Класифікація умов функціонування дорожніх транспортних засобів ІТС

Загальна методика класифікації дорожніх та транспортних умов враховує класифікаційні ознаки, назву та позначення підкласів, межі зміни параметрів, межі та відносні коефіцієнти зміни швидкостей (табл. 4.4).

Таблиця 4.4

Загальна методика класифікації

дорожніх та транспортних умов

 

Умови роботи	Класи-фікаці-йні ознаки	Назва підкласу	Визна-чення підкла-сів	Межі змін параметрів	Межі змін швикості (при V max = 95 км/год	Відносні коефіцієнти зміни швикості
Доро-жні (Д)	Висота над рівнем моря, h, м	Гори низькі	г1	0…1700	66…53	1…0,8
Гори середні	г2	1700…2900	53…41	0,8…0,62
Гори високі	г3	2900…3700	41…34	0,62…0,52
Гори дуже високі	г4	3700…4500 і >	34…30	0,52…0,45
Продо-льний профіль (рельєф місце-вості), і, %	Рівнинні	р	0…2,2	66…53	1…0,8
Хвилясті	х	2,2…3,7	53…41	0,8…0,62
Горбисті	Г	3,7…4,9	41…34	0,62…0,52
Передгір’я	П	4,9…5,8	34…30	0,52…0,45
Перевальні	П	5,8…6,5 і >	30…22	0,45…0,38 і <
Доро-жні (Д)	Тип і стан покри-ття, Ψ (S)	Відмінні	В	0,012…0,015	66…53	1…0,8
Добрі	Д	0,015…0,019	53…41	0,8…0,62
Задовільні	З	0,019…0,023	41…34	0,62…0,52
Погані	П	0,023…0,027	34…30	0,52…0,45
Бездо-ріжжя (дуже погані)	Б	0,027…0,036 і >	30…22	0,45…0,38 і <
Тра-нспо-ртні (Т)	Інтен-сивність руху, U авт/год.	легкі	Л	0…1100	66…53	1…0,8
середні	С	1100…1900	53…41	0,8…0,62
утруднені	У	1900…2500	41…34	0,62…0,52
тяжкі	Т	2500…3000	34…30	0,52…0,45
критичні	К	3000…3400 і >	30…22	0,45…0,38 і <

 

Дорожні умови характеризується трьома класифікаційними ознаками та поділяються на 14 підкласів.

Транспортні умови в залежності від інтенсивності руху на дорогах поділяються на п’ять підкласів.

Можливі різні поєднання умов роботи. В кожному можливому поєднанні вибирається найменше значення відносних коефіцієнтів зміни швидкості. Цей коефіцієнт і визначає групу умов роботи. Для практичної мети при проектуванні ІТС, всі ці варіанти необхідно розділити на декілька груп, наприклад, на п’ять груп з такою межею зміни коефіцієнтів:

1 група – 1…0,8; 2 група – 0,8…0,62; 3 група – 0,62…0,52; 4 група – 0,52…0,45; 5 група – 0,45…0,33 і менше.

Границя зміни швидкостей для кожної групи визначається додатком приведених коефіцієнтів на найбільшу допустиму швидкість руху, що стосується одночасного вантажного автомобіля ≈ 0,7· V _max, а для автомобіля з причіпом або напівпричіпом ≈ 0,65· V _max. Максимальна швидкість для вантажних автомобілів і автобусів може бути прийнята 94…95 км/год. найбільша швидкість для 1-ї групи умов роботи буде дорівнювати 0,7· V _max.= 66 км/год.

Граничні зміни швидкостей по діючим БН і П (1) і середні розрахункові швидкості для легкових (2), вантажних автомобілів та автобусів (3) при русі у різних дорожніх умовах наведено на рис. 4.3.

Рис. 4.3. Схема класифікації дорожніх умов

 

Пунктирні лінії (4) це швидкості (норми вибігу), які використовують при розрахунку розцінок за ткм при нарахуванні заробітної плати.

Атмосферно-кліматичні умови класифікується по ГОСТ 16350-80 з урахуванням середньомісячної температури найбільш холодного (січень) та найбільш теплого (червень) місяців. Територію України можна віднести до помірного кліматичного району з середньомісячної температури повітря в січні (– 15°…4° С) та в червні (+ 8°…25° С).

