Trendovi u automobilskoj industriji

Autor: Dr.-Ing. Emil Gracić

282
FOTO: https://www.capgemini.com/2020/04/the-impact-of-autonomous-vehicles-part-1/
FOTO: https://www.capgemini.com/2020/04/the-impact-of-autonomous-vehicles-part-1/

„Automobili će uskoro postati pametni uredjaji na četiri točka.“ Volkswagen AG

Dizajn, komfor, broj konjskih snaga… NE, to više nisu parametri kojima se ocjenjuju atraktivnost, kvalitet i konkuretnost današnjih automobila. Dok fokus na mehaniku lagano postaje prošlost, napredan razvoj hardware-a u posljednjoj deceniji omogućio je znatno kompleksniju izradu i upotrebu software-a, što pak sukcesivno vodi ostvarenju tematike filmova naučne fantastike i Diznijevog crtaća iz polovine prošlog vijeka (naša preporuka je da nakratko pogledate crtani film na linku ispod, radi boljeg razumijevanja ovog teksta).

 

Prema statističkim podacima iz studije [1] zastupljenost software-skih komponenti u jednom automobilu iz 2010. godine iznosila je oko 10 000 000 programskih linija. U 2016-oj je taj broj porastao za 15 puta, dakle na 150 miliona. Gledano kroz prizmu relacije zastupljenosti mehaničkih i software-skih komponenti, može se reći da je do 2010. mehanika/hardware sačinjavala oko 80% prosečnog automobila, dok je na software otpadalo tek skromnih 20%. Danas, u 2020-oj godini je ta proporcija prilično izjednačena, a trendovi ukazuju da u budućnosti možemo očekivati dalji porast software-ske zastupljenosti koja će dovesti do obrnute relacije u odnosu na onu iz 2010. godine.

Međutim, upotreba klasičnog software-a, baziranog na sekvencijalnoj obradi programskih linija, pored enormne kompleksnosti ima i svoje limite. Tako bi recimo za prepoznavanje pešaka na ulici bilo neophodno implementirati bezbroj njegovih varijanti – uzimajući u obzir njegove fizičke karakteristike, okolinu, njegovu interakciju sa tom okolinom itd. Ova vrsta limita se može prevazići samo upotrebom veštačke inteligencije, tj. tehnologijom koju nazivamo Duboke Neuronalne Mreže (Deep Neural Networks / Convolutional Neural Networks). U ovom kontekstu prestajemo govoriti o važnosti programskih linija, jer su Podaci ti koji čine njihovu srž (video podaci, podaci RADAR-skog, LIDAR-skog, ultrazvučnog senzora etc.). Ovu tematiku ćemo detaljnije obraditi u nekom drugom tekstu. Uzimajući u obzir naprednu elektroniku, software i važnost podataka, trendovi današnje autoindustrije se mogu podijeliti u sljedeće četiri kategorije:

FOTO: https://www.mckinsey.com/~/media/mckinsey/industries/automotive%20and%20assembly/ our%20insights/monetizing%20car%20data/monetizing-car-data.ashx
FOTO: https://www.mckinsey.com/~/media/mckinsey/industries/automotive%20and%20assembly/ our%20insights/monetizing%20car%20data/monetizing-car-data.ashx

Vratimo se sada Diznijevom magičnom autoputu. Automobil vozi sam. Saobraćajna infrastruktura omogućava lagodniji prevoz željenom rutom od tačke A do tačke B. Da bi automobil vozio sam, neophodno je implementirati ono što mi ljudi kao vozači radimo:

  • Percipiranje okoline (vizuelno i auditivno)
  • Obrada percipiranih informacija i planiranje odgovarajuće akcije
  • Sprodvodjenje odgovarajuće akcije
FOTO: https://www.intellias.com/how-to-build-adas-technology-for-autonomous-driving/
FOTO: https://www.intellias.com/how-to-build-adas-technology-for-autonomous-driving/

Ako se osvrnemo na naše akcije prilikom vožnje, one se u biti odnose na:

