Skip to main content
Főoldal
ENHU

Main navigation

  • Aktualitások
    • Hírek
    • Események
  • Kutatás-fejlesztés
    • Alkalmazási területek
    • Kutatási témakörök
    • Kérdőív
  • Erőforrások
    • Publikációk
    • Vezető kutatók
  • Partnerség
    • Konzorciumi tagok
    • Nemzetközi partnerek
    • Ipari kapcsolatok
    • Egyetemi kapcsolatok
  1. Főoldal
  2. Alkalmazási területek

Autonóm közúti járművek

Az autonóm gépjárművezető rendszerek leglényegesebb tulajdonsága talán éppen az, hogy miképpen kezelik a részlegesen, zavarások mellett érzékelt közlekedési helyzetek többértelműségét és komplexitását.”

Jan Nagler, Jeroen van den Hoven és Dirk Helbing
Széchenyi Plusz RRF

A kutatási terület vezetői: 

     Dr. Gáspár Péter, MSc, egyetemi tanár; kutatólaboratórium vezető, SZTAKI
     Dr. Szalay Zsolt, PhD, egyetemi docens, tanszékvezető, BME
     Dr. Szauter Ferenc, PhD, egyetemi docens, irodavezető, SZE

Pár szó a kutatási területről

  • Hazánkban több jelentős gépjárműgyártó, így pl. az Audi, Mercedes, Opel, és a Toyota, valamint autóipari beszállító, pl. Bosch, Knorr-Bremse, and Thyssen-Krupp, is jelen van mind gyártó-kapacitással, mind kutató-fejlesztő központtal. E cégek az utóbbi években folyamatos munkaerő-piaci igényt támasztanak a magasan képzett és korszerű szaktudással rendelkező szakemberek iránt.
  • Magyarország kiemelt érdeke, hogy az ország a járműipar területén fontos nemzetközi szereplővé váljék. Ehhez elengedhetetlen, hogy a járműipar nagyobb volumenű nemzetközi projektjeiben és fejlesztéseiben részt vegyen, továbbá hogy ezekben a projektekben, fejlesztésekben sikerrel vegyen részt. A maga részéről ezt kívánja elősegíteni a hazai kutatóintézeti és egyetemi szektor járműorientált kutató-fejlesztő (K+F) szereplőit, és K+F kapacitásait közös ernyő alá gyűjtő, valamint K+F tevékenységüket koordináló ARNL.

A kutatási terület alap kutatási irányai és az ezekkel kapcsolatos kutatási feladatok

  • Az ARNL K+F tevékenységeihez kapcsolódó alapkutatás nélkülözhetetlen a komplex alkalmazási feladatok megoldásában, másrészt biztosítja a nemzetközi reputációt az élenjáró és a nemzetközi kutatási trendekbe illeszkedő eredményeivel.
  • A kutatási területen folyó alapkutatások fő tématerületei a modellezés, modell-redukció és modell-identifikáció, az adaptív, robusztus, valamint az elosztott és hálózatba kapcsolt rendszerek irányítása, továbbá az integrált és kooperatív járműirányítások elmélete.
  • Az irányítási módszerek közül megemlítendők a lineáris változó paraméterű (LPV) irányítási módszerek, a modell prediktív (MPC) irányítások, az optimális irányítás megtanulása adatokból (reinforcement learning), a valósidejű implementációra alkalmas módszerek, pl.  a pályatervezés és a környezetérzékelő szenzorok fúziójához kapcsolódóan.
  • A rendszer és irányításelmélet új kutatási területe a gépi tanulás és hatékony számítási és optimalizálási módszerekre épülő korszerű irányítások. E módszerek célja a klasszikus irányítás-tervezési eljárások kombinálása tanuló struktúrákkal annak érdekében, hogy egyes komplex, nagy számításigényű irányítási feladatok megoldhatókká váljanak, továbbá hogy valósidejű implementálásuk lehetségessé váljék. Jelentős kihívást jelent azonban a kombinált irányítási architektúrákra vonatkozó stabilitási és performancia garanciák biztosítása.

A kutatási terület kutatási és fejlesztési irányai és az ezekkel kapcsolatos feladatok