 

КОНТРОЛЬНІ ПИТАННЯ ДО РОЗДІЛУ 4

1. Що є ознакою виду та класу при класифікації ДТЗ країн СНД?

2. Схема позначень дорожніх транспортних засобів країн СНД.

3. Визначення ДТЗ категорії М за правилами ЄЕК ООН.

4. Визначення ДТЗ категорії N за правилами ЄЕК ООН.

5. Визначення ДТЗ категорії О за правилами ЄЕК ООН.

6. Категорії автомобільних доріг в Україні та типи їх основного покриття.

7. Показники, що характеризують категорію автомобільної дороги.

8. Вихідні дані при нормуванні швидкостей в проектах ІТС.

9. Класифікаційні ознаки дорожніх умов.

10. Класифікаційні ознаки транспортних умов та назва підкласів.

 

5. ІНТЕЛЕКТУАЛЬНІ АВТОМОБІЛІ

 

Інтелектуальні транспортні системи передбачають створення:

- «розумних машин» («комп’ютери на колесах»);

- «розумних доріг» (передача інформації в центри управління, датчики, обробка даних та прогнозування ситуації на 15 – 20 хвилин наперед та інше);

- «розумного» міста (взаємодія з іншими видами транспорту, розклад руху, маршрутизація).

Сучасні автомобілі можуть мати до 200 датчиків, що вимірюють від тиску в шинах до температури лобового скла. Наприклад, типова модель автомобіля Lexus нараховує 67 міропроцесорів і навіть сама дешева машина в світі – Tata Nano – обладнена 12 з них. Супутникова система навігації, що управляється голосом, використовується мільонами людей кожного дня. Круіз-контроль, що має радар, автоматично регулює швидкість автомобіля в русі. Деякі автомобілі, як відомо, можуть самостійно паркуватися. Все це мова іде про автомобілі, що вже випускаються серійно.

З повністю механічних пристроїв, якими колись були автомобілі, вони стають електронними. «Інтелектуальні автомобілі» можуть легко під’єднатися до супутникових та інформаційних мереж, а на часі, і на пряму з іншим транспортним засобом, здатні замінити керуванням автомобілем, унеможливити заблукатися водієві, потрапити у затор, або дорожню пригоду, тобто це такі, що мають достатню систему штучного інтелекту.

Існує думка про те, що можливо слід розглядати автомобіль не як єдину автономну систему, а як частину мережі.

Найбільш відома інтелектуальн автомобільна технологія – це супутникова навігація, про яку вже було згадано, що використовує систему супутникової навігації у сукупності з картою доріг для визначення маршрутів і знаходження «місця інтересу». В США, наприклад, в 2005 році було в наявності до 3 мільонів навігаційних приладів, із яких близько половини було вбудовано у автомобіль. Але такі системи коштовні, не гнучкі і швидко старіють морально. Водії взяли ініціативу у свої руки: на сьогодні з більш ніж 35 мільонів пристроїв приблизно 90 % є портативними навігаторами, що кріпляться до приборної панелі або лобового скла.

Багато користувачів підключають інтернет в автомобіль за допомогою портативних пристроїв – комунікаторів. Двостороннє інтернет з’єднання дає доступ до покращеної навігації, а також дозволяє зберигати та групувати інформацію від великої кількості транспортних засобів. Прикладом такої додаткової інформації є Openstreetmap (доступна інформаційна карта вулиці), це проект створення загальнодоступних карт за допомогою GPS даних від автомобілів, що знаходяться поблизу.Такий проект розробляється в Силиконової Долині (Каліфорнія, США).

Компанія Inrix, постачальник інформації про рух транспорту в місті Сиетл, будує свою бізнес модель на підході, що комбінує повідомлення від статичих датчиків на дорогах, з GPS даними про рух дорожного трафику, що надходять з бездротових з’єднань від більш ніж мільона мобільних інтелектуальних транспортних засобів. Ця інформація надходить на навігатори і комунікатори, з метою належним чином перебудувати рух транспорту у випадку, наприклад, аварії. Компанія може також прогнозувати автомобільні затори у конкретному місці, в конкретний час. Все це завдяки можливості інтелектуальних автомобілей.

Інформація, що призначена конкретному автомобілю, також відкриває нові можливості. Деякі страхові компанії, наприклад, запропоновують динамічні схеми страхування, що використовують GPS для визначення розміру виплат в залежності від кілометража, манери водіння, місць руху та парковки. Таким чином, можливість зробити автомобіль часткою мережі змінює саму ідею воодіння машиною.

