УДК 629.3.053

С. В. Манько, д-р техн. наук, проф.,

С.А.К. Диане, аспирант,

Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

МГТУ МИРЭА

Перспективы создания и пути разработки автономного электромобиля для городских условий на основе комплексного применения интеллектуальных технологий управления

В течении 2012-2013 гг. на кафедре проблем управления МИРЭА проводилось исследование,посвященное оценке перспектив создания и поиску путей разработки автономного электромобиля для городских условий. В данной работе предлагаются модели и алгоритмы интеллектуального управления движением автономного электромобиля на основе применения технологии нечеткой логики.Исследование выполнено при поддержке Министерства образования и науки Российской Федерации, соглашение 14.B37.21.0118.

Ключевые слова:автономное транспортное средство, электромобиль, организация дорожного движения, интеллектуальная система управления движением, нечеткая логика

 

Введение.Транспортная сфера является одной из важнейших составляющих экономики любого современного государства и призвана обеспечивать необходимые объемы грузовых и пассажирских перевозок. На рубеже XX-XXI веков острота транспортной проблемы, особенно для больших городов развитых стран мира, включая Россию, достигла критических отметок. Подобное положение вещей обусловливается увеличением объема перевозок и интенсификацией транспортных потоков при лавинообразном росте числа транспортных средств и, как следствие, резком ухудшении экологической и аварийной обстановки, а также существенном повышении дефицита топливных ресурсов.

Следует отметить, что снижение уровня безопасности дорожного движения во многом объясняется усилением влияния человеческого фактора, когда возникновение аварийных ситуаций является результатом неадекватных действий водителя в виду незнания, несоблюдения или преднамеренного нарушения установленных правил, либо недооценки конкретной ситуации, быстротечности ее развития и возможных последствий.

Вместе с тем, ошибки и нерациональность вождения, нарушение правил движения и аварийность так или иначе приводят к снижению скорости транспортного потока вдоль городских магистралей вплоть до его полной остановки, образованию многокилометровых «пробок» на улицах и дорожных развязках в часы «пик».

Именно по этим причинам новые образцы автомобилей оснащаются парктрониками, датчиками контроля невидимых зон, системами заднего и кругового обзора, электронными системами активной безопасности (включая антиблокировочную систему ABS, систему распределения тормозных усилий EBD, систему обеспечения курсовой устойчивости VSAи др.), автоматическими средствами анализа физического состояния водителя и блокировки двигателя при выявлении его алкогольного опьянения.

Реальные перспективы массового перехода от автотранспорта с двигателями внутреннего сгорания к электромобилям, первые серийные образцы которых появились в открытой продаже, позволяют надеяться на улучшение экологической ситуации.

Электромобили могут служить конструктивной основой для создания принципиально нового поколения экологически чистых транспортных средств, оснащаемых сенсорными средствами контроля дорожной обстановки и интеллектуальной бортовой системой управления, обеспечивающей повышенную степень автономности, энергоэкономичности, эффективности и надежности на основе комплексного применения современных информационных технологий и методов обработки машинных форм представления знаний.

Настоящая публикация, посвященная обсуждению перспектив создания и путей разработки автономного электромобиля для городских условий, основана на обобщении промежуточных результатов научно-исследовательской работы, выполняемой в МГТУ МИРЭА при поддержке грантом Министерства образования и науки РФ.

Перспективы создания нового поколения транспортных средств для городских условий на базе автономного электромобиля.Перспективам развития автомобилестроения вообще, и сектора электромобилей в частности, во всем мире уделяется самое пристальное внимание. Так, в США, одной из лидирующих стран в этой области, инвестиции в инфраструктуру и НИОКР в области разработки электромобилей до 2015 года составили более 5 млрд. долларов [1]. Только в 2012 г. на американском рынке было продано 435 тыс. гибридных автомобилей и 53 тыс. электромобилей, что суммарно составило 3,4% от общего числа продаж транспортных средств [2].

