Sisällysluettelo[Piilottaa][Näytä]
Anturit ja ohjelmistot yhdistetään autonomisiin ajoneuvoihin, jotta ne voivat navigoida, ohjata ja käyttää erilaisia ajoneuvoja, kuten moottoripyöriä, autoja, kuorma-autoja ja droneja.
Riippuen siitä, miten ne on kehitetty tai suunniteltu, ne saattavat tarvita tai olla käyttämättä kuljettajan apua.
Täysin autonomiset autot voivat toimia turvallisesti ilman ihmiskuljettajia. Jotkut pitävät Googlen Waymo autossa ei voinut olla edes ohjauspyörää.
Osittain itsenäinen ajoneuvo, kuten esim Tesla, voi ottaa ajoneuvon täydellisen hallinnan, mutta saattaa tarvita ihmiskuljettajan apua, jos järjestelmä epäilee.
Näihin autoihin sisältyy eriasteista itseautomaatiota kaistaohjauksesta ja jarrutusavusta täysin itsenäisiin, itseohjautuviin prototyyppeihin.
Kuljettamattomien autojen tavoitteena on vähentää liikennettä, päästöjä ja onnettomuuksia.
Tämä on mahdollista, koska autonomiset ajoneuvot noudattavat paremmin liikennesääntöjä kuin ihmiset.
Sujuvaa ajoa varten tarvitaan tiettyjä tietoja, kuten auton tai lähellä olevien kohteiden sijainti, lyhin ja turvallisin reitti määränpäähän sekä kyky käyttää ajojärjestelmää.
On tärkeää ymmärtää, milloin ja miten tarvittavat tehtävät tulee suorittaa.
Tämä artikkeli käsittelee monia aiheita, mukaan lukien Järjestelmäarkkitehtuuri autonomisille autoille, tarvittavat komponentit ja ajoneuvojen ad hoc -verkot (VANETit).
Autonomiseen ajoneuvoon tarvittavat komponentit
Nykypäivän autonomisissa ajoneuvoissa käytetään erilaisia antureita, mukaan lukien kamerat, GPS, inertiamittausyksiköt (IMU:t), kaikuluotain, laservalaistuksen tunnistus ja kantama (lidar), radioilmaisu ja etäisyys (tutka), ääninavigointi ja etäisyys (luotain) ja 3D kartat.
Yhdessä nämä anturit ja tekniikat analysoivat tietoja reaaliajassa ohjauksen, kiihdytyksen ja jarrutuksen hallitsemiseksi.
Tutkatunnistimet auttavat seuraamaan ympäröivien autojen olinpaikkaa. Ajoneuvoja autetaan ultraääniantureilla pysäköinnin aikana.
Lidar-niminen tekniikka luotiin käyttämällä molempia antureita. Heijastamalla valopulsseja autoa ympäröivästä ympäristöstä lidar-anturit voivat havaita tien reunat ja tunnistaa kaistamerkit.
Ne myös varoittavat kuljettajia viereisistä esteistä, kuten muista ajoneuvoista, jalankulkijoista ja polkupyöristä.
Autoa ympäröivän kaiken koko ja etäisyys mitataan lidar-tekniikalla, joka luo myös 3D-kartan, jonka avulla ajoneuvo näkee ympäristönsä ja tunnistaa mahdolliset riskit.
Kellonajasta riippumatta, olipa se kirkas tai synkkä, se tallentaa erinomaista työtä erityyppisissä ympäristön valoissa.
Auto käyttää kameroita, tutkaa ja GPS-antenneja sekä lidaria ja kameroita tunnistamaan ympäristönsä ja tunnistamaan sen sijainnin.
Kamerat tarkistavat jalankulkijoiden, pyöräilijöiden, autojen ja muiden esteiden varalta samalla kun ne havaitsevat liikennevalot, lukevat liikennemerkkejä ja merkintöjä sekä seuraavat muita ajoneuvoja.
Heillä voi kuitenkin olla vaikeuksia hämärillä tai varjoisilla alueilla. Itsenäinen ajoneuvo näkee missä se on menossa käyttämällä yhdistelmää lidaria, tutkaa, kameroita, GPS-antenneja ja ultraääniantureita kartoittaakseen edessään olevan tien digitaalisesti.
Korkean tason järjestelmäarkkitehtuuri
Tärkeimmät anturit, toimilaitteet, laitteistot ja ohjelmistot on lueteltu arkkitehtuurissa, joka havainnollistaa myös AV:iden koko viestintämekanismia tai protokollaa.