  • Upravljanje volanom
  • Ubrzavanje
  • Kočenje

Tako se i napredni sistemi za asistiranje u vožnji, kao i budući sistemi za autonomnu vožnju mogu svesti upravo pod jednu od ove tri navedene kategorije. Najvažniji među njima su:

  • Autonomous Emergency Braking (AEB): sistem za autonomno kočenje u kritičnoj situaciji
  • Adaptive Cruise Assist/Control (ACA/C): sistem za prilagođavanje ubrzanja
  • Lane Keeping Assist / Lane Centering Assist (LKA, LCA): sistem za održavanje auta u svojoj traci na putu, tj. sistem za održavanje auta u centru svoje trake na putu
  • Sistemi koje se odnose na kontrolu svjetala i mnogi drugi.
FOTO: https://www.electronicdesign.com/markets/automotive/article/21805470/radar-and-ultrasonic-sensors-strengthen-adas-object-detection
FOTO: https://www.electronicdesign.com/markets/automotive/article/21805470/radar-and-ultrasonic-sensors-strengthen-adas-object-detection

Primjećujemo da su ovi sistemi u službi sprovodjenja odgovarajuće akcije prilikom procesa vožnje. Da bi se oni uspješno realizovali neophodno je pouzdano percipirati okolinu i izvesti validne zaklučke – ko su učesnici u saobraćaju, kakve su njihove karakteristike, na koje saobraćajne znake moramo obratit pažnju, kakav je tip trake na putu (puna, isprekidana, vertikalna, horizontalna itd.)…

U ovisnosti od toga da li se radi o asistiranju u vožnji ili o autonomnom upravljanju vožnjom od strane kompleksnog elektronskog i software-skog sistema, internacionalno udruženje inženjera autoindustrije SAE (Society of Automotive Engineers) je u standardu J3016 [2] definisalo šest nivoa automatizacije:

FOTO: WEVOLVER - Autonomous Vehicle Technology Report [3]
FOTO: WEVOLVER – Autonomous Vehicle Technology Report [3]
Primjećujemo da na nultom nivou nema nikakvog procesa automatizacije, tako da je čovjek potpuno odgovran za cjelokupnu vožnju.

Na prvom nivou su prisutni sistemi za asistiranje u vožnji, tako da je čovjeku u određenim okolnostima proces vožnje značajno olakšan. Čovjek kao vozač snosi potpunu odgovornost za nadgledanje okoline i upravljanje automobilom. Ruke su sve vrijeme na volanu, a pogled fokusiran na sve učesnike saobraćaja. Elektronski i software-ski sistemi omogućuju sprovodjenje longitudinalnih ILI lateralnih manevara u vožnji (npr. aktiviranje sistema za automatsko kočenje ILI sistema za održavanje automobila u traci).

Drugi nivo se odnosi na parcijalnu automatizaciju. Glavna razlika u odnosu na prvi nivo leži u tome što elektronski i software-ski sistemi omogućuju kombinovano sprovođenje longitudinalnih i lateralnih manevara u vožnji, sistem je dakle u stanju da automatski koči ali i da automobil održava u svojoj traci. Čovjek kao vozač snosi potpunu odgovornost za nadgledanje okoline i upravljanje automobilom. Ruke su sve vrijeme na volanu ili nakratko ispod njega (dok sistem ne pošalje glasovni ili vizuelni signal da se moraju vratiti na volan), a pogled fokusiran na sve učesnike saobraćaja.

FOTO: WEVOLVER - Autonomous Vehicle Technology Report [3]
FOTO: WEVOLVER – Autonomous Vehicle Technology Report [3]

Treći nivo se zasniva na uslovnoj automatizaciji. Automobil je opremljen sistemima koji omogućavaju kompletno upravljanje procesom vožnje u određenom domenu, recimo na autoputu (to je ono što SAE u standardu J3016 definiše kao Operational Design Domain ODD). Uslovna automatizacija nadalje znači da se čovjek može kompletno isključiti iz procesa vožnje (npr. dozovoljeno mu je da čita novine, piše Email ili SMS, ćaska sa drugim putnicima…), ali je on još uvjek glavni akter vožnje te dužan da preuzme kontrolu nad automobilom nakon što sistem pošalje upozoravajući signal. Period transfera kontrole automobila sa sistema za autonomnu vožnju na čovjeka traje između 15 i 20 sekundi.