Меры по наращиванию темпов разработки электромобилей принимаются и в других развитых и развивающихся странах. В Китае, например, государственная поддержка этой сферы достигла 15 млрд. долларов, при ожидаемой численности парка в 1 млн. электромобилей к 2020 году. Оказание аналогичных усилий по поддержке производства электромобилей осуществляется более чем половиной стран Европейского Союза. При этом, стимулирование продаж электромобилей включает не только государственные субсидии на покупку, но и снижение таможенных пошлин на импорт, свободный проезд на платных дорогах и др.

Важно отметить, что по долгосрочный прогноз Международного Энергетического Агентства предполагает резкую интенсификацию роста мирового производства электромобилей (Рис. 1).

Рис. 1. Прогнозируемый рост мирового производства электромобилей (по данным Международного Энергетического Агентства)

На сегодняшний день наиболее известными серийно выпускаемыми моделями электромобилей можно считать Mitsubishii-MiEV, NissanLEAF, ZENN, MicrocarM.GoElectric, ToyotaRAV4 EV, ZAPXebra, GeneralMotorsEV1, TeslaRoadster, Modec, RevaNXR, RenaultZ.E., TazzariZERO, ElLada, внешний вид и основные характеристики нескольких из которых приведены на рис. 2.

а) б)
в) г)
д) е)

Рис. 2. Образцы серийно выпускаемых электромобилей: а) Nissan LEAF (Japan), мощность двигателя 110 л., развиваемая скорость 145 км; б) Microcar M.Go Electric (France) 20 л., 45 км; в) Second generation RAV4 EV (Japan, USA), 154 л., 160 км; г) Mitsubishi i-MiEV (Japan), 64 л., 130 км; д)Tesla Roadster (USA), 288 л., 200 км; е)El Lada (Россия),82 л., 140 км

В России серийное производство электромобилей налажено с конца 2012 года. Первые пять образцов отечественного электромобиля ElLada(Рис. 2 е)), по своим техническим характеристикам не уступающего зарубежным аналогам, были введены в эксплуатацию в г. Кисловодске в качестве такси в феврале 2013 года [3].

Реальные возможности создания нового поколения электромобилей, оснащаемых интеллектуальной бортовой системой управления и способных функционировать в автономном режиме, подкрепляются и на практике подтверждаются успехами современной робототехники.

Яркой и наглядной иллюстрацией последних достижений в этой области могут служить примеры опытных образцов автономных мобильных роботов, принимавших участие в соревнованиях GrandChallenge, которые с начала двухтысячных годов регулярно проводятся по инициативе Агентства передовых оборонных проектов исследований Министерства обороны США DARPA[4].

Следует отметить, что отечественная научная школа также обладает и значительной фундаментальной базой и богатым практическим опытом по разработке полуавтоматических и автономных мобильных роботов различных типов и назначения, аппаратных средств бортовых систем обработки информации и управления, а также программно-алгоритмического обеспечения, реализующего весь спектр необходимых функциональных возможностей для работы в условиях неопределенности на основе комплексного привлечения современных интеллектуальных технологий [5].

Таким образом, можно констатировать, что интеграция заделов, накопленных и в области автомобилестроения, робототехники, автоматического управления, обработки информации, искусственного интеллекта и других смежных научных направлений открывает широкие перспективы по созданию нового поколения транспортных средств для городских условий на базе автономного электромобиля.

Принципы построения системы обработки информации и управления автономным электромобилем для городских условий. Автономные электромобили для городских условий по существу и с полным на то основанием могут рассматриваться в качестве отдельного специализированного вида интеллектуальных мобильных роботов, ориентированных для работы в условиях мегаполиса с учетом особенностей его инфраструктуры, интенсивности транспортных потоков, организации дорожного движения и т.д.

Подобная точка зрения позволяет подойти к проблеме разработки бортовой системы обработки информации и управления автономного электромобиля с позиции тех подходов, которые предложены, апробированы и используются в робототехнике.