Ще одним прикладом застосування інтелектуальних автомобілей є система автомобілей «по обміну» - Zipcar, що об’єднує 6000 транспортних засобів та 275000 їх водіїв в м. Лондоні та частини Північної Америки – це половина усіх «обмінних машин» по всьому світі. Ця тенденція сумісного використання автомобілей набрала популярності серед міських мешканців. Подібно прокату відіофільму або сумісного використання тренажерного залу, люди користуються послугами організацій, що дозволяють брати автомобіль на прокат в різних місцях по місту. Учасники цих організацій отримують можливість користуватися автомобілем по необхідності. Інтелектуальні автомобілі, що доступні по системі Zipcar, повідомляють про своє місценаходження в центр керування, таким чином, інші учасники системи можуть знайти їх за допомогою інтернет зв’язку або телефону. Для участі на лобовому склі автомобіля повинна бути карта з встроєним бездротовим чипом.Автомобілі та відділи обробки даних через бездротове з’єднання дозволяють Zipcar, гнучко вибирати необхідне. Кожний інтелектуальний автомобіль в Zipcar дає ефект зменшення дорожного потоку на 20 автомобілів, в середньому користувачі цієї системи мають можливості економити більше $ 5000 в зрівнянні з автовласниками.

Ще одним кроком у створені інтелектуальних автомобілів є можливість їх спілкування через Vehicle-to- Vehicle (V2V) мережі, а також спілкування з світлофорами через систему Vehicle – to – infrastructure (V2I). Нова бездротова система зв’язку – Dedicated Short Range Communication (DSRC) – для автомобілів надає високошвидкісне з’єднання на відстані до кілометра між машиною та іншим автомобілем або об’єктом інфраструктури. DSRC може бути застосовано з метою попередження сусідніх автомобілів про різке гальмування або про спрацювання подушки безпеки, таким чином інформуються машини поза зони огляду, що дозволяє уникнути аварії, або зменшити їх кількість. Систему можливо використовувати для створення спеціальної мережі щодо передачі даних між автомобілями з метою: повідомлення про нежеледь на дорозі (дані від системи блокування диференціала при проковзуванні коліс), сигналізації про наближення машин аварійних служб та забезпечення сигналів світлофорів, які сприяютьїх руху та руху автобусів. Лінія зв’язку DSRC складається з двох головних частин: блоку-приладу в автомобілі та приладу на дорозі, які обмінюються даними.

Технологію V2V засновано на ефекті мережі – вона не потрібна для одного користувача. Дослідження виявили переваги системи V2V вже при всього 3-5% обладнаних автомобілях, що обмінюються за чотирма видами даних: місце, швидкість, напрямок руху і час. Така додаткова інформація, яку отримують ці водії, позитивно впливає на весь транспортний потік.

Технології V2I найбільш впроваджено в Японії, де дослідники тестують відокамери, світлофори та інфрочервоні сигнали інфраструктури щодо їх взаємодії з автомобілями, що наближаються. Влада Японії узгоджує свою програму розвитку ІТС з виробниками автомобілей, які будуть забезпечувати свої нові моделі підтримкою і обладнанням згідно відповідних комунікаційних технологій. Такої взаємодії не вистачає усюди у світі, де виробники автомобілів по зрозумілих причинам недуже ідуть на додання нових функцій автомобілю, у зв’язку з тим що не створено необхідних об’єктів інфраструктури.

В США модернізація усіх світлофорів та перехресть під вимоги ІТС обійдеться в $ 4,5млрд.і ці роботи інтенсивно проводяться.

Серед сучасних комунікаційних технологій, що вже застосовуються на конкретних моделях автомобілів, слід відзначити розробки японських компаній Toyota та Honda. Для демонстрації технології, яка дозволяє автомобілям «спілкуватися», Honda автомобіль Acura RL обладналаа автономними датчиками та спеціальним радіообладнанням, що дозволяє визначати місценаходження небезпечних об’єктів на перехрестях, прихованих від водія за деревами, огорожами або великими машинами. Про ризик зіткнення водія попереджають комплексні (звукові, візуальні) сигнали. Як і технології V2V, що розробляються європейськими автовиробниками для передачі даних на короткі відстані система японської компанії застосовує виділені частоти в межах 5,9 Ггц. Кожен автомобіль періодично видає сигнал, що включає ключові дані про швидкість, подачу палива та гальмування, які здатні обробляти машини, що знаходяться близько.