  • Közúti járművek különböző szintű autonóm funkcióinak és irányításának biztonságos és hatékony eléréséhez szükséges komponensek irányításával kapcsolatos kutatás.
  • Az autonóm közúti járművek, légi járművek és mobil robotok összekapcsolásával létrehozott komplex rendszerek és magasszintű funkciók irányítástervezési módszereinek kutatása.
  • Hatékony, biztonságos, üzemanyag-takarékos optimális irányítási módszerek tervezése és elemzése a közúti közlekedésben használt kapcsolt és automatizált járművekhez. Az alábbi közlekedési feladatoknak az autonóm járművekben is használható megoldása: kikerülés, előzés, kereszteződésben való hatékony áthaladás, a közlekedési jelzőlámpa ciklusok kihasználása, továbbá korszerű közlekedési hálózatok tervezése.
  • A hatékony és biztonságos személy- és áruszállítás követelményeit, szempontjait figyelembe vevő kooperatív forgalomirányítás módszereinek vizsgálata.
  • A magánjárművek, az osztott-használatú, valamint a tömegközlekedési járművek különféle összehangolt működésének, továbbá a közlekedés-szervezési rendszereknek a közlekedési hálózatokon belüli szerepének, hatásának a vizsgálata.
  • Az autonóm jármű- és közlekedésirányítási területek integrációjához szorosan kapcsolódik az üzemeltetői, ill. vezetői szándék becslése, beazonosítása, valamint az üzemeltetői, ill. vezetői szándékból fakadó követelmények megfogalmazása, azok formalizálása, és figyelembevétele az irányítás és a mozgásprofil tervezése során. Megjegyzendő, hogy a feladat távolról sem egyszerű, mert az autonóm jármű közlekedési környezetében vegyesen lehetnek jelen további autonóm és ember-vezette járművek. Így a járműirányítási rendszernek a járművezető, valamint az utasok közlekedési és kényelmi céljainak, igényeinek figyelembevételén túlmenően alkalmazkodnia kell a külső emberi tényezőkhöz, továbbá a műszakilag gyakran csak nehezen megfogalmazható, de általánosan alkalmazott közlekedési szokásokhoz is.
  • Az autonóm rendszerek irányításának megtervezéséhez alapvető fontosságú a környezet megfelelő detektálása, értelmezése, ezen belül a környezet objektumainak beazonosítása, az objektumok helyének és orientációjának meghatározása, továbbá a környezet dinamikus komponensei várható helyének, viselkedésének, és mozgásának előrejelzése.
  • E környezet értelmezési és leírási feladat azonban általánosan nem kezelhető, a különféle alkalmazásokhoz más és más megoldásra van szükség. A vázolt feladatok megoldása a környezetérzékelés során érzékelt objektumok dinamikus mozgásának predikciós modelljein keresztül, jellemzően a Bayes-következtetésen alapuló technikák felhasználásával történik.
  • Az irányítási stratégia módszertanának kidolgozása során a környezetben lévő járművek, a további emberi szereplők igényei, valamint a szélesebb körű (pl. kerületi, városi szintű) közlekedési célok összehangolása szükséges. A kutatás nehézségét a feladat komplexitásán túlmenően az adja, hogy a jármű számára a környezetében lévő emberekről, járművekről csak korlátozott információ érhető el. Az autonóm jármű intelligens irányítási rendszere azonban képes lehet ezt múltbeli minták alapján kiegészíteni.
  • Az autonóm járművek kommunikációs, valamint szenzorhálózatain jelentős mennyiségű, egyrészt a jármű járműdinamikai állapotára, másrészt annak környezetére vonatkozó adat érhető el. Az így előálló óriási adathalmaz elemzésével lehetővé válik a jármű-, valamint a közlekedési rendszerek irányíthatósági tartományainak becslése. E tartományok kellő pontosságú ismerete a közlekedési irányítórendszerek és járművek kooperatív összehangolásához szükséges. Mély elméleti kutatások irányulnak a fenti vizsgálatok eredményeinek az irányítástervezésbe való beillesztésére, így például modell prediktív (MPC), illetve lineáris változó paraméterű (LPV) irányítások kidolgozásához.
  • Az autonóm rendszerek tervezésében új kihívást jelentenek a tervezési, vagy végrehajtási feladatok nemdeterminisztikus megvalósításai. Ezek jellemzően heurisztikus optimumkeresést, valószínűségi következtetőket, és/vagy a gépi tanulás valamely formáját alkalmazzák. E megvalósítások közös jellemzője, hogy hatékony megoldást nyújtanak, viszont a robusztusság garantálásával adósak maradnak. A megoldások robusztussá tételére irányuló módszerek kidolgozása, valamint a magasabb szintű felügyelő (supervisor) tervezésére irányuló módszerek megalkotása egyaránt komoly kutatási kihívást jelentenek.
Vezető kutató
Dr. Gáspár Péter, DSc
A Nemzeti Laboratórium vezetője
Bővebben
Dr. Szalay Zsolt, PhD
Vezető kutató
Bővebben
Dr. Szauter Ferenc, PhD
Vezető kutató
Bővebben

Publikációk

IEEE Conference on Decision and Control

Combined LPV and ultra-local model-based control design approach for autonomous vehicles

Fényes, D.
Hegedűs, T.
Dr. Németh Balázs, PhD
Dr. Szabó Zoltán, DSc
Dr. Gáspár Péter, DSc
Bővebben
Energies 2022, 15(20)

Analysis and Synthesis of Coordinated Control Systems for Automated Road Vehicles

Németh, B.
Bővebben
American Control Conference (ACC)

Design of Model Free Control with tuning method on ultra-local model for lateral vehicle control purposes

Hegedűs, T.
Fényes, D.
Dr. Németh Balázs, PhD
Dr. Szabó Zoltán, DSc
Dr. Gáspár Péter, DSc
Bővebben

Pagination

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • › Next page
  • » Last page

Kapcsolat

Prof. Dr. Gáspár Péter

1111 Budapest, Kende u. 13-17.
+36 1 279 6000
autonom@nemzetilabor.hu

© 2020-2023 Autonóm Rendszerek Nemzeti Laboratórium, Budapest