Dobar primjer za uslovnu automatizaciju je Audi-jev „Traffic Jam Pilot“:

Na četvrtom nivou imamo visok stepen automatizacije. Sistem za autonomnu vožnju kompletno preuzima kontrolu i odgovornost za proces vožnje u određenom domenu (ODD-u), npr. na parkiralištu, autoputu i sl. Čovjek u ovom slučaju ima ulogu klijenta kome je dozvoljeno da radi šta god želi (čak i da spava). Bitno je naglasiti da van svog predodređenog domena sistem za autonomnu vožnju nije aktivan, tako da je čovjek opet taj koji preuzima (potpunu) kontrolu nad automobilom.

Na linku ispod možete pogledati kako je Mercedes zajedno sa Bosch-om implementirao visok stepen automatizacije na parkiralištima:

Peti nivo se odnosi na kompletnu automatizaciju. Sistem za autonomnu vožnju je sposoban da upravlja procesom vožnje u svakom mogućem domenu. Ljudski faktor je potpuno isključen iz njega. Prototip jednog takvog budućeg sistema možete pogledati kod kompanije Waymo (nekadašnji Google Car):

Kada je riječ o serijskoj proizvodnji automobila potrebno je naglasiti da svi značajniji proizvođači još uvjek nude samo parcijalnu automatizaiju u vožnji, dakle drugi nivo. Honda je nedavno nagovjestila da će sa serijskom proizvodnjom trećeg nivoa automatizacije početi u maju 2021., Mercedes najavljuje funkciju auto-pilota u svojoj S-klasi već od naredne godine. Audi je objavio da je pilot za upravljanje vozilom u slučaju zastoja na autoputu već spreman za seriju…

Međutim, osvrnimo se na to kako izgleda put ka implementaciji većih nivoa automatizacije u vožnji?

Kao što smo već napomenuli, software i podaci dobijeni od strane senzora (kamere, RADAR-a, LiDAR-a itd.) igraju ključnu ulogu u implementaciji sitema autonomne vožnje. Uzevši u obzir da će automobili nakon 2024. imati senzorsku konfiguraciju baziranu na preko deset kamera, niza RADAR-skih i laserskih senzora, mnoge studije su izvele proračun koliku količinu podataka će generirati prosečan automobil u toku jednog dana. Prema zaključku iz studije [4] radi se o 10 terabajta (TB) podataka. Ovdje dolazimo do razjašnjenja zašto će automobili postati „pametni uređaji na četiri točka“ – zato što će se tolika količina podataka pohranjivati na cloud-u, zato što će biti neophodna 5G mreža za efikasnu komnukaciju između automobila, zato što će se software-ski update-i sprovoditi bežičnim putem, zato što će semafori biti pametni i svakom automobilu unaprijed slati informaciju kada nastupa koje svijetlo… A da li ćemo uskoro ostvariti 5. nivo autonomnosti u vožnji? Tesla je već par puta revidirala svoje izjave (Elon Musk je najavljivao poputno autonomni automobil svoje kompanije za 2017, pa za 2019, pa za kraj 2020…), BMW je zajedno sa svojim partnerom Mobileye-om predviđao 2021. godinu za serijsku prozvodnju potpuno autonomnih automobila… A mi smo već sada na kraju 2020. i pri tom sve glasniije čujemo da se ostvarenje takvih ciljeva može očekivati u narednih deset godina.

 A vi do tada ostanite uz sebilj.net 🙂

 

Za sebilj.net piše: Dr.-Ing. Emil Gracić

Reference:

[1] McKinsey&Company: Rethinking car software and electronics architecture

[2] SAE: Taxonomy and definitions for terms related to driving automation aystems for on-road motor vehicles

[3] WEVOLVER: The guide to understanding the current state of the art in hardware & software for self-driving vehicles

[4] Dell: The critical role of data in automotive innovation