فهرست مندرجات[پنهان شدن][نمایش]
حسگرها و نرم افزارها در وسایل نقلیه خودران برای هدایت، هدایت و کار با وسایل نقلیه مختلف از جمله موتور سیکلت، خودرو، کامیون و پهپاد ترکیب می شوند.
بسته به نحوه توسعه یا طراحی آنها، ممکن است به کمک راننده نیاز داشته باشند یا نباشند.
خودروهای کاملاً خودمختار می توانند با خیال راحت بدون راننده انسانی کار کنند. بعضی ها مثل وایمو گوگل اتومبیل، حتی نمی تواند یک فرمان داشته باشد.
یک وسیله نقلیه نیمه خودمختار، مانند a تسلا، می تواند کنترل کامل وسیله نقلیه را به عهده بگیرد، اما ممکن است در صورت مشکوک شدن سیستم، به یک راننده انسانی برای کمک نیاز داشته باشد.
درجات مختلفی از خود اتوماسیون در این خودروها گنجانده شده است، از راهنمایی در مسیر و کمک ترمز گرفته تا نمونه های اولیه کاملا مستقل و خودران.
هدف خودروهای بدون راننده کاهش ترافیک، انتشار گازهای گلخانه ای و میزان تصادفات است.
این امکان پذیر است زیرا وسایل نقلیه خودران در رعایت مقررات راهنمایی و رانندگی مهارت بیشتری نسبت به مردم دارند.
برای رانندگی روان، اطلاعات خاصی مانند موقعیت ماشین یا هر شیء نزدیک، کوتاه ترین و ایمن ترین مسیر به مقصد و ظرفیت کار با سیستم رانندگی ضروری است.
درک زمان و نحوه انجام وظایف ضروری بسیار مهم است.
این مقاله زمینه های زیادی از جمله موارد زیر را پوشش خواهد داد معماری سیستم برای خودروهای خودران، اجزای مورد نیاز و شبکه های موردی خودرویی (VANETs).
اجزای مورد نیاز برای خودروی خودمختار
خودروهای خودمختار امروزی از حسگرهای مختلفی استفاده میکنند، از جمله دوربینها، GPS، واحدهای اندازهگیری اینرسی (IMU)، سونار، تشخیص و برد نور لیزری (لیدار)، تشخیص و برد رادیویی (رادار)، ناوبری صوتی، و برد (سونار) و نقشه های سه بعدی
این حسگرها و فناوریها با هم، دادهها را در زمان واقعی تجزیه و تحلیل میکنند تا فرمان، شتاب و ترمز را کنترل کنند.
حسگرهای رادار به ردیابی محل اختفای خودروهای اطراف کمک می کنند. وسایل نقلیه در هنگام پارک با سنسورهای اولتراسونیک کمک می کنند.
فناوری معروف به لیدار با استفاده از هر دو نوع حسگر ایجاد شد. با انعکاس پالس های نور از محیط اطراف خودرو، حسگرهای لیدار می توانند حاشیه جاده ها را تشخیص دهند و نشانگرهای خطوط را شناسایی کنند.
این موارد همچنین به رانندگان در مورد موانع مجاور مانند سایر وسایل نقلیه، عابران پیاده و دوچرخه هشدار می دهد.
اندازه و فاصله همه چیز در اطراف خودرو با استفاده از فناوری لیدار اندازه گیری می شود، که همچنین یک نقشه سه بعدی ایجاد می کند که به وسیله نقلیه اجازه می دهد محیط اطراف خود را مشاهده کند و خطرات را شناسایی کند.
صرف نظر از زمان روز، روشن یا تاریک بودن آن، کار فوق العاده ای در ثبت اطلاعات در انواع مختلف نور محیط انجام می دهد.
این خودرو از دوربینها، رادار و آنتنهای جیپیاس به همراه لیدار و دوربینها برای شناسایی محیط اطراف و شناسایی موقعیت آن استفاده میکند.
