Valósidejű kockázatelemzés, szituációosztályozás és viselkedéstervezés autonóm járművek számára
Napjainkban nem találkozhatunk olyan jelentős szereplővel az autóiparban, amelynek ne lennének autonóm járművekkel kapcsolatos fejlesztései. Dolgozatunkban a Knorr-Bremse Fékrendszerek Kft-vel együttműködésben végzett kutatásunk eredményeit fogjuk ismertetni. A vállalat profiljából adódóan a témánk elsősorban haszongépjárművek automatizálását tűzte ki céljául, de a tárgyalt algoritmusok nem feltétlenül teherautó-specifikusak.
A fejlesztési munkánkhoz rendelkezésre álltak környezeti információk (objektumok, sávok, útparaméterek egy bizonyos horizonton, forgalmi szituáció, stb.) absztrakt formában, amely információk figyelembevételével kellett autópályás környezetben magasabb szintű problémák kezelésére megoldásokat keresnünk. A dolgozat három eltérő, de egymáshoz szorosan kapcsolódó témával foglalkozik: kockázatelemzés, szituációosztályozás és viselkedéstervezés. Mindhárom feladat valós időben kezelendő, ezért az algoritmusok futásideje, a megoldások optimalizálása kritikus pontja a specifikációknak.
Egy-egy manőver elvégzése előtt tudni szeretnénk, hogy az mekkora kockázattal jár. Valós időben nincs lehetőségünk nagyszámú trajektóriák szimulációjára, ezért ennél hatékonyabb megoldásra van szükségünk. Kutatásaink során neurális hálók alkalmazását vizsgáltuk a problémára, így csökkentve az algoritmus számításigényét.
A környezetérzékelésből származó absztrakt adatok nem tartalmaznak információt a forgalmi szituációról, a forgalom sűrűségéről és hektikusságáról. A magasabb szintű döntések meghozatalához ezek lényeges információk, mivel máshogy vezetünk például dugóban, gyorsan haladó, de sűrű forgalomban, vagy egy üres autópályán. Ezzel kapcsolatban forgalmi szituációk generálásával, osztályozásával és egyéb számszerűsíthető elemzésével foglalkoztunk.
Az autonóm járművek viselkedéstervezése komplex és többrétű feladat. Mind stratégiai mind taktikai szempontból az adott forgalmi szituációk és járműállapotok figyelembevételével kell megtalálni a legbiztonságosabb és optimális manőversorozatot, a körülmények folyamatos változására adaptívan reagálva. Valószínűségi következtetések és döntések alkalmazásával a korábban említett két témával szoros összefüggésben a jármű viselkedését meghatározó algoritmussal foglalkoztunk.
szerzők
-
Dávid Bence
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc) -
Hunyady Gergely
Mechatronikai mérnöki mesterképzési szak
mesterképzés (MA/MSc) -
Láncz Gergő
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulensek
-
Csorvási Gábor
Doktorandusz hallgató, Automatizálási és Alkalmazott Informatikai Tanszék -
Kiss Domokos
tanársegéd, Automatizálási és Alkalmazott Informatikai Tanszék
