Vejen Frem For Selvkørende Bilers Adoption

Adoptionen af selvkørende biler på globalt plan er i fuld gang. Storbritannien har nyligt vedtaget Automated Vehicles Act for at etablere en sikker integration af fuldt og delvist selvkørende biler i samfundet over de næste få år. Flere selvkørende biler bliver testet lige nu i Kina end noget andet sted i verden. Og i USA har større byområder indført brugen af “robotaxis” i deres offentlige transportsystemer. Virksomheder som Cruise, Waymo og, naturligvis, Tesla har alle investeret milliarder af dollars i deres store ambitioner om at hoste selvkørende biler og -tjenester fra kyst til kyst og over hele verden. På dette punkt er udviklingen og implementeringen af selvkørende bilteknologi ikke længere et spørgsmål om “hvis” eller “hvornår”, men simpelthen et spørgsmål om “i hvilken udstrækning”? Hvad kan adoptionen af AI-drevne selvkørende biler på en massiv skala gøre for at forbedre ikke kun vores vejnet, men også vores samfund?

Automatisering Af Vejsikkerhed

Pushen for selvkørende biler og de bjerge af kapital, der er investeret i disse teknologier, er et tegn på den bredt anerkendte offentlige gode, som udrulningen af selvkørende biler kan have. For det første er der sikkerhedsstandarderne for selvkørende biler i forhold til menneskelige chauffører. En nylig studie offentliggjort i Nature Communications og indsigt fra Teslas 2022 Impact Report understreger det transformative potentiale i implementeringen af selvkørende biler på forbedringen af vejsikkerheden. Selvkørende biler er blevet fundet til at reducere bagende, frontale og laterale kollisioner, samt tilfælde af at køre af vejen, med 20% til 50%. Givet, at Verdenssundhedsorganisationen estimerer, at vejtrafikulykker er ansvarlige for døden af 1,35 millioner mennesker hvert år over hele verden, ville denne dramatiske forbedring af bilens sikkerhed have en seismisk indvirkning. Mens mere teknologisk raffinering stadig er nødvendig, før selvkørende biler overgår menneskelige chauffører under alle omstændigheder (menneske-drevne biler er stadig sikrere i lav-synlighedsforhold og under sving), vil den yderligere udvikling af sensor-teknologier, prædiktive algoritmer og V2X-kommunikation fortsætte med at forbedre svarene i disse komplekse køresituationer og muliggøre dem til at skabe sikrere vejnet.

Undgåelse Af Trafik

Derudover vil udrulningen af selvkørende biler også have en betydelig indvirkning på trafikproblemet. I en studie gennemført af Association for Commuter Transportation (ACT) og United States Department of Transportation (USDOT), “rush hour”-kørsler – tidligere en passende titel – udgør nu seks timer om dagen og gør, at rejsen under disse højere tider tager 40% længere tid. En enkelt person, der bremser, kan have indvirkning på trafikken over hele byen, udløsende en langsommelighed eller endda komplet gridlock. Med hjælp fra sensorer og kameraer drevet af avanceret software, kan selvkørende biler bremse langt mindre ofte end deres menneskelige modparter og, som følge heraf, er langt mindre sandsynlige for at forårsage disse trafikforstyrrelser. Selv udrulningen af blot få selvkørende biler kan have en positiv effekt på trafikproblemet ved at hjælpe med at modere hastigheden af de menneskelige chauffører, de deler vejen med.

Brændstofeffektivitet Og Bæredygtighed

Selvkørende biler kan også forbedre brændstofeffektiviteten over menneskelige chauffører ved at kontrollere deres hastighed og acceleration og ved at køre tættere sammen for at forbedre luftmodstanden og reducere brændstofforbrug. Ifølge MIT News, hvis hver bil på vejen var selvkørende, ville ikke kun rejsehastighederne øges med 20%, men vi ville også se en reduktion i brændstofforbrug på 18% og en reduktion i CO2-udledning på 25%. Denne udvikling ville være afgørende i vores fortsatte bestræbelser på at bringe bæredygtighed til utallige industrier og virksomheder. En studie af TuSimple fandt, at deres selvkørende lastbiler var 11% mere brændstofeffektive end dem, der blev styret af menneskelige chauffører. Denne øgede brændstofeffektivitet 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 operationer grønnere og mere bæredygtige.

