پیش بینی مسیر حرکت خودرو در رانندگی خودران با به کارگیری یادگیری عمیق

در سال های اخیر، پیشرفت های چشمگیر در فناوری اینترنت و سیستم های خودکار، زمینه ساز توجه روزافزون به فناوری خودروهای خودران شده است. شرکت های پیشروی خودروسازی از جمله ولوو، مرسدس بنز و تسلا، محصولاتی در طیف خودروهای دارای سیستم های کمک راننده تا نمونه های نیمه خودران را عرضه کرده اند. با این حال، در همین دوره شاهد بروز چندین حادثه ایمنی مرتبط با این فناوری بوده ایم. نمونه بارز این رویدادها، تصادف خودروی خودران گوگل با یک اتوبوس در مارس ۲۰۱۶ بود. در این حادثه، خودروی خودران در حین انجام تغییر خط به سمت راست، نتوانست به صورت بلادرنگ به داده های محیطی پاسخ مناسب دهد. سیستم با این فرض که اتوبوس سرعت خود را کاهش خواهد داد، اقدام به تغییر مسیر کرد که برخوردی با سرعت پایین درپی داشت. این رویداد، با وجود رشد سریع فناوری خودروهای خودران، ضعف های موجود در سیستم های کنونی، به ویژه چالش های ایمنی مرتبط با رفتار تغییر خط خودکار را آشکار ساخت. تغییر خط به عنوان یکی از متداول ترین و پرخطرترین مانورها در رانندگی بزرگراهی، تاثیر مستقیمی بر ایمنی و روانی ترافیک دارد. از این رو، پیش بینی دقیق قصد تغییر خط نه تنها یک ضرورت فنی، بلکه عاملی کلیدی در ارتقای ایمنی رانندگی محسوب می شود. این مقاله با معرفی یک روش پیش بینی مبتنی بر یادگیری عمیق برای رفتار تغییر خط در رانندگی خودکار، در پی ایجاد بستری برای انجام ایمن این مانور و در نهایت، بهبود ایمنی در جاده ها است. نتایج آزمایش های انجام شده در این پژوهش، برتری مدل پیشنهادی را در پیش بینی قصد تغییر خط با دستیابی به نرخ دقت بالاتر تایید می کند.

کلیدواژه ها:

رانندگی خودکار ، مدل CNN-LSTM ، یادگیری عمیق ، تغییر خط خودکار