Hjælper selvkørende køretøjer med at navigere i vanskelige motorvejssammenlægninger

Hvis autonome køretøjer nogensinde skal opnå udbredt anvendelse, skal vi vide, at de er i stand til at navigere i komplekse trafiksituationer, såsom at smelte sammen i tung trafik, når baner forsvinder på en motorvej. Til det formål har forskere fra North Carolina State University udviklet en teknik, der gør det muligt for autonome køretøjssoftware at foretage de relevante beregninger hurtigere - hvilket forbedrer både trafik og sikkerhed i simulerede autonome køretøjssystemer.

"Lige nu er de programmer, der er designet til at hjælpe autonome køretøjer med at navigere vognbaneskift, afhængige af at gøre problemer beregningsmæssigt enkle nok til at løse hurtigt, så køretøjet kan fungere i realtid," siger Ali Hajbabaie, tilsvarende forfatter til et papir om arbejdet og en assistent professor i civil-, bygge- og miljøteknik ved NC State. "Men at forenkle problemet for meget kan faktisk skabe et nyt sæt problemer, da scenarier i den virkelige verden sjældent er enkle.

"Vores tilgang giver os mulighed for at omfavne kompleksiteten af ​​problemer i den virkelige verden. I stedet for at fokusere på at forenkle problemet, udviklede vi en samarbejdsbaseret distribueret algoritme. Denne tilgang opdeler i det væsentlige et komplekst problem i mindre underproblemer og sender dem til forskellige processorer at løse separat. Denne proces, kaldet parallelisering, forbedrer effektiviteten betydeligt."

På nuværende tidspunkt har forskerne kun testet deres tilgang i simuleringer, hvor delproblemerne er delt mellem forskellige kerner i det samme computersystem. Men hvis autonome køretøjer nogensinde bruger tilgangen på vejen, ville køretøjerne netværke med hinanden og dele computerunderproblemerne.

I proof-of-concept-testning kiggede forskerne på to ting:om deres teknik tillod autonome køretøjssoftware at løse fletteproblemer i realtid; og hvordan den nye "kooperative" tilgang påvirkede trafikken og sikkerheden sammenlignet med en eksisterende model til at navigere i autonome køretøjer.

Med hensyn til beregningstid fandt forskerne ud af, at deres tilgang gjorde det muligt for autonome køretøjer at navigere i komplekse motorvejsbanesammenlægningsscenarier i realtid i moderat og tung trafik, med spottier-ydeevne, når trafikmængden blev særlig høj.

Men når det kom til at forbedre trafik og sikkerhed, klarede den nye teknik sig usædvanligt godt. I nogle scenarier, især når trafikmængden var lavere, fungerede de to tilgange omtrent det samme. Men i de fleste tilfælde overgik den nye tilgang den tidligere model med en betydelig margin. Hvad mere er, havde den nye teknik nul hændelser, hvor køretøjer måtte standse, eller hvor der var "nær påkørselsforhold." Den anden models resultater omfattede adskillige scenarier, hvor der var bogstaveligt talt tusindvis af standsninger og tæt på ulykkesforhold.

"For en proof-of-concept-test er vi meget tilfredse med, hvordan denne teknik har fungeret," siger Hajbabaie. "Der er plads til forbedringer, men vi er kommet godt fra start.

"Den gode nyhed er, at vi udvikler disse værktøjer og tackler disse problemer nu, så vi er i en god position til at sikre sikre autonome systemer, efterhånden som de bliver vedtaget mere bredt."

Artiklen, "Distributed Cooperative Trajectory and Lane changing Optimization of Connected Automated Vehicles:Freeway Segments with Lane Drop," vises i tidsskriftet Transportation Research Part C . Første forfatter af papiret er Mehrdad Tajalli, en nylig ph.d. kandidat fra NC State. Artiklen var medforfatter af Ramin Niroumand, en ph.d. studerende ved NC State. + Udforsk yderligere

Forskere finder måde at gøre trafikmodeller mere effektive