Общепринятая концепция построения интеллектуальных систем управления (ИСУ) автономными роботами базируется на трех основных положениях:

- принципе иерархического построения, предполагающего наличие стратегического уровня планирования целесообразного поведения, тактического уровня планирования действий и управления движением, исполнительного уровня управления приводами и информационно-измерительной подсистемы, обеспечивающей замыкание контуров управления;

- принципе ситуационного управления [6, 7], реализуемого в подсистемах всех уровней на основе адекватного выбора тех или иных технологий обработки знаний в соответствии с требованиями по обеспечению необходимых функциональных возможностей с учетом специфики действующих факторов неопределенности;

- принципе обеспечения необходимой степени интеллектуальности подсистем отдельных уровней управления, включая интеллектуальность в малом (как способность обработки знаний), интеллектуальность в большом (когда способность обработки знаний интегрируется с возможностями к прогнозированию действий и ситуаций) и интеллектуальность в целом (с дополнительными возможностями адаптации на основе обобщения накапливаемого опыта и самообучения).

В контексте рассматриваемой проблематики практическое воплощение данной концепции предполагает необходимость конкретизации функциональных требований к бортовой ИСУ автономного электромобиля (Рис. 3), обосновании состава информационно-измерительных средств и собственно разработки поведенческих моделей и алгоритмов с уточнением используемых методов представления и технологий обработки знаний.

Рис. 3. Обобщенная структура интеллектуальной бортовой системы управления автономным электромобилем для городских условий

Главное назначение интеллектуальной бортовой системы управления автономным электромобилем связано с планированием и реализацией целесообразного поведения по доставке груза или пассажиров по указанному адресу в соответствующий конечный пункт в автоматическом режиме с учетом специфики организации уличного движения и особенностей дорожной обстановки при соблюдении правил безопасности, а также условий экономии имеющихся энергетических ресурсов.

Детальный анализ и декомпозиция подобной постановки позволяет сформулировать основные требования к функциональным возможностям бортовой ИСУ автономного электромобиля, основными из которых являются:

- управление целесообразным поведением автономного электромобиля в условиях города (включая, оперативное формирование оптимального маршрута в заданный конечный пункт по цифровой карте города с учетом текущей информации об изменении загруженности улиц и магистралей, а также планирование действий и маневров при движении в транспортном потоке с учетом реальной дорожной обстановки и в соответствии с общепринятыми правилами безопасности дорожного движения);

- управление автономным электромобилем при движении в потоке, а также при выполнении маневров (включая разгон и торможение, остановку, разворот и парковку, перестроение из ряда в ряд, пересечение пешеходных переходов, а также регулируемых и нерегулируемых перекрестков, поворот на боковые магистрали и т.д. в соответствии с общепринятыми правилами безопасности дорожного движения, дорожной разметки, знаков, указателей и сигналов светофоров);

- управление исполнительными приводами колес автономного электромобиля с учетом минимизации энергопотребления при обеспечении заданной скорости движения;

- адекватное восприятие общей дорожной обстановки и особенностей текущей дорожной ситуации с учетом интенсивности транспортного потока, а также имеющейся дорожной разметки, знаков, указателей и сигналов светофоров на основе обобщения разнородной сенсорной информации.

Очевидно, что реализация всего спектра функциональных возможностей бортовой ИСУ электромобиля предполагает наличие комплекса информационно-измерительных средств, базовый состав которых (Табл. 1) также является не только хорошо известным, но и отработанным на примерах создания экспериментальных образцов автономных мобильных роботов, обладающих развитым сенсорным оснащением.

Так, в частности, как показано на рис. 4, информационно-измерительные средства экспериментального образца автономного мобильного робота «Boss» (CMU, GM, USA), который занял первое место в соревнованиях DARPAUrbanChallenge(2007 г.), включают в свой состав 7 типов сенсорных устройств [8](Табл. 2).

Таблица 1

Базовый состав бортового комплекса информационно-измерительных средств автономных мобильных роботов (АМР)

Решаемые задачи

Средства сенсорного оснащения

Сбор информации о координатах и параметрах движения АМР

Спутниковая система глобальной навигации, система инерциальной навигации, система локальной навигации

Сбор информации о качестве дорожного полотна и объектах, выступающих в качестве препятствий

Видеокамера, лидар, радар, ультразвуковые и инфракрасные датчики

Обнаружение и распознавание сигналов визуального информирования (дорожные знаки, разметка, сигналы светофора и др.)

