了解下英国的自动驾驶豆荚车队的测试
本次演示在Warwick University的国家汽车创新中心(National Autonomous Innovation Centre)举行,由公司、大学专家和理事会组成的混合团队共同创造了这种独特的组队方法。
SWARM项目的构成
Aurrigo与WMG(Warwick Manufacturing Group)和Milton Keynes council合作开展了SWARM项目。这项由英国资助的研究调查了使用“SWARM”智能(就像蜂群或蚁群那样)来管理无人驾驶pod车队的潜力。
参加这次演示的公司、机构和大学包括:
Aurrigo:RDM集团的子公司,成立于2017年。RDM集团是设计和生产无人驾驶pod的公司,总部位于考文垂,并在加拿大、澳洲、芬兰、新加坡、越南和英国都有业务。RDM集团成立于1988年,是一家拥有约60名员工的家族企业。到目前为止,Aurrigo和RDM集团在全球制造并运营着30辆pod。
WMG:Warwick University的一个学术部门。在该项目中,WMG提供了SWARM算法、仿真、实验工程、人力和评估。
Milton Keynes Council:英格兰白金汉郡米尔顿·凯恩斯自治市的地方政府机构。该地区被认为是英国交通创新的中心之一。该委员会使用UK AUTODRIVE项目的现有基础设施主持即将到来的SWARM Pod的试验。
SWARM项目由CCAV(Centre of Connected and Autonomous Vehicles)的第二轮资金支持,由Innovate UK管理。
SWARM演示的软硬件堆栈
为了这次演示的目的,Aurrigo为SWARM联盟提供了它的RDM PodZero车辆。
PodZero的设计目的是:
- 第一英里与最后一英里的交通解决方案。
- 非公路的有限区域:共享空间、校园、工业场所、机场、医院等
- 可容纳4人,可在车内或远程监督下自动驾驶。
- 完整的“线控驱动”架构,48V铅酸电池电动动力总成、制动与转向系统。
- 传感器布置:激光雷达(Hokuyo和Sick提供)、摄像头、超声波传感器(每辆车8个)、IMU、差分GPS(精度为2-3㎝)、测距仪。
PodZero的控制软件堆栈
PodZero自动驾驶控制系统已经根据pod的机械设计进行了相应调整。
车辆采用GPS、激光雷达、超声波、摄像头和车轮动力学的组合进行定位,软件堆栈基于Linux操作系统上的ROS中间件。用户界面应用程序充当显示传感器数据和车辆状态信息的可视化工具。
ROS接口是由Aurrigo定制的,操作员使用它来创建自动驾驶路线并监控车辆的运动。它还允许访问远程支持。
SWARM算法
SWARM的概念基于车辆之间的相互通信,使用WiFi技术在可能的情况下相互交流位置并排成一排。当前排车辆感知到后面的车辆时,会拖着它并继续按计划的路线行驶。据称,这种方法可提供灵活高效的车队,增强行人安全并最大程度地减少监督成本。但他们在演示当天,车辆还是必须由操作员对系统进行持续监督。
Aurrigo和WMG设计和开发了传感器和通信技术,并开发了使pod进行自组织的智能。该技术首先在Aurrigo的城市发展实验室中进行了测试。为了模拟整个车队的性能,使用了WMG用于智能车辆的3xD模拟器。
该团队使用该模拟试验来改变参数,例如人类监督员的人数或用户的等待时间,以了解其如何影响车队的性能。Aurrigo声称利用这一点,已经为其SWARM技术发现了巨大的商业机会,比如在机场运送行礼的车辆。去年早些时候,英航在Heathrow机场进行了测试。
人类监督员
尽管这些车辆被认为是L5级自动驾驶,但由于它们没有方向盘、加速踏板和制动踏板,每个移动的pod都有一个专职监督员来监控行驶过程。他需要在车内使用车辆界面或远程监控车辆。
远程监控可以通过CCTV或FPV从固定位置的控制中心或内置在pod里。这是因为涉及到法规、驾驶执照和保险等问题。
实现无人化
脱离监督任务需要采取适当的安全措施。为了获得最大的安全性,必须遵循:ISO26262功能安全(即使出现故障也安全)、ISO21448预期功能的安全性(SOTIF)(无故障时是安全的)。
此外,为了减少监督的需要,Aurrigo必须首先采取以下措施:关键系统的不同实现、关键系统的冗余、限定的ODD、授权的操作程序和流程。
未来的部署
Warwick University的SWARM项目首次演示之后,该联盟打算发布由Milton Keynes Council在新设立的地区主办的全面测试,该测试也指定用于一所新大学。
新的测试空间开始会将行人排除在外,但当系统完全可信任时,将对行人、自行车和其他障碍物进行进一步测试。
该计划的部署计划在2020年底进行,但也取决于大学校园和基础设施建设的进展。
车队运营问题
尽管这种方法听起来很有前景,但从长远来看,仍存在潜在的车队管理问题。
为了使等待时间最小化,需要使车辆最大限度接近预期的用户位置。确保在预期的地点附近有足够的等候区,将是整个系统设计的重要部分。
这些交通流量大的位置可能会根据一天中的某个时段、一周中的某天、天气状况以及诸如体育比赛或音乐会之类的活动而变化。在计划车队运营时,需要考虑所有这些因素以及当前所需的管理人力。
行程结束后,车辆很可能就停在了对于下一个用户来说错误的“位置”上。在当前需要人工监督的运行条件下,这意味着仅在监督员在车内的情况下才可能完成那些行程。那么实际上这就与今天的出租车或Uber的运营没有什么不同。因此进一步改善pod车队的整体管理将对于最大化整体运营效率至关重要。
-
汽车测试网V课堂
-
微信公众号
-
汽车测试网手机站
最新资讯
-
生产制造 | 产品加工-EDGECAM 高效自动编程
2024-12-27 17:39
-
设计仿真 | Adams_Controls变拓扑分析
2024-12-27 17:39
-
设计仿真 | Digimat用于碰撞、冲击模拟热塑
2024-12-27 17:38
-
设计仿真 | 海克斯康 MSC Nastran 助力沃尔
2024-12-27 17:37
-
CAERI风洞丨整车环境风洞风雨场探究
2024-12-27 17:16