Эволюция датчиков ADAS: путь к более безопасной автоматизации транспортных средств

Переход от базовых систем помощи водителю (ADAS) к концепции полностью "неаварийных" автомобилей сопряжён с решением как технических, так и коммерческих задач, которые ещё предстоит преодолеть. Несмотря на значительные достижения в области автомобильных технологий, дорожно-транспортные происшествия остаются серьёзной проблемой, особенно в странах с высоким уровнем автомобилизации, таких как США.

Факторы, такие как отвлечение внимания, превышение скорости и управление автомобилем в состоянии алкогольного или наркотического опьянения, способствуют росту числа аварий, делая задачу повышения безопасности транспорта одной из ключевых для автомобильной отрасли и регулирующих органов.

Для кардинального сокращения числа инцидентов на дорогах требуется скоординированная работа правительства, законодателей и автомобильной промышленности, направленная на более широкое внедрение технологий ADAS в массовые модели автомобилей.

Эти системы должны быть не просто опциональными функциями для премиум-класса, но стандартными компонентами для всех транспортных средств. Это может потребовать пересмотра существующих нормативных актов, внедрения программ субсидий или налоговых льгот для производителей, а также активного продвижения среди потребителей важности использования таких технологий.

Современные функции ADAS, такие как автоматическое экстренное торможение (AEB), предупреждение о выходе из полосы (LDW), обнаружение слепых зон (BSD) и системы мониторинга состояния водителя (DMS), опираются на сложные системы сенсоров и алгоритмов обработки данных для повышения безопасности. Эти системы полагаются на сетевые решения с множеством сенсоров, таких как камеры, лидары, радары и ультразвуковые датчики, которые установлены на транспортном средстве.

Данные, поступающие с этих сенсоров, обрабатываются в реальном времени, позволяя системе ADAS оперативно реагировать на изменения дорожной обстановки. Например, система автоматического экстренного торможения может мгновенно активироваться при обнаружении препятствия, существенно сокращая тормозной путь и предотвращая аварию.

Сенсоры, используемые в ADAS, основываются на передовых полупроводниковых технологиях, что позволяет им быть высокочувствительными и точными, обеспечивая надёжность работы в различных условиях. Современные лидары и радары, работающие на базе полупроводниковых решений, способны "видеть" на десятки и сотни метров вперёд, распознавать пешеходов, велосипедистов и другие автомобили, что критически важно для предотвращения аварий на высоких скоростях или в сложных погодных условиях. При этом полупроводниковые датчики становятся всё более доступными по стоимости, что способствует их распространению в массовых моделях автомобилей, а не только в премиальных или специализированных транспортных средствах.

Технологии ADAS не только помогают водителю более эффективно воспринимать окружающую обстановку, но и способны вмешиваться в управление транспортным средством, когда это необходимо для предотвращения опасных ситуаций. Например, системы мониторинга состояния водителя (DMS) могут отслеживать уровень усталости или отвлечённости, используя камеры для наблюдения за глазами и головой водителя. При обнаружении признаков сонливости или потери внимания система может предупредить водителя звуковыми или визуальными сигналами, а в некоторых случаях даже скорректировать управление автомобилем для предотвращения аварии.

Для достижения полной реализации "неаварийных" автомобилей необходима глубокая интеграция и усовершенствование ADAS, включая расширение возможностей сенсоров, улучшение алгоритмов обработки данных и повышение надёжности систем в условиях интенсивного дорожного движения и сложной инфраструктуры.

В этом контексте переход к использованию более продвинутых систем на базе искусственного интеллекта (ИИ) и машинного обучения может стать следующим шагом в развитии автомобильных технологий. Такие системы смогут не просто реагировать на текущие угрозы, но и предсказывать потенциальные опасности на основе анализа поведенческих моделей участников дорожного движения и окружающей среды.

Сложности в выборе датчиков для ADAS

Системы ADAS используют различные типы датчиков, каждый из которых имеет свои сильные и слабые стороны. Радар отлично справляется с обнаружением объектов в плохих погодных условиях, но испытывает трудности с точностью глубины. Камеры обеспечивают хорошее распознавание объектов, но слабеют в условиях низкой освещённости или при неблагоприятной погоде. Ультразвуковые датчики работают в любых погодных условиях, но ограничены в задачах ближнего действия, таких как парковка. LiDAR предлагает точное распознавание расстояний и глубины, но его работа может быть нарушена туманом или сильным дождём.

Чтобы обеспечить работу систем ADAS в различных условиях, автопроизводители часто интегрируют несколько типов датчиков, создавая избыточность и повышая надёжность. Это увеличение числа датчиков и их требования к обработке данных внутри автомобиля меняют архитектуры электронных и электрических систем (E/E) автомобилей.

Слияние данных датчиков и обработка восприятия

Слияние данных датчиков — это метод объединения информации от нескольких датчиков для создания полной модели окружающей среды. Этот процесс может происходить на разных этапах: раннее слияние (когда данные датчиков объединяются в сыром виде) или позднее слияние (когда данные объединяются после их обработки).

Раннее слияние даёт более богатые данные для систем восприятия, основанных на нейронных сетях, но требует больше вычислительных ресурсов. Позднее слияние позволяет больше гибкости и избыточности датчиков, снижая нагрузку на процессоры, но предоставляет меньше сырых данных для принятия решений.

Выбор между ранним и поздним слиянием зависит от архитектуры E/E автомобиля, что влияет на масштабируемость и гибкость системы.

Эволюция архитектур E/E систем

Современные автомобили испытывают резкий рост числа электронных блоков управления (ECU) на базе полупроводников, количество которых увеличилось с нескольких до более чем 100 в некоторых автомобилях. Это усложнило проектирование архитектур E/E, создавая проблемы, связанные со стоимостью, распределением питания, проводкой и тепловым управлением. Для решения этих проблем отрасль переходит от архитектур с одним ECU к более консолидированным и централизованным системам.

Централизованные архитектуры вычисления, в которых несколько систем на кристалле (SoC) интегрированы в один ECU, являются одним из решений для управления сложностью ADAS, информационно-развлекательных систем и других функций автомобиля. В этой конфигурации сырые данные с датчиков централизуются для обработки, что теоретически даёт преимущества в управлении программным обеспечением и возможностях обновлений. Однако этот подход имеет недостатки, такие как более высокая стоимость проводки, увеличенное энергопотребление и ограниченная гибкость для автопроизводителей с разнообразным портфелем автомобилей.

Более гибкой альтернативой является архитектура распределённого интеллекта, где обработка данных происходит на уровне датчиков или рядом с ними, что снижает необходимость передачи больших объёмов сырых данных по всему автомобилю. Это уменьшает требования к проводке и вычислительным ресурсам, позволяя автопроизводителям масштабировать системы ADAS для различных типов автомобилей. Оставляя часть обработки на уровне датчиков или зональных контроллеров, автопроизводители сохраняют гибкость в выборе датчиков и масштабировании системы.

Путь к безопасным автомобилям

Путь к полностью автономным и неаварийным автомобилям долог и сложен, но технологии ADAS быстро развиваются. Масштабируемый подход, предлагаемый архитектурами распределённого интеллекта с гибкими возможностями слияния и обработки данных, является ключом к удовлетворению растущего спроса на безопасные и надёжные транспортные средства. По мере того как датчики ADAS становятся более сложными, а системы обработки данных совершенствуются, автомобильная промышленность приближается к достижению цели по снижению, а в конечном итоге и полному устранению дорожных аварий.