Πίνακας περιεχομένων[Κρύβω][Προβολή]
Αισθητήρες και λογισμικό συνδυάζονται σε αυτόνομα οχήματα για την πλοήγηση, την οδήγηση και τη λειτουργία ποικίλων οχημάτων, συμπεριλαμβανομένων μοτοσυκλετών, αυτοκινήτων, φορτηγών και drones.
Ανάλογα με τον τρόπο με τον οποίο αναπτύχθηκαν ή σχεδιάστηκαν, μπορεί να χρειάζονται ή όχι βοήθεια οδηγού.
Τα πλήρως αυτόνομα αυτοκίνητα μπορούν να λειτουργούν με ασφάλεια χωρίς ανθρώπους οδηγούς. Κάποιοι σαν Το Waymo της Google αυτοκίνητο, δεν μπορούσε καν να έχει τιμόνι.
Ένα μερικώς αυτόνομο όχημα, όπως α Τέσλα, μπορεί να αναλάβει τον πλήρη έλεγχο του οχήματος, αλλά μπορεί να χρειαστεί ένας ανθρώπινος οδηγός για να βοηθήσει εάν το σύστημα αντιμετωπίσει αμφιβολίες.
Σε αυτά τα αυτοκίνητα περιλαμβάνονται διαφορετικοί βαθμοί αυτοαυτοματισμού, από καθοδήγηση στη λωρίδα και βοήθεια πέδησης έως πλήρως ανεξάρτητα πρωτότυπα αυτόνομης οδήγησης.
Ο στόχος των αυτοκινήτων χωρίς οδηγό είναι να μειώσουν την κυκλοφορία, τις εκπομπές ρύπων και τα ποσοστά ατυχημάτων.
Αυτό είναι δυνατό επειδή τα αυτόνομα οχήματα είναι πιο επιδέξια στην τήρηση των κανόνων κυκλοφορίας από τους ανθρώπους.
Για μια ομαλή οδήγηση, ορισμένες πληροφορίες είναι απαραίτητες, όπως η θέση του αυτοκινήτου ή τυχόν κοντινών αντικειμένων, η συντομότερη και ασφαλέστερη διαδρομή προς τον προορισμό και η ικανότητα λειτουργίας του συστήματος οδήγησης.
Είναι σημαντικό να κατανοήσουμε πότε και πώς να εκτελούμε τις απαραίτητες εργασίες.
Αυτό το άρθρο θα καλύψει πολλά θέματα, συμπεριλαμβανομένων των Αρχιτεκτονική του συστήματος για αυτόνομα αυτοκίνητα, απαιτούμενα εξαρτήματα και δίκτυα ad hoc οχημάτων (VANET).
Απαραίτητα εξαρτήματα που απαιτούνται για αυτόνομο όχημα
Τα σημερινά αυτόνομα οχήματα χρησιμοποιούν μια ποικιλία αισθητήρων, όπως κάμερες, GPS, μονάδες αδρανειακής μέτρησης (IMU), σόναρ, ανίχνευση και εμβέλεια φωτισμού λέιζερ (lidar), ανίχνευση και εμβέλεια ραδιοφώνου (ραντάρ), ηχητική πλοήγηση και εμβέλεια (σόναρ) και 3D χάρτες.
Μαζί, αυτοί οι αισθητήρες και οι τεχνολογίες αναλύουν δεδομένα σε πραγματικό χρόνο για να ελέγξουν το τιμόνι, την επιτάχυνση και το φρενάρισμα.
Οι αισθητήρες ραντάρ βοηθούν στην παρακολούθηση του εντοπισμού των γύρω αυτοκινήτων. Τα οχήματα βοηθούνται με αισθητήρες υπερήχων κατά τη στάθμευση.
Μια τεχνολογία γνωστή ως lidar δημιουργήθηκε χρησιμοποιώντας και τους δύο τύπους αισθητήρων. Ανακλώντας τους παλμούς φωτός από το περιβάλλον γύρω από το αυτοκίνητο, οι αισθητήρες lidar μπορούν να ανιχνεύσουν τα περιθώρια των δρόμων και να αναγνωρίσουν τους δείκτες λωρίδας.
Αυτά προειδοποιούν επίσης τους οδηγούς για παρακείμενα εμπόδια, όπως άλλα οχήματα, πεζούς και ποδήλατα.
