηση, από τη διαδρομή με τη μικρότερη απόσταση βάδισης προς τη μεγαλύτερη Αποτελέσματα Εφόσον οι χρήστες δοκίμασαν μόνο δύο συστήματα, το προσωποποιημένο και το μη προσωποποιημένο, οι ερωτήσεις του σχετικού ερωτηματολογίου που συντάχθηκε (Παράρτημα Θ) αναφέρονται στη σύγκριση των δύο αυτών συστημάτων. Οι απαντήσεις δίνονται σε κλίμακα βαθμολόγησης πέντε βαθμίδων Αποδοχή χρηστών Μετά το πέρας τον δοκιμών οι χρήστες ερωτήθηκαν για την αποδοχή τους για το σύστημα καθώς και τη χρησιμότητά του. Η πρώτη ερώτηση αφορά στη γνώμη τους για το προσωποποιημένο σύστημα παροχής πληροφοριών για σημεία ενδιαφέροντος σε σχέση με το απλό (μη προσωποποιημένο). Η γνώμη των χρηστών διαμορφώνεται ως εξής: Δεκέμβριος

229 Διδακτορική Διατριβή Μαρία Πάνου Αποδοχή χρηστών - Εφαρμογή επιλογής σημείων ενδιαφέροντος Αριθμός χρηστών πιο χρήσιμο/ άχρηστο Ερωτήσεις πιο ευχάριστο/ δυσάρεστο πιο καλό/ κακό πιο ωραίο/ ενοχλητικό πιο αποτελεσματικό/ μη αποτελεσματικό σίγουρα ναι μάλλον ναι ουδέτερο μάλλον όχι σίγουρα όχι πιο αρεστό/ εκνευριστικό βοηθά/ χωρίς αξία πιο επιθυμητό/ ανεπιθύμητο Σχήμα 59: Αποτελέσματα αποδοχής συμμετεχόντων για το προσωποποιημένο σύστημα παροχής πληροφοριών για σημεία ενδιαφέροντος σε σχέση με το μη προσωποποιημένο. Οι απαντήσεις δίνονται σε κλίμακα βαθμολόγησης πέντε βαθμίδων, από θετική προς αρνητική (οι ερωτήσεις με αντίθετη βαθμολόγηση, δηλαδή από αρνητική προς θετική, έχουν αντιστραφεί για λόγους ευκολίας στη σύγκριση). Όπως φαίνεται από το παραπάνω διάγραμμα, οι περισσότεροι χρήστες απάντησαν θετικά σε όλες τις ερωτήσεις, με την πλειοψηφία των απαντήσεων να έχουν βαθμό «2». Οι πιο θετικές απαντήσεις (βάσει του μέσου όρου της βαθμολογίας που συγκεντρώθηκε για την κάθε ερώτηση) δόθηκαν για την αποτελεσματικότητα του συστήματος, την αρέσκειά του από τους χρήστες και τη χρησιμότητά του, ενώ η πιο αρνητική βαθμολογία αντιστοιχεί στην ερώτηση εάν η εφαρμογή είναι ωραία ή ενοχλητική. Σημειώνεται βέβαια ότι πρόκειται για μικρές διαφορές μεταξύ των ερωτήσεων και ότι σε κάθε περίπτωση, οι απαντήσεις βρίσκονται πιο κοντά στη βέλτιστη βαθμολογία (που είναι 1 μονάδα), παρά στην πιο αρνητική (5 μονάδες). Δεκέμβριος

230 Εφαρμογές κι αποτελέσματα Μέσος όρος βαθμολογίας ανά ερώτηση 5 4,5 χείριστη βαθμολογία 4 Μέσος όρος 3,5 3 2,5 μεση βαθμολογία 2 1,5 1 πιο χρήσιμο/ άχρηστο πιο ευχάριστο/ δυσάρεστο πιο καλό/ κακό πιο ωραίο/ ενοχλητικό πιο αποτελεσματικό/ μη αποτελεσματικό πιο αρεστό/ εκνευριστικό βοηθά/ χωρίς αξία πιο επιθυμητό/ ανεπιθύμητο βέλτιστη βαθμολογία Ερωτήσεις Σχήμα 60: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρηστικότητας της εφαρμογής παροχής πληροφοριών για σημεία ενδιαφέροντος. Κατ αντιστοιχία με το σύστημα παροχής πληροφοριών για σημεία ενδιαφέροντος, οι συμμετέχοντες διατύπωσαν τη γνώμη τους για το προσωποποιημένο σύστημα παροχής διαδρομών σε σχέση με το απλό. Χρησιμοποιήθηκαν οι ίδιες ερωτήσεις με πριν. Τα αποτελέσματα συνοψίζονται στο παρακάτω γράφημα. Η πλειοψηφία των χρηστών έδωσε βαθμό «2» σε όλες τις ερωτήσεις, ενώ υπάρχουν αρκετοί που έδωσαν τον καλύτερο δυνατό βαθμό «1» και λιγότεροι που έδωσαν «3» (βαθμός που υποδηλώνει ουδέτερη άποψη). Δεκέμβριος

231 Διδακτορική Διατριβή Μαρία Πάνου Αποδοχή χρηστών- Εφαρμογή επιλογής διαδρομών Αριθμός χρηστών πιο χρήσιμο/ άχρηστο πιο ευχάριστο/ δυσάρεστο σίγουρα ναι μάλλον ναι ουδέτερο μάλλον όχι σίγουρα όχι πιο καλό/ κακό Ερωτήσεις πιο ωραίο/ ενοχλητικό πιο αποτελεσματικό/ μη αποτελεσματικό πιο αρεστό/ εκνευριστικό βοηθά/ χωρίς αξία επιθυμητό/ ανεπιθύμητο Σχήμα 61: Αποτελέσματα αποδοχής συμμετεχόντων για το προσωποποιημένο σύστημα παροχής πληροφοριών για διαδρομές σε σχέση με το μη προσωποποιημένο. Αναλύοντας το μέσο όρο βαθμολογίας των ερωτήσεων (Σχήμα 62), φαίνεται καθαρά ότι οι χρήστες έχουν θετική γνώμη για την εφαρμογή επιλογής διαδρομής, εφόσον οι τιμές βρίσκονται πιο κοντά στην καλύτερη δυνατή βαθμολογία (1 βαθμός), παρά στην πιο αρνητική. Η καλύτερη βαθμολογία (1,7 βαθμοί) δόθηκε στο χαρακτηρισμό ότι η εφαρμογή είναι επιθυμητή, ακολουθούμενη από το ότι είναι αποτελεσματική και βοηθά το χρήστη (δηλαδή έχει αξία), ενώ η πιο αρνητική βαθμολογία (2,3 βαθμοί) αποδόθηκε στην ερώτηση εάν το σύστημα είναι ωραίο ή ενοχλητικό σε σχέση με την παροχή των μειωμένων διαδρομών. Βέβαια, ακόμη κι αυτή η μεγαλύτερη βαθμολογία είναι θετική, διότι απέχει πολύ από τους 5 βαθμούς που αντιπροσωπεύουν τη χείριστη βαθμολογία που θα μπορούσε να δοθεί εάν όλοι οι χρήστες βαθμολογούσαν με «5» το σύστημα. Δεκέμβριος

232 Εφαρμογές κι αποτελέσματα Μέσος όρος βαθμολογίας ανά ερώτηση 5 4,5 χείριστη βαθμολογία Μέσος όρος 4 3,5 3 2,5 2 μέση βαθμολογία 1,5 1 πιο χρήσιμο/ άχρηστο πιο ευχάριστο/ δυσάρεστο πιο καλό/ κακό πιο ωραίο/ ενοχλητικό πιο αποτελεσματικό/ μη αποτελεσματικό πιο αρεστό/ εκνευριστικό βοηθά/ χωρίς αξία επιθυμητό/ ανεπιθύμητο βέλτιστη βαθμολογία Eρωτήσεις Σχήμα 62: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρηστικότητας της εφαρμογής παροχής πληροφοριών για διαδρομές Εμπιστοσύνη στο σύστημα Η επόμενη ερώτηση εξετάζει εάν θα βασίζονταν στο ολοκληρωμένο προσωποποιημένο σύστημα (δηλαδή και στις δύο εφαρμογές) περισσότερο σε σχέση με το απλό για τις καθημερινές μετακινήσεις τους. Οι γνώμες των 10 συμμετεχόντων απεικονίζονται γραφικά παρακάτω, σε μία κλίμακα 5 βαθμίδων, από θετική («σίγουρα ναι») προς αρνητική («σίγουρα όχι»). Θα βασιζόσασταν στο προσωποποιημένο σύστημα περισσότερο σε σχέση με το απλό; 1 χρήστης 2 χρήστες 2 χρήστες σίγουρα ναι μάλλον ναι ουδέτερο μάλλον όχι σίγουρα όχι 5 χρήστες Σχήμα 63: Γνώμη χρηστών για το πόσο θα βασίζονταν στο προσωποποιημένο σύστημα παροχής πληροφοριών, σε σχέση με το μη προσωποποιημένο. Δεκέμβριος

233 Διδακτορική Διατριβή Μαρία Πάνου Γενικά, τα αποτελέσματα είναι πολύ θετικά, με μέσο όρο βαθμολογίας τους 2,2 βαθμούς, δηλαδή «μάλλον ναι». Συγκεκριμένα, τα μισά άτομα απάντησαν θετικά δίνοντας βαθμό «2» (που σημαίνει «μάλλον ναι»), 2 άτομα έδειξαν ουδέτερη άποψη με βαθμό «3», ενώ δύο άτομα έδωσαν την καλύτερη δυνατή απάντηση (βαθμός «1» που σημαίνει «σίγουρα ναι») και ένα άτομο εξέφρασε αρνητική άποψη («4» ή «μάλλον όχι») Βαθμός εμπιστοσύνης Η τελευταία ερώτηση της ίδιας ενότητας ερωτήσεων εξετάζει το βαθμό εμπιστοσύνης που έχουν οι συμμετέχοντες στο ολοκληρωμένο προσωποποιημένο σύστημα. Συγκεκριμένα, τους ζητήθηκε να προσδιορίσουν το βαθμό που εκφράζει καλύτερα τη γνώμη τους, σε κλίμακα %. Τα αποτελέσματα παρουσιάζονται αναλυτικά παρακάτω: Βαθμός εμπιστοσύνης Βαθμολογία (%) Χρήστες άνδρες γυναίκες Σχήμα 64: Βαθμός εμπιστοσύνης στο προσωποποιημένο σύστημα ανά συμμετέχοντα. Εφόσον οι εννέα από τους δέκα χρήστες έδωσαν βαθμολογία 60% και άνω, φτάνοντας μέχρι και 90% (από τρεις χρήστες) και, ο μέσος όρος όλων των απαντήσεων είναι 72%, είναι φανερό ότι τα αποτελέσματα είναι πολύ ενθαρρυντικά και σχεδόν όλοι (εκτός από ένα χρήστη) δείχνουν ότι είναι έτοιμοι να εμπιστευτούν το σύστημα. Η τιμή της τυπικής απόκλισης είναι 16,19, η οποία φανερώνει ότι υπάρχει αρκετή διαφοροποίηση απόψεων ανάμεσα στους συμμετέχοντες (η διακύμανση είναι από 40-90%). Σημειώνεται όμως ότι εάν δε ληφθεί υπόψη η βαθμολόγηση του χρήστη Νο. 7, η τιμή της τυπικής απόκλισης πέφτει στις 12 μονάδες, παρουσιάζοντας μία πιο σταθερή εικόνα των γνωμών των υπολοίπων χρηστών. Σχετικά με το φύλο των συμμετεχόντων, δε μπορεί να εξαχθεί κάποιο εμφανές συμπέρασμα που να διαφοροποιεί τις απαντήσεις τους. Μάλιστα, οι μεμονωμένοι μέσοι όροι των ποσοστών που έδωσαν και οι δύο είναι ακριβώς οι ίδιοι, 72%. Η μόνη διαφορά έγκειται στο εύρος διακύμανσης των απόψεων των ανδρών και των γυναικών, όπου οι άνδρες εμφανίζουν μία πιο κοινή άποψη, διακύμανσης 60-90%, ενώ οι γνώμες των γυναικών απέχουν περισσότερο, από 40-90%. Έτσι, οι τυπικές αποκλίσεις των ανδρών και των γυναικών είναι 11 και 22 αντίστοιχα. Δεκέμβριος

234 Εφαρμογές κι αποτελέσματα Χρησιμότητα συστήματος Το ερωτηματολόγιο που συμπλήρωσαν οι χρήστες περιείχε ακόμη 11 ερωτήσεις που αφορούν στη χρησιμότητα της εφαρμογής σε σχέση με το απλό σύστημα (μη προσωποποιημένο). Οι απαντήσεις δόθηκαν σε κλίμακα πέντε βαθμίδων (όπως και προηγουμένως στις ερωτήσεις αποδοχής), που κυμαίνονται από το «διαφωνώ κάθετα» ως το «συμφωνώ απόλυτα». Για τη βέλτιστη ανάλυση των αποτελεσμάτων, οι ερωτήσεις διαχωρίστηκαν σε δύο ενότητες και συγκεκριμένα στις θετικές (ενότητα Α) και στις αρνητικές ερωτήσεις (ενότητα Β). Η γραφική παράσταση που ακολουθεί παρουσιάζει τα αποτελέσματα των επτά θετικών ερωτήσεων της ενότητας Α. Αποτελέσματα χρησιμότητας - Ομάδα ερωτήσεων Α Αριθμός χρηστών Είναι ευκολότερο να μάθεις να χρησιμοποιείς το προσωποποιημένο σύστημα 3. Διασκέδασα περισσότερο χρησιμοποιώντας το προσωποποιημένο σύστημα διαφωνώ κάθετα μάλλον διαφωνώ ουδέτερο μάλλον συμφωνώ συμφωνώ απόλυτα Ερωτήσεις 4. Θα μου άρεσε να χρησιμοποιώ ένα σύστημα με τέτοιες δυνατότητες προσωποποίησης πιο συχνά 6. Το προσωποποιημένο σύστημα ήταν ευκολότερο στη χρήση του στη συγκεκριμένη δοκιμή 8. Οι διάφορες λειτουργίες του προσωποποιημένου συστήματος ήταν καλά σχεδιασμένες 10. Ένοιωσα υπό έλεγχο όταν χρησιμοποιούσα το προσωποποιημένο σύστημα 11. Οι περισσότεροι χρήστες θα μάθαιναν αμέσως να χρησιμοποιούν το προσωποποιημένο σύστημα Σχήμα 65: Αναλυτική παρουσίαση των αποτελεσμάτων αξιολόγησης της προσωποποιημένης εφαρμογής ως προς τη χρησιμότητά της (ενότητα Α). Η πλειοψηφία των χρηστών δείχνουν να συμφωνούν με τις ερωτήσεις, δηλαδή οι επικρατέστερη απάντηση είναι «μάλλον συμφωνώ» και «συμφωνώ απόλυτα». Αυτό ισχύει συγκεκριμένα για 6 από τις 7 ερωτήσεις. Συνοπτικά, προκύπτει ότι τα άτομα που έλαβαν μέρος πιστεύουν ότι είναι εύκολο να το μάθουν, τους άρεσε και Δεκέμβριος

235 Διδακτορική Διατριβή Μαρία Πάνου επιθυμούν να χρησιμοποιούν πιο συχνά μία προσωποποιημένη εφαρμογή με καλά σχεδιασμένες λειτουργίες. Η ερώτηση 10, εξετάζοντας κατά πόσο οι χρήστες ένοιωσαν υπό έλεγχο κατά τη χρήση της εφαρμογής, ήταν εκείνη με τις πιο αρνητικές απαντήσεις, εφόσον οι 5 συμμετέχοντες έδωσαν απάντηση «διαφωνώ κάθετα» και «μάλλον διαφωνώ», ενώ 3 εξέφρασαν ουδέτερη γνώμη. Το αποτέλεσμα αυτό ήταν αναμενόμενο και δικαιολογείται απόλυτα, δεδομένων των αυτόματων επιλογών του προσωποποιημένου συστήματος. Ο μέσος όρος των απαντήσεων ανά ερώτηση που απεικονίζεται γραφικά στο Σχήμα 66, επαληθεύει τα παραπάνω αποτελέσματα. Σχεδόν όλες, εκτός από μία ερώτηση (η ερώτηση 10, όπως και παραπάνω) βρίσκονται πάνω από τη μέση βαθμολογία. 5 Μέσος όρος βαθμολογίας ανά ερώτηση - Ομάδα ερωτήσεων Α βέλτιστη βαθμολογία Μέσος όρος μέση βαθμολογία 1 1. Ευκολότερο να μάθεις να χρησιμοποιείσ το προσωπ. σύστημα 3. Διασκέδασα περισσότερο με το προσωπ. σύστημα 4. Θα μου άρεσε να το χρησιμοποιώ οιο συχνά το προσωπ. σύστημα 6. Ευκολότερο το προσωπ. σύστημα στη χρήση του στη συγκεκριμένη δοκιμή Ερωτήσεις 8. Καλά σχεδιασμένες λειτουργίες του προσωπ. συστήματος 10. Ένοιωσα υπό έλεγχο όταν χρησιμοποιούσα το προσωπ. σύστημα 11. Οι περισσότεροι θα μάθαιναν αμέσως να χρησιμοπ. το προσωπ. σύστημα χείριστη βαθμολογία Σχήμα 66: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρησιμότητας (ομάδα ερωτήσεων Α). Ακολουθεί η γραφική απεικόνιση των υπολοίπων έξι ερωτήσεων της ενότητας Β (Σχήμα 67), στις οποίες η βέλτιστη βαθμολογία είναι τώρα το «διαφωνώ κάθετα». Τα αποτελέσματα είναι ιδιαίτερα ενθαρρυντικά. Σε όλες τις πέντε ερωτήσεις της ενότητας αυτής, οι περισσότεροι χρήστες έδωσαν την καλύτερη δυνατή βαθμολογία, διαφωνώντας ουσιαστικά στις αρνητικές ερωτήσεις ότι το σύστημα ήταν σύνθετο και περίπλοκο στη χρήση του, ότι απαιτείται η εκμάθηση πολλών πραγμάτων, ή η υποστήριξη τεχνικού ατόμου. Δεκέμβριος

236 Εφαρμογές κι αποτελέσματα Αποτελέσματα χρησιμότητας - Ομάδα ερωτήσεων B Αριθμός χρηστών Χρειάστηκε να μάθω πολλά πράγματα για να μπορέσω να συνεχίσω με το προσωποποιημένο σύστημα 5. Βρήκα το προσωποποιημένο σύστημα αδικαιολόγητα πιο σύνθετο διαφωνώ κάθετα μάλλον διαφωνώ ουδέτερο μάλλον συμφωνώ συμφωνώ απόλυτα Ερωτήσεις 7. Θα χρειαζόμουν την υποστήριξη ατόμου με τεχνικές γνώσεις για να μπορώ να χρησιμοποιώ ένα τέτοιο προσωπ. σύστημα 9. Υπήρχε πολύ ανακρίβεια στο προσωποποιημένο σύστημα σε σχέση με το απλό 12. Βρήκα το προσωποποιημένο σύστημα πιο περίπλοκο στη χρήση του Σχήμα 67: Αναλυτική παρουσίαση αποτελεσμάτων αξιολόγησης της προσωποποιημένης εφαρμογής ως προς τη χρησιμότητά της (ενότητα Β). Αντίστοιχα, και ο μέσος όρος της βαθμολογίας ανά ερώτηση είναι πολύ θετικός διότι βρίσκεται πολύ κοντά στη βέλτιστη βαθμολογία, που είναι ο βαθμός «1», όπως φανερώνει το διάγραμμα που ακολουθεί. Δεκέμβριος

237 Διδακτορική Διατριβή Μαρία Πάνου 5 Μέσος όρος βαθμολογιας ανά ερώτηση - Ομάδα ερωτήσεων Β χείριστη βαθμολογία Μέσος όρος μέση βαθμολογία 1 2. Χρειάστηκε να μάθω πολλά πράγματα για να μπορέσω να συνεχίσω με το προσωποποιημένο σύστημα 5. Βρήκα το προσωποποιημένο σύστημα αδικαιολόγητα πιο σύνθετο 7. Θα χρειαζόμουν την υποστήριξη ατόμου με τεχνικές γνώσεις για να μπορώ να χρησιμοποιώ ένα τέτοιο προσωπ. σύστημα 9. Υπήρχε πολύ ανακρίβεια στο προσωπ. σύστημα σε σχέση με το απλό 12. Βρήκα το προσωποποιημένο σύστημα πιο περίπλοκο στη χρήση του βέλτιστη βαθμολογία Ερωτήσεις Σχήμα 68: Απεικόνιση του μέσου όρου βαθμολογίας σε σχέση με τη βέλτιστη, μέση και χείριστη βαθμολογία, για κάθε ερώτηση χρησιμότητας (ομάδα ερωτήσεων Β) Σημαντικότητα παραμέτρων για προσωποποίηση Οι επόμενες τέσσερεις ερωτήσεις αφορούν στη γνώμη των συμμετεχόντων σχετικά με ποιες θεωρούν ότι είναι οι πιο σημαντικές παράμετροι για προσωποποίηση. Η πρώτη ερώτηση αναφέρεται στη μετακίνηση. Υπήρχαν πέντε επιλογές από τις οποίες οι χρήστες μπορούσαν να επιλέξουν μέχρι τρεις, ή να προσθέσουν τη δική τους παράμετρο. Τα αποτελέσματα έδειξαν ότι η επιλογή της σημαντικότερης παραμέτρου δεν είναι ευχερής, δεδομένου ότι όλοι οι χρήστες χρησιμοποίησαν και τις τρεις επιλογές που τους επιτράπηκαν. Τα αποτελέσματα παρουσιάζονται στο γράφημα που ακολουθεί: Δεκέμβριος

