विषयसूची[लुकाउनुहोस्][देखाउनु]
सेन्सर र सफ्टवेयर मोटरसाइकल, अटोमोबाइल, ट्रक, र ड्रोन सहित विभिन्न प्रकारका सवारी साधनहरू नेभिगेट गर्न, स्टेयर गर्न र सञ्चालन गर्न स्वायत्त सवारी साधनहरूमा संयुक्त हुन्छन्।
तिनीहरू कसरी विकसित वा डिजाइन गरिएका थिए भन्ने आधारमा, उनीहरूलाई चालक सहायता आवश्यक पर्न सक्छ वा नहुन सक्छ।
पूर्ण स्वायत्त कारहरू मानव चालक बिना सुरक्षित रूपमा चल्न सक्छन्। केहि, जस्तै Google को Waymo अटोमोबाइल, स्टेयरिङ ह्वील पनि थिएन।
आंशिक रूपमा स्वायत्त सवारी साधन, जस्तै a tesla, गाडीको पूर्ण नियन्त्रण मान्न सक्छ तर यदि प्रणाली शङ्कामा चल्छ भने सहयोग गर्न मानव चालक चाहिन्छ।
लेन निर्देशन र ब्रेकिङ मद्दतबाट पूर्ण रूपमा स्वतन्त्र, सेल्फ-ड्राइभिङ प्रोटोटाइपसम्म यी कारहरूमा सेल्फ-अटोमेसनका विभिन्न डिग्रीहरू समावेश छन्।
चालकरहित अटोमोबाइलको लक्ष्य ट्राफिक, उत्सर्जन, र दुर्घटना दरहरू कम गर्नु हो।
यो सम्भव छ किनभने स्वायत्त सवारी साधनहरू मानिसहरू भन्दा ट्राफिक नियमहरू पालन गर्न माहिर हुन्छन्।
सहज ड्राइभको लागि, निश्चित जानकारी आवश्यक छ, जस्तै कारको स्थान वा कुनै पनि नजिकका वस्तुहरू, गन्तव्यको सबैभन्दा छोटो र सुरक्षित मार्ग, र ड्राइभिङ प्रणाली सञ्चालन गर्ने क्षमता।
कहिले र कसरी आवश्यक कार्यहरू पूरा गर्ने भनेर बुझ्न महत्त्वपूर्ण छ।
यस लेखले धेरै जमीन कभर गर्नेछ, सहित प्रणाली वास्तुकला स्वायत्त कारहरू, आवश्यक घटकहरू, र सवारीसाधन तदर्थ नेटवर्कहरू (VANETs) को लागि।
स्वायत्त सवारी साधनका लागि आवश्यक पर्ने सामग्रीहरू
आजका स्वायत्त सवारी साधनहरूले विभिन्न किसिमका सेन्सरहरू प्रयोग गर्छन्, जसमा क्यामेरा, जीपीएस, इनरशियल मापन इकाइहरू (IMUs), सोनार, लेजर इल्युमिनेशन डिटेक्शन र दायरा (lidar), रेडियो पत्ता लगाउने र दायरा (राडार), ध्वनि नेभिगेसन, र दायरा (सोनार), र 3D नक्सा।
सँगै, यी सेन्सरहरू र प्रविधिहरूले स्टेयरिङ, एक्सेलेरेसन र ब्रेकिङलाई नियन्त्रण गर्नको लागि वास्तविक समयमा डाटा विश्लेषण गर्छन्।
राडार सेन्सरहरूले वरपरका कारहरूको ठेगानाको ट्र्याक राख्न मद्दत गर्दछ। पार्किङको क्रममा सवारीसाधनलाई अल्ट्रासोनिक सेन्सरको सहायता लिइन्छ।