Το μέγεθος και η απόσταση των πάντων γύρω από το αυτοκίνητο μετρώνται χρησιμοποιώντας την τεχνολογία lidar, η οποία δημιουργεί επίσης έναν τρισδιάστατο χάρτη που επιτρέπει στο όχημα να βλέπει το περιβάλλον του και να αναγνωρίζει τυχόν κινδύνους.
Ανεξάρτητα από την ώρα της ημέρας, είτε είναι φωτεινή είτε σκοτεινή, κάνει εξαιρετική δουλειά στην εγγραφή πληροφοριών σε διαφορετικούς τύπους φωτός περιβάλλοντος.
Το αυτοκίνητο χρησιμοποιεί κάμερες, ραντάρ και κεραίες GPS, μαζί με lidar και κάμερες, για να ανιχνεύσει το περιβάλλον του και να αναγνωρίσει τη θέση του.
Οι κάμερες ελέγχουν για πεζούς, ποδηλάτες, αυτοκίνητα και άλλα εμπόδια, ενώ παράλληλα εντοπίζουν σήματα κυκλοφορίας, διαβάζουν οδικές πινακίδες και σημάνσεις και παρακολουθούν άλλα οχήματα.
Ωστόσο, θα μπορούσαν να δυσκολευτούν σε αμυδρά ή σκιερές περιοχές. Ένα αυτόνομο όχημα μπορεί να δει πού πηγαίνει χρησιμοποιώντας ένα μείγμα από lidar, ραντάρ, κάμερες, κεραίες GPS και αισθητήρες υπερήχων για να χαρτογραφήσει ψηφιακά τον δρόμο μπροστά του.
Αρχιτεκτονική συστήματος υψηλού επιπέδου
Οι βασικοί αισθητήρες, ενεργοποιητές, υλικό και λογισμικό παρατίθενται στην αρχιτεκτονική, η οποία δείχνει επίσης ολόκληρο τον μηχανισμό επικοινωνίας ή το πρωτόκολλο στα AV.
Αντίληψη
Αυτό το στάδιο περιλαμβάνει την αναγνώριση της θέσης του AV σε σχέση με το περιβάλλον και την ανίχνευση του περιβάλλοντος γύρω από το AV χρησιμοποιώντας μια ποικιλία αισθητήρων.
Το AV χρησιμοποιεί RADAR, LIDAR, κάμερα, κινητικό σε πραγματικό χρόνο (RTK) και άλλους αισθητήρες σε αυτό το βήμα. Οι μονάδες αναγνώρισης λαμβάνουν τα δεδομένα από αυτούς τους αισθητήρες και τα επεξεργάζονται αφού τα περάσουν.
Γενικά, το AV αποτελείται από ένα σύστημα ελέγχου, LDWS, TSR, αναγνώριση άγνωστων εμποδίων (UOR), μονάδα εντοπισμού θέσης και εντοπισμού οχήματος (VPL) κ.λπ.
Οι συνδυασμένες πληροφορίες δίνονται στο στάδιο της λήψης αποφάσεων και του σχεδιασμού αφού υποβληθούν σε επεξεργασία.
Απόφαση & Σχεδιασμός
Οι κινήσεις και η συμπεριφορά του AV αποφασίζονται, σχεδιάζονται και ελέγχονται σε αυτό το βήμα χρησιμοποιώντας τις πληροφορίες που λαμβάνονται κατά τη διαδικασία αντίληψης.
Αυτό το στάδιο, το οποίο θα αντιπροσώπευε ο εγκέφαλος, είναι όπου γίνονται επιλογές για πράγματα όπως ο σχεδιασμός διαδρομής, η πρόβλεψη δράσης, η αποφυγή εμποδίων κ.λπ.
Η επιλογή βασίζεται στις πληροφορίες που είναι τώρα και ιστορικά προσβάσιμες, συμπεριλαμβανομένων δεδομένων χάρτη σε πραγματικό χρόνο, ιδιαιτερότητες κυκλοφορίας, τάσεις, πληροφορίες χρήστη κ.λπ.
Θα μπορούσε να υπάρχει μια μονάδα αρχείου καταγραφής δεδομένων που παρακολουθεί λάθη και δεδομένα για μελλοντική χρήση.
Έλεγχος
Η ηλεκτρονική μονάδα ελέγχου εκτελεί λειτουργίες/ενέργειες που σχετίζονται με τον φυσικό έλεγχο του AV, όπως διεύθυνση, πέδηση, επιτάχυνση κ.λπ. αφού λάβει πληροφορίες από τη μονάδα απόφασης και προγραμματισμού.