238 Εφαρμογές κι αποτελέσματα 12 Σημαντικές παράμετροι προσωποποίησης για τη μετακίνηση 10 Αριθμός απαντήσεων τύπος μεταφορικού μέσου μέγιστη απόσταση βάδισης αριθμός μικρότερος μετεπιβιβάσεων χρόνος μετακίνησης μικρότερο κόστος μετακίνησης άλλο Επιλογές Σχήμα 69: Αποτελέσματα σχετικά με τις πιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για τη μετακίνηση. Η μέγιστη απόσταση βάδισης φαίνεται να θεωρείται ως σημαντικότατη επιλογή απ όλους. Αν ληφθεί υπόψη ότι οι χρήστες που έλαβαν μέρος στη συγκεκριμένη δοκιμή ήταν όλοι σχετικά νεαρής ηλικίας, μπορεί κανείς ν αντιληφθεί πως ακόμη μεγαλύτερη σημασία μπορεί να έχει η συγκεκριμένη παράμετρος για ηλικιωμένους ή ανάπηρους μετακινούμενους. Στη δεύτερη θέση βρίσκεται ο αριθμός μετεπιβιβάσεων, μαζί με το συνολικό χρόνο μετακίνησης. Είναι φυσικό οι χρήστες να θέλουν να μετακινηθούν γρήγορα αλλά και με άνεση (χωρίς μεγάλο αριθμό μετεπιβιβάσεων). Σε πραγματική υπηρεσία, οι δύο αυτές παράμετροι θα εναλλάσσονται πιθανότατα ως προς τη σπουδαιότητά τους αναλόγως του τύπου χρήσης. Για παράδειγμα, αν ο χρήστης είναι τουρίστας, ο αριθμός μετεπιβιβάσεων μπορεί να είναι πιο σημαντικός απ το συνολικό χρόνο διαδρομής, ενώ το αντίθετο συμβαίνει για διαδρομή προς επαγγελματική συνάντηση. Και πάλι, άλλοι παράγοντες (π.χ. συνολικά διατιθέμενος χρόνος) μπορεί να επηρεάσουν περαιτέρω τη σχετική τους βαρύτητα. Η επιλογή μεταφορικού μέσου (ή καλύτερα η αποφυγή κάποιων) παίζει σημαντικό ρόλο για κάποιους χρήστες, ενώ το συνολικό κόστος για λιγότερους. Οι δύο αυτές παράμετροι πιθανότατα είναι σημαντικές, αλλά εξαρτώνται από το οικονομικό επίπεδο του μετακινούμενου και τη συχνότητα των μετακινήσεων (π.χ. κάθε μέρα για να μεταβεί στο γραφείο του/της ή μόνο μία φορά). Κανείς χρήστης δεν ανέφερε άλλη παράμετρο προσωποποίησης, όπως θα μπορούσε να είναι για παράδειγμα η ασφαλέστερη ή η πιο «όμορφη» διαδρομή. Η επόμενη ερώτηση σχετίζεται με τις παραμέτρους προσωποποίησης για την επιλογή σημείου ενδιαφέροντος. Εδώ υπήρχαν τρεις προτεινόμενες παράμετροι αλλά οι χρήστες μπορούσαν να προσθέσουν κι άλλες. Μόνο μία επιλογή ήταν επιτρεπτή. Οι γνώμες των χρηστών διαμορφώθηκαν ως ακολούθως: Δεκέμβριος

239 Διδακτορική Διατριβή Μαρία Πάνου Αριθμός απαντήσεων Σημαντικές παράμετροι προσωποποίησης για σημεία ενδιαφέροντος τύπος ΣΕ υποκατηγορία ΣΕ άλλο Επιλογές Σχήμα 70: Αποτελέσματα σχετικά με τις πιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για σημείο ενδιαφέροντος. Όπως είναι φανερό οι συμμετέχοντες ενδιαφέρονται κατά κανόνα να τους προτείνει το σύστημα υποκατηγορία ΣΕ ανάλογα με τα ενδιαφέροντά τους και τις προτιμήσεις τους και όχι τύπο, δεδομένου ότι έχουν συνήθως ήδη εκπεφρασμένη άποψη για το τι θέλουν να κάνουν (π.χ. να πάνε σε εστιατόριο για δείπνο ή σε μουσείο για επίσκεψη, ή ) κι απλά επιθυμούν βοήθεια στην επιλογή του τύπου τους. Όπως και στην προηγούμενη ερώτηση, οι χρήστες αρκέστηκαν στις προτεινόμενες παραμέτρους. Η ερώτηση που ακολουθεί εξετάζει τη γνώμη των συμμετεχόντων για τις παραμέτρους προσωποποίησης προωθούμενης πληροφόρησης απ το σύστημα, για ΣΕ. Υπήρχαν τρεις δεδομένες επιλογές απ τις οποίες η επιλογή μόνο μίας ήταν επιτρεπτή. Σημαντικές παράμετροι για προωθούμενες πληροφορίες απ' το σύστημα για ΣΕ Αριθμός απαντήσεων τύπος ΣΕ υποκατηγορία ΣΕ άλλο Επιλογές Σχήμα 71: Αποτελέσματα σχετικά με τις πιο σημαντικές παραμέτρους προσωποποίησης πληροφόρησης για προωθούμενες πληροφορίες απ το σύστημα για ΣΕ. Δεκέμβριος

240 Εφαρμογές κι αποτελέσματα Εδώ, η επιλογή τύπου ΣΕ φαίνεται να έχει μεγάλη σημασία (ίση ή και μεγαλύτερη απ την επιλογή υποκατηγορίας). Ο χρήστης θα εκτιμούσε να του προτείνει το σύστημα π.χ. μουσεία, αλλά και μουσείο μοντέρνας τέχνης, εφόσον έχει ιδιαίτερη προτίμηση σ αυτό το είδος ΣΕ. Η τελευταία ερώτηση αναφέρεται στις χρονικές παραμέτρους που θεωρούνται σημαντικές για την προσωποποίηση πληροφόρησης απ το σύστημα για ΣΕ. Στο ερωτηματολόγιο υπήρχαν έξι προτεινόμενες επιλογές. Τα αποτελέσματα ήταν τα εξής: 7 Σημαντικές χρονικές παράμετροι προσωποποίησης πληροφορίας για ΣΕ 6 5 Αριθμός επιλογών καθημερινή/ Σαββατοκύριακο ημέρα εβδομάδας ώρα ημέρας ώρα και ημέρα ώρα για καθημερινή/ Σαββατοκύριακο άλλο καμία Επιλογές Σχήμα 72: Αποτελέσματα σχετικά με τις πιο σημαντικές χρονικές παραμέτρους προσωποποίησης πληροφόρησης για σημείο ενδιαφέροντος. Όπως φαίνεται παραπάνω, η διάκριση ανάμεσα σε καθημερινή και Σαββατοκύριακο φαίνεται να είναι σημαντική για αρκετούς χρήστες (αλλά όχι για όλους). Αντιθέτως, ο ακριβής προσδιορισμός ημέρας και/ ή ώρας δε φαίνεται να είναι σημαντικός για τους περισσότερους χρήστες και επιπλέον θα απαιτούσε πάρα πολύ μεγάλο αριθμό χρήσης του συστήματος προτού καταστεί εφικτή η προσωποποίησή του, γιατί θα έπρεπε να έχει στοιχεία προτιμήσεων για κάθε ημέρα ή/ και ώρα Συμπεράσματα Η ανάλυση των αποτελεσμάτων των δοκιμών πληροφόρησης μετακινουμένων απέδειξε ότι όλοι οι χρήστες αντιμετώπισαν και βαθμολόγησαν την εφαρμογή θετικά, λαμβάνοντας υπόψη το βαθμό εμπιστοσύνης τους στο σύστημα. Όπως ήταν αναμενόμενο και πλήρως φυσιολογικό υπήρξαν διακυμάνσεις στις βαθμολογίες ανάμεσα στους χρήστες, οι βαθμολογίες των 9 ατόμων ήταν σημαντικά πάνω απ τη μέση βαθμολογία (πάνω από 60%). Μόνο ένας χρήστης απέδωσε χαμηλό βαθμό εμπιστοσύνης (40%). Η τυπική απόκλιση είναι αρκετά υψηλή (16,19) η οποία όμως μειώνεται σημαντικά (σε 12,4) εάν αφαιρεθεί η χαμηλή βαθμολόγηση. Αντίστοιχη είναι και η βαθμολογία στην ερώτηση αν θα βασίζονταν στο σύστημα περισσότερο σε σχέση με το απλό. Συγκεκριμένα, οι μισοί χρήστες έδωσαν τη δεύτερη καλύτερη Δεκέμβριος

241 Διδακτορική Διατριβή Μαρία Πάνου βαθμολογία (βαθμός 2) και δύο ακόμη τη βέλτιστη δυνατή. Δύο χρήστες εξέφρασαν ουδέτερη άποψη ενώ ο χρήστης 7 έδωσε την πιο αρνητική βαθμολογία (βαθμός 4) σε αντιστοιχία με το μικρότερο μέσο όρο που σχολιάστηκε πιο πάνω. Τα αποτελέσματα αυτά συνοψίζονται στον επόμενο πίνακα: Πίνακας 41: Συγκριτικά αποτελέσματα συνολικού βαθμού εμπιστοσύνης και βαθμολογία στο σύστημα, ανά χρήστη. Νο. Βαθμός εμπιστοσύνης στο προσωποποιημένο σύστημα (%) Βαθμολογία αν θα βασίζονταν στο σύστημα περισσότερο σε σχέση με το απλό Μέσος όρος 72 2,2 Τυπική απόκλιση 16,19 1 1: σίγουρα ναι 2: μάλλον ναι 3: ουδέτερη γνώμη 4: μάλλον όχι 5: σίγουρα όχι Επιπλέον, αξίζει να αναφερθεί ότι από την ομάδα των συμμετεχόντων, οι χρήστες 4, 6 και 8 που δεν είχαν ξαναχρησιμοποιήσει παρόμοια εφαρμογή στο παρελθόν βαθμολόγησαν το σύστημα από πολύ θετικά ως θετικά. Δεκέμβριος

242 11 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Τα αποτελέσματα της πιλοτικής εφαρμογής του Κεφαλαίου 10 των αλγορίθμων που αναπτύχθηκαν στο Κεφάλαιο 9, αποκάλυψαν ορισμένους δυνητικούς κινδύνους που τυχόν θα προκύψουν από τη γενίκευσή τους και την εφαρμογή των αλγορίθμων επί πραγματικών πληροφοριακών συστημάτων μετακινουμένων ή οδηγών. Στο παρόν κεφάλαιο επιχειρείται, με τη βοήθεια της μεθοδολογίας ανάλυσης κινδύνων, γνωστής ως «Ανάλυση τύπων κι αποτελεσμάτων αστοχιών FMEA» να εντοπιστούν οι κυριότεροι τέτοιοι κίνδυνοι και να προταθούν μέθοδοι πρόληψης/εξάλειψής τους. Επιπλέον, οι κίνδυνοι που λαμβάνονται υπ όψη μπορεί να είναι τεχνικοί, λόγω συμπεριφοράς του χρήστη (σχετικά με την αλληλεπίδρασή του με το σύστημα), νομικοί ή οργανωτικοί. Όλα τα σχετικά είδη κινδύνων λαμβάνονται υπ όψη Μεθοδολογία ανάλυσης κινδύνων Η μεθοδολογία ανάλυσης κινδύνων «Ανάλυση τύπων κι αποτελεσμάτων αστοχιών FMEA», καθορίζει τον υπολογισμού του Δεικτών Κινδύνου. Η ανάλυση αυτή συμπεριλαμβάνει διάφορους παράγοντες: σοβαρότητα του κινδύνου, εμφάνιση κινδύνου, ανίχνευση κινδύνου και δυνατότητα διόρθωσης. Οι παράμετροι αυτές αναφέρονται σε τέσσερα είδη κινδύνων, ως ακολούθως: Κίνδυνοι λόγω τεχνικής αστοχίας («Τεχνικοί»). Κίνδυνοι λόγω απρόβλεπτης συμπεριφοράς του χρήστη («Συμπεριφοράς»). Κίνδυνοι λόγω νομικών περιορισμών («Νομικοί»). Κίνδυνοι λόγω περιορισμού της οργανωτικής δομής («Οργανωτικοί»). Η συνολική διαδικασία ανάλυσης κινδύνων απεικονίζεται παρακάτω: Δεκέμβριος

243 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Μεθοδολογία ανάλυσης κινδύνων Τεχνική ανάλυση Ανάλυση συμπεριφοράς χρήστη Ανάλυση νομικών προϋποθέσεων Οργανωτική ανάλυση Κίνδυνοι λόγω τεχνικής αστοχίας Κίνδυνοι λόγω απρόβλεπτης συμπεριφοράς του χρήστη Κίνδυνοι λόγω νομικών περιορισμών Κίνδυνοι λόγω περιορισμού οργανωτικής δομής Σχήμα 73: Διαδικασία ανάλυσης κινδύνων. Η σχετική μεθοδολογία χρησιμοποιήθηκε με επιτυχία στο έργο ADVISORS (Nilsson, L., et al., ADVISORS Deliverable 3/8.1, 2001) καθώς και σε πλήθος άλλων έργων. Το Μέγεθος Κινδύνου θεμάτων συμπεριφοράς (και για κάθε κατηγορία κινδύνου) υπολογίζεται από την παρακάτω σχέση: A + Δ MK = Σ E, όπου 2 Όπου: Σ=Σοβαρότητα κινδύνου Ε=Πιθανότητα Εμφάνισης κινδύνου Α=Πιθανότητα Ανίχνευσης κινδύνου Δ=Πιθανότητα Διόρθωσης κινδύνου, εφόσον αυτός ανιχνευτεί Ακολουθούν οι επεξηγήσεις των επιπέδων Σοβαρότητας, Εμφάνισης, Ανίχνευσης και Διόρθωσης σε σχέση με τη συμπεριφορά των χρηστών. Πίνακας 42: Ανάλυση επιπέδου σοβαρότητας κινδύνου. Επίπεδο σοβαρότητας 9-10 (εξαιρετικά σοβαρό) Τεχνικοί κίνδυνοι Το πρόβλημα στο σύστημα μπορεί να θέσει το χρήστη σε Κίνδυνοι Συμπεριφοράς Η λανθασμένη λειτουργία του συστήματος από το χρήστη μπορεί να Νομικοί κίνδυνοι Υπάρχουν νόμοι που δεν επιτρέπουν το σύστημα να εφαρμοστεί. Οργανωτικοί κίνδυνοι Απαιτείται ένα ευρύ οργανωτικό πλαίσιο, το οποίο λείπει εντελώς (π.χ. νέες υπηρεσίες). Δεκέμβριος

244 Διδακτορική Διατριβή Μαρία Πάνου Επίπεδο σοβαρότητας 7-8 (σοβαρό) 5-6 (ελαφρώς σοβαρό) 3-4 (σημαντικό) 1-2 (ασήμαντο) Τεχνικοί κίνδυνοι κίνδυνο. Το πρόβλημα του συστήματος συνεπάγεται την ολική δυσλειτουργία του, που οδηγεί στη δυσαρέσκεια του χρήστη. Το πρόβλημα του συστήματος συνεπάγεται τη μερική δυσλειτουργία του, που οδηγεί στη δυσαρέστηση του χρήστη. Το πρόβλημα του συστήματος συνεπάγεται κάποια μικρή δυσαρέσκεια του χρήστη. Το πρόβλημα του συστήματος δε συνεπάγεται αισθητές επιδράσεις Κίνδυνοι Συμπεριφοράς οδηγήσει σε σημαντική μείωση των ωφελειών του συστήματος (με επίδραση ακόμη και στην ασφάλεια). Η λανθασμένη λειτουργία του συστήματος από το χρήστη μπορεί να ακυρώσει τις ωφέλειές του (π.χ. επίδραση στην ασφάλεια λόγω αλλαγής του τρόπου αναζήτησης πληροφορίας). Η λανθασμένη λειτουργία του συστήματος από το χρήστη μπορεί να μειώσει αισθητά τις ωφέλειές του. Η αλλαγή στη συμπεριφορά του χρήστη μπορεί να επηρεάσει σε κάποιο βαθμό τις θετικές επιδράσεις του συστήματος. Η συμπεριφορά του χρήστη δεν αναμένεται να μειώσει τις ωφέλειες του συστήματος Νομικοί κίνδυνοι Απαιτούνται νέοι νόμοι για την εφαρμογή του συστήματος και δεν έχει πραγματοποιηθεί σχετική εργασία στο παρελθόν. Απαιτούνται νέοι νόμοι για την εφαρμογή του συστήματος, αλλά έχει πραγματοποιηθεί η απαιτούμενη δουλειά στο παρελθόν. Απαιτούνται νέοι νόμοι για την εφαρμογή του συστήματος αλλά υπάρχει ήδη ομοφωνία γι αυτούς. Δεν απαιτούνται νέοι νόμοι για την εφαρμογή του συστήματος. Οργανωτικοί κίνδυνοι Απαιτείται προσαρμογή του οργανωτικού πλαισίου (κάποιες αρχικές δράσεις έχουν ήδη γίνει). Απαιτείται προσαρμογή του οργανωτικού πλαισίου, η οποία έχει ήδη αρχίσει να πραγματοποιείται. Υπάρχει ανάγκη για περιορισμένες και εύκολα πραγματοποιήσιμες οργανωτικές αλλαγές. Δεν υπάρχει καμία ανάγκη για οργανωτικές αλλαγές. Δεκέμβριος

245 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Επίπεδο σοβαρότητας Τεχνικοί κίνδυνοι στη λειτουργία του ούτε στην ικανοποίηση του χρήστη. Κίνδυνοι Συμπεριφοράς αισθητά ή μπορεί ακόμη και να τις ενισχύσει. Νομικοί κίνδυνοι Οργανωτικοί κίνδυνοι Πίνακας 43: Ανάλυση επιπέδου πιθανότητας εμφάνισης κινδύνου. Επίπεδο πιθανότητας εμφάνισης 9-10 (υψηλό) 6-8 (μέτριο) 3-5 (χαμηλό) Τεχνικοί κίνδυνοι Είναι βέβαιο ότι θα εμφανιστούν κάποια τεχνικά προβλήματα. Μπορεί να υπάρξουν κάποια τεχνικά προβλήματα περιστασιακά. Υπάρχει μόνο μία μικρή πιθανότητα εμφάνισης κάποιου τεχνικού προβλήματος. 1-2 (απίθανο) Είναι απίθανο να υπάρξει κάποιο τεχνικό πρόβλημα. Κίνδυνοι Συμπεριφοράς Είναι βέβαιο ότι θα εμφανιστούν κάποιες επιπτώσεις από τη συμπεριφορά του χρήστη (χρησιμοποιώντας το σύστημα). Κάποιες επιπτώσεις από τη συμπεριφορά του χρήστη μπορεί να εμφανιστούν περιστασιακά. Υπάρχει μόνο μία μικρή πιθανότητα να εμφανιστούν κάποιες επιπτώσεις από τη συμπεριφορά του χρήστη. Είναι απίθανο να εμφανιστούν κάποιες επιπτώσεις από τη συμπεριφορά του χρήστη. Νομικοί κίνδυνοι Είναι βέβαιο ότι θα υπάρξουν κάποια νομικά θέματα Μπορεί να υπάρξουν κάποια νομικά προβλήματα περιστασιακά. Υπάρχει μόνο μία μικρή πιθανότητα να υπάρξουν νομικά προβλήματα. Είναι απίθανο να υπάρξει κάποιο νομικό πρόβλημα. Οργανωτικοί κίνδυνοι Είναι βέβαιο ότι θα απαιτηθεί οργανωτική αλλαγή. Μπορεί να χρειαστεί οργανωτική αλλαγή (αναλόγως των αναγκών της υπηρεσίας που θα φανούν μετά από τη λειτουργία του συστήματος). Υπάρχει μόνο μία μικρή πιθανότητα να υπάρξει ανάγκη για οργανωτική αλλαγή. Είναι απίθανο να υπάρξει ανάγκη για οργανωτική αλλαγή. Δεκέμβριος

246 Διδακτορική Διατριβή Μαρία Πάνου Πίνακας 44: Ανάλυση επιπέδου πιθανότητας ανίχνευσης κινδύνου. Επίπεδο πιθανότητας ανίχνευσης 9-10 (απίθανο) 7-8 (χαμηλό) 5-6 (μέτριο) 3-4 (υψηλό) 1-2 (πολύ υψηλό) Τεχνικοί κίνδυνοι Είναι απίθανο να εντοπιστεί κάποιο τεχνικό πρόβλημα. Ανιχνεύεται κάποιο τεχνικό πρόβλημα μόνο σε συγκεκριμένες περιπτώσεις. Είναι πιθανό να εντοπιστεί κάποιο τεχνικό πρόβλημα (αναλόγως της κατάστασης). Είναι πολύ πιθανό να εντοπιστεί κάποιο τεχνικό πρόβλημα. Είναι βέβαιο ότι θα εντοπιστεί κάποιο τεχνικό πρόβλημα. Κίνδυνοι Συμπεριφοράς Είναι αδύνατο ή απίθανο ότι θα ανιχνευτούν οι επιπτώσεις της συμπεριφοράς του χρήστη. Οι επιπτώσεις της συμπεριφοράς του χρήστη ανιχνεύονται μόνο σε συγκεκριμένες περιπτώσεις. Είναι πιθανό ότι θα ανιχνευτούν οι επιπτώσεις της συμπεριφοράς του χρήστη. Είναι πολύ πιθανό ότι θα ανιχνευτούν οι επιπτώσεις της συμπεριφοράς του χρήστη. Είναι σίγουρο ότι θα ανιχνευτούν οι επιπτώσεις της συμπεριφοράς του χρήστη. Νομικοί κίνδυνοι Είναι αδύνατο ή απίθανο ότι θα εντοπιστεί κάποιο νομικό πρόβλημα. Ανιχνεύεται κάποιο νομικό πρόβλημα μόνο σε συγκεκριμένες περιπτώσεις. Είναι πιθανό να εντοπιστεί κάποιο νομικό πρόβλημα. Είναι πολύ πιθανό να εντοπιστεί κάποιο νομικό πρόβλημα. Είναι βέβαιο ότι θα εντοπιστεί κάποιο νομικό πρόβλημα. Οργανωτικοί κίνδυνοι Είναι αδύνατο ή απίθανο ότι θα ανιχνευτεί κάποιο οργανωτικό πρόβλημα. Ανιχνεύεται κάποιο οργανωτικό πρόβλημα μόνο σε συγκεκριμένες περιπτώσεις. Είναι πιθανό να εντοπιστεί κάποιο οργανωτικό πρόβλημα. Είναι πολύ πιθανό να εντοπιστεί κάποιο οργανωτικό πρόβλημα. Είναι βέβαιο ότι θα εντοπιστεί κάποιο οργανωτικό πρόβλημα. Πίνακας 45: Ανάλυση επιπέδου πιθανότητας διόρθωσης κινδύνου. Επίπεδο πιθανότητας διόρθωσης 1-2 (μηδενικό) Τεχνικοί κίνδυνοι Δεν υπάρχει καμία δυνατότητα διόρθωσης. Κίνδυνοι Συμπεριφοράς Το σύστημα δεν είναι ευέλικτο στις επιπτώσεις από τη συμπεριφορά του χρήστη. Νομικοί κίνδυνοι Το σύστημα είτε γίνεται αποδεκτό είτε απορρίπτεται από το νομοθετικό πλαίσιο. Οργανωτικοί κίνδυνοι Το σύστημα απαιτεί ένα σταθερό οργανωτικό περιβάλλον για να λειτουργήσει. Δεκέμβριος

