Als autonome voertuigen ooit wijdverbreide acceptatie zullen bereiken, moeten we weten dat ze in staat zijn om door complexe verkeerssituaties te navigeren, zoals invoegen in druk verkeer wanneer rijstroken op een snelweg verdwijnen. Daartoe hebben onderzoekers van de North Carolina State University een techniek ontwikkeld waarmee software voor autonome voertuigen de relevante berekeningen sneller kan maken, waardoor zowel het verkeer als de veiligheid in gesimuleerde autonome voertuigsystemen wordt verbeterd.

"Op dit moment zijn de programma's die zijn ontworpen om autonome voertuigen te helpen bij het veranderen van rijstrook afhankelijk van het maken van problemen die rekenkundig eenvoudig genoeg zijn om snel op te lossen, zodat het voertuig in realtime kan werken", zegt Ali Hajbabaie, corresponderend auteur van een paper over het werk en een assistent hoogleraar civiele techniek, bouwkunde en milieutechniek bij NC State. "Als je het probleem echter te veel vereenvoudigt, kun je in feite een nieuwe reeks problemen creëren, aangezien scenario's in de echte wereld zelden eenvoudig zijn.

"Onze aanpak stelt ons in staat om de complexiteit van echte problemen te omarmen. In plaats van ons te concentreren op het vereenvoudigen van het probleem, hebben we een coöperatief gedistribueerd algoritme ontwikkeld. Deze aanpak splitst een complex probleem in wezen op in kleinere subproblemen en stuurt die naar verschillende processors apart op te lossen. Dit proces, parallellisatie genaamd, verbetert de efficiëntie aanzienlijk."

Op dit moment hebben de onderzoekers hun aanpak alleen getest in simulaties, waarbij de subproblemen worden gedeeld door verschillende kernen in hetzelfde computersysteem. Als autonome voertuigen echter ooit de benadering op de weg gebruiken, zouden de voertuigen met elkaar netwerken en de subcomputerproblemen delen.

Bij proof-of-concept-testen keken de onderzoekers naar twee dingen:of hun techniek het mogelijk maakte dat autonome voertuigsoftware in realtime fusieproblemen oplost; en hoe de nieuwe "coöperatieve" benadering het verkeer en de veiligheid beïnvloedde in vergelijking met een bestaand model voor het navigeren door autonome voertuigen.

Wat rekentijd betreft, ontdekten de onderzoekers dat hun aanpak autonome voertuigen in staat stelde om complexe scenario's voor het samenvoegen van snelwegstroken in realtime te navigeren in matig en zwaar verkeer, met betere prestaties wanneer de verkeersvolumes bijzonder hoog werden.

Maar als het ging om het verbeteren van het verkeer en de veiligheid, deed de nieuwe techniek het buitengewoon goed. In sommige scenario's, met name wanneer het verkeersvolume lager was, presteerden de twee benaderingen ongeveer hetzelfde. Maar in de meeste gevallen presteerde de nieuwe aanpak aanzienlijk beter dan het vorige model. Bovendien had de nieuwe techniek nul incidenten waarbij voertuigen tot stilstand moesten komen of waar sprake was van 'bijna-crashomstandigheden'. De resultaten van het andere model omvatten meerdere scenario's met letterlijk duizenden stilstanden en bijna-ongevallen.

"Voor een proof-of-concept-test zijn we erg blij met hoe deze techniek heeft gepresteerd", zegt Hajbabaie. "Er is ruimte voor verbetering, maar we hebben een goede start gemaakt.

"Het goede nieuws is dat we deze tools aan het ontwikkelen zijn en deze problemen nu aanpakken, zodat we in een goede positie verkeren om veilige autonome systemen te garanderen naarmate ze op grotere schaal worden toegepast."

Het artikel, "Distributed Cooperative Trajectory and Lane Changing Optimization of Connected Automated Vehicles:Freeway Segments with Lane Drop", verschijnt in het tijdschrift Transportation Research Part C . Eerste auteur van het artikel is Mehrdad Tajalli, een recente Ph.D. afgestudeerd aan NC State. Het papier was co-auteur van Ramin Niroumand, een Ph.D. student aan NC State. + Verder verkennen

Onderzoekers vinden manier om verkeersmodellen efficiënter te maken