ВИСОКА ШКОЛА ЕЛЕКТРОТЕХНИКЕ И

РАЧУНАРСТВА СТРУКОВНИХ СТУДИЈА

Пејић Душан
Аутономна возила- историјат, стање и перспективе развоја
-завршни рад-

Београд, септембар 2019.

Кандидат: Пејић Душан
Број индекса:Асув 8/16
Студијски програм: Аутоматика и системи управљања возилима
Тема: Аутономна возила- историјат, стање и перспективе развоја
Основни задаци:
1. Историјат развоја
2. Тренутно стање развоја и примена аутономних возила
3. Технички и друштвени изазови примене аутономнох возила

Ментор:
Београд, септембар 2019.
________________________

мр Милија Џекулић, проф./виши предавач ВИШЕР

Contents

1. Увoдна разматрања ........................................................................................................... 4

2. Историјат и досадашњи развој ........................................................................................ 5

2.1. Досадашњи развој технологије аутономних возила ...................................................... 6

2.2. Предности аутономних возила ...................................................................................... 12

2.3. Недостаци аутономних возила ...................................................................................... 14

3. Технологија аутономних возила ................................................................................... 15

3.1. Нивои аутоматизације возила ................................................................................ 16
3.1.1. GPS ......................................................................................................................... 18
3.1.2. LIDAR сензор ....................................................................................................... 19

4. Технологија повезивања возила - V2X ......................................................................... 28

4.1. V2V комуникација- комуникација возила са возилом ........................................ 29

5. Закључак ............................................................................................................................. 33

6. Литература .......................................................................................................................... 34
 1. Увoдна разматрања

У протеклих пет година, аутономна возила су постала једна од најактивнијих

технологија у транспортној индустрији. Скоро сваки произвођач аутомобила од Aston
Martin-а до Volkwagen-а у будућности планира представити потпуно аутономно
возило. Многи произвођачи аутомобила већ имају делимично аутономна возила са
карактеристикама као што су прилагодљиви темпомат и кочење у нужди. Већина
произвођача продаје возила са неким аутономним карактеристикама. Стварање
технологије која делује у неповољном времену, овладавање сложеним урбаним и
приградским окружењима и рад у окружењу са возилима, аутобусима, прелазима
возова, пешацима, бициклистима и паркираним аутомобилима је компликовано. На
пример, возило би морало да разуме сложене компромисе, као што је избор између
удара у паркирани аутомобил или транзитно возило, у делићу секунде и изврши
потенцијалну одлуку о животу и смрти. Поред тога, препознавање нетехничких изазова
као што су прихватање јавности, цене и регулација требало би да упозори креаторе
политике и планере на нереална очекивања.
С обзиром да се већ годинама уназад напредовало у развитку роботике и људске
свести о њима, тренутни период је такав да је дошло до комерцијализације и саме
употребе појединих вештачко интелигентних машина у људском окружењу. Једна од
кључних идеја је примена робота у људским животима и употреба роботизованих
возила (eng. driverless cars) или аутономних возила (eng. autonomous car) у саобраћају.
Евидентан је раст кретања људи превозним средстимна (личним возилима и јавним
превозом), самим тим и већи је ризик од саобраћајних незгода. Потребно је више
ресурса за све већи број возила, а због повећања обима саобраћаја јављају се и
саобраћајне гужве а самим тим и време проведено у саобраћају знатно је веће итд. Ту је
и проблематика са становишта легално правних апсеката, са кључним питањима: ако
дође до несрећа, кога кривити; који ће бити утицај на осигуравајуће компаније
смањење стопе запослености, нпр. такси удружења. Неизбежно је повећање броја
стручњака из области технологија које су неопходне у пројекту аутономних возила.
Ово су само нека од питања која се постављају.
Да бисмо схватили прави концепт аутономног возила потребно би било изложити
основне принципе роботике и система заснованих на знању. Kроз овај рад биће
објашњен принцип и једне и друге дисциплине у концепту возила којима није потребан
људски возач. Извори знања су битни у погледу система, јер знање је тешко
прикупљати директно – оно се добија обрађивањем сирових опажања и информација
из домена који се посматра. Основни извор знања је људски ум док се као секундарни
извор знања узимају подаци и информације из окружења.
 2. Историјат и досадашњи развој

Аутоматизација возила првобитно је била предвиђена већ 1918. године, али

први концепт аутономног возила изложила је 1925. године фирма Houdina Radio
Control која је представила радијскиуправљани аутомобил без возача на улицама
Њујорка. (Слика 1.)

Слика 1. Радијски контролисан аутомобил, Linrrican Wonder 1925.

Од 1964. до 2003. године, у Сједињеним Државама, Европи и Јапану радило је

неколико програма за истраживање и развој у оквиру појединачних и заједничких
иницијатива различитих владиних института и академија за развој аутоматизованих
возила, аутобуса и камиона. Систем се заснивао на обради видео слика које би возачу
помогле да препозна ситуације које се укажу да одрећеној траси пута. Аутомобил је
одржавао своју брзину и смер ефикасније од било ког возила којим управља човек.
Почетна анализа трошкова показала је да ће се трошкови инсталације система
исплатити за 30 година. Такође би такав систем смањио број несрећа за 40 %
превазилазећи људске грешке у вожњи.

Један од многих пројеката на пољу аутономне вожње био је и ARGO. Главни циљ
пројекта ARGO је био развој активног система безбедности који такође може бити
аутоматски пилот за стандардно возило. Да би се постигао аутономни систем вожње
који се уклапа у постојећу путну мрежу без потребе за специфичном инфраструктуром,
способност опажања окружења је неопходно за интелигентно возило. ARGO пројекат
је настао 1996. године на Универзитету у Парми (Италија), после искуства са
PROMETHEUS Европским пројектом.

Велики пробој ка усавршавању аутономних возила подстакао је и допринео пројекат

DARPA (eng. Defense Advanced Research Projects Agency) истраживања. То је пројекат
напредних нстраживања Агенције за одбрану Сједињених Америчких Држава. DARPA
пројекат је омогућио сарадњу многих школа, универзитета, разних компанија и других
иноватора са циљем стварања што бољег аутономног возила будућности. Првобитно је
био намењен за потенцијалну војну употребу, али је касније прешао на цивилну
употребу. DARPA „Grand“ такмичења су одржана:

 2004. и 2005.године – „Grand“ изазови

 2007. године - Градски изазови
 2012. године – Роботички изазови
 2.1. Досадашњи развој технологије аутономних возила
Способност аутономне вожње може променити аутоиндустрију у основи,
пребацујући „вредности“ аутомобила на претежно хардверске и софтверске
компоненте, чиме се омогућава улазак нових компанија на ово тржиште и неопходност
постојећих компанија да сарађују са новим.
Главне предности за традиционалне компаније је њихова блискост са
аутомобилима и њихова контрола над аутоиндустријом. Нетрадиционални играчи,
компаније попут Google, IBM, Cisco Системи, Bosch, Continental, Delphi и многи други
прихватају ризике и померају границе не плашећи се неуспеха.
Поред Google-a, многи други произвођачи развијају сопствене пројекте аутономних
возила. Mercedes-Benz, BMW и Volvo већ су представили аутомобиле који иду сами
без асистенције возача у одређеним околностима али нису у потпуности
„елиминисали“ возача.
2.1.1. Компанија Google

Kомпанија Goоgle је једна од водећих компанија која ради на технологији

усавршавања аутономних возила. Пројекат Google аутомобил без возача (eng. The
Google driverless car) је замисао једног професора Stanford Универзитета чије је име
Себастиан Тран. Иначе, овај човек је и потпредседник компаније Google, као и један од
проналазача Google приказ улица (eng. Google Street View). Предводио је Stanford тим
који је победио 2005. године на DARPA такмичењу самоуправљајућих возила које је
спонзорисало америчко Министарство одбране. Сво знање које је стекао радећи на том
пројекту он је усавршио и уложио у развој новог самоуправљајућег возила. Мапе за
вођење аутомобила и комуникациони системи који могу одмах делити информације о
градилишту или другој неочекиваној измени на одрећеној траси пута, представљају
највећи изазов који је остао на инжињерима. Такође је изазов и да предвиде људско
понашање у његовим најнеочекиванијим облицима.
Google је почео 2010. године да развија технологију аутономних возила, користећи
као тест возила Lexus SUV и Toyota Prius опремљене технологијом која омогућава
кретање по улицама без возача. (Слика 2.) У блиској будућности њихова технологија
аутомобила без возача могла би да промени досадашњи поглед на аутомобилску
индустрију.

Слика 2. Toyota Prius и Lexus RX450h модификовани да раде као Google аутомобил без возача.
 2.1.2. Компанија Mercedes-Benz
Незапажено од стране јавности али уз овлашћења одговарајућих службених органа,
Mercedes-Benz је обављао низ експерименталних пилот тестирања аутономних возила
почетком 2012. године на возилима Е и C класе. Возила су била опремљена свим
доступним активним и пасивним безбедносним системима.
Kао резултат тих тестирања Mercedes-Benz је у августу 2013. године званично извео
пионирски подухват аутономне вожње возилом Mercedes-Benz S 500 “Intelligent Drive”
(Слика 3.). Била је изабрана Исотријска рута дужине 100 km, од Манхајма до
Форцхајма којом је тачно пре 125. година 1888. године супруга и пословна партнерка
изумитеља и оснивача компаније Kарла Бенза, Берта први пут пошла на путовање.

Слика 3. Mercedes-Benz S 500, аутономно возило.

Mercedes С-класе је био природан избор, с обзиром да је компанија кроз овај

модел деценијама уводила иновативне технологије које би касније биле примењене на
јефтинијим моделима. Технологија интелигентне вожње коју Mercedes тестира у С
класи омогућава аутомобилу да се без учешћа возача у управљању безбедно превезе
како ауто-путевима и другим саобраћајницама изван насељених места, тако и кроз саме
градове. Осим потребе да путници који се налазе у једном оваквом аутомобилу буду
потпуно безбедни током вожње, Mercedes једнаку пажњу посвећује и заштити других
учесника у саобраћају, попут пешака и бициклиста.

У С-класу Mercedes је уградио 11 нових и унапређених система за помоћ возачу.

То су систем за асистенцију возачу саобраћајној гужви, систем за спречавање судара са
функцијом препознавања пешака и бициклиста, активан систем за одржавање возила у
саобраћајној траци, систем за аутоматско паркирање и многи други. Сви ови системи
раде у комбинацији са 12 ултразвучних и 6 радарских сензора и до осам камера које
снимају све што се дешава око возила у кругу од 360º. Побољшања која су направљена
јесу број и распоред сензора како би се постигла свеобухватна покривеност околине
возила у свим правцима и добијања додатних информација о подручју око возила.
Захваљујући широком спектру радарских сензора кратког, средњег и дугог домета који
раде у комбинацији са стерео камерама и ултразвучним сензорима постигнута је
свеобухватна покривеност околине око возила. Повећана је основна ширина коју
обухватају стерео камере са 20 cm на 40 cm како би се детектовало што више објеката,
као и колор камера за праћење светлосне сигнализације.
Потребни сензори и камере већ се дуго користе у серијским возилима и
преузимају све већи број задатака у име возача. Данашња дискусија се више не тиче
тога да ли ће технологија испунити своје обећање, већ да ли људи желе оно што
технологија може да пружи.
 2.1.3. Mercedes-Benz -Future Truck 202

Mercedes-Benz је крајем септембра 2014. године на салону комерцијалних возила у

Хановеру представио своју визију камиона будућности, камионом „Future Truck 2025“
са могућношћу аутономне вожње. (Слика 4.)
Овај аутономни камион тегљач доноси револуцију на ауто-путевима, и представља
како ће камиони у будућности изгледати и каквим ће могућностима располагати.
Једини путник у њиховом футуристичком камиону био би тзв. „менаџер транспорта”
који би већину пута могао да проведе ни не додирујући волан луксузног камиона.
Kамиони будућности имаће опцију аутономне вожње до брзине од 80 km/h са пуним
товаром.

Слика 4. Mercedes-Benz „Kамион будућности 2025“.

Kамионом управља веома интелигентан „Auto pilot“ систем који у сарадњи са

радар сензорима и технологијом камера омогућава да камион самостално вози,
независно од других возила или централне контролне станице. Помоћу бројних радара,
камера, сензора и интернета, камион такође прима информације о доласку возила за
помоћ на путу, обавештења о застоју у саобраћају, па чак се и склања када полиција
или хитна помоћ покушавају да изађу на место несреће. Сви сензори камиона
будућности 2025. године ће бити умрежени и пружаће потпуну слику околине. Систем
такође укључује тродимензионалну дигиталну мапу, што значи да је камион увек
потпуно свестан пута и топографије.
У доњем делу предњег краја камионске кабине смештени су радарски сензори
кратког и дугог домета. Радар дугог домета покрива растојање до 250 метара, уз
видљиви угао од 18º. Сензор кратког домета има домет до 70 метара и покрива угао до
130º. Бочни и поглед у назад су осигурани додатним видео камерама и системима
надгледања, радарским уређајима који имају домет до 60 метара и покривају угао
слике од 170º. Домет стерео камере је 100 метара, а скенира површину од 45º
хоризонтално и 27º вертикално. Стерео камера Mercedes-Benz Future Truck 2025.
идентификује једноструке и двоструке траке, пешаке, покретне и стационарне
предмете, све предмете унутар надгледаног подручја и самим тим стање путa. Предња
стерео камера тако региструје информације о саобраћајним знаковима. Сви покретни и
непомични предмети у близини камиона су регистровани. Спајање података са
предњег радарског сензора, бочних радарских сензора и предње камере високих
перформанси у централном рачунару омогућава континуиран преглед целокупног
простора испред и поред камиона. Поред тога, дигитална мапа и информације из
мултисензорског спајања користе се за одређивање положаја возила. Применом
оваквих камиона у будућности било би мање застоја у саобраћају и пратећи трошкови
би били смањени. Коначно, био би мањи ризик од несрећа проузрокованих људском
грешком јер ови системи ће међусобно комуницирати и омогућити возилима да раде
без икакве интервенције возача, посебно на ауто-путевима и главним путевима.
 2.1.4 Volvo пројекат -Non-Hit Car and Truck
Поглед од 360º унапређен је генератором маневара - новим безбедносним
елементом који користи софтвер како би идентификовао путању за избегавање несрећа
у свим саобраћајним ситуацијама. Систем ради тако што константно анализира
потенцијалне опасности, а може чак и да асистира возачу путем аутоматског кочења и
управљања.
У децембру 2014. године, након четири године, пројекат за спречавање
саобраћајних незгода (eng. Non-Hit Car and Truck), долази до свог краја. Kао резултат
сарадње компаније Volvo, шведских академија, института и индустријских партнера,
овај пројекат се темељи на развоју нових технологија и унапређењу постојећих са
циљем смањења ризика од незгода како за путничка, тако и за комерцијална возила.
Пројекат се темељи на развоју сензор система који омогућава размену информација
између више технологија и уређаја - камера, радара, GPS-а и других. Путем ове мреже,
систем може да понуди поглед на окружење од 360º и да открије све потенцијално
опасне објекте које возач иначе не може на време да уочи.
Volvo наставља свој рад на технологији аутономних возила са истраживачким
пројектом који укључује употребу магнета за задржавање аутономних возила на путу
(Слика 5.). Осим што спречава аутомобиле да скрећу са пута магнетни сензори, за
разлику од сензора који прате траке, могли би несметано да функционишу и у
снежним условима. Такође је предност у сужавању трака у односу на стандардне.

Слика 5. Volvo магнети као систем застите и безбедности.

Volvo Cars је открио кориснички интерфејс за возаче који корисницима нуди

могућност коришћења аутопилота. Volvo Cars је свој IntelliSafe Auto Pilot дизајнирао
да буде једноставан и прилагодљив кориснику. Аутономни режим се активира и
деактивира са посебно дизајнираним тастером на управљачу. Када улази у руту на
којој је доступна аутономна вожња, аутомобил возачу даје поруку да је аутопилот
спреман. У исто време, светла на тастеру волана почињу да трепере. Возач у том
тренутку пртиска тастер да активира аутономни режим. Потом се светла на тастеру
мењају у зелено светло и аутопилот потврђује да су вожња и надзор додељени
аутомобилу.

Када аутономна вожња више није доступна, возач ће затражити да поново преузме
контролу над возилом. Процес преузимања и само одбројавање трају у интевалу од
шездесет секунди. Ако возач из било ког разлога не користи тастер да би поново стекао
контролу у року од једне минуте, аутомобил ће се аутоматски зауставити.
 2.1.4. Kомпанија Tesla

Kомпанија Tesla је пример како је један нетрадиционални, релативно нов

произвођач аутомобила у веома кратком временском периоду постигао завидне
резултате на пољу аутономне вожње.
За разлику од Google-а, који усавршава потпуно аутономно возило, у овом
тренутку приступ компаније Tesla је ближи аутопилот систему као у ваздухопловној
индустрији. Уместо да подесите дестинацију и очекујете да аутомобил иде до краја без
и једне команде возача, њихова визија је аутомобил који велики део путовања пређе
без помоћи, али и даље захтева неку врсту возачеве умешаности. Према њиховим
проценама у садашњем тренутку развијају возила са 90 % аутономне вожње које
контролише аутопилот, а тих 10 % налаже да возач буде спреман да преузме контролу.
То се односи на вожњу кроз град, где је због много непредвидивих параметара и
сложености саобраћаја још увек тешко направити функционално аутономно возило.
Kао и други произвођачи који раде на возилима са аутономним системима вожње и
Tesla користи сензоре, радаре, ултразвучне уређаје и камере који су у стању да
препознају објекте у околини аутомобила. Те хардверске компоненте компанија узима
од других произвођача, док се одговарајући софтвер који је „мозак“ аутономног возила
развија у самој компанији.
Тесла као један од лидера на пољу производње аутомобила на електрични погон,
представио је најснажнији „S“ модел до сада (Слика 6.). Нови Tesla „S 85D“
представља велики корак напред у односу на стандардну верзију овог модела. Прва и
најважнија разлика је увођење још једног електромотора, отуда и слово „D“ у називу,
које означава реч „dual“. Нови мотор постављен је напред и ради у пару са постојећим
електромотором који се налази позади. Поред побољшања перформанси, унапређени
Tesla „S“ модел има и нове безбедносне системе, као и аутопилот систем који
омогућава да аутомобил одређене радње обавља потпуно аутономно.

Слика 6. Tesla модел „S 85D“.

Унапређени Tesla „S“ сада је опремљен адаптивним темпоматом и системом за

препознавање знакова за ограничење брзине, пешака... Поред тога, уведена је и
технологија која омогућава да се аутомобил аутоматски заустави ако систем процени
да постоји опасност од судара. Аутопилот обезбеђује да се аутомобил креће унутар
граница своје саобраћајне траке и да прати брзину возила испред. Такође, ауто ће бити
у стању и да се самостално паркира на паркинг место на улици или у гаражу власника.
Ови системи функционишу помоћу нових хардверских додатака, као што су радар,
камера која препознаје саобраћајне знакове, светлосне сигнале и пешаке и ултразвучни
сензор који покрива подручје од 360º око аутомобила.
 Које сензоре користи Tesla Autopilot?

Tesla каже да сензори аутопилота омогућавају уграђеном рачунарском систему да

направи детаљну слику околине, омогућавајући возилу да предвиди могуће сударе са
возилима, пешацима, бициклистима, животињама и другим препрекама. Такође може
открити ознаке на путевима, знакове и семафоре. За возаче који се одлуче за
унапређени аутопилот и потпуну способност самоуправљања, системи у аутомобилима
који су лансирани од октобра 2016. године ослањају се на следеће сензоре:

 Радар усмерен према напред -радар који користи аутопилот може видети 160
метара испред аутомобила, кроз песак, снег, маглу - готово све. Радар је примарни
сензор који се користи за откривање околине возила, заједно са предњим камерама.
 Осам камера -Четири камере усмерене према напред на ветробранском стаклу
аутомобила служе као подршка радарима. Камере се састоје од уске камере која
снима снимке 250 метара напред, главне камере која бележи 150 метара испред,
фотоапарата који бележи 60 метара испред, и камере која снима слике 80 метара
испред и бочно од аутомобила. Камера је дизајнирана за читање путоказа и
семафора, омогућавајући аутомобилу да у складу с тим реагујеПар задњих камера
снима снимке до 100 метара са задње стране аутомобила.
 Сонар -Ултразвучни сонар од 360º открива препреке у радијусу од осам метара око
аутомобила. Ултразвучни сензори могу уочити предмете попут детета или пса и
радити било којом брзином. Ова функција такође може открити предмете на
слепим местима и помоћи аутомобилу при аутоматском пребацивању трака.
 GPS -Сателитски навигациони систем може открити положај аутомобила на путу.

На ком рачунарском хардверу се покреће Tesla Autopilot?

Рачунар испоручује више од 40 пута већу процесну снагу система у односу на ону
која се користила у ранијим аутомобилима. Дошло је до великих ажурирања уграђеног
рачунара и сензорских низова који се користе за покретање аутопилот система а
ревизије укључују Autopilot 1.0, Autopilot 2.0 и Autopilot 2.5.
 2.2. Предности аутономних возила

Главне предности долазе од претпоставке да када вештачки интелигентни системи

преузму контролу возила од стране возача, они ће направити мање грешака него људи.
Ово би требало да резултира мноштвом друштвено – економских користи. Аутоматско
управљање возилом би требало да донесе много предности. Неке од њих су:

2.2.1. Повећана безбедности саобраћаја

Поред свих предности поверених овом друштву, ни један други изум у историји
цивилне технологије није изазвао толико штете као аутомобил. Сваких 30 секунди
неко умре у саобраћајној незгоди, додајући да се више од једног милиона смртних
случајева сваке године догоди на светским путевима. Већина ових незгода узрокована
је људским фактором попут пребрзе вожње, вожње у алкохолисаном стању, агресивне
вожње, недостатком знања и искуства, мањка концентрације, замором код возача,
пропуста да прате правила саобраћаја... Аутономна возила могу да ублаже или потпуно
реше ове озбиљне проблеме. Рачунар има много прецизнија „чула“ и реагује много
брже од човека и у складу са способношћу рачунарског вођења може да препозна своју
околину, поштује и примењује саобраћајне прописе. Безбедност је сигурно
најзначајнија предност коју могу пружити аутономна возила. Научници тврде да би се
код оваквог вида саобраћаја број незгода смањио за бар 90 %.

2.2.2. Смањење потрошње горива

Осим неупоредиво безбедније вожње, аутономна возила била би лакша од

постојећих и допринела би смањењу просечне потрошње горива. Због мањег броја
незгода возила би се могла производити од лакших материјала, јер заштита од судара
умногоме зависи од масе возила. Лакши возни парк користи и мање горива.
Рачунарски вођени аутомобили би знатно мање трошили гориво. Способност и
могућност да мења стање преноса аутомобила на основу очекиваних услова
оптерећења треба да буду знатно ефикаснији од ручног управљања аутомобилом. У
будућности аутономна возила са V2X комуникацијама ће имати далеко већу могућност
разумевања услова саобраћаја и пута и требало би да буду у стању да предвиде чак и
предвиђена оптерећења на мотору.
2.2.3. Повећање мобилности лица са смањеном мобилношћу

Постоје људи који нису способни да возе, али и они ће бити мобилни са
аутономним возилима. Помоћу аутономних возила инвалиди, старије особе и млади ће
повећати мобилност без тога да се брину за безбедност. То значи да родитељи више
неће морати да буду на два места у исто време како би осигурали да њихово дете
стигне на тренинг, а старији возачи, чије су реакције успорене неће се наћи иза волана.
Аутомобил без возача може осигурати мобилност свих ових људи, док у исто време
повећава његову безбедност. Млади људи који још увек нису обучени за возаче или
немају довољно искуства у вожњи, не би били ускраћени за коришћење индивидуалног
превозног средства, као што је аутомобил. Аутономна возила ће у потпуности
променити живот слепим особама. Људи ће моћи да се возе у самоуправљајућим
возилима без бојазни да ли су попили јер на крају крајева они нису ти који ће возити
аутомобил.
2.2.4. Смањење стреса и повећање продуктивности возача
Аутономна вожња ублажава притисак и стрес у условима вожње који се сматрају
заморним, нпр. при застојима у гужвама у градској средини или на дугим путовањима.
Аутономна возила смањују стрес вожње и омогућавају возачима да се одморе и раде
током путовања. Ова возила неће возити брзо и немарно, већ опрезно и уз константну
комуникацију са осталим аутомобилима. Једна од предности равномернијег
саобраћајног тока јесте мање времена проведено на путу. Kонструктори иду тако
далеко и предвиђају могућност да корисници оваквог вида превоза могу да спавају док
прелазе веће међуградске дистанце и да се на тај начин одмарају, ако су принуђени да
возе ноћу. Време проведено у колима добија потпуно нови квалитет.

2.2.5. Смањење саобраћајних загушења

Аутомобили без возача, такође обећавају предности у ефикасности. Више
аутомобила ће моћи да се вози по истим ауто-путевима, јер ће напредни рачунарски
системи смањити потребу за дистанцом између аутомобила. Аутомобили ће бити као
возови, одржавајући константну брзину. Они би могли драстично смањити гужве у
саобраћају, а самим тим и потрошњу горива. Мање гужве значе мање нервирања за
возаче и мање загађење ваздуха узрокованог саобраћајним гужвама.

2.2.6. Инфраструктура
Kада рачунар преузме контролу управљања над возилом од стране возача, постиже
се смањење растојања и интервала слеђења возила у саобраћајном току. Самим тим
повећава се проток саобраћаја и густина собраћајног тока. Ширине саобраћајних трака
би могле бити смањене на минималне вредности узимајући у обзир да се у датом
саобраћајном току налазе аутономна возила којима управљају рачунари који поседују
прецизнија „чула“. Функционисање саобраћаја на саобраћајној мрежи на којој би била
присутна само аутономна возила омогућава много боље искоришћење капацитета
саобраћајница и знатно умањује појаву саобраћајних загушења.
2.2.7. Привредни развој

Аутономна возила могу имати значајан утицај на низ суседних сектора. Аутономна
и полу-аутономна технологија вожње ће бити усвојена далеко брже на тржишта
теретних него путничких возила. Аутономна возила као таква више не би служила
само као превозна средства, већ би се временом трансформисала у такозване „путујуће
продавнице“.
2.2.8. Развијање локалних самоуправа – децентрализација

Локалне самоуправе могу подстаћи овај потез разним пореским олакшицама јер би
могла да се смањи потреба за изградњом све скупљих система јавног превоза. Вожња
аутомобилом може да постане удобнија на дужим релацијама због веће
продуктивности и способности да се током пута време искористи за обављање послова.
То може да доведе до бренда удаљавања од загушених и скупих урбаних средина у
знатно удаљенија предграђа.
 2.3. Недостаци аутономних возила

Упркос бројним предностима повећане аутоматизације аутомобила, постоје и неки

недостаци, као што су спорови у погледу одговорности, забринутост у погледу
безбедности самовозећих аутомобила те примена законског оквира и успостављање
владиних прописа. Друге препреке могу бити у ситуацијама када је софтвер
аутономног возила присиљен да током неизбежног удеса бира између вишеструких
потеза за разлику од возила којимa управља човек. Возач би у датој ситуацији,
присиљен због околности, могао да процени са којим би објектом имао удес и
причинио мању штету.
Могуће технолошке препреке при примени аутономних возила су:
● Уметна интелигенција и даље не може правилно функционисати у хаотичним
градским срединама.
● Рачунар аутомобила би могао бити компромитован, као и комуникациони
систем између аутомобила.
● Осетљивост система за навигацију возила при различитим временским
условима као што је снег
● Аутономни аутомобили захтвају веома квалитетне специјализоване мапе како
би исправно радили. Проблем би могао настати у случају застарелих мапа.
● Могуће је да ће бити потребне промене садашње путне инфраструктуре, како би
било омогућено оптимално функционисање аутономних возила.
● Иако је иновација технологије драстично напредовала у последњој деценији,
увек ће бити простора за забринутост због неисправности или квара оних
рачунара који управљају возилима. То може довести до скупог или фаталног
судара који може бити још трагичнији у поређењу с онима узрокованим
људском грешком.
● С обзиром да су ова возила релативно нова на тржишту, већини људи не би
били приступачани јер би цене биле изузетно скупе и не би биле доступне
просечном човеку.
Један од директних утицаја широког усвајања и примене аутономних возила јесте
губитак послова везаних за вожњу у транспортној индустрији. Могући су и отпори
професионалних возача и синдиката, којима аутономни возилима угрожавају посао.
Поред тога, могло би доћи до губитака радних места у службама јавног превоза и
аутомеханичарским радионицама. У суштини, аутономна возила доводе до тога да
бројни послови постају вишак. Приватност би такође могла бити један од проблема, јер
се локација и позиција возила интегришу у интерфејс којем други људи имају приступ.
Недостатак стресне вожње, већа продуктивност за време путовања и потенцијалне
уштеде времена и трошкова могле би постати подстицај људима да живе далеко од
градских центара, где је земљиште јефтиније а да раде у самом средишту града. Тиме
се повећава путна удаљеност и доводи до ширења урбаних подручја и повећање
потрошње горива. Етичка и морална размишљања узимају се у обзир приликом
програмирања софтвера који одлучује какву акцију ће аутомобил подузети у случају
неизбежног удеса.
 3. Технологија аутономних возила

Аутономна возила ће извршити револуцију у саобраћајној индустрији као ниједна

друга промена од проналаска аутомобила до сад. Ова нова аутономна револуција
возила ће са собом донети велике промене у начину дизајнирања, производње и
продаје возила. Створиће се нови екосистем који ће са собом донети нове компаније са
чиповима, софтвером, сензорима и системима, поред традиционалних произвођача и
њихових партнера. У међувремену, произвођачи аутомобила морају и даље стварати
приход од постојећих линија производа и на одговарајући начин уравнотежити
потрошњу на истраживање и развој како би ове линије освежили, а истовремено
улагали у вероватно радикално другачију будућност.
Потпуно аутономно возило може да се дефинише као возило које је у стању да види
своје окружење и да одлучи којим путем ће возити до жељеног одредишта. Аутомобил
без возача има огроман број електронских уређаја који му омогућавају сналажење у
простору (Слика 7.). Рута се одређује помоћу прецизних GPS мапа. GPS -у помаже јако
прецизна електроника која контролише велики број камера, ласера, радара и сензора.
Задатак електронских система је да прате ситуацију у саобраћају: саобраћајне знакове,
саобраћајне траке, препреке и остале учеснике у саобраћају. Рачунар у возилу обрађује
податке и издаје команде за управљање аутомобилом.

Слика 7. Технологија аутономних возилa

Технологије на којима се заснива аутономна вожња померају границе између

аутомобилске индустрије и роботске, електронске и софтверске индустрије. Софтвер са
програмским кодовима и алгоритмима, као и камере и сензори који користе радар,
ултразвук и ласере добијају на важности. У међувремену, хардвер возила, шасије,
огибљења и други механички делови губе на значају. Хардвер и софтвер возила
размењују одређене податке о инфраструктури, а возило се контролише и упрвља по
њима. Убудуће ће свако возило комуницирати са инфраструктуром: паркинг гараже,
паркинг места, семафори, саобраћајни знакови и центар за контролу саобраћаја. Са
возилом на возило комуникацијом (V2V), аутомобили ће бити у контакту једни са
другима и размењивати податке. То ће аутомобилима омогућити да координирају
брзину и маневре и да се међусобно упозоравају на опасности (киша, лед, магла, рупе
итд.). Постоји такође изазов као што је откривање и категоризација објеката. То се
односи на способност аутомобила да на пример препозна пешака: како изгледа ако
пешак гура колица, ако пешак носи кишобран, ако пешак носи биљку итд.
3.1. Нивои аутоматизације возила

Америчка национална агенција за безбедност у саобраћају - NHTSA (eng. National

highway traffic safety administration) је основала и успоставила званични систем
класификације аутомобила и њихове аутономности. Према NHTSA се састоји од 5
нивоа који су означени од нултог до четвртог нивоа:
Ниво 0 - Возач има потпуну контролу свих функција аутомобила
Возач у сваком тренутку има потпуну контролу над примарним контролама
возила (кочницом, управљачем, лептиром за гас и покретачком снагом) и једини је
одговоран за надгледање коловоза и сигуран рад свих контрола возила. Возила која
имају одређене системе за подршку возача / комфорне системе, али немају контролу
над управљањем, кочењем или гасом и даље ће се сматрати возилима „нивоа 0“.
Примери укључују системе који пружају само упозорења као и системе који пружају
аутоматизоване секундарне контроле попут брисача, фарова, показивача светла, итд.
Ниво 1 - Функција специфичне аутоматизације
Аутоматизација специфична за функцију: аутоматизација на овом нивоу
укључује једну или више посебно контролне функције; ако је више функција
аутоматизовано, оне раде независно једна од друге. Возач има свеукупну контролу и
искључиво је одговоран за безбедан рад, али може да одабере ограничење овлашћења
над примарном контролом као што је електронска контрола стабилности.
Аутоматизовани систем може да обезбеди додатну контролу за помоћ возачу у
одређеним нормалним ситуацијама у вожњи или судара нпр. подршка за кочнице у
хитним случајевима. Возило може имати вишеструке могућности комбинујући
појединачну подршку возача и технологије за избегавање судара. Аутоматизовани
систем возила може помоћи возачу приликом руковања једном од примарних команди
- управљање или кочење (али не и једно и друго). Примери специфичних система за
аутоматизацију укључују: темпомат, аутоматско кочење и задржавање траке.
Ниво 2 - Аутоматизована комбинована функција:
Овај ниво укључује аутоматизацију најмање две примарне управљачке функције
дизајниране да раде у складу како би се возач ослободио контроле тих функција.
Возила на овом нивоу аутоматизације могу користити заједничка задужења када возач
у одређеним ограниченим ситуацијама у вожњи препусти активну примарну контролу.
Возач је и даље одговоран за надгледање коловоза и сигуран рад и очекује се да ће
бити доступан за контролу у свако доба и у кратком року. Систем се може одрећи
управљања без претходног упозорења и возач мора бити спреман да безбедно
контролише возило.
Пример комбинованих функција које омогућавају нивое је адаптивни темпомат
у комбинацији са центрирањем траке. Главна разлика између нивоа један и нивоа два је
у томе што је на нивоу два у специфичним радним условима за које је систем
дизајниран омогућен аутоматизовани режим рада. Тиме се возач рукама искључује од
физичког управљања возилом с управљача и истовремено с ногу папучице.
 Ниво 3 - Ограничена аутоматизација са аутоматском вожњом
Возила на овом нивоу аутоматизације омогућавају возачу да уступи потпуну
контролу над свим критично безбедносним функцијама под одређеним условима
саобраћаја или животне средине. Очекује се да ће возач бити на располагању за
повремену контролу, али са довољно удобним временом преласка. Возило је
дизајнирано да осигура сигуран рад током аутоматског начина вожње. Пример би
могао бити аутоматизовани или самовозећи аутомобил који може утврдити када
систем више не може да подржава аутоматизацију. Затим треба да сигнализира возачу
да се поново укључи у задатак вожње, пружајући му одговарајући износ прелазног
времена за сигурно враћање ручне контроле. Главна разлика између нивоа два и нивоа
три је та што је на нивоу три, возило дизајнирано тако да се не очекује од возача да
стално надгледа пут током вожње.
Ниво 4 - Потпуна аутоматизација за самосталну вожњу:
Возило је дизајнирано да извршава све критичне безбедносне функције и надгледа
стање путева током целог путовања. Такав дизајн предвиђа да ће возач пружити
одредиште или навигацијски улаз, али се не очекује да буде доступан за контролу у
било које време путовања. То укључује и заузета и неузета возила.
Који су сензори потребни за аутономну вожњу са нивоа 1 на 4? Као што је већ
поменуто, постоје три главне групе сензорских система: системи засновани на
камерама, радарима и LIDAR. Иако су за паркирање данас доступни ултразвучни
сензори који су распрострањени, они су од малог значаја за аутономну вожњу. Камера
и радарски системи налазе се данас у возилима нивоа 1 и 2 и предуслов су за све даље
нивое аутоматизације.
Али када заправо можемо возити аутономно? Сложеност овог питања често се
једноставно игнорише. Ипак, истраживачи су поставили три главне препреке
аутономне вожње: правни аспекти, технолошка зрелост и развој инфраструктуре. Ова
питања могу се рашчланити на читав низ фактора, као што су тренутна национална и
међународна правна ситуација, циклуси технолошке обнове, мреже података, надзор и
етичка питања.

До 2050. године половина свих возила већ ће имати функцију аутоматизације.

Међутим, у већини случајева то ће се моћи користити само на ауто-путевима. У
најбољем случају удео нових возила, код којих се возач потпуно може скренути са
задатка вожње на свим ауто-путевима, повећаће се са 2,4 % у 2020. години на 70 % у
2050. години.

Већ од 2030. године на улицама ће се постепено појављивати аутомобили са

„градским пилотима“ са способношћу да самостално возе и на ауто-путу и у граду.
Након 2040. године, у понуди ће бити већи број аутомобила који су потпуно
аутономни, што значи да више неће требати возача чак ни на градским путевима.
3.1.1. GPS
GPS - Глобални систем позиционирања (eng. Global Positioning System) је
сателитски навигациони систем који обезбеђује информацију о тачној позицији,
брзини и времену опремљеним одговарајућим пријемницима. GPS има три сегмента:
● Космички
● два земаљска - контролни и кориснички
Kосмички сегмент чине 24 сателита. Распоред сателита и нагиб њихових орбита
према екваторијалној равни обезбеђује видљивост од пет до осам сателита са сваке
тачке на земљи. Kонтролни сегмент чине земаљске станице које управљају сателитима
и прате њихово кретање. Kориснички сегмент чине GPS пријемници.
Сателити емитују радио сигнале и служе као референтне тачке за израчунавање
тачне позиције пријемника који ове сигнале прима. Мерењем растојања сателитом
могуће је одредити положај на земљи са високом тачношћу. GPS пријемник на основу
радио сигнала са сателита врши процену своје позиције, брзине и времена. За
израчунавање три просторне и једне временске димензије потребни су сигнали са
најмање три, односно бар четири сателита. Kако би подаци са GPS-а били што
прецизнији помажу му IMU- Инерцијалне мерне јединице (енг. Intertial Measurement
Unit). IMU је електронски уређај који мери и даје информације о брзини возила. За
мерење промене убрзања корисника користе се линеарни акцелерометри и жироскопи.
IMU помаже GPS систему да ради када сигнали нису доступни, као што је у тунелима,
лошим временским условима и када је присутно електромагнетно зрачење.
Прецизност GPS система се из године у годину повећава и омогућава већу тачност
позиционирања. DGPS користи координате познатих тачака, како би се извршила
корекција тачности на мерним тачкама. DGPS корекције могу се применити на GPS
податке у реалном времену коришћењем радио модема или касније у обради података.
GPS пријемник користи сателите за прикупљање информација о тренутној позицији
возила, топологији и помоћу GPS мапа са терена учитава у централни рачунар. Мапа
даје информације о предстојећим раскрсницама, правцу, саобраћајним извештајима...
GPS одржава аутомобил на планираном путу и покрива макролокацију аутомобила.
Како функционише GPS?
GPS сателити круже Земљом по добро дефинисаним орбитама и преносе информације
о сателиту и сигналу на Земљу. GPS пријемници узимају ове податке и користе
поступак „трилатерације“ односно процес одређивања апсолутне или релативне
позиције за израчунавање локације корисника. У суштини, GPS пријемник упоређује
време преноса сигнала са временом пријема. Временска разлика, или "време лета",
говори GPS пријемнику колико је сателит удаљен. Да би радило сигурно и удобно,
аутономно возило никада не може да приушти да не зна где се налази. Сама камера би
могла да буде поремећена због снега или магле. Радарски сензори могу да блокирају.
GNSS може имати проблема са виђењем у густим урбаним кањонима. Да би извршио
прецизан маневар, да избегне други аутомобил и да се савршено заустави пред
препрекомна на путу, аутономном возилу је потребно да његова локација буде
прецизна тачно у центиметар. То се поуздано постиже изградњом аутомобила са више
различитих типова сензора који раде заједно.
3.1.2. LIDAR сензор

LIDAR (eng. Light Detection and Ranging) односно детекција и домет светлости
понекад се називају ласерском детекцијом и дометом. То је камен темељац технологије
аутономне вожње. LIDAR користи комбинацију рефлекције ласера/светла (LI) и радара
(DAR) да креира слике 3D профила околине аутомобила. Он ствара 3D мапе у реалном
времену тако да ауто зна како да реагује, да крене, стане... LIDAR је технологија
оптичког даљинског очитавања која може да измери удаљеност или друга својства
мете коју осветљава светлошћу, често користећи импулсе ласера. LIDAR користи
ултравиолетно и инфрацрвено светло за слике објеката и може се користити са
широким спектром циљева. Уски ласерски зрак може да се користи за мапирање
физичких карактеристика са веома високом резолуцијом. (Слика 8.)

Слика 8. LIDAR сензор.

LIDAR као кључни део ове технологије се у почетку истраживања постављао на

кров возила, као код Google аутомобила. Међутим сада се може доста дискретније
поставити на бранике па чак и у унутрашњост возила. Ова јединица се врти у круг
великом брзином и на тај начин константно шаље рачунару шта се све налази око
возила у кругу од 360º.
Такође, поменута јединица LIDAR ради у комбинацији са радаром који се
налази на предњем делу возила у масци (детектује предмете који се налазе испред
возила) и сензорима за очитавање позиције (eng. position sensors). Уз помоћ ове опреме
рачунар одређује хоће ли додати гас, успорити, укочити или скренути да би заобишао
препреку. Технологија делује тако што осветљава циљ оптичким пулсом и мери
карактеристике добијене назад повратним сигналом. Ширина оптичког импулса може
бити у распону од неколико наносекунди до неколико микросекунди.
Једна од компанија која је највише напредовала са LIDAR технологијом је
Velodyne. Технологија обезбеђује тачну перцепцију околине возила у оквиру великог
опсега детекције. Са пуним 360° хоризонталним видним пољем и 26.8° вертикалним
видним пољем, 5-15 Hz, сензор бележи податке по стопи од 1.3 милиона тачака у
секунди, у распону од 100 метара и приказује оно што види у реалном времену на 40 –
инчном монитору. Аутономним возилима потребни су паметни сензори, актуатори,
додатне информације о путу и управљачки уређаји да би постигли своје задатке за
уздужну и бочну контролу вођења возила.
Аутомобилски LIDAR системи имају способност за:
● Откривање објеката у готово свим временским условима користећи савремену
мулти-ехо технологију
● Мерење опсега, брзине и углова више објеката истовремено
● Идентификовање, класификовање и праћење до 64 циља на путањи возила
● Детекцију у реалном времену
3.1.3. Радар сензори

Поред визуелне потврде своје околине, аутомобил такође сакупља сензорске слике,
односно податке користећи радарске системе. Радар је уређај за откривање присуства,
препознавање, одређивање положаја и брзине кретања објеката у простору. Принцип
рада се заснива на емитовању генерисаних и детекцији повратних (рефлектованих)
електромагнетних таласа у облику уског снопа високе учесталости. Електромагнетни
таласи се у вакууму праволинијски простиру из извора, одбијају се од површине
објекта који им се налази на путу и праволинијски се враћају у простор, у правцу
извора сензора. Пријемник радара прихвата повратни део који је рефлектован од
осветљеног објекта. Интензитет повратних електромагнетних таласа обично је слаб, те
се појачава помоћу одговарајућих уређаја. Тако појачан повратни сигнал се рачунарски
обрађује и анализира, а добијени резултати дају одговор о информацијама откривеног
објекта, његовим основним карактеристикама, удаљености и брзини кретања.
Уски сноп електромагнетних таласа, усмерава се директно антеном. Правац из којег
долази рефлексија одређује положај објекта у простору. Удаљеност објекта одређује се
мерењем периода између преноса радарског импулса и пријема рефлексије. Радарски
електромагнетни таласи се могу лако генерисати на ниво жељене снаге затим
рефлектовати, примити, појачати и детектовати. Због тих својих карактеристика, радар
је погодан за детекцију објеката на веома великим удаљеностима.
Аутомобилски радар системи су способни за:
● Откривање објеката у свим временским условима
● Мерење опсега, угла и брзине више објеката истовремено
● Идентификацију и праћење до 64 циља на путу возила
Путем јединице доношење одлуке може да:
● Упозори возача на потенцијалне опасности
● У опасним ситуацијама интервенцијом контроле возила спречи судар
● Преузме делимично контролу над возилом (eng. Adaptive Cruise Control)

Тренутни радарски системи базирају се на 24 GHz или 77 GHz. Предности 77 GHz

углавном се налазе у већој тачности мерења удаљености и брзине, као и у прецизнијој
резолуцији. Радарски системи се у основи дизајнирају за замену ултразвучних сензора
и за подршку високо аутоматизоване вожње. У ту сврху сензори су постављени у
сваком углу возила, а сензор за усмеравање унапред за откривање дугог домета
смештен је на предњем делу возила. На слици 9. приказано је кретање возила које
користи радар сензор и његова прегледност на путу.

Слика 9. Аутомобилски радар систем.

3.1.4. Електронска управљачка јединица

ECU (eng. Electronic Control Unit) је уграђени систем који управља аутоматским
функцијама у возилу повезаним са моторима, системом за забаву, системом за кочење
и напредним системима за помоћ возачу (ADAS) користећи сензоре и компоненте. У
аутономном возилу ECU се користи се за надгледање, кретање и избегавање судара,
што побољшава безбедност возила. Аутономни ECU због своје сложености система
код возила који га користе је најзахтевнији због већих рачунарских перформанси, шире
повезаности и због повећаног нивоа сигурности и заштите. Помажу у надгледању
одласка на траку, избегавању судара уз помоћ сензора и компоненти.

Кључни покретач на тржишту је пораст броја несрећа услед људских грешака, као што
су дуготрајна вожња, што доводи до поспаности, умора возача и стреса. Због тога ће
аутомобилски екосистем подржати усвајање полу-аутономних возила и постепено ће
се преусмерити према аутономним возилима. ECU тржиште аутономних возила дели
се према:

● основу примене (аутономна возила, полу-аутономна возила)

● типу возила (путнички аутомобил, лака комерцијална возила, тешка
комерцијална возила)
● региону

Све ECU системе у аутономним возилима можемо приближно поделити у две

категорије:

 ECU који је одговоран за контролу рада аутомобила као што су управљање,

пребацивање зупчаника, кочење, потрошња горива итд. Тим (ECU)-овима могу
се управљати различитим оперативним системима у стварном времену.
 ECU који је одговоран за систем за забаву и који покреће различите апликације,
и омогућава комуникацију са осталим корисницима и сл.

Искључивање возила сваки пут када се утврди квар није прихватљиво. Кад год је то
могуће и сигурно, ова јединица омогућава аутомобилу да настави да ради, смањујући
непријатности и минимизирајући време потребно за поправку. Аутомобилски ECU
заједно са сензори и камера подржавају бројне напредне системе за помоћ возачу
ADAS (eng. Advanced driver-assistance systems) попут адаптивног темпомата,
детекције поспаности возача, упозорења о одласку са траке, упозорења о судару,
детекције пешака и још много тога.
3.1.5. Видео сензори

Видео камере су инсталиране на врху предњег стакла у близини ретровизора.

Стварају 3D слике пута испред у реалном времену. На основу њихових података могу
се нпр. детектовати саобраћајни знакови и обележја на путу, као и пешаци и
бициклисти. Аутономна возила користе такође задње и 360° камере.

Видео снимци пружају већину потребних детаља за возача, али су такође

погодни и као улазни параметар за високо аутоматизовану вожњу. Задње и 360° камере
подржавају возача са бољом представом околине ван возила. Данас су
дводимензионалне камере широко доступне за приказивање слика и понекад
надопуњују додатне информације на екрану, као што је угао управљача. Произвођачи
аутомобила луксузне класе почињу да уграуграђују фотоапарате са виртуелним,
тродимензионалним екранима слика. Да би тродимензионална слика била реалистична,
обично су потребни улазни сигнали са четири до шест камера, а потребно је обратити
посебну пажњу на „шивање слике“ како би се избегао губитак информација о сликама
или стварање слика духова. Обе 2D и 3D камере захтевају сензоре слике са врло
високим динамичким распоном већим од 130 dB. Овај динамички опсег апсолутно је
неопходан за добијање јасне слике чак и под директним сунчевим светлом које сија у
објектив. Најбољи доступни сензори слике на тржишту имају динамички распон од 145
dB са 24-битним дубинским интерфејсом према ISP-у (процесор сигнала слике). Овај
динамички распон је знатно изнад онога што уобичајени системи сочива могу да
понуде.

Друга важна карактеристика квалитета је интензитет светлости сензора слике.

Тренутно најбољи на тржишту је сензор који има брзину од 30 кадрова односно
сличица у секунди.

Данашњи аутомобилски задњи и 360° видео системи обично имају

централизовану архитектуру. То значи да централна контролна јединица обрађује
сурове податаке од четири до шест камера. Пошто се обрада врши софтвером,
процесор се суочава са тешким захтевима. За аутономну вожњу у градским
окружењима потребна је хоризонтална покривеност од 360° кроз сва три главна
модалитета сензора (камера, лидар и радар) како би се поуздано открили учесници у
саобраћају у релевантним сценаријима, истовремено искориштавајући различите
модалитете да надокнаде њихове недостатке. Неки аутомобили чак интегришу и
камере -рибље око садржи супер широка сочива која пружају панорамски поглед како
би се добила потпуна слика шта стоји иза возила да би се сам паркирао. Поред камера
које функционишу по дану због дневног светла, постоје и инфрацрвене камере, које
нуде врхунске перформансе у тами и додатне могућности скенирања. Како напредује
квалитет камера и софтвера за интерпретацију слика, камере се виде као технологија
број један која ће се користити у аутомобилима који се возе самостално, углавном у
комбинацији са другим сензорима.
3.1.6. Системи камера за напред

Ови системи камера су системи за средње и велике домете, као што је подручје
између 100 и 275 метара. Ове камере користе алгоритме за аутоматско откривање
објеката, класификацију и одређивање удаљености од њих. На пример, камере могу да
препознају пешаке и бициклисте, моторна возила, бочне траке и маргине на путу.
Алгоритми се такође користе за откривање саобраћајних знакова и сигнала. На
следећој слици приказује се како систем функционише.

Слика 8. Системи камера за напред.

Камере средњег домета у основи упозоравају возача на попречни саобраћај,

пешаке, кочење у нужди као и детекцију светлосне траке и сигналног светла. Камере
великог домета користе се за препознавање саобраћајних знакова и вођење на путу.
Главна разлика између камера за средњи и високи домет је угао бленде лећа односно
видног поља. За системе средњег домета користи се хоризонтални системи од 70° до
120°, док камере са широким распоном отвора користе хоризонталне углове од
приближно 35°.Будући системи ће покушати да покривају средњи и високи опсег
искључиво оптичким системом. Да би ово успело, сензори слике у будућности
вероватно ће имати више од 7 милиона пиксела.

3.1.7. Сензори -сензори позиције и ултразвучни сензори

Аутомобили без возача морају имати стални проток информација о путу и

окружењу. Да би се то догодило, неопходан је стабилан сензор. Док се камере, радари
и LIDAR користе за откривање препрека и праћења околине, сензори се интензивно
користе да се разуме шта се дешава са самим аутомобилом. Поред навигације путева,
аутономно возило такође треба да води рачина како не би прекорачило брзину, или
уколико нешто није у реду са возилом, да се заустави. Сензори свих врста се већ
интензивно користе у аутомобилима укључујући сензоре убрзања, притиска, светлосне
сензоре и сл. Аутономна возила одликује велики број ултразвучних сензора. Модерни
систем ултразвучних сензора је „прекопиран“ из природе. Ради по принципу сонара
слепих мишева и прецизно одређује растојање између возила. Ултразвучни сензори се
користе за откривање возила која се налазе у мртвом углу. Сензор брзине мери брзину
као и смер окретања точка и обезбеђује возилу да укључи систем против блокирања
кочница и електронску контролу стабилности. Сензори који су постављени поред
точкова аутомобила, такозвани сензори за процену позиције су важан део возила, мере
и бележе мале покрете аутомобила и прецизно лоцирају своју позицију на мапи.
Kористе се за стално ажурирање положаја возила у 3D картама. Сигнал из сензора
користи јединицу електронске контроле. На основу информација од сензора, јединица
електронске контроле шаље сигнал погонима који заузврат контролишу возило.
3.1.8. Систем упозорења о одласку са траке -LDWS
Систем упозоравања када возило скрене са замишљене трасе пута, односно траке је
LDWS (eng. Lane departure warning system). Сврха LDWS-а је да избегне несрећу услед
скретања са трасе пута и да подржи возача у држању возила измећу трака. Да би се то
постигло, возило мора бити у стању да осети границе траке пута, као и где се налази
возило позициониран у траци. Постоје разне методе које се истражују како би се извео
овај задатак нпр. када су уграђени магнетни маркери на коловозу, врло тачан GPS и
дигиталне мапе које обрађују слике. Најтачнија метода за проналажење траке је
уграђивање магнетих маркера на путу. Ови маркери би емитовали магнетно поље које
би тада могли да откривају сензори на возилу. То даје возилу могућност да остане на
коловозу, који се налази између скупова магнета за пут. Иако је овај систем можда
најбољи у смислу да возило види стазу на путу, није најпоузданији. Имплементација
би захтевала уградњу магнета у све тренутне путеве и било које будуће путеве који би
били изграђени. Овај задатак, иако је могуће, није примењен због количине пута које
би требало покрити.

Најбољи начин за свакодневну вожњу утврђен је употребом обрађивање слике.

Овај систем открива постојеће маркере на тракама да би створили виртуелну траку у
видео камери. Овде је доминантни приступ употреба једнобојне видео камере и обрада
слике да би се издвојиле ознаке трака и ивице. С друге стране, ова метода није
поуздана из разлога што линије трака нису увек јасно видљиве. Могу бити прекривене
снегом или истрошене услед чега камера погрешно види због изузетно рефлективних
услова на путу. Ово су сузбијали употребом посебних алгоритама за откривање који
чак могу открити траке гума у снегу. Још увек постоје питања где се систем може
збунити или могућност да камера пређе између драстично различитог осветљења.
Други начин да се открије одлазак са траке је инфрацрвени сензор који се налази са
доње стране аутомобила. Сви ови системи пружају низ упозорења од звучних сигнала
до физичке повратне информације возачу како би их упозорио да излазе са траке. На
слици (Слика 14.) приказан је систем функционисања LDWS-а.

Слика 13.

Помоћ при вођењу траке је функција која поред система упозоравања о одласку
са возне траке аутоматски предузима кораке како би осигурала да возило остане у
својој траци. Нека возила комбинују прилагодљиви темпомат са системима за држање
трака како би пружили додатну сигурност. Систем за вођење траке постаће доступан
само изнад 64 km/h. Он ће радити све док камера може открити барем једну коловозну
траку. Међутим, систем можда неће функционисати ако је камера блокирана или ако
постоји оштећење ветробранског стакла.
3.1.9. Предности 3D мапа података у реалном времену

Визуелизација 3D се врши математичким прорачуном брзину светлосних таласа.

Светлосни талас нано величине такође се анализира због његових карактеристика
помоћу патентираног софтвера. Мерење времена путовања светлосних таласа у
наносекундама, квалитет и величина оптичких сочива је критична. Оптичка сочива за
3D преглед система возила упоредива су са централним нервним системом човека.
Прикупљају информације и служе као очи и уши возила. Тако обезбеђују цели систем
перцепције за возило.
Сочиво сакупља тачне инвормације о околини. Мерење и анализа се врше брзином
наносекунди, похрањује се у рачунар и софтверски систем који ће касније доносити
критичне одлуке за управљање возилом. Сочива делују као скуп телескопа којима се
враћају комадићи светлости. Ласери генеришу милијарде фотона. Опрема потребна за
мерење ове функције треба да делује изузетно брзо. Зато што је за добијање прецизних
и обилних информација о окружењу потребно висококвалитетно сочиво за мерење
података.
3D мапе у реалном времену аутоматски достављају:
● Информације о актуелном локалном времену и квалитету путева
● Параметре саобраћајног тока (брзина, густина...)
● Мерење протока по саобраћајним тракама
● Веома прецизна локација незгода, препрека (на нивоу центиметра)
● Тачна локација елемената инфраструктуре (саобраћајних знакова...)
● Читав низ услуга заснованих на локацији и параметрима кретања возила
(брзина, убрзање, кочење, GPS координате, итд.)
● Свеобухватне смарт податке потребне за аутономна возила

Тачност 3D мапа на нивоу једног центиметра се креира из LIDAR система, GPS-а и

података инерцијалних мерних јединица помоћу рачунског алгоритма, локализације и
мапирања. Kарта се учитава у LIDAR систему који комбинује LIDAR податке у
реалном времену са рачунски ефикасним алгоритмом локализације да би одредио своју
локацију на мапи са високом прецизношћу.

Аутономна возила уче из свог окружења ефективно креирајући 3D мапе њeгове

околине. Рачунар користи „дубоко учење“ - машински алгоритам који се ослања на
слојеве обраде како би из ње извукли посебне карактеристике информација. На
пример: када рачунар прими 3D слику знака за заустављање, његови алгоритми за
дубоко учење „исецкају“ слику у неколико плочица. Свака од њих се одмери и
проналази одређене карактеристике. Слојеви за обраду испитаће боју, облик, величину
и остале релевантне аспекте плочица. Одатле рачунар анализира све ове
карактеристике да би утврдио да ли је објект знак заустављања према вектору
вероватноће.
3.1.10. Самоуправљајући рачунар

Рачунарски системи који омогућавају аутономном возилу да раде су постали током

година све мањи и усавршавали су се од рачунара са великим инсталацијама у мале
дискретне јединице постављене у аутомобилима.

Сви они обављају приближно исте функције: узимају тренутне податке са сензора,
обрађују их и извршавају одговарајуће функције слањем сигнала управљачким
командама аутомобила (кочница, гас, светлосна сигнализација и друге контроле).

Сви подаци су информације добијенe из LIDAR система, радар система,

ултразвучних сензора и видео камера и генеришу се у централној процесорској
јединици. Централни рачунар је веома моћна процесорска јединица и представља
мозак аутономног возила. Домен контролера врши кључну функцију централне
контроле у аутомобилу. Домен контролера - регулатор функционише као хардверски
„мозак“ аутономног погонског система. Делује као раскрсница, спона између улазних и
излазних система у колима. Прима сигнале, информације из свих ових сензора,
утврђује и одређује које мере ће бити предузете и онда комуницира са погонским
системом возила да би извршо потребне радње.

Kориснички интерфејс би могао бити један од најсавременијих и најсложенијих

система унутар аутономног возила. Kориснички интерфејс се односи на комбинацију
система у унутрашњости возила, укључујући и информационе и системе за забаву,
инструмент табле и контролу коју интерфејс обезбеђује између возила и путника.
Kориснички интерфејс у аутономном возилу се веома разликује од данашњих возила.
Истовремено кориснички интерфејс би требао да буде свестан ситуације у возилу. У
изузетним случајевима аутомобил ће можда морати да буде ручно контролисан или да
се заустави. Kориснички интерфејс је састављен од низа контролних сензора, сензора
на инструмент табли и екранима.

3.1.11. Систем за активно управљање брзином

Аутоматски систем ACC (eng. Adaptive Cruise Control) омогућава да се одржи

константан, ефикасан стил вожње. Изузетно побољшава економичност потрошње
горива смањењем убрзања и регулацијом кочења. Систем детектује возило испред
помоћу радара и сензора и одржава константну удаљеност. ACC систем функционише
помоћу ласерског мерача даљине или радарског сензора у предњем делу возила. На
основу њега се мери растојање од возила испред. Возач сам бира раздаљину која
одговара условима вожње, а систем аутоматски одржава то растојање и сам успорава
тј. убрзава аутомобил. ACC обично користи радар у фреквентном опсегу који и не
омета полицијски радар. За пун опсег ACC-a неки произвођачи користе два радара,
један за непосредну близину од око 100 м, а други за удаљености до 600 м. За што
бољу функционалност ACC система рађена су истраживања функционисања са
ласерским уређајем у односу на радарски систем. Истраживањима радарски систем се
показао много ефикаснији јер ради боље у лошијим временским условима.
3.1.12. Аутономни систем кочења у ванредним ситуацијама

Аутономни систем кочења у ванредним ситуацијама (eng. Automatic Emergency

Braking) је систем за безбедност возила, који има задатак да спречи судар или смањи
брзину возила пре судара у колико га је немогуће избећи. AEB системи дизајнирани су
да подрже возача само у ванредним ситуацијама. Возач и даље остаје одговоран за
возило у сваком тренутку. Ови системи типично користе један или комбинацију
радара, LIDAR или технологије видео препознавања да мере растојање између возила.
Такође ови системи упозоравају возача уколико се сувише приближи возилу испред
себе и уколико возач не реагује на упозорење. Тада се примењује кочење независно од
деловања самог возача.

3.1.13. Телематика

Телематика се односи на свако интегрисано коришћење телекомуникација са

информацијама и комуникационим технологијама.. У суштини, ово је спој технологије
која омогућава слање, примање и чување информација на удаљеним објектима као
што су телефони, рачунари или у овом случају возила. Телематика се користи у
аутономним возилима као начин праћења датог стања локације, кретања, статуса,
одредишта, брзине и понашања возила у возном парку. При томе користи GPS
пријемник и поседује електронски уређај који прима информације и омогућава му да
комуницира са корисником и софтверским системом заснованим на мрежи. Услуге
које се нуде путем телематике заснивају се на погодности и за корисника и за
произвођача. На пример, што се тиче аутономних возила, телематика се може
користити да прикупи различите врсте података. Када се ови подаци анализирају,
возило тада може комуницирати са корисником; укључујући обавештавање за њега или
њу нудећи кориснику пружање логистичких података као што су нпр. када стижу или
чак информације о томе када возило треба сервисирати (Слика ). Многа савремена
возила имају неку компоненту телематике, односно технологију која је уграђена у
њихове системе, чинећи их „повезаним“. Примери услуга телематике у модерним
возилима укључују i систем као што је ADAS (eng. Advanced Driver Assistance
Systems), Систем садржи прилагодљиви темпомат, аутономна хитна помоћ кочења,
детекцију слепих места, детекцију пешака, упозорење о одласку са траке, надгледање
поспаности и многе друге.

Слика. Телематика.
 4. Технологија повезивања возила - V2X

V2X комуникација представља ситем који је темељ за успешно управљање аутономног

возила. Сам систем V2X омогућава возилима да комуницирају једни са другима и са
њиховим окружењем и састоји се од подсистема:

 комуникација (V2V) возила са возилом

 комуникација (V2I) возила са инфраструктуром
 комуникација (V2P) возила са пешаком
 комуникација (V2N) возила са мрежом

Слика 2.

Сама комуникација има за циљ да реши два главна проблема а то су сигурност и

мобилност. Сигурном разменом информација као што су брзина, убрзање, положај и
правац путовања, безбедност на путу може се значајно побољшати. Будућност
аутономне вожње захтеваће велику, распрострањену V2X мрежу за контролу над
возилима као и оптимизацију саобраћаја и инфраструктуре. За разлику од LIDAR,
радара и камера V2X технологија омогућава возилима да „виде“ изван видљиве линије,
пружајући им више времена да реагују односно да подесе брзину као и правац кретања.

Многа аутономна возила користе читав пакет сензора камере, радара и LIDAR за
аутономне функције. Ови напредни сигурносни системи могу „видети“ око возила,
приказујући слепе мрље и опасности у близини. Помоћу радара и технологије за
обраду видео слика, возила могу аутоматски кочити или зауставити возило на
сигурном ако је возач спор или не реагује на опасност која се налази испред њега на
путу. Имајући у виду физичку природу ових технологија, они „осећају“ само предмете
и догађаје у видокругу. Помоћу V2X технологије аутомобили могу „разговарати“ један
са другим, укључујући мотоцикле, возила за хитне случајеве и инфраструктуру,
укључујући семафоре, дигиталне путне знакове и пешаке у близини. Без V2X,
аутономно возило би видело препреку и једноставно се зауставило. Помоћу овог
система аутономно возило може примати информације о заобилазним путевима од
стране инфраструктуре и других аутономних учесника у саобраћају. Судари на
путевима могу се драматично смањити. Процене показују да ће се избећи око 80%
несрећа. Увођење 5G мреже обезбедиће овом систему високо-поуздан комуникациони
систем потребан за проток информација у реалном времену.
4.1. V2V комуникација- комуникација возила са возилом

V2V комуникација је технологија која омогућава возилима да емитују и

примају указане поруке (до 10 пута у секунди), стварајући "свест" о другим возилима у
близини од 360º око себе. Возила опремљена одговарајућим софтвером (или
безбедносним апликацијама) могу користити поруке околних возила да би утврдила
потенцијалне претње судара током експлоатације на путу. V2V комуникација има
дужи домет могућности (300 метара) од ултразвучних сензора, камера и радара, па
стога може упозорити возаче на опасне ситуације раније и ефикасније. Тада
технологија може употребити визуелна и звучна упозорења или њихову комбинацију
истих. Ова упозорења пружају возачима могућност да предузму акције да не би дошло
до судара. Те би технологије могле постати обавезне у не тако далекој будућности и
допринети развоју поузданијих возила на ауто-путевима. Ипак, имплементација V2V
комуникације и интелигентног транспортног система подразумева три главне
препреке: потреба да се произвођачи аутомобила слажу са правилима сигурности и
рада; гаранција приватности и поверљивост података који се шаљу у емитовању као и
финансирање које је неопходно за развој и ширење.

4.2. V2I комуникација: комуникација возила са инфраструктуром

Комуникација између возила и инфраструктуре је бежична размена података

међу њима која је омогућена системом хардвера, софтвера и управљачког софтвера.
Поред тога ова V2I комуникација је обично бежична и двосмерна. Компоненте
инфраструктуре као што су ознаке трака, путокази и семафори могу бежично давати
информације возилу и обрнуто. Толики број информација се прикупља и дели и оне се
могу користити да омогуће широк спектар сигурности, мобилности и користи за
животну средину. За V2I систем потребна је иновативна, интелигентна
инфраструктура. Потребне су веће промене које возачима, камерама и сензорима
помажу да лакше схвате и разумеју правила пута.

Технологије које могу користити за побољшање друмских путева, мобилности и

безбедности су:

 Напредне ознаке на путу- Потребне су ознаке тротоара које су видљиве људима и

возилима у било ком стању пута, временским приликама.
 Ознаке коловозне траке раде се са аутоматизованим сензорима која возилу
побољшавају детекцију трака и сигурност у саобраћају чак и на најекстремнијим
временским условима.
 Паметни знакови: Потребни су смерни знакови који су видљиви људима и
аутономним возилима у било ком стању на путу.
 Ретрорефлективни знакови омогућавају бољу читљивост, што резултира
прецизнијом навигацијом и бржим доношењем одлука и за возаче и за
аутоматизоване системе возила.
 Бежична комуникација: Постоји такође потреба за бежичном комуникацијом која
се директно повезује са возилима, брзо помажући идентификацију грађевинских
зона и потенцијалне опасности по безбедност.
4.3.Предности V2V комуникацијe

Три конкретне ситуације у којима би оваква технологија доминирала над

традиционалним камерама и сензорима: приликом уласка у непрегледну раскрсницу,
приликом скретања у лево и приликом неочекиваног наглог кочења аутомобила који је
далеко испред, односно изван видног поља.
Уз помоћ V2V технологије знатно ће се повећати безбедност, проток саобраћаја и
смањити потрошња енергије. Један од начина да се обезбеде ажурне информације о
стању на путевима и мапе података је да се користи ова V2V комуникација. То би
могло да омогући будућим возилима да помогну једни другима, да генеришу мапе у
реалном времену јер теоретски сваки аутомобил је у стању да снима пут којим је возио
и генерише у базу података. Позиционирање аутомобила на основу V2V комуникација
треба да допринесе функционисању саобраћаја без заустављања, а возила би требало да
путују већим брзинама и у ближој раздаљини.

4.4. Батерије у аутономним возилима

На научницима и инжињерима је остало да одговоре на још многа питања која се тичу
аутономних возила. Једно од њих је и питање како ће се напајати енергијом потребном
за рад. Као извор енергије односно погона аутономно возило може да користи
батерију. Управљање батеријама у индустрији аутономних возила превазилази не само
управљање батеријским ћелијама и одржавање саме батерије у исправном стању бећ
укључује обезбеђивање сиггурности рада. Такође захтева и повезивање са оптерећењем
и одржавање батерије у идеалним условима.

Реакције које се одвијају у батеријама, хемијске интеракције које производе

топлотну енергију су штетне по саму батерију јер се понављају током читавог радног
века. Одвођење вишка топлоте само је један од изазова са којим стручњаци треба да се
суоче. У аутономним возилима сензори који раде на различитом напону и брзини,
батерији додају не само топлоту већ повећано и различито радно оптерећење на
акумулатору. Новијим батеријама, које се још увек истражују и развијају биће
потребна још јача и прецизнија технологија управљања. Прописи се не могу ослањати
само на спровођење безбедносних правила за управљање батеријама, јер аутономно
возило не сме да закаже када су сензори, радари и остали уређаји који се тичу
безбедности у питању. Чак и најбоље направљене батерије имају непредвидив
животни век. Руте које укључују мноштво полазака са места и заустављања утицаће на
убрзање, самим тим утицаће на темпо у коме се могу извршити брзе промене напона и
довести до остећења батерије.
4.5. Архитектура роботског софтвера

Методологија структуирања алгоритама назива се архитектуром софтвера.

Савремене архитектуре софтвера за роботику морају да реше како да се комбинује
реактивно управљање и промишљено планирање засновано на моделу. У више
аспеката, реактивни и промишљени методи имају супротне квалитете и мане.
Реактивно управљање покрећу сензори, па су они подесни за доношење одлука ниског
нивоа у реалном времену. Међутим, оно ретко производи прихватљиво решење на
глобалном нивоу, зато што одлуке за глобално управљање зависе од информација које
се не могу опазити у време доношења одлуке. За овакве проблеме примеренији избор је
промишљено планирање. Због овога, већина роботских архитектура користи реактивне
методе на нижим нивоима управљања, а промишљене методе на вишим нивоима.
Архитектуре у којима се комбинују методе као што су реактивне и промишљене
назвиају се хибридним архитектурама.

Архитектура роботског софтвера се дели на три врсте архитектура:

● Архитектура обухватања
● Трослојна архитектура
● Проточна архитектура

С обзиром да је за управљање аутономним возилом неопходно да сви модули

функционишу и обрађују податке истовремено, користи се проточна архитектура за
основ софтвера код аутономних возила. Сама ова архитектура обухвата и остале две
архитектуре. Сходно томе да се проточна архитектура извршава паралелно на више
процеса једнака је архитектури обухватања, али појединачни модули проточне
архитектуре су слични трослојној архитектури. Овим описом проточну архитектуру
можемо да окарактерисати као неку врсту веома сложене хибридне архитектуре.

Проточна архитектура коришћена у аутономним возилима се састоји из неколико

слојева. Податци прво улазе у сам ток извршавања на слоју сензорског интерфејса, а
затим опажајни слој ажурира унутрашње моделе окружења робота на основу тих
података. Затим се ти подаци предају слоју палнирања и управљања, који подешава
унутрашње планове робота и претвара их у стварне команде за робот аутономно
возило. Оне се затим саопштавају возилу кроз слој интерфејса возила.

Kључно за проточне архитектуре је што се све ово догађа паралелно. Док опажајни
слој обрађује најновије сензорске податке, слој контроле заснива своје одлуке на
незнатно старијим подацима. У том погледу је проточна архитектура слична људском
мозгу. Поред тога, технологија V2V комуникација такође се може користити као
помоћ возила да одржавају контакт са другим возилима испред себе, тако да уз помоћ
њих добијају тачне руте и упутства какав пут се налази испред њих.
 Да би се могла обављати аутономна вожња, возилу су потребне четири функције:
навигација, анализа ситуације, планирање кретања и контрола путање да би могла да
ради. Сваки од њих захтева одређене спољне услове да би могао да ради. – Навигација,
GPS и други сателитски навигациони системи зависе од сигнала између пријемника у
возилу и више сателита у систему возила. Радио сигнали који се користе у GPS-у могу
ометати незаобилазни фактори околине као што су густа стабла, стрма брда, високе
зграде или густи облаци. Да би одржали стабилну сигнал везу са сателитима, може се
очекивати да су аутономним возилима потребни и јачи пријемници, као и погоднија
инфраструктура за пролазак сигнала.

У тропским областима изненадне и краткотрајне кише проузрокују клизаве путеве

и нејасан поглед. Аутономна возила то морају да знају како би успорила и шта
очекивати од других возила у таквим условима. Иста ствар може да се каже рећи и о
снежним условима у регионима са екстремним временским условима. Пут може бити
привремено прекривен снегом, што чини траке на путу невидљивим, истовремено
погоршавајући услове у вожњи. Ведрог сунчаног дана изузетно ведро небо отежало би
камеру која је окренута према небу, за откривање и разликовање саобраћајних знакова
и семафора због високог контраста. За возача здравог разума и његове реакције он /она
се може прилагодити стању једноставно знајући шта би требало да ради (подешавање
брзине, држање у складу с инстинктом, стављање сунчаних наочала, итд.). Свеукупно,
у циљу примене аутономних возила, потребно је прикупити што више података о
путовањима на различитим подлогама и условима.

Слика 20. Пример функционисања аутономног возила на путу.

 5. Закључак

Аутомобили без возача су релативно нова технологија која постаје све више
атрактивна у свету аутомобилске индустрије. Kао и свако ново напредовање доноси
својствени ризик, посебно у раним фазама. Међутим, тај ризик се мора контролисати
како би се осигурала сигурност возача.

Производња потпуно аутоматизованог возила можда изгледа превише напредно,

међутим значајно је привукла пазњу произвиђача аутомобила као и провајдера
технологије. Произвођачи и провајдери би могли да обезбеде нова радна места и тако
надоместе губитак радних места до којих би дошло увођењем аутоматизације возила.

Аутоматизована возила могу имати велики потенцијал да промене лице транспорта,

искуства свакодневних путовања и на крају учине наше путеве сигурнијим. Међутим
пред њима је још дуг пут пре него што буду адекватно сигурни и регулисани. Ово неће
бити лака транзиција јер значи да ће људи морати да прихвате да немају личну
контролу при великој брзини аутомобила. То се такође догађа у тренутку када је све
укључујући и аутомобиле рањиво на мрежне нападе. Ипак, чини се да су возила без
возача важан наредни корак у транспортној технологији. Чак и ако трпе неколико
растућих проблема на њиховом усаврсавању, аутомобил у којем се осећас безбедно а
не упрвљаш њим вероватно је аутомобил будућности.
 6. Литература

[1] https://computerhistory.org/blog/where-to-a-history-of-autonomous-
vehicles/?key=where-to-a-history-of-autonomous-vehicles
[2] https://www.autoevolution.com/news/a-short-history-of-mercedes-benz-autonomous-
driving-technology-68148.html
Историјат и досадашњи развој
[3] https://www.fierceelectronics.com/components/three-sensor-types-drive-autonomous-
vehicles
Видео сензори
[4] https://www.caradvice.com.au/774887/v2x-communications-autonomous-cars/
V2X Комуникација
[5] https://www.greencarcongress.com/2019/02/20190204-mbtrust.html
Компанија Mercedes-Benz
[6] https://owner.ford.com/support/how-tos/safety/driver-assist-technology/driving/how-
to-use-lane-keeping-system.html
Систем упозорења о одласку са траке –LDWS
[7] https://www.intellias.com/everything-you-wanted-to-know-about-types-of-operating-
systems-in-autonomous-vehicles/
[8] https://www.marketwatch.com/press-release/autonomous-vehicle-ecu-market-2019-
global-growth-boosted-by-government-regulations-demand-for-adas-growing-sales-of-
vehicles-with-regional-forecast-to-2023-2019-02-11
Електронска управљачка јединица
[9] https://www.greencarcongress.com/2014/07/20140704-futuretruck.htm
Mercedes-Benz -Future Truck 202
[10] https://newatlas.com/volvo-road-magents-autonomous-cars/31172/
Volvo пројекат -Non-Hit Car and Truck
[11] https://en.wikipedia.org/wiki/Radar
Радар сензор
[12] H. Sun, W. Deng, S. Wang, Y. Zhang, Trajectory Planning for Vehicle Autonomous
Driving with Uncertainties, IEEE, izdano: 2014
[13] SAE, Automated Driving – Levels of Driving Automation are Defined in New SAE
International Standard J3016, izdano: 2014.
[14] D. Fassbender, B. C. Heinrich, Hans-Joachim Wuensche, Motion Planning for
Autonomous Vehicles in Highly Constrained Urban Environments, IEEE, izdano: 2016.