9435_9645
라이브 배팅 사이트 Corporation
새로운 이동성 협회가 다가오고 있습니다. MAAS (서비스로서의 이동성) 및 사례 (연결, 자율, 공유 및 전기)와 같은 트렌드로 표시됩니다. 3D 레이저 레이더 시스템이 트래픽 안전을 향상시키는 라이브 배팅 사이트는 거의 미래의 이동성 협회를 구상하고 있습니다. 이 기사는이 새로운 사회를 실현하려는 라이브 배팅 사이트의 노력에 대해 설명합니다.
이동성 협회의 미래
자율 주행 기술은 전 세계적으로 활발한 개발 중입니다. 이러한 기술은 MAA와 밀접한 관련이 있으며 사례의 예라고합니다. 자동 택시, 자동화 된 버스 및 자동화 된 발레 주차 서비스뿐만 아니라 물류 산업에서 대형 트럭의 자동화되지 않은 호송대와 같은 다양한 프로젝트가 전 세계에서 계획되고 수행되고 있습니다. 요즘 자동화 차량 개발 외에도 안전 및 편의성 향상을위한 자율 주행 기술은 도로 인프라 시설로 설치된 센서 시스템과 함께 개발되고 있습니다. 라이브 배팅 사이트는 LIDAR (Light Detection and Ranging) 장치를 사용하여 트래픽 안전 지원 시스템을 개발 하고이 시스템을 다양한 장소에 적용했습니다. 이 기사는 우리가 끊임없이 획득 한 기술을 기반으로 상상하는 근거리 모빌리티 사회를 실현하려는 노력에 대해 설명합니다.
지금까지 만들어진 라이브 배팅 사이트의 노력
라이브 배팅 사이트는 1990 년대에 불리한 환경에서 전송기 및 중장기의 자동화를 지원하기 위해 감각 기술의 개발을 시작했으며 3 차원으로 3 차원으로 인식하기위한 원래의 LIDAR 센서 인 3D 레이저 레이더를 개발했습니다. 이 시스템은 철도를위한 레벨 교차 장애물 탐지 시스템으로 사용되었습니다. 우리는 2005 년부터 첫 번째 시스템을 제공 한 이후 일본, 유럽 및 기타 지역에서 2400 개 이상의 시스템을 제공했습니다. 이 시스템은 철도 교차로에서 좌초 된 자동차와 보행자를 감지하고 사고를 방지하기 위해 열차에 접근하는 승무원에게 그러한 정보를 보내면서 안전한 철도 운영을 준비합니다. 또한, 우리는이 시스템을 (지능형 전송 시스템)의 영역에 적용하고 있습니다. 철도 교차로에 남아있는 물체를 감지하는 레벨 교차 장애물 감지 시스템과 달리이 응용 프로그램은 자동차 및 트럭과 같은 움직이는 물체를 추적하고 분류해야합니다. 우리는 다양한 테스트를 수행하여 이러한 고급 탐지 처리 기술을 확립했습니다. 3D 레이저 레이더는 일본의 UTMS (Universal Traffic Management Systems) Society of Japan의 지원 시스템에 의해 DSSS (Drive Safety Support System)에 채택되어 교통 안전에 기여합니다. 또한, 우리는이 시스템을 더욱 개선하기 위해 싱가포르에서 데모 실험을 수행했습니다 ( "운전자를 경고하기위한 교차로 모니터링"라이브 배팅 사이트 엔지니어링 검토, Vol. 49, No. 2, 2016).
최근 몇 년 동안, 우리는 현재 일본 전역의 여러 지역에서 수행되는 자율 주행 버스 데모 프로젝트에 참여하고 있습니다. 우리는 노선에서 신호등이없는 가시성이 낮은 교차로에서 다가오는 차량에 대한 정보를 자율 주행 버스로 보내서 안전한 버스 운영에 대한 지원을 보여주고 있습니다.
