Se os veículos autônomos alcançarem uma adoção generalizada, precisamos saber que eles são capazes de navegar em situações de tráfego complexas, como entrar em tráfego pesado quando as faixas desaparecem em uma rodovia. Para esse fim, pesquisadores da North Carolina State University desenvolveram uma técnica que permite que o software de veículos autônomos faça os cálculos relevantes mais rapidamente – melhorando o tráfego e a segurança em sistemas de veículos autônomos simulados.
“No momento, os programas projetados para ajudar os veículos autônomos a navegar nas mudanças de faixa dependem de tornar os problemas computacionalmente simples o suficiente para serem resolvidos rapidamente, para que o veículo possa operar em tempo real”, diz Ali Hajbabaie, autor correspondente de um artigo sobre o trabalho e assistente. professor de engenharia civil, construção e meio ambiente na NC State. "No entanto, simplificar demais o problema pode realmente criar um novo conjunto de problemas, já que os cenários do mundo real raramente são simples.

"Nossa abordagem nos permite abraçar a complexidade dos problemas do mundo real. Em vez de focar na simplificação do problema, desenvolvemos um algoritmo distribuído cooperativo. Essa abordagem essencialmente divide um problema complexo em subproblemas menores e os envia para diferentes processadores para resolver separadamente. Esse processo, chamado de paralelização, melhora significativamente a eficiência."

Neste ponto, os pesquisadores só testaram sua abordagem em simulações, onde os subproblemas são compartilhados entre diferentes núcleos no mesmo sistema computacional. No entanto, se os veículos autônomos usarem a abordagem na estrada, os veículos se conectarão entre si e compartilharão os subproblemas de computação.

Nos testes de prova de conceito, os pesquisadores analisaram duas coisas:se sua técnica permitia que softwares de veículos autônomos resolvessem problemas de fusão em tempo real; e como a nova abordagem "cooperativa" afetou o tráfego e a segurança em comparação com um modelo existente para a navegação de veículos autônomos.

Em termos de tempo de computação, os pesquisadores descobriram que sua abordagem permitiu que veículos autônomos navegassem em cenários complexos de mesclagem de pistas de rodovias em tempo real em tráfego moderado e pesado, com desempenho mais irregular quando os volumes de tráfego ficaram particularmente altos.

Mas quando se trata de melhorar o tráfego e a segurança, a nova técnica se saiu excepcionalmente bem. Em alguns cenários, principalmente quando o volume de tráfego foi menor, as duas abordagens tiveram o mesmo desempenho. Mas, na maioria dos casos, a nova abordagem superou o modelo anterior por uma margem considerável. Além disso, a nova técnica teve zero incidentes em que os veículos tiveram que parar ou onde houve "condições de quase colisão". Os resultados do outro modelo incluíram vários cenários onde havia literalmente milhares de paralisações e condições de quase colisão.

"Para um teste de prova de conceito, estamos muito satisfeitos com o desempenho dessa técnica", diz Hajbabaie. "Há espaço para melhorias, mas começamos muito bem.

"A boa notícia é que estamos desenvolvendo essas ferramentas e lidando com esses problemas agora, de modo que estamos em uma boa posição para garantir sistemas autônomos seguros à medida que são adotados mais amplamente".

O artigo, "Distributed Cooperative Trajectory and Lane change Optimization of Connected Automated Vehicles:Freeway Segments with Lane Drop", aparece na revista Transportation Research Part C . O primeiro autor do artigo é Mehrdad Tajalli, um recente Ph.D. graduado do estado do NC. O papel foi co-autoria por Ramin Niroumand, um Ph.D. estudante na NC State. + Explorar mais

Pesquisadores encontram uma maneira de tornar os modelos de tráfego mais eficientes