Autonome køretøjer: Er du klar til den nye tur?

I samarbejde med VMware

Den selvkørende bilrevolution er ved at skifte til overgear. Skiltene er overalt. Bare se på bagsiden af ​​South Bostons teknologikorridor, på gaderne i Pittsburgh, i de præfabrikerede testfaciliteter på University of Michigans Mcity og gennem en snert af åbne motorveje.

Bilvirksomheder slutter sig til teknologigiganter som Google, Uber og fremtrædende start-ups for at udvikle næste generation af autonome køretøjer, der vil ændre vores veje og gennemløb og lægge grunden til fremtidige smarte byer. De udnytter teknologiske fremskridt såsom maskinlæring, Internet of Things (IoT) og skyen for at accelerere udviklingen.

Mere markant er det, at autonome køretøjer vil fremme den industriforstyrrelse, der er sat i gang af populære samkørselstjenester som Uber og Lyft. Brikkerne samles for at skabe en verden, hvor intelligente, førerløse køretøjer bliver fremtiden for transport.

Autonome køretøjer vil hjælpe med at bringe byen tilbage til, hvad den var - for mennesker, siger Ryan Chin, medstifter af Optimus Ride , en Boston-baseret startup, der arbejder med selvkørende teknologier. Efterhånden som autonome køretøjer vinder trækkraft, forestiller Chin sig en mulighed for at omskabe bylandskabet ved at konsolidere parkeringspladser, genvinde jord til parker, reducere overbelastning og trafik i byerne og fremme den generelle motorvejssikkerhed. Autonome køretøjer vil spille en stor rolle i at levere et meget sikrere miljø, fordi de følger færdselsreglerne, siger han.

Grundlæggerne af Optimus Ride, en Boston-baseret startup for selvkørende teknologier.

Der er en dyb sammenhæng mellem rigdom og mobilitetsadgang, og det ønsker vi at ændre ved at give autonomi og fælles transport.

Mens en stor del af den tidlige humør har fokuseret på den stadig formative vision om fuldt autonome køretøjer (dem, der når niveau 5 som defineret af Society of Automotive Engineers ), er der forskellige niveauer af selvkørende evner. Nogle niveau 1-funktioner såsom adaptiv fartpilot, automatisk nødbremse, automatisk parkering og aktiv vognbanekontrol er allerede almindelige funktioner i nuværende bilmodeller. Luksusmærker inklusive Volvo, BMW og Mercedes-Benz er begyndt at fremvise niveau 2-funktioner såsom automatisk styring og hastighedskontrol i korte perioder. Niveau 3-biler (stadig i test) vil kræve noget førerindgreb. Niveau 4 vil være helt autonom, men kan stadig køres af mennesker, og niveau 5 køretøjer vil blive designet til at tage føreren helt ud af billedet.

Til sidst vil alle selvkørende biler anvende en kombination af sensorer, kameraer, radar, højtydende GPS, lysdetektion og rækkevidde (LIDAR), kunstig intelligens (AI) og maskinlæring for at opnå deres respektive niveauer af autonomi. Forbindelse til sikker og skalerbar IoT, dataadministration og cloud-løsninger er også vigtige for blandingen, hvilket giver et robust og højtydende grundlag til at indsamle, administrere og analysere omfangsrige sensordata.

Samfundsmæssige konsekvenser

Mens den tilsluttede bils æra stadig er i sin vorden, er der udbredt optimisme om, at det er fremtidens bølge. Gartner projekterer, at 250 millioner tilsluttede køretøjer vil køre på vejene på verdensplan inden 2020. Desuden World Economic Forum forventer, at førerløse køretøjer vil generere 1 billion USD i økonomisk fordel for forbrugerne og samfundet i løbet af de næste 10 år, og autonome kørselsfunktioner vil hjælpe med at forhindre 9 procent af ulykkerne i 2025 med potentiale til at redde 900.000 liv i de næste 10 år. Ved 2040 , forventes autonome køretøjer at udgøre omkring 25 procent af det globale marked.