Компанія Toyota розробила свій «розумний» автомобіль, який обмінюється даними з рештою транспортних засобів і стаціонарними передавачами на тих же частотах, має технологію, що дозволяє запобігти зіткнення з пішоходами. Розроблена система, яка за рахунок моніторингу всьго транспорту в місті, забезпечити плавний дорожний потік. Водіїв повідомляють про оптимальну швидкість, яка буде сприяти проходити перехрестя без різких прискорень, або зупинок на світлофорах, а це заощадження часу та палива. Концепція компанії при створенні інтелектуальних автомобілів передбачає комплексний підхід для досягнення стійкої мобільності із урахуванням вимог безпеки, навколишнього середовища та комфорту.

Інженери компанії BMW представили 5 седанів з автоматизованими системами допомоги водію на дорозі. Ці автомобілі спроможні самостійно контролювати прискорення та гальмування і бепечно самостійно проходити транспортні засоби, що повільно рухаються.

Компанія Ford на автомобілях Evos використовує концепцію взаємодії водія і обізнаності ситуації навколо, з акцентом на попередження аварії.

Компанія Audi розробила для своїх автомобілів систему зв’язку, яка відрізняється від сучасних систем телематики. Система Car-2-X зв’язку не вимагає центрального постачальника послуги для прийняття та обробки інформації. ДТЗ, що приймають участь у русі, самі виконують ці задачи, спонтанно через мережу один з одним.Тут застосована технологія доступу European 5,9 GHz ITS, що може забезпечити мобільний зв’язок з малими часовими затримками, тобто не потрібна центральна базова станція. Ця технологія добре працює для систем дорожньої безпеки при невиликої мережної навантаженості. Після того, як усі нові автомобілі будуть обладнані цією технологією, функціональні мережі автомобільних передавачів будуть доступні.

General Motors розробила і показала набір приладів для своїх автомобілів, які працюють в системі V2V. Ці системи взаємодіють з приладами, що використовують інші водії, з шляховою інфраструктурою і забезпечують завчасне попередження про загрозу, що може бути попереду, наприклад, сповільнення або зупинка ДТЗ, слизька дорога, крутий поворот, або перехресття, знаки зупинки. При цьому слід розуміти, що інфраструктура – це лише посередник, що не застосовує будь-які методи обробки даних.

З наведених вище прикладів використання на інтелектуальних автомобілях комунікаційних технологій, при взаємодії учасників дорожного руху, видно що існує певна їх архітектура. Взаємодія в самоорганізуючих мобільних радіомережах може відбуватися в режимі «рівний з рівним» (peer-to-peer) або «головний – підлеглий» (master-slave communications), де «головний» призначається тимчасово і за деяким часом знову стає «рівним».

Системи ближньої дії (shot range systems), як правило, працюють (деякий час) в режимі «головного» пристрою и вимагають процедури встановлення зв’язку. Зв’язок, більше часу, відбувається між «головним» та його «підлеглими», ніж коли «головний» передає інформацію між «підлеглими».

Стільникові системи швидкісної передачі даних (WiFi, WiMAX) працюють на основі точок доступу, а GSM з базовими станціями.

Ще одна новація для інтелектуальних автомобілів це розробка «інтелектуальних» автомобільних шин, які спроможні самостійно підпорядковуватися під зміни погодних умов. Прототип такої шини вчені з Університета прикладних наук (м. Лейпциг, Німеччина) представили на промисловому ярморку у м. Ганновері. «Розумні» шини обладнані спеціальними датчиками, що визначають різні види дорожного покриття та погодні умови. У відповідності до цих даних автоматично змінюється профіль та рисунок протектора шини, і ці параметри можуть бути підлаштовані під конкретні умови і навіть під час руху автомобіля. Все це говорить про те, що ваша машина буде обладнана такими шинами, які потрібно мати в конкретній ситуації, при цьому не потрібно витрачати зайве паливо, або мати додатковий шум – всі ці параметри також будуть регулюватися автоматично. Водії інтелектуальних автомобілів не будуть думати як підібрати, і коли замінити шини. Шини будуть думати за них. Терміни можливої появи «інтелектуальних» шин на серійних моделях автомобілів покі не відомі.