دوربینها عابران پیاده، دوچرخهسواران، خودروها و سایر موانع را بررسی میکنند و در عین حال علائم راهنمایی و رانندگی را شناسایی میکنند، علائم و نشانههای جاده را میخوانند، و وسایل نقلیه دیگر را پیگیری میکنند.
با این حال، آنها می توانند در مناطق کم نور یا سایه کار سختی داشته باشند. یک خودروی خودمختار میتواند با استفاده از ترکیبی از لیدار، رادار، دوربینها، آنتنهای جیپیاس و سنسورهای اولتراسونیک ببیند که به کجا میرود تا جاده مقابل خود را به صورت دیجیتالی ترسیم کند.
معماری سیستم سطح بالا
حسگرها، محرکها، سختافزار و نرمافزار ضروری در معماری فهرست شدهاند، که همچنین مکانیسم یا پروتکل ارتباطی را در AVها نشان میدهد.
ادراک
این مرحله شامل شناسایی موقعیت AV در ارتباط با محیط و سنجش محیط اطراف AV با استفاده از انواع سنسورها است.
AV در این مرحله از رادار، LIDAR، دوربین، جنبشی بیدرنگ (RTK) و سایر حسگرها استفاده میکند. ماژولهای تشخیص دادهها را از این حسگرها دریافت میکنند و پس از عبور آنها را پردازش میکنند.
به طور کلی، AV شامل یک سیستم کنترل، LDWS، TSR، شناسایی موانع ناشناخته (UOR)، یک ماژول موقعیت یابی و مکان یابی خودرو (VPL) و غیره است.
اطلاعات ترکیبی پس از پردازش به مرحله تصمیم گیری و برنامه ریزی داده می شود.
تصمیم گیری و برنامه ریزی
حرکات و رفتار AV در این مرحله با استفاده از اطلاعات دریافتی در طی فرآیند ادراک تصمیم گیری، برنامه ریزی و کنترل می شود.
این مرحله، که مغز آن را نشان میدهد، جایی است که در مورد مواردی مانند برنامهریزی مسیر، پیشبینی اقدام، اجتناب از موانع و غیره انتخاب میشود.
انتخاب بر اساس اطلاعاتی است که در حال حاضر و از نظر تاریخی در دسترس است، از جمله داده های نقشه بلادرنگ، مشخصات ترافیک، روندها، اطلاعات کاربر و غیره.
ممکن است یک ماژول گزارش داده وجود داشته باشد که اشتباهات و داده ها را برای استفاده بعدی نگه می دارد.
کنترل
ماژول کنترل پس از دریافت اطلاعات از ماژول تصمیم گیری و برنامه ریزی، عملیات/اقدامات مربوط به کنترل فیزیکی AV مانند فرمان، ترمز، شتاب گیری و غیره را اجرا می کند.
شاسی
آخرین مرحله شامل تعامل با قطعات مکانیکی چسبانده شده به شاسی است، مانند موتور دنده، موتور فرمان، موتور پدال ترمز و موتورهای پدال گاز و ترمز.
ماژول کنترل همه این اجزا را سیگنال می دهد و مدیریت می کند.
اکنون قبل از صحبت در مورد طراحی، عملکرد و استفاده از سنسورهای کلیدی مختلف، در مورد ارتباط کلی یک AV صحبت خواهیم کرد.
رادار
در AV، رادارها برای اسکن محیط برای یافتن و مکان یابی خودروها و سایر اشیاء استفاده می شوند.
رادارها اغلب برای اهداف نظامی و غیرنظامی مانند فرودگاه ها یا سیستم های هواشناسی استفاده می شوند و در طیف موج میلی متری (mm-Wave) کار می کنند.
باندهای فرکانسی مختلف، از جمله 24، 60، 77 و 79 گیگاهرتز، در خودروهای امروزی استفاده میشوند و محدوده اندازهگیری آن بین 5 تا 200 متر است [10].
