A számítógépes és kommunikációs technológia teljesítményének erősödésével gyors ütemben fejlődik a számítógépek környezetfelismerő és útvonaltervező képessége. Ez az önvezető járművek fejlesztésének egyik legfőbb mozgatója. Az elmúlt időszakban az ezzel kapcsolatos kutatások az önálló autók önvezetésére koncentráltak. Az egyes járművek érzékelőkapacitása azonban kevés a környezetük pontos feltérképezéséhez. Ez jelentős forgalom esetén korlátozza az önvezetés képességét.
Mi az a DT?
Ezt felismerve a fejlesztések az elmúlt időszakban egyre inkább arra irányulnak, hogyan lehetne összekapcsolni a járműveket egymással és a közúti forgalmat szervező rendszerekkel. Az ilyen hálózatok kiépítése hozza majd létre a járművek internetjét (Internet of Vehicle, IoV), ami egyszerre emeli magasabb szintre az önvezetés képességét és a forgalomszervezés színvonalát. Erről szól egy az autópályák IoV-jének lehetőségével foglalkozó tanulmány, amit a neves Nature magazin közölt.
Az IoV valójában a dolgok interneteként (IoT) ismert technológia egyik ága. Kiindulópontja szerint nem pusztán a járművek érzékelőit kell használni és összekapcsolni egymással, hanem az utak mellett telepített érzékelő berendezésekét is. Ezek jelenleg legfőképpen köztéri térfigyelő kamerák, ám a jövőben egyre több lesz a radar elvén működő érzékelő is.
Amikor egy-egy jármű bekerül az IoV térbe – vagy másként fogalmazva azzal, hogy elindul, megformálódik körülötte egy IoV tér –, egy tágabb, városi környezetből és környezetről szerezhet információkat. A tanulmány szerzői szerint ennek segítségével a fedélzeti számítógép digitális szinten egy ikermodellben tükrözheti le környezte közlekedési helyzetét és annak változását. Ezt nevezik digital twin (DT) modellnek.
A DT modell egyszerre kezeli a jelen idejű információkat a jövőbeni várakozásokkal a forgalom alakulásáról. Ehhez igazodva kialakulhat egy a járművek és a forgalomszervezés együttműködésén alapuló, intelligens közlekedési modell a városokban.
A legnagyobb kihívás ezzel kapcsolatban, hogy az IoV-re alapuló autonóm közlekedési helyzetekben óriási mennyiségű információt kell feldolgozniuk az autók fedélzeti és a közlekedés irányító szervezetek számítógépeinek. Mindezt valós időben, nagyon rövid idő alatt, mivel a forgalom pillanatról pillanatra változik. Ráadásul a járművek irányító rendszerének egyszerre kell tájékozódnia és utasításokat adnia a további haladásra vonatkozóan.
Denevéres párhuzam
A jelenleg használt gépi tanulási megoldások kiváló eredményeket produkálnak a járművek körülvevő, azaz a környező forgalomról érkező információk feldolgozásában, ám lényegében csak utólag. Amikor rögzítenek egy helyzetet, az a forgalom folyamatos változása nyomán már tova is tűnt.
A DT kiegészíti ezt az előrelátás képességével. Úgy is fogalmazhatunk, hogy a fizikai valóságban létező környező forgalmi helyzet folyamatos digitális másolatát adja. Mintha az autó „látná”, ami körülötte történik. Sőt nem csupán a kamerákon keresztül a „szemével látja”, hanem radar segítségével a látható valóságon túl is érzékeli a környezetét. A pontossághoz tartozik, hogy nem a teljes körülötte lévő világot, hanem annak közlekedő részét.
Némi túlzással azt mondhatjuk, hogy a tájékozódás szempontjából az ultrahangok segítségével is tájékozódó denevérek és DT modell alapján közlekedő autók között két különbség van. Az egyik az, hogy az autók a körülöttük történő közlekedési eseményeket figyelik, és nem prédára vadásznak. A másik, hogy a IoV kommunikációban hálózatban működnek a többi járművel és a forgalmat irányító rendszerrel.
A radaroknak jó a sugárirányú és a sebességérzékelő képességük. Emellett bármilyen időjárási körülmények között megbízhatóan működnek. Így tökéletes kiegészítői lehetnek a kameráknak. A kétféle érzékelőtől érkező információ egyesítése a külön-külön érkezőknél sokkal pontosabban tükrözheti a forgalom alakulását.
Ugyanakkor az információk közös nevezőre hozása az egyik legnagyobb technológiai kihívás, amit a DT modellnek meg kell oldania. A kamerák és radarok egyesítése két részre válik. Az egyik a célobjektumok érzékelésének és felismerésnek képessége, a másik a nyomon követésük képessége. Az előbbi során a radartól érkező információ pontosíthatja, amit a kamera lát, aminek eredményeként például elkerülhetővé válnak a felesleges vészhelyzeti riasztások.
A célobjektumok nyomon követésének képessége a DT modellben azt jelenti, hogy ezek várható helyzetével is számol a rendszer. A tudományos kutatásokban két lehetőség merült fel az adategyesítésre. Az egyikben a kamera és a radar külön-külön követi az objektumot és a rendszer utólag egyesíti az adatokat. A másikban a két érzékelő egy külön egyesítő filterbe juttatja el az objektumról szerzett információit, ami egyből az egyesített adatokat továbbítja a fedélzeti számítógépnek.
Összességében a DT modell úgy teljesíthet a legjobban, ha mind a közlekedő járművekben, mint az útszéli megfigyelőrendszerekben párosul a kamerás és a radaros érzékelés, illetve létrejön a két csatornán szerzett információk fúziója. Az IoV rendszer így függetlenül a fény- és időjárási viszonyoktól pontos, megbízható információk alapján épülhet fel. Az autók autonóm közlekedése és a forgalom szervezése is magasabb szintre emelkedhet.
