Framtiden för autonom biladoptionsutveckling

Antagandet av autonoma fordon på en global skala ökar i fart. Storbritannien har nyligen antagit Automated Vehicles Act för att etablera en säker integration av helt och delvis autonoma fordon i samhället under de närmaste åren. Fler autonoma fordon testas just nu i Kina än någon annanstans i världen. Och i USA har stora storstadsområden anlitat “robotaxis” i sin allmänna transportförmåga. Företag som Cruise, Waymo och, naturligtvis, Tesla har alla miljarder dollar investerade i sina stora ambitioner att erbjuda självkörande bilar och tjänster från kust till kust och över hela världen. Vid det här laget är utvecklingen och implementeringen av autonom fordonteknologi inte längre en fråga om “om” eller ens “när”, utan snarare en fråga om “i vilken utsträckning”? Vad kan antagandet av AI-drivna autonoma fordon i stor skala göra för att förbättra inte bara våra vägar utan också vårt samhälle?

Automatisering av vägsäkerhet

Kampen för autonoma fordon och de berg av kapital som investerats i dessa teknologier är ett tecken på den allmänt erkända allmännyttan som utplaceringen av självkörande bilar kan ha. Först och främst finns det säkerhetsstandarderna för självkörande fordon jämfört med mänskliga förare. En nyligen publicerad studie i Nature Communications och insikter från Teslas 2022 Impact Report understryker den transformerande potentialen av autonom fordonsimplementering på förbättringen av vägsäkerhet. Autonoma fordon har visat sig minska bakåtkollisioner, frontalkollisioner och laterala kollisioner, samt incidenter med att köra av vägen, med 20% till 50%. Med tanke på att Världshälsoorganisationen uppskattar att vägtrafikskador orsakar döden för 1,35 miljoner människor varje år över hela världen, skulle denna dramatiska förbättring av bilens säkerhet ha en seismisk inverkan. Medan mer teknisk förfining fortfarande krävs innan autonoma fordon överträffar mänskliga förare i alla situationer (mänskliga fordon är fortfarande säkrare i låg synlighet och under kurvor), kommer den ytterligare utvecklingen av sensorer, prediktiva algoritmer och V2X-kommunikation att fortsätta att förbättra svaren i dessa komplexa körscenarier och möjliggöra skapandet av säkrare vägar.

Undvikande av trafik

Utöver detta kommer utplaceringen av autonoma fordon också att ha en betydande inverkan på problemet med trafikstockningar. I en studie som genomfördes av Association for Commuter Transportation (ACT) och USA:s transportdepartement (USDOT), utgör “rusningstid”-pendlingar—tidigare en lämplig titel—nu sex timmar om dagen och gör att resandet under dessa höjda tider tar 40% längre tid. En enskild person som bromsar kan påverka trafiken i hela staden, utlösa en bromsning eller till och med totalt stopp. Med hjälp av sensorer och kameror som drivs av avancerad programvara, bromsar autonoma fordon mindre ofta än deras mänskliga motsvarigheter och, som ett resultat, är de mycket mindre benägna att orsaka dessa trafikstörningar. Till och med utplaceringen av ett fåtal autonoma fordon kan ha en positiv effekt på trafikstockningar genom att hjälpa till att modera farten hos de mänskliga förare som de delar vägen med.

Bränsleeffektivitet och hållbarhet

Autonoma fordon kan också förbättra bränsleeffektiviteten över mänskliga förare genom att kontrollera sin hastighet och acceleration och genom att resa närmare varandra för att förbättra luftmotståndet och minska bränsleförbrukningen. Enligt MIT News, om varje fordon på vägen vore autonomt, inte bara skulle resandehastigheterna öka med 20%, utan vi skulle också se en minskning av bränsleförbrukningen med 18% och en minskning av koldioxidutsläppen med 25%. Denna utveckling skulle vara avgörande för våra fortsatta ansträngningar att införa hållbarhet i otaliga industrier och företag. En studie av TuSimple fann att deras autonoma lastbilar var 11% mer bränsleeffektiva än de som kördes av mänskliga förare. Denna ökade bränsleekonomi kommer att göra det möjligt för varor och tjänster att bli mindre dyra för konsumenterna, samtidigt som den hjälper dessa företag i deras ansträngningar att göra sina verksamheter grönare och mer hållbara.