Σασί
Το τελευταίο βήμα περιλαμβάνει την αλληλεπίδραση με τα μηχανικά μέρη που είναι στερεωμένα στο σασί, όπως ο κινητήρας γραναζιών, ο κινητήρας του τιμονιού, ο κινητήρας του πεντάλ φρένου και οι κινητήρες πεντάλ για το γκάζι και το φρένο.
Η ηλεκτρονική μονάδα ελέγχου σηματοδοτεί και διαχειρίζεται όλα αυτά τα εξαρτήματα.
Τώρα θα μιλήσουμε για τη γενική επικοινωνία ενός AV πριν μιλήσουμε για το σχεδιασμό, τη λειτουργία και τη χρήση διαφόρων βασικών αισθητήρων.
RADAR
Στα AV, τα RADAR χρησιμοποιούνται για τη σάρωση του περιβάλλοντος για την εύρεση και τον εντοπισμό αυτοκινήτων και άλλων αντικειμένων.
Τα ραντάρ χρησιμοποιούνται συχνά τόσο για στρατιωτικούς όσο και για πολιτικούς σκοπούς, όπως αεροδρόμια ή μετεωρολογικά συστήματα, και λειτουργούν στο φάσμα κυμάτων χιλιοστών (mm-Wave).
Διαφορετικές ζώνες συχνοτήτων, συμπεριλαμβανομένων των 24, 60, 77 και 79 GHz, χρησιμοποιούνται στα σύγχρονα αυτοκίνητα και έχουν εύρος μέτρησης από 5 έως 200 m [10].
Υπολογίζοντας το ToF μεταξύ του μεταδιδόμενου σήματος και της επιστρεφόμενης ηχούς, προσδιορίζεται η απόσταση μεταξύ του AV και του αντικειμένου.
Στα AV, τα RADAR χρησιμοποιούν μια σειρά από μικρο-κεραίες που δημιουργούν μια συλλογή λοβών για να βελτιώσουν την ανάλυση εμβέλειας και την αναγνώριση πολλαπλών στόχων. Το mm-Wave RADAR μπορεί να αξιολογήσει με ακρίβεια αντικείμενα κοντινής εμβέλειας προς οποιαδήποτε κατεύθυνση, χρησιμοποιώντας τη διακύμανση στη μετατόπιση Doppler λόγω της αυξημένης διεισδυσιμότητας και του μεγαλύτερου εύρους ζώνης.
Δεδομένου ότι τα ραντάρ mm-Wave έχουν μεγαλύτερο μήκος κύματος, διαθέτουν δυνατότητες αντιμπλοκαρίσματος και αντιρρύπανσης που τους επιτρέπουν να λειτουργούν σε βροχή, χιόνι, ομίχλη και χαμηλό φωτισμό.
Επιπλέον, η μετατόπιση Doppler μπορεί να χρησιμοποιηθεί για τον υπολογισμό της σχετικής ταχύτητας μέσω ραντάρ mm-Wave. Λόγω των δυνατοτήτων τους, τα ραντάρ mm-Wave είναι κατάλληλα για ένα ευρύ φάσμα εφαρμογών AV, συμπεριλαμβανομένης της ανίχνευσης εμποδίων και της αναγνώρισης πεζών και οχημάτων.
Αισθητήρες υπερήχων
Αυτοί οι αισθητήρες λειτουργούν στην περιοχή 20-40 kHz και χρησιμοποιούν υπερηχητικά κύματα. Μια μαγνητο-αντιστατική μεμβράνη που χρησιμοποιείται για να μετρήσει την απόσταση του αντικειμένου παράγει αυτά τα κύματα.
Με τον υπολογισμό του χρόνου πτήσης (ToF) του εκπεμπόμενου κύματος στο ηχώ σήμα, προσδιορίζεται η απόσταση. Η τυπική εμβέλεια των αισθητήρων υπερήχων είναι μικρότερη από 3 μέτρα.
Η έξοδος του αισθητήρα ανανεώνεται κάθε 20 ms, γεγονός που την εμποδίζει να συμμορφωθεί με τις αυστηρές απαιτήσεις QoS του ITS. Αυτοί οι αισθητήρες έχουν σχετικά μικρό εύρος ανίχνευσης δέσμης και είναι κατευθυνόμενοι.
