| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 6.26 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Autonomous vehicles (AV) require critical skills in several scenarios: awareness, intelligent
decision-making, and executive control. The improvement of these characteristics is a natural reaction to the emergence of recognition systems such as sensors, which present increasingly precise measurements and a more significant collection of types of data, combined with
the emergence of new technologies and mathematical approaches to existing problems in this
sector, as well as the evolution in the artificial intelligence sector as raping the transport industry to a new level of automatization. In several areas, all this growth has led to this sector’s
rapid development in recent years.
The main idea of AVs is to create an intelligent decision-making module capable of controlling all essential processes associated with a vehicle, ranging from creating trajectories or
steering control to even risk analysis, as is the case of the Autonomous Emergency Braking
(AEB) system. The latter, as ADAS, is carried out mainly to mitigate human errors such as
driver distractions, risk analysis with mathematical precision, combat deficiencies in human
perception in scenarios with adverse environmental or physical conditions (fatigue, stress,
anxiety), and prevent car accidents. This will reduce road traffic, minimize human casualties and injuries, and save millions in monetary loss for all road users. AVs are the future
of strengthening and improving security policies in various scenarios. However, their high
price in the development and testing process has proven to be a significant deterrent to developing these technologies. Consequently, available solutions in the area of autonomous
emergency braking will be addressed, and all new solutions and studies, their strengths and
weaknesses, the state of the development process, test systems, quality, and reliability, will
be presented.
This work aims to create AVs with well-designed trajectory planning using an adaptive Model
Predictive Control (MPC) capable of achieving outstanding performance in critical highway
scenarios. Furthermore, it also aims to aggregate an emergency braking system that reacts to
multidimensional analyses, including collision detection, time to collision (TTC), and braking distance. This study also shows the necessity of placing particular emphasis on verification, validation, and testing (VVT) in the automobile industry, which has contributed significantly to the development of automation systems. They allow developers to test software
at a low cost and risk cycle, finding hidden faults in the preliminary phase and increasing
confidence in security, functional, and transaction analysis for autonomous prototypes on
existing road networks. This is increasingly becoming a norm in the automobile industry
thanks to the cost-benefit ratio, allowing the removal of errors before reaching the absolute
testing phase, where the cost of mistakes, both monetary and humanitarian, can be catastrophic. For the models to be carried out through simulation environments, this work used
Matlab Simulink.
Veículos autônomos (AV) exigem habilidades críticas em diversos cenários: consciencialização, inteligência na tomada de decisão e controle executivo. Sendo o aprimoramento destas características uma reação natural ao aparecimento de sistemas de reconhecimento como sensores, que apresentam medições cada vez mais precisas e com uma maior variedade de tipos de dados recolhidos, que combinado com o surgimento de novas tecnologias e abordagens matemáticas para resolver problemas existentes neste setor, bem como a evolução no setor da área de inteligência artificial permitiu uma rápida automatização da indústria dos transporte. Todo este crescimento, em diversas áreas levou a um rápido desenvolvimento deste setor nos últimos anos. A ideia principal dos AVs é criar um módulo inteligente de tomada de decisão capaz de controlar todos os processos essenciais associados a um veículo, desde a criação de trajetórias ou controlo de direção até mesmo a análise de risco, como é o caso do sistema de Travagem Automática de Emergência (AEB). Este último, como ADAS, é realizado principalmente para mitigar erros humanos como distrações do condutor, análise de riscos com precisão matemática, combater deficiências na perceção humana em cenários com condições ambientais ou físicas adversas (fadiga, stresse, ansiedade) e prevenir acidentes automobilísticos. Isto reduzirá o tráfego rodoviário, minimizará as vítimas e os ferimentos humanos, e poupará milhões em perdas monetárias para todos os utilizadores das estradas. Os VAs são o futuro do fortalecimento e melhoramento das políticas de segurança em diversos cenários. No entanto, o seu elevado preço no processo de desenvolvimento e teste provou ser um impedimento significativo ao desenvolvimento destas tecnologias. Consequentemente, serão abordadas as soluções disponíveis na área da travagens automáticas de emergência e apresentadas todas as novas soluções e estudos, os seus defeitos e vantagens, o estado do processo de desenvolvimento, sistemas de teste, a qualidade e a fiabilidade dessas tecnologias. Este trabalho visa criar AVs com planeamento de trajetória bem projetado utilizando um Modelo de Controlo Preditivo (MPC) adaptativo capaz de alcançar excelente desempenho em cenários críticos de autoestradas. Além disso, pretende também agregar um sistema de travagem de emergência que usa análises multidimensionais, incluindo deteção de colisão, tempo até colisão (TTC) e distância de travagem. Este estudo também mostra a necessidade de dar ênfase especial à verificação, validação e testes (VVT) na indústria automóvel, o que tem contribuído significativamente para o desenvolvimento de sistemas de automatização. Eles permitem que os desenvolvedores testem ‘software’ com baixo custo e baixo risco, permitindo encontrar falhas ocultas em fases preliminares e aumenta a confiança na segurança, funcionalidade e análise de transações para protótipos autónomos em redes rodoviárias existentes. Isto está a tornar-se cada vez mais uma norma na indústria automóvel graças à relação custo-benefício, permitindo a remoção de erros antes de chegar à fase de testes em ambientes reais, onde o custo dos erros, tanto monetário como humanitário, pode ser catastrófico. Para que os modelos fossem realizados via ambientes de simulação, este trabalho utilizou o Matlab Simulink.