자율 주행을 실현하기 위해 해결해야 할 문제
자동차 산업에서 자율 주행 시스템의 개발이 속도가 높아짐에 따라 실제 응용 프로그램은 더 일찍 실현 될 것으로 예상됩니다. 그러나 자율 주행 시스템 개발에서 한 가지 문제는 검증 및 시뮬레이션에 적용 할 수있는 실제 공공 도로에서 얻은 테스트 사례 데이터가 여전히 불충분하다는 것입니다. 이러한 이유로 안전을 보장하는 것은 어렵고, 이는 자율 주행 시스템을 구축하는 데 필수적입니다. 개발중인 자율 주행 시스템의 안전을 확인하려면 사고 및 근거리 사고를 포함하여 공공 도로에서 가능한 모든 교통 시나리오를 포괄하는 테스트 사례 데이터를 얻는 것이 중요합니다. 그러나 사고와 관련된 사람들 이외의 사고 및 주변 상황에 대한 정보가 충분하지 않아서 현재 각 교통 사고 보고서를 기반으로 테스트 사례 데이터를 수동으로 준비하는 것이 일반적이기 때문입니다. 문제가되는 요점은 자율 주행 시스템의 기능적 안전을 확인하는 데 필요한 정보의 완전성 부족입니다.
따라서 실제 트래픽 상황에 대한 데이터를 얻는 트래픽 측정 방법이 포괄적으로 필요합니다. 이를 위해 비디오 카메라가 일반적으로 사용됩니다. 그러나 이러한 카메라에 의해 기록 된 이미지는 두 차원이기 때문에 데이터는 자동차, 오토바이, 자전거 및 보행자와 같은 교통 참가자 간의 깊이 방향의 상대 위치 측면에서 정확도가 낮으므로 트래픽 시나리오를 추출하기가 어렵습니다. 또 다른 어려운 것은 비디오 카메라 이미지가 환경에 취약하다는 것입니다. 시간과 날씨에 따른 주변 광 변동의 양이 있기 때문입니다. 일본의 대체 방법으로, 각 차량에 설치된 ETC2.0 장비가 제공하는 여행 기록 정보를 활용할 수 있습니다. 그러나 위치 정보는 현재 충분히 정확하지 않으며 장비는 널리 사용되지 않습니다. 반면에, LIDAR 시스템은 환경의 영향을받지 않고 비디오 카메라보다 교통 참가자의 위치 정보를 얻을 수 있습니다. 비행 시간 방법이있는 시스템은 객체에 대한 빛을 방출하고 이러한 객체와의 거리를 측정하기 위해 반사 된 빛을 감지하기 때문입니다. 트래픽 흐름을 측정하고 물체의 위치 정보를 얻기 위해 LIDAR를 사용하여 트래픽 시나리오를 추출하고 자율 주행 시스템을 개발하는 데 필요한 테스트 케이스 데이터를 생성/시뮬레이션 할 수있었습니다.
정확한 객체 크기 및 궤적 생성
트래픽 참가자의 정확한 움직이는 궤적이 테스트 사례 데이터를 준비해야하기 때문에 라이브 배팅 사이트는 다양한 기술을 개발했습니다.
예를 들어, 대형 트럭이나 버스가 LIDAR 장치 앞 공간을 통과 할 때 일반 공공 도로에 하나의 LIDAR 장치 만 설치하는 경우 사람들의 시야와 마찬가지로 전면보기가 방해받습니다. 이러한 경우, LIDAR 유닛에서 방출되는 레이저 표시등은 앞서 물체의 표면을 조사하며,이 물체 만 감지 될 수 있으며 (사각 지대 발생) 물체의 반대쪽의 트래픽 상황을 알기가 어렵습니다. 라이브 배팅 사이트는 이러한 사각 지대의 생성을 방지하기 위해 여러 LIDAR 장치를 설정하고 모든 LIDAR 장치에서 얻은 모든 데이터를 Lidar 교정을위한 기술을 갖춘 단일 세트로 컴파일하고 여러 Lidar 장치의 시계열 데이터를 지속적으로 통합합니다. 이를 통해 러닝 차량의 정확한 크기와 이동 궤적을 생성 할 수 있습니다. 이러한 방식으로 생성 된 궤적조차도 측정 오류로 인한 출발 및 누락 데이터가 포함됩니다. 이 문제에 대한 응답으로, 우리는 궤적을 추정하고 매끄럽게하는 알고리즘을 적용하여 고 이동 정밀도로 수정 된 궤적의 생성을 가능하게합니다.
근거리 사례 추출
위에서 언급 한 고정밀 이동 궤적을 사용하여, 우리는 잠재적 인 트래픽 사고 인 MISS 사례를 추출하기위한 데이터 처리 기술을 개발했습니다.
