>> فناوری تشخيص جادههای آسیبدیده توسط جنرال موتورز؛ هشدارهای زمان واقعی برای رانندگان >> ش

>> فناوری تشخيص جادههای آسیبدیده توسط جنرال موتورز؛ هشدارهای زمان واقعی برای رانندگان >> شرکت جنرال موتورز در حال توسعه فناوری نوینی است که به رانندگان در جادههای خراب و نامناسب هشدار میدهد. این سامانه از دادههای جمعآوریشده توسط حسگرهای خودرو و دوربینهای آن استفاده میکند تا وضعیت جاده پیش رو را ارزیابی کرده و در صورت تشخیص نقص، به سرنشینان اطلاع دهد.

هدف نهایی این فناوری کاهش هزینههای ناشی ازات و خرابی ناشی از جادههای خراب است. برای جمعآوری اطلاعات، فناوری جنرال موتورز از حسگرهای تعلیق، شمارندههای چرخش چرخ و_های لرزش خودرو بهره میگیرد. این دستگاهها دادههای حرکات تعلیق، چرخ و نحنشهای را در زمان ré ثبت میکنند. در با این حسگرها، دوربینهای شده روی خودرو نیز به دنبال نامناسبات سطح جاده مثل چالهها، یا آب میگردند.

ت جاده محاسبه گردد. این عدد نشاندهنده کیفیت سطح جاده است؛ هرچندکه ér پایینتر معنیٰ öß جاده است.

وقتی این امتیاز تحت آستانهی معینی قرار گیرد، سیستم به خودکار اطلاعات لازم را به سازمانهای مسوول تعمیرات جاده ارسال میکند تا اقدامات بهسعت. پیشنهاد مسیر جایگزین توسط ناوبری هوشمند جنرال موتورز اما کاربرد این فناوری صرفاً اخطار به مقامات نیست؛ اطلاعات جمعآوریشده در سیستم ناوبری خودروهای جنرال موتورز نیز به کار میرود.

وقتی ناوبری dé یک مسیر با امتیاز جاده پایین، خودکار مسیرهای جایگزین با سطح جاده بهتر را به راننده نمایش میدهد. این ویژگی بهویژه در سفرهای í و مسیرهای نامشخص بسیار مفید است.

این ایده نوین نه تنها، بلکه به رانندگان امکان میدهد تا با اعتماد بیشتری سفر کنند و از استرس ناشی از با جادههای مخرب بار رهایی یابند. تخمین زده میشود که استفاده گسترده از چنین سامانهای میتواند هر سال میلیاردات دلار هزینههای ناشی از را é تا این نوشته به نکتهی حساس زیرساختهای نقلو- در نقاط مختلف جهان توجه می و نشان میدهد که چگونه فناوری خودرو میتواند نقش در بهبودوم الجمهور kö ایفا کند.

یادآور شویم که قبلیتر، تیم تحقیقاتی جنرال موتورز ی دیگری نیز ثبت کرده بود که ميره פסיכי رانندگان را مô میکرد. این ý,. ترکیب این دو اختراع میتواند آیندهای را به وجود آورد که نه فقط جادهها سالم باشند، אלא روانیتان نیز. >> در ادامه بررسی فناوری نوین جنرال موتورز، باید به نکات فنی و پیادهسازی این سامانه پرداخته شود. سیستم پیشنهادی شامل لایههای مختلفی از دادهگیری، پردازش و عمل است که به صورت همزمان عمل میکنند.

لایه اول شامل حسگرهای فیزیکی خودرو است که به صورت مستمر دادههای مکانیکی را جمعآوری میکنند. این دادهها شامل شتابهای عمودی و افقی تعلیق، فشارهای وارد بر لاستیکها وهای تورسونی میشود که از طریق شتابسنجهای مخصوص و گهای کشش میشوند. لایه دوم، پردازش سیگنال در زمان واقعی است که به کمک فیلترهای کالمن و الگوریتمهای تشخیص الگو، نویزهای سنسوری را حذف و ویژگیهای مفید را استخراج میکند.