Видеокамера

Обнаружение и распознавание сигналов звукового информирования

Микрофон

Сбор дополнительной информации, получаемой по радиоканалу

Средства беспроводной сетевой связи

 

Обобщение результатов проведенного анализа позволяет сделать вывод о том, что ключевые проблемы создания нового поколения транспортных средств для городских условий на базе автономного электромобиля с развитым сенсорным оснащением и интеллектуальной бортовой системой управления, связаны с разработкой моделей и алгоритмов, обеспечивающих требуемые функциональные возможности по реализации целесообразного поведения и выполнению необходимых маневров на основе применения современных технологий обработки знаний.

Модели и алгоритмы интеллектуальной бортовой системы управления автономным электромобилем для городских условий. Поиск подходов и разработка программно-алгоритмического обеспечения для решения всей совокупности задач по планированию поведения и управлению движением автономного транспортного средства в условиях города обусловливает необходимость привлечения современных интеллектуальных технологий, основанных на обработке машинных форм представления знаний и обеспечивающих возможность учета всего многообразия ситуаций изменения и факторов неопределенности дорожной обстановки.

Таблица 2

Состав и размещение информационно-измерительных средств экспериментального образца автономного мобильного робота «Boss» (CMU, GM, USA)

Сенсорное средство

Кол-во

Тип и назначение

1

Applanix POS-LV 220/420 GPS/IMU

1

Система позиционирования, основанная на совместном использовании GPSи инерциальной навигации. Погрешность 0,5 м.

2

SICK LMS 291-S05/S14 LIDAR

6

Лидар. Угол сканирования 90°/180° х 0.9°; угловое разрешение 1°/0,5°; максимальная дальность действия 80 м.

3

Velodyne HDL-64 LIDAR

1

Лидар. Угол сканирования 360° х 26°; угловое разрешение 0,1°; максимальная дальность действия 70 м.

4

Continental ISF 172 LIDAR

2

Лидар. Угол сканирования 12° х 3,2°; максимальная дальность действия 150 м.

5

IBEO Alasca XT LIDAR

2

Лидар. Угол сканирования 240° х 3,2°; максимальная дальность действия 300 м.

6

Continental ARS 300 Radar

4

Радар. Ширина диаграммы направленности 60°/17° х 3,2°; максимальная дальность действия 60 м/ 200 м.

7

Point Grey Firefly

2

Видеокамера с высоким динамическим диапазоном, угол обзора 45°.

 

Следует отметить, что выбранные принципы построения интеллектуальной системы управления, по существу определяют функциональную структуру ее программного обеспечения, показанную на рис. 4.

 

 

Рис. 4. Функциональная структура программного обеспечения интеллектуальной системы управления

 

Так, реализация принципа ситуационного управления, предполагает наличие базы знаний, регламентирующих соответствие классов возможных условий функционирования объекта классам адекватных управляющих решений. Описание текущего состояния и самого объекта и его внешней среды, формируемое на основе показаний комплекса информационно-измерительных средств, закладывается в постоянно обновляемую базу данных. При этом, механизм логического вывода обеспечивает принятие необходимого решения по управлению на основе сопоставления данных о текущей ситуации cимеющимся в системе знаниям. Собственно, сами решения по управлению могут быть связаны с выбором тех или иных моделей и алгоритмов, хранящихся в библиотеке, или указанием их параметров.

Содержимое библиотек того или иного уровня интеллектуальной системы управления в общем случае определяется его функциональным назначением и составом решаемых им задач.

Решение задач формирования оптимального маршрута движения по карте до указанной конечной точки, или его модификация с учетом информации о реальной загруженности магистралей являются прерогативой стратегического уровня управления автономным электромобилем и эффективно обеспечивается известными алгоритмами поиска путей на взвешенных графах [9-11]. Найденный маршрут аппроксимируется последовательностью опорных точек, отработка которых осуществляется тактическим уровнем управления.