기록 된 근접 사례의 수가 적었음에도 불구하고, 우리는 자율 주행 시스템을 개발하기위한 테스트 사례 데이터의 완전성을 개선하기 위해 거의 사고가되는 이러한 사례가 필요하다고 생각합니다. 따라서 라이브 배팅 사이트는 트래픽 참가자의 움직이는 속도와 생성 된 움직이는 궤적 데이터의 친밀감을 사용하여 위험 학위 매개 변수 (위험 지수)를 정의함으로써 근거리 사례로 간주되는 사례를 추출하는 데이터 처리 기술을 개발했습니다. 다음 그림은 오른쪽 전환 차량 및 자전거와 관련된 미스 케이스를 추출하는 예를 보여줍니다. 이 기술은 자율 주행 시스템을 개발하기 위해 테스트 케이스 데이터로 사용될 수있는 빅 데이터에서 특정 근거리 사례를 추출하는 데 사용될 수 있습니다.
트래픽 시뮬레이션 응용 프로그램
안전하고 안전한 이동성 협회의 실현을 향해 자율 주행 시스템의 개발과 유사하게 도로 환경을 개선하는 것이 중요합니다 (교통 사고 및 교통 체증을 줄이기 위해). 이들은 전 세계의 문제로 인식되며 일본에서는 교통 사고와 교통 체증이 자주 발생하는 전국의 교차로가 있습니다. 비디오 카메라는 일반적으로 이러한 교차로에서 교통 조건을 분석하는 데 사용되지만 교통 참가자들 사이에서 정확한 상대 위치를 얻는 것은 쉽지 않습니다. 또한 트래픽 시뮬레이터는 트래픽 잼을 확인하기위한 방법으로 사용할 수 있습니다. 그러나 시뮬레이션 정확도를 향상 시키려면 입력 매개 변수가 실제 움직임의 입력 매개 변수에 가깝습니다. LIDAR 데이터를 분석하는 것은 트래픽 시뮬레이션 정확도를 향상시킬 수 있습니다. 비디오 데이터와 마찬가지로 트래픽 잼 및 사고 조건을 캡처 할뿐만 아니라 트래픽 참가자의 이동 속도 및 가속 데이터도 얻을 수 있습니다.
트래픽 시뮬레이터는 교통 조명 조건과 신호등 제어의 영향을 시뮬레이션 할 수 있으며, 이는 교통 체증을 줄이기 위해 도로 개선을 확인하는 데 유용합니다. 그러나 실제 도로 환경에는 다양한 차량 유형, 운전자 운전 특성, 도로 모양, 기상 조건 및 시간과 같은 도로 조건의 다양한 조합 패턴이 포함됩니다. 이러한 이유로 시뮬레이터에서 실제 움직임을 재현하는 것은 매우 어렵습니다. 따라서 트래픽 참가자의 이동 속도 및 LIDAR 데이터에서 생성 된 가속도를 포함하여 실제 트래픽 흐름 데이터에서 매개 변수를 추출하는 기술을 개발하고 있으며 이러한 매개 변수를 트래픽 시뮬레이터에 입력합니다. 이 기술은 공공 도로에서 실제 장면의 데이터를 참조하여 고정밀 검증을 가능하게하며 디지털 쌍둥이를 사용하여 도로 환경을 개선하는 데 기여합니다.
안전하고 안전한 이동성 협회의 실현을 향해
HI는 LIDAR 시스템에서 얻은 다양한 트래픽 흐름 데이터를 사용하여 자율 주행 시스템의 초기 실현에 대한 문제를 해결하기 위해 노력하고 있습니다. 우리는 각 지역에서 얻은 트래픽 흐름 데이터에서 각 지역의 특징을 추출 할 것이며, 가상 공간에서“움직이는 도시”를 생성하기 위해 LIDAR 데이터와 다양한 데이터 및 시뮬레이션 기술을 결합하여 디지털 트윈 타운을 실현합니다. 이 가상 공간 내부에서 보행자와 자동차는 실제 세계와 비슷하게 이동하며, 근거리 사고 및 교통 체증이 발생할 수 있습니다. 이러한 조건을 지속적으로 시뮬레이션하고 그들에 대한 예측을 통해 사고를 예방하고 실제 세계의 교통 체증을 줄이기위한 조치를 취할 수 있습니다. 우리는 이러한“움직이는 도시”가 데이터 활용이 안전과 이동성을 조화시키고 교통 체증으로 인한 환경 부하를 줄이는 진정한 스마트 도시의 실현으로 이어질 것이라고 생각합니다.
이런 식으로 라이브 배팅 사이트는 Lidar Technologies를 사용하여 안전하고 안전하며 생생하기 쉬운 도시를 달성하고 지속 가능한 이동성 협회를 실현하는 데 기여할 것입니다.