Επομένως, για να αποκτήσετε όραση πλήρους πεδίου, απαιτούνται πολλοί αισθητήρες. Ωστόσο, πολλοί αισθητήρες θα αλληλεπιδράσουν και μπορεί να οδηγήσουν σε σημαντικές ανακρίβειες εύρους.
LiDAR
Τα φάσματα των 905 και 1550 nm χρησιμοποιούνται στο LiDAR. Δεδομένου ότι το ανθρώπινο μάτι είναι ευαίσθητο σε βλάβες του αμφιβληστροειδούς από την περιοχή των 905 nm, το τρέχον LiDAR λειτουργεί στη ζώνη των 1550 nm για τη μείωση της βλάβης του αμφιβληστροειδούς.
Έως 200 μέτρα είναι η μέγιστη εμβέλεια εργασίας του LiDAR. Το Solid-state, το 2D και το 3D LiDAR είναι οι διαφορετικές υποκατηγορίες του LiDAR.
Μια μοναδική δέσμη λέιζερ διασκορπίζεται πάνω από έναν καθρέφτη που περιστρέφεται γρήγορα σε ένα 2D LiDAR. Τοποθετώντας πολλά λέιζερ στο pod, ένα 3D LiDAR μπορεί να αποκτήσει μια τρισδιάστατη εικόνα του περιβάλλοντος.
Έχει αποδειχθεί ότι ένα σύστημα LiDAR στην άκρη του δρόμου μειώνει τον αριθμό των συγκρούσεων οχήματος με πεζό (V2P) τόσο σε ζώνες διασταύρωσης όσο και σε μη διασταυρούμενες ζώνες.
Χρησιμοποιεί ένα σύστημα LiDAR 16 γραμμών, σε πραγματικό χρόνο, υπολογιστικά αποτελεσματικό.
Προτείνεται η χρήση τεχνητού αυτόματου κωδικοποιητή σε βάθος νευρικό σύστημα (DA-ANN), το οποίο επιτυγχάνει ακρίβεια 95% σε εμβέλεια 30 μέτρων.
Εδώ, αποδεικνύεται πώς ένας αλγόριθμος που βασίζεται σε μηχανήματα διανυσμάτων υποστήριξης (SVM) σε συνδυασμό με ένα 64D LiDAR 3 γραμμών μπορεί να βελτιώσει την αναγνώριση πεζών.
Παρά το γεγονός ότι έχει καλύτερη ακρίβεια μέτρησης και 3D όραση από ένα ραντάρ mm-Wave, το LiDAR αποδίδει λιγότερο καλά σε αντίξοες καιρικές συνθήκες, όπως ομίχλη, χιόνι και βροχή.
κάμερες
Ανάλογα με το μήκος κύματος της συσκευής, η κάμερα στα AV μπορεί να βασίζεται είτε στο υπέρυθρο είτε στο ορατό φως.
Συσκευή φόρτισης (CCD) και συμπληρωματικοί αισθητήρες εικόνας οξειδίου μετάλλου-ημιαγωγού (CMOS) χρησιμοποιούνται στην κάμερα (CMOS).
Ανάλογα με την ποιότητα του φακού, η μέγιστη εμβέλεια της κάμερας είναι περίπου 250 m. Οι τρεις ζώνες που χρησιμοποιούνται από τις ορατές κάμερες—Κόκκινο, Πράσινο και Μπλε—χωρίζονται από το ίδιο μήκος κύματος με το ανθρώπινο μάτι ή 400–780 nm (RGB).
Δύο κάμερες VIS συνδυάζονται με καθορισμένες εστιακές αποστάσεις για να δημιουργήσουν ένα νέο κανάλι που περιέχει πληροφορίες βάθους (D), επιτρέποντας τη δημιουργία στερεοσκοπικής όρασης.
Μια τρισδιάστατη προβολή της περιοχής γύρω από το όχημα μπορεί να ληφθεί χάρη σε αυτή τη δυνατότητα μέσω της κάμερας (RGB-D).
Παθητικοί αισθητήρες με μήκος κύματος μεταξύ 780 nm και 1 mm χρησιμοποιούνται από την κάμερα υπερύθρων (IR). Σε μέγιστο φωτισμό, οι αισθητήρες υπερύθρων στα AV προσφέρουν οπτικό έλεγχο.