Havainto
Tämä vaihe käsittää AV:n sijainnin tunnistamisen suhteessa ympäristöön ja AV:n ympärillä olevan ympäristön tunnistamisen käyttämällä erilaisia antureita.
AV käyttää tässä vaiheessa TUTKAA, LIDARIA, kameraa, reaaliaikaista kineettistä (RTK) ja muita antureita. Tunnistusmoduulit vastaanottavat tiedot näiltä antureilta ja käsittelevät sen eteenpäin välittämisen jälkeen.
Yleisesti ottaen AV koostuu ohjausjärjestelmästä, LDWS:stä, TSR:stä, tuntemattomien esteiden tunnistuksesta (UOR), ajoneuvon paikannus- ja paikannusmoduulista (VPL) jne.
Yhdistetty tieto luovutetaan käsittelyn jälkeen päätöksenteko- ja suunnitteluvaiheeseen.
Päätös ja suunnittelu
AV:n liikkeet ja käyttäytyminen päätetään, suunnitellaan ja ohjataan tässä vaiheessa havaintoprosessin aikana saatujen tietojen perusteella.
Tässä vaiheessa, jota aivot edustaisivat, tehdään valintoja esimerkiksi polun suunnittelusta, toiminnan ennustamisesta, esteiden välttämisestä jne.
Valinta perustuu nyt ja historiallisesti saatavilla oleviin tietoihin, mukaan lukien reaaliaikaiset karttatiedot, liikennetiedot, trendit, käyttäjätiedot jne.
Voisi olla tietolokimoduuli, joka pitää kirjaa virheistä ja tiedoista myöhempää käyttöä varten.
Ohjaus
Ohjausmoduuli suorittaa AV:n fyysiseen ohjaukseen liittyviä toimintoja, kuten ohjausta, jarrutusta, kiihdytystä jne. saatuaan tiedon päätös- ja suunnittelumoduulista.
Alusta
Viimeinen vaihe sisältää vuorovaikutuksen alustaan kiinnitettyjen mekaanisten osien, kuten vaihdemoottorin, ohjauspyörän moottorin, jarrupoljinmoottorin ja kaasupolkimen ja jarrun poljinmoottoreiden, kanssa.
Ohjausmoduuli signaloi ja hallitsee kaikkia näitä komponentteja.
Nyt puhumme AV:n yleisestä viestinnästä ennen kuin puhumme erilaisten avainanturien suunnittelusta, toiminnasta ja käytöstä.
TUTKA
AV:issa TUTKIA käytetään ympäristön skannaamiseen autojen ja muiden esineiden löytämiseksi ja paikantamiseksi.
TUTKIA käytetään usein sekä sotilas- että siviilitarkoituksiin, kuten lentokentillä tai meteorologisissa järjestelmissä, ja ne toimivat millimetriaaltospektrissä (mm-aalto).
Nykyaikaisissa autoissa käytetään erilaisia taajuuskaistoja, mukaan lukien 24, 60, 77 ja 79 GHz, ja niiden mittausalue on 5-200 metriä [10].
Laskemalla ToF lähetetyn signaalin ja palautetun kaiun välillä, AV:n ja kohteen välinen etäisyys määritetään.
AV:issa TUTKAT käyttävät useita mikro-antenneja, jotka luovat joukon keiloja parantaakseen kantaman resoluutiota ja useiden kohteiden tunnistamista. mm-Wave RADAR voi arvioida tarkasti lähietäisyyden kohteita mihin tahansa suuntaan hyödyntämällä Doppler-siirtymän varianssia sen paremman läpäisevyyden ja suuremman kaistanleveyden vuoksi.
Koska mm-Wave-tutkilla on pidempi aallonpituus, niissä on esto- ja saastumisenesto-ominaisuudet, jotka mahdollistavat niiden toiminnan sateessa, lumessa, sumussa ja hämärässä.
Lisäksi Doppler-siirtymää voidaan käyttää suhteellisen nopeuden laskemiseen mm-aaltotutkien avulla. Mahdollisuuksiensa ansiosta mm-Wave-tutkat soveltuvat hyvin monenlaisiin AV-sovelluksiin, mukaan lukien esteiden tunnistus sekä jalankulkijoiden ja ajoneuvojen tunnistus.
Ultraäänianturit
Nämä anturit toimivat 20–40 kHz:n alueella ja käyttävät ultraääniaaltoja. Magneto-resistiivinen kalvo, jota käytetään mittaamaan kohteen etäisyyttä, tuottaa nämä aallot.
