Slimme cruisecontrol stuurt chauffeurs naar betere beslissingen

Slimme cruisecontrol stuurt chauffeurs naar betere beslissingen

“Op de snelweg propageert één slechte beslissing andere slechte beslissingen. Als we kunnen overwegen wat er 300 meter voor ons gebeurt, kan dat de verkeersveiligheid echt verbeteren. Het vermindert files en ongevallen.” Michighan Tech-ingenieur Kuilin Zhang onderzoekt hoe functies zoals slimme cruise control de prestaties van de bestuurder kunnen verbeteren. Krediet: Sarh Bird / Michigan Tech

Voertuigfabrikanten bieden slimme functies zoals rijbaan- en remassistentie om bestuurders te helpen in gevaarlijke situaties waarin menselijke reflexen mogelijk niet snel genoeg zijn. Maar de meeste opties bieden alleen onmiddellijke voordelen voor één voertuig.

Wat als onze auto’s en vrachtwagens, als een geroezemoes van spreeuwen, coöperatief over de weg reden als reactie op de omgevingssensoren van elk voertuig, als een groep reageerden om files te verminderen en de mensen binnenin te beschermen?

Deze vraag vormt de basis van het onderzoek van Kuilin Zhang’s National Science Foundation CAREER Award. Zhang, een universitair hoofddocent civiele techniek en milieutechniek aan de Michigan Technological University, heeft in het tijdschrift “A distributionally robuust stochastic optimization-based model predictive control with distributionally robuuste toevalsbeperkingen voor coöperatieve adaptieve cruisecontrole onder onzekere verkeersomstandigheden” gepubliceerd in het tijdschrift Transportonderzoek Deel B: Methodologisch.

Het artikel is geschreven in samenwerking met Shuaidong Zhao, nu senior kwantitatief analist bij National Grid, waar hij onderzoek blijft doen naar de onderlinge afhankelijkheid tussen smart grid en transportsystemen voor elektrische voertuigen.

Het creëren van voertuigsystemen die bedreven zijn in het vermijden van verkeersongevallen is een oefening om de eerste wet van Newton te bewijzen: een bewegend object blijft zo tenzij er door een externe kracht op wordt ingewerkt. Zonder veel te waarschuwen voor wat ons te wachten staat, zijn auto-ongelukken waarschijnlijker omdat bestuurders niet genoeg tijd hebben om te reageren. Dus wat stopt de auto? Een aanrijding met een andere auto of obstakel – met verwondingen, schade en in het ergste geval dodelijke slachtoffers tot gevolg.

Maar auto’s die voertuig-tot-voertuig communiceren, kunnen mogelijke obstakels op de weg op toenemende afstanden berekenen – en hun synchrone reacties kunnen verkeersopstoppingen en auto-ongelukken voorkomen.

“Op de snelweg propageert een slechte beslissing andere slechte beslissingen”, zei Zhang. “Als we kunnen bedenken wat er 300 meter voor ons gebeurt, kan dat de verkeersveiligheid echt verbeteren. Het vermindert files en ongevallen.”

Zhangs onderzoek vraagt ​​hoe voertuigen verbinding maken met andere voertuigen, hoe die voertuigen samen beslissingen nemen op basis van gegevens uit de rijomgeving en hoe ongelijksoortige waarnemingen in een netwerk kunnen worden geïntegreerd.

Zhang en Zhao hebben een datagestuurd, op optimalisatie gebaseerd controlemodel gemaakt voor een “peloton” geautomatiseerde voertuigen die samen rijden onder onzekere verkeersomstandigheden. Hun model, gebaseerd op het concept van het voorspellen van de voorspellingen van anderen, gebruikt streaminggegevens van de gemodelleerde voertuigen om de rijtoestanden (versnellen, vertragen of stoppen) van voorgaande pelotonvoertuigen te voorspellen. De voorspellingen zijn geïntegreerd in real-time, machine-learning controllers die gedetecteerde gegevens aan boord leveren. Voor deze geautomatiseerde voertuigen worden gegevens van controllers van het hele peloton bronnen voor coöperatieve besluitvorming.

Het model geeft aan dat verkeersleiders voertuigen kunnen helpen om onderling constante tijdsverschillen te behouden om congestie en verkeersongevallen te verminderen en ook energie kunnen besparen door de noodzaak om te accelereren en te vertragen te verminderen.

De volgende fase van het door Zhang’s CAREER Award ondersteunde onderzoek is het testen van de simulaties van het model met daadwerkelijk verbonden, autonome voertuigen. Een van de locaties die zeer geschikt is voor dit soort tests, is het Keweenaw Research Center van Michigan Tech, een testterrein voor autonome voertuigen, met expertise in onvoorspelbare omgevingen.

Het model stelt gegevensgestuurde, voorspellende controllers in staat om rekening te houden met alle soorten gevaren die voertuigen kunnen tegenkomen tijdens het rijden en creëert een veiligere, zekerdere toekomst voor iedereen die de weg deelt.


Meer informatie:
Shuaidong Zhao et al, Een op distributie robuuste, op stochastische optimalisatie gebaseerde modelvoorspellende besturing met distributie-robuuste toevalsbeperkingen voor coöperatieve adaptieve cruisecontrole onder onzekere verkeersomstandigheden, Transportonderzoek Deel B: Methodologisch (2020). DOI: 10.1016 / j.trb.2020.05.001

Geleverd door Michigan Technological University

Nieuwste artikelen

spot_img

Related Stories

Leave A Reply

Vul alstublieft uw commentaar in!
Vul hier uw naam in