En titt under huven

Den tekniska utvecklingsnivån som tillåter dessa autonoma fordonsystem att fungera har varit på gång i decennier. Arrayer av sensorer, inklusive kameror, radar och LiDAR, matar data till neurala nätverk som är utformade för att efterlikna den mänskliga hjärnan och utföra objektdetektering och bildsegmentering. Dessa neurala nätverk bearbetar sedan denna sensoriska information, inklusive närvaron av andra fordon, vägskyltar och hinder, för att skapa en omfattande omgivningskarta av fordonets miljö. Nästa steg är sedan rörelseplanering, där detaljerade rutter och banor beräknas med hjälp av en omfattande analys av all tidigare insamlad data. Även dessa processer behöver fortfarande ta hänsyn till oväntade situationer och kunna anpassa sig i realtid till dessa omständigheter. På grund av det enorma antalet intrikata och detaljerade processer som ingår i utvecklingen av dessa system och programvara, är inga två likadana och varje AV-system har sina för- och nackdelar.

Vägskäl

De två primära tillvägagångssätten för utvecklingen av autonom körning är HD-kartor kontra HD-kartlösa system. Fördelen med att använda kartor ligger i den förenklade objektdetekteringen och rörelseplaneringen, men dessa system är beroende av kontinuerlig kommunikation för datauppdateringar och är benägna att bli föråldrade. HD-kartlösa system, som det som utvecklats av det autonoma körningsprogramvaruföretaget Imagry, förlitar sig nästan uteslutande på realtidsdata och är mer i linje med hur mänskliga förare fungerar. De är också mer självförsörjande och mindre sårbara för cyberhot, men kräver avancerade ombordperceptionsförmågor och komplex realtidsbearbetning. Efter denna initiala splittring i filosofi finns det flera andra som har varit i centrum för någon debatt inom branschen. Regelbaserad kontra neuralnätverksbaserad rörelseplanering är en sådan kontroversiell fråga med säkerhets- och regleringsmyndigheter som föredrar den mer definierbara “if-then”-metoden som är kännetecknet för regelbaserade system. Medan konstruktionen av fördefinierade scenarier erbjuder hög förklarbarhet, kämpar dessa system för att anpassa sig till nya, oförutsedda situationer, ett område där neuralnätverksbaserade system excellerar.

Vägen framåt

Arbetet med att möjliggöra en omfattande antagning av autonoma fordon över hela världen fortsätter. Det finns ingen brist på biltillverkare och företag som är villiga att investera miljarder dollar i utvecklingen av autonoma fordon och tjänster som kretsar kring dem. Medan det fortfarande finns många olika system och processer som ingår i skapandet av självkörande fordon, är alla experter i någon mening överens om den enorma mängden praktiska fördelar som autonoma fordon och deras implementering kan ha för samhället. Nästa och kanske viktigaste hinder att övervinna är att bygga upp allmänhetens förtroende för dessa teknologier. Utvecklingen av artificiell intelligens började också under en moln av skepticism och misstro som måste övervinnas. Nu finns det inte en enda stor industri eller företag i världen som inte använder dessa teknologier på något sätt. Autonoma fordon kommer att ha en liknande uppförsbacke att klättra, men när dessa system utvecklas och blir mer utbredda på våra vägar, kommer vår komfort och bekantskap med dem att också öka. När dessa teknologier utvecklas i en rasande takt, är AV-industrin längre fram på vägen mot global antagning än vad vissa kanske tror. Autonoma fordon kommer att ha en liknande uppförsbacke att klättra, men när dessa system utvecklas och blir mer utbredda på våra vägar, kommer vår komfort och bekantskap med dem att också öka. När dessa teknologier utvecklas i en rasande takt, är AV-industrin längre fram på vägen mot global antagning än vad vissa kanske tror.