Etäisyys määritetään laskemalla lähetetyn aallon lentoaika (ToF) kaikuituun signaaliin. Ultraääniantureiden tyypillinen kantama on alle 3 metriä.
Anturin lähtö päivitetään 20 ms:n välein, mikä estää sitä noudattamasta ITS:n tiukkoja QoS-vaatimuksia. Näillä antureilla on suhteellisen pieni säteen tunnistusalue ja ne ovat suunnattuja.
Siksi koko kentän näkökyvyn saamiseksi tarvitaan useita antureita. Monet anturit ovat kuitenkin vuorovaikutuksessa ja voivat aiheuttaa merkittäviä etäisyyden epätarkkuuksia.
LiDAR
LiDAR:ssa käytetään 905 ja 1550 nm:n spektrejä. Koska ihmissilmä on herkkä verkkokalvovaurioille 905 nm:n alueella, nykyinen LiDAR toimii 1550 nm:n kaistalla verkkokalvovaurion vähentämiseksi.
Jopa 200 metriä on LiDARin suurin toimintasäde. Solid-state, 2D ja 3D LiDAR ovat LiDAR:n eri alaluokat.
Yksi lasersäde on hajallaan peilin päälle, joka pyörii nopeasti 2D LiDARissa. Asettamalla useita lasereita podille, 3D LiDAR voi saada 3D-kuvan ympäristöstä.
On osoitettu, että tienvarsi LiDAR-järjestelmä vähentää ajoneuvon ja jalankulkijan välisten (V2P) törmäysten määrää sekä risteysalueilla että muilla alueilla.
Se käyttää 16-linjaista, reaaliaikaista, laskennallisesti tehokasta LiDAR-järjestelmää.
On suositeltavaa käyttää syvää automaattista keinotekoista enkooderia neuroverkkomallien (DA-ANN), joka saavuttaa 95 % tarkkuuden 30 metrin etäisyydellä.
Siinä osoitetaan, kuinka tukivektorikoneeseen (SVM) perustuva algoritmi yhdistettynä 64-riviseen 3D LiDARiin voi parantaa jalankulkijoiden tunnistusta.
Huolimatta paremmasta mittaustarkkuudesta ja 3D-näkyvystä kuin mm-aaltotutka, LiDAR toimii huonommin huonoissa sääolosuhteissa, kuten sumussa, lumessa ja sateessa.
kamerat
Laitteen aallonpituudesta riippuen AV-kamera voi olla joko infrapuna- tai näkyvään valoon perustuva.
Kamerassa (CMOS) käytetään latauskytkettyjä laitteita (CCD) ja täydentäviä metallioksidipuolijohde (CMOS) -kuvakennoja.
Objektiivin laadusta riippuen kameran maksimikantama on noin 250 metriä. Näkyvien kameroiden käyttämät kolme kaistaa – punainen, vihreä ja sininen – erotetaan samalla aallonpituudella kuin ihmissilmä eli 400–780 nm (RGB).
Kaksi VIS-kameraa on yhdistetty vakiintuneisiin polttoväliin uuden kanavan luomiseksi, joka sisältää syvyystietoja (D), mikä mahdollistaa stereoskooppisen näön luomisen.
Tämän ominaisuuden ansiosta kameran (RGB-D) kautta saadaan 3D-näkymä ajoneuvoa ympäröivästä alueesta.
Infrapunakamera (IR) käyttää passiivisia antureita, joiden aallonpituus on 780 nm - 1 mm. Huippuvalaistuksessa AV-laitteiden IR-anturit tarjoavat visuaalisen ohjauksen.
Tämä kamera auttaa AV:ita kohteen tunnistamisessa, sivunäkymän ohjauksessa, onnettomuustallennuksessa ja BSD:ssä. Epäsuotuisissa sääolosuhteissa, kuten lumessa, sumussa ja vaihtuvissa valoolosuhteissa, kameran suorituskyky kuitenkin muuttuu.
Kameran ensisijaiset edut ovat sen kyky kerätä ja tallentaa tarkasti ympäristön tekstuurit, värijakaumat ja muodot.
Globaali satelliittinavigointijärjestelmä ja globaali paikannusjärjestelmä, inertiamittausyksikkö
Tämä tekniikka auttaa AV:ta navigoimaan määrittämällä sen tarkan sijainnin. GNSS käyttää paikallistamiseen ryhmää satelliitteja, jotka kiertävät planeetan pintaa.
Järjestelmä tallentaa tiedot AV:n sijainnista, nopeudesta ja tarkasta ajasta.