Αυτή η κάμερα βοηθά τα AV με αναγνώριση αντικειμένων, έλεγχο πλάγιας όψης, καταγραφή ατυχήματος και BSD. Ωστόσο, σε αντίξοες καιρικές συνθήκες, όπως χιόνι, ομίχλη και μεταβαλλόμενες συνθήκες φωτισμού, η απόδοση της κάμερας αλλάζει.
Τα κύρια πλεονεκτήματα μιας κάμερας είναι η ικανότητά της να συγκεντρώνει και να καταγράφει με ακρίβεια την υφή, την κατανομή των χρωμάτων και το σχήμα του περιβάλλοντος.
Παγκόσμιο δορυφορικό σύστημα πλοήγησης και παγκόσμιο σύστημα εντοπισμού θέσης, Μονάδα Αδρανειακής Μέτρησης
Αυτή η τεχνολογία βοηθά το AV στην πλοήγηση εντοπίζοντας με ακρίβεια τη θέση του. Μια ομάδα δορυφόρων σε τροχιά γύρω από την επιφάνεια του πλανήτη χρησιμοποιούνται από το GNSS για εντοπισμό.
Το σύστημα αποθηκεύει δεδομένα σχετικά με τη θέση, την ταχύτητα και την ακριβή ώρα του AV.
Λειτουργεί υπολογίζοντας το ToF μεταξύ του σήματος που λαμβάνεται και της εκπομπής του δορυφόρου. Οι συντεταγμένες του Global Positioning System (GPS) χρησιμοποιούνται συχνά για την απόκτηση της θέσης AV.
Οι συντεταγμένες που εξάγονται από το GPS δεν είναι πάντα ακριβείς και συνήθως προσθέτουν ένα σφάλμα θέσης με μέση τιμή 3 m και τυπική απόκλιση 1 m.
Σε μητροπολιτικές καταστάσεις, η απόδοση επιδεινώνεται περαιτέρω, με σφάλμα στη θέση έως και 20 m, και σε ορισμένες σοβαρές περιπτώσεις, το σφάλμα θέσης GPS είναι περίπου 100 m.
Επιπλέον, τα AV μπορούν να χρησιμοποιήσουν το σύστημα RTK για να προσδιορίσουν με ακρίβεια τη θέση του οχήματος.
Στα AV, η θέση και η κατεύθυνση του οχήματος μπορούν επίσης να προσδιοριστούν χρησιμοποιώντας τη νεκρή καταμέτρηση (DR) και τη θέση αδράνειας.
Αισθητήρας σύντηξης
Για σωστή διαχείριση και ασφάλεια του οχήματος, τα AV πρέπει να έχουν ακριβή, σε πραγματικό χρόνο γνώση της τοποθεσίας, της κατάστασης και άλλων παραγόντων του οχήματος όπως το βάρος, η σταθερότητα, η ταχύτητα κ.λπ.
Αυτές οι πληροφορίες πρέπει να συλλέγονται από τα AV χρησιμοποιώντας μια ποικιλία αισθητήρων.
Με τη συγχώνευση των δεδομένων που λαμβάνονται από πολλούς αισθητήρες, η τεχνική της σύντηξης αισθητήρων χρησιμοποιείται για την παραγωγή συνεκτικών πληροφοριών.
Η μέθοδος επιτρέπει τη σύνθεση μη επεξεργασμένων δεδομένων που λαμβάνονται από συμπληρωματικές πηγές.
Ως αποτέλεσμα, η σύντηξη αισθητήρων επιτρέπει στο AV να κατανοεί με ακρίβεια το περιβάλλον του, συγχωνεύοντας όλα τα χρήσιμα δεδομένα που συλλέγονται από διάφορους αισθητήρες.
Διαφορετικοί τύποι αλγορίθμων, συμπεριλαμβανομένων των φίλτρων Kalman και των φίλτρων Bayes, χρησιμοποιούνται για τη διεξαγωγή της διαδικασίας σύντηξης σε AV.
Επειδή χρησιμοποιείται σε πολλές εφαρμογές, συμπεριλαμβανομένης της παρακολούθησης RADAR, των συστημάτων δορυφορικής πλοήγησης και της οπτικής οδομετρίας, το φίλτρο Kalman θεωρείται ζωτικής σημασίας για την αυτόνομη λειτουργία ενός οχήματος.
