Реалистично смоделированная среда вождения, основанная на "подверженном авариям" перекрестке Мичигана

  • Пользователь Алексей Коровин опубликовал
  • 2 мая 2023 г., 15:20:08 MSK
  • 0 комментариев
  • 47 просмотров
В настоящее время разработано первое статистически реалистичное моделирование дорожного полотна. Хотя в настоящее время это особенно опасный объездной путь, будущая работа расширит его, включив в него другие ситуации вождения для тестирования программного обеспечения автономного транспортного средства.

Первое статистически реалистичное моделирование дорожного полотна было разработано исследователями из Мичиганского университета. Хотя в настоящее время это особенно опасный объездной путь, будущая работа расширит его, включив в него другие ситуации вождения для тестирования программного обеспечения автономного транспортного средства.

Имитация представляет собой модель машинного обучения, которая обучалась на данных, собранных на кольцевой развязке на южной стороне Анн-Арбора, признанном одним из наиболее подверженных авариям перекрестков в штате Мичиган и удобно расположенном всего в нескольких милях от офисов исследовательской группы.

Известная как Neural Naturalistic Driving Environment или NeuralNDE, она превратила эти данные в симуляцию того, что водители испытывают каждый день. Виртуальные дороги, подобные этой, необходимы для обеспечения безопасности программного обеспечения автономного транспортного средства до того, как другие автомобили, велосипедисты и пешеходы когда-либо пересекут его путь.

"NeuralNDE воспроизводит условия вождения и, что более важно, реалистично моделирует эти критические для безопасности ситуации, чтобы мы могли оценить показатели безопасности автономных транспортных средств", - сказал Генри Лью, профессор гражданского строительства U-M и директор Mcity, возглавляемого U-M государственно-частного партнерства по исследованию мобильности.

Лю также является директором Центра подключенного и автоматизированного транспорта и автором-корреспондентом исследования в Природные коммуникации.

Критические для безопасности события, требующие от водителя принятия решений за доли секунды и принятия мер, случаются не так часто. Водители могут проводить много часов между событиями, которые вынуждают их жать на тормоза или сворачивать, чтобы избежать столкновения, и у каждого события свои уникальные обстоятельства.

Вместе они представляют собой два узких места в попытках имитировать наши дороги, известных как "проклятие редкости" и "проклятие размерности" соответственно. Проклятие размерности вызвано сложностью условий вождения, которые включают в себя такие факторы, как качество дорожного покрытия, текущие погодные условия и различные типы участников дорожного движения, включая пешеходов и велосипедистов.

Чтобы смоделировать все это, команда попыталась увидеть все это. Они установили сенсорные системы на фонарных столбах, которые непрерывно собирают данные на кольцевой развязке Стейт-стрит/Эллсворт-роуд.

"Причина, по которой мы выбрали это место, заключается в том, что кольцевые развязки - это очень сложный сценарий городского вождения для автономных транспортных средств. На кольцевой развязке водители должны спонтанно вступать в переговоры и сотрудничать с другими водителями, движущимися через перекресток. Кроме того, на этой конкретной кольцевой развязке наблюдается высокая интенсивность движения и она имеет две полосы движения, что увеличивает ее сложность", - сказал Синьтао Янь, аспирант в области гражданского строительства и экологической инженерии и первый автор исследования, которого консультирует Лю.

NeuralNDE служит ключевым компонентом CCAT Safe AI Framework для надежных тестов пограничных сценариев, или SAFE TEST, системы, разработанной командой Лю, которая использует искусственный интеллект для сокращения пробега, необходимого для обеспечения безопасности автономных транспортных средств, на 99,99%. Это, по сути, снимает "проклятие редкости", приводя к критическим для безопасности инцидентам в тысячу раз чаще, чем они происходят при реальном вождении. NeuralNDE также имеет решающее значение для проекта, призванного обеспечить возможность использования тестового комплекса Mcity для удаленного тестирования программного обеспечения AV.

Но в отличие от полностью виртуальной среды, эти тесты проходят в смешанной реальности на закрытых испытательных трассах, таких как испытательный центр Mcity и Американский центр мобильности в Ипсиланти, штат Мичиган. В дополнение к реальным условиям трассы автономные транспортные средства также испытывают виртуальных водителей, велосипедистов и пешеходов, ведущих себя как безопасно, так и опасно. Тестируя эти сценарии в контролируемой среде, разработчики AV могут точно настроить свои системы, чтобы они лучше справлялись со всеми дорожными ситуациями.

NeuralNDE полезен не только разработчикам AV-устройств, но и исследователям, изучающим поведение водителя-человека. Моделирование может интерпретировать данные о том, как водители реагируют на различные сценарии, что может помочь в создании более функциональной дорожной инфраструктуры.

В 2021 году Научно-исследовательский институт транспорта U-M получил от Министерства транспорта США финансирование в размере 9,95 миллиона долларов на расширение числа перекрестков, оборудованных этими датчиками, до 21. Эта реализация расширит возможности NeuralNDE и обеспечит оповещение водителей с подключенными транспортными средствами в режиме реального времени.

Исследование финансировалось Mcity, CCAT и Научно-исследовательским институтом транспорта U-M. Основанная в 1965 году, UMTRI является мировым лидером в области междисциплинарных исследований и предпочтительным партнером для лидеров отрасли, фондов и правительственных учреждений в продвижении безопасных, справедливых и эффективных перевозок и мобильности. CCAT - региональный университетский центр транспортных исследований, недавно получивший от USDOT пятилетнее продление контракта на сумму 15 миллионов долларов.

Комментарии

0 комментариев