Kuljetus ja Logistiikka

Kuljetus ja Logistiikka

 

Autonominen ajaminen ja uudet teknologiat edistävät liikenteen kehitystä

Globaali IT-palveluyhtiö TCS tarkastelee tuoreessa katsauksessaan, kuinka uusimmat teknologiat viitoittavat tietä autoteollisuuden kehitykselle muun muassa autonomisen ajamisen ja ennakoivan huollon osalta.

Myös Suomen ympäristöministeriö on käsitellyt autonomisen liikenteen kehitystä kesäkuussa 2022 julkaistussa Autoilu kestävässä liikennejärjestelmässä -artikkelissaan, jossa se totesi tekoälyn ja keskenään verkottuvien autojen ekosysteemin mahdollistavan turvallisen liikkumisen, joskin liikenneympäristön monenlaiset muuttujat vaativat autonomisilta ajoneuvoilta ulkoisen ympäristön kattavaa havainnointia.

Syväoppimisella on ratkaiseva rooli autonomisen ajamisen kehityksessä

Autoteollisuuden tuotekehityksen fokus on siirtymässä laitteistosta ohjelmisto-ohjattuihin ajoneuvoihin. Digitaalinen teknologia on vauhdittanut tätä muutosta mahdollistamalla uusia innovaatioita autoteollisuudessa. TCS uskoo, että syväoppiminen voi vauhdittaa täysin autonomisten ajoneuvojen kehittämistyötä sekä parantaa samalla kuljettajien turvallisuutta ja ajokokemuksen mukavuutta.

Autonomisten ajoneuvojen markkina-arvon arvioidaan ylittävän 20 miljardia Yhdysvaltain dollaria, ja markkinan eteenpäin vievinä voimina toimivat tekoälyn ja koneoppimisen kaltaiset teknologiat. Täysin autonominen ajoneuvo ei enää näytäkään olevan vain kaukainen tulevaisuuden visio. Markkinassa on nähtävissä merkittävä muutos, kun BMW:n, Mercedeksen ja Teslan kaltaiset suuret autonvalmistajat investoivat pääomaa ja tekevät tutkimustyötä selvittääkseen, onko täysin autonomisia ajoneuvoja tarpeellista ja mahdollista valmistaa ja millaiset ovat mahdollisuudet niiden laajamittaisen kaupalliseen tuotantoon.

Autonominen ajaminen perustuu kolmeen osatekijään: tunnistaminen ja havaitseminen, ajoreitin suunnittelu ja ajoneuvon hallinta. Yhdysvaltain autoalan standardisointiorganisaatio SAE:n määrittelemien automaatiotasojen 2 ja 3 puoliautonomiset ajoneuvot hyödyntävät sääntöpohjaisia algoritmeja perinteisissä hallintalaitteissa. Ne eivät kuitenkaan tue kehittyneempää autonomista toimintaa, joka edellyttää absoluuttiseen tarkkuuteen perustuvaa älykästä suunnittelua ja hallinnointia. Koska tänä päivänä syväoppimisen malleja voidaan kehittää ja kalibroida suurteholaskentaan kykenevillä alustoilla, autonomista ajamista edistävien ohjelmistojen kehitys keskittyy entistä enemmän syväoppimiseen perustuviin menetelmiin.

”Syväoppimista hyödyntävä tekoäly on auttanut muun muassa monimutkaisen kuvankäsittelyn ja puheentunnistuksen kehittämisessä. Syväoppimista voidaan hyödyntää myös esimerkiksi esteiden tunnistamisessa, ympäristön havainnoinnissa, kuljettajan käyttäytymisen seurannassa, reittisuunnittelussa, ajodynamiikan älykkäässä hallinnassa ja kyberturvallisuudessa”, kertoo TCS:n autonomisen ajamisen asiantuntija Asif Tamboli.