लिडर भनिने प्रविधि दुवै प्रकारका सेन्सरहरू प्रयोग गरेर सिर्जना गरिएको थियो। अटोमोबाइल वरपरको वातावरणबाट प्रकाश पल्स प्रतिबिम्बित गरेर, लिडर सेन्सरहरूले सडकको मार्जिन पत्ता लगाउन र लेन मार्करहरू पहिचान गर्न सक्छन्।
यसले अन्य सवारी, पैदल यात्रीहरू र साइकलहरू जस्ता छेउछाउका अवरोधहरूका चालकहरूलाई पनि चेतावनी दिन्छ।
कार वरपरका सबै चीजहरूको साइज र दूरी लिडर टेक्नोलोजी प्रयोग गरेर मापन गरिन्छ, जसले थ्रीडी नक्सा पनि बनाउँछ जसले गाडीलाई आफ्नो वरपरको अवस्था हेर्न र कुनै पनि जोखिमहरू पहिचान गर्न अनुमति दिन्छ।
दिनको समय जुनसुकै होस्, चाहे त्यो उज्यालो होस् वा उदास, यसले विभिन्न प्रकारको परिवेशको प्रकाशमा जानकारी रेकर्ड गर्ने उत्कृष्ट काम गर्छ।
अटोमोबाइलले क्यामेरा, रडार, र GPS एन्टेनाहरू प्रयोग गर्दछ, सँगै लिडर र क्यामेराहरू, यसको वरपर पत्ता लगाउन र यसको स्थान पहिचान गर्न।
क्यामेराले पैदल यात्री, बाइकर, अटोमोबाइल, र अन्य बाधाहरूको लागि जाँच गर्दछ जबकि ट्राफिक संकेतहरू पत्ता लगाउँदछ, सडक संकेतहरू र चिन्हहरू पढ्छ, र अन्य सवारीहरूको ट्रयाक राख्छ।
जे होस्, उनीहरूलाई अँध्यारो वा छायाँ भएको क्षेत्रमा गाह्रो हुन सक्छ। एउटा स्वायत्त सवारी साधनले आफ्नो अगाडिको सडकलाई डिजिटल रूपमा नक्सा गर्न lidar, radar, क्यामेरा, GPS एन्टेना, र अल्ट्रासोनिक सेन्सरहरूको मिश्रण प्रयोग गरेर यो कहाँ जाँदैछ भनेर हेर्न सक्छ।
उच्च-स्तरीय प्रणाली वास्तुकला
आवश्यक सेन्सरहरू, एक्चुएटरहरू, हार्डवेयर, र सफ्टवेयरहरू वास्तुकलामा सूचीबद्ध छन्, जसले AVs मा सम्पूर्ण सञ्चार संयन्त्र वा प्रोटोकल पनि देखाउँछ।
बोध
यस चरणमा वातावरणको सम्बन्धमा AV को स्थान पहिचान गर्ने र विभिन्न प्रकारका सेन्सरहरू प्रयोग गरेर AV वरपरको वातावरणलाई सेन्स गर्ने समावेश छ।
AV ले यस चरणमा RADAR, LIDAR, क्यामेरा, वास्तविक समय काइनेटिक (RTK), र अन्य सेन्सरहरू प्रयोग गर्दछ। पहिचान मोड्युलहरूले यी सेन्सरहरूबाट डाटा प्राप्त गर्छन् र यसलाई पास गरेपछि प्रशोधन गर्छन्।
सामान्यतया, AV मा एक नियन्त्रण प्रणाली, LDWS, TSR, अज्ञात अवरोध पहिचान (UOR), एक वाहन स्थिति र स्थानीयकरण (VPL) मोड्युल, आदि समावेश छन्।
संयुक्त जानकारी प्रक्रिया पछि निर्णय लिने र योजना को चरण मा दिइन्छ।
निर्णय र योजना
AV को चालहरू र व्यवहारहरू धारणा प्रक्रियाको क्रममा प्राप्त जानकारी प्रयोग गरेर यस चरणमा निर्णय, योजना र नियन्त्रण गरिन्छ।