Применительно к тактическому уровню управления движением, который является наиболее специфичным с точки зрения разработки автономного электромобиля, состав соответствующей библиотеки должен включать набор моделей и алгоритмов, обеспечивающих выполнение следующих основных маневров (в полном соответствии с правилами безопасности дорожного движения:

- разгон, торможение, выполнение поворотов и разворотов;

- целенаправленное движение с соблюдением скоростного режима;

- объезд препятствий и экстренное торможение для предотвращения столкновений;

- движение и перестроение в интенсивных транспортных потоках;

- высадка пассажира с последующим возвращением на полосу движения;

- параллельная парковка прямым и задним ходом;

- заезд в гараж прямым и задним ходом;

- выезд из гаража или с прилегающих территорий;

- проезд регулируемых и нерегулируемых перекрестков, железнодорожных переездов и т.д.

Один из наиболее мощных, гибких и удобных подходов к разработке моделей и алгоритмов, реализующих принципы ситуационного управления сложными объектами и процессами, связан с применением технологии нечеткой логики. Модели, создаваемые на основе этой технологии, формируются в виде набора продукционных правил с указанием взаимосвязей значений входных и выходных переменных, диапазоны изменения которых описываются с помощью нечетких множеств или других представлений:

ЕСЛИ   Х есть  А 1 1    И ... И   Х m  есть  А1 m,

               ТО Y  есть  B1  ;

......................................................................                                     (1.1)

ЕСЛИ  Х есть  А p1   И ... И   Х  m  есть  А pm,

               ТО  Y  есть  Bp ;

где

Хi, Y- входные и выходная переменные;

i= 1,..., m;

р- количество правил в составе продукционной модели;

АkiBk- диапазоны изменения входных и выходной переменных;

k= 1,..., p.

Для обработки таких моделей предложено несколько различных способов. Наиболее распространенный из них осуществляется по схеме Мамдани. В этом случае диапазоны изменения входных и выходных переменных задаются с помощью функций принадлежности, определяющих степень достоверности, с которой значения тех или иных параметров могут быть отнесены к соответствующим областям. При этом, как показано на рис. 5, процесс обработки предполагает последовательное выполнение следующих основных этапов:

- фаззификации, обеспечивающей сопоставление значений входных переменных с функциями принадлежности условной части отдельных правил;

- нечеткого логического вывода, обеспечивающего формирование и агрегацию искомых заключений на основе обработки следственной части правил с учетом результатов фаззификации;

- дефаззификации, обеспечивающей преобразование результатов нечеткого логического вывода в конечное значение выходной переменной.

Применение методов и технолгий нечеткой логики позволило не только разработать весь базовый набор моделей управления движением электромобиля в автономном режиме, но и обеспечить переключение между ними в зависимости от особенностей текущей ситуации.

 

Рис. 5. Организация процесса нечеткого логического вывода в соответствии со схемой Мамдани

 

Так, например, выполнение маневра «Проезд перекрестка» может быть сведено к комбинированному использованию моделей «Целенаправленное перемещение», «Объезд препятствия» и «Экстренное торможение».

Модель целенаправленного перемещения, которая регламентирует скорость и направление движения автономного электромобиля в зависимости от его удаленности и ориентации по отношению к некоторой заданной конечной или промежуточной (целевой) точке, строится в виде набора продукционных правил (Табл. 3), определяющих взаимосвязи между классами значений соответствующих входных и выходных переменных (Рис 6).

Таблица 3

Взаимосвязи между классами значений входных и выходных переменных модели целенаправленного перемещения автономного электромобиля

Входы

Выходы

Расстояние до цели

Угловое рассогласование

Поворот колес

Скорость

Далеко

Нулевое

Нулевой

Положит.

Мал. отриц.

Мал. вправо

Мал. положит.

Отриц.

Вправо

Мал. положит.

Мал. положит.

Мал. влево

Мал. положит.

Положит.

Влево

Мал. положит.

Близко

Нулевое

Нулевой

Положит.

Мал. отриц.

Мал. вправо

Мал. положит.