با محاسبه ToF بین سیگنال ارسالی و اکو برگشتی، فاصله بین AV و جسم مشخص می شود.
در AV ها، رادارها از مجموعه ای از میکرو آنتن ها استفاده می کنند که مجموعه ای از لوب ها را برای افزایش وضوح برد و شناسایی اهداف چندگانه ایجاد می کند. رادار میلیمتری موج میتواند با استفاده از واریانس در شیفت داپلر به دلیل افزایش نفوذپذیری و پهنای باند بزرگتر، اشیاء دور نزدیک را در هر جهتی ارزیابی کند.
از آنجایی که رادارهای mm-Wave طول موج بیشتری دارند، دارای قابلیت های ضد انسداد و ضد آلودگی هستند که آنها را قادر می سازد در باران، برف، مه و نور کم کار کنند.
علاوه بر این، از شیفت داپلر می توان برای محاسبه سرعت نسبی از طریق رادارهای موج میلی متری استفاده کرد. رادارهای mm-Wave به دلیل توانایی خود برای طیف وسیعی از کاربردهای AV از جمله تشخیص موانع و تشخیص عابر پیاده و وسیله نقلیه مناسب هستند.
حسگرهای فراصوت
این سنسورها در محدوده 20 تا 40 کیلوهرتز کار می کنند و از امواج اولتراسونیک استفاده می کنند. یک غشای مقاومت مغناطیسی که برای اندازه گیری فاصله جسم استفاده می شود، این امواج را تولید می کند.
با محاسبه زمان پرواز (ToF) موج ساطع شده به سیگنال پژواک، فاصله مشخص می شود. برد معمول سنسورهای اولتراسونیک کمتر از 3 متر است.
خروجی حسگر هر 20 میلیثانیه بهروزرسانی میشود، که از انطباق آن با الزامات QoS دقیق ITS جلوگیری میکند. این سنسورها دارای برد تشخیص پرتو نسبتاً کمی هستند و جهت دار هستند.
بنابراین، برای به دست آوردن دید کامل، سنسورهای متعددی مورد نیاز است. با این حال، بسیاری از سنسورها با هم تعامل خواهند داشت و می توانند منجر به عدم دقت در محدوده قابل توجهی شوند.
LiDAR
طیف 905 و 1550 نانومتر در LiDAR استفاده می شود. از آنجایی که چشم انسان در معرض آسیب شبکیه از محدوده 905 نانومتر است، LiDAR فعلی در باند 1550 نانومتر عمل می کند تا آسیب شبکیه را کاهش دهد.
حداکثر برد کاری LiDAR تا 200 متر است. حالت جامد، 2 بعدی و لیدار سه بعدی زیرمجموعه های مختلف LiDAR هستند.
یک پرتو لیزر روی یک آینه پخش می شود که به سرعت در یک LiDAR دو بعدی می چرخد. با قرار دادن چندین لیزر روی غلاف، یک LiDAR سه بعدی می تواند تصویری سه بعدی از محیط اطراف به دست آورد.
نشان داده شده است که یک سیستم LiDAR کنار جاده، تعداد تصادفات وسیله نقلیه به عابر پیاده (V2P) را در هر دو منطقه تقاطع و غیر تقاطع کاهش می دهد.
این سیستم از یک سیستم LiDAR 16 خطی، بلادرنگ و محاسباتی موثر استفاده می کند.
پیشنهاد می شود از یک رمزگذار خودکار عمیق مصنوعی استفاده کنید شبکه های عصبی (DA-ANN)، که به دقت 95 درصد در محدوده 30 متری دست می یابد.
در، نشان داده شده است که چگونه یک الگوریتم مبتنی بر ماشین بردار پشتیبان (SVM) همراه با یک LiDAR 64D 3 خطی میتواند تشخیص عابر پیاده را افزایش دهد.
