FIŠER, M. Fuzzy modely chování řidiče [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Cílem diplomové práce pana Fišera bylo za pomocí fuzzy modelů aproximovat naměřená data získaná ze simulátoru řízení vozidla, popisující chování řidiče v rámci daného scénáře. Řešené téma bylo poměrně komplexní, neboť zahrnovalo několik oblastí. Student tak nejprve prostudoval problematiku matematického popisu chování řidiče, se zaměřením na lineární McRuerovy modely, seznámil se se simulátorem řízení vozidla a strukturou měřených dat, a v neposlední řadě také s teorií fuzzy systémů. Následně sám naměřil dvě datové sady a identifikoval z nich parametry lineárních modelů řidiče. Tyto modely, resp. jejich struktury, pak posloužily jako inspirace pro návrh fuzzy modelů. Vzhledem k tomu, že fuzzy modely jsou multi-parametrické nelineární systémy, bylo třeba nastudovat rovněž možnosti optimalizace parametrů takových systémů. Po krátké rešerši pak student vybral jako vhodný nástroj genetický algoritmus, který následně implementoval a aplikoval na danou úlohu. Dosažené výsledky porovnal s výsledky získanými pomocí aproximace lineárními modely a shrnul v tabulkách a grafech. Následně validoval celou metodu pomocí dodané sady dat, obsahující měření s dalšími řidiči. Všechny body zadání tak byly splněny. Student pracoval samostatně a pravidelně mě informoval o stavu práce. Bohužel však finální výsledky a jejich zpracování byly prezentovány až poměrně pozdě a nebylo tak možné vhodně korigovat jejich prezentaci, která by mohla být provedena lépe, resp. srozumitelněji. Až na tuto výtku je, dle mého názoru, prezentační i formální úroveň práce na velmi dobré úrovni. Využití odborné literatury odpovídá typu práce. Dosažené výsledky jsou velmi cenné a přínosné pro danou oblast. Práci tedy doporučuji k obhajobě a navrhuji hodnocení 93 b/A.
Posuzovaná diplomová práce se zabývá poměrně náročným tématem. První tři kapitoly se věnují rešerši potřebných matematických metod: Čtenář je obeznámen s McRuerovy modely člověka, fuzzy modely a optimalizační algoritmy. Práce cituje dostatek odborných publikací. Další kapitoly popisují identifikaci LTI a fuzzy modelů člověka na základě dat ze simulátoru řízení osobního automobilu. Je známým faktem, že identifikace fuzzy modelů je komplikovaná tím, že jejich popis explicitními rovnicemi výrazně komplikuje nasazení gradientních optimalizačních metod. Tento problém student úspěšně vyřešil pomocí genetických algoritmů. Prezentuje vlastnoruční implementaci algoritmů a diskutuje rozdíly v získaných modelech. Všechny typy modelů jsou sice porovnány pomocí validačních dat, ale porovnání není objektivní, protože trénovací data nejsou stejná. Dochází k přeučení LTI modelů, viz např. „precision model“ model řidiče A: Na trénovacích datech má model „fit“ 79 % (str. 43); na validačních datech pouze 41 % (str. 78). Tento rozdíl byl jistě způsoben tím, při identifikaci LTI modelů byla trénovací data rozdělena na jednotlivé přechodové odezvy. Na každou odezvu byl trénován jeden LTI model. Ke tréningu se tím využívá pouze malý zlomek dat (někdy pouze desetina nebo dvacetina). Fuzzy modely, jejichž přesnost je v příloze B, byly trénované ze všech trénovacích dat, generalizují ze všech trénovacích dat. Zůstává tedy otázkou, jestli fuzzy modely budou skutečně přesnější než LTI modely i v situaci, kdy budou trénované ze stejných dat. Formální stránka práce je výborná; práce obsahuje jen drobné typografické chyby, jako např. psaní fyzikálních jednotek kurzivou nebo nesprávné psaní slova „kumulativní“. Kvalita obrázků je dobrá a vhodně ilustrují získané výsledky. Intepretace a porovnání výsledků modelů sice mohly být důkladnější, přesto však konstatuji, že byly splněny všechny body zadání. Předložená práce je na vysoké úrovni; navrhuji známku „výborně“, 91 bodů.
eVSKP id 151666