Передбачені проекти з використанням спеціальних смуг на спеціальних дорогах, коли інтелектуальні автомобілі групуються у колони і управління колоною буде передано комп’ютеру конвою. Водій може, в цей час, відпочивати, подивитися кіно, використати Інтернет, розмовляти по телефону. Датчики і комп’ютери буудуть підтримувати оптимальну відстань між машинами. Кожна колона буде мати свій напрямок руху.

Зазвичай проекти створення таких керуючих колон прості, в порівнянні із завданнями розробки повністю автономних ДТЗ, які могли б доставляти своїх пасажирів дл магазинів, в гості до друзів, або за направленням в інше місто. Для цього керуючий комп’ютер повинен «бачити» смуги руху, світлофори, пішоходів, смугу перешкод, нарешті рух тварин. Програмування комп’ютера для маневру ДТЗ (прискорення, гальмування, поворот) відносно легко в порівнянні із завданням програмування рівня його водіння, тактики та стратегії щодо спроможності і здатності людини керувати транспортним засобом. Це означає, що програмісти повинні вивчати та враховувати навички водіння, тактику і їх стратегію на рівні далеко за межами, які розглядаються авторами довідників водіям, підручників та посібників інструкторам навчання. Це цілий окремий напрямок досліджень і вивчення комплексного застосування інтелектуальних автомобілів.

Актуально виникає питання, а навіщо управляти автомобілем безпосередньо людиною під час руху взагалі? Нехай інтелектуальні автомобілі самі керують собою, при цьому відвідують необхідні місця, що визначені на цифровій карті, а також головне, виконують усі правила дорожного руху і оцінюють повідінку інших об’єктів, що переміщуються навколо.

Проект автономної системи управління, що на теперишній час доведено до діючого зразка, розробила компанія Google в автомобілях «Тойота –Приус», що наїздили білбше 300 тис.км по дорогам США. Машини обладнані 64-проміневим лазарем Велодайн, який змонтовано на даху. Лазер сканує простір навколо машини на 360 градусів і створює тривимірну картину, яка накладається на детальну мапу місцевості. Така мапа створюється заздалегідь. На передньому та задньому бамперах, а також на боках кузова встановлені радари, що дозволяють відстежувати дорогу на більших відстаннях (лазерні установки до 25 метрів) і створювати маневри при великих швидкостях, наприклад, на шосе. Поряд з дзеркалом заднього огляду встановлена камера, що знаходить світлофори та визначає їх коляр. Знаходження світлофорів – досить складна класифікаційна задача для алогитмів, що навчаються, і вона зпрощується введенням даних про дорогу, які записано раніше. Машина також має GPS і внутрішні датчики, в тому числі і на колесах, що дозволяє відстежувати її положення та рух. «Тойоти», що керуються роботами, поступаються пішоходам, в тому числі і тим, що переходять дорогу перед їх колесами. Вони пропускають інші машини на перехресттях згідно правил, але, в той же час, їх програма достатньо наполеглива: машина-робот висувається на перехресття і тоді, коли інші машини не поступаються дорогою. Усі переміщення відбуваються, поки що, з водіями, що відстежують безпеку. Питання безпеки пов’язано з тим, що система керування буде реагувати на рідкісні екстримальні ситуації на дорогах. Складність полягає в тому, що авлоритми навчання добре працюють лише на великій вибірці даних. Окрім вирішення технічних проблем, розповсюдження автономного водіння вимагає законодавства про гарантії та відповідалності у випадку аварії. Тим не менш, вже зараз штат Невада (США) офіційно дозволив використання автоматичних систем водіння.

Найбільш знакові технології інтелектуальних машин-роботів було представлено на щорічних випробуваннях таких автомобілів, що проводить Управління перспективного планування оборонних науково-дослідних робіт США (DARPA). DARPA було засновано в 1958 році, як відповідь на запуск в СРСР першого штучного супутника землі. Перед DARPA було поставлена задача збереження військових технологій США передовими. Бюджет цієї організації $ 3,2 міліарда. Свого часу, за рахунок цієї організації була створена мережа ARPANET, яка переросла в Інтернет. До речі GPS було створено Міністерством оборони США.