यो चरण, जुन मस्तिष्कले प्रतिनिधित्व गर्दछ, जहाँ बाटो योजना, कार्य भविष्यवाणी, अवरोध बेवास्ता, आदि जस्ता चीजहरूमा छनौट गरिन्छ।
छनोट जानकारीमा आधारित छ जुन अहिले र ऐतिहासिक रूपमा पहुँचयोग्य छ, वास्तविक समय नक्सा डेटा, ट्राफिक विवरणहरू, प्रवृत्तिहरू, प्रयोगकर्ता जानकारी, आदि सहित।
त्यहाँ एक डाटा लग मोड्युल हुन सक्छ जुन पछि प्रयोगको लागि गल्ती र डाटा ट्रयाक राख्छ।
नियन्त्रण
कन्ट्रोल मोड्युलले निर्णय र योजना मोड्युलबाट जानकारी प्राप्त गरेपछि AV को भौतिक नियन्त्रण, जस्तै स्टीयरिङ, ब्रेकिङ, एक्सेलेरेटिङ, इत्यादि कार्यहरू/कार्यहरू कार्यान्वयन गर्दछ।
चेसिस
अन्तिम चरणमा चेसिसमा टाँसिएका मेकानिकल भागहरू, जस्तै गियर मोटर, स्टेयरिङ ह्वील मोटर, ब्रेक पेडल मोटर, र एक्सेलेटर र ब्रेकका लागि पेडल मोटरहरूसँग अन्तरक्रिया गर्ने समावेश हुन्छ।
नियन्त्रण मोड्युलले यी सबै कम्पोनेन्टहरूलाई सङ्केत र व्यवस्थापन गर्छ।
अब हामी विभिन्न कुञ्जी सेन्सरहरूको डिजाइन, सञ्चालन र प्रयोगको बारेमा कुरा गर्नु अघि AV को सामान्य सञ्चारको बारेमा कुरा गर्नेछौं।
राडार
AVs मा, RADAR हरू अटोमोबाइल र अन्य वस्तुहरू फेला पार्न र पत्ता लगाउन वातावरण स्क्यान गर्न प्रयोग गरिन्छ।
रडारहरू प्रायः दुबै सैन्य र नागरिक उद्देश्यहरूमा प्रयोग गरिन्छ, जस्तै एयरपोर्टहरू वा मौसम विज्ञान प्रणालीहरू, र तिनीहरू मिलिमिटर-वेभ (मिमी-वेभ) स्पेक्ट्रममा काम गर्छन्।
24, 60, 77, र 79 GHz सहित विभिन्न फ्रिक्वेन्सी ब्यान्डहरू, समकालीन अटोमोबाइलहरूमा प्रयोग गरिन्छ र 5 देखि 200 m [10] को मापन दायरा हुन्छ।
ट्रान्समिटेड सिग्नल र फर्काइएको प्रतिध्वनि बीचको ToF गणना गरेर, AV र वस्तु बीचको दूरी निर्धारण गरिन्छ।
AVs मा, RADAR हरूले दायरा रिजोल्युसन र बहु लक्ष्य पहिचान बढाउन लोबहरूको संग्रह सिर्जना गर्ने माइक्रो-एन्टेनाहरूको एर्रे प्रयोग गर्दछ। mm-Wave RADAR ले यसको बढ्दो प्रवेशयोग्यता र ठूलो ब्यान्डविथको कारणले डप्लर शिफ्टमा भिन्नता प्रयोग गरेर कुनै पनि दिशामा नजिक-दायरा वस्तुहरू ठीकसँग मूल्याङ्कन गर्न सक्छ।
एमएम-वेभ रडारहरूको लामो तरंग लम्बाइ भएको हुनाले, तिनीहरूले पानी, हिउँ, कुहिरो र कम प्रकाशमा काम गर्न सक्षम पार्ने एन्टी-ब्लकिङ र एन्टी-पोल्युसन क्षमताहरू देखाउँछन्।