Δίκτυα Ad-Hoc Οχημάτων (VANET)
Τα VANET είναι μια νέα υποκατηγορία κινητών ad hoc δικτύων που μπορούν να δημιουργήσουν αυθόρμητα ένα δίκτυο κινητών συσκευών/οχημάτων. Η επικοινωνία όχημα με όχημα (V2V) και όχημα με υποδομή (V2I) είναι δυνατή με τα VANET.
Ο πρωταρχικός στόχος αυτής της τεχνολογίας είναι να αυξήσει την οδική ασφάλεια. για παράδειγμα, σε επικίνδυνες καταστάσεις όπως ατυχήματα και κυκλοφοριακή συμφόρηση, τα αυτοκίνητα μπορούν να αλληλεπιδρούν μεταξύ τους και το δίκτυο για να μεταδώσουν κρίσιμες πληροφορίες.
Τα ακόλουθα είναι τα κύρια στοιχεία της τεχνολογίας VANET:
- OBU (on-board unit): Είναι ένα σύστημα παρακολούθησης που βασίζεται σε GPS τοποθετημένο σε κάθε όχημα που τους επιτρέπει να αλληλεπιδρούν μεταξύ τους και με τις οδικές μονάδες (RSU). Το OBU είναι εξοπλισμένο με πολλά ηλεκτρονικά εξαρτήματα, συμπεριλαμβανομένου ενός επεξεργαστή εντολών πόρων (RCP), συσκευών αισθητήρων και διεπαφές χρήστη, για να λάβετε ουσιαστικές πληροφορίες. Ο πρωταρχικός σκοπός του είναι να χρησιμοποιεί ένα ασύρματο δίκτυο για την επικοινωνία μεταξύ πολλαπλών RSU και OBU.
- Οδική μονάδα (RSU): Οι RSU είναι σταθερές μονάδες υπολογιστών που είναι τοποθετημένες σε ακριβή σημεία σε δρόμους, χώρους στάθμευσης και διασταυρώσεις. Ο κύριος στόχος του είναι να συνδέσει τα αυτόνομα οχήματα με την υποδομή και επίσης βοηθά στον εντοπισμό των οχημάτων. Επιπλέον, μπορεί να χρησιμοποιηθεί για τη σύνδεση ενός οχήματος με άλλες RSU χρησιμοποιώντας διάφορα τοπολογίες δικτύου. Επιπλέον, έχουν λειτουργήσει με πηγές ενέργειας περιβάλλοντος, συμπεριλαμβανομένης της ηλιακής ενέργειας.
- Αξιόπιστη αρχή (TA): Είναι ένας φορέας που ελέγχει κάθε βήμα της διαδικασίας VANET, διασφαλίζοντας ότι μόνο οι νόμιμες RSU και οι OBU οχημάτων μπορούν να εγγραφούν και να αλληλεπιδράσουν. Με την επιβεβαίωση του αναγνωριστικού OBU και τον έλεγχο ταυτότητας του οχήματος, προσφέρει ασφάλεια. Επιπλέον, βρίσκει επιβλαβείς επικοινωνίες και περίεργη συμπεριφορά.
Τα VANET χρησιμοποιούνται για επικοινωνία οχημάτων, η οποία περιλαμβάνει επικοινωνία V2V, V2I και V2X.
Vehicle 2 Vehicle Communication
Η ικανότητα των αυτοκινήτων να συνομιλούν μεταξύ τους και να ανταλλάσσουν κρίσιμες πληροφορίες σχετικά με την κυκλοφοριακή συμφόρηση, τα ατυχήματα και τους περιορισμούς ταχύτητας είναι γνωστή ως επικοινωνία μεταξύ οχημάτων (IVC).
Η επικοινωνία V2V μπορεί να δημιουργήσει το δίκτυο ενώνοντας διάφορους κόμβους (Vehicles) χρησιμοποιώντας μια τοπολογία πλέγματος, είτε μερική είτε πλήρη.
Κατηγοριοποιούνται ως συστήματα single-hop (SIVC) ή multi-hop (MIVC) ανάλογα με το πόσα hops χρησιμοποιούνται για την επικοινωνία μεταξύ οχημάτων.
Ενώ το MIVC μπορεί να χρησιμοποιηθεί για επικοινωνία μεγάλης εμβέλειας, όπως παρακολούθηση κυκλοφορίας, το SIVC μπορεί να χρησιμοποιηθεί για εφαρμογές μικρής εμβέλειας όπως συγχώνευση λωρίδων, ACC κ.λπ.