Et Kig Under Hjælmen

Niveauet af teknologisk udvikling, der tillader disse selvkørende bilsystemer at fungere, har været årtier under udvikling. Arrays af sensorer, herunder kameraer, radars og LiDARs, sender data til neurale netværk designet til at efterligne det menneskelige hjerte og udføre objektgenkendelse og billedsegmentering. Disse neurale netværk behandler derefter denne sanselige input, herunder tilstedeværelsen af andre biler, vejsskilt og hindringer, for at skabe en omfattende omgivelses-kort over bilens omgivelser. Det næste trin er derefter bevægelsesplanlægning, hvor detaljerede ruter og baner beregnes ved hjælp af en omfattende analyse af alle tidligere indsamlede data. Selv disse processer har stadig brug for at tage hensyn til usete situationer og være i stand til at tilpasse sig i realtid til disse omstændigheder. På grund af det enorme antal intrikate og detaljerede processer, der er involveret i udviklingen af disse systemer og software, er ingen to ens, og hver af disse AV-systemer har deres fordele og ulemper.

Vejskæl

De to primære tilgange til udviklingen af selvkørende kørsel er HD-kort versus HD-kortløse systemer. Fordelen ved at bruge kort er i dens simplificerede objektgenkendelse og bevægelsesplanlægning, men disse systemer er afhængige af kontinuerlig kommunikation for dataopdateringer og er udsat for forældelse. HD-kortløse systemer, som det udviklet af det selvkørende softwarefirma Imagry, afhænger næsten udelukkende af realtidsdata og er mere i linje med, hvordan menneskelige chauffører opererer. De er også mere selvstændige og mindre sårbare over for cybertrusler, men kræver avancerede onboard perceptionsevner og komplekse realtidsbearbejning. Efter denne initiale splittelse i filosofi findes der flere andre, der har været i centrum for nogen debat i industrien. Regelbaseret vs. neuralt netværksbaseret bevægelsesplanlægning er et sådant stridspunkt med sikkerheds- og reguleringsmyndigheder, der foretrækker den mere definerbare “hvis-så”-tilgang, der er kendetegnet for regelbaserede systemer. Mens opbygningen af foruddefinerede scenarier tilbyder høj forklarbarhed, kæmper disse systemer med at tilpasse sig til nye, uforudsete situationer, et område, hvor neuralt netværksbaserede systemer excellerer.

Vejen Fremad

Arbejdet med at lægge grundlaget for en bred adoption af selvkørende biler over hele verden fortsætter. Der er bestemt ikke mangel på bilproducenter og virksomheder, der er villige til at investere milliarder af dollars i udviklingen af selvkørende biler og -tjenester centreret omkring dem. Mens der stadig findes mange forskellige systemer og processer, der er involveret i skabelsen af selvkørende biler, er alle eksperter enige om det store antal praktiske fordele, som selvkørende biler og deres implementering kan have for samfundet. Det næste og måske vigtigste hinder at overvinde er at bygge op den generelle offentligheds tillid til disse teknologier. Fremkomsten af kunstig intelligens begyndte også under en sky af skepsis og mistillid, der skulle overvindes. Nu er der ikke en eneste større industri eller virksomhed i verden, der ikke anvender disse teknologier på en eller anden måde. Selvkørende biler vil have en lignende bakke at klatre, men efterhånden som disse systemer udvikler sig og bliver mere udbredte på vores vejnet, vil vores komfort og bekendtskab med dem også kun øge. Efterhånden som disse teknologier udvikler sig i en hurtig takt, er AV-industrien længere nede ad vejen til global adoption, end nogen kunne have troet. Selvkørende biler vil have en lignende bakke at klatre, men efterhånden som disse systemer udvikler sig og bliver mere udbredte på vores vejnet, vil vores komfort og bekendtskab med dem også kun øge. Efterhånden som disse teknologier udvikler sig i en hurtig takt, er AV-industrien længere nede ad vejen til global adoption, end nogen kunne have troet.