थप रूपमा, डप्लर शिफ्ट मिमी-वेभ रडारहरू मार्फत सापेक्ष वेग गणना गर्न प्रयोग गर्न सकिन्छ। तिनीहरूको क्षमताको कारण, mm-वेभ रडारहरू अवरोध पत्ता लगाउने, र पैदल यात्री र सवारी साधन पहिचान सहित AV अनुप्रयोगहरूको विस्तृत दायराका लागि उपयुक्त छन्।
अल्ट्रासोनिक सेन्सर
यी सेन्सरहरूले 20-40 kHz दायरामा काम गर्छन् र अल्ट्रासोनिक तरंगहरू प्रयोग गर्छन्। वस्तुको दूरी नाप्न प्रयोग गरिने चुम्बकीय प्रतिरोधी झिल्लीले यी तरंगहरू उत्पादन गर्छ।
प्रतिध्वनित संकेतमा उत्सर्जित तरंगको उडान समय (ToF) गणना गरेर, दूरी निर्धारण गरिन्छ। अल्ट्रासोनिक सेन्सरहरूको सामान्य दायरा 3 मिटर भन्दा कम छ।
सेन्सर आउटपुट प्रत्येक 20 ms मा ताजा गरिन्छ, जसले यसलाई ITS को कठोर QoS आवश्यकताहरू अनुरूप हुनबाट रोक्छ। यी सेन्सरहरूसँग अपेक्षाकृत सानो बीम पत्ता लगाउने दायरा छ र निर्देशित छन्।
त्यसकारण, पूर्ण-क्षेत्र दर्शन प्राप्त गर्न, धेरै सेन्सरहरू आवश्यक छन्। यद्यपि, धेरै सेन्सरहरूले अन्तरक्रिया गर्नेछन् र महत्त्वपूर्ण दायरा अशुद्धताहरूको परिणाम हुन सक्छ।
LiDAR
LiDAR मा 905 र 1550 nm को स्पेक्ट्रा प्रयोग गरिन्छ। 905 एनएम दायराबाट मानव आँखा रेटिनल क्षतिको लागि अतिसंवेदनशील भएकोले, हालको LiDAR रेटिनल क्षति कम गर्न 1550 एनएम ब्यान्डमा काम गर्दछ।
200 मिटर सम्म LiDAR को अधिकतम कार्य दायरा हो। ठोस राज्य, 2D, र 3D LiDAR LiDAR को विभिन्न उपश्रेणीहरू हुन्।
एउटै लेजर बीम 2D LiDAR मा द्रुत रूपमा घुम्ने ऐनामा फैलिएको छ। पोडमा धेरै लेजरहरू राखेर, 3D LiDAR ले वरपरको 3D चित्र प्राप्त गर्न सक्छ।
यो प्रदर्शन गरिएको छ कि सडकको छेउमा LiDAR प्रणालीले दुबै छेउछाउ र गैर-छेउछाउका क्षेत्रहरूमा सवारीसाधनदेखि पैदल यात्री (V2P) टक्करहरूको संख्या कम गर्दछ।
यसले 16-लाइन, वास्तविक-समय, कम्प्युटेशनली प्रभावकारी LiDAR प्रणाली प्रयोग गर्दछ।
यो गहिरो स्वत: एन्कोडर कृत्रिम प्रयोग गर्न सुझाव दिइएको छ तंत्रिका सञ्जाल (DA-ANN), जसले ३० मिटर दायरामा ९५% को शुद्धता प्राप्त गर्दछ।
मा, यो प्रदर्शन गरिएको छ कि कसरी समर्थन भेक्टर मेसिन (SVM) मा आधारित एल्गोरिथ्म 64-लाइन 3D LiDAR सँग मिलाएर पैदल यात्रुको पहिचान बढाउन सक्छ।
एमएम-वेभ राडार भन्दा राम्रो मापन सटीक र थ्रीडी भिजन भए तापनि, LiDAR ले कुहिरो, हिउँ र वर्षा लगायत प्रतिकूल मौसममा कम राम्रो प्रदर्शन गर्छ।