Fremkomsten af ​​det tilsluttede køretøj har vidtrækkende samfundsmæssige konsekvenser, fra miljømæssige fordele til forbedret sikkerhed. Færre biler på vejene betyder en reduktion i udledningen af ​​drivhusgasser, hvilket fører til bedre luftkvalitet og lavere energiforbrug. Ud over bæredygtighedsfordele er selvkørende biler klar til at åbne et helt nyt økonomisk kapitel i det, som Intel og analysefirmaet Strategy Analytics kalder Passager økonomi . I deres økonomiske vision om trenden, der er vurderet til 7 billioner dollars i omsætning i 2050, vil chauffører blive ledige passagerer og dermed potentielle forbrugere af nye varer og tjenester såsom skønhedssaloner ombord, behandlingsbokse til sundhedspleje og multimedieindhold, der er klargjort til on- forbrug på farten.

Autonom drift vil også ændre offentlighedens forhold til biler, da ejerskab af køretøjer tager en bagsædet til Mobility as a Service (MaaS), hvor enkeltpersoner gør brug af selvkørende biler på efterspørgsel ligesom enhver anden forsyningstjeneste. Intel/Strategy Analytics-rapporten anslår, at virksomhedsbrug af MaaS kan generere 3 billioner dollars i omsætning i 2040, og forbrugernes brug kan udgøre 3,7 billioner dollars inden for samme tidsramme.

Software vil være den vigtigste muliggører for autonome køretøjer, hvilket giver mulighed for øjeblikkelige opdateringer af nye funktioner, men fungerer også som mekanismen til at personalisere oplevelsen og programmere køretøjets ydeevne. For eksempel kunne familier konfigurere en selvkørende bil til kontinuerlig afhentning og aflevering, transport af mor på arbejde og transport af børn til skole og fodbold. Med dette scenarie vurderer MIT, at autonome køretøjer kan opfylde samfundets personlige transportbehov med 80 procent færre køretøjer i transit.

Der er også betydelige konsekvenser for sikkerheds- og trafikproblemer, hvor eksperter forudsiger langt færre ulykker. Selvkørende biler forventes at redde 585.000 liv mellem 2035 og 2045, ifølge Passenger Economy-undersøgelsen. De forventes også at reducere omkostningerne til offentlig sikkerhed i forbindelse med trafikulykker med mere end 234 milliarder dollars i samme periode. Samtidig bør autonome køretøjer frigøre mere end 250 millioner timers pendlingstid årligt for forbrugere, især dem, der bor i overbelastede byer.

Efterhånden som flere autonome køretøjer kommer på gaden, vil byplanlæggere fremskynde planerne om at modernisere motorveje og færdselsårer med smart teknologi til vejskilte, trafiklys og flettebaner — alt sammen i et forsøg på at reducere trængsel og øge den offentlige sikkerhed. I årtier troede vi, at vi ville komme til smarte motorveje ved at gøre motorveje smarte, men der har været et stort kyllinge-og-æg-problem, siger David Tennenhouse, forskningschef for VMware. Med autonome køretøjer, der kan navigere i eksisterende infrastruktur og tale med hinanden, som de gør [gennem køretøj-til-køretøj-kommunikation], kan vi få mere effektivitet ud af vejene. Så vil vi i sidste ende have smart infrastruktur til at gå med de smarte køretøjer, men dette får alt i gang.

David Tennenhouse, forskningschef, VMware

Teknologienablere

For både de selvkørende biler og de smarte vejbanesystemer er endepunktstelemetri, smart software og cloud essentielle muligheder. De indbyggede kameraer og sensorer på et autonomt køretøj indsamler enorme mængder data, som skal behandles i realtid for at holde køretøjet i den rigtige vognbane og fungere sikkert, når det er på vej mod sin destination. Der er en masse lokal databehandling, der skal ske i realtid, inklusive de beregninger, der er nødvendige for at holde bilen i sin vognbane. Samtidig er der behandlingsopgaver, der kan ske eksternt i skyen, såsom softwareopdateringer og opgradering af læringsmodeller. En skalerbar, meget modstandsdygtig cloud-baseret infrastruktur er afgørende for håndtering af denne type databehandling i stor skala, mens cloud-baserede datastyringssystemer og intelligente agenter tager ansvaret for at aggregere og analysere de telemetriske data i realtid - for eksempel køretøjer hastighed og omgivende bils nærhed - for at igangsætte handlinger som at bremse eller skifte vognbane.