247 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Επίπεδο πιθανότητας διόρθωσης 6-8 (χαμηλό) 3-5 (υψηλό) 1-2 (πλήρης διόρθωση) Τεχνικοί κίνδυνοι Ο χρήστης ενημερώνεται μόνο για το πρόβλημα. Υπάρχει αποτελεσματική δυνατότητα διόρθωσης. Οι επιπτώσεις του προβλήματος αποφεύγονται πλήρως από διορθωτική κίνηση. Κίνδυνοι Συμπεριφοράς Οι επιπτώσεις από τη συμπεριφορά του χρήστη λαμβάνονται υπόψη από το σύστημα. Η προσαρμογή του συστήματος μπορεί να αντισταθμίσει τις επιπτώσεις από τη συμπεριφορά του χρήστη. Το σύστημα δεν επιτρέπει τις επιπτώσεις από τη συμπεριφορά του χρήστη. Νομικοί κίνδυνοι Το σύστημα μπορεί να προσαρμοστεί ελαφρώς για να ικανοποιήσει τους νομικούς περιορισμούς. Το σύστημα έχει διαφορετικές εκδόσεις για να ικανοποιεί συγκεκριμένες νομικές απαιτήσεις. Το σύστημα μπορεί εύκολα να μετατραπεί για να ικανοποιεί συγκεκριμένες νομικές απαιτήσεις. Οργανωτικοί κίνδυνοι Το σύστημα απαιτεί ένα σταθερό οργανωτικό περιβάλλον με μικρές προσαρμογές. Το σύστημα μπορεί να λειτουργήσει σε διάφορα οργανωτικά πλαίσια. Το σύστημα δεν απαιτεί οργανωτικές αλλαγές. Τα αποτελέσματα της ανάλυσης κινδύνων μπορεί να υποδεικνύουν προβληματικές περιοχές στις οποίες οι υπεύθυνοι ανάπτυξης του συστήματος καλούνται να καταβάλουν περισσότερη προσπάθεια (π.χ. να βρίσκουν στρατηγικές αποφυγής ή/και επίλυσης). Το επόμενο βήμα είναι η εκτίμηση του ύψους του κινδύνου για κάθε ένα απ αυτά τα θέματα και η αναγνώριση στρατηγικών επίλυσης. Η πιθανότητα επιτυχίας των στρατηγικών αυτών πρέπει επίσης να αναγνωριστεί, όπου είναι δυνατό. Βάσει της ανάλυσης των τεσσάρων επιπέδων, αναλύονται τα κύρια προβλήματα (πιθανοί κίνδυνοι) για τα οποία προσδιορίζεται ο βαθμός κινδύνου. Η πιθανότητα μίας επιτυχούς πιθανότητας επίλυσης αξιολογείται και βαθμολογείται. Ο συνολικός κίνδυνος που θα υπολογιστεί αντιστοιχείται με τα πέντε επίπεδα της Σοβαρότητας (με τα οποία συμπληρώνεται η στήλη «Σοβαρότητα προβλήματος» του παραπάνω πίνακα), ως εξής: Πίνακας 46: Συσχέτιση του Συντελεστή συνολικού κινδύνου με το επίπεδο Συνολικής Σοβαρότητας. Συνολικό Μέγεθος Κινδύνου Συνολική Σοβαρότητα I- Εξαιρετικά σοβαρός II- Σοβαρός III Μέτριος 8-64 IV - Ελαφρύς 1-8 V - Ασήμαντος Δεκέμβριος

248 Διδακτορική Διατριβή Μαρία Πάνου Οι παραπάνω τιμές είναι ενδεικτικές. Η πιθανότητα επίλυσης/εξάλειψης ορίζεται ως εξής: - Υψηλή - Μέση - Χαμηλή - Απίθανη Η μείωση των κινδύνων είναι μία συνεχόμενη διαδικασία που συμπεριλαμβάνει σχέσεις εξάρτησης μεταξύ πολλών θεμάτων. Στα πλαίσια των πιθανοτήτων επίλυσης, οι κίνδυνοι μπορεί να μειωθούν με διάφορους γενικούς τρόπους, όπως: Μειώνοντας το μέγεθος (σοβαρότητα) των συνεπειών ενός πιθανού κινδύνου. Μειώνοντας την πιθανότητα εμφάνισης κινδύνων. Αυξάνοντας την ταχύτητα και πιθανότητα ανίχνευσης προβλημάτων. Προστατεύοντας το σύστημα έναντι κινδύνων με στρατηγικές επίλυσης που να αντισταθμίζουν τα εμφανιζόμενα προβλήματα (π.χ. εναλλακτικές μέθοδοι). Μεταφέροντας τον κίνδυνο σε άλλον τομέα. Οι ακριβείς ορισμοί των διαφόρων επιπέδων των πιθανοτήτων επίλυσης παρουσιάζονται στον παρακάτω πίνακα: Πίνακας 47: Επίπεδα πιθανότητας επίλυσης προβλημάτων και ορισμός τους. Πιθανότητα επίλυσης Υψηλή Μέση Χαμηλή Απίθανη Ορισμός Υπάρχει διαθέσιμη λύση με σχετικά μικρό κόστος. Μπορεί να υπάρχει εφικτή λύση σε λογικό κόστος, ή Υπάρχει διαθέσιμη λύση σε μέτριο κόστος. Μπορεί να είναι δυνατή μία ακριβή λύση αλλά τα οφέλη του συστήματος μπορεί να μην τη δικαιολογούν, και/ή Μία λύση χρειάζεται περαιτέρω εξέταση ή είναι πολύ περίπλοκη. Οι λύσεις είναι πολύ ακριβές σε σχέση με τη μείωση του κινδύνου και τα οφέλη που θα προκύψουν από τη λειτουργία του συστήματος, και/ή Δεν υπάρχει διαθέσιμη λύση για τον (εξαιρετικά) σοβαρό κίνδυνο που ανιχνεύτηκε Ανάλυση κινδύνων Στην ενότητα αυτή παρουσιάζονται οι εκτιμώμενοι κίνδυνοι για τα σύστημα προειδοποίησης οδηγών και πληροφόρησης λοιπών μετακινουμένων. Τονίζεται ότι όλοι αυτοί οι κίνδυνοι αναφέρονται σε προϊόν που βασίζεται στο σύστημα που αναπτύχθηκε στα πλαίσια της παρούσης διδακτορικής διατριβής και είναι έτοιμο να διατεθεί στην αγορά και όχι στο συγκεκριμένο σύστημα που βρίσκεται στην πρωτότυπη μορφή του. Πρόκειται για προβλήματα που εκτιμάται ότι μπορεί να παρουσιαστούν κατά την εφαρμογή του συστήματος, εφόσον δηλαδή έχει μετατραπεί σε εμπορεύσιμο προϊόν. Ο τύπος του κάθε κινδύνου συμβολίζεται στους πίνακες που ακολουθούν, ως εξής: Δεκέμβριος

249 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Τ: Τεχνικοί Σ: Συμπεριφοράς Ν: Νομικοί Ο: Οργανωτικοί Κίνδυνοι συστημάτων προειδοποίησης οδηγών Οι κίνδυνοι που αναφέρονται στη συνέχεια έχουν εντοπιστεί κατά τη διάρκεια ανάπτυξης των προσωποποιημένων συστημάτων προειδοποίησης αλλά κυρίως κατά τη διάρκεια των πιλοτικών δοκιμών, με τη χρήση τους από πραγματικούς οδηγούς και παρουσιάζονται με ταξινόμηση ανά μέγεθος κινδύνου (ΜΚ). Πίνακας 48: Εκτιμώμενοι κίνδυνοι συστημάτων προειδοποίησης οδηγών. No. Περιγραφή προβλήματος Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα 1. Εσφαλμένη Τ Εξαιρ. ανάγνωση της σοβαρός λωρίδας κυκλοφορίας μπορεί να οδηγήσει σε εσφαλμένα προσωποποιημένα όρια. 2. Δυσκολία στο Τ Εξαιρ. δυναμικό σοβαρός υπολογισμό του προσωπικού χρόνου αντίδρασης λόγω έλλειψης ικανού αριθμού οδικών συνθηκών όπου ο οδηγός αντιδρά με βάση τον πραγματικό χρόνο αντίδρασής του (π.χ. ανάγκη για ακραία πέδηση) ή/και λόγω εσφαλμένου καθορισμού των συνθηκών αυτών από το σύστημα. 3. Οι προσαρμοσμένες τιμές για το ΣΠΕΛ μπορεί ν αλλάζουν συνεχώς λόγω αστάθειας του εύρους των λωρίδων κυκλοφορίας και να Προτεινόμενη μέθοδος επίλυσης Το ΣΠΕΛ πρέπει να λειτουργεί μόνο όταν έχει υψηλό βαθμό αναγνώρισης. Επίσης, πρέπει να τεθούν όρια τιμών, πέρα απ τα οποία οι τιμές που παρέχονται απ το σύστημα δε θα γίνονται αποδεκτές. Πράγματι, αυτό συνέβη ήδη κατά τη διάρκεια των πιλοτικών δοκιμών καθορισμού του στα πλαίσια της παρούσης διατριβής. Μόνο μετά από μακροχρόνια (π.χ. ένα έτος) χρήση επί πραγματικής κυκλοφορίας των οχημάτων μπορούμε να αξιολογήσουμε τον προτεινόμενο αλγόριθμο. Στο μεταξύ δέον να χρησιμοποιείται (όπως και στην παρούσα διατριβή) ο μέσος στατικός χρόνος αντίδρασης. Σ Σοβαρός Δεν πρέπει να επιτρέπεται διακύμανσή τους άνω του ±10% για ενιαία διαδρομή. Καλύτερα να είναι εσφαλμένες παρά να μεταβάλλονται συνεχώς κατά τη διάρκεια της διαδρομής. Δεκέμβριος

250 Διδακτορική Διατριβή Μαρία Πάνου No. Περιγραφή προβλήματος οδηγήσουν σε σύγχυση του οδηγού. 4. Αρνητική στάση του χρήστη και αντικειμενική δυσκολία στον υπολογισμό του στατικού χρόνου αντίδρασης. Κίνδυνος ατυχήματος κατά τη διάρκεια των δοκιμών. 5. Αστάθεια προσωποποιημένων χαρακτηριστικών οδηγού λόγω κατάστασής του ανά ημέρα/ώρα, μπορεί να οδηγήσει σε ένα σύστημα «απρόβλεπτο» απ τον οδηγό 6. Αν προκληθεί ατύχημα με το προσωποποιημένο όριο, ο οδηγός μπορεί να ισχυρισθεί ότι αυτό δεν ήταν κατάλληλο. 7. Δυσκολία εισαγωγής των αλγορίθμων σε Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Προτεινόμενη μέθοδος επίλυσης Τ & Σ Σοβαρός Ο σχετικός χρόνος πρέπει τελικά να εκτιμάται σε δοκιμή επί προσομοιωτή ή μέσω άλλης ψυχοκινητικής δοκιμής σε Η/Υ. Ωστόσο, η συσχέτιση των χρόνων αυτών αντίδρασης με τον πραγματικό χρόνο αντίδρασης στο αυτοκίνητο πρέπει να καθοριστεί προσεκτικά (σχετική δοκιμή είναι προγραμματισμένη ήδη στα πλαίσια του ερευνητικού έργου TRAIN-ALL). Σ Σοβαρός Το σύστημα πρέπει να καθορίζει τα προσωποποιημένα όρια του οδηγού την πρώτη φορά (φορές) που το χρησιμοποιεί και να μην επιτρέπει αργότερα αλλαγές πέρα από ±10%. Μεγαλύτερες αλλαγές μπορεί να επιτρέπονται σε μεγαλύτερα διαστήματα (π.χ. 1 έτος μετά), ώστε να λαμβάνονται υπ όψη και οι αλλαγές στην οδηγική συμπεριφορά του οδηγού, π.χ. η προσκτηθείσα εμπειρία του. Αντιθέτως τέτοιες μεγάλες αλλαγές συμπεριφοράς μπορούν να χρησιμοποιούνται ως ενδείξεις «κακής» κατάστασης του οδηγού για προειδοποίησή του (παρακολούθηση οδηγού). Ν Σοβαρός Τα ΣΣΥΟ είναι «συμβουλευτικά» συστήματα και όχι συστήματα ασφαλείας. Ως εκ τούτου, η ευθύνη χρήσης τους και αποδοχής τους ή μη παραμένει πάντα με τον οδηγό. Ο Μέτριος Η εφαρμογή τέτοιων αλγορίθμων μπορεί να γίνει με 2 τρόπους: Δεκέμβριος

251 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους No. Περιγραφή προβλήματος «κλειστά» και τυποποιημένα συστήματα, όπως είναι τα ΣΣΥΟ. 8. Αν το σύστημα αποθηκεύεται επί του οχήματος μπορεί να «μπερδέψει» το χρήστη και να χρησιμοποιήσει λάθος όρια για τον οδηγό. 9. Εσφαλμένη λειτουργία του εμπρόσθιου αισθητήρα απόστασης (ραντάρ) ή απορρύθμισή του μπορεί να οδηγήσει σε εσφαλμένες τιμές προσωποποίησης. 10. Καταγραφή προσωπικών στοιχείων οδηγού, που μπορεί να οδηγήσει σε αρνητική χρήση τους από την Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Προτεινόμενη μέθοδος επίλυσης - Με ενσωμάτωση του αλγορίθμου απ τον κατασκευαστή του συστήματος (βέλτιστος τρόπος, που απαιτεί όμως συμφωνία συνεργασίας με κατασκευαστή). - Μέσω ενδιάμεσου συστήματος ρύθμισης, τοποθετημένου επί του κυκλώματος CAN του οχήματος (μπορεί να γίνει αυτόνομα αλλά έχει τη δυνατότητα να καθυστερεί μόνο τα μηνύματα και όχι να τα στέλνει νωρίτερα, αφού δε μπορεί να αλλάξει τα στοιχεία που στέλνει το εργοστασιακό ΣΣΥΟ). Τ & Σ ,5Μέτριος Κάθε οδηγός πρέπει να δίνει το δικό του κωδικό πρόσβασης για να χρησιμοποιούντα τα κατάλληλα προσωποποιημένα όρια. Παρόλα αυτά, αν τα μετρούμενα όρια είναι πολύ διαφορετικά απ τα αποθηκευμένα πρέπει να ζητείται απ τον οδηγό να επαληθεύσει την ταυτότητά του. Τ Μέτριος Ούτως ή άλλως αυτό το γεγονός θα επηρέαζε αρνητικά και τη λειτουργία του μη προσωποποιημένου συστήματος. Πάντως, πρέπει να τίθενται όρια τιμών, πέρα απ τα οποία οι τιμές που παρέχονται απ το σύστημα δε θα γίνονται αποδεκτές. Ν Μέτριος Τα στοιχεία πρέπει ν αποθηκεύονται «τυπικά» στο όχημα ή την κινητή συσκευή του χρήστη και όχι σε κεντρική υπηρεσία. Επίσης πρέπει να προστατεύονται με κωδικό πρόσβασης που θα έχει μόνο ο Δεκέμβριος

252 Διδακτορική Διατριβή Μαρία Πάνου No. Περιγραφή προβλήματος ασφαλιστική εταιρεία ή τις αρχές σε περίπτωση ατυχήματος. 11. Οι προσωποποιημένες τιμές μπορεί να είναι επικίνδυνες για την οδηγική ασφάλεια (π.χ. να προειδοποιηθεί πολύ αργά ο οδηγός ο οποίος συνηθίζει να οδηγεί πολύ κοντά στο προπορευόμενο όχημα ή πολύ κοντά στη λωρίδα κυκλοφορίας 12. Ο οδηγός, για τον οποιοδήποτε λόγο δεν προτιμά τον προσωποποιημένο αλγόριθμο και βρίσκει την προειδοποίηση «πολύ νωρίς» ή «πολύ αργά». Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Προτεινόμενη μέθοδος επίλυσης χρήστης. Η αξιοποίησή τους νομικά από εκεί και πέρα εμπίπτει στους ίδιους νομικούς περιορισμούς που εμπίπτουν και όλα τα άλλα στοιχεία οδικής συμπεριφοράς που καταγράφονται στο CAN του οχήματος. Σ Μέτριος Οι προσωποποιημένες τιμές δεν πρέπει να εκφεύγουν κάποιων ακραίων «ορίων ασφαλείας», όπως εξάλλου έχει ήδη προταθεί στο Κεφάλαιο 9. Σ Ελαφρύς Το σύστημα πρέπει να δίνει στον οδηγό τη δυνατότητα να: - επαναφέρει τις εργοστασιακές μετρήσεις, - αυξομειώσει την προτεινόμενη τιμή κάθε παραμέτρου ±20%, εφόσον αυτή δεν υπερβαίνει τα θεσπισμένα ακραία όρια ασφαλείας. Συνολικά εντοπίστηκαν 12 πιθανά προβλήματα, ως εξής: - 3 τεχνικά - 4 συμπεριφοράς - 2 τεχνικά και συμπεριφοράς - 2 νομικά - 1 οργανωτικό Βρέθηκαν δύο εξαιρετικά σοβαροί κίνδυνοι, και οι δύο τεχνικής φύσεως καθώς και τέσσερεις σοβαροί (2 τεχνικοί, 1 οργανωτικός και 1 τεχνικός και συμπεριφοράς). Οι υπόλοιποι είναι 4 μέτριας σοβαρότητας και 1 ελαφρύτερης. Για όλους τους κινδύνους που εντοπίστηκαν έχουν προταθεί από τη γράφουσα μέθοδοι αποσόβησής τους που φαίνεται να παρουσιάζουν σημαντικές πιθανότητες επιτυχίας. Δεκέμβριος

253 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Κίνδυνοι συστήματος πληροφόρησης λοιπών μετακινουμένων Στη συνέχεια παρουσιάζονται οι κίνδυνοι που σχετίζονται με το συγκεκριμένο σύστημα ταξινομημένο ανά μέγεθος κινδύνου. Πίνακας 49: Εκτιμώμενοι κίνδυνοι συστημάτων πληροφόρηση λοιπών μετακινουμένων. Νο. Περιγραφή προβλήματος 1. Διαφορετικές ανάγκες προτεραιότητας χρήστη αναλόγως του περιβάλλοντος χρήσης (π.χ. ως τουρίστας ή ως εργαζόμενος). 2. Μη ικανοποίηση χρήστη γιατί οι αλλαγές στη συμπεριφορά του εξαρτώνται και από άλλες παραμέτρους (π.χ. κόστος) ή επειδή οι προτιμήσεις του άλλαξαν για κάποιο λόγο ξαφνικά. 3. Μη δυνατότητα προσωποποιημένης πληροφορίας λόγω περιορισμού υπηρεσίας (π.χ. δε διατίθενται τα Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Προτεινόμενη μέθοδος επίλυσης Σ Σοβαρός Απαιτείται χωριστή προσωποποίηση ανά τύπο χρήσης (π.χ. τουρίστας, επισκέπτης για εργασία, εργαζόμενος με προορισμό τον τόπο εργασίας του, μόνιμος κάτοικος σε έξοδο αναψυχής, κ.α.). Αυτό προϋποθέτει όμως συνεργασία με το χρήστη που θα πρέπει κάθε φορά που χρησιμοποιεί την υπηρεσία να επιλέγει «προφίλ» χρήσης. Σ Σοβαρός Ο χρήστης πρέπει να έχει πάντα τον έλεγχο του συστήματος, μέσω: - αλλαγής χειροκίνητα των προτιμήσεών του που έχει υποθέσει το σύστημα, - δυνατότητα απενεργοποίησης του προσωποποιημένου συστήματος είτε μόνιμα είτε για συγκεκριμένες υπηρεσίες/ ταξίδια, - δυνατότητα «φιλτραρίσματος» των επιλογών του συστήματος μέσω στατικών παραμέτρων που μπορεί να θέσει ο χρήστης (π.χ. όχι απόσταση βάδισης πάνω από 200 μέτρα), - δυνατότητα παροχής περισσοτέρων λύσεων απ τις αρχικά προτεινόμενες, εφόσον ο χρήστης το επιλέξει (π.χ. πατώντας το πλήκτρο «άλλες λύσεις»). Τ Σοβαρός Το φαινόμενο είναι συχνό. Αρκετές υπηρεσίες π.χ. παρέχουν πληροφορίες εστιατορίων ή ξενοδοχείων χωρίς να διακρίνουν υποκατηγορίες, ή παρέχουν Δεκέμβριος