क्यामेरा
यन्त्रको तरंगदैर्ध्यमा निर्भर गर्दै, AVs मा क्यामेरा या त इन्फ्रारेड वा दृश्य प्रकाश-आधारित हुन सक्छ।
चार्ज-कपल्ड उपकरण (CCD) र पूरक धातु-अक्साइड-सेमिकन्डक्टर (CMOS) छवि सेन्सरहरू क्यामेरा (CMOS) मा प्रयोग गरिन्छ।
लेन्स गुणस्तरमा निर्भर गर्दै, क्यामेराको अधिकतम दायरा लगभग 250 मिटर छ। देखिने क्यामेराहरूद्वारा प्रयोग गरिएका तीनवटा ब्यान्डहरू-रातो, हरियो र निलो—मानिसको आँखा वा ४००–७८० एनएम (आरजीबी) जत्तिकै तरंग दैर्ध्यले छुट्याइन्छ।
दुई VIS क्यामेराहरू स्थापित फोकल लम्बाइहरूसँग जोडिएका छन् नयाँ च्यानल सिर्जना गर्न जुन गहिराई (D) जानकारी समावेश गर्दछ, स्टेरियोस्कोपिक दृष्टि सिर्जना गर्न अनुमति दिन्छ।
क्यामेरा (RGB-D) मार्फत यो क्षमताको कारण गाडी वरपरको क्षेत्रको थ्रीडी दृश्य प्राप्त गर्न सकिन्छ।
780 nm र 1 mm बीचको तरंग लम्बाइ भएका निष्क्रिय सेन्सरहरू इन्फ्रारेड (IR) क्यामेराद्वारा प्रयोग गरिन्छ। शिखर रोशनीमा, AVs मा IR सेन्सरहरूले दृश्य नियन्त्रण प्रदान गर्दछ।
यो क्यामेराले वस्तु पहिचान, साइड भ्यू कन्ट्रोल, दुर्घटना रेकर्डिङ, र BSD मार्फत AVs लाई सहायता गर्छ। यद्यपि, प्रतिकूल मौसममा, जस्तै हिउँ, कुहिरो, र प्रकाश अवस्थाहरू परिवर्तन गर्दा, क्यामेराको कार्यसम्पादनमा परिवर्तन हुन्छ।
क्यामेराको प्राथमिक फाइदाहरू यसको बनावट, रङ वितरण, र वातावरणको आकार ठीकसँग सङ्कलन र रेकर्ड गर्ने क्षमता हो।
ग्लोबल नेभिगेसन स्याटेलाइट प्रणाली र ग्लोबल पोजिसनिङ सिस्टम, इनरशियल मापन एकाइ
यो टेक्नोलोजीले AV लाई यसको सटीक स्थान इंगित गरेर नेभिगेट गर्न मद्दत गर्दछ। GNSS द्वारा ग्रहको सतह वरिपरि कक्षमा रहेका उपग्रहहरूको समूहलाई स्थानीयकरण गर्न प्रयोग गरिन्छ।
प्रणालीले AV को स्थान, गति र सटीक समयमा डाटा भण्डारण गर्छ।
यसले प्राप्त संकेत र उपग्रहको उत्सर्जन बीचको ToF पत्ता लगाएर काम गर्दछ। ग्लोबल पोजिसनिङ सिस्टम (GPS) निर्देशांकहरू प्राय: AV स्थान प्राप्त गर्न प्रयोग गरिन्छ।
GPS- निकालिएका निर्देशांकहरू सधैं सटीक हुँदैनन्, र तिनीहरूले सामान्यतया 3 m को औसत मान र 1 m को मानक भिन्नताको साथ स्थितिगत त्रुटि थप्छन्।
महानगरीय परिस्थितिहरूमा, प्रदर्शन थप बिग्रन्छ, 20 मिटर सम्मको स्थानमा त्रुटिको साथ, र केहि गम्भीर परिस्थितिहरूमा, GPS स्थिति त्रुटि लगभग 100 मिटर हुन्छ।