Se toimii selvittämällä ToF vastaanotetun signaalin ja satelliitin lähetyksen välillä. Global Positioning System (GPS) -koordinaatteja käytetään usein AV-sijainnin määrittämiseen.
GPS:llä poimitut koordinaatit eivät aina ole tarkkoja, ja ne lisäävät tyypillisesti sijaintivirheen, jonka keskiarvo on 3 m ja standardivaihtelu 1 m.
Pääkaupunkiseudulla suorituskyky heikkenee entisestään, sijaintivirhe on jopa 20 m, ja tietyissä vaikeissa olosuhteissa GPS-paikannusvirhe on noin 100 m.
Lisäksi AV:t voivat käyttää RTK-järjestelmää määrittääkseen tarkasti ajoneuvon sijainnin.
AV:issa ajoneuvon sijainti ja suunta voidaan määrittää myös kuolleen laskennan (DR) ja inertia-asennon avulla.
Anturifuusio
Ajoneuvon oikeaa hallintaa ja turvallisuutta varten AV-laitteiden on saatava tarkat, reaaliaikaiset tiedot sijainnista, tilasta ja muista ajoneuvon tekijöistä, kuten painosta, vakaudesta, nopeudesta jne.
AV:iden on kerättävä nämä tiedot käyttämällä erilaisia antureita.
Yhdistämällä useilta antureilta hankittua dataa hyödynnetään sensorien fuusiotekniikkaa koherentin tiedon tuottamiseen.
Menetelmä mahdollistaa täydentävistä lähteistä hankitun käsittelemättömän datan synteesin.
Tämän seurauksena anturifuusio antaa AV:lle mahdollisuuden ymmärtää ympäristönsä tarkasti yhdistämällä kaikki eri antureista kerätyt hyödylliset tiedot.
AV:issa fuusioprosessin suorittamiseen käytetään erityyppisiä algoritmeja, mukaan lukien Kalman-suodattimet ja Bayes-suodattimet.
Koska Kalman-suodatinta käytetään useissa sovelluksissa, kuten RADAR-seurannassa, satelliittinavigointijärjestelmissä ja optisessa matkanmittauksessa, sitä pidetään olennaisen tärkeänä ajoneuvon toimiessa itsenäisesti.
Ajoneuvojen Ad-hoc-verkot (VANETit)
VANETit ovat uusi mobiili ad hoc -verkkojen alaluokka, joka voi spontaanisti luoda mobiililaitteiden/ajoneuvojen verkon. Ajoneuvojen välinen (V2V) ja ajoneuvojen välinen viestintä (V2I) on mahdollista VANETien avulla.
Tällaisen tekniikan ensisijainen tavoite on lisätä tieturvallisuutta; Esimerkiksi vaaratilanteissa, kuten onnettomuuksissa ja liikenneruuhkissa, autot voivat olla vuorovaikutuksessa keskenään ja verkon kanssa välittääkseen tärkeitä tietoja.
Seuraavat ovat VANET-tekniikan pääkomponentit:
- OBU (on-board unit): Se on jokaiseen ajoneuvoon sijoitettu GPS-pohjainen seurantajärjestelmä, jonka avulla ne voivat olla vuorovaikutuksessa keskenään ja tienvarsiyksiköiden (RSU) kanssa. OBU on varustettu useilla elektronisilla komponenteilla, mukaan lukien resurssiohjausprosessori (RCP), anturilaitteet ja käyttöliittymät, saadaksesi tärkeitä tietoja. Sen ensisijainen tarkoitus on käyttää langatonta verkkoa viestimään useiden RSU:iden ja OBU:iden välillä.
- Roadside Unit (RSU): RSU:t ovat kiinteitä tietokoneyksiköitä, jotka on sijoitettu tarkkoihin kohtiin kaduilla, pysäköintialueilla ja risteyksissä. Sen päätavoitteena on yhdistää autonomiset ajoneuvot infrastruktuuriin, ja se auttaa myös ajoneuvojen lokalisoinnissa. Lisäksi sitä voidaan käyttää yhdistämään ajoneuvo muihin RSU:ihin, joissa käytetään erilaisia verkkotopologiat. Lisäksi niitä on käytetty ympäristön energialähteillä, mukaan lukien aurinkovoimalla.
- Trusted Authority (TA): Se on elin, joka valvoo VANET-prosessin jokaista vaihetta ja varmistaa, että vain lailliset RSU:t ja ajoneuvon OBU:t voivat rekisteröityä ja olla vuorovaikutuksessa. Vahvistamalla OBU-tunnuksen ja tunnistamalla ajoneuvon se tarjoaa turvallisuutta. Lisäksi se löytää haitallista viestintää ja outoa käyttäytymistä.
