SG.hu

Az önvezető autók leginkább szürkületben buknak meg

Egy több, mint 2000 önvezető jármű adatai alapján készült tanulmány szerint az ilyen autók bizonyos körülmények között biztonságosabbak lehetnek az emberek által vezetetteknél, míg más körülmények között potenciálisan veszélyesebbek. A kutatók elmondták, hogy munkájukban a korábbi tanulmányokhoz képest több adatot használtak fel mind az autonóm, mind az ember által vezetett járművekről.

A Nature Communications című szaklapban megjelent tanulmány célja az autonóm járművek és az ember vezette járművek közötti baleseti kockázati különbségek feltárása volt, hogy ezzel tájékoztatást nyújtson az autonóm technológia jövőbeli fejlesztéséhez és a biztonság fokozásához. A tanulmány 2100 autonóm jármű és 35 133 ember által vezetett jármű 2016 és 2022 közötti baleseteinek adatait gyűjtötte össze.

A Shengxuan Ding, a Közép-Floridai Egyetem doktorandusza által vezetett tanulmány megállapította, hogy az autonóm járművek valószínűleg javíthatják a közúti biztonságot, de vannak olyan területek is, amelyeken még javítani kell. Az eredmények szerint az autonóm járművek az embereknél kisebb valószínűséggel részesei olyan közúti eseményeknek, ahol egy baleset oka olyan mindennapi helyzet, mint például a forgalom áramlásával való sebességtartás hiánya vagy a sávból való kitérés. Megállapítása szerint az önvezető autók hatékonyabban kerülik el a hátulról és az oldalról történő ütközést, amelyek 0,5-szer, illetve 0,2-szer ritkábban fordulnak elő.

A kutatás szerint az önvezető járművek átlagosan 5,25-ször nagyobb valószínűséggel szenvedtek balesetet gyenge fényviszonyok között - kora reggel vagy szürkületkor, amikor a fény már fogyatkozik. Emellett 1,98-szor nagyobb valószínűséggel hibáztak kanyarodás közben, mint az emberek. Az autonóm járművek gyenge teljesítménye rossz fényviszonyok között "az összetett vezetési forgatókönyveknél elvárt helyzetfelismerés hiányának és a korlátozott vezetési tapasztalatnak" tulajdonítható. Az autonóm járművek ilyen körülmények közötti teljesítményének javítása "fejlett érzékelőket, robusztus algoritmusokat és intelligens tervezési megfontolásokat" igényelhet.


A baleseteket helyük és az ütközés pozíciója alapján csoportosították - a legtöbb egy kereszteződésben, hátulról történt

A tanulmány szerint az autonóm járművek által használt érzékelők és kamerák nem képesek gyorsan alkalmazkodni a fényviszonyok változásaihoz, ami befolyásolhatja az akadályok, gyalogosok és más járművek észlelési képességét. Hajnalban és szürkületkor például a nap árnyékai és visszaverődései megzavarhatják az érzékelőket, megnehezítve a tárgyak megkülönböztetését és a potenciális veszélyek azonosítását. Továbbá az ingadozó fényviszonyok befolyásolhatják a járművek által használt objektumérő és -felismerő algoritmusok pontosságát.

"A kulcsfontosságú tényezők közé tartozik az időjárás- és fényérzékelők fejlesztése, redundáns intézkedések végrehajtása és az érzékelőadatok hatékony integrálása. Ezekre a szempontokra összpontosítva az autonóm vezetési rendszerek biztonsága jelentősen javítható a kihívást jelentő helyzeteknél" - áll a kutatásban.

Itt meg kell jegyezni, hogy a tanulmány 2022-ig terjedő adatokra vonatkozik. Az elmúlt két évben a Google tulajdonában lévő Waymo által üzemeltetett autonóm sofőr nélküli taxik egyre több embert szállítottak, és éjjel-nappal közlekednek. Nem tökéletesek és csak néhány városra korlátozódnak, de az biztos, hogy az elmúlt mintegy 24 hónapban legalább némi fejlődés tapasztalható, és a befektetők nagy téteket tettek rájuk.

Hozzászólások

A témához csak regisztrált és bejelentkezett látogatók szólhatnak hozzá!
Bejelentkezéshez klikk ide
(Regisztráció a fórum nyitóoldalán)
  • kvp #2
    "A kamerák dinamika tartománya nem akkora, hogy minden helyzetben tökéletesen érzékeljen."