थप रूपमा, AVs ले गाडीको स्थिति ठीकसँग निर्धारण गर्न RTK प्रणाली प्रयोग गर्न सक्छ।
AVs मा, गाडीको स्थिति र दिशा पनि डेड रेकनिङ (DR) र inertial स्थिति प्रयोग गरेर निर्धारण गर्न सकिन्छ।
सेन्सर फ्यूजन
उचित सवारी व्यवस्थापन र सुरक्षाको लागि, AVs ले स्थान, स्थिति, र तौल, स्थिरता, वेग, आदि जस्ता सवारी साधनका अन्य कारकहरूको सटीक, वास्तविक-समय ज्ञान प्राप्त गर्नुपर्छ।
यो जानकारी विभिन्न प्रकारका सेन्सरहरू प्रयोग गरेर AVs द्वारा सङ्कलन गर्नुपर्छ।
धेरै सेन्सरहरूबाट प्राप्त डाटा मर्ज गरेर, सेन्सर फ्युजन प्रविधि सुसंगत जानकारी उत्पादन गर्न प्रयोग गरिन्छ।
विधिले पूरक स्रोतहरूबाट प्राप्त अप्रशोधित डाटाको संश्लेषणलाई अनुमति दिन्छ।
नतिजाको रूपमा, सेन्सर फ्युजनले विभिन्न सेन्सरहरूबाट सङ्कलन गरिएका सबै उपयोगी डेटाहरू मर्ज गरेर AV लाई आफ्नो वरपरको परिवेशलाई सही रूपमा बुझ्न सक्षम बनाउँछ।
AVs मा फ्युजन प्रक्रिया पूरा गर्न Kalman फिल्टर र Bayesian फिल्टर सहित विभिन्न प्रकारका एल्गोरिदमहरू प्रयोग गरिन्छ।
किनभने यो RADAR ट्र्याकिङ, उपग्रह नेभिगेसन प्रणाली, र अप्टिकल ओडोमेट्री सहित धेरै अनुप्रयोगहरूमा प्रयोग गरिन्छ, कलमान फिल्टरलाई सवारी साधनलाई स्वायत्त रूपमा सञ्चालन गर्नको लागि महत्त्वपूर्ण मानिन्छ।
सवारी साधन तदर्थ नेटवर्क (VANETs)
VANETs मोबाइल तदर्थ नेटवर्कहरूको नयाँ उपवर्ग हो जसले सहज रूपमा मोबाइल उपकरण/वाहनहरूको नेटवर्क बनाउन सक्छ। वाहन-देखि-वाहन (V2V) र वाहन-देखि-पूर्वाधार (V2I) संचार VANETs मार्फत सम्भव छ।
यस्तो प्रविधिको प्राथमिक लक्ष्य सडक सुरक्षा बढाउनु हो। उदाहरणका लागि, दुर्घटना र ट्राफिक जाम जस्ता खतरनाक परिस्थितिहरूमा, कारहरूले महत्त्वपूर्ण जानकारी रिले गर्न एकअर्का र नेटवर्कसँग अन्तरक्रिया गर्न सक्छन्।
निम्न VANET प्रविधिका प्राथमिक घटकहरू छन्:
- OBU (अन-बोर्ड एकाइ): यो एक GPS-आधारित ट्र्याकिङ प्रणाली हो जुन प्रत्येक गाडीमा राखिएको हुन्छ जसले तिनीहरूलाई एकअर्कासँग र सडक छेउमा इकाइहरू (RSU) सँग अन्तरक्रिया गर्न अनुमति दिन्छ। ओबीयू धेरै इलेक्ट्रोनिक कम्पोनेन्टहरूले सुसज्जित छ, जसमा रिसोर्स कमाण्ड प्रोसेसर (आरसीपी), सेन्सर उपकरणहरू, र प्रयोगकर्ता इन्टरफेस, आवश्यक जानकारी प्राप्त गर्न। यसको प्राथमिक उद्देश्य धेरै RSUs र OBUs बीच सञ्चार गर्न वायरलेस नेटवर्क प्रयोग गर्नु हो।
