INTELLIGENTE FAHRZEUGE

START - Produkte - TRENDS - Intelligente Fahrzeuge

Die Fortschritte bei Energiespeichern, Rechenleistung, Sensoren, Kommunikationsbandbreite, Algorithmeneffizienz und einigen weiteren Gebieten haben zur Entwicklung intelligenter Fahrzeuge geführt. Diese erkennen und reagieren automatisch auf Hindernisse, kommunizieren untereinander und mit der Infrastruktur, unterstützen den Fahrer in schwierigen Situationen oder fahren sogar völlig autonom. Es ist zu erwarten, dass intelligente Fahrzeuge die Logistik und den Transport revolutionieren (Athan 2016).

Zu dem Paket gehören folgende Themen, zu denen Sie hier kurze Infos erhalten. Sobald Sie ausführlichere Informationen wünschen, können Sie das Gesamtpaket erwerben.

1.1 Wegfindung autonomer Fahrzeuge

Eine der wichtigsten Aufgaben von autonomen Fahrzeugen ist die Wahl des richtigen Weges. Dies umfass sowohl die Planung der Route als auch zur Umsetzung nötige Steuerung.

Kollisionsvermeidung: Das Verhalten von Fußgängern und anderen beweglichen Objekten die nicht direkt mit dem Fahrzeug kommunizieren ist schwierig vorherzusagen. Sensoren am Fahrzeug liefern Daten, mit denen die Intentionen analysiert werden können. Die Prognosen des Verhaltens werden in Echtzeit erstellt, um auf Veränderungen reagieren zu können (Ferguson et al. 2015; Huang et al. 2015a).

Koordination durch Schwarmoptimierung: Die Koordination und Wegfindung von autonomen Fahrzeugen kann durch die Methode der Partikelschwarmoptimierung modelliert werden. Dabei werden wie bei einem biologischen Schwarm Informationen dezentral und nur im näheren Umfeld ausgetauscht. Das Verhalten wird entsprechend angepasst, um die optimalen Pfade zu finden und Systemblockaden zu verhindern (Cai und Jia 2016; Fanti et al. 2015).

1.2 Anwendungen autonomer Fahrzeuge

Autonomes Parken: Autonome Fahrzeuge ändern auch die Umstände des Parkens. Sobald der Nutzer das Fahrzeug verlassen hat, sucht dieses automatisch einen freien Parkplatz. Wird es wieder benötigt kann es zu einem beliebigen Ort angefordert werden (Han und Choi 2015). Im Falle von gemeinsam benutzten autonomen Fahrzeugen würde sogar ein Großteil der benötigten Parkplätze entfallen und die Flächen für andere Zwecke zur Verfügung stehen (Zhang et al. 2015d).

Automatische Lagersysteme: Automatische Lagersysteme bieten eine höhere Effizienz und Flexibilität. Intelligente Fahrzeuge transportieren die benötigte Menge an Material zur richtigen Zeit an den richtigen Ort. Dabei ist die Koordination und Zusammenarbeit der einzelnen Geräte von entscheidender Bedeutung, beispielsweise bei der gemeinsamen Verwendung von Aufzügen um an Materialien in höheren Etagen zu gelangen (Roy et al. 2015a, 2015b).

1.3 Spurwechsel

Spurwechsel stellen im Straßenverkehr ein Risiko dar. Für die automatische Durchführung sind einige Voraussetzungen zu erfüllen. Das Fahrzeug muss alle vorhandenen Spuren erkennen und insbesondere auch den weiteren Straßenverlauf. Dafür sind omnidirektionale Kameras nötig, da das Sichtfeld von normalen Kameras für diese Anwendung zu klein ist (Wang et al. 2016d). Des Weiteren werden Informationen über Position, Geschwindigkeit und geplante Fahrmanöver anderer Fahrzeuge benötigt, welche durch die Car-to-Car-Kommunikation zur Verfügung gestellt werden können. Für erzwungene Spurwechsel in Notfällen müssen zusätzliche Umweltparameter gemessen werden, um einen möglichst schnellen, aber dennoch sicheren Spurwechsel ohne Kontrollverlust durchführen zu können (Funke und Christian Gerdes 2016).

1.4 Steuerung autonomer Fahrzeuge

Die Steuerungsmethoden müssen eine geringe Reaktionszeit aufweisen und sehr zuverlässig sein.

PID-Regler und Fuzzy-Logik: PID-Regler (proportional-integral-derivative-Regler) mit Fuzzy-Logik ermöglichen bei autonomen Fahrzeugen an vielen Stellen eine optimale Steuerung. Sie können für die Regelung der Geschwindigkeit, der Fahrtrichtung und für spezielle Situationen wie das Fahren in Kreisverkehren eingesetzt werden (Rastelli und Peñas 2015; Si und Pu 2015; Wang et al. 2015a).

Modellprädiktive Steuerung: Die modellprädiktive Steuerung ist eine Methode für die Pfadfindung und ‑verfolgung. Die Trajektorie des Fahrzeugs wird ständig mit Hilfe der gemessenen Daten durch eine Prognosefunktion simuliert und die Steuerungsparameter entsprechend angepasst. Durch Randbedingungen für die möglichen Zustände des Systems sind nur sichere Trajektorien möglich. Da die Berechnungen aufgrund der Nichtlinearität des Systems sehr aufwändig sind, werden Näherungsverfahren benötigt, was eine gewisse Ungenauigkeit zur Folge hat (Zhang et al. 2015b).

1.5 Umgebungs-Erkennung

Um sich sicher bewegen zu können, müssen autonome Fahrzeuge ihre Umgebung erkennen und darauf reagieren. Dies umfasst die Straßen, Verkehrshinweise, Fußgänger, andere Fahrzeuge sowie sonstige Hindernisse.

Fußgängererkennung: Für den sicheren Einsatz von selbstfahrenden Autos ist die Erkennung von Fußgängern ein wichtiges Element. In der Regel werden hierfür Kameras eingesetzt und das Computersystem mittels Maschinenlernen trainiert, um Menschen auf den Bildern zu identifizieren. Dabei muss ein Kompromiss zwischen Fehlerrate und Verarbeitungszeit gefunden werden (Diniz et al. 2015; Zhang et al. 2015f).

Ampelerkennung: Damit selbstfahrende Autos in der bestehenden Infrastruktur funktionieren, müssen sie neben Fußgängern auch die Zustände der Ampeln erkennen können. Dafür wird ebenfalls eine Kamera in Kombination mit Maschinenlernen eingesetzt (Philipsen et al. 2015).

GESAMTPAKET KAUFEN