Selbstfahrende Fahrzeuge – warum Telematik entscheidend für ihren Erfolg sein wird

Viele werden sich des Erfolgs bewusst sein, den Tesla bei der Entwicklung selbstfahrender Fahrzeuge hatte. Obwohl sie noch nicht vollständig vorhanden sind, verbessert sich die Technologie ständig bis zu dem Punkt, an dem ihre mit dieser Technologie ausgestatteten Autos weitgehend selbst fahren können, während der menschliche Fahrer dort eingreift, um bei Bedarf einzugreifen.

Aber andere Hersteller holen auf, und jeder, der in den letzten Jahren ein Auto gekauft hat, kann darin eine gewisse Autonomie finden. Das kann ein automatisches Bremsen in Notsituationen, Spurhalteassistenten oder eine intelligente Geschwindigkeitsregelung sein.

Auch Nutzfahrzeughersteller investieren in selbstfahrende Technologien mit dem Ziel, vollautonome Fahrzeuge zu entwickeln. Volvo testet beispielsweise Lkw mit Selbstfahrfähigkeit.

Während Waymo, das Schwesterunternehmen von Google und Teil von Alphabet, seit Oktober 2020 fahrerlose Taxis in Phoenix, Arizona, betreibt. Es wird auch an der Selbstfahrfähigkeit für Lkw gearbeitet.

Das Start-up TuSimple fuhr im Dezember einen autonomen Lkw auf öffentlichen Straßen 80 Meilen von einem Bahnhof in Tuscon zu einem Distributionszentrum in Phoenix.

Diese Technologien sind auf dem Weg und es ist unvermeidlich, dass Recycling- und Entsorgungsunternehmen sie bald einsetzen werden.

Ich kann mir vorstellen, dass wir in den nächsten Jahren mehr selbstfahrende Technologie in Abfall- und Recycling-Lkw und innerhalb eines Jahrzehnts eine vollständig autonome Technologie sehen werden.

Die Telematik wird für jede Phase von entscheidender Bedeutung sein. Zum Beispiel würde ich erwarten, dass künstliche Intelligenz (KI) und maschinelles Lernen (ML) mit selbstfahrender und Telematik-Technologie integriert werden.

Fahrzeuge werden viel mehr Informationen kennen, z. B. die Identifizierung von Wetterbedingungen, die die Fahrzeugsicherheit oder die Verfügbarkeit von Routen beeinträchtigen könnten. Fahrzeuge werden KI und ML verwenden, um potenzielle Wartungsprobleme zu identifizieren, bevor sie von vorhandenen Sensoren bemerkt werden. In der Tat können Wartungsteams zurückgehen und überprüfen, wann ein Problem an einem Fahrzeug aufgetreten ist, und die Betriebsbedingungen identifizieren, die es verursacht haben. Informationen wie diese helfen den Fahrern, Straßenbedingungen oder Fahrstile zu identifizieren, die zu Wartungsproblemen geführt haben, und ermöglichen eine bessere Vorhersage, wann Teile ausgetauscht werden müssen.

Wenn wir an den Punkt der vollständig autonomen Recycling- und Müllfahrzeuge kommen, müssen wir wissen, wo sich das Fahrzeug befindet, und hier wird die Telematik eine entscheidende Rolle spielen. Darüber hinaus wird die Telematik mit selbstfahrender Technologie arbeiten, um potenzielle Gefahren zu identifizieren und sicherzustellen, dass das Fahrzeug sicher fährt.

Wenn ein Fahrzeug ausfällt (und hoffentlich wurde dies in den meisten Fällen durch KI und ML verhindert, die in Verbindung mit Telematik zusammenarbeiten, um das Problem vorherzusagen), dann hilft die Telematik zu identifizieren, wo sich das Fahrzeug befindet. Dann kann es am Straßenrand repariert oder wiederhergestellt werden.

Mit der schnellen Einführung der 5G-Mobilfunktechnologie in vielen Ländern werden wir in der Lage sein, mehr Telematikdaten schneller mit den Controllern an der Basis zu teilen. Dies wird ein besseres Verständnis darüber ermöglichen, wo sich Fahrzeuge befinden, welchen Gefahren sie ausgesetzt sind, und es können bei Bedarf größere Anpassungen an den Routen vorgenommen werden.

Telematik mit Optimierung verbinden

Selbstfahrende Elektrofahrzeuge müssen weiterhin gesteuert werden, und zu diesem Zweck werden Optimierungsplattformen und Telematik zusammenarbeiten.

Die von Telematikgeräten empfangenen Daten werden wie bisher eine effektive Planung und Optimierung von Routen ermöglichen.

Telematik wird jedoch dazu beitragen, die Fähigkeit von Elektrofahrzeugen zu verbessern, eine Route zu absolvieren, indem sie den Ladezustand, die erforderliche Ladezeit während der Strecke und alle Bedingungen berücksichtigt, die die Reichweite beeinflussen können, wie kaltes, nasses Wetter.

Daten von selbstfahrenden Fahrzeugen werden dazu beitragen, die Routenoptimierung zu verbessern, indem KI und ML verwendet werden, um Trends wie Verkehrsbedingungen und Fahrzeugladungen zu erkennen. Fahrzeuge sollten auch in der Lage sein, den Widerstand durch Steigungen und regeneratives Abbremsen zu überwachen, um die Reichweite auf einer Strecke besser zu berechnen.

5G-Netze werden eine Echtzeitüberwachung des Fahrzeugs ermöglichen, um sicherzustellen, dass es im Plan ist und schnelle Anpassungen vorgenommen werden können. Dies kann automatisch durch die Software erfolgen, die minimale Störungen durch den Controller ermöglicht, die nur dann eingreifen müssen, wenn ein Mensch eine Entscheidung treffen muss.