Selvkørende køretøjer – hvorfor telematik vil være afgørende for deres succes

Mange vil være opmærksomme på den succes , Tesla har haft med at udvikle selvkørende køretøjer. Selvom de ikke er helt der endnu, forbedres dens teknologi konstant til det punkt, hvor dens biler udstyret med denne teknologi stort set kan køre sig selv med den menneskelige chauffør der for at gribe ind, når det er nødvendigt.

Men andre producenter indhenter, og enhver, der har købt en bil i de sidste par år, kan finde en vis autonomi i den. Det kan være automatisk brud i nødsituationer, vognbaneassistenter eller smart fartpilot.

Producenter af erhvervskøretøjer investerer også i selvkørende teknologi med det formål at udvikle fuldt autonome køretøjer. For eksempel tester Volvo lastvogne, der har selvkørende kapacitet.

Mens Waymo, søsterselskabet til Google og en del af Alphabet, har kørt førerløse taxaer i Phoenix, Arizona siden oktober 2020. Det arbejder også på selvkørende kapacitet til lastbiler.

Start-up TuSimple kørte en autonom lastbil på offentlig vej i 80 miles fra en jernbanegård i Tuscon til et distributionscenter i Phoenix i december.

Disse teknologier er på vej, og inden længe er det uundgåeligt, at genanvendelses- og affaldshåndteringsselskaber vil begynde at bruge dem.

Jeg forestiller mig, at vi vil se mere selvkørende teknologi i affalds- og genbrugslastbiler i løbet af de næste par år og fuldt autonom teknologi inden for et årti.

Telematik vil være afgørende for hvert trin i dette. For eksempel forventer jeg, at kunstig intelligens (AI) og maskinindlæring (ML) integreres med selvkørende og telematikteknologi.

Køretøjer vil vide meget mere information, såsom at identificere vejrforhold, der kan påvirke køretøjets sikkerhed eller tilgængeligheden af ruter. Køretøjer vil bruge AI og ML til at identificere potentielle vedligeholdelsesproblemer , før de bemærkes af eksisterende sensorer. Faktisk vil vedligeholdelsesteams være i stand til at gå tilbage og kontrollere, hvornår der opstod et problem på et køretøj og identificere de driftsforhold, der forårsagede det. At have oplysninger som denne vil føre til at hjælpe chauffører med at identificere vejforhold eller kørestile, der førte til vedligeholdelsesproblemer, samt give mulighed for bedre forudsigelse af, hvornår dele skal udskiftes.

Når vi kommer til punktet med fuldt autonome genbrugs- og affaldsbiler, bliver vi nødt til at vide, hvor køretøjet er, og det er her, telematik vil spille en afgørende rolle. Derudover vil telematik arbejde med selvkørende teknologi for at identificere potentielle farer og sikre, at køretøjet kører på en sikker måde.

Hvis et køretøj går i stykker (og forhåbentlig vil dette i de fleste tilfælde være blevet forhindret af AI og ML, der arbejder sammen med telematik for at forudsige problemet), vil telematik hjælpe med at identificere, hvor køretøjet er. Derefter kan det repareres i vejkanten eller genvindes.

Med den hurtige udrulning af 5G-mobilkommunikationsteknologi i mange lande vil vi være i stand til at dele flere telematikdata hurtigere med controllere tilbage på basen. Dette vil give mulighed for en større forståelse af, hvor køretøjerne befinder sig, de farer, de står over for, og gøre det muligt at foretage større justeringer af ruterne, hvis det er nødvendigt.

Integration af telematik med optimering

Selvkørende elbiler skal stadig kontrolleres, og optimeringsplatforme og telematik vil arbejde sammen til dette formål.

Data modtaget fra telematikenheder muliggør effektiv planlægning og optimering af ruter, som de gør nu.

Men telematik vil hjælpe med at informere elektriske køretøjers evne til at gennemføre en rute, idet de tager opladningstilstanden, enhver nødvendig opladningstid midt på ruten og eventuelle forhold, der kan påvirke rækkevidden, såsom koldt, vådt vejr.

Data fra selvkørende køretøjer hjælper med at informere ruteoptimering ved hjælp af AI og ML til at få øje på tendenser som trafikforhold og køretøjsbelastninger. Køretøjer skal også være i stand til at overvåge modstand på grund af klatring af bakker og regenerativ bremsning ned ad bakke for bedre at beregne rækkevidden på en rute.

5G-netværk vil muliggøre realtidsovervågning af køretøjet for at sikre, at det er planlagt og muliggøre hurtige justeringer. Dette kan gøres automatisk af softwaren, der giver mulighed for minimal interferens fra controlleren, der kun kræver indgriben, når et menneske har brug for at træffe en beslutning.