Data-oriented Multi-agent Assessment System for Real-time Driving Simulators

Abstract

Interaktive kjøresimulatorer blir sakte men sikkert tatt i bruk i kjøreopplæring. Kjøresimulatorene krever oppsyn av kjørelærere for at opplæringen skal ha tilstrekkelig læreutbytte med tanke på undervisningsmateriell og tilbakemeldinger. Denne begrensningen påvirker den autonome operabiliteten til kjøresimulatorer, noe som oppskalerer kravene til systemets design. I tillegg er menneskelige ressurser dyre. Interaktive simuleringer krever som regel mye datakraft på grunn av sanntidsoperabilitet. Dette legger begrensende rammer for tilgjengelige ressurser til bruk for ytterligere systemer.

Denne masteroppgaven foreslår et nytt dataorientert og sanntidsbasert multi-agent system til bruk for kjøresimulatorer for å gi kjøreelever tilbakemeldinger på deres kjøreegenskaper. Systemet er designet for å operere effektivt i sanntid for å guide og belære kjøreelever. Implementasjonen er validert gjennom to eksperimenter som ble designet for å emulere realistiske kjøresituasjoner for å oppnå en troverdig verifisering av systemet. Denne masteroppgavens bidrag består av et nytt dataorientert evalueringssystem som inneholder 18 intelligente agenter. Agentene kan i fremtiden bli videreutviklet eller erstattet, og nye agenter kan i tillegg bli lagt til.

Interactive driving simulators are slowly becoming a technique used for education and training of future drivers. However, these systems need to be operated by human driving teachers who provide the actual educational value and feedback to students. This limitation lowers the degree of autonomous operation of driving simulators and puts additional requirements on their system design. In addition, human resources are usually expensive. The situation is further complicated by the fact that interactive simulations usually require a lot of computational power and operate in real-time, therefore, any additional supplementary systems might need to run in a resource constrained environment.

This document proposes a novel data-oriented multi-agent assessment system designed for real-time driving simulators capable of providing feedback about driving skills while also teaching students about the traffic domain. The system is designed to operate with high efficiency and in real-time while providing the output necessary to guide and educate a student driver. The correctness of the implementation is validated by two experiments designed to emulate real world traffic scenarios in order to obtain reliable system verification. Hence, the main contributions of this work consist of the novel data-oriented assessment system which contains 18 intelligent assessment agents that can be further enhanced, replaced or new ones can be added as well.