    Ez csak azert van, mert nem parhuzamos HDR kamerakat hasznalnak. Egy globalis elektronikus zarszerkezetes, parhuzamos HDR kamera tokeletesen lat szinte barmilyen fenyviszony eseten. A gond az, hogy ezek a chipek nagyon dragak. Ha tomeggyartanak oket, talan lemenne az aruk (a fotosok szamara is).

    "Meg elég egy esős havas idösuak és odafroccsen egy kis kosz akkor máris kiesik az érzékelés."

    Ez emberes vezetes es szelvedo eseten is igaz. Automatikus ablaktorlo es automatikus moso kell a kamerak uvegere.

    "Ha 100000 auto elmegy egy adott uton akkor annak van egy átlaga amit követket a 100001. auto ahhoz, hogy bármerre elmenjen, a közelségfigyelo szenzorok meg eltérnek ettől ha akadályt észlelnek."

    Ez a Tesla strategiaja. Az emberes soforok videoibol tanitjak be az automatat. A ritkan jart utakon tobbnyire manualisan vezeto emberek felismerhetik a sajat vezetesi stilusukat amikor egyszer csak automatara valtanak. Ezen folyamatos videofelvetel es feltoltes miatt nem szeretik sok helyen a Teslakat.

    "A lidar ultrahang lézeres távmérők és a GPS kombinácioja jobb lenne."

    A lidar-ok meg tudjak vakitani egymast, tehat ha tul sok van beloluk, akkor hasznalhatatlanok. Az ultrahang eseten ugyanez a gond. Ha nagy a tomeg, akkor drasztikusan csokken a pontossag. A GPS pedig nem elerheto mindenhol, ilyen helyeken csak a folyamatosan novekvo pontatlansagu inercialis navigacio es a mobil cella/wifi hotspot alapu helymeghatarozas marad. Ennek ellenere a helymeghatarozas alapu terkep kovetes szinte minden mai onvezeto rendszer alapja.

    A nyero megoldas egyebkent a tobb komponenses sztereo videokep (lathato, infra, uv + radio backscatter az passziv radar) alapu 3D-s voxel map letrehozasa lenne, majd ennek illesztese a voxel map alapu terkepre, hogy a jarmu tudja hogy hol van. Indulas elott pedig helymeghatarozas alapjan kezdi el keresni az elso illeszkedesi pontot, majd menet kozben ezt ellenorzi amikor csak lehet. A sima utkozeselkerules celjara egyebkent a voxel map mar eleg, a terkep illesztes arra kell, hogy megtalalja a savokat es tudja hogy hova szabad mennie es hova nem. Egy ilyen megoldas a tablakat es jelzoket is foloslegesse tenne, mar amennyiben mindennek van a neten elerheto digitalis masa. (tehat ilyenkor egy auto a pozicioja alapjan le tudja kerni az elotte levo jelzolampak allasat es a tablak jelenteseit) Amig ez nem elerheto, addig a voxel map illesztessel parhuzamosan a 3D-s szegmentalt terkeprol meg le kell venni a jelzolampak es tablak 2D kepeit is, majd kisimitas (sikba transzformalas) utan kepillesztessel megkeresni, hogy mit jelentenek. Ezek mar boven elegek lennenek, hogy egy auto utkozes nelkul ovatosan vegig tudjon menni az osszes elore rogzitett utvonalon. Ez lenne a Level 4 es ez a legtobb esetben eleg is lenne.
  • repvez #1
    Ezen nem is csodálkozok, addig amig kamerákat használnbak az önvezetéshez addig nem is fog nagyon javulni a helyzet.
    A kamerák dinamika tartománya nem akkora, hogy minden helyzetben tökéletesen érzékeljen.
    Meg elég egy esős havas idösuak és odafroccsen egy kis kosz akkor máris kiesik az érzékelés.
    Jobb lenne ha nem képrögrités alapján terveznék az autokat, hanem olyan képalkoto eljárással amit nem befolyásolnak a külsö fényviszonyok legyen az akár éjjel vagy nappal .
    A lidar ultrahang lézeres távmérők és a GPS kombinácioja jobb lenne.
    MEg persze az, ha az auto tudná , hogy hol van a begyujtot adatokbol tudná , hogy az adott uton hol kell lennie , hogy az uton és a sávjában maradjon. .
    Ha 100000 auto elmegy egy adott uton akkor annak van egy átlaga amit követket a 100001. auto ahhoz, hogy bármerre elmenjen, a közelségfigyelo szenzorok meg eltérnek ettől ha akadályt észlelnek.