علیرغم داشتن دقت اندازه گیری و دید سه بعدی بهتر از رادار میلی متری، لیدار در آب و هوای نامساعد از جمله مه، برف و باران عملکرد کمتری دارد.
دوربین های دیجیتال
بسته به طول موج دستگاه، دوربین در AV می تواند مبتنی بر مادون قرمز یا نور مرئی باشد.
دستگاه شارژ (CCD) و حسگرهای تصویر مکمل اکسید فلز-نیمه هادی (CMOS) در دوربین (CMOS) استفاده می شود.
بسته به کیفیت لنز، حداکثر برد دوربین حدود 250 متر است. سه باند استفاده شده توسط دوربین های مرئی – قرمز، سبز و آبی – با طول موجی مشابه چشم انسان یا 400 تا 780 نانومتر (RGB) از هم جدا می شوند.
دو دوربین VIS با فواصل کانونی مشخص همراه شده اند تا یک کانال جدید حاوی اطلاعات عمق (D) ایجاد کنند که امکان ایجاد دید استریوسکوپی را فراهم می کند.
به لطف این قابلیت از طریق دوربین (RGB-D) می توان دید سه بعدی از منطقه اطراف خودرو را به دست آورد.
سنسورهای غیرفعال با طول موج بین 780 نانومتر تا 1 میلی متر توسط دوربین مادون قرمز (IR) استفاده می شوند. در حداکثر روشنایی، سنسورهای IR در AV ها کنترل بصری را ارائه می دهند.
این دوربین به AV ها با تشخیص اشیا، کنترل نمای جانبی، ضبط تصادف و BSD کمک می کند. با این حال، در آب و هوای نامناسب، مانند برف، مه، و تغییر شرایط نور، عملکرد دوربین تغییر می کند.
مزایای اصلی دوربین توانایی آن در جمع آوری و ضبط دقیق بافت، توزیع رنگ و شکل محیط است.
سیستم ماهواره ای ناوبری جهانی و سیستم موقعیت یاب جهانی، واحد اندازه گیری اینرسی
این فناوری به AV در جهت یابی با مشخص کردن مکان دقیق آن کمک می کند. گروهی از ماهوارهها در مدار سطح سیاره توسط GNSS برای بومیسازی استفاده میشوند.
این سیستم داده های مربوط به مکان، سرعت و زمان دقیق AV را ذخیره می کند.
این با تشخیص ToF بین سیگنال دریافتی و انتشار ماهواره کار می کند. مختصات سیستم موقعیت یاب جهانی (GPS) اغلب برای به دست آوردن موقعیت AV استفاده می شود.
مختصات استخراج شده توسط GPS همیشه دقیق نیستند و معمولاً یک خطای موقعیتی با مقدار میانگین 3 متر و تغییر استاندارد 1 متر اضافه می کنند.
در موقعیت های شهری، عملکرد بیشتر بدتر می شود، با خطا در مکان تا 20 متر، و در شرایط شدید خاص، خطای موقعیت GPS تقریباً 100 متر است.
علاوه بر این، AV ها می توانند از سیستم RTK برای تعیین دقیق موقعیت خودرو استفاده کنند.
در AVها، موقعیت و جهت وسیله نقلیه را نیز می توان با استفاده از محاسبه مرده (DR) و موقعیت اینرسی تعیین کرد.
همجوشی سنسور
برای مدیریت صحیح خودرو و ایمنی، AVها باید اطلاعات دقیق و در زمان واقعی از مکان، وضعیت و سایر عوامل خودرو مانند وزن، پایداری، سرعت و غیره داشته باشند.
این اطلاعات باید توسط AV ها با استفاده از انواع حسگرها جمع آوری شود.
با ادغام دادههای بهدستآمده از چندین حسگر، از تکنیک ترکیب حسگر برای تولید اطلاعات منسجم استفاده میشود.
این روش به ترکیب داده های پردازش نشده به دست آمده از منابع مکمل اجازه می دهد.