Πολλά πλεονεκτήματα, συμπεριλαμβανομένων των BSD, FCWS, αυτοματοποιημένης πέδησης έκτακτης ανάγκης (AEB) και LDWS, προσφέρονται μέσω της επικοινωνίας V2V.
Επικοινωνία υποδομής οχήματος 2
Τα αυτοκίνητα μπορούν να επικοινωνούν με τους RSU μέσω μιας διαδικασίας γνωστής ως επικοινωνίας από το δρόμο προς το όχημα (RVC). Βοηθά στην ανίχνευση παρκόμετρων, καμερών, σημάνσεων λωρίδας και σημάτων κυκλοφορίας.
Ad hoc, ασύρματη και αμφίδρομη σύνδεση μεταξύ των αυτοκινήτων και της υποδομής.
Για τη διαχείριση και επίβλεψη της κυκλοφορίας χρησιμοποιούνται τα στοιχεία της υποδομής. Χρησιμοποιούνται για την προσαρμογή διαφόρων παραμέτρων ταχύτητας που επιτρέπουν στα αυτοκίνητα να μεγιστοποιούν την οικονομία καυσίμου και να διαχειρίζονται τη ροή της κυκλοφορίας.
Το σύστημα RVC μπορεί να διαχωριστεί σε Sparse RVC (SRVC) και Ubiquitous RVC ανάλογα με την υποδομή (URVC).
Το σύστημα SRVC προσφέρει υπηρεσίες επικοινωνίας μόνο σε hotspots, όπως για τον εντοπισμό ανοιχτών χώρων στάθμευσης ή πρατηρίων καυσίμων, ενώ το σύστημα URVC προσφέρει κάλυψη σε όλη τη διαδρομή, ακόμη και σε υψηλές ταχύτητες.
Για να εξασφαλιστεί η κάλυψη του δικτύου, το σύστημα URVC απαιτεί μεγάλη επένδυση.
Vehicle 2 Everything Επικοινωνία
Το αυτοκίνητο μπορεί να συνδεθεί με άλλες οντότητες μέσω V2X, συμπεριλαμβανομένων πεζών, αντικειμένων στο δρόμο, συσκευών και του Grid (V2P, V2R και V2D) (V2G).
Χρησιμοποιώντας αυτό το είδος επικοινωνίας, οι οδηγοί μπορούν να αποφύγουν να χτυπήσουν πεζούς, ποδηλάτες και αναβάτες μοτοσικλετών που κινδυνεύουν.
Το σύστημα προειδοποίησης σύγκρουσης πεζών (PCW) μπορεί να προειδοποιήσει τον οδηγό ενός επιβάτη στην άκρη του δρόμου πριν συμβεί μια καταστροφική σύγκρουση χάρη στην επικοινωνία V2X.
Προκειμένου να στείλει στον πεζό σημαντικά μηνύματα, το PCW μπορεί να εκμεταλλευτεί το Bluetooth ή την Επικοινωνία κοντινού πεδίου (NFC) του smartphone.
Συμπέρασμα
Οι πολλές τεχνολογίες που χρησιμοποιούνται για την κατασκευή αυτόνομων αυτοκινήτων μπορούν να έχουν μεγάλο αντίκτυπο στον τρόπο λειτουργίας τους.
Στην πιο βασική του μορφή, το αυτοκίνητο αναπτύσσει έναν χάρτη του περιβάλλοντός του χρησιμοποιώντας μια σειρά αισθητήρων που παρέχουν πληροφορίες για τη διαδρομή γύρω από αυτό και άλλα οχήματα στο πέρασμά του.
Αυτά τα δεδομένα στη συνέχεια αναλύονται από ένα περίπλοκο σύστημα μηχανικής μάθησης, το οποίο δημιουργεί ένα σύνολο ενεργειών για να εκτελέσει το αυτοκίνητο. Αυτές οι συμπεριφορές αλλάζουν και ενημερώνονται τακτικά καθώς το σύστημα μαθαίνει περισσότερα για το περιβάλλον του οχήματος.
Παρά τις καλύτερες προσπάθειές μου να σας παρουσιάσω μια επισκόπηση της αρχιτεκτονικής του αυτόνομου συστήματος οχημάτων, υπάρχουν πολλά περισσότερα που συμβαίνουν στα παρασκήνια.
Ελπίζω ειλικρινά να βρείτε αυτή τη γνώση πολύτιμη και να την αξιοποιήσετε.
Αφήστε μια απάντηση