Автономное вождение кажется чем-то далеким, но наши автомобили уже оснащены некоторыми из его технологий. Такие системы, как адаптивный круиз-контроль и помощь в поддержании полосы движения на многих новых моделях автомобилей, значительно избавляют водителей от бремени утомительных задач вождения, таких как движение по пустой автостраде или остановка и движение в пробках в час пик.
Эти возможности можно отнести только к частично автоматизированному вождению, и существует множество проблем, связанных с достижением полностью автономного вождения в реальном мире. Например, сложные сценарии, такие как слияние со съезда с высокоскоростным транспортным потоком на шоссе или незащищенный поворот налево на перекрестке (где повороты налево разрешены, но нет специального сигнала светофора для левого поворота) требуют автоматизированное транспортное средство, чтобы делать точные прогнозы поведения окружающих транспортных средств. Это чрезвычайно сложно из-за больших различий между стилями вождения водителей транспортных средств, которые вносят многочисленные неопределенности в расчеты.
Цифровой двойник — виртуальное представление физического объекта или системы — позволяет нам использовать не только информацию в реальном времени, но и исторические данные для облегчения принятия решений для автоматизированного транспортного средства. Цифровой двойник, хранящийся на облачном сервере, может учиться на основе всех выборочных данных и строить точные модели, чтобы делать более обоснованные прогнозы, чем если бы он просто полагался на бортовую информацию в реальном времени.
Контент цифрового двойника состоит из «датчиков восприятия» автоматизированного транспортного средства, таких как камера, радар и датчики обнаружения и определения дальности света (LiDAR), которые могут воспринимать окружающую среду транспортного средства и собирать данные. Эти данные помечены и распределены по различным группам, например, вождение по шоссе в сравнении с вождением в городе, следование за автомобилем в сравнении с изменением полосы движения, вождение в дневное время и вождение в ночное время. Затем продвинутые алгоритмы машинного обучения могут изучать поведение окружающих объектов (включая транспортные средства и пешеходов) в каждой сцене. Эти изученные модели затем используются в режиме реального времени для прогнозирования поведения.
Помимо датчиков восприятия на транспортном средстве, Лаборатория цифровых близнецов в Purdue, которую я возглавляю, использует технологии беспроводной связи, позволяющие автоматизированным транспортным средствам передавать информацию друг другу или транспортной инфраструктуре, что делает их подключенными и автоматизированными транспортными средствами. Это позволяет транспортным средствам видеть дальше по дороге, даже то, что не находится на их горизонте.
Например, транспортные средства на съезде с автострады могут общаться с другими транспортными средствами на автостраде, корректируя свое положение и скорость задолго до того, как они действительно увидят друг друга. Транспортные средства, движущиеся к перекрестку, также могут связываться со встроенным придорожным устройством, установленным на этом перекрестке, поэтому информация о дорожном движении в реальном времени со всех направлений может быть передана этим транспортным средствам до того, как они прибудут на перекресток.
Мы предложили всеобъемлющую структуру мобильных цифровых двойников (MDT) для улучшения этих мобильных систем с точки зрения безопасности, эффективности и экологической устойчивости. Это основанная на искусственном интеллекте (ИИ), управляемая данными, граничная облачная среда устройства, в которой используются передовые технологии, такие как машинное обучение, облачные/граничные вычисления и смешанная реальность.
Платформа состоит из трех физических строительных блоков: человек, транспортное средство и трафик. Человек включает в себя всех людей, участвующих в транспортной системе — не только водителей, но и пассажиров, пешеходов, велосипедистов и т. д. Транспортное средство является ядром этой структуры MDT, поскольку оно «принимает» водителей и пассажиров и является фундаментальным компонентом дорожного движения. , включая транспортные средства с возможностями автоматизации и/или связи. Traffic включает в себя интеллектуальную транспортную инфраструктуру, такую как светофоры и дорожные знаки.
Кроме того, платформа состоит из трех цифровых строительных блоков: цифровых двойников человека, цифровых двойников транспортных средств и цифровых двойников дорожного движения. Вся структура обеспечивает комплексное покрытие: физические строительные блоки отвечают за выборку данных и выполнение команд, а цифровые строительные блоки управляют всеми промежуточными процессами, включая хранение данных, моделирование, обучение, симуляцию и прогнозирование.
В конечном счете, мы изучаем создание ориентированных на человека подключенных и автоматизированных транспортных средств, которые действительно понимают людей и удовлетворяют наши потребности. Мы создали цифровых двойников для отдельных водителей на основе их поведения за рулем, движений головы/взгляда, эмоций на лице и тактильной обратной связи, стремясь лучше моделировать их поведение и предсказывать их будущие намерения. Алгоритмы машинного обучения помогли нам добиться отличных результатов в прогнозировании поведения водителей.
Основное препятствие связано с объемом данных, которые мы можем собрать для обучения наших моделей машинного обучения. Мы решаем эту проблему, собирая больше данных на платформе моделирования и сотрудничая с игроками индустрии мобильности, такими как Toyota и Volkswagen, которые поддерживают наше исследование цифровых двойников и подключенных и автоматизированных транспортных средств. Мы надеемся разработать следующее поколение технологий, которые смогут лучше понимать намерения других транспортных средств, позволяя подключенным и автоматизированным транспортным средствам безопасно и плавно управлять транспортными средствами.
В Purdue мы тесно сотрудничаем с Институтом управления, оптимизации и сетей (ICON), чтобы помочь нам преодолеть препятствия в сложных автономных и связанных системах. ICON позволяет нам воспользоваться опытом и возможностями междисциплинарного сотрудничества примерно с 75 преподавателями Purdue, аффилированными с ICON, в более чем 12 дисциплинах, школах и отделах, а также с экспертами в промышленности и государственных учреждениях.
Поскольку исследования становятся все более междисциплинарными, опираясь на знания из многих областей, ICON предоставил прекрасную платформу, позволяющую моим студентам и мне общаться с коллегами-исследователями в Purdue. Мы получили существенную пользу от еженедельных семинаров, на которых мы узнаем о различных достижениях в области исследований от нескольких докладчиков преподавателей и делимся результатами наших исследований в области цифровых двойников.
В конечном счете, утопия для подключенных и автоматизированных транспортных средств — это полностью подключенный мир, в котором все люди, транспортные средства и инфраструктуры могут передавать данные среди других в режиме реального времени. У всех этих физических объектов будут свои собственные облачные цифровые двойники, которые будут понимать каждую мелочь физических объектов и давать им точные рекомендации.
По мере того, как ежедневно генерируется все больше и больше данных, каждому участнику мобильности может быть предоставлено более персонализированное обслуживание посредством извлечения уроков из данных. Кроме того, производительность всего нашего общества будет расти по мере развития нашей индустрии мобильности, что приведет к сокращению дорожно-транспортных происшествий, пробок на дорогах и выбросов загрязняющих веществ.
Зиран Ван, доктор философии
Ассистент профессора Лайлсской школы гражданского строительства
Директор Purdue Digital Twin Lab
Преподаватель, инициатива Autonomous and Connected Systems (ACS)
Сотрудник факультета, Институт управления, оптимизации и сетей (ICON)
Инженерный колледж
Университет Пердью
Ссылки по теме
Семинар ICON по автономии: профессор Зиран Ван: «Мобильный цифровой двойник для подключенных и автоматизированных транспортных средств»(ссылка на видео на YouTube внизу страницы)
Институт управления, оптимизации и сетей (ICON)
