Autonomi och fordonsreglering

Autonom trafik
Autonom trafik iStock/AkaratPhasura

Autonoma bilar och automatiserad transport har potential att öka effektivitet och säkerhet i trafiken. Vår forskning syftar till metodutveckling för att möjliggöra robust och resilient automation av fordon, som fungerar även under signifikanta osäkerheter i omgivning och sensorer. Viktiga aspekter i forskningen är planering och robust reglering av fordon, optimering av fordonsmanövrar samt modellering av beteende hos omgivande trafik.

Uppkopplade och automatiserade transportsystem har potential att öka effektivitet, både för passagerare i det automatiserade fordonet, samt för medtrafikanter. Därför är ett huvudmål med vår forskning att utveckla metoder och tekniker för feltolerant beslutsfattande och robust reglering av autonoma markfordon i komplexa situationer, typiskt involverande många fordon.

I (Olofsson, B. et al., 2020) visas hur autonoma funktioner i ett fordon signifikant kan öka säkerhet och reducera antal dödliga och allvarliga olyckor i trafiken. Forskningen inkluderar såväl personbilar som tunga fordon.

I nuläget faller våra aktiviteter främst inom tre kategorier;

  • planering och reglering
  • modellering och prediktion av omgivande trafik
  • optimala fordonsmanövrar

Planering och reglering

Att på ett säkert och effektivt sätt planera och reglera rörelsen hos ett fordon är utmanande av flera skäl. Ett viktigt sådant är interaktionen med omgivande miljö och fordon samt den osäkerhet som finns i det specifika fordonets beteende. Perception och signalbehandling av sensordata, exempelvis från kamera, lidar och radar, är en central del av ett autonomt fordon för att skapa en korrekt bild och förståelse av omvärlden.

En korrekt bild av omvärlden är central för att sedan kunna fatta rätt beslut. Vår forskning utnyttjar metoder och resultat inom perception som ger en omvärldsbeskrivning för att utveckla metoder för planering, reglering och prediktion av omgivande trafik. Exempel på resultat med olika tekniker för att på ett säkert sätt planera och navigera i en dynamisk miljö är (Morsali, M. et al., 2020 och Mohseni, F. et al., 2020). De här metoderna har vidareutvecklats i till exempel (Zhou, J. et al., 2022) för att explicit prediktera och hantera interaktionen mellan omgivande fordon och sedan använda prediktionerna i en modellprediktiv regulator (MPC).

Osäkerhet i beteende hos omgivande trafik kan hanteras genom att förutse vilka farliga situationer som kan uppstå över en given prediktionshorisont och sedan införliva den informationen i rörelseplaneraren samt regulatorn (Fors, V. et al., 2022). Videon nedan illustrerar hur en sådan ansats fungerar för beslutsfattande i en komplex och osäker trafiksituation.

 

Modellering och prediktion av omgivande trafik

Illustrationen visar fordon i trafikmilj√∂ Ett annat aktivt forskningsområde i gruppen är avancerade modeller för prediktion av beteende hos omgivande trafik. Ett enkelt exempel är att prediktera om fordon i omgivande trafik kommer vara kvar i sin fil, eller byta fil till höger eller vänster, som illustreras av figuren till höger. Artikeln (Westny, T. et al., 2021) visar hur neurala nätverk kan användas för att modellera intentioner hos omgivande trafik.

Optimala fordonsmanövrar

Fordonssystem Foto Toa55 Forskningen inom optimala fordonsmanövrar utvecklar metoder för rörelseplanering och reglering vid gränsen av fordonets kapacitet. Målet är att möjliggöra autonom hantering av tids- och säkerhetskritiska situationer, exempelvis när ett oväntat hinder plötsligt dyker upp eller vid för hög hastighet vid en lågfriktionsyta på vägen. Vid sådana situationer är det önskvärt att optimalt utnyttja tillgänglig friktion mellan fordonets däck och vägen. Forskningen har resulterat i både metoder för att formulera och lösa optimala manövreringsproblem med dynamisk optimering (till exempel Anistratov, P. et al., 2022), och metoder för reglering i realtid av fordon i säkerhetskritiska situationer via ett kraftcentrerat perspektiv (till exempel Fors, V. et al., 2020).

Nyckelreferenser Visa/dölj innehåll

  • V. Fors, B. Olofsson and E. Frisk, “Resilient Branching MPC for Multi-Vehicle Traffic Scenarios Using Adversarial Disturbance Sequences” in IEEE Transactions on Intelligent Vehicles, doi: 10.1109/TIV.2022.3168772.

  • M. Morsali, E. Frisk and J. Åslund, “Spatio-Temporal Planning in Multi-Vehicle Scenarios for Autonomous Vehicle Using Support Vector Machines” in IEEE Transactions on Intelligent Vehicles, vol. 6, no. 4, pp. 611-621, Dec. 2021, doi: 10.1109/TIV.2020.3042087.

  • F. Mohseni, E. Frisk and L. Nielsen, “Distributed Cooperative MPC for Autonomous Driving in Different Traffic Scenarios” in IEEE Transactions on Intelligent Vehicles, vol. 6, no. 2, pp. 299-309, June 2021, doi: 10.1109/TIV.2020.3025484.

  • V. Fors, B. Olofsson and L. Nielsen, “Autonomous Wary Collision Avoidance,” in IEEE Transactions on Intelligent Vehicles, vol. 6, no. 2, pp. 353-365, June 2021, doi: 10.1109/TIV.2020.3029853.
  • P. Anistratov, B. Olofsson and L. Nielsen, “Analysis and design of recovery behaviour of autonomous-vehicle avoidance manoeuvres” in Vehicle System Dynamics, vol. 60, no. 7, pp. 2231-2254, 2022., doi: 10.1080/00423114.2021.1900577

  • T. Westny, E. Frisk and B. Olofsson, “Vehicle Behavior Prediction and Generalization Using Imbalanced Learning Techniques”, 2021 IEEE International Intelligent Transportation Systems Conference (ITSC), 2021, pp. 2003-2010, doi: 10.1109/ITSC48978.2021.9564948.

  • J. Zhou, B. Olofsson and E. Frisk, “Interaction-Aware Moving Target Model Predictive Control for Autonomous Vehicles Motion Planning” in European Control Conference (ECC’22), pp. x-y, 2022, doi: 10.23919/ECC55457.2022.9838002

  • B. Olofsson, and L. Nielsen (2020). “Using crash databases to predict effectiveness of new autonomous vehicle maneuvers for lane-departure injury reduction”. IEEE Transactions on Intelligent Transportation Systems, 22(6), 3479-3490, doi: 10.1109/TITS.2020.2983553

Forskare Visa/dölj innehåll

Nyligen genomförda doktorsavhandlingar Visa/dölj innehåll

Om avdelningen Visa/dölj innehåll

Om institutionen Visa/dölj innehåll