In recent years, the spread of micro-mobility solutions such as electric bicycles has transformed urban transportation, reshaping short-distance travel patterns. While their sustainability and ease of use have supported their adoption, safety concerns still hinders their diffusion. Addressing this challenge necessitates the development of safety systems integrated directly into the vehicles. However, conventional development of such functionalities require the riders for driving in dangerous conditions as existing two-wheeler models in literature are not reliable enough to fully simulate their dynamics. Therefore, to address this challenge, it becames pivotal to contribute at the definition of such reliable models, which can reliably simulate the behavior of the vehicles even in dangerous and extreme scenarios, providing effective data without affecting riders' safety. To this end, this Thesis leads at designing two e-Bike models capable of simulating their entire dynamic behavior, a Standard and a Cargo ones. Such models have been implemented leveraging a simulation software called VI-Bike Real Time. Also, a pool of virtual sensors, as GPS and IMU, have been installed on the models, which have been leveraged to collect the data to analyze the vehicles' dynamics in specific conditions. Despite for validating the compliance of the models dynamics with the expected for a real vehicle, such data have been used to design a supervised learning-based framework to real-time assess road quality surface. Validation results demonstrate high accuracy and robust generalization capabilities, affirming the feasibility for real-world application. Thus, the two models implemented in this work can be the basis for the improvement of safety in electric bikes, with the aim on contributing to advancements in sustainable urban mobility research.
Negli ultimi anni, la diffusione di soluzioni di micromobilità come le biciclette elettriche ha trasformato il trasporto urbano, rivoluzionando i metodi di spostamento a breve distanza. Se da un lato la loro sostenibilità e facilità d'uso ne hanno favorito l'adozione, dall'altro i problemi di sicurezza ne ostacolano ancora la diffusione. Per affrontare questa sfida è necessario sviluppare sistemi di sicurezza integrati direttamente nei veicoli. Tuttavia, lo sviluppo di tali funzionalità richiederebbe ai conducenti di guidare in condizioni pericolose, poiché i modelli di biciclette attualmente esistenti in letteratura non sono abbastanza affidabili da simulare completamente il loro comportamento dinamico. Pertanto, per affrontare questa sfida, diventa fondamentale contribuire alla definizione di modelli affidabili, in grado di simulare il comportamento dei veicoli anche in scenari pericolosi ed estremi, fornendo dati efficaci senza compromettere la sicurezza dei conducenti. A tal fine, questa Tesi ha come scopo la progettazione i due modelli di e-Bike, uno Standard e uno Cargo, in grado di simulare coerentemente il loro comportamento dinamico. Questi modelli sono stati implementati utilizzando un ambiente di simulazione chiamato VI-Bike Real Time. Inoltre, i modelli sono stati dotati di diversi sensori virtuali, come GPS e IMU, che sono stati utilizzati per raccogliere i dati necessari ad analizzare la dinamica dei veicoli in condizioni specifiche. Tali dati sono stati impiegati sia per la fase di validazione della dinamica dei modelli con quella prevista da un veicolo reale, sia per la progettazione di un framework basato sull'apprendimento supervisionato in grado di valutare, in tempo reale, la qualità della superficie stradale percorsa. La fase di validazione delle funzionalità ha prodotto risultati che dimostrano un'elevata accuratezza e capacità di generalizzazione, affermando come questi modelli siano idonei per un impiego in contesti applicativi reali. I due modelli implementati in questo progetto possono rappresentare la base per il miglioramento della sicurezza delle biciclette elettriche, contribuendo ai progressi della ricerca nell'ambito della mobilità sostenibile.
Analisi dinamica e stima della qualità della superficie stradale nel contesto delle e-Bike: un approccio data-driven
Numeroso, Bartolomeo;D'Angelo, Alessandro
2022/2023
Abstract
In recent years, the spread of micro-mobility solutions such as electric bicycles has transformed urban transportation, reshaping short-distance travel patterns. While their sustainability and ease of use have supported their adoption, safety concerns still hinders their diffusion. Addressing this challenge necessitates the development of safety systems integrated directly into the vehicles. However, conventional development of such functionalities require the riders for driving in dangerous conditions as existing two-wheeler models in literature are not reliable enough to fully simulate their dynamics. Therefore, to address this challenge, it becames pivotal to contribute at the definition of such reliable models, which can reliably simulate the behavior of the vehicles even in dangerous and extreme scenarios, providing effective data without affecting riders' safety. To this end, this Thesis leads at designing two e-Bike models capable of simulating their entire dynamic behavior, a Standard and a Cargo ones. Such models have been implemented leveraging a simulation software called VI-Bike Real Time. Also, a pool of virtual sensors, as GPS and IMU, have been installed on the models, which have been leveraged to collect the data to analyze the vehicles' dynamics in specific conditions. Despite for validating the compliance of the models dynamics with the expected for a real vehicle, such data have been used to design a supervised learning-based framework to real-time assess road quality surface. Validation results demonstrate high accuracy and robust generalization capabilities, affirming the feasibility for real-world application. Thus, the two models implemented in this work can be the basis for the improvement of safety in electric bikes, with the aim on contributing to advancements in sustainable urban mobility research.File | Dimensione | Formato | |
---|---|---|---|
2024_04_D'Angelo_Numeroso_Executive Summary.pdf
accessibile in internet per tutti
Descrizione: executive summary
Dimensione
901.74 kB
Formato
Adobe PDF
|
901.74 kB | Adobe PDF | Visualizza/Apri |
2024_04_D'Angelo_Numeroso_Tesi.pdf
accessibile in internet per tutti
Descrizione: testo tesi
Dimensione
8.74 MB
Formato
Adobe PDF
|
8.74 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/218426