- रोडसाइड युनिट (RSU): RSU हरू निश्चित कम्प्युटर एकाइहरू हुन् जुन सडक, पार्किङ स्थल र जंक्शनहरूमा सटीक बिन्दुहरूमा राखिएको हुन्छ। यसको प्रमुख उद्देश्य स्वायत्त सवारी साधनहरूलाई पूर्वाधारमा जोड्नु हो र यसले सवारी साधनको स्थानीयकरणमा पनि मद्दत गर्छ। थप रूपमा, यो विभिन्न प्रयोग गरी अन्य RSUs लाई सवारी साधन लिंक गर्न प्रयोग गर्न सकिन्छ नेटवर्क टोपोलोजी। थप रूपमा, तिनीहरू सौर्य ऊर्जा लगायत एम्बियन्ट ऊर्जा स्रोतहरूमा चलाइएको छ।
- विश्वसनीय प्राधिकरण (TA): यो एक निकाय हो जसले VANETs प्रक्रियाको प्रत्येक चरणलाई नियन्त्रण गर्दछ, यो सुनिश्चित गर्दै कि वैध RSUs र सवारी साधन OBU हरूले मात्र दर्ता र अन्तरक्रिया गर्न सक्छन्। OBU आईडी पुष्टि गरेर र सवारी साधन प्रमाणीकरण गरेर, यसले सुरक्षा प्रदान गर्दछ। थप रूपमा, यसले हानिकारक संचार र अनौठो व्यवहार फेला पार्छ।
VANETs सवारीसाधन सञ्चारका लागि प्रयोग गरिन्छ, जसमा V2V, V2I, र V2X सञ्चार समावेश हुन्छ।
सवारी साधन 2 सवारी साधन संचार
अटोमोबाइलहरू एकअर्कासँग कुरा गर्न र ट्राफिक जाम, दुर्घटनाहरू, र गति प्रतिबन्धहरू सम्बन्धी महत्त्वपूर्ण जानकारी आदानप्रदान गर्न सक्ने क्षमतालाई अन्तर-वाहन सञ्चार (IVC) भनिन्छ।
V2V कम्युनिकेशनले मेस टोपोलोजी प्रयोग गरी विभिन्न नोडहरू (वाहनहरू) एकसाथ जोडेर नेटवर्क सिर्जना गर्न सक्छ, आंशिक वा पूर्ण।
तिनीहरूलाई एकल-हप (SIVC) वा बहु-हप (MIVC) प्रणालीहरूको रूपमा वर्गीकृत गरिन्छ जुन अन्तर-वाहन सञ्चारको लागि कति हपहरू प्रयोग गरिन्छ।
MIVC लाई ट्राफिक अनुगमन जस्ता लामो दुरीका सञ्चारका लागि प्रयोग गर्न सकिन्छ भने, SIVC लेन मर्जर, ACC, आदि जस्ता छोटो दुरीका अनुप्रयोगहरूको लागि प्रयोग गर्न सकिन्छ।
BSD, FCWS, स्वचालित आपतकालीन ब्रेकिङ (AEB), र LDWS लगायतका धेरै फाइदाहरू V2V संचार मार्फत प्रदान गरिन्छ।
सवारी साधन २ पूर्वाधार सञ्चार
अटोमोबाइलहरूले रोडसाइड-टु-वेहिकल कम्युनिकेसन (RVC) भनेर चिनिने प्रक्रिया मार्फत RSUs सँग सञ्चार गर्न सक्छन्। यसले पार्किङ मिटरहरू, क्यामेराहरू, लेन मार्करहरू, र ट्राफिक संकेतहरू पत्ता लगाउन मद्दत गर्दछ।
तदर्थ, वायरलेस, र कार र पूर्वाधार बीच द्विदिश जडान।