در نتیجه، همجوشی حسگر AV را قادر می سازد تا با ادغام تمام داده های مفید جمع آوری شده از سنسورهای مختلف، محیط اطراف خود را به دقت درک کند.
انواع مختلفی از الگوریتم ها، از جمله فیلترهای کالمن و فیلترهای بیزی، برای انجام فرآیند همجوشی در AV استفاده می شود.
از آنجایی که فیلتر کالمن در چندین برنامه از جمله ردیابی رادار، سیستمهای ناوبری ماهوارهای و کیلومتر شماری نوری استفاده میشود، فیلتر کالمن برای عملکرد خودکار یک وسیله نقلیه بسیار مهم است.
شبکه های ویژه وسایل نقلیه (VANETs)
VANETها زیرمجموعه جدیدی از شبکههای موردی تلفن همراه هستند که میتوانند به طور خود به خود شبکهای از دستگاهها/وسایل نقلیه تلفن همراه ایجاد کنند. ارتباط خودرو به خودرو (V2V) و وسیله نقلیه به زیرساخت (V2I) با VANET امکان پذیر است.
هدف اصلی چنین فناوری افزایش ایمنی جاده است. به عنوان مثال، در موقعیت های خطرناک مانند تصادفات و ترافیک، اتومبیل ها می توانند با یکدیگر و شبکه برای انتقال اطلاعات حیاتی تعامل داشته باشند.
اجزای اصلی فناوری VANET عبارتند از:
- OBU (واحد سواری): این یک سیستم ردیابی مبتنی بر GPS است که در هر وسیله نقلیه قرار می گیرد و به آنها اجازه می دهد با یکدیگر و با واحدهای کنار جاده (RSU) تعامل داشته باشند. OBU با چندین قطعه الکترونیکی، از جمله پردازنده دستور منبع (RCP)، دستگاه های حسگر، و رابط کاربر، برای به دست آوردن اطلاعات ضروری هدف اصلی آن استفاده از یک شبکه بی سیم برای برقراری ارتباط بین چندین RSU و OBU است.
- واحد کنار جاده (RSU): RSU ها واحدهای کامپیوتری ثابتی هستند که در نقاط دقیق خیابان ها، پارکینگ ها و تقاطع ها قرار می گیرند. هدف اصلی آن پیوند دادن وسایل نقلیه خودران به زیرساخت است و همچنین به بومی سازی خودرو کمک می کند. علاوه بر این، می توان از آن برای اتصال یک وسیله نقلیه به RSU های دیگر با استفاده از موارد مختلف استفاده کرد توپولوژی های شبکه. علاوه بر این، آنها بر روی منابع انرژی محیطی از جمله انرژی خورشیدی اجرا شده اند.
- مرجع معتمد (TA): این نهادی است که هر مرحله از فرآیند VANET را کنترل می کند و اطمینان حاصل می کند که فقط RSU های قانونی و OBU های خودرو می توانند ثبت نام کرده و با هم تعامل داشته باشند. با تایید OBU ID و احراز هویت خودرو، امنیت را ارائه می دهد. علاوه بر این، ارتباطات مضر و رفتارهای عجیب و غریب را پیدا می کند.
VANET ها برای ارتباطات خودرویی استفاده می شوند که شامل ارتباطات V2V، V2I و V2X می شود.
وسیله نقلیه 2 ارتباط وسیله نقلیه
توانایی خودروها برای مکالمه با یکدیگر و تبادل اطلاعات حیاتی در مورد ازدحام ترافیک، تصادفات و محدودیت های سرعت به عنوان ارتباطات بین خودرویی (IVC) شناخته می شود.
ارتباط V2V میتواند با اتصال گرههای مختلف (خودروها) به یکدیگر با استفاده از توپولوژی مش، جزئی یا کامل، شبکه را ایجاد کند.