این ویژگیها شامل فرکانسهای تعلیق، انحراف معیار لرزشها و الگوهای دورهای در دادههای چرخش چرخ میشود که بهعنوان نشانگرهای اولیه سطح جاده در نظر گرفته میشوند. لایه سوم، استفاده از بینایی کامپیوتری برای تحلیل تصاویر دوربینهای بر روی بام و خودرو است. این دوربینها با استفاده از فناوری یا تکخطی، یک نقشهی عمق از مسیر پیش رو تولید میکنند.

سپس الگوریتمهای sé مناطق مختلف جاده را (اسفالت، خاک، چاله، آب) تشخیص میدهند و ابعاد نقصها را با دقت سانتیمتری محاسبه میکنند. لایه چهارم، دادههای است که توسط یک شبکهی عصبی عمیق (DNN) انجام میشود. این شبکه ورودیهای از حسگرها و دوربینها را میگیرد و یک امتیاز یکپارچه برای وضعیت جاده تولید میکند. آموزش این شبکه با استفاده از دیتاستی شامل های جادههای مختلف تحت شرایط آب و هوایی و ترافیک متنوع انجام شده است.

لایه پنجم، انتقال دادهها به ابر و سرویسهای است که از پروتکلهای MQTT و HTTP/2 برای بهینهسازی و استفاده میکنند. دادهها قبل از ارسال با استفاده از الگوریتمهای فشردهسازی مخصوص زمان-مکان (مثلاً یا ) کاهش یابند تا هزینهی انتقال دادههایسلولی کاهش یابد. لایه ششم، سرویسهای شامل پایگاههای دادهی (مثلاً یا ) و موتورهای استنتاج قاعدهای و یادگیری ماشین است.

این سرویسها نه تنها امتیاز جاده را محاسبه میکنند، بلکه پیشبینیهای طولانیمدت نیز ارائه میدهند؛ مثلاً پیشبینی زمان یک چاله جدید بر اساس روند تخریب مشاهدهشده. لایه هفتم، رابط کاربری در خودرو است که از ترکیبی از هشدارهای بصری (در HUD یا صفحه نمایشوسطی)، هشدارهای hö (پایین، و ) و ارتعاشات کنترلر یا صندلی برای اطلاعرسانی به راننده استفاده میکند.

این هشدارها بر اساس شدت نقص و فاصله تا آن، شدت و نوع خود را تغییر میدهند تا بتواند به موقع واکنش نشان دهد. لایه هشتم، حلقهی بازخورد به سازمانهای جاده و است که از طریق APIهای مخصوص (مثلاً JSON REST یا ) اطلاعات نقص و امتیاز جاده را در قالب یا ارسال میکند. این اطلاعات میتواند در سامانههای GIS (مثلاً یا QGIS) لایهبندی شود و برنامهریزیهای تعمیراتی را بهینه نماید.

نکتهی مهمی که در پیادهسازی این فناوری باید توجه کرد، مقیاسپذیری است. چون هدف پوشش ۷۵۰ هزار مایل جاده است، سیستم باید بتواند میلیونها خودرو را به صورت همزمان پشتیبانی کند. برای این منظور، از معماری میکروسرویس و برای مقیاسبندی خودکار استفاده شده است. همچنین، برای کاهش بار پردازشی بر روی ECU خودرو، بخشهای سنگین محاسبه (مثلاً DNN ) به سمت- یا به ابر منتقل شده و فقط نتایج خلاصهشده در خودرو نگهداری میشوند.

از نظر امنیت، تمام ارتباطات بین خودرو و ابر با استفاده از TLS 1.3 و احراز هویت مبتنی بر گواهیهای محافظت میشود. همچنین، دادههای با استفاده از تکنیکهای یا قبل از ذخیرهسازی در ابر، نامه میشوند تا حریم خصوصی رانندگان حفظ شود. در پایان، باید گفت که این فناوری نه تنها یک پیشرفت در زمینهی خودرو هوشمند است، بلکه یک قدم مهم در زیرساختهای هوشمند نیز محسوب میشود.

با ایجاد حلقهی بازخورد مستمر بین خودروها و سازمانهای جاده، میتوانیم به جای رویکرد به رویکرد پیشگیری در نگهداری جادهها ón دهیم. این تغییر نه تنها هزینهها را کاهش میدهد، بلکه ایمنی جادهای را برای تمام کاربران شامل پیادهرویین، دوچرخهسواران و رانندگان افزایش میدهد.