254 Διδακτορική Διατριβή Μαρία Πάνου Νο. Περιγραφή προβλήματος δεδομένα που απαιτούνται για την προσωποποίηση). 4. Μη διατιθέμενη αρκετή μνήμη ή ικανότητα επεξεργασίας επί της κινητής συσκευής για τους αλγορίθμους και τα στοιχεία προσωποποίησης. 5. Δυσχέρεια συσχετισμού υποκατηγοριών προορισμού ή μεταφορικών μέσων από διαφορετικούς παρόχους πληροφορίας, εφόσον ο καθένας έχει τη δική του τυποποίηση. 6. Προβλήματα περιαγωγής σχετικών Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Προτεινόμενη μέθοδος επίλυσης διαδρομές χωρίς ενδιάμεσες αποστάσεις βάδισης. Στην περίπτωση αυτή φυσικά το σύστημα δε μπορεί να κάνει τίποτα άλλο απ το να παρέχει τη ληφθείσα πληροφόρηση, ενημερώνοντας το χρήστη ότι δε διατίθενται στοιχεία για προσωποποίηση. Άλλες φορές μπορεί να επιλέξει (αν υπάρχουν πολλαπλοί πάροχοι πληροφόρησης) τον πάροχο που διαθέτει τα περισσότερα στοιχεία για προσωποποίηση. Τ Σοβαρός Όντως αρκετά κινητά δε διαθέτουν αρκετά χαρακτηριστικά, ειδικά για προσωποποίηση υπηρεσιών επιλογής/ χάραξης διαδρομής. Αυτό θα μπορούσε να λυθεί μέσω προσωποποίησης επί του κεντρικού συστήματος (στον παγκόσμιο ιστό), αλλά τότε τα προσωπικά στοιχεία και οι προτιμήσεις του χρήστη θα μεταφέρονταν κι επεξεργάζονταν κεντρικά (μη αποδεκτό λόγω νομικών / ηθικών κινδύνων). Ωστόσο, οι νεότερες συσκευές ήδη διαθέτουν τα απαιτούμενα χαρακτηριστικά παροχής προσωποποιημένων υπηρεσιών. Τ Σοβαρός Για το λόγο αυτό τέτοιες υπηρεσίες προϋποθέτουν την ύπαρξη κοινών οντολογιών και εργαλείων αντιστοίχησης (π.χ. αυτών του έργου ASK-IT) ή και μεθοδολογίας «υπεροντολογίας» με αυτόματη συσχέτιση διαφορετικών υπηρεσιών (όπως αυτή του έργου OASIS). Ο Σοβαρός Το πρόβλημα σταδιακά θα λυθεί μέσω όλο και μεγαλύτερης συνεργασίας των Δεκέμβριος

255 Αναγνώριση κινδύνων και στρατηγικές αντιμετώπισής τους Νο. Περιγραφή προβλήματος υπηρεσιών (περιαγωγή υφίσταται προς το παρόν εξασφαλισμένη μόνο για κλήσεις και μηνύματα, όχι για ολοκληρωμένες υπηρεσίες). 7. Πρόβλημα αναγνώρισης του σωστού χρήστη για προσωποποίηση της υπηρεσίας. 8. Ανεπιθύμητη χρήση προσωπικών στοιχείων από τρίτους. Τύπος Σ Ε Α Δ ΜΚ Σοβαρότητα Σ & Ο , 5 Προτεινόμενη μέθοδος επίλυσης παρόχων υπηρεσιών λόγω της αναδυόμενης αγοράς κινητών υπηρεσιών πληροφόρησης αλλά και μέσω αρχιτεκτονικών κατανεμημένων συστημάτων που χρησιμοποιούν ως μέσο όχι δίκτυα κινητής τηλεφωνίας αλλά τον παγκόσμιο ιστό. Μέτριος Ο χρήστης πρέπει να δίνει τον προσωπικό του κωδικό για να έχει πρόσβαση στην προσωποποιημένη γι αυτόν υπηρεσία. Αν μπει άλλος χρήστης με τον κωδικό του, απλά θα μπορεί (αν το επιθυμεί) να απενεργοποιήσει την προσωποποίηση για να λαμβάνει αξιόπιστη γι αυτόν υπηρεσία. Ν Μέτριος Τα προσωποποιημένα στοιχεία πρέπει να διαφυλάσσονται στην κινητή μονάδα του χρήστη, προστατευμένα με κωδικό πρόσβασης κι όχι σε κεντρική υπηρεσία (π.χ. εξυπηρετητή διαδικτύου «web server»). Επίσης, ο χρήστης πρέπει να μπορεί να έχει ευχερή πρόσβαση σ αυτά και να τα αλλοιώνει ή διαγράφει κατά βούληση. Επιπλέον, να μην καταγράφονται συγκεκριμένες διαδρομές κι επιλογές (με ημερομηνία, ώρα, κλπ.) παρά μόνον ως στατιστικά στοιχεία τύπου επιλογής. Τέλος, να εξαιρούνται συγκεκριμένοι τύποι ενεργειών από την προσωποποίηση, όπως π.χ. η επιλογή τόπου λατρείας. Υπάρχουν 8 εκτιμώμενοι κίνδυνοι για το σύστημα πληροφόρησης των μετακινουμένων που εμπίπτουν σε όλες τις κατηγορίες (τεχνικοί, οργανωτικοί συμπεριφοράς και νομικοί). Από αυτούς, οι 6 είναι σοβαροί (3 τεχνικοί, 3 συμπεριφοράς και 1 οργανωτικού περιεχομένου) και οι 2 μέτριας σοβαρότητας (1 συμπεριφοράς και οργανωτικός και 1 νομικής υφής). Για όλους προτάθηκαν μέθοδοι αντιμετώπισης με σημαντικές πιθανότητες επιτυχίας. Δεκέμβριος

256 Διδακτορική Διατριβή Μαρία Πάνου 11.3 Συμπεράσματα Σύμφωνα με την παραπάνω ανάλυση, εντοπίστηκαν, κατά την ανάπτυξη των αλγορίθμων της παρούσας διατριβής και των πιλοτικών της δοκιμών κάποια σοβαρά πιθανά προβλήματα που μπορεί να προκύψουν από την εφαρμογή προσωποποιημένων συστημάτων προειδοποίησης οδηγών και πληροφόρησης μετακινουμένων. Πιο σημαντικά είναι αυτά που σχετίζονται με τεχνικά θέματα καθώς κι όσα έχουν σχέση με τη συμπεριφορά του χρήστη. Υπάρχουν όμως τεχνολογικές λύσεις με καλές προοπτικές επιτυχίας κι επίλυσης. Κάποιες έχουν ήδη ενσωματωθεί και ληφθεί υπόψη στη διατύπωση των προτεινομένων αλγορίθμων, όπως για παράδειγμα η ικανοποίηση κατωτάτων ορίων ασφαλείας προειδοποιήσεων. Άλλες καθορίζουν τα επόμενα βήματα έρευνας, π.χ. η συσχέτιση του στατικού ορίου αντίδρασης σε προσομοιωτή και σε πραγματικό όχημα, που θα πραγματοποιηθεί στο ερευνητικό έργο TRAIN- ALL, πριν τα προσωποποιημένα συστήματα εισαχθούν στην αγορά. Δεκέμβριος

257 12 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα Πέρα από την ασφάλεια των μεταφορών, τόσο για την αύξηση της κινητικότητας των αγαθών όσο και αυτής των πολιτών, οι τεχνολογικές εξελίξεις στον τομέα των υπηρεσιών πληροφόρησης και προειδοποίησης οδηγού και εν γένει μετακινουμένου είναι πρωτεύουσας σημασίας. Οι υφιστάμενες υπηρεσίες παροχής πληροφοριών σχετικά με τη μεταφορά είναι τοπικές, ελλιπείς και προσφέρονται μέσω ποικίλων δικτύων υπηρεσιών. Αρκετά σχετικά έργα συγχρηματοδοτήθηκαν και ανατέθηκαν από την ΕΕ κατά το 5ο και 6ο πλαίσιο, όπως τα TRAVELGUIDE (GRD ), ΙΜΑGΕ (IST ), PEPTRAN (IST ), IT (IST ), ASK-IT IP (511298), κ.α. Στον τομέα των υπηρεσιών πληροφόρησης, ενυπάρχουν μία σειρά από τεχνολογίες που έχουν να κάνουν με τα συστήματα πλοήγησης, δυναμικού και ακριβούς προσδιορισμού θέσης και χάραξης δρομολογίου, προσβάσιμων και προσαρμόσιμων διεπιφανειών χρήσης, νομαδικών συσκευών, τρόπους επικοινωνίας μεταξύ οχημάτων, οχημάτων και υποδομής, και ευφυών πρακτόρων για την ανάπτυξη διαδικτυακών εφαρμογών. Τα υφιστάμενα συστήματα πληροφόρησης των χρηστών του δικτύου παρέχουν πληροφόρηση στον οδηγό για τη θέση του οχήματος, υποδείξεις για τη διαδρομή που θα ακολουθήσει, ανάλογα με την αφετηρία και τον προορισμό του, καθώς και τις ιδιαίτερες προτιμήσεις του, ενημερώνουν όλους τους χρήστες της οδού σχετικά με την ύπαρξη κυκλοφορικών παρεμποδίσεων, τα δρομολόγια των ΜΜΜ και τους τόπους προορισμού, συνιστούν ελάττωση ταχύτητας ή αλλαγή πορείας στους οδηγούς, ενώ μπορεί να υποστηρίζουν άλλα συστήματα αποφυγής σύγκρουσης, παρέχοντάς τους πληροφορίες για τη διαμόρφωση της κυκλοφοριακής ροής ή του οδικού δικτύου στη συγκεκριμένη θέση. Πιο προηγμένες εκδόσεις των συστημάτων μπορούν επίσης να συνυπολογίζουν τις πραγματικές κυκλοφοριακές συνθήκες στον υπολογισμό της βέλτιστης διαδρομής. Η πληροφορία, ανάλογα με την υπηρεσία, μπορεί να προέρχεται από κέντρα διαχείρισης της κυκλοφορίας (AUTOGUIDE στην Αγγλία, ΑLL-SCOUT στη Γερμανία, κλπ.), από στατικούς (CD-Rom) ή και δυναμικούς ψηφιακούς χάρτες και να παρέχεται σε τερματικά εκτός οχήματος (PDA, κινητά τηλέφωνα, κλπ.), οπότε και απευθύνονται και σε όλους τους χρήστες της οδού πέραν των οδηγών, ή εντός του οχήματος μέσω των σταθερών τερματικών προσαρμοσμένων στο όχημα, ή και σε δημόσια διαδραστικά τερματικά (π.χ. κιόσκια πληροφοριών, οθόνες πληροφοριών σε σταθμούς, στάσεις, κλπ.), μέσω διαδικτυακών εφαρμογών, ραδιοφώνου, «RDS», από πινακίδες μεταβλητών μηνυμάτων (V.M.S.) και πινακίδων μεταβλητής κατεύθυνσης (V.D.S.), κλπ. Υβριδικές εφαρμογές έχουν επίσης αναπτυχθεί, συνδυάζοντας δύο ή περισσότερες από τις παραπάνω εφαρμογές. Δεκέμβριος

258 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα Ωστόσο, η αξιοπιστία των υπηρεσιών πληροφόρησης και γενικά όλων αυτών που υπάγονται στο τομέα των μεταφορών, είναι σε πολλές περιπτώσεις ελλιπής. Ο προσδιορισμός θέσης των χρηστών δεν είναι αρκετά ακριβής και αδιάλειπτος, ώστε να παρέχει την πληροφορία δυναμικά και αξιόπιστα, η πληροφορία που παρέχεται δεν είναι πάντα επικαιροποιημένη, δεν περιλαμβάνει τα σημεία ενδιαφέροντος του εκάστοτε χρήστη, ενώ δε διακριτοποιείται ανάλογα με τις ιδιαίτερες ανάγκες του χρήστη, με αποτέλεσμα να αποδεικνύεται συχνά άχρηστη για μεγάλη μερίδα του πληθυσμού. Αν και είναι γεγονός ότι, τόσο ή έρευνα όσο και η τεχνολογία, έχουν να επιδείξουν ιδιαίτερη πρόοδο και ανάπτυξη τα τελευταία χρόνια στο συγκεκριμένο χώρο, η ανάγκη για περαιτέρω εφαρμογές στο χώρο των μεταφορών, που άπτεται και σ αυτόν του τουρισμού, αυξάνεται ολοένα και περισσότερο. Η πραγματική επανάσταση σε αυτές τις υπηρεσίες συντελείται με τη χρήση οντολογιών και τεχνολογιών σημασιολογικού ιστού, που μετατρέπουν τις διαδικτυακές υπηρεσίες από μια συλλογή στατικών πληροφοριών σε ένα κατανεμημένο υπολογιστικό σύστημα. Επιπρόσθετα, η ποιότητα των σχετικών υπηρεσιών αφορά, εκτός από το περιεχόμενο και την αξιοπιστία της πληροφορίας που παρέχεται, και τον τρόπο παρουσίασής της ανά κατηγορία χρήστη, μέσα από κατάλληλες διεπιφάνειες χρήσης («user interface»), που θα ικανοποιούν τόσο τις προτιμήσεις, όσο και τις ανάγκες των διαφόρων τύπων χρηστών. Νέες τεχνικές αλληλεπίδρασης του χρήστη αναπτύσσονται, ενώ παρατηρείται μία τάση αντικατάστασης των συμβατικών υπολογιστών από διάφορους τύπους κινητών μονάδων (κινητά, PDA, κλπ.). Οι διεπιφάνειες χρήσης τείνουν να γίνουν ολοένα και πιο προσωποποιημένες, καθώς είναι ικανές, να προσαρμόζουν διάφορα τυπικά τους χαρακτηριστικά με δυναμικό τρόπο, ανάλογα με τα χαρακτηριστικά, τις ανάγκες και τις προτιμήσεις όλου του ποικιλόμορφου πληθυσμού, το δεδομένο περιβάλλον χρήσης (κατά τις μεταφορές, την εργασία, κλπ.), αλλά και το σχετικό τερματικό (κινητές μονάδες, μονάδες προσαρμοζόμενες στο όχημα, διάφοροι τύπου υπολογιστών, κλπ.). Έτσι, τα τελευταία χρόνια, οι υπηρεσίες πληροφόρησης είναι άμεσα συνδεδεμένες με την τεχνολογία κινητών ή σταθερών ευφυών πρακτόρων (IMAGE, CRUMPET, ADAMANT, IT, ASK-IT), που αν είναι ανάλογα ανεπτυγμένοι, μπορούν να χρησιμοποιηθούν για εφαρμογές που ικανοποιούν τις προσωπικές ανάγκες των διαφόρων χρηστών. Οι προσωποποιημένοι ευφυείς πράκτορες λαμβάνουν υπόψη τις ιδιαιτερότητες του χρήστη, τη γεωγραφική του θέση και, σε κάποιες περιπτώσεις, τις συνθήκες του εκάστοτε περιβάλλοντος στο οποίο βρίσκεται (καιρικές συνθήκες, κυκλοφοριακές συνθήκες, κλπ.) και προσαρμόζουν την παρεχόμενη υπηρεσία στις ανάγκες του και στην κάθε περίπτωση, ενώ συναθροίζοντας πολλαπλές απλές υπηρεσίες, ανάλογα με την απαίτηση του χρήστη, του προσφέρουν τελικά πολύπλοκες, συνδυασμένες υπηρεσίες. Η παρούσα διατριβή εστιάζει στην ανάπτυξη ευφυών αλγορίθμων προσωποποίησης υπηρεσιών πληροφόρησης μετακινουμένων και προειδοποίησης οδηγών, για βέλτιστη εφαρμογή και χρήση των νέων αυτών τεχνολογιών, με έμφαση στο προσωποποιημένο περιεχόμενο της πληροφόρησης/ προειδοποίησης, με αναφορές όμως και στο σύστημα επικοινωνίας ανθρώπου-μηχανής και τη χρηστικότητά του. Δεκέμβριος

259 Διδακτορική Διατριβή Μαρία Πάνου 12.1 Εκτίμηση σημαντικότητας παραμέτρων και χαρακτηριστικών χρηστών οδού Η προσωποποίηση των σχετικών υπηρεσιών μπορεί να βασισθεί σε στατικές, ημιδυναμικές (σχετιζόμενες με το λόγο μετακίνησης π.χ. για αναψυχή ή εργασία) και δυναμικές παραμέτρους. Οι στατικές παράμετροι μπορεί να είναι σημαντικές, π.χ. για ένα χρήστη αναπηρικού αμαξιδίου είναι πολύ σημαντικό η προτεινόμενη διαδρομή να είναι προσβάσιμη γι αυτόν. Ωστόσο, είναι και σχετικά εύκολο να προγραμματιστούν κι εξαρτάται η χρήση τους απ το αν οι συνδεδεμένες υπηρεσίες διαθέτουν σχετική πληροφορία (π.χ. αν η προσβασιμότητα του τόπου προορισμού, των ενδιάμεσων μεταφορικών μέσων, στάσεων και διαδρομών είναι καταγεγραμμένη ή όχι). Απ την άλλη δεν είναι εφικτό ένα πληροφοριακό σύστημα να ζητά απ το χρήστη του να συμπληρώσει δεκάδες φόρμες με όλες τις πιθανές προτιμήσεις του για να του παρέχει αξιόπιστη προσωποποιημένη πληροφορία. Έτσι, οι στατικές παράμετροι δέον να περιορίζονται στις απολύτως απαραίτητες. Το ευφυές σύστημα καλύπτει τις εναπομείνασες ελλείψεις γνώσης του χρήστη μέσω παρακολούθησης της χρήσης των σχετικών υπηρεσιών απ το χρήστη και σταδιακή ανάπτυξη δυναμικού προφίλ του. Το δυναμικό αυτό προφίλ πρέπει να εξελίσσεται χρονικά (αφού είναι δυνατό και οι προτιμήσεις και ικανότητες του χρήστη να εξελίσσονται) αλλά και να λαμβάνει όταν αυτό είναι εφικτό υπόψη το λόγο μετακίνησης και τους στόχους του χρήστη (ημι-δυναμικές παράμετροι), καταλήγοντας σε διαφορετικά προφίλ ανά λόγο μετακίνησης ή και ανά ημέρα της εβδομάδας (καθημερινή ή Σαββατοκύριακο), κλπ. Η παρούσα διατριβή προσπάθησε να καθορίσει όλες τις σημαντικές παραμέτρους για τις κατηγορίες υπηρεσιών πληροφόρησης/ προειδοποίησης που συμπεριέλαβε ενώ τελικά εστίασε σε δυναμικούς αλγορίθμους, που αποτελούν ερευνητικά τη μεγαλύτερη πρόκληση, αλλά και απουσιάζουν σε μεγάλο βαθμό από την υπάρχουσα βιβλιογραφία και τεχνογνωσία. Μετά από σειρά εναλλακτικών αλγορίθμων και της πραγματοποίησης δοκιμών με πραγματικούς χρήστες, διατυπώνονται οι ακόλουθες επισημάνσεις: Πίνακας 50: Οι κυριότερες παράμετροι προσωποποίησης υπηρεσιών, όπως προέκυψαν από τις προτιμήσεις των χρηστών και τα μετρούμενα μεγέθη κατά τη διάρκεια της διατριβής. Τύπος υπηρεσίας Προειδοποίηση οδηγού για κίνδυνο στο διαμήκη άξονα της οδού (μέσω ΣΠΑΣ). Τύπος χρήστη Οδηγός Σημαντικότερες δυναμικές παράμετροι - ΧΣΜΑ (βέλτιστη). - ΧΑ, αν αυτός μπορέσει να υπολογιστεί αξιόπιστα δυναμικά). - ΧΣ (αλλά με μεγαλύτερα σφάλματα έναντι ΧΣΜΑ, λόγω προσεγγιστικού Σημαντικότερες ημι-δυναμικές παράμετροι Λόγος/ τύπος μετακίνησης. Σημαντικότερες στατικές παράμετροι Αναπηρία. Η ηλικιακή ομάδα καλύπτεται καλύτερα από τις δυναμικές παραμέτρους (π.χ. δεν έχουν όλοι οι ηλικιωμένοι οδηγοί μεγάλο ΧΑ). Το φύλο δε συνδέεται επίσης μονοσήμαντα με Δεκέμβριος

260 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα Τύπος υπηρεσίας Προειδοποίηση οδηγού για κίνδυνο στον εγκάρσιο άξονα της οδού (μέσω ΣΠΕΛ). Πληροφόρηση για διαδρομή πολλαπλών μεταφορικών μέσων. Πληροφόρηση για σημείο ενδιαφέροντος (ΣΕ), που ζητήθηκε απ το χρήστη Τύπος χρήστη Οδηγός Σημαντικότερες δυναμικές παράμετροι υπολογισμού επιβράδυνσης προπορευόμενου οχήματος για τον υπολογισμό του). - ΑΠΟΛ (βέλτιστο). - ΧΠΟΛ (αλλά με μεγαλύτερα σφάλματα έναντι ΑΠΟΛ, λόγω προσεγγιστικού υπολογισμού εγκάρσιας ταχύτητας οχήματος για τον υπολογισμό του). Μετακινούμενος - Αποδεκτή απόσταση βάδισης. - Αποδεκτός αριθμός μετεπιβιβάσεων. - Αποδεκτοί τύποι μεταφορικών μέσων (επιπλέον τυχόν στατικών σχετικών επιλογών). - Κόστος μετακίνησης - Διάρκεια μετακίνησης. Μετακινούμενος - Προτιμώμενη υποκατηγορία ΣΕ. - Προτιμώμενος τύπος ΣΕ (πολύ λιγότερο σημαντική παράμετρος απ την υποκατηγορία Σημαντικότερες ημι-δυναμικές παράμετροι Ως άνω. - Λόγος/ τύπος μετακίνησης. - Λόγος/ τύπος μετακίνησης. - Καθημερινή ή Σαββατοκύριακ ο (όχι όμως και ακριβής ώρα ή ημέρα). Σημαντικότερες στατικές παράμετροι χαρακτηριστικά οδήγησης. Ομοίως για οδηγική εμπειρία. Ως άνω. - Αναπηρία. - Επιλογή μεταφορικού μέσου (π.χ. όχι ενοικίαση Ι.Χ. αν ο χρήστης δεν έχει δίπλωμα οδήγησης). Και πάλι στοιχεία φύλου και ηλικίας δεν κρίνονται δόκιμα, αφού καλύπτονται πολύ καλύτερα από τις δυναμικές παραμέτρους (π.χ. αποδεκτή μέγιστη απόσταση βάδισης). Αναπηρία. Η ηλικιακή ομάδα και το φύλο ή άλλες παράμετροι δε φαίνεται να έχουν την οποιαδήποτε σημασία. Δεκέμβριος