بسته به اینکه چه تعداد پرش برای ارتباطات بین خودرویی استفاده می شود، آنها به عنوان سیستم های تک هاپ (SIVC) یا چند هاپ (MIVC) دسته بندی می شوند.
در حالی که MIVC می تواند برای ارتباطات دوربرد مانند نظارت بر ترافیک استفاده شود، SIVC می تواند برای برنامه های کوتاه برد مانند ادغام خطوط، ACC و غیره استفاده شود.
مزایای متعددی از جمله BSD، FCWS، ترمز اضطراری خودکار (AEB) و LDWS از طریق ارتباط V2V ارائه می شود.
وسایل نقلیه 2 ارتباطات زیرساخت
خودروها می توانند با RSU ها از طریق فرآیندی به نام ارتباط جاده به وسیله نقلیه (RVC) ارتباط برقرار کنند. به تشخیص پارکومترها، دوربین ها، نشانگرهای خطوط و علائم راهنمایی و رانندگی کمک می کند.
ارتباط موقت، بی سیم و دو طرفه بین خودروها و زیرساخت.
برای اداره و نظارت بر ترافیک، از داده های زیرساخت استفاده می شود. آنها برای تنظیم پارامترهای مختلف سرعت استفاده می شوند که به خودروها اجازه می دهد مصرف سوخت را به حداکثر برسانند و جریان ترافیک را مدیریت کنند.
سیستم RVC را می توان به Sparse RVC (SRVC) و RVC Ubiquitous بسته به زیرساخت (URVC) جدا کرد.
سیستم SRVC فقط خدمات ارتباطی را در نقاط داغ ارائه می دهد، مانند مکان یابی مکان های پارک باز یا پمپ بنزین ها، در حالی که سیستم URVC در کل مسیر، حتی در سرعت های بالا، پوشش می دهد.
به منظور تضمین پوشش شبکه، سیستم URVC نیاز به سرمایه گذاری زیادی دارد.
وسیله نقلیه 2 همه چیز ارتباط
این خودرو میتواند از طریق V2X با سایر نهادها، از جمله عابران پیاده، اشیاء کنار جاده، دستگاهها و شبکه (V2P، V2R، و V2D) (V2G) ارتباط برقرار کند.
با استفاده از این نوع ارتباط، رانندگان می توانند از برخورد با عابران پیاده، دوچرخه سواران و موتورسواران در معرض خطر جلوگیری کنند.
سیستم هشدار برخورد عابر پیاده (PCW) به لطف ارتباط V2X می تواند به راننده یک مسافر کنار جاده قبل از وقوع یک تصادف فاجعه آمیز هشدار دهد.
برای ارسال پیامهای مهم به عابر پیاده، PCW میتواند از بلوتوث تلفن هوشمند یا ارتباط میدان نزدیک (NFC) استفاده کند.
نتیجه
بسیاری از فناوریهای مورد استفاده برای ساخت خودروهای خودران میتوانند تأثیر زیادی بر نحوه عملکرد آنها داشته باشند.
در ابتدایی ترین حالت، این خودرو با استفاده از مجموعه ای از حسگرها نقشه ای از محیط اطراف خود ایجاد می کند که اطلاعاتی را در مورد مسیر اطراف آن و سایر وسایل نقلیه در مسیر خود ارائه می دهد.
سپس این داده ها توسط یک سیستم یادگیری ماشینی پیچیده تجزیه و تحلیل می شوند که مجموعه ای از اقدامات را برای ماشین ایجاد می کند تا اجرا شود. این رفتارها به طور منظم تغییر و به روز می شوند زیرا سیستم اطلاعات بیشتری در مورد محیط اطراف خودرو می آموزد.
علیرغم تلاشهای من برای ارائه یک نمای کلی از معماری سیستم خودروی خودمختار، چیزهای بیشتری در پشت صحنه اتفاق میافتد.
من واقعاً امیدوارم که این دانش را ارزشمند بدانید و از آن استفاده کنید.
پاسخ دهید