Отриц.

Вправо

Мал. положит.

Мал. положит.

Мал. влево

Мал. положит.

Положит.

Влево

Мал. положит.

Очень близко

Нулевое

Нулевой

Нулевая

Мал. отриц.

Мал. вправо

Нулевая

Отриц.

Вправо

Нулевая

Мал. положит.

Мал. влево

Нулевая

Положит.

Влево

Нулевая

 

 

На рис. 7 приведены результаты моделирования целенаправленного перемещения автономного электромобиля в соответствии с набором правил из таблицы 3.

Модели объезда препятствий и экстренного торможения формируются аналогичным образом с добавлением ряда правил, регламентирующих скорость и направление движения автономного электромобиля в зависимости от его удаленности и ориентации по отношению к объектам внешней среды.

а)

б)

в)

г)

Рис. 6. Функции принадлежности классов входных ( а), б)) и выходных ( в), г) переменных для модели целенаправленного перемещения автономного электромобиля

 

Рис. 7. Результаты моделирования целенаправленных перемещений автономного электромобиля при движении прямо (слева) и с поворотом (справа).

Управление автономным электромобилем в сложных ситуациях (при проезде регулируемых и нерегулируемых перекрестков, обгоне впереди идущих транспортных средств и т.д.) может осуществляться на основе последовательного подключения моделей выполнения элементарных маневров. В качестве иллюстрации на рис. 8. представлены фрагменты моделирования автономного электромобиля при выполнении поворота на нерегулируемом перекрестке в условиях интенсивного транспортного потока. Цифрами обозначены участники дорожного движения. Номера транспортных средств, находящихся вне зоны видимости, указаны серым цветом.

а)

б)

в)

г)

 

Рис. 8. Моделирование движений автономного электромобиля (№ 1) при проезде перекрестка а) остановка на перекрестке и пропуск движущихся транспортных средств; б) начало выполнения маневра по проезду перекрестка; в),г) выполнение маневра по повороту на боковую магистраль.

 

Предложенный подход к формированию моделей выполнения сложных маневров, как комбинации более простых, позволил разработать основной набор необходимых компонентов для библиотеки алгоритмов интеллектуальной системы управления автономного электромобиля. При этом, как показали тестовые эксперименты, обеспечение гарантированного решения задачи по объезду препятствий в условиях сложных сцен и ограниченных пространств потребовало дополнения модели выполнения соответствующего маневра (построенной по технологии нечеткой логики) специализированными средствами обучения с подкреплением (Рис. 9) [12].

 

а)

б)

в)

Рис. 9. Моделирование целенаправленного движения автономного электромобиля в среде с препятствиями на основе нечеткой модели ( а), б)) и нечеткой модели с обучением подкреплением (в))

 

Результаты комплексного компьютерного моделирования, проводимого с учетом специфики и основных особенностей городской инфраструктуры, средств организации и регулирования дорожного движения (разметка, знаки, светофоры), а также изменяемой интенсивности транспортных потоков, полностью подтверждают работоспособность, надежность и эффективность разработанного комплекта базового программно-алгоритмического обеспечения интеллектуальной бортовой системы управления автономного электромобиля.

В соответствии с условиями контракта на выполнение научно-исследовательской работы, результаты которой обсуждаются в настоящей статье, разработанные модели и алгоритмы управления движением автономного электромобиля на основе комплексного применения современных технологий обработки знаний используются в составе программно-методического обеспечения для проведения лабораторных работ (Рис. 10) [13] по курсам «Методы искусственного интеллекта» и «Интеллектуальные системы управления» при подготовке кадров по направлению 221000.62 «Мехатроника и робототехника» с профилем специализации «Автономные роботы»/

Рис. 10. Отладка алгоритмов интеллектуального управления автономным электромобилем и комплексное моделирование его целесообразного поведения в среде виртульной реальности

 

Заключение.По сообщениям в средствах массовой информации ведущие зарубежные автомобильные компании, такие как Lexus, Cadillac, Mercedes-Benz, BMW, Volvoи ряд других, ведут активные работы по созданию бортовых систем управления легковыми автомобилями, способными функционировать в автономном режиме. Так, компания Mercedes-Benzанонсировала выход нового поколения модели S-Classс автопилотом к  2017 году [14].