261 Διδακτορική Διατριβή Μαρία Πάνου Τύπος υπηρεσίας Πληροφόρηση για σημείο ενδιαφέροντος (ΣΕ) που δε ζητήθηκε απ το χρήστη Τύπος χρήστη Σημαντικότερες δυναμικές παράμετροι εντός ενός ορισμένου τύπου). Μετακινούμενος - Προτιμώμενος τύπος ΣΕ. - Προτιμώμενη κατηγορία ΣΕ. Και τα δύο μόνο για συγκεκριμένους τύπους μετακίνησης (π.χ. ως τουρίστας). Σημαντικότερες ημι-δυναμικές παράμετροι - Λόγος/ τύπος μετακίνησης. Σημαντικότερες στατικές παράμετροι Ως άνω Χρήση κι επέκταση μοντέλων DRIVABILITY και TRANSPORTABILITY Μοντέλο οδηγού DRIVABILITY Μία από τις βασικές συμβολές στην έρευνα της παρούσας διατριβής είναι η εισαγωγή ενός νέου μοντέλου συμπεριφοράς οδηγού (μοντέλο DRIVABILITY), το οποίο, σε αντίθεση με τα υφιστάμενα (π.χ. Rasmussen, Michon, GADGET), εμπεριέχει όχι μόνο στατικές (εμπειρία/γνώση οδήγησης, φυσικές και νοητικές ικανότητες οδηγού, κλπ.), αλλά και δυναμικές παραμέτρους (ψυχολογική και ψυχοσωματική κατάσταση οδηγού, κούραση και άγχος οδηγού, καιρικές και κυκλοφοριακές συνθήκες, φόρτος εργασίας, κλπ.). Έτσι, το μοντέλο αυτό μπορεί να προσεγγίσει και να εξηγήσει γιατί καλοί και έμπειροι οδηγοί μπορεί να προκαλέσουν σοβαρά ατυχήματα (π.χ. όταν βρεθούν στη λάθος στιγμή στο λάθος μέρος και σε κακή κατάσταση ψυχοσωματικά). Η δυναμική αυτή θεώρηση της ικανότητας ασφαλούς οδήγησης και των συντελεστών της οδηγεί σε μία δυναμική προσωποποίηση της πληροφορίας/προειδοποίησης προς τον οδηγό, η οποία συνάδει με τον τελικό στόχο της αύξησης της οδικής ασφάλειας αλλά και της άνεσης του οδηγού, λαμβάνοντας υπόψη τον ίδιο τον οδηγό αλλά και όλους τους άλλους κρίσιμους περιβαλλοντικούς και χρονικούς ή τοπικούς παράγοντες. Το μοντέλο αυτό αποδείχθηκε επαρκέστατο για την πρόβλεψη των κυρίων παραμέτρων προσωποποίησης, της πληροφόρησης και προειδοποίησης του οδηγού. Ωστόσο, ο υπολογισμός του δείκτη DRIVABILITY και των συντελεστών αυτού (που επιχειρείται για πρώτη φορά στην παράγραφο 6.3) βασίζεται σε εμπειρικές σχέσεις, που δοκιμάστηκαν και προσαρμοστήκαν στα δεδομένα 3 ερευνητικών έργων. Απαιτείται επομένως περαιτέρω εφαρμογή και προσαρμογή τους, ώστε να είναι όσο το δυνατόν πιο αντιπροσωπευτικοί για όλες τις κατηγορίες οδηγών, καθηκόντων και συνθηκών οδήγησης Μοντέλο μετακινουμένου TRANSPORTABILITY Το μοντέλο μετακινουμένου TRANSPORTABILITY (παράγραφος 6.9) είναι ίσως το πρώτο μοντέλο πληροφόρησης/ συμπεριφοράς μετακινουμένου μικροσκοπικής υφής, Δεκέμβριος

262 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα που βασίζεται στη συμπεριφορά κάθε μετακινουμένου και όχι στη συνολική εκτίμηση μετακινήσεων και προορισμού ενός πλήθους μετακινουμένων (ως πρόβλεψη ή ως καταγραφή ιστορικών στοιχείων). Ως τέτοιο εισαγάγει τόσο στατικές όσο και δυναμικές παραμέτρους που έχουν σημασία για την επιλογή κι ακολούθηση διαδρομής απ το μετακινούμενο αλλά και σημείων ενδιαφέροντος, με εφαρμογές σε υπηρεσίες τουρισμού και διατροπικής/πολυμεσικής μεταφοράς. Το μοντέλο αυτό αποδείχθηκε επαρκές για την πρόβλεψη και κατανόηση των κυριότερων παραμέτρων προσωποποίησης της πληροφόρησης των μετακινουμένων. Αν όμως ο βέλτιστος υπολογισμός του δείκτη DRIVABILITY και των συντελεστών του απαιτεί περαιτέρω διερεύνηση και εφαρμογές, αυτός του δείκτη TRANSPORTABILITY και των συντελεστών του βρίσκεται ακόμη σε πρωτόλειο στάδιο και απαιτεί μακρά έρευνα πριν τη γενικότερη εφαρμογή του Αξιολόγηση αποτελεσμάτων Οι αλγόριθμοι προσωποποίησης που αναπτύχθηκαν στα Κεφ. 8 και 9 και δοκιμάστηκαν στο Κεφ. 10 έτυχαν θετικής αξιολόγησης απ τη συντριπτική πλειονότητα των χρηστών. Ωστόσο, ο βαθμός ευχρηστίας, αξιοπιστίας και χρηστικότητάς τους κυμαίνεται. Πιο συγκεκριμένα: Αξιολόγηση αλγορίθμων προειδοποίησης οδηγών Η προσωποποίηση των προειδοποιήσεων επί του διαμήκη άξονα της οδού έγινε με δύο τρόπους: μέσω του μέσου στατικού χρόνου αντίδρασης και μέσω του μέσου ελάχιστου χρόνου σύγκρουσης μ ακινητοποίηση. Αυτό που μπορεί να παρατηρηθεί ευχερώς απ τα αποτελέσματα της παραγράφου είναι ότι και οι δύο προσωποποιημένοι αλγόριθμοι πλεονεκτούν από κάθε άποψη απ τους αντίστοιχους μη προσωποποιημένους και μάλιστα σημαντικά. Μεταξύ τους υπερέχουν κάποιες φορές ο ένας και κάποιες ο άλλος, με βαθμούς αξιοπιστίας συγκρίσιμους (80% για τον αλγόριθμο που βασίζεται στο μέσο στατικό χρόνο αντίδρασης και 84% γι αυτόν που βασίζεται στο μέσο ελάχιστο χρόνο σύγκρουσης μ ακινητοποίηση). Από πρακτική ωστόσο άποψη, η προσωποποίηση μέσω μέσου στατικού χρόνου αντίδρασης υστερεί, γιατί προϋποθέτει το στατικό υπολογισμό του χρόνου αντίδρασης του εκάστοτε οδηγού σε οπτικό και ακουστικό ερέθισμα, δηλαδή την πραγματοποίηση μιας μικρής δοκιμής με τον κάθε οδηγό και τη μετέπειτα προσαρμογή των ορίων του συστήματος σ αυτόν. Η αδυναμία εύρεσης ενός αξιόπιστου τρόπου αυτομάτου υπολογισμού ενός δυναμικού χρόνου αντίδρασης του οδηγού που ν αντιστοιχεί περίπου στο μέσο στατικό του χρόνο αντίδρασης (παράγραφος 7.2.4), που οφείλεται πιθανότατα στη δυσκολία αναπαραγωγής με ασφάλεια και αξιοπιστία συμβάντων πέδησης εκτάκτου ανάγκης σε πραγματικές συνθήκες οδήγησης στο δρόμο, υποβιβάζει προς το παρόν τη μέθοδο αυτή από δυναμική σε στατική προσαρμογή και την καθιστά πιο δυσχερή. Αν η περαιτέρω έρευνα στο δυναμικό υπολογισμό του χρόνου αντίδρασης του οδηγού τελεσφορήσει, η αντίστοιχη προσωποποίηση θα είναι πολλά υποσχόμενη. Θα μπορούσε μάλιστα να χρησιμοποιηθεί προσωποποίηση πολλών ΣΣΥΟ ταυτόχρονα, που οι αλγόριθμοι τους λαμβάνουν υπόψη το χρόνο αντίδρασης του οδηγού. Δεκέμβριος

263 Διδακτορική Διατριβή Μαρία Πάνου Αντίθετα, η προσωποποίηση μέσω του μέσου ελάχιστου χρόνου σύγκρουσης με ακινητοποίηση είναι ευχερέστατη δυναμικά, αλλά και σχετικά ακριβής, αφού ο χρόνος σύγκρουσης μ ακινητοποίηση (αντίθετα με το χρόνο σύγκρουσης) καθορίζεται με βάση τα στοιχεία του ιδίου οχήματος (που λαμβάνονται με ακρίβεια απ το κύκλωμα CAN του) και μόνο την ταχύτητα του προπορευομένου οχήματος (που λαμβάνεται από τον εμπρόσθιο αισθητήρα ραντάρ του ΣΠΑΣ), χωρίς την ανάγκη προσεγγιστικού υπολογισμού της επιβράδυνσης του προπορευομένου οχήματος. Έτσι, αυτή είναι εφικτή και τελείται αυτόματα και αξιόπιστα σε κάθε όχημα εξοπλισμένο με ΣΠΑΣ, χωρίς τη διαμεσολάβηση του οδηγού ή άλλου προσώπου. Περαιτέρω βελτίωση του αλγορίθμου αυτού θα μπορούσε να επιτευχθεί πιθανόν μέσω καλύτερου καθορισμού του συμβάντος ακολούθησης, ο καθορισμός του οποίου ενέχει κάποιες παραδοχές για το ΧΣ ή ΧΣΜΑ όπου αυτό ξεκινά και τερματίζεται (βλ. παράγραφο 8.3.1). Εν γένει ωστόσο, τα αποτελέσματα επιτρέπουν να συμπεράνουμε ότι και οι δύο αλγόριθμοι επιβεβαίωσαν την αρχική υπόθεση της διατριβής ότι οι προσωποποιημένες προειδοποιήσεις θα τύγχαναν καλύτερης αποδοχής από τους οδηγούς, χωρίς παραβίαση των ορίων ασφαλείας. Η προσωποποίηση των προειδοποιήσεων στον εγκάρσιο άξονα της οδού έγινε μέσω δύο βημάτων, αρχικά με την προσαρμογή των αλγορίθμων στο πλάτος της συγκεκριμένης οδού και του συγκεκριμένου οχήματος και κατόπιν με την προσωποποίησή τους με βάση την απόσταση του κέντρου του αυτοκινήτου απ τη διαγράμμιση της λωρίδας, ΑΠΟΛ. Αν και η αρχική υπόθεση της διατριβής ότι η προσαρμογή του αλγορίθμου στις τοπικές συνθήκες θ αυξήσει την αποδοχή κι αξιοπιστία του (50% αντί 40% του μη προσαρμοσμένου) και έτει περαιτέρω η προσωποποίησή του (φτάνοντας σχεδόν το 70%), η απλή προσαρμογή δεν κρίθηκε θετικά απ όλους τους οδηγούς. Εξαιτίας της μεταβλητότητας του εύρους της λωρίδας κυκλοφορίας που εμφανίζεται συχνά στους Ελληνικούς δρόμους (κακοτεχνία), υπάρχει μία διακύμανση των σχετικών ορίων. Για το λόγο αυτό αρκετοί οδηγοί βρήκαν τις προειδοποιήσεις του προσασρμοσμένου συστήματος καλύτερες μεν εν γένει απ του μη προσαρμοσμένου, αλλά και πάλι ότι παρέχονται σχετικά νωρίς κι ήταν περισσότερες απ τις πρέπουσες. Έτσι, ένα τέτοιο προσαρμοσμένο σύστημα θα μπορούσε ν αξιολογηθεί ως μάλλον συντηρητικό, που προάγει την οδική ασφάλεια αλλά θα μπορούσε να εκνευρίσει κάποιους οδηγούς. Αντίθετα, το προσωποποιημένο σύστημα φαίνεται να επιτυγχάνει καλά τους στόχους του. Επιπλέον, η προσωποποίηση των ορίων του είναι ευχερής και γίνεται με ακρίβεια και ταχύτητα από την κάμερα του ΣΠΕΛ, χωρίς τη συμμετοχή του οδηγού ή άλλου προσώπου. Η χρήση της απόστασης (ΑΠΟΛ) αντί του χρόνου (ΧΠΟΛ) για διάσχιση της λωρίδας κυκλοφορίας ενδείκνυται διότι αυτή μετριέται απ ευθείας απ το σύστημα, ενώ ο χρόνος υπολογίζεται απ την απόσταση και την εγκάρσια ταχύτητα, με αποτέλεσμα να παρεμβάλλονται καθυστερήσεις και μικροσφάλματα προσεγγίσεων Αξιολόγηση αλγορίθμων πληροφόρησης μετακινουμένων Δύο αλγόριθμοι προσωποποίησης μετακινουμένων αξιολογήθηκαν πιλοτικά στο πλαίσιο της θεματολογίας που πραγματεύεται η συγκεκριμένη διατριβή, ένας για την προσωποποίηση της πληροφορίας για επιλογή σημείων ενδιαφέροντος κι ένας για την επιλογή διαδρομής μέσω διατροπικού/ πολυμεσικού συστήματος μεταφοράς. Η συγκριτική βαθμολόγηση και των δύο συστημάτων σε σχέση με τα μη προσωποποιημένα, κατέδειξε μία εντυπωσιακή υπεροχή των προσωποποιημένων συστημάτων, η οποία αναμένεται να καταστήσει την προσωποποιημένη εφαρμογή Δεκέμβριος

264 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα πολύ πιο βιώσιμη και οικονομικά εκμεταλλεύσιμη. Αξίζει δε να σημειωθεί ότι η προσωποποίηση βασίστηκε μόλις επί 7 προηγουμένων χρήσεων, ενώ μία προσωποποίηση που θα λάμβανε υπόψη τις πολύ πιο πολλές και χρονικά κατανεμημένες επιλογές του χρήστη θα μπορούσε να έχει ακόμη μεγαλύτερη αξιοπιστία και χρηστικότητα. Αν και σε περίπτωση υπηρεσίας που παρέχεται μέσω Η/Υ η προσωποποίηση μπορεί να μην είναι καίριας σημασίας, γιατί ο χρήστης έχει το χρόνο και το χώρο εργασίας για να εξετάσει όλες τις παρεχόμενες λύσεις, σε περίπτωση χρήσης από υπολογιστή παλάμης ή κινητό τηλέφωνο, η προσωποποίηση αποτελεί αδήριτη ανάγκη, γιατί ο χρήστης δεν έχει μεγάλο χώρο εργασίας, ούτε και ευχέρεια χρόνου για την επιλογή της βέλτιστης γι αυτόν λύσης Περιορισμοί κι επεκτάσεις Οι αλγόριθμοι που δοκιμάστηκαν έτυχαν σε γενικές γραμμές πολύ θετικής αξιολόγησης απ τους χρήστες και φαίνεται να επιβεβαιώνουν την αρχική υπόθεση της διατριβής για την υπεροχή και προστιθέμενη αξία των προσωποποιημένων αλγορίθμων και υπηρεσιών. Ωστόσο, υπάρχουν τουλάχιστον δύο παράμετροι που θα πρέπει να ληφθούν υπόψη στη γενίκευση των σχετικών συμπερασμάτων: - Μέγεθος του δείγματος Όλοι οι αλγόριθμοι δοκιμάστηκαν από 10 χρήστες (5 άνδρες και 5 γυναίκες, όλοι Έλληνες) έκαστος. Το δείγμα αυτό είναι αρκετό για εξαγωγή ποιοτικών συμπερασμάτων, δεν είναι όμως στατιστικά επαρκές για την εξαγωγή ποσοτικώς αξιόπιστων συμπερασμάτων. Έτσι, αν το προσωποποιημένο σύστημα προειδοποίησης του οδηγού στον εγκάρσιο άξονα έχει ποσοστό αξιοπιστίας / αποδοχής απ τους χρήστες 70% έναντι 35-40% του μη προσωποποιημένου, αυτό δε σημαίνει ότι μπορούμε να συμπεράνουμε ότι είναι «2 φορές καλύτερο», ούτε να γενικεύσουμε τα θετικά συμπεράσματα από την εφαρμογή του σ όλους τους χρήστες. Πριν την ευρεία χρήση ενός τέτοιου συστήματος σε πραγματικές συνθήκες από στόλο οχημάτων ή σε μοντέλα κινητών και υπολογιστών παλάμης, απαιτείται η ευρεία πιλοτική τους εφαρμογή σε μεγάλους αριθμούς χρηστών όλων των κατηγοριών. Μία τέτοια ενέργεια προϋποθέτει βέβαια ένα μεγάλης κλίμακας ερευνητικό έργο κι εκφεύγει των ορίων της διδακτορικής διατριβής. - Επιπτώσεις μακροχρόνιας χρήσης και προσωποποίησης Όλοι οι χρήστες δοκίμασαν το μη προσωποποιημένο αλλά και το προσωποποιημένο σύστημα για μικρό χρονικό διάστημα (πάντως κάτω της μία ημέρας). Ωστόσο, η μακροχρόνια χρήση του προσωποποιημένου συστήματος μπορεί να ενέχει παγίδες, όπως: Αν το σύστημα προσωποποιηθεί μία φορά και μετά παραμείνει ως έχει, η μεταβολή των συνηθειών του χρήστη μπορεί να το καταστήσει μη βέλτιστο ως και ανεπιθύμητο (π.χ. δεν προτιμά πια το συγκεκριμένο είδος εστιατορίων ή δε θέλει τόσες πολλές μετεπιβιβάσεις). Αν το σύστημα επιτρέπει το συνεχή δυναμικό επανακαθορισμό των ορίων προσωποποίησης, μπορεί να θεωρηθεί απ το χρήστη ότι είναι μη σταθερό και να του προκαλέσει έκπληξη ή και δυσαρέσκεια αφού λαμβάνει «διαφορετικές απαντήσεις στην ίδια ερώτηση». Κάτι τέτοιο θα μπορούσε να κλονίσει την εμπιστοσύνη του στο σύστημα. Δεκέμβριος

265 Διδακτορική Διατριβή Μαρία Πάνου Για το λόγο αυτό, η βέλτιστη εφαρμογή των αλγορίθμων προσωποποίησης σ ένα πραγματικό σύστημα/ υπηρεσία προϋποθέτει επιπλέον πολύμηνες μελέτες μακροχρόνιων επιπτώσεων, όπου μεγάλος αριθμός χρηστών θα χρησιμοποιεί το προσωποποιημένο σύστημα για 6-12 μήνες. Και πάλι κάτι τέτοιο αποτελεί μεγάλης κλίμακας ερευνητικό αντικείμενο κι εκφεύγει των ορίων της διδακτορικής διατριβής Άλλες πιθανές χρήσεις των προτεινόμενων αλγορίθμων προσωποποίησης υπηρεσιών Αλγόριθμοι προσωποποίησης ενημέρωσης και προειδοποίησης οδηγού Στο πλαίσιο της θεματολογίας που αναπτύσσεται στην παρούσα διατριβή, οι αλγόριθμοι προσωποποίησης διαφόρων χαρακτηριστικών οδήγησης, όπως ΧΑ, ΧΣΜΑ, ΧΠΟΛ αριστερά, κλπ. χρησιμοποιήθηκαν για προσωποποίηση της προειδοποίησης των ΣΣΥΟ προς τον οδηγό. Τα στοιχεία αυτά όμως θα μπορούσαν να χρησιμοποιηθούν και για άλλες εφαρμογές, όπως: - Η παροχή πληροφορίας προς τον οδηγό επί του τρόπου οδήγησής του σε μόνιμη αλλά και καθημερινή βάση, μπορεί να επηρεάσει το συντελεστή DRIVABILITY ΙΙ.2 (Αυτοεπίγνωση), ώστε ο οδηγός να προσαρμόσει την οδήγησή του σε μόνιμη βάση (π.χ. να οδηγεί πιο κεντρικά στη λωρίδα κυκλοφορίας ή ν αφήνει μεγαλύτερες αποστάσεις απ το προπορευόμενο όχημα) ή και σε παροδική βάση (π.χ. προειδοποίηση οδηγού ότι μια συγκεκριμένη μέρα φαίνεται να οδηγεί με πολύ μεγάλο ΧΑ ή με μεγάλες αποκλίσεις από τη λωρίδα κυκλοφορίας, κλπ. λόγω κούρασης, υπνηλίας, αλκοόλ, κλπ.). - Η χρήση του συστήματος κατά την εκμάθηση οδήγησης ή όταν ο οδηγός είναι ακόμα νέος μπορεί να τον βοηθήσει να μάθει καλύτερα να οδηγεί ή/και να υιοθετήσει καταλληλότερο τρόπο οδήγησης, επηρεάζοντας του συντελεστές DRIVABILITY II.3 (Εκπαίδευση οδηγού) και ΙΙ.4 (Εμπειρία οδήγησης) αντίστοιχα. - Προς το παρόν, η προειδοποίηση του οδηγού προσαρμόζεται αναλόγως του πλάτους οχήματος και λωρίδας κυκλοφορίας για ΣΠΕΛ (παράγραφος 8.3.2) και στη συνέχεια προσωποποιείται αναλόγως του τρόπου οδήγησης (παράγραφος για ΣΠΑΣ, για ΣΠΕΛ). Η αρχική προσαρμογή θα μπορούσε να διευρυνθεί, ώστε να λαμβάνει επιπλέον υπόψη της (κυρίως για το ΣΠΑΣ) τις καιρικές συνθήκες (συντελεστής DRIVABILITY III.4) και το επίπεδο ορατότητας (συντελεστής DRIVABILITY ΙΙΙ.6). Η τελική προσωποποίηση θα μπορούσε επιπλέον να λαμβάνει υπόψη της το φόρτο εργασίας του οδηγού (συντελεστής DRIVABILITY V) ή/και το επίπεδο προσοχής (συντελεστής DRIVABILITY IV.1) ή ενάργειάς του (συντελεστής DRIVABILITY Ι.3.5). Οι παραπάνω παράγοντες εξετάστηκαν ήδη στα πλαίσια του ερευνητικού έργου AIDE (παράγραφος 5.2), αλλά χωρίς την αρχική φάση προσωποποίησης του συστήματος, με βάση τον προσωπικό τρόπο οδήγησης κάθε οδηγού. - Ακραίες τιμές των υπολογιζομένων παραμέτρων μπορεί να οδηγήσουν το σύστημα να διαγνώσει σοβαρό πρόβλημα του οδηγού, σχετιζόμενο κυρίως με τους συντελεστές DRIVABILITY Ι.1.3 (Επίπεδο υγείας), Ι.3.1 (Άγχος), Ι3.5 Δεκέμβριος

266 Συμπεράσματα και προτάσεις για περαιτέρω έρευνα (Ενάργεια) και να ενημερώσει άμεσα τον οδηγό, την περιρρέουσα κυκλοφορία ή/και κέντρο διαχείρισης για παροχή υποστήριξης προς τον οδηγό Αλγόριθμοι προσωποποίησης πληροφοριών μετακινουμένων Οι αλγόριθμοι προσωποποίησης διαφόρων πληροφοριών προς μετακινουμένους εντός της παρούσας διατριβής, όπως επιλογή μέσων μεταφοράς και μετεπιβιβάσεων, σημείων ενδιαφέροντος, κλπ., χρησιμοποιήθηκαν για προσωποποίηση της πληροφόρησης του μετακινουμένου, ώστε αυτή να προσιδιάζει στα ιδιαίτερα ενδιαφέροντα και προτιμήσεις του και να μη χρειάζεται να αναζητεί αυτό που θέλει μέσα σ ένα κυκεώνα πληροφοριών. Οι αλγόριθμοι αυτοί ή παραπλήσιοι θα μπορούσαν να χρησιμοποιηθούν και για άλλες εφαρμογές, όπως: - Προσαρμογή της πληροφορίας αλλά και του τρόπου επικοινωνίας με το χρήστη αναλόγως των προσωπικών δεξιοτήτων (εναπομενουσών ικανοτήτων) του συντελεστή TRANSPORTABILITY I, ώστε να παρέχονται αυτομάτως προσβάσιμες υπηρεσίες σε όλους τους χρήστες. Η υλοποίηση τέτοιων αλγορίθμων έχει ήδη ξεκινήσει στα πλαίσια του ερευνητικού έργου ASK-IT από τη γράφουσα. - Η συγκέντρωση (με ανωνυμία) των σχετικών προτιμήσεων πολλών χρηστών και η στατιστική τους ανάλυση απ τους παρόχους των υπηρεσιών μπορεί να οδηγήσει σε σαφή βελτίωση των σχετικών υπηρεσιών, π.χ. με τη δρομολόγηση μέσων μεταφοράς σε εναλλακτικές διαδρομές, ώρες, κλπ. - Η πληροφόρηση θα μπορούσε να λάβει ακόμη υπόψη της κάποιους άλλους σημαντικούς περιβαλλοντικούς παράγοντες, όπως καιρικές συνθήκες (συντελεστής TRANSPORTABILITY ΙΙΙ.4), χρονικοί περιορισμοί μετακινήσεων (συντελεστής TRANSPORTABILITY ΙΙΙ.5), οικονομικοί περιορισμοί μετακινήσεων (συντελεστής TRANSPORTABILITY ΙΙΙ.6), κλπ. Ακόμη καλύτερα, με χρήση στοχαστικών μεθόδων (π.χ. Νευρωνικών Δικτύων η Γενετικών Αλγορίθμων) θα μπορούσε να προσεγγιστεί ο προσωπικός αλγόριθμος επιλογής διαδρομής κάθε μετακινουμένου (π.χ. συντελεστής 0,3 για το κόστος, 0,4 για την οικονομία χρόνου, κλπ., με κάποιους περιορισμούς ή και αναλόγως του εύρους τιμών, π.χ. 0,3 για το κόστος ως τα 10 Ευρώ, 0,4 για Ευρώ, κλπ.). Έτσι, αντί να επιλέξει την ταχύτερη, εγγύτερη, ασφαλέστερη, πιο προσβάσιμη ή πιο όμορφη/ ενδιαφέρουσα διαδρομή από τον τόπο προέλευσης στον τόπο προορισμού, θα μπορεί ο χρήστης απλά να επιλέγει την «προτιμώμενη» απ αυτόν διαδρομή, λαμβάνοντας υπόψη πολλές προσωπικές και περιβαλλοντικές παραμέτρους. - Ο τρόπος αλλά και το περιεχόμενο πληροφόρησης του χρήστη θα πρέπει τελικά να λάβουν υπόψη τους το μεταφορικό μέσο στο οποίο τυχόν βρίσκεται (συντελεστής TRANSPORTABILITY ΙΙΙ.1) και το φόρτο εργασίας του (συντελεστής TRANSPORTABILITY V). Το πώς θα γίνει αυτό εφικτό τεχνικά δεν έχει επιλυθεί και αποτελεί ασφαλώς ενδιαφέρον πεδίο έρευνας. Για παράδειγμα, όταν ο χρήστης βρίσκεται εντός λεωφορείου είναι πολύ πιθανό να χαθεί η δορυφορική (GPS) επαφή, να μην υπάρχει εντός του λεωφορείου άλλος τρόπος επικοινωνίας (π.χ. WLAN δίκτυο), κλπ. Έτσι, ο σαφής εντοπισμός του πρέπει να γίνει μ άλλα μέσα (π.χ. χρήση κυψελών κινητής τηλεφωνίας, «λογική» γεωθέτηση, κλπ.), που όμως ακόμη δεν έχουν αποδώσει την απαιτούμενη αξιοπιστία και πιστότητα. Ομοίως, είναι δυσχερές για το σύστημα να αντιληφθεί τον εκάστοτε φόρτο εργασίας του μετακινουμένου (π.χ. πότε αγοράζει ή ακυρώνει εισιτήριο, κ.α.). Δεκέμβριος

267 Διδακτορική Διατριβή Μαρία Πάνου 12.5 Προτεραιότητες περαιτέρω έρευνας Η παρούσα διδακτορική διατριβή προσπάθησε να αντιμετωπίσει ολιστικά το ζήτημα της προσωποποίησης υπηρεσιών και συστημάτων έγκαιρης κι αξιόπιστης πληροφόρησης και προειδοποίησης οδηγών και λοιπών μετακινουμένων, σε στατικό, ημι-δυναμικό και δυναμικό επίπεδο. Φυσικά, το θέμα αυτό είναι τεράστιο και δε δύναται να εξαντληθεί στο επίπεδο μιας διατριβής. Αντίθετα, η διατριβή αυτή άνοιξε νέα πεδία έρευνας σε διάφορα επίπεδα, που συνοπτικά περιγράφονται παρακάτω. - Περαιτέρω βελτίωση κι επέκταση των μοντέλων DRIVABILITY και TRANSPORTABILITY και υπολογισμού των δεικτών και συντελεστών τους με βάση πολλές πιλοτικές εφαρμογές. - Περαιτέρω διερεύνηση της αξιοπιστίας και χρηστικότητας των προταθέντων αλγορίθμων προσωποποίησης των Κεφ. 8 και 9 μέσω πιλοτικών δοκιμών βραχυχρόνιων και μακροχρόνιων επιπτώσεων, σε μεγάλο αριθμό χρηστών από διάφορες χώρες και διάφορους τύπους οδηγών και μετακινουμένων. - Ανάπτυξη αλγορίθμων προσωποποίησης που να λαμβάνουν υπόψη τους κι άλλες παραμέτρους, όπως καιρικές και κυκλοφοριακές συνθήκες, χρονικούς και οικονομικούς περιορισμούς του χρήστη, κλπ. - Εισαγωγή στοχαστικών αλγορίθμων για την ταυτόχρονη προσωποποίηση μέσω συσχέτισης πολλών παραμέτρων και συντελεστών, που ν απεικονίζουν πιστότερα το σύνθετο τρόπο λήψης αποφάσεων ενός πραγματικού χρήστη (π.χ. αποδοχή απόστασης βάδισης ως τη στάση έως 400 μέτρα, η οποία γίνεται ως 100 μέτρα αν βρέχει και ως 600 μέτρα αν η εναλλακτική έχει διαφορά τιμής άνω των 20, κλπ.). - Ανάπτυξη αξιόπιστου αλγορίθμου για το δυναμικό υπολογισμό του χρόνου αντίδρασης οδηγού. - Χρήση των προσωποποιημένων στοιχείων για εκπαίδευση και βελτίωση των ικανοτήτων του χρήστη μέσω ανάδρασης μ αυτόν. - Χρήση κι ανώνυμη στατιστική επεξεργασία των προσωποποιημένων στοιχείων για παροχή στοιχείων στους παρόχους των υπηρεσιών για τη βελτίωσή τους και την προσαρμογή τους στις απαιτήσεις των χρηστών. Δεκέμβριος

268 13 Βιβλιογραφία 13.1 Βιβλιογραφία Κεφαλαίου 1 Εθνικό Μετσόβιο Πολυτεχνείο, «Ανάπτυξη Στρατηγικού Σχεδίου για τη βελτίωση της οδικής ασφάλειας στην Ελλάδα ». Τμήμα Πολιτικών Μηχανικών, Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής, Τελική Έκθεση. Αθήνα, Δεκέμβριος Abele Johannes, Kerlen Christiane, Krueger Sven, Exploratory Study on the potential socio-economic impact of the introduction of Intelligent Safety Systems in Road Vehicles, SEiSS Final Report, ABI Research, Location-Based Services Operator Strategies, Revenue Opportunities, Subscribers, Devices, and Applications for Mobile LBS, Aparicio Francisco, EEVC WG19 Activities on primary and secondary safety interaction, on behalf of EEVC WG19, INSIA-UPM, SPAIN, Paper Number ( Autoliv, www, autoliv.com Blomqvist P., Amditis A., Floudas N, Polychronopoulos A., Bekiaris E., Gaitanidou E., Gemou M., van den Broek B., Benoist K., Appenrodt N., Bank D., Herzog H.- J., Lind H., Danielsson L., Miglietta M. LATERAL SAFE Deliverable 32.3 Requirements and specifications. PReVENT IP, April Brown, C., The Concept of Behavioural Adaptation: Does it occur in Response to Lane Departure Warnings?. In Proceedings of the International Conference on Traffic and Transport Psychology, Berne, Switzerland, Carter A. Arthur (2005), The status of vehicle-to-vehicle communication as a means of improving crash prevention performance, National Highway Traffic Safety Administration, USA, Paper Number Concise Insight Europe Information Page, 2006, emarketer, March 2007, esafety Brochure, Making Europe s roads safer for everyone. December esafety Compendium, Addendum 1 ( 2.pdf), December esafety Final Report of the esafety Working Group on Road Safety ( eu/information_society/activities/esafety/doc/esafety_library/esafety_wg_final_re port_nov02.pdf), November European Commission Keep Europe moving. Mid-term review of the 2001 transport White Paper, 2006, ISBN European Commission WHITE PAPER European transport policy for 2010: time to decide, 2001, ISBN Δεκέμβριος

269 Βιβλιογραφία Forge S., Blackman C. and Bohlin E., The demand for future mobile communications markets and services in Europe. Technical Report EUR EN, DG JRC, April Fosser S., Saetermo I. F.. and Sagberg F. (1997), An Investigaton of Behavioural Adaptation to Airbags and Antilock Brakes Among Taxi Drivers. Accident Analyis and Prevention, 29 (3). Hart Andrew, Bringing active safety to the mass market. Telematics update safety Summit, SBD ADAS Whitepaper, Ling Ho A.W. (September 2006), Integrating Automobile Multiple Intelligent Warning Systems: Performance and Policy Implications, Master Thesis, Massachusetts Institute of Technology. Manos T., Mizaras V., Bolelli A., Bekiaris E., Panou M. IT Deliverable 8.1 Disseminaiton and Use plan, June Mobile wireless news, 2007, Naniopoulos Aristotelis, Bekiaris Evangelos, Panou Maria (2004), Costs and Benefits of Information Technology Systems and their application in the Infomobility Services: The TRAVELGUIDE approach p Contribution in book Economic impacts of Intelligent Transportation in Systems: Innovations and Case Studies with editors Bekiaris E. and Nakanishi Y. Nilsson L. Safety Effects of Adaptive Cruise Controls In Critical Traffic Situations. Proceedings of Steps Forward, Volume III, the Second World Congress on Intelligent Transport Systems, Yokohama, , Japan, November OECD (1990), Behavioural Adaptations to Changes in the Road Transport System. Report Prepared by an OECD Expert Group, Road Transport Research Programme. ProgTrans AG: European Transport Report 2004, Smiley A. (2000), Behavioural Adaptation, Safety and Intelligent Transportation Systems. Transportation Research Record, Vol. 1724, pp UMTS Forum, Magic Mobile Future , 16 th meeting of ITU-R Working Party 8F, Quebec, April 2005, UMTS Forum, Βιβλιογραφία Κεφαλαίου 2 E-business forum, Θ3: Ευφυείς μεταφορές, Τελικό παραδοτέο, Μάρτιος Manos T., Mizaras V., Bolelli A., Bekiaris E., Panou M. IM@GINE IT Deliverable 8.1 Disseminaitonand Use plan, June Βιβλιογραφία Κεφαλαίου 3 Amditis Α, Bolovinou Α., Engstrom J., Kussmann H., Placke L., Bekiaris E., Panou M., Gaitanidou E., Andreone L., Deregibus E, Kompfner P., Robertson P., AIDE Deliverable AIDE scenarios and use cases definition, January Barham P. and Alexander J. Evaluation of interactive information terminals (TRIPlanner Mk1) with respect to their use by the elderly and people with disabilities (For EUROSCOPE ROMANSE II), January Δεκέμβριος

270 Διδακτορική Διατριβή Μαρία Πάνου Baus J., Krüger A., and Wahlster W. (2002), A resource-adaptive mobile navigation system. In Proceedings of the 7th international Conference on intelligent User interfaces, pp New York: ACM Press. Becker S., Johanning T., Feldges J., and Kopf M., RESPONSE Project (TR4022) Deliverable 2.2 The Integrated Approach of User, System and Legal Perspective: Final Report on Recommendations for Testing and Market Introduction of ADAS, EC Directorate General XIII, Bekiaris E., Panou M., Gaitanidou E, Ringbauer B., Mobility and Transportation in The Universal Access Handbook with Stephanidis C (editor). LEA, "Human Factors and Ergonomics" Series. To be printed in Börjesson M., Burnett G., Colette N., TELSCAN Deliverable 3.2 ATT Systems and their relevance to E&D travellers, March Börjesson M., Colette N., Veenbaas R., TELSCAN Deliverable 3.3 Updating of User Requirements of Elderly and Disabled Drivers and Travellers, September Breker S., TRAVELGUINE Deliverable 1 Traffic Information and Management Systems, user needs and technological gaps, December Campbell J. L., Carney C., and Kantowitz B. H. (1998), Human factors design guidelines for advanced traveler information systems (ATIS) and commercial vehicle operations (CVO). Report No. FHWA-RD Seattle, WA: Battelle Human Factors Transportation Center/Federal Highway Administration. Colette N., Burnett G., TELSCAN Deliverable 5.2 TELSCAN Code of Good Practice and Handbook of Design Guidelines for Usability of Systems by Elderly and Disabled Travellers, December Colette N., TELSCAN Deliverable 3.1 Inventory of ATT System Requirements for Elderly and Disabled Drivers and Travellers, March Gill J. (1997), Access prohibited? Information for designers of public access terminals. Royal National Institute for the Blind/CEC INCLUDE. Heijer T., Oei H.L., Wiethoff M., Boverie S., Penttinen M., Schirokoff A., Kulmala R., Heinrich J., Ernst A.C., Sneek N., Heeren H., Stevens A., Bekiaris E., Damiani S., ADVISORS Deliverable 1/2.1 Problem identification, User Needs and Inventory of ADAS, October Ho A. W. L., Cummings M. L., Wang E., Tijerina L., and Kochhar D., Integrating Intelligent Driver Warning Systems: Effects of Multiple Alarms and Distraction on 165 Driver Performance. Presented at Transportation Research Board, Washington, D.C., Hoedemaeker M., Dangelmaier M., Gelau C., Mattes S., Montanari R., COMMUNICAR Deliverable 6.5 Test results evaluation, October Liu Y.-C. (2001), Comparative study of the effects of auditory, visual and multimodality displays on drivers performance in advanced traveller information systems. Ergonomics, vol. 44, pp Llaneras R., Lerner N., Dingus T., and Moyer J., Attention Demand of IVIS Auditory Displays: An On-Road Study under Freeway Environments, presented at 14 th Congress of International Ergonomics Association, CA, Long S., Kopper K., Abowed G. D. & Atkeson C. G. Rapid prototyping of mobile context-aware applications: The Cyberguide case study. In Proceedings of the Δεκέμβριος

271 Βιβλιογραφία 2nd ACM International conference on mobile computing and networking, pp New York: ACM Press, Loomis J. M., Golledge R. G., Klatzky R. L., Speigle J. M., & Tietz J. Personal guidance system for the visually impaired. In Proceedings of the First Annual ACM Conference on Assistive Technologies. Assets '94, pp New York: ACM Press, Malaka R. & Zipf A. (2000), DEEPMAP Challenging IT research in the framework of a tourist information system. In D. R. Fesenmaier, S. Klein, and D. Buhalis (Eds.), Information and communication technologies in tourism 2000, pp Wien: Springer. Marchau V. A. W. J. and Walker W. W. (2003), Dealing with uncertainty in implementing Advanced Driver Assistance Systems: An Adaptive Approach, Integrated Assessment, vol. 4, pp Mariani M., Veltri G., Montanari R., Peterson D., Karlsson B., Amditis A., COMMUNICAR Deliverable 2.2 User needs expectation and acceptance, June Naniopoulos A. (June 2002). TRANSWHEEL Final Report. Naniopoulos A., Bekiaris E., Dangelmaier M. TRAVELGUIDE: Towards integrated user friendly systems for drivers traffic information and management provision. International Conference on Machine Automation (ICMA2000), September Naniopoulos A., Roskam A. J., TRAVELGUIDE Deliverable 6 Design guidelines and best practice issues for driver information systems and services, June Panou M., Bekiaris E., Gaitanidou E. A holistic approach on in-car HMI elements to formulate a strategy for integrated and personalised ADAS/IVIS HMI, ITS Europe, Hannover, Germany, June Panou M., Gemou M., and Bekiaris E., Towards an integrated in-vehicle HMI for ADAS and its application for lateral collision warnings, presented at 1st FERSI Scientific Road Safety Research Conference, Germany, 7-8 September Poslad, S., Laamanen, H., Malaka, R., Nick, A., Buckle, P. and Zipf, A. CRUMPET: Creation of User-friendly Mobile Services Personalised for Tourism. In Proceedings of Second International Conference on 3G Mobile Communication Technologies, London, UK, March, Schindhelm R., Gelau C., Montanari R., Morreale D., Deregibus E., Hoedemaeker M., Ridder S., P. Piamonte, COMMUNICAR Deliverable 6.4 Human factor tests on car demonstrator, October Spanoudakis N., IMAGE Deliverable 5.2: Intelligent Module, February Spanoudakis N., Moraitis P., Petraki E., Bekiaris E., Panou M., Kalogirou K., IM@GINE TI Deliverable 3.1: Integrated multi-agent system, September Visintainer F., Bekiaris E., Panou M., Pagle K., ASK-IT Internal Deliverable ASK-IT in-vehicle functionality algorithms, July Visintainer F., Panou M., Pagle K., ADAS & IVICS for all, ASK-IT International Conference, in CD proceedings, Nice, France, October Walker, J. (1999), Advances in mobile information systems. Artech House. Δεκέμβριος

272 Διδακτορική Διατριβή Μαρία Πάνου Weiland J., Mattes S., Kuhn F., Gelau C., Schindhelm R., Hoedemaker M., Bellotti F., COMMUNICAR Deliverable 6.3 Driving simulator test results, October Wierwille W. W. (1993), Visual and manual demands of in-car controls and displays. London, Washington D.C., Taylor & Francis. Zhang H. and Smith M. (2004), SAfety VEhicles using Adaptive Interface Technology: A Literature Review of Visual Distraction Research, Delphi Electronics & Safety. Zoutendijk, A., Hoedemaker, M., Vonk, T., Schuring, O., Willemsen, D., Nelisse, M., and van Katwijk, R., Implementing Multiple Intelligent Services in an Intelligent Vehicle With a Safe Workload Aware HMI. Proceedings ITS World, Madrid, Zwalen H.T., Adams C.C. Jr. and Debald D.P. (1988), Safety Aspects of CRT touch panel controls in automobiles, Vision in Vehicles II, A. G. Gale et al (Eds), Elsevier Science Publisher B.V Βιβλιογραφία Κεφαλαίου 4 Bekiaris E. et al., AWAKE (IST ) Deliverable 1.1, User needs analysis per category of drivers group, Bellotti F., Gloria A., COMMUNICAR (IST 11595) Deliverable 2.1, State of the art on driving support systems and on vehicle multimedia HMI, Breker S., et al., TRAVELGUIDE (GRD ) Deliverable 1, Traffic Information and Management Systems, user needs and technological gaps, Chen K., Miles J., ITS Handbook 2000, PIARC, ERTICO, ITS Part of everyone s Daily Life, Heijer T. et al., ADVISORS (GRD ) Deliverable 1/2.1 v.4, Problem Identification, User Needs and Inventory of ADAS, Panou M., Bekiaris E. (2004), ITS clustering and terminology: One concept with many meanings p Contribution in book Economic impacts of Intelligent Transportation in Systems: Innovations and Case Studies with editors Bekiaris E. and Nakanishi Y., Elsevier. Amditis Α, Bolovinou Α., Engstrom J., Kussmann H., Placke L., Bekiaris E., Panou M., Gaitanidou E., Andreone L., Deregibus E, Kompfner P., Robertson P., AIDE Deliverable AIDE scenarios and use cases definition, January Andreone L. et. al., TRAVELGUIDE Deliverable 5: Evaluation of pilots and testing, February Bekiaris E., Gemou M. ASK-IT Internal Report: Definition of configuration parameters, February Caci P., Palma F., Quattrocolo S., Turi G. AGILE (QLRT ) Internal Report CRF simulator test results. May EDDIT (V2031), Deliverable 17: Comparison of two Methods of On-Board Information Display (HUD and LCD Screen) with respect to driver age, February Δεκέμβριος

