Vejen videre for autonome køretøjsadoption

Indførelsen af ​​autonome køretøjer på global skala tager fart. Det Forenede Kongerige har for nylig bestået Lov om automatiserede køretøjer for at etablere en sikker integration af helt og delvist autonome køretøjer i samfundet i løbet af de næste par år. Flere autonome køretøjer bliver testet lige nu i Kina end noget andet sted i verden. Og i USA har større storbyområder benyttet sig af "robotakser" i deres offentlige transportmuligheder. Virksomheder kan lide Cruise, Waymo og selvfølgelig, Tesla alle har milliarder af dollars investeret i deres store ambitioner om at være vært for selvkørende biler og tjenester fra kyst til kyst og over hele verden. På dette tidspunkt er udvikling og implementering af autonome køretøjsteknologier ikke længere et spørgsmål om 'hvis' eller egentlig endda 'hvornår', men blot et spørgsmål om 'i hvilket omfang'? Hvad kan vedtagelsen af ​​AI-drevne autonome køretøjer i massiv skala gøre for at forbedre ikke kun vores veje, men vores samfund?

Automatisering af trafiksikkerhed

Fremstødet for selvkørende køretøjer og bjergene af kapital, der investeres i disse teknologier, er tegn på det bredt anerkendte samfundsgode, som indsættelsen af ​​selvkørende biler kan have. For det første er der sikkerhedsstandarderne for selvkørende køretøjer frem for menneskelige chaufførers. En nylig undersøgelse offentliggjort i Nature Communications og indsigt fra Teslas Konsekvensrapport for 2022 understrege det transformative potentiale ved implementering af autonome køretøjer til forbedring af trafiksikkerheden. AV'er har vist sig at reducere bagende, frontal- og sidekollisioner samt hændelser med at løbe af vejen med 20 % til 50 %. I betragtning af at Verdenssundhedsorganisationen vurderer det trafikskader er ansvarlige for 1.35 millioner menneskers død hvert år over hele verden, ville denne dramatiske forbedring af bilsikkerhed have en seismisk indvirkning. Mens der stadig kræves mere teknologisk forfining, før autonome køretøjer klarer sig bedre end menneskelige chauffører under alle omstændigheder (menneskedrevne biler forbliver stadig mere sikre under dårlige sigtbarhedsforhold og under sving), vil den yderligere udvikling af sensorteknologier, forudsigende algoritmer og V2X-kommunikation fortsætte med at blive bedre svar i disse komplekse kørselsscenarier og sætter dem i stand til at skabe sikrere veje.

AV-undgående trafik

Derudover vil indsættelsen af ​​autonome køretøjer også have en betydelig indvirkning på spørgsmålet om trafikpropper. I en studere udført af Association for Commuter Transportation (ACT) og United States Department of Transportation (USDOT), "myldretid"-pendler – en gang en passende titel – udgør nu seks timer om dagen og gør, at rejser i disse høje tider tager 40 % længere . En enkelt opbremsning kan påvirke trafikken på tværs af byen og udløse en opbremsning eller endda fuldstændig gridlock. Ved hjælp af sensorer og kameraer drevet af avanceret software, dog autonome køretøjer bremse langt sjældnere end deres menneskelige modstykker og som følge heraf er de langt mindre tilbøjelige til at forårsage disse trafikforstyrrelser. Selv indsættelse af få autonome køretøjer kan have en positiv effekt på trafikpropper ved at hjælpe til moderere de menneskelige bilisters hastighed de deler vejen med.

Brændstofeffektivitet og bæredygtighed

Autonome køretøjer kan også forbedre brændstofeffektiviteten i forhold til menneskelige chauffører ved at kontrollere deres hastighed og acceleration og ved at køre tættere på hinanden for at forbedre luftmodstanden og reducere brændstofforbruget. Ifølge MIT News, if hvert køretøj på vejen var selvkørende, ville rejsehastighederne ikke kun blive øget med 20 %, men vi ville se brændstofforbruget reduceret med 18 % og kuldioxidemissionerne reduceret med 25 %. Denne udvikling vil være afgørende for vores fortsatte bestræbelser på at bringe bæredygtighed til et utal af industrier og virksomheder. En undersøgelse foretaget af TuSimple viste, at deres autonome lastbiler var 11 % mere brændstofeffektive end dem, der blev styret af menneskelige chauffører. Denne øgede brændstoføkonomi vil gøre det muligt for varer og tjenester at blive billigere for forbrugerne, samtidig med at det hjælper disse virksomheder i deres bestræbelser på at gøre deres aktiviteter grønnere og mere bæredygtige.