Täyden autonomian (SAE:n automaatiotasot 4 ja 5) saavuttamiseksi on tutkittava myös syväoppimisen hyödyntämistä hallintajärjestelmissä. Syväoppimiseen perustuva ohjaus voi auttaa monimutkaisten ajoliikkeiden hallinnassa. Se voi laskea ajoneuvon sivuttaishallintaa ja kiihdyttämistä koskevia ohjauskomentoja sekä pitkittäissuuntaisen nopeuden hallintaan liittyviä jarrutuskomentoja tehokkaasti. Syvien neuroverkkojen turvallisuus voi kuitenkin olla epävakaa epäsuotuisissa olosuhteissa. Turvallisuuden varmistamiseksi automatisoitua hallintajärjestelmää on kehitettävä käyttämällä erilaisia data-aineistoja.

”Jotta syväoppimiseen perustuvat hallinta-algoritmit olisivat täysin toimivia, niiden kehittämisessä tulisi käyttää suuria määriä muun muassa maantieteeseen, säähän ja tieolosuhteisiin liittyvää dataa, mukaan lukien dynaamiset tieympäristöt, ympäristön valaistus, sijainti, ulottuvuus, värit ja muodot”, Tamboli tähdentää.

Autonomisten ajoneuvojen massatuotanto edellyttää, että ne ovat turvallisia, luotettavia ja mahdollisia toteuttaa. Syväoppimista hyödyntävä teknologia voi hyvinkin auttaa ratkaisemaan tämän haasteen.

Pilvipalveluja voidaan hyödyntää ajoneuvojen huollossa

Sähköautojen suosion tasainen kasvu ja verkottuvien autojen ekosysteemien kehitys ovat tukeneet myös autojen kuntoa seuraavien järjestelmien markkinan kasvua. Tällaisten Intelligent Vehicle Management (IVM) -järjestelmien markkinan ennustetaan kasvavan 12 % vuodessa, ja markkinan koon odotetaan saavuttavan 28 miljardia Yhdysvaltain dollaria vuoteen 2027 mennessä.

Normaalin huollon tapaan ajoneuvon elinkaaren aikaiset IVM-alustaan perustuvat tarkistukset ovat kriittisiä tietokoneohjatuille ajoneuvoille. IVM-alustan on kyettävä tarjoamaan ajantasaista diagnostiikkatietoa ja ennusteita huollon, takuun ja palvelutuen optimoimiseksi. IVM-järjestelmien suosion kasvu ei johdu vain niiden kyvystä tukea ajoneuvojen ylläpitoa, vaan myös niiden potentiaalista edistää autoteollisuuden automatisointia.

Näiden järjestelmien toimintakyvyn varmistaminen edellyttää kokonaisvaltaista lähestymistapaa, jossa teknologioita, kuten IoT, tekoäly, koneoppiminen ja pilvipalvelut, hyödynnetään integroidusti ja saumattomasti. Yhdessä nämä teknologiat voivat auttaa kaikista ajoneuvon järjestelmistä ja nopeasti kasvavista verkottuneista ekosysteemeistä saatavan datan analysoinnissa. Tavoitteena on mahdollistaa ajoneuvon vika- ja huoltovaatimusten automatisoitu havaitseminen, diagnosointi ja ennustaminen.

Autonomisten järjestelmien ja ohjelmisto-ohjattujen ajoneuvojen kehitys pakottaa ajoneuvoja valmistavia yrityksiä hyödyntämään IoT-ekosysteemejä sekä uusia teknologioita, kuten reunalaskentaratkaisuja, pilvitietoaltaita, tekoälyä ja koneoppimista. Tulevaisuuden kannalta alkuperäisten laitevalmistajien ja toimittajien on tärkeää suunnitella ja kehittää kestävä, skaalautuva ja tietoturvallinen IVM-alusta, joka tarjoaa monipuolisen asiakaskokemuksen, takaa matkustajien turvallisuuden ja avaa samalla uusia liiketoimintamahdollisuuksia.

FacebooklinkedinmailFacebooklinkedinmail
 

Kuljetus & Logistiikka
Artturinkatu 2, Box 29, 20200 Turku
lehti@kuljetuslehti.fi