273 Βιβλιογραφία Frese T., Becker S., IN-ARTE Deliverable 3.3: User Needs Analysis and Assessment of impacts to traffic safety, October KAREN - Keystone Architecture Required for European Network, Foundations for Transport Telematics Deployment in the 21st Century. Brochure, KAREN- Keystone Architecture Required for European Networks, Deliverable 2.2 User Needs Report, Mariani M. et. al, COMUNICAR Deliverable 2.2: User needs, June Naniopoulos A., Bekiaris E., Nalbantis D., Panou M., Gemou M., Falkmer T., Gregerson N. P., Hellsten H., Pardo J., Dols J., Rothermel S., Breker S., Ruspa C. TRAINER (GRD ) Deliverable 6.2 Pilot Evaluation, May Rettich G., Dangelmaier M., IN-ARTE Internal Deliverable 6.3: HMI concept and design, October Schindhelm R. et al., COMUNICAR Deliverable 6.4: Human factor tests on car demonstrator, October TELAID (V2032), Deliverable 5: Validation of the identification of special needs of DSN. Test Report, July TRL Project Report 26 (1993), The Characteristics and driving patterns of drivers over Serenity. Zoldan C. and Tango F. CONSENSUS (IST ) Internal Report Questionnaire for ADAS/IVICS for PSN Organisations, September Βιβλιογραφία Κεφαλαίου 5 Βασιλειάδης Ν. Επικ. Καθηγ. ΑΠΘ, Μεταπτυχιακό Τμήμα Πληροφορικής. Διαλέξεις μαθήματος: Ευφυείς πράκτορες, Γ Εξαμήνου. Βλαχάβας Ι., Κεφαλάς Π., Βασιλειάδης Ν., Κόκκορας Φ., Σακελλαρίου Η. (2006), «Τεχνητή Νοημοσύνη» - Γ' Έκδοση, ISBN: , Εκδόσεις Β. Γκιούρδας Εκδοτική. Μωραΐτης Π., Κεφάλαιο 7: «Εισαγωγή στη θεωρία Πρακτόρων (agents)». Εργαστήριο Σχεδιασμού κι Ανάπτυξης Συστημάτων Υποστήριξης Αποφάσεων, Πολυτεχνείο Κρήτης, Burg B., Foundation of Intelligent Physical Agents ( Dangelmaier M., Gelau C., Bauer A., Wenzel G., Montanari R., COMUNICAR Deliverable 6.2 Laboratory Evaluations of the Multimedia HMI Virtual Prototype, Davies N., Cheverst K., Mitchell K. and Efrat A. (2001), Using and determining location in a context-sensitive tour guide, IEEE Computer, Vol. 34, No. 8. Fink J. and Kobsa A. (September 2002), User Modeling for Personalised City Tours. Artificial Intelligence Review, Volume 18, Issue 1, pp: Fink, J., Kobsa, A. and Nill, A. (1998), Adaptable and adaptive information provision for all users including disabled and elderly people, New Review of Hypermedia and Multimedia, Vol. 4, pp Δεκέμβριος

274 Διδακτορική Διατριβή Μαρία Πάνου Gerber, C., Bauer, B. and Steiner, D. (1999), Resource Adaptation for a Scalable Agent Society in the MoTiV-PTA Domain. Hayzelden, Bigham (Eds): Software Agents for Future Communication Systems, Springer, Giunchiglia F., Mylopoulos J., Perini A. The Tropos Software Development Methodology: Processes, Models and Diagrams, in AAMAS02, Kurachi K., Kitakaze S., Fujishima Y., Watanabe N., Kamata M., Integrated pedestrian guidance system using mobile device, 12th World Congress on ITS, San Francisco, Kappel G. Proll B. Retschitzegger W. and Schwinger W. (2003) Customisation for ubiquitous web applications a comparison of approaches. International Journal of Web Engineering Technology, Vol. 1, No. 1, pp Malaka R. and Zipf A. DEEP MAP: Challenging IT Research in the Framework of a Tourist Information System. In: D. Fesenmaier, S. Klein and D. Buhalis, eds.: Informaton and Communication Technologies in Tourism 2000: Proceedings of ENTER Wien, New York, Springer, 15-27, Weiss Gerhard (1999), Multi-Agent Systems: A Modern Approach to Distributed AI, MIT Press; ISBN: Wood M.F. and DeLoach, S.A. An Overview of the Multiagent Systems Engineering Methodology. AOSE-2000, The First International Workshop on Agent-Oriented Software Engineering. Limerick, Ireland, Wooldridge M., Jennings N.R., Kinny D. (2000) The Gaia Methodology for Agent- Oriented Analysis and Design. Journal of Autonomous Agents and Multi-Agent Systems Vol. 3. No. 3, pp Βιβλιογραφία Κεφαλαίου 6 Γιαννόπουλος Γ. (2002), «Σχεδιασμός των Μεταφορών: Η διαδικασία πρόβλεψης των μελλοντικών αναγκών μετακινήσεων». ISBN Amditis A., Portouli V., Bekiaris A. COMUNICAR Traffic Scenarios and Environmental Factors, Internal Report of COMUNICAR project, AWAKE Final Report, Bekiaris E. Methodology for traffic risk estimation of critical traffic scenarios, Internal Report HIT4_1 of AWAKE project, Bekiaris E., Amditis A., Panou M. (2003), DRIVABILITY: A new concept for modelling driving performance", International Journal of Cognition Technology&Work, Vol.5, N. 2, pp , Springer0Verlag London Ltd, ISSN: Bekiaris E., Portouli E., IN-ARTE Deliverable 4.1 Emergency detection and handling strategies, Blomqvist G. (1986), An utility maximization model of driver traffic safety behaviour, Accident Analysis and Prevention, vol.18. Colette N., Burnett G., TELSCAN Deliverable 5.2 TELSCAN Code of Good Practice and Handbook of Design Guidelines for Usability of Systems by Elderly and Disabled Travellers, December Δεκέμβριος

275 Βιβλιογραφία Fuller, R., (1984), A conceptualisation of driving behaviour as threat avoidance, Ergonomics, vol. 27. Green, P. (2000), Crashes Induced by Driver Information Systems and What Can Be Done to Reduce Them. SAE Paper C008 Warrendale, PA: Society of Automotive Engineers. Hakamies-Blomqvist L. (1996), Research on older drivers, a review, IATSS research, vol.20, No.1. Haraldsson P., Akerstedt T., Lakartidningen (2001), Drowsiness-greater traffic hazard than alcohol. Causes, risks an treatment. 20; 98 (25): Review. Harms L. (1991). Experimental studies of variations in cognitive load and driving speed in traffic and in driving simulation. In: A.G. Gale, I.D. Brown, C.M. Haslegrave, P. Smith & S.H. Taylor (eds.) Vision in Vehicles-III (p ). Amsterdam: Elsevier, North Holland. Hatakka M., Keskinen E., Gregersen N.R., Glad A., Hernetkoski K., (1999), Results of EU-project GADGET, Work package 3, in S. Siegrist (ed.): Driver Training, Testing and Licensing-towards theory based management of young drivers injury risk in road traffic, BFU report 40, Berne. Henrsiksson P., Bekiaris E., Panou M., Papakostopoulos V., Vardaki S., Boets S., Arno P., Fimm B., Sommer S., AGILE (QLRT ), Deliverable 6.2: Pilot consolidation, Hoeschen A., Bekiaris E. TRAINER Deliverable 2.1 Inventory of driver training needs and major gaps in the relevant training procedures, Lerner N. D., Kotwal B. M., Loyns R. D., & Gardner-Bonneau D. J. (1996), Preliminary Human Factors Guidelines for Crash Avoidance Warning Devices (NHTSA DOT HS ). Silver Spring: COMSIS. Koepsell T.D., Wolf M.E., McCloskay L., Buchner D.M., Lonie D., Wagner E.H., Thompson R.S., Medical Conditions and motor collision injuries in older adults, Journal of American Geriatric Society, Vol.42, Maycock G., Lockwood C-R., Lester J-F. (1991), The accident liability of car drivers. TRL Research Report 315, Transport Research Laboratory, Crowthorne. Michon J. (1985), A critical view of driver behaviour models: What do we know, what should we do, in Evans Laoschwing R.C. (eds.), Human behaviour and Traffic Safety. Naatanen, R. and Summala, H. (1973), A model for the role of motivational factors in drivers decision making, Accident Analysis and Prevention, vol.6. Naniopoulos A., Bekiaris E., Nalbantis D., Panou M., Gemou M., Falkmer T., Gregerson N. P., Hellsten H., Pardo J., Dols J., Rothermel S., Breker S., Ruspa C., TRAINER (GRD ), Deliverable 6.2: Pilot evaluation, May Nilsson L., Stevens, A., Roskes, A., Heinrich, J., Behavioural Risk Analysis in D3/8.1 of ADVISORS project, edited by E. Bekiaris, G. Papakonstantinou (2001). Périsse J., Baligand B., Bellotti F., Friedemann K., Amditis A., Montanari R., Morreale D., COMUNICAR project Deliverable 3.3 Channel Harmonisation, Peters B., Anund A., Papakostopoulos V., Portouli V., AWAKE (IST ) Deliverable 7.2: Assessment & Evaluation Report, October Rasmussen J. (1984), Information processing and human-machine interaction. An approach to cognitive engineering, North Holland, New York. Δεκέμβριος

276 Διδακτορική Διατριβή Μαρία Πάνου Redelmeier D.A. and Tibshirani R.J. (2001), Car Phones and Car Crashes: Some popular misconceptions. Canadian Medical Association Journal, 164(11), pg Rothengatter T. (1997), Errors and violations as factors in accident causation, in Rothengatter/Vaya (eds.), Traffic and Transport Psychology. Rothengatter T. (1997), Psychological aspects of road user behaviour, Applied Psychology: An international review, Vol.46(3). Taylor A.H. and Dorn L. (2006), Stress, fatigue, health and risk of road traffic accidents among professional drivers: The contribution of physical inactivity. Annual Review. Public Health. 27: Verwey W.B., Brookhuis K.A. & Janssen W.H. (1996), Safety effects of in-vehicle information systems. (Report TM-96-C002). Soesterberg, The Netherlands: TNO Human Factors Research Institute. Waller J. (1967), Cardiovascular disease, aging and traffic accidents, Journal of chronic disabilities, Vol.20. Wickens C. D. and Hollands, J. G. (1999), Engineering Psychology and Human Performance. Prentice-Hall, New Jersey. Wilden G.J.S. (1994), Risk theory and its promise for improved safety, in RM Trimpop and GJS Wilde (eds.), Challenges to Accident Prevention: The issue of risk compensation behaviour, Groningen, the Netherlands. Withaar, F.K., Functional Assessment of cognitive functions and driving in patients with dementia, TRC Internal Report, Βιβλιογραφία Κεφαλαίου 7 Μπεκιάρης Ευάγγελος, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 3: «Σύγχρονα Συστήματα Υποστήριξης του Οδηγού επί του οχήματος το έξυπνο όχημα». ΑΠΘ, Χειμερινό εξάμηνο Bekiaris E. et al. ADVISORS Deliverable 3/8.1v4 Compendium of existing Insurance schemes and Laws, risk analysis of ADA systems and expected driver behavioural changes. User awareness enhancement, dissemination report and market Analysis and ADAS marketing strategy, Brorsson B. (1989), The risk of accidents among older drivers. Scandinavian Journal of Social Medicine, 17: Cavallo V., Mestre D., Berthelon C., (1997), Time-to-collision judgments: visual and spatio-temporal factors, in Rothengatter/ Vaya (eds.): Traffic and Transport Psychology, Chipman, M. L., MacGregor, C. G., Smiley, A. M., and Lee-Gosselin, M. (1992), Time vs. distance as measures of exposure in driving surveys. Accident Analysis and Prevention, 24:6, Dingus Τ.Α., McGehee D.V., Manakkal N., Jahns S.K., Carney C., Hankey J.M. (June 1997), Human factors field evaluation of automotive headway maintenance/collision warning devices. Medline MID: , 39(2): Δεκέμβριος

277 Βιβλιογραφία Graca J. (1986), Driving and ageing. Clinics in Geriatric Medicine, 2: Green M. (2000), How long does it take to stop? Methodological analysis of driver perception brake times. Transportation Human Factors 2(3), Groeger J.A., Carsten O.M.J., Blana E., Jamson (1999), Speed and distance estimation under simulated conditions, in Gale et al (eds.): Vision in Vehicle VII, Elsevier. Hakamies-Blomqvist L., Mynttinen S., Backman M. & Mikkonen V. (1999), Age- Related Differences in Driving: Are Older Drivers More Serial?. International Journal of Behavioral Development 23: Hoeschen A. Verwey W., Bekiaris E., Knoll C., Widlroither H., de Ward D., Uneken E., Gregersen N.P., Falkmer T., Schelin H. TRAINER Deliverable 2.1 Inventrory of driver training needs and major gaps in the relevant training procedures. January Johansson G., Rumar K. (1971), Driver s brake reaction times. Human Factors, 13, Korteling J. E. (1990), Perception response speed and driving capabilities of braindamaged and older drivers. Human Factors, 32, Landau F. H. Human factors design of collision warning systems. Proceedings of the Second World Congress on Intelligent Transportation Systems, Yokohama, Japan , Lee S.E., Knipling R.R., DeHart M.C., Perez M.A., Holbrook G.T., Brown S.B., Stone S.R., Olson R.L. (2004), Vehicle-Based Countermeasures for Signal and Stop Sign Violation, p , NHTSA, DOT HS Lerner N. Brake perception reaction times of older and younger drivers. Proceedings of the Human Factorsand Ergonomics Society, 38, , Liebermann D., Ben-David G., Schweitzer N., Apter Y., & Parush A. (1995), A field study on braking responses during driving I. Triggering and modulation. Ergonomics, 38, Martens & van Winsum. ΤΝΟ Internal Deliverable 7.1, Activation criteria and warning strategies: driving simulator results. November Norris F. H., Matthews B. A., and Riad J. K. (2000), Characterological, situational, and behavioural risk factors for motor vehicle accidents: A prospective examination. Accident Analysis and Prevention. 32, Olson P., & Sivak M. (1986), Perception response time to unexpected roadway hazards. Human Factors, 28, Salthouse T. (1985), Speed of behaviour and its implications to cognition. In J. Birre & K Schaie (Eds.) Handbook of the psychology of aging, New York: Van Nostrand Co. Schweitzer N., Apter Y., Ben-David G., Liebermann D., & Parush A. (1995), A field study on braking responses during driving II. Minimum driver braking times. Ergonomics, 38, Sivak M., Post D., Olson P., & Donohue R. (1981), Driver responses to highmounted brake lights in actual traffic. Human Factors, 23, Δεκέμβριος

278 Διδακτορική Διατριβή Μαρία Πάνου Stelmach G E & Nahom A (1992), Cognitive-motor abilities of the elderly driver. Human Factors, 34: The Social Issues Research Centre (SIRC), Sex differences in driving and insurance risk. Ocford, August Triggs T., Harris W. (1982), Reaction time of drivers to road stimuli. Human Factors Report No. HFR-12, ISBN Van der Horst (1991), Time-to-collision as a cue for decision-making in braking, in Gale et al. (eds.), Vision in Vehicles III, van Winsum W., Godthelp J. (1996), Speed choice and steering behavior in curve driving. Human Factors, 38, 3, van Winsum, K. A. Brookhuis and D. de Waard A. (January 2000), Comparison of different ways to approximate time-to-line crossing (TLC) during car driving, Accident Analysis & Prevention, Volume 32, Issue 1, Pages Waller P. F., Elliot M. R., Shope J. T., Raghunathan T. E, and Little R. J. A. (2001), Changes in young adults offense and crash patterns over time. Accident Analysis and Prevention. 33, Warshawsky-Livne L., Shinar D. (2002), Effects of uncertainty, transmission type, driver age and gender on brake reaction and movement time, Journal of Safety Research, 33, Waylen A., McKenna F., Pre-drivers attitude towards driving, 6 th Road Safety Congress, Wittmann M., Kiss M., Gugg P., A., Fink M., Poppel E., Kamiya H. (2006) Effects of display position of a visual in-vehicle task on simulated driving. Applied Ergonomics 37, , Elsevier. Yaacov A., Maltz M., Shinar D. (2002), Effects o fan in-vehicle collision avoidance warning system on short and long-term driving performance. Medline PMID: Human factors, 44(2): Βιβλιογραφία Κεφαλαίου 8 Εγχειρίδιο χρήσης ΣΠΕΛ, Fiat, ΥΠΕΧΩΔΕ, Andreone L. et al., TRAVELGUIDE Deliverable 5: Evaluation of pilots and testing, February Bekiaris E., Portouli E., IN-ARTE Deliverable 4.1 Emergency detection and handling strategies, Breker S., Henrikson P., Falkmer T., Bekiaris E., Panou M., Eeckhout G., Siren A., Hakamies-Blomqvist L., Middleton H., Leue E. AGILE Deliverable 1.1 Problems of elderly in relation to the driving task and relevant critical scenarios, March Brookhuis K.A., De Waard D., Fairclough S.H., Defining criteria for driver impairment. Paper presented at the 4 th International Conference on Fatigue and Transportation; Coping with the 24 Hour Society. Fremantle, Australia, March Δεκέμβριος

279 Βιβλιογραφία D Roza T. and and Bilchev G. (2003), An overview of location-based services. BT Technology Journal 21(1): Dols F., Peters B., Sommer S., Gabaude C., Farrell D., Ellison B., Rothermel S., Arno P., Verkammen K. CONSENSUS Deliverable 2.1 PSN driving ability classification and codification scheme, Earth Policy Institute, Frese T., Becker S., IN-ARTE Deliverable 3.3: User needs analysis and assessment of impacts to traffic safety, October Hoeschen, A. Verwey W., Bekiaris E., Knoll C., Widlroither H., de Ward D., Uneken E., Gregersen N.P., Falkmer T., Schelin H. TRAINER Deliverable 2.1 Inventrory of driver training needs and major gaps in the relevant training procedures. January Lerner N. D., Kotwal B. M., Loyns R. D., & Gardner-Bonneau D. J. (1996), Preliminary Human Factors Guidelines for Crash Avoidance Warning Devices. NHTSA No. DOT HS COMSIS. Naniopoulos A., Bekiaris E., Nalbantis D., Panou M., Gemou M., Falkmer T., Gregerson N. P., Hellsten H., Pardo J., Dols J., Rothermel S., Breker S., Ruspa C., TRAINER (GRD ), Deliverable 6.2: Pilot evaluation, May Spieger M. R. (1992), Schaum s outline series: Theory and problems of statistics, 2 nd edition, McCraw-Hill. TELAID Deliverable 5: Validation of the identification of special needs of DSN. Test report, July TRL Project Report 26, The characteristics of driving patterns of drivers over serenity, Βιβλιογραφία Κεφαλαίου 9 Bekiaris E., Portouli V. IN ARTE Deliverable 4.1 Emergency Detection and Handling Strategies, September Lerner N. D., Kotwal B. M., Loyns R. D., & Gardner-Bonneau D. J. (1996), Preliminary Human Factors Guidelines for Crash Avoidance Warning Devices (NHTSA DOT HS ). Silver Spring: COMSIS Βιβλιογραφία Κεφαλαίου 11 Nilsson L., Stevens, A., Roskes, A., Heinrich, J., Behavioural Risk Analysis in D3/8.1 of ADVISORS project, edited by E. Bekiaris, G. Papakonstantinou (2001) Βιβλιογραφία Παραρτημάτων Μπεκιάρης Ευάγγελος, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 3: «Σύγχρονα Συστήματα Υποστήριξης του Οδηγού επί του οχήματος το έξυπνο όχημα». ΑΠΘ, Χειμερινό εξάμηνο Δεκέμβριος

280 Διδακτορική Διατριβή Μαρία Πάνου Ναθαναήλ Ευτυχία, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 4: «Σύγχρονα Συστήματα Υποστήριξης του Οδηγού επί της οδού η έξυπνη υποδομή». ΑΠΘ, Χειμερινό εξάμηνο Ναθαναήλ Ευτυχία, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 7: «Συστήματα διαχείρισης κυκλοφορίας». ΑΠΘ, Χειμερινό εξάμηνο Νανιόπουλος Αριστοτέλης, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 8: «Συστήματα πληροφόρησης κοινού». ΑΠΘ, Χειμερινό εξάμηνο Σαββαΐδης Παρασκευάς, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 6: «Συστήματα παρακολούθησης και διαχείρισης στόλου μέσων μεταφοράς και πληροφόρησης κοινού». ΑΠΘ, Χειμερινό εξάμηνο Σαββαΐδης Παρασκευάς, Διδακτικές σημειώσεις μαθήματος Διατμηματικού προγράμματος μεταπτυχιακών σπουδών «Εφαρμογή των τεχνικών της κοινωνίας της πληροφορίας στις μεταφορές», Κεφάλαιο 2: «Παγκόσμια συστήματα προσδιορισμού θέσης». ΑΠΘ, Χειμερινό εξάμηνο Heijer T. et al., ADVISORS (GRD ) Deliverable 1/2.1 v.4 Problem Identification, User Needs and Inventory of ADAS, Δεκέμβριος

