Zelfrijdende voertuigen – waarom telematica cruciaal zal zijn voor hun succes

Velen zullen zich bewust zijn van het succes dat Tesla heeft gehad bij het ontwikkelen van zelfrijdende voertuigen. Hoewel ze er nog niet helemaal zijn, verbetert de technologie voortdurend tot het punt waarop zijn auto's die met deze technologie zijn uitgerust, grotendeels zelf met de menselijke bestuurder daarheen kunnen rijden om in te grijpen wanneer dat nodig is.

Maar andere fabrikanten zijn bezig met een inhaalslag, en iedereen die de afgelopen jaren een auto heeft gekocht, kan er enige autonomie in vinden. Dit kan automatisch remmen in noodsituaties zijn, rijstrookassistentie of slimme cruise control.

Fabrikanten van bedrijfsvoertuigen investeren ook in zelfrijdende technologie met als doel volledig autonome voertuigen te ontwikkelen. Volvo test bijvoorbeeld trucks met zelfrijdende capaciteiten.

Terwijl Waymo, het zusterbedrijf van Google en onderdeel van Alphabet, sinds oktober 2020 zelfrijdende taxi's runt in Phoenix, Arizona. Het werkt ook aan zelfrijdende mogelijkheden voor vrachtwagens.

Start-up TuSimple reed in december 80 mijl met een autonome vrachtwagen op de openbare weg van een spoorwegemplacement in Tuscon naar een distributiecentrum in Phoenix.

Deze technologieën zijn onderweg en het zal niet lang meer duren voordat recycling- en afvalbeheerbedrijven ze gaan gebruiken.

Ik kan me voorstellen dat we de komende jaren meer zelfrijdende technologie zullen zien in afval- en recyclingtrucks, en binnen tien jaar volledig autonome technologie.

Telematica zal cruciaal zijn voor elke fase hiervan. Ik zou bijvoorbeeld verwachten dat kunstmatige intelligentie (AI) en machine learning (ML) worden geïntegreerd met zelfrijdende en telematicatechnologie.

Voertuigen zullen veel meer informatie weten, zoals het identificeren van weersomstandigheden die van invloed kunnen zijn op de veiligheid van voertuigen of de beschikbaarheid van routes. Voertuigen zullen AI en ML gebruiken om potentiële onderhoudsproblemen te identificeren voordat ze worden opgemerkt door bestaande sensoren. Onderhoudsteams kunnen inderdaad teruggaan en controleren wanneer er een probleem op een voertuig is opgetreden en de bedrijfsomstandigheden identificeren die het hebben veroorzaakt. Het hebben van informatie zoals deze zal ertoe leiden dat bestuurders worden geholpen bij het identificeren van wegomstandigheden of rijstijlen die tot onderhoudsproblemen hebben geleid, en om beter te kunnen voorspellen wanneer onderdelen moeten worden vervangen.

Wanneer we op het punt van volledig autonome recycling en vuilniswagens komen, moeten we weten waar het voertuig zich bevindt en dit is waar telematica een cruciale rol zal spelen. Bovendien zal telematica werken met zelfrijdende technologie om potentiële gevaren te identificeren en ervoor te zorgen dat het voertuig op een veilige manier rijdt.

Als een voertuig defect raakt (en hopelijk is dit in de meeste gevallen voorkomen door AI en ML in combinatie met telematica om het probleem te voorspellen), dan zal telematica helpen identificeren waar het voertuig zich bevindt. Dan kan het langs de kant van de weg worden gerepareerd of hersteld.

Met de snelle uitrol van 5G mobiele communicatietechnologie in veel landen, zullen we in staat zijn om sneller meer telematicagegevens te delen met controllers terug op de basis. Dit zal een beter inzicht mogelijk maken in waar voertuigen zich bevinden, de gevaren waarmee ze worden geconfronteerd, en het mogelijk maken om indien nodig grote aanpassingen aan routes aan te brengen.

Telematica integreren met optimalisatie

Zelfrijdende elektrische voertuigen zullen nog steeds moeten worden bestuurd en optimalisatieplatforms en telematica zullen daarvoor samenwerken.

Gegevens die van telematica-apparaten worden ontvangen, maken een effectieve planning en optimalisatie van routes mogelijk, zoals ze nu doen.

Maar telematica zal helpen bij het informeren van het vermogen van elektrische voertuigen om een route te voltooien, rekening houdend met de laadtoestand, eventuele noodzakelijke laadtijd halverwege de route en alle omstandigheden die van invloed kunnen zijn op het bereik, zoals koud, nat weer.

Gegevens van zelfrijdende voertuigen zullen helpen om routeoptimalisatie te informeren, met behulp van AI en ML om trends zoals verkeersomstandigheden en voertuigbelastingen te herkennen. Voertuigen moeten ook in staat zijn om weerstand te controleren als gevolg van het beklimmen van heuvels en regeneratief remmen bergafwaarts om de actieradius op een route beter te berekenen.

5G-netwerken maken real-time monitoring van het voertuig mogelijk om ervoor te zorgen dat het op plan is en om snelle aanpassingen mogelijk te maken. Dit kan automatisch worden gedaan door de software, waardoor minimale interferentie van de controller mogelijk is die alleen interventie vereist wanneer een mens een beslissing moet nemen.