Veículos autônomos (AV) exigem habilidades críticas em diversos cenários: consciencialização, inteligência na tomada de decisão e controle executivo. Sendo o aprimoramento destas características uma reação natural ao aparecimento de sistemas de reconhecimento como sensores, que apresentam medições cada vez mais precisas e com uma maior variedade de tipos de dados recolhidos, que combinado com o surgimento de novas tecnologias e abordagens matemáticas para resolver problemas existentes neste setor, bem como a evolução no setor da área de inteligência artificial permitiu uma rápida automatização da indústria dos transporte. Todo este crescimento, em diversas áreas levou a um rápido desenvolvimento deste setor nos últimos anos. A ideia principal dos AVs é criar um módulo inteligente de tomada de decisão capaz de controlar todos os processos essenciais associados a um veículo, desde a criação de trajetórias ou controlo de direção até mesmo a análise de risco, como é o caso do sistema de Travagem Automática de Emergência (AEB). Este último, como ADAS, é realizado principalmente para mitigar erros humanos como distrações do condutor, análise de riscos com precisão matemática, combater deficiências na perceção humana em cenários com condições ambientais ou físicas adversas (fadiga, stresse, ansiedade) e prevenir acidentes automobilísticos. Isto reduzirá o tráfego rodoviário, minimizará as vítimas e os ferimentos humanos, e poupará milhões em perdas monetárias para todos os utilizadores das estradas. Os VAs são o futuro do fortalecimento e melhoramento das políticas de segurança em diversos cenários. No entanto, o seu elevado preço no processo de desenvolvimento e teste provou ser um impedimento significativo ao desenvolvimento destas tecnologias. Consequentemente, serão abordadas as soluções disponíveis na área da travagens automáticas de emergência e apresentadas todas as novas soluções e estudos, os seus defeitos e vantagens, o estado do processo de desenvolvimento, sistemas de teste, a qualidade e a fiabilidade dessas tecnologias. Este trabalho visa criar AVs com planeamento de trajetória bem projetado utilizando um Modelo de Controlo Preditivo (MPC) adaptativo capaz de alcançar excelente desempenho em cenários críticos de autoestradas. Além disso, pretende também agregar um sistema de travagem de emergência que usa análises multidimensionais, incluindo deteção de colisão, tempo até colisão (TTC) e distância de travagem. Este estudo também mostra a necessidade de dar ênfase especial à verificação, validação e testes (VVT) na indústria automóvel, o que tem contribuído significativamente para o desenvolvimento de sistemas de automatização. Eles permitem que os desenvolvedores testem ‘software’ com baixo custo e baixo risco, permitindo encontrar falhas ocultas em fases preliminares e aumenta a confiança na segurança, funcionalidade e análise de transações para protótipos autónomos em redes rodoviárias existentes. Isto está a tornar-se cada vez mais uma norma na indústria automóvel graças à relação custo-benefício, permitindo a remoção de erros antes de chegar à fase de testes em ambientes reais, onde o custo dos erros, tanto monetário como humanitário, pode ser catastrófico. Para que os modelos fossem realizados via ambientes de simulação, este trabalho utilizou o Matlab Simulink.
Description
Keywords
Segurança Crítica Simulação Teste Validação Veículos Autônomos Verificação