Onderzoekers van MIT en Toyota hebben een nieuw model ontworpen om autonome voertuigen te helpen bepalen wanneer het veilig is om in te voegen in het verkeer op kruispunten met belemmerd zicht.

Navigeren op kruispunten kan gevaarlijk zijn voor zowel auto's zonder bestuurder als mensen. in 2016, ongeveer 23 procent van de dodelijke en 32 procent van de niet-fatale verkeersongevallen in de VS vond plaats op kruispunten, volgens een studie van het Department of Transportation uit 2018. Geautomatiseerde systemen die auto's zonder bestuurder en menselijke bestuurders helpen kruispunten te passeren, kunnen directe zichtbaarheid vereisen van de objecten die ze moeten vermijden. Wanneer hun zicht wordt geblokkeerd door nabijgelegen gebouwen of andere obstakels, deze systemen kunnen falen.

De onderzoekers ontwikkelden een model dat in plaats daarvan zijn eigen onzekerheid gebruikt om het risico op mogelijke botsingen of andere verkeersverstoringen op dergelijke kruispunten in te schatten. Het weegt verschillende kritische factoren, inclusief alle nabije visuele obstakels, sensorruis en fouten, de snelheid van andere auto's, en zelfs de oplettendheid van andere chauffeurs. Op basis van het gemeten risico, het systeem kan de auto adviseren te stoppen, in het verkeer trekken, of duw naar voren om meer gegevens te verzamelen.

"Als je een kruispunt nadert, is er potentieel gevaar voor aanrijdingen. Camera's en andere sensoren hebben een zichtlijn nodig. Als er occlusies zijn, ze hebben niet genoeg zicht om te beoordelen of het waarschijnlijk is dat er iets aankomt, " zegt Daniela Rus, directeur van het Computer Science and Artificial Intelligence Laboratory (CSAIL) en de Andrew en Erna Viterbi Professor of Electrical Engineering and Computer Science. "In dit werk, we gebruiken een voorspellend controlemodel dat beter bestand is tegen onzekerheid, om voertuigen te helpen veilig door deze uitdagende wegsituaties te navigeren."

De onderzoekers testten het systeem in meer dan 100 proeven met op afstand bestuurbare auto's die linksaf sloegen bij een drukke, belemmerd kruispunt in een nepstad, met andere auto's die constant door de zijstraat rijden. Experimenten met volledig autonome auto's en auto's die door mensen werden bestuurd, maar daarbij werden geholpen door het systeem. In alle gevallen, het systeem hielp de auto's 70 tot 100 procent van de tijd een aanrijding te voorkomen, afhankelijk van verschillende factoren. Andere vergelijkbare modellen die in dezelfde op afstand bestuurbare auto's waren geïmplementeerd, konden soms geen enkele proefrit voltooien zonder een botsing.

Deelnemen aan Rus op het papier zijn:eerste auteur Stephen G. McGill, Guy Rosman, en Luke Fletcher van het Toyota Research Institute (TRI); afgestudeerde studenten Teddy Ort en Brandon Araki, onderzoeker Alyssa Pierson, en postdoc Igor Gilitschenski, heel CSAIL; Sertac Karaman, een MIT universitair hoofddocent luchtvaart en ruimtevaart; en John J. Leonard, de Samuel C. Collins Professor of Mechanical and Ocean Engineering van MIT en een technisch adviseur van TRI.

Wegsegmenten modelleren

Het model is speciaal ontworpen voor kruispunten waar geen stoplicht is en een auto moet wijken voordat hij op de kruising in het verkeer manoeuvreert, zoals het nemen van een bocht naar links door meerdere rijstroken of rotondes. In hun werk, de onderzoekers splitsten een weg op in kleine segmenten. Dit helpt het model te bepalen of een bepaald segment bezet is om een ​​voorwaardelijk risico op aanvaring te schatten.

Autonome auto's zijn uitgerust met sensoren die de snelheid van andere auto's op de weg meten. Wanneer een sensor een passerende auto in een zichtbaar segment klokt, het model gebruikt die snelheid om de voortgang van de auto door alle andere segmenten te voorspellen. Een probabilistisch "Bayesiaans netwerk" houdt ook rekening met onzekerheden, zoals lawaaierige sensoren of onvoorspelbare snelheidsveranderingen, om de waarschijnlijkheid te bepalen dat elk segment wordt ingenomen door een passerende auto.

Vanwege nabijgelegen occlusies, echter, deze enkele meting is mogelijk niet voldoende. In principe, als een sensor nooit een bepaald weggedeelte kan zien, dan kent het model het een hoge kans op occlusie toe. Van waar de auto staat, er is een verhoogd risico op een aanrijding als de auto gewoon snel in het verkeer trekt. Dit moedigt de auto aan om naar voren te duwen om een ​​beter zicht te krijgen op alle afgesloten segmenten. Terwijl de auto dat doet, het model verlaagt de onzekerheid en, beurtelings, risico.

Maar zelfs als het model alles correct doet, er is nog steeds een menselijke fout, het model schat dus ook het bewustzijn van andere bestuurders in. "Tegenwoordig, bestuurders kunnen sms'en of anderszins worden afgeleid, dus de hoeveelheid tijd die nodig is om te reageren kan veel langer zijn, McGill zegt. "We modelleren dat voorwaardelijke risico, ook."

Dat hangt af van het berekenen van de kans dat een bestuurder de autonome auto het kruispunt op heeft zien rijden of niet heeft gezien. Om dit te doen, het model kijkt naar het aantal segmenten dat een rijdende auto heeft gepasseerd voor het kruispunt. Hoe meer segmenten het had ingenomen voordat het de kruising bereikte, hoe groter de kans dat hij de zelfrijdende auto heeft gezien en hoe kleiner de kans op een aanrijding.

Het model somt alle risicoschattingen op van verkeerssnelheid, occlusies, luidruchtige sensoren, en bestuurdersbewustzijn. Het houdt ook rekening met hoe lang het duurt voordat de autonome auto een vooraf gepland pad door het kruispunt stuurt, evenals alle veilige stopplaatsen voor kruisend verkeer. Dit levert een totale risicoschatting op.

Die risicoschatting wordt continu bijgewerkt voor waar de auto zich ook op het kruispunt bevindt. In aanwezigheid van meerdere occlusies, bijvoorbeeld, het zal naar voren stoten, beetje bij beetje, onzekerheid te verminderen. Als de risico-inschatting laag genoeg is, het model vertelt de auto om door de kruising te rijden zonder te stoppen. Te lang in het midden van de kruising blijven hangen, vonden de onderzoekers, verhoogt ook het risico op een aanrijding.

Assistentie en interventie

Als het model in realtime wordt uitgevoerd op op afstand bestuurbare auto's, blijkt dat het efficiënt en snel genoeg is om in de nabije toekomst in volledige autonome testauto's te worden ingezet. zeggen de onderzoekers. (Veel andere modellen zijn rekenkundig te zwaar om op die auto's te draaien.) Het model moet nog veel rigoureuzer worden getest voordat het kan worden gebruikt voor real-world implementatie in productievoertuigen.

Het model zou dienen als een aanvullende risicomaatstaf die een autonoom voertuigsysteem kan gebruiken om beter te redeneren over het veilig oversteken van kruispunten. Het model kan mogelijk ook worden geïmplementeerd in bepaalde "advanced driver-assistive systems" (ADAS), waar mensen de gedeelde controle over het voertuig behouden.

Volgende, de onderzoekers streven ernaar om andere uitdagende risicofactoren in het model op te nemen, zoals de aanwezigheid van voetgangers in en rond het knooppunt.

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.