На відміну від попередніх випробувань, які відбувалися в пустелі Мохаве (штат Невада), організатори (DARPA) створили більш складні умови і розвернули полігон у місті.Міські умови були відтворенні на недіючої військовій базі США недалеко від каліфорнійського міста Вікторвіля: будинки, перехресття вулиць, світлофори, «зебри» пішохідних переходів, вуличні дороги з всією відповідною розміткою і навіть відомий американський трафік – близько 300 професійних водіїв на автомобілях Ford Taurus імітували міську автомобільну метушню, яка нерідко є передумовою до виникнення складних дорожних ситуацій.

Для участі в таких дуже специфічних перегонах, які отримали назву DARPA Urban Challenge Race (перегони в міських умовах під егідою DARPA), було заявлено 35 машин-роботів. Команда Стенфордського університету (Каліфорнія, США, цільовий фонд університета $ 13,8 млрд.), спонсорську підтримку якій надала корпорація Intel, спеціально розробила новий проект під назвою Junior. Робот Junior. – це фургон Volkswagen Passat моделі 2006 року, в якому рульове керування, система живлення та гальмівна система особливим чином були перероблені фахівцями лабораторії Volkswagen of America Electronics Research Lab. Інженери цієї лабораторії розробили також спціальні кріплення для великої кількості складних датчиків.

Розробники Junior (керівник - професор Себастіан Труна, був керівником і проекта авторобот Google) заклали в проект більшу гнучкість та функціональність ніж у його «пустельного» попередника, нові перегони висунули більш складні вимоги до учасників змагань. Їм необхідно було відслідковувати переміщення інших автомобілів і не тільки дотримуватися рутинних правил дорожнього руху, але і враховувати право переваги проїзду на перехресті, робити парковку, а також в режимі реального часу виходити з складних дорожних ситуацій.

Управління автомобілем – це складний комплексний процес, і коли буде змога навчити комп’ютер виконувати його, то це буде дуже великий крок в галузі дослідження та розробки штучного інтелекта.

Важливою відзнакою автомобіля Junior від його попередників є спроможність розпізнавати об’єкти, що розташовані навколо автомобіля і навіть такі, що рухаються з великою швидкістю. Junior зкомплектовано складними датчиками, серед яких, наприклад, лазерна матриця для визначення відстані до об’єктів з круговим оглядом. Прилад дозволяє, практично в режимі реального часу, створювати тривимірне бачення навколишньої ситуації.

Обладнання робота на колесах передбачає встановлення також 6 відіокамер, які охоплюють увесь простор навколо автомобіля, лазерних приладів на бамперах, радару, приймача GPS, а також бортового навігаційного обладнання для збору інформації про місце розташування автомобіля та характер поведінки оточуючих об’єктів. Серцевиною даного складного навігаційно-обчислюваного комплексу є два комп’ютери, які змонтовано в багажнику – кожний має один чотириядерний процесор Intel Core 2 Quad Q 6600 з тактовою частотою 2,4 ГГц та платою Intel D975XBBX2 з 2 ГБ оперативної памяті. Один з комп’ютерів відповідає за обробку інформації, що надходить від датчиків, а другий «займається» контролем системи керування та планування дії авмомобіля-робота. Передача даних від датчиків для обробки на комп’ютер відбувається за допомогою технології Gigabit Ethernet. Ця мережа одночасно забезпечує і розширення смуги перепуску переферійних каналів та масштабування пропускної спроможності магістралі. Для збереження даних використовуються пристрої флеш-памяті. Завдяки такому «наповненню», що підібрано з урахуванням ефективного поєднання великої обчислюваної потужності та малого енергоспоживання, Junior зміг оброблювати більше інформації та робити це значно швидше, ніж його попередники. Junior був приближно в чотири рази «розумніший» переможця перегонів DARPA 2005 року в пустелі Мохаве. При цьому у Junior не було ніяких додаткових джерел енергії для живлення комп’ютерів, окрім акумулятора автомобіля, тоді як усі інші команди для живлення своїх бортових комп’ютерних комплексів використовували додаткові батареї.

Керування Junior відбувалося за допомогою спеціалізованого програмного забезпечення, в створенні якого приймали участь фахівці з Stanford Artificial Intelligence Lab та розробники корпорації Intel. Програмні модулі, що виконували задачі опізнання, аналізу та планування, включали і алгоритми машинного самонавчання, а це вже елементи нейронних мереж. Як результат Junior міг комплексно оцінювати дорожню ситуацію, визначати своє місцезнаходження та відслідковувати переміщення інших учасників перегонів, а також об’єктів, що створюють потенціальну небезпеку.