Cloud-baseret netværk og forbindelse er en anden vigtig del af blandingen. Autonome køretøjer vil blive udstyret med indbyggede systemer, der understøtter maskine-til-maskine-kommunikation, så de kan lære af andre køretøjer på vejen for at foretage justeringer, der tager højde for vejrændringer og skiftende vejforhold, såsom omveje og affald på vejen. Avancerede algoritmer, AI og deep learning-systemer er centrale for at sikre, at selvkørende biler hurtigt og automatisk kan tilpasse sig skiftende scenarier.

Ud over de specifikke komponenter er skalerbarhed af cloud computing-infrastruktur sammen med intelligent datastyring og transmissionskapacitet uundværlige for at sikre, at al den rigtige information behandles korrekt og sikkert. Dette gælder især for destinations- og adressedata, som kunne betragtes som personligt identificerbare oplysninger. For eksempel kan indbygget intelligens bestemme, om datalagring og -analyse sker i skyen eller ombord på køretøjet i tilfælde af, at rejsestien krydser regioner med subpar-netværksforbindelse.

Det er datacenterproblemer, siger Tennenhouse. Problemets omfang spiller ind i behovet for infrastruktur og datastyring og for sikring og styring af datastrømmen. Det er her, VMware virkelig kan tilføje værdi.

Cruising med Optimus Ride

Tilbage i Boston arbejder Optimus Ride hårdt på fuld niveau 4 autonomi, ikke for et specifikt køretøj, det er ved at udvikle, men som et mobilitet-on-demand-system, der understøtter flåder af elektriske køretøjer. Ud over sikkerhed og bæredygtighed er mantraet bag Optimus Rides stadig stealth-mode autonome køretøjsudvikling, hvad det kalder retfærdig mobilitet, ifølge Chin. Der er en dyb sammenhæng mellem rigdom og mobilitetsadgang, og det ønsker vi at ændre ved at give autonomi og fælles transport, siger Chin. Hvis du kan levere mobilitetsadgang, giver du både økonomiske og samfundsmæssige fordele for alle. Vi ønsker at demokratisere mobilitet for masserne.

MIT Media Lab-spin-off'en arbejder på en fuld stack-løsning, der blandt andet omfatter hardware, software og dybe maskinlæringsfunktioner. Ideen er at tilbyde sin stak som en hvid-label-løsning til virksomheder, der er interesseret i at levere on-demand mobilitetstjenester (tænk taxaer eller samkørselstilbud) for at imødekomme samfundets skiftende transportbehov, ifølge Chin. Målkunder kunne være byer, offentlige transportsystemer, biludlejningsfirmaer, samkørselstjenester eller endda store virksomheder, der ønsker at tilbyde mobilitetsmuligheder for medarbejderne, forklarer han.

Ud over regulatoriske udfordringer kæmper virksomheder i det autonome køretøjsrum med en række tekniske problemer, herunder behovet for at skabe infrastrukturen til at håndtere de enorme mængder data og behandle dem i stor skala. Datahastighed er en nøgleudfordring, som alle har, siger Chin. Når du har en flåde på tusindvis af køretøjer, er det virkelig vigtigt at få gode data og at kunne behandle dem gennem simulering.

Mens denne bølge af avancerede teknologier giver en rampe til udvikling af autonome køretøjer, indrømmer Chin, Tennenhouse og andre eksperter, at det vil vare et stykke tid, før den selvkørende revolution for altid ændrer transportlandskabet. Den endelige grænse for autonomi er bykørsel under ekstreme vejrforhold, og det kommer til at tage noget tid, siger Chin.

skjule