281 14 Παραρτήματα 14.1 Παράρτημα Α: Προτεινόμενη Ελληνική ορολογία συστημάτων και όρων σχετιζόμενα με ITS (ΣΕΜ) 12 Το σύνολο της ορολογίας που ακολουθεί προτάθηκε από τη γράφουσα. Το μεγαλύτερο μέρος αυτού έχει περάσει από διαβούλευση και έχει συμφωνηθεί από μεγάλο αριθμό ειδικών κι επιλεγμένων εταιρειών στην αγορά των ΣΕΜ (μέσω του e- Business Forum, όπως αναφέρθηκε στο Κεφάλαιο 4). Επιπλέον, κάποιοι νέοι όροι προτάθηκαν μετά (οι οποίοι διαχωρίζονται με πλαγιαστούς χαρακτήρες) και άρα αποτελούν απλές προτάσεις της γράφουσας. Οι όροι αυτοί παρουσιάζονται με αλφαβητική σειρά βάσει του αγγλικού όρου. Πίνακας 51: Προτεινόμενη ορολογία ΣΕΜ. No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος 1. ACC Adaptive Cruise Control 2. ADAS- Advanced Driver Assistance Systems 3. AGT/AGV Automatic Guided Transport/Vessel 4. AID Automatic Incident Detection 5. AMI - Ambient Intelligence 6. ARTS Advanced Rural Transportation System 7. ATC Air Traffic Control ΣΠΕΠ Σύστημα Προσαρμοζόμενου Ελέγχου Πλοήγησης ΑΑΟΣ Αυτόματη Ανίχνευση Οδικού Συμβάντος ΟΠΕ Ολοκληρωμένο Περιβάλλον Ευφυΐας στην υπηρεσία του χρήστη ΠΜΣΕΟ Προηγμένο Μεταφορικό Σύστημα Επαρχιακών οδών ΕΕΚ Εναέριος Έλεγχος Κυκλοφορίας ΣΣΥΟ Σύγχρονα Συστήματα Υποστήριξης Οδηγού Αυτόματα Καθοδηγούμενα Συστήματα Μεταφορών (Ναθαναήλ Ε., κεφ. 7, ΑΠΘ ) 12 Το μεγαλύτερο μέρος των προτεινόμενων/υπαρχόντων ορολογιών των συστημάτων του παρόντος, έχουν ήδη γίνει αποδεκτές και δημοσιευθεί στο τελικό Παραδοτέο της Ομάδας Θ3: Ευφυείς Μεταφορές, του Ε-business forum, έργο του Επιχειρησιακού Προγράμματος "Κοινωνία της Πληροφορίας", το οποίο υλοποιείται από το Εθνικό Δίκτυο Έρευνας Τεχνολογίας, ΕΔΕΤ ( Δεκέμβριος

282 Διδακτορική Διατριβή Μαρία Πάνου No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος 8. ATC Automatic toll Collection 9. ATI Architecture of the Technical Infrastructure 10. ATM Air Traffic Management 11. ATP Automatic Train Positioning 12. ATT Advanced Transport Telematics 13. AVCS Advanced Vehicle Control Systems 14. AVI Automatic Vehicle Identification 15. AVL Automatic Vehicle Location 16. AVM Automatic Vehicle Monitoring 17. Blind Spot Monitoring/ Warning System 18. CAS Collision Warning and Avoidance ATY Αρχιτεκτονική τεχνικής Υποδομής ΔΕΚ Διαχείριση Εναέριας Κυκλοφορίας ΑΕΤΤ Αυτόματος Εντοπισμός Τοποθεσίας Τρένου ΠΤΤ Προηγμένες Τεχνολογίες Τηλεματικής ΠΣΕΟ Προηγμένα Συστήματα Ελέγχου Οχήματος ΑΑΟ Αυτόματη Αναγνώριση Οχήματος ΑΠΟ Αυτόματη Παρακολούθηση Οχήματος ΣΕΝεΓ Σύστημα Ελέγχου Νεκρής Γωνίας ΣΠΑΣ Σύστημα Προειδοποίησης και Αποφυγής Σύγκρουσης 19. CC Cruise Control ΣυΔιΣΤ Σύστημα Διατήρησης Σταθερής Ταχύτητας 20. CS Cooperative Systems 21. CVO - Commercial vehicle operation ΣΣ Συνεργατικά Συστήματα ΣΔΕΟ - Συστήματα Διαχείρισης Εμπορικών Οχημάτων 22. DAB Digital Audio ΨΗΡΜ Ψηφιακό Broadcast Ραδιοφωνικό Μήνυμα κυκλοφοριακών στοιχείων 23. DGPS Differential Δ-ΠΣΕΘ Παγκόσμιο Σύστημα Αυτόματης Είσπραξης Διοδίων (Σαββαΐδης Π., κεφ. 5, ΑΠΘ, ) Αυτόματος Εντοπισμός Θέσης (Ναθαναήλ Ε., κεφ. 9, ΑΠΘ ) ή Προσδιορισμός θέσης κινούμενων οχημάτων (Σαββαΐδης Π., κεφ. 6, ΑΠΘ, )) Δεκέμβριος

283 Παραρτήματα No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος Global Positioning System Σύστημα Διαφορικού Εντοπισμού Θέσης 24. DLC Distance to Line Crossing ΑΠΟΛ- Απόσταση Προσέγγισης Ορίων Λωρίδας 25. Driver Status ΣΠΟ Σύστημα Monitoring 26. DSRC Dedicated short-range communications 27. EM - Emergency Management 28. ETC Electronic Toll Collection 29. FCD Floating Car Data 30. FMS Fleet Management Systems 31. GIS Geographic Information Systems 32. GNSS Global Navigation Satelite System 33. GPS Global Positioning System 34. HAR- Ηighway Advisory Radio 35. HDD Head Down Display 36. HMI- Ηuman Machine Interaction Παρακολούθησης Οδηγού ΕΧΕ Επικοινωνίες Χαμηλής Εμβέλειας ΣΔΚΣ - Συστήματα Διαχείρισης Κυκλοφοριακών Συμβάντων ΣΔΣ Συστήματα Διαχείρισης Στόλου ΣΡΑ Συμβουλευτικό Ραδιόφωνο Αυτοκινητόδρομου ΟΚΘ Οθόνη Κάτω Θέσης ΣΕΑΜ -Σύστημα Επικοινωνίας Ανθρώπου- Μηχανής ΟΑΘ Οθόνη Άνω Θέσης 37. HUD Head Up Display 38. ICT Information and ΤΠΕ Τεχνολογία Συστήματα Ηλεκτρονικής Πληρωμής Διοδίων (Ναθαναήλ Ε., κεφ. 4, ΑΠΘ ) Γεωγραφικό Σύστημα Πληροφοριών (Σαββαΐδης Π., κεφ. 6, ΑΠΘ, ) Παγκόσμιο δορυφορικό σύστημα εύρεσης πορείας ή θέσης (Ναθαναήλ Ε., κεφ. 7, ΑΠΘ, ) Παγκόσμιο Δορυφορικό Σύστημα Εντοπισμού Θέσης (Σαββαΐδης Π., κεφ. 2, ΑΠΘ, ) Δεκέμβριος

284 Διδακτορική Διατριβή Μαρία Πάνου No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος Communication Technology Πληροφόρησης και Επικοινωνίας 39. IMIS Integrated Motorist Information System Συνδυασμένα Συστήματα Πληροφόρησης Αυτοκινητιστών (Ναθαναήλ Ε., κεφ. 40. ISA Intelligent Speed Adaptation 41. ITS- Intelligent Transport Systems 42. IVIS- In-Vehicle Information Systems 43. LBS Location Based Services 44. LDW Lane Deviation Warning ΣEΜ Συστήματα Ευφυών Μεταφορών ΠΣΟ - Πληροφοριακά Συστήματα εντός Οχήματος ΥΕ Υπηρεσίες Εντοπισμού ΣΠΕΛ Σύστημα Προειδοποίησης Εκτροπής από Λωρίδα κυκλοφορίας 45. Motorist call systems Επικοινωνιακά Συστήματα Χρηστών 46. Nomad devices ΠΦΚ Προσωπικές Φορητές Συσκευές 47. On-road Information Systems 48. PTS - Public Transport Systems 49. Road Weather Information Systems 50. RTPIS Real Time Passenger Information Systems 51. RTTD Real Time Traffic Data 52. RTTI Real Time Travel Information ΠΣΧΟ Πληροφοριακά Συστήματα Χρηστών Οδού ΣΔΜ - Συστήματα Δημοσίων Μεταφορών ΣΠΕΠΧ Συστήματα Πληροφόρησης Επιβατών σε Πραγματικό Χρόνο ΔΚΠΧ Δεδομένα Κυκλοφορίας Πραγματικού Χρόνου ΠΤΠΧ Πληροφορίες Ταξιδιού Πραγματικού Χρόνου 53. Stop&Go Σύστημα Αυτόματης Ακινητοποίησης κι Εκκίνησης 7, ΑΠΘ, ) Σύστημα Έξυπνης Προσαρμογής Ταχύτητας (Μπεκιάρης Ε., κεφ. 3, ΑΠΘ ) - Συστήματα Πληροφόρησης Καιρικών Συνθηκών Οδού (Ναθαναήλ Ε., κεφ. 7, ΑΠΘ ) Δεκέμβριος

285 Παραρτήματα No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος 54. Time headway ΧΣΜΑ Χρόνος Σύγκρουσης με Ακινητοποίηση 55. TINS Traffic ΚΠΚ Κλήσεις Infringement Notices 56. TIS -Traveler Information Systems 57. TLC Time to Line Crossing 58. TMC Traffic Management Centre 59. TMC Traffic Message Channel 60. TMS Tunnel Management Systems 61. TMS -Traffic Management Systems και ATMS Advanced Traffic Management Systems 62. TRP Travelling Repairman Problem 63. TTC Time to Collision 64. UTC Urban Traffic Control 65. VDS Variable Directional Signs 66. VDU Visual Display Unit 67. VMS Variable Message Signs Παράβασης Κυκλοφορίας ΠΣΜ- Πληροφοριακά Συστήματα Μετακινουμένων Μετακινουμένων ΧΠΟΛ Χρόνος Προσέγγισης Ορίων Λωρίδας ΚΚΜ Κανάλι Κυκλοφοριακών Μηνυμάτων ΣΔΣ Συστήματα Διαχείρισης Σηράγγων ΣΔΚ - Συστήματα Διαχείρισης Κυκλοφορίας ΠΣΔΚ Προηγμένα Συστήματα Διαχείρισης Κυκλοφορίας ΠΚΣΕ Προβλήματα Κινητού Συνεργείου Επισκευής ΧΣ Χρόνος ως τη Σύγκρουση ΕΑΚ Έλεγχος Αστικής Κυκλοφορίας ΠΜΣ Πινακίδες Μεταβλητής Σήμανσης ΟΟΑ Οθόνη Οπτικής Απεικόνισης ΠΕΜ Πινακίδες Εναλλασσόμενων Μηνυμάτων ΚΕΔΚ Κέντρο Ελέγχου και Διαχείρισης της Κυκλοφορίας (Ναθαναήλ Ε., κεφ. 4, ΑΠΘ ) Πινακίδες μεταβλητής κατεύθυνσης (Νανιόπουλος Α., ΑΠΘ, Πινακίδες Μεταβλητών Μηνυμάτων (Νανιόπουλος Α., ΑΠΘ, ή Δεκέμβριος

286 Διδακτορική Διατριβή Μαρία Πάνου No. Αγγλικός όρος Προτεινόμενος όρος Υφιστάμενος όρος 68. VRP Vehicle Routing Problem 69. VSS Variable Speed signs 70. VSS Variable Speed Signs 71. WIM Weight in motion 72. WLS Wireless Location Services ΠΚΔΟ Πρόβλημα Καθορισμού Διαδρομής Οχήματος ΠΜΤ Πινακίδες Μεταβλητής Ταχύτητας ΠΜΟΤ Πινακίδες Μεταβλητών Ορίων Ταχύτητας ΕΦ- Έλεγχος φορτίου ΑΥΕΘ Ασύρματες Υπηρεσίες Εντοπισμού Θέσης Πίνακες μεταβαλλόμενων μηνυμάτων (Ναθαναήλ Ε., κεφ. 4, ΑΠΘ ) Δεκέμβριος

287 Παραρτήματα 14.2 Παράρτημα Β: Σύντομη περιγραφή ΣΕΜ για Ι.Χ ΣΣΥΟ Για εύκολη και γρήγορη αναφορά στις λειτουργίες των πιο διαδεδομένων συστημάτων ΣΕΜ για Ι.Χ., δημιουργήθηκε ένας σύντομος οδηγός, όπου αναφέρονται συνοπτικά οι κύριες λειτουργίες και τα χαρακτηριστικά τους Αποφυγή εγκάρσιου κινδύνου i) Σύστημα Προειδοποίησης εκτροπής από λωρίδα κυκλοφορίας (ΣΠΕΛ) Η αναλυτική περιγραφή του συστήματος παρουσιάστηκε στην παράγραφο ii) Σύστημα ελέγχου νεκρή γωνίας (ΣΕΝΓ) Σύστημα το οποίο χρησιμοποιεί αισθητήρες για να ανιχνεύει την παρουσία οχημάτων που βρίσκονται στη «νεκρή» γωνία, σε μία ζώνη δηλαδή προς τα πίσω και πλαγίως του οχήματος, τα οποία δεν είναι ορατά στο οδηγό. Παρέχεται προειδοποίηση στον οδηγό όταν ανιχνευτεί όχημα στη ζώνη αυτή, ενώ παρέχεται ισχυρότερη προειδοποίηση εάν ο οδηγός επιχειρήσει αλλαγής λωρίδας τη στιγμή αυτή Αποφυγή διαμήκους κινδύνου i. Προειδοποίηση και αποφυγή σύγκρουσης (ΣΠΑΣ) Η σχετική περιγραφή του συστήματος παρουσιάστηκε στην παράγραφο ii. Σύστημα προσαρμοζόμενου ελέγχου πλοήγησης (ΣΠΕΠ) Η σχετική περιγραφή του συστήματος παρουσιάστηκε στην παράγραφο iii. Σύστημα έξυπνης προσαρμογής ταχύτητας (ΣΕΠΤ) Σύστημα σχεδιασμένο να προειδοποιεί τους οδηγούς όταν υπερβαίνουν ένα όριο ταχύτητας. Βασίζεται είτε σε τιμές που εισάγονται από το χρήστη (επιθυμητό όριο ταχύτητας) ή βάσει των πινακίδων επί της οδού. Ορισμένα συστήματα προσφέρουν επίσης δυναμική μείωση ταχύτητας. iv. Ακινητοποίηση & εκκίνηση Η λειτουργία αυτή προσφέρει αυτόματο έλεγχο απόστασης σε ταχύτητες μικρότερες από 70 km/h. Πρόκειται για μία επέκταση του ΣΠΕΠ για κυκλοφοριακές συνθήκες εντός πόλης. Τέτοιες καταστάσεις συμπεριλαμβάνουν διασταυρώσεις με φωτεινούς σηματοδότες, καταστάσεις έκτακτης πέδησης και γενικά περιπτώσεις όπου το όχημα πρέπει να ακινητοποιηθεί. Το σύστημα διατίθεται σε δύο τύπους: πλήρως αυτόματο και ημι-αυτόματο. Στον πρώτο τύπο το όχημα σταματάει όταν το εμπρόσθιο όχημα ακινητοποιείται και επανεκκινείται χωρίς την εμπλοκή του οδηγού. Στο δεύτερο τύπο, ο οδηγός πρέπει να πιέσει ένα πλήκτρο προκειμένου το όχημά του να ξεκινήσει. Σε περίπτωση ομαλής πορείας, το όχημα κινείται με 70 km/h (το ακριβές όριο ταχύτητας εξαρτάται από τον κατασκευαστή), μέχρι ο οδηγός να εμπλακεί. v. Βοηθήματα στάθμευσης/ οπισθοχώρησης Σύστημα που βοηθάει τον οδηγό κατά τη στάθμευση. Μπορεί να είναι είτε πλήρως αυτόματο (το σύστημα ενεργοποιείται δεν απαιτεί καμία ενέργεια από τον οδηγό), ημι-αυτόματο (ο οδηγός εμπλέκεται σε εντολές είτε μόνο επί το διαμήκη είτε επί του Δεκέμβριος

288 Διδακτορική Διατριβή Μαρία Πάνου εγκάρσιου άξονα της οδού), ή μπορεί να παρέχει μόνο ενδείξεις για τον ελιγμό της στάθμευσης (π.χ. διαθέσιμος χώρος, βέλτιστη τροχιά, κλπ.). Το σύστημα αυτό ενεργοποιείται με την τοποθέτηση της ανάλογης ταχύτητας στο κιβώτιο ταχυτήτων, ή κατόπιν εντολής του οδηγού Παρακολούθηση κατάστασης οδηγού/ οχήματος Η παρακολούθηση του οδηγού συμπεριλαμβάνει όλα τα συστήματα που τον επιβλέπουν και προειδοποιούν όταν η δραστηριότητα της οδήγησης δεν πραγματοποιείται με ικανοποιητικό επίπεδο απόδοσης. Τα συστήματα αυτά περιλαμβάνουν εντοπισμό μειωμένης ενάργειας στον οδηγό (λόγω κούρασης, φαρμακευτικής αγωγής, κατανάλωσης αλκοόλ, αφηρημάδα, ασθένεια, κλπ.) και προειδοποίηση, αποτρέποντας κατ αυτόν τον τρόπο ατύχημα λόγω των παραπάνω παραγόντων. Αυτό επιτυγχάνεται με διάφορες μεθόδους, όπως η παρακολούθηση του ρυθμού ανοιγο-κλεισίματος των οφθαλμών, η μέτρηση της δύναμης που ασκεί ο οδηγός στο τιμόνι με το χέρι του, κλπ. Άλλα συστήματα παρακολουθούν τμήματα του αυτοκινήτου και την κατάσταση διαφόρων υπο-συστημάτων και ενημερώνουν τον οδηγό σε περίπτωση δυσλειτουργίας. Η υπηρεσία διαγνωστικών πληροφοριών του οχήματος αποτελεί επέκταση των δυνατοτήτων του συστήματος αυτοελέγχου του αυτοκινήτου, όπως πίεση λαδιών, κλπ. Συγκεκριμένα, η λειτουργία αυτή παρακολουθεί τις λειτουργίες του αυτοκινήτου που σχετίζονται με την ασφάλεια και προειδοποιεί αναλόγως. Τέτοια συστήματα μπορούν να ενσωματωθούν ως τμήματα πολλών ΣΣΥΟ που παρακολουθούν την ακεραιότητα του οχήματος (όπως το ΣΠΕΠ). Εικόνα 26: Παράδειγμα συστήματος με εμπρόσθια κάμερα για τον εντοπισμό των οφθαλμών του οδηγού (Bekiaris et al., 2002) Αποφυγή κινδύνων σε διασταυρώσεις Τέτοια συστήματα ειδοποιούν τους οδηγούς (σχετικά με προτάσεις για την ταχύτητα) όταν πλησιάζουν μία διασταύρωση, αναλόγως της προβλεπόμενης κατάστασης του φωτεινού σηματοδότη όταν διασχίζουν τη διασταύρωση ή στρίβουν, για να αποφευχθεί ο κίνδυνος σύγκρουσης. Η υποδομή της διασταύρωσης (δηλαδή ο φωτεινός σηματοδότης) έχει τη δυνατότητα να επικοινωνεί με όλα τα οχήματα προς όλες τις κατευθύνσεις που διέρχονται της διασταύρωσης. Επίσης, υπάρχουν και συστήματα που βοηθούν τον οδηγό να αποδεχτεί ή όχι ένα κενό στο δρόμο όταν επιθυμεί να πραγματοποιήσει αριστερή στροφή σε διασταύρωση «Τ» ή απλώς να διασχίσει το αντίθετο ρεύμα κυκλοφορίας. Δεκέμβριος

289 Παραρτήματα Προστασία ευπαθών χρηστών της οδού Τα συστήματα αυτά εντοπίζουν πεζούς και προειδοποιούν τον οδηγό όταν ένα κινούμενο εμπόδιο εισέρχεται στην προκαθορισμένη πορεία του οχήματος, αυξάνοντας έτσι την ασφάλεια των ευπαθών χρηστών της οδού (πεζοί, μοτοσικλετιστές, μοτοποδηλάτες, κλπ.), τόσο σε αστικές όσο και σε επαρχιακές περιοχές. Τέτοια συστήματα βασίζονται συνήθως στην αλληλεπίδραση προχωρημένων αυτόνομων αισθητήρων του οχήματος (laser, μικροκυμάτων και τεχνολογίες οπτικών των Η/Υ) με συνεργατικά μέσα των χρηστών της οδού (οπτικοί ανακλαστήρες, κλπ.) Βελτίωση ορατότητας Πρόκειται για μία λειτουργία που στοχεύει στην αύξηση της ορατότητας και τη βελτίωση της αντίληψης του οδηγού για την κατάσταση μπροστά από το όχημα, χρησιμοποιώντας ειδικές συσκευές (όπως κάμερα υπερύθρων ή ραντάρ μικροκυμάτων). Έτσι, σε συνθήκες μειωμένης ορατότητας (τη νύχτα ή σε άσχημες καιρικές συνθήκες όπως ομίχλη, βροχή, κλπ.) παρέχει οπτική πληροφόρηση στον οδηγό. Τέτοια συστήματα λαμβάνουν εικόνες από το κομμάτι του δρόμου μπροστά από το αυτοκίνητο και τις προβάλλει σε ένα μικτό κομμάτι στο εμπρόσθιο τζάμι, ως καθρέπτη. Εμπόδια όπως άλλα οχήματα, πεζοί, ζώα αντιλαμβάνονται από σύστημα λόγω της θερμοκρασίας που εκπέμπουν. Πιο εξελιγμένα συστήματα ειδοποιούν τον οδηγό σε περίπτωση επικίνδυνης κατάστασης. Εικόνα 27: Παραδείγματα συστημάτων βελτίωσης ορατότητας Διαχείριση ταχύτητας Πρόκειται για συστήματα που προτείνουν στον οδηγό την ενδεικνυόμενη ταχύτητα κίνησης, αναλόγως του ορίου ταχύτητας του δρόμου, αλλά και των αντικειμενικών συνθηκών, όπως π.χ. μετεωρολογικές συνθήκες (βροχή, χιόνι, κλπ.), ύπαρξη «κλειστής στροφής» μπροστά, κλπ Προετοιμασία για σύγκρουση Τα συστήματα αυτά εντοπίζουν ένα ατύχημα όταν δε μπορεί πια να αποφευχθεί. Η πληροφορία αυτή χρησιμοποιείται για την έγκαιρη ενεργοποίηση συστημάτων ασφαλείας του αυτοκινήτου (αερόσακοι, ζώνες ασφαλείας, κλπ.). Δεκέμβριος