VANETeja käytetään ajoneuvoviestintään, joka sisältää V2V-, V2I- ja V2X-viestinnän.
Vehicle 2 Vehicle Communication
Autojen kyky keskustella toistensa kanssa ja vaihtaa tärkeitä tietoja liikenneruuhkista, onnettomuuksista ja nopeusrajoituksista tunnetaan ajoneuvojen välisenä viestinnänä (IVC).
V2V-kommunikaatio voi luoda verkon yhdistämällä useita solmuja (ajoneuvoja) verkkotopologian avulla, joko osittain tai kokonaan.
Ne luokitellaan yhden hypyn (SIVC) tai multi-hop (MIVC) -järjestelmiksi riippuen siitä, kuinka monta hyppyä ajoneuvojen väliseen viestintään käytetään.
Vaikka MIVC:tä voidaan käyttää pitkän kantaman viestintään, kuten liikenteen valvontaan, SIVC:tä voidaan käyttää lyhyen kantaman sovelluksissa, kuten kaistan yhdistäminen, ACC jne.
V2V-tiedonsiirron kautta tarjotaan lukuisia etuja, kuten BSD, FCWS, automaattinen hätäjarrutus (AEB) ja LDWS.
Ajoneuvon 2 infrastruktuuriviestintä
Autot voivat kommunikoida RSU:iden kanssa prosessin kautta, joka tunnetaan nimellä roadside-to-vehicle communication (RVC). Se auttaa havaitsemaan pysäköintimittarit, kamerat, kaistamerkit ja liikennevalot.
Ad hoc, langaton ja kaksisuuntainen yhteys autojen ja infrastruktuurin välillä.
Liikenteen hallintaan ja valvontaan käytetään infrastruktuurin tietoja. Niitä käytetään säätämään erilaisia nopeusparametreja, joiden avulla autot voivat maksimoida polttoainetalouden ja hallita liikennevirtaa.
RVC-järjestelmä voidaan erottaa Sparse RVC:ksi (SRVC) ja Ubiquitous RVC:ksi infrastruktuurista riippuen (URVC).
SRVC-järjestelmä tarjoaa viestintäpalveluita vain hotspoteissa, kuten avoimien parkkipaikkojen tai huoltoasemien paikantamiseen, kun taas URVC-järjestelmä tarjoaa peiton koko reitin varrella, myös suurilla nopeuksilla.
Verkon peiton takaamiseksi URVC-järjestelmä vaatii suuren investoinnin.
Vehicle 2 Kaikki viestintä
Auto voi muodostaa yhteyden muihin kokonaisuuksiin V2X:n kautta, mukaan lukien jalankulkijat, tienvarsiobjektit, laitteet ja Grid (V2P, V2R ja V2D) (V2G).
Tällaista viestintää käyttämällä kuljettajat voivat välttää vaarassa olevien jalankulkijoiden, pyöräilijöiden ja moottoripyöräilijöiden törmäämisen.
Jalankulkijoiden törmäysvaroitusjärjestelmä (PCW) voi varoittaa kuljettajaa tienvarsimatkustajasta ennen katastrofaalista törmäystä V2X-viestinnän ansiosta.
Lähettääkseen jalankulkijalle tärkeitä viestejä PCW voi hyödyntää älypuhelimen Bluetoothia tai Near Field Communication (NFC) -tekniikkaa.
Yhteenveto
Autonomisten autojen rakentamisessa käytetyillä monilla tekniikoilla voi olla suuri vaikutus niiden toimintaan.
Aluksi auto kehittää kartan ympäristöstään käyttämällä erilaisia antureita, jotka antavat tietoa sen ympärillä olevasta reitistä ja muista sen tiellä olevista ajoneuvoista.
Nämä tiedot analysoidaan sitten monimutkaisella koneoppimisjärjestelmällä, joka luo joukon toimenpiteitä autolle suoritettaviksi. Näitä käyttäytymismalleja muutetaan ja päivitetään säännöllisesti, kun järjestelmä oppii lisää ajoneuvon ympäristöstä.
Huolimatta pyrkimyksistäni esittää sinulle yleiskatsauksen autonomisen ajoneuvojärjestelmän arkkitehtuurista, kulissien takana tapahtuu paljon muutakin.
Toivon todella, että koet tämän tiedon arvokkaana ja käytät sitä.
Jätä vastaus