Et kig under hætten

Niveauet af teknologiske fremskridt, der gør det muligt for disse autonome køretøjssystemer at fungere, har været årtier undervejs. Arrays af sensorer, herunder kameraer, radarer og LiDAR'er, leverer data ind i neurale netværk designet til at efterligne den menneskelige hjerne og udføre objektdetektering og billedsegmentering. Disse neurale netværk behandler derefter dette sensoriske input, herunder tilstedeværelsen af ​​andre køretøjer, vejskilte og forhindringer, for at skabe et omfattende surround-kort over køretøjets miljø. Næste trin er så bevægelsesplanlægning, hvor detaljerede ruter og baner beregnes ved hjælp af en omfattende analyse af alle de tidligere indsamlede data. Selv da skal disse processer alle stadig tage højde for usete situationer og være i stand til at tilpasse sig i realtid til disse omstændigheder. På grund af det enorme antal indviklede og detaljerede processer, der indgår i udviklingen af ​​disse systemer og software, er ikke to ens, og hvert af disse AV-systemer har deres fordele og ulemper.

Forks In The Road

De to primære tilgange til udviklingen af ​​autonom kørsel er HD-kort versus HD-kortløse systemer. Fordelen ved at bruge kort ligger i dets forenklede objektdetektering og bevægelsesplanlægning, men disse systemer er afhængige af kontinuerlig kommunikation til dataopdateringer og er tilbøjelige til at forælde. HD-kortløse systemer, som det, der er udviklet af softwarefirmaet til autonom kørsel Billede, stole næsten udelukkende på realtidsdata og er mere på linje med, hvordan menneskelige chauffører fungerer. De er også mere selvforsynende og mindre sårbare over for cybertrusler, men kræver avancerede indbyggede perceptionsfunktioner og kompleks realtidsbehandling. Efter denne indledende splittelse i filosofi, eksisterer der flere andre, der har været på forkant med en vis debat i branchen. Regelbaseret vs. Neural Netværksbaseret bevægelsesplanlægning er et sådant problem med sikkerheds- og reguleringsorganer, der foretrækker den mere definerbare "hvis-så"-tilgang, der er kendetegnende for regelbaserede systemer. Mens konstruktionen af ​​foruddefinerede scenarier giver høj forklarlighed, kæmper disse systemer for at tilpasse sig nye, uforudsete situationer, et område hvor neurale netværksbaserede systemer udmærker sig.

Vejen foran

Grundlaget bliver fortsat lagt for at muliggøre en udbredt anvendelse af autonome køretøjer over hele verden. Der er bestemt ingen mangel på bilproducenter og virksomheder, der er villige til at investere milliarder af dollars i udviklingen af ​​autonome køretøjer og tjenester centreret omkring dem. Selvom der stadig er mange forskellige systemer og processer, der indgår i skabelsen af ​​selvkørende køretøjer, er alle eksperter i en eller anden kapacitet enige om den store mængde praktiske fordele, som autonome køretøjer og deres implementering kan have for samfundet. Den næste og måske vigtigste hindring, der skal fjernes, er at opbygge offentlighedens tillid til disse teknologier. Fremme af kunstig intelligens begyndte også under en sky af skepsis og mistillid, som skulle overvindes. Nu er der ikke en større industri eller virksomhed i verden, der ikke bruger disse teknologier i en eller anden kapacitet. Autonome køretøjer vil have en lignende bakke at bestige, men efterhånden som disse systemer avancerer og bliver mere udbredte på vores veje, vil vores komfort og fortrolighed med dem også kun blive større. Efterhånden som disse teknologier udvikler sig i et hurtigt tempo, er AV-industrien længere på vej til global adoption, end nogle måske tror.