Si les véhicules autonomes doivent être adoptés à grande échelle, nous devons savoir qu'ils sont capables de naviguer dans des situations de circulation complexes, telles que se fondre dans une circulation dense lorsque des voies disparaissent sur une autoroute. À cette fin, des chercheurs de la North Carolina State University ont développé une technique qui permet aux logiciels de véhicules autonomes d'effectuer plus rapidement les calculs pertinents, améliorant à la fois le trafic et la sécurité dans les systèmes de véhicules autonomes simulés.

"À l'heure actuelle, les programmes conçus pour aider les véhicules autonomes à naviguer dans les changements de voie reposent sur la fabrication de problèmes de calcul suffisamment simples pour être résolus rapidement, afin que le véhicule puisse fonctionner en temps réel", explique Ali Hajbabaie, auteur correspondant d'un article sur le travail et un assistant. professeur de génie civil, de la construction et de l'environnement à NC State. "Cependant, trop simplifier le problème peut en fait créer un nouvel ensemble de problèmes, car les scénarios du monde réel sont rarement simples.

"Notre approche nous permet d'embrasser la complexité des problèmes du monde réel. Plutôt que de nous concentrer sur la simplification du problème, nous avons développé un algorithme distribué coopératif. Cette approche décompose essentiellement un problème complexe en sous-problèmes plus petits et les envoie à différents processeurs. à résoudre séparément. Ce processus, appelé parallélisation, améliore considérablement l'efficacité."

À ce stade, les chercheurs n'ont testé leur approche que dans des simulations, où les sous-problèmes sont partagés entre différents cœurs dans le même système informatique. Cependant, si jamais des véhicules autonomes utilisaient cette approche sur la route, les véhicules se mettraient en réseau les uns avec les autres et partageraient les sous-problèmes informatiques.

Lors des tests de preuve de concept, les chercheurs ont examiné deux choses :si leur technique permettait aux logiciels de véhicules autonomes de résoudre des problèmes de fusion en temps réel ; et comment la nouvelle approche « coopérative » a affecté le trafic et la sécurité par rapport à un modèle existant pour la navigation des véhicules autonomes.

En termes de temps de calcul, les chercheurs ont découvert que leur approche permettait aux véhicules autonomes de naviguer en temps réel dans des scénarios complexes de fusion de voies d'autoroute dans un trafic modéré à dense, avec des performances plus ponctuelles lorsque les volumes de trafic devenaient particulièrement élevés.

Mais lorsqu'il s'agissait d'améliorer le trafic et la sécurité, la nouvelle technique s'est révélée exceptionnellement efficace. Dans certains scénarios, en particulier lorsque le volume de trafic était plus faible, les deux approches ont eu à peu près les mêmes performances. Mais dans la plupart des cas, la nouvelle approche a surpassé le modèle précédent par une marge considérable. De plus, la nouvelle technique n'a eu aucun incident où les véhicules ont dû s'arrêter ou où il y avait des "conditions proches de l'accident". Les résultats de l'autre modèle incluaient plusieurs scénarios où il y avait littéralement des milliers d'arrêts et des conditions proches de l'accident.

"Pour un test de preuve de concept, nous sommes très satisfaits des performances de cette technique", déclare Hajbabaie. "Il y a place à l'amélioration, mais nous partons du bon pied.

"La bonne nouvelle est que nous développons ces outils et abordons ces problèmes maintenant, de sorte que nous sommes en bonne position pour garantir des systèmes autonomes sûrs à mesure qu'ils sont adoptés plus largement."

L'article, "Distributed Cooperative Trajectory and Lane change Optimization of Connected Automated Vehicles:Freeway Segments with Lane Drop", paraît dans la revue Transportation Research Part C . Le premier auteur de l'article est Mehrdad Tajalli, un récent doctorat. diplômé de NC State. L'article a été co-écrit par Ramin Niroumand, un Ph.D. étudiant à NC State. + Explorer plus loin

Des chercheurs trouvent un moyen de rendre les modèles de trafic plus efficaces