ट्राफिकको प्रशासन र पर्यवेक्षणको लागि, पूर्वाधारको डाटा कार्यरत छ। तिनीहरू विभिन्न गति प्यारामिटरहरू समायोजन गर्न प्रयोग गरिन्छ जसले कारहरूलाई इन्धन अर्थव्यवस्था अधिकतम गर्न र ट्राफिक प्रवाह व्यवस्थापन गर्न अनुमति दिन्छ।
RVC प्रणालीलाई पूर्वाधार (URVC) को आधारमा स्पार्स RVC (SRVC) र सर्वव्यापी RVC मा विभाजन गर्न सकिन्छ।
SRVC प्रणालीले हटस्पटहरूमा मात्र सञ्चार सेवाहरू प्रदान गर्दछ, जस्तै खुला पार्किङ ठाउँहरू वा पेट्रोल स्टेशनहरू पत्ता लगाउन, जबकि URVC प्रणालीले उच्च गतिमा पनि सम्पूर्ण मार्गमा कभरेज प्रदान गर्दछ।
नेटवर्क कभरेजको ग्यारेन्टी गर्नको लागि, URVC प्रणालीलाई ठूलो लगानी आवश्यक छ।
सवारी साधन 2 सबै संचार
कारले V2X मार्फत पैदल यात्रीहरू, सडक छेउका वस्तुहरू, उपकरणहरू, र ग्रिड (V2P, V2R, र V2D) (V2G) सहित अन्य निकायहरूसँग जडान गर्न सक्छ।
यस प्रकारको सञ्चार प्रयोग गरेर, चालकहरूले जोखिममा रहेका पैदल यात्रीहरू, साइकल चालकहरू र मोटरसाइकल सवारहरूलाई हिर्काउनबाट जोगिन सक्छन्।
पेडेस्ट्रियन कोलिजन वार्निङ (PCW) प्रणालीले V2X कम्युनिकेसनको कारणले विनाशकारी टक्कर हुनु अघि सडक छेउमा रहेका यात्रुका चालकलाई चेतावनी दिन सक्छ।
पैदल यात्री महत्त्वपूर्ण सन्देशहरू पठाउनको लागि, PCW ले स्मार्टफोनको ब्लुटुथ वा नियर फिल्ड कम्युनिकेसन (NFC) को फाइदा लिन सक्छ।
निष्कर्ष
स्वायत्त कारहरू निर्माण गर्न प्रयोग गरिएका धेरै प्रविधिहरूले तिनीहरू कसरी सञ्चालन गर्छन् भन्नेमा ठूलो प्रभाव पार्न सक्छ।
यसको सबैभन्दा आधारभूत रूपमा, कारले यसको वरपरको मार्ग र यसको मार्गमा अन्य सवारी साधनहरूको बारेमा जानकारी प्रदान गर्ने सेन्सरहरूको एर्रे प्रयोग गरेर आफ्नो वरपरको नक्सा विकास गर्छ।
यस डाटालाई त्यसपछि जटिल मेसिन-लर्निङ प्रणालीद्वारा विश्लेषण गरिन्छ, जसले कारलाई कार्यान्वयन गर्नका लागि कार्यहरूको सेट उत्पन्न गर्छ। यी व्यवहारहरू नियमित रूपमा परिवर्तन र अद्यावधिक हुन्छन् किनभने प्रणालीले सवारी साधनको वरपरको बारेमा थप जान्छ।
स्वायत्त वाहन प्रणाली वास्तुकला को एक सिंहावलोकन संग प्रस्तुत गर्न मेरो सबै भन्दा राम्रो प्रयास को बावजुद, त्यहाँ पर्दा पछाडि धेरै जाँदैछ।
म साँच्चै आशा गर्छु कि तपाईंले यो ज्ञान मूल्यवान पाउनुहुनेछ र यसलाई प्रयोग गर्नुहुनेछ।
जवाफ छाड्नुस्