Перегони DARPA Urban Challenge почалися після декількох етапів тестових випробувань. Так, в першому з них автомобілі-роботи повинні були спочатку заїхати з зовнішньої сторони кругової дороги в середину практично суцільного потоку автомобілів, що керуються водіями, а потім вийти з потоку зворотно. Слідуючим тестом було проїзд перехресття. Ні одна з машин-роботів не виконала тестові завдання абсолютно безпомилково. У водіїв, що приймали участь у випробуваннях, нерви були просто сталеві, коли вони ухилялися від несподіваних маневрів роботів. Із 35 машин-роботів 11 успішно пройшли всі тести і були допущені до перегонів, а до фінішу доїхало лише шість.

Кожній команді було видано флеш-накопичувач, на якому описано мету «місії», після чого представники команд ввели цифрові інструкції в комп’ютери автомобілів – роботів і запустили двигуни. Це і була остання дія, що зробила людина, - подальше керування прийняли на себе автомобілі, яким потрібно було пройти 60 міль «міської» траси. Контрольний час проходження маршруту складав шість годин, в нього вдалось укластися лише п’яти учасникам. За кожним автомобілем – роботом рухався автомобіль колегії суддів, які відслідковували всі помилки учасника. В штабної машині була, так звана, кнопка «повної зупинки», за допомогою якої можливо було повністю зупинити рух робота, якщо він потрапляв в дуже критичну ситуацію. До речі, для двох машин, які несподівано почали рухатися в бік стіни будівлі, її було застосовано.

Глядачі та судді спостерігали за перегонами за допомогою командного пункту, що нагадував центр керування польотами NASA. Кожен автомобіль, що керувався водієм, мав відіокамеру, що передавала сигнали до командного пункту. З спеціального геліокоптера відбувалось постійне спостереження, яке мало трансляцію на три великі екрани, крім того відіотрансляція велась по Інтернету.

 

Робот Junior пройшов дистанцію перегонів швидше за усіх і першим перетнув лінію фінішу, але після врахування усіх помилок проходження траси втратив перше місце (приз $ 2 млн). Його отримав автомобіль-робот по призвиську Boss, який був створений разом командами Університету Карнеги-Мелона та компанії General Motors. Робот Boss побудованю на платформі Chavrolet Tahoe і він мав 10 двопроцесорних серверів на базі двоядерних процесорів Intel Core 2 Duo – таким чином, робот Boss керувався за допомогою 40 розрахунковими ядрами, 8-ядерний Junior опинився на другому місці.

Робота «повністю» інтелектуальних автомобілів змінила думку людей і їх бачення про те, що можливо відтворити у автомобільній техниці. Перегони дозволили зробити ще один крок на шляху до повної автономізації руху транспорту, що без сумніву зробить наше життя більш небезпечним, а рух більш оптимізованим та ефективним.

Комп’ютери ніколи не втомлюються, вони не розмовляють по мобільному телефону і не вживають гамбурги за кермом, не втрачають уваги на те, щоб переключити радіо-канал, або змінити музикальний диск, а завдяки цим та іншим чинникам тільки у США кожен рік, приблизно, 40 тис. людей втрачає життя. За 20 років населення США збільшилося на 20%, але час, який американці проводять в дорозі, збільшився на 236%, тобто в 10 разів. А скільки часу люди втрачають у заторах, коли можливо провести цей час більш корисним для нас, завдяки перспективі впровадження інтелектуальних автомобілів.

Мобільність людей у всьому світі інтенсивно збільшується, а тому створення інтелектуальних транспортних систем є актуальним.

 

 

КОНТРОЛЬНІ ПИТАННЯ ДО РОЗДІЛУ 5

1. Які переваги двостороннього Інтернет з’єднання для «інтелектуального» автомобіля?

2. Яка мета мережі V-2-V для «інтелектуальних» автомобілів?

3. Яка різниця в мережах V-2-V та V-2-І?

4. Мета застосування системи зв’язку DSPC?

5. Яка загальна архітектура комунікаційних технологій, що використовуються для «інтелектуальних» автомобілів?

6. Які недоліки лазерних далекомірів, що встановлюють на «інтелектуальних» автомобілях?