Отечественные разработчики автомобильной техники могли бы поставить перед собой не менее амбициозные задачи по созданию перспективных образцов автономных видов транспорта на основе интеграции фундаментальных и прикладных заделов, накопленных в организациях российской Высшей школы и Академии наук.

Настоящая статья раскрывает возможности разработки интеллектуальных бортовых систем управления автономным городским электромобилем на основе использования современных технологий обработки знаний. При этом, смежные вопросы, связанные с обработкой разнородной сенсорной информации, построением моделей среды и анализа внешней обстановки, решением задач навигации транспортного средства в условиях городской инфраструктуры вообще, и его относительной координатной привязки при движении в ограниченных пространствах дворовых территорий в частности,остались за рамками обсуждения. Однако, соответствующая проблематика, которая выступает предметом активных исследований, проводимых в МГТУ МИРЭА, МИЭТ, МГТУ им. Баумана, ИПМ им. Келдыша РАН и других организациях в области информационно-управляющих систем для автономных подвижных объектов различных типов и назначения, по многим аспектам является хорошо проработанной на уровне программно-аппаратных решений. Совокупность имеющихся результатов позволяет говорить о реальности перспектив создания отечественных образцов автономных городских электромобилей в самые короткие сроки.

 

Список  литературы

 

1.                 Department Of Energy, The Recovery Act: Transforming America’s Transportation Sector. Batteries and electric vehicles. http://www.whitehouse.gov/files/documents/Battery-and-Electric-Vehicle-Report-FINAL.pdf

2.                Electric drive vehicle sales figures (U.S. Market) - EV sales. http://www.electricdrive.org/index.php?ht=d/sp/i/20952/pid/20952

3.                Electric drive vehicle sales figures (U.S. Market) - EV sales. http://www.stapravda.ru/20130214/pervye_elektromobili__taksi_el_lada_vyshli_na_liniyu_v_kislovods_66469.html

4.                DARPA Grand Challengehttp://en.wikipedia.org/wiki/DARPA_Grand_Challenge

5.                Интеллектуальные роботы (учебное пособие для ВУЗов) / Под  общей ред. Е. И. Юревича / – М.: Машиностроение, 2007

6.                Д. А. Поспелов.    Ситуационное   управление:   теория   и   практика.    – М.: Наука, 1986

7.                И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. Искусственный  интеллект  и  интеллектуальные системы управления. – М.: Наука, 2006

8.                С. Urmson et al. Autonomous Driving in Urban Environments: Boss and the DARPA Urban Challenge.// Journal of Field Robotics, 2008

9.                Т. Х.Кормен, Ч. И. Лейзерсон, Р. Л. Ривест, К. Штайн. Алгоритмы: построение и анализ. - 2-е изд. – М.: «Вильямс», 2005

10.            С. Рассел, П. Норвиг Искусственныйинтеллект: современныйподход. - 2-е изд. – М.:  «Вильямс», 2006

11.           . Дж. Ф Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. - 4-е изд. – М.:  «Вильямс», 2003

12.           С. А. К. Диане, С. В. Манько  Планирование  движений  автономного мобильного  робота  на  основе  методов  нечеткой  логики  и  обучения с  подкреплением.  Материалы VIIВсероссийской научно-практической конференции «Перспективные системы и задачи управления» – Таганрог: Изд-во ТТИ ЮФУ, 2012

13.           Д. М. Еремин, И. Б. Гарцеев, М. С. Ситников, Д. Е. Евстигнеев. Методы искусственного интеллекта. Методические указания для выполнения лабораторных работ. – М.: МГТУ МИРЭА, 2012

14.           Мерседес S-Classчерез пять лет получит автопилот.

http://news.infocar.ua/34mersedes34_s-class_cherez_pyat_let_poluchit_avtopilot_79050.html

Пример программной реализации описанных алгоритмов представлен на следующем видео: