اعلام جامعة بابل | مناقشة اطروحة دكتوراه في هندسة بابل

مناقشة اطروحة دكتوراه في هندسة بابل

نشر بواسطة : سهير حسين طالب

تاريخ الخبر : 30/4/2024

عدد المشاهدات : 157

ناقش قسم الهندسة الكهربائية في كلية الهندسة جامعة بابل اطروحة الدكتوراه المقدمة من قبل طالب الدكتوراه حسن موفق غني عبود كجزء من متطلبات نيل شهادة الدكتوراه في اختصاص الهندسة الكهربائية عن اطروحته الموسومة تصميم وتنفيذ نظام الحوسبة السحابية لتحديد سلوك السائق والكشف عن حالة المركبة باستخدام إنترنت المركبات IoV
Design and Implementation of Cloud Computing System for Drivers Behavior and Vehicle Status Detection using Internet of Vehicle (IoV)
حيث أشرف على الاطروحة أ.د. ليث علي عبد الرحيم - عميد كلية الهندسة – جامعة بابل .
وضمت لجنة المناقشة الأستاذ الدكتور إيهاب عبد الرزاق حسين رئيساً وعضوية كل من الأستاذ الدكتور قيس كريم عمران – رئيس قسم الهندسة الكهربائية في هندسة بابل والأستاذ الدكتور أنور صبحي عبد الحسين – كلية الهندسة جامعة كلكامش والاستاذ المساعد الدكتور هلال عبد الحسين عبود والأستاذ الدكتور احمد قاسم جمعة بالإضافة الى الأستاذ الدكتور ليث علي عبد الرحيم عضواً ومشرفا .

ملخص الاطروحة : هناك الكثير من سرقات المركبات وحوادث الطرق التي تظل من القضايا الرئيسية التي تلوح في الأفق على السلامة العامة ونوعية الحياة. قد يؤدي خطر سرقة المركبات إلى خسارة مالية للشرطة والأفراد وشركات التأمين ويساهم أيضًا في وسائل مختلفة مثل التهريب والجريمة المنظمة. بالإضافة الى ذلك، تتسبب حوادث الطرق في وقوع إصابات ووفيات وتدمير للممتلكات، مما يترك العديد من البشر في حالة من البؤس الشديد مصحوبة بتكاليف اقتصادية مرتفعة على المستشفيات والرعاية الصحية والمجتمع بشكل عام. من خلال ربط المركبات بالشبكات الحديثة واستخدام الأنظمة الذكية، تسعى تقنية IoV إلى إعادة برمجة بيئة السيارة وتحقيق مستوى عالٍ من الأمان والموثوقية. وفي هذا الصدد، يعد تطوير نظام شامل أمرًا ضروريًا. وسيتضمن ذلك استخدام الحوسبة السحابية، وتحليلات البيانات في الوقت الفعلي، وتحليل الفيديو، وتحليل سلوك القيادة لمنع سرقة السيارات، وفي الوقت نفسه، تقليل معدل حوادث الطرق. تم استكشاف أساليب مختلفة لتحديد هوية السائق وسلوك القيادة، مثل تحديد الهوية البيومترية باستخدام بصمات الصوت وبصمات الأصابع وقزحية العين والتعرف على الوجه من خلال أجهزة الاستشعار. وتشمل الطرق الأخرى استخدام الكاميرات، وأجهزة تتبع الرأس، وتخطيط أمواج الدماغ (EEG)، بالإضافة إلى الاستفادة من مصادقة الهاتف الذكي من خلال أجهزة استشعار الهاتف الذكي الخاصة بالسائق. ومع ذلك، فمن المهم أن نلاحظ بعض القيود المفروضة على الدراسات السابقة في هذا المجال. أولاً، قد يثير الاعتماد على أساليب تحديد الهوية البيومترية مخاوف بشأن الخصوصية وأمن البيانات، حيث يتطلب التقاط ومعالجة المعلومات البيومترية الشخصية معالجة دقيقة. علاوة على ذلك، فإن استخدام الكاميرات وأجهزة تتبع الرأس وتخطيط كهربية الدماغ لتحديد هوية السائق قد يشكل تحديات في سيناريوهات العالم الحقيقي بسبب الحاجة إلى معدات متخصصة واحتمال عدم الراحة للسائق. وبالتالي، تقدم هذه الدراسة البحثية طريقة مبتكرة لتحديد هوية السائق في الوقت الفعلي وسلوك القيادة من خلال دمج الحوسبة السحابية مع التعلم العميق استنادًا إلى بيانات الميزات غير المرئية (CAN-BUS). من خلال الاستفادة من الإمكانات المتكاملة لتقنية Google Cloud وThingsboard ونقل الاحداث (Apache Kafka وPub/sub)، يعد الحل المطور المصمم خصيصًا لتقنية IoV بارعًا في إدارة جمع البيانات في الوقت الفعلي ومعالجتها والتنبؤ بها وتصورها، مع مرونة ضد شذوذات بيانات الاستشعار. أيضًا، تقترح هذه الدراسة البحثية طرقًا مناسبة لتحديد هوية السائق وسلوك القيادة من خلال استخدام مزيج من الشبكات العصبية التلافيفية المنفصلة بعمق (CNN) والاهتمام الذاتي متعدد الرؤوس، وLSTM-Attention، وLSTM، وCNN، وANN في الخطة المقترحة. تم التحقق من صحة النموذج المقترح من خلال ثلاث مجموعات بيانات: مجموعة البيانات الأمنية، ومجموعة بيانات القيادة العدوانية، ومجموعات البيانات المجمعة.
وتشير النتيجة إلى تفوق النموذج المقترح وبالتحديد D CNN-Attention1 على النماذج المقترحة الأخرى ومنها LSTM-Attention وLSTM وCNN وANN بالإضافة إلى الأعمال السابقة في مجال تعريف السائق. حقق النموذج المقترح مجموعة بيانات أمنية تعتمد على النتائج بدقة مذهلة، مع دقة 97.09% لتداخل حجم النافذة (40-30)، و95.44% لتداخل حجم النافذة (60-30)، و95.56% لتداخل حجم النافذة (60-40)، 99% لتداخل حجم النافذة (60-50)، و99.84% لتداخل حجم النافذة (60-54).

فاضل عباس اعلام هندسة بابل