Suche
Mein Konto
Robo-biler lærer af næsten uheld
ALP.Lab, den østrigske testregion for automatiseret kørsel, installerer for første gang kamerasystemer ved vejkryds, der kan detektere og analysere næsten-ulykker.
Robo-biler lærer af næsten uheld
De objektbaserede trafikovervågningssystemer er i øjeblikket ved at blive installeret af ALP.Lab-teknikere i Graz og på andre land- og bykryds i Østrig. "Vi monterer sensorerne fra moderne biler på gadepæle for at registrere ulykker, der næsten er sket," forklarer ALP.Labs administrerende direktør Gerhard Greiner. Især krydsområdet er en enorm udfordring for udviklingen af autonome køretøjer. Biler, lastbiler og fodgængere, e-scootere, e-cykler og skateboards, såvel som snart den første generation af semi-autonome køretøjer, mødes her. ALP.Lab trafikobservationssystemerne bruger radar, lidar og optiske kameraer til anonymt at optage trafikanter og opdele dem i kategorier. Dataene kan så også bruges af kommuner og trafikplanlæggere til at øge trafiksikkerheden og udvikle effektive former for kollektiv transport.
Intelligente køreassistenter
De indsamlede data bruges primært som træningsdata til autonome køresystemer. I modsætning til menneskelige køreelever skal computersystemer lagre og behandle enorme mængder data for at udlede meningsfulde handlinger fra dem. ALP.Lab kan nu tilbyde disse data til billeverandører og bilproducenter samt videnskabelige forskningsprojekter. "Trafikobservationsdataene er et ideelt supplement til de reelle test af automatiserede kørefunktioner, der tilbydes af ALP.Lab," forklarer Gerhard Greiner, administrerende direktør hos ALP.Lab. For at undgå ulykker bedst muligt, skal data ikke kun fra skete ulykker, men også fra næsten-ulykker evalueres. Disse såkaldte kritiske trafikscenarier omfatter for eksempel fodgængere, der har svært ved at krydse gaden inden afslutningen af den grønne fase, eller køretøjer, der pludselig ændrer venderadius for at undgå at krydse cyklister. De anvendte sensorer er i brug 24 timer i døgnet, 365 dage om året og kan derfor ikke kun optage en lang række typiske og farlige scenarier, men også korrelere dem med en lang række generelle forhold – såsom trafikmængde, vejr, tid eller temperatur. ALP.Labs administrerende direktør Jost Bernasch: "En sådan trafikovervågning er nyt internationalt område og vækker allerede stor interesse blandt eksperter."