National Transport Library Research Database

Fordonspositionering och ruttprediktion (Vehicle Positioning and Route Prediction)

  • Almevad, Anders
  • Volvo Personvagnar AB, Svenskt företag eller organisation, 556074-3089
Sponsors, duration, budget: Vinnova ; 2013-07-01 -- 2016-12-31 ; 0 kronorRegistration number:
  • Vinnova 201301304
Subject(s): Abstract: Syfte och mål: Syftar till att utveckla och verifiera algoritmer för att exakt uppskatta positionen för eget fordon och förutsäga den mest sannolika vägen fordonet tar på vägnätet. Otillräcklig positioneringsnoggrannhet är en av de faktorer som idag hindrar nya säkerhets- och komfortsystem från att utvecklas. Exempel på sådana system är: - Autonoma fordon: Kräver en detaljerad beskrivning av den miljö som omger det egna fordonet. - Aktiva säkerhetssystem. - Motor optimeringssystem: Där kunskap om den kommande rutten kan ha en stor inverkan på bromsoptimering. - Kooperativa ITS system Förväntade effekter och resultat: - Kartpositionering: Detaljerad karta skapas med hjälp av fordonets sensorer (t.ex. radar och kamera). En lokal karta nära fordonet och en global karta för globala egenskaper. - Kooperativ positionering: Undersöka hur den relativa positioneringen mellan fordon kan förbättras genom utbyte av rådata "GNSS mätningar" mellan deras kommunicerande noder. - Global positionering: Undersöka och använda positionsinformation från andra källor (LTE, infrastruktur). - Ruttplanering: Positioneringsramverk kombinerat med algoritmer för att bestämma den mest sannolika förarrutten. Planerat upplägg och genomförande: Vi kombinera befintliga tekniker (t.ex. GNSS, radar, kamera, etc.) för att skapa ett robust och noggrant positioneringsramverk, som kan bidra till att möjliggöra en bred uppsättning av fordonssäkerhet- och effektivitetsapplikationer. Huvuduppgifterna som behandlas i detta projekt är: - Kartpositionering - Kooperativ positionering - Global positionering - RuttplaneringAbstract: Objective and Goal: Aims at developing and verifying algorithms to accurately estimate the position of the ego vehicle and predict the most likely route the vehicle will take in the road network. Insufficient positioning accuracy is one of the factors which today prevent new safety and convenience systems from being developed. Examples of such systems are: Autonomous vehicles: These types of systems require a detailed description of the environment surrounding the ego vehicle; Active safety systems; Engine optimization systems; Cooperative ITS-systems. Result and Expected Effects: Map positioning. A highly detailed map will be created with the use of vehicle sensors (e.g. radar and camera); Cooperative positioning. Investigate how the relative positioning between vehicles can be improved in by exchanging raw GNSS measurement data between their communicating nodes; Global positioning. Examine the possibilities and utilizing position information from other sources e.g. LTE and infrastructure; Route planning. Utilize the positioning framework combined with algorithms for determining the most probable driver route. Approach and Implementation: We aim to combine existing technologies (e.g. GNSS, radar, camera, etc.) to create a robust and accurate positioning framework, that can help enabling a broad set of vehicle safety-, and efficiency- applications. The main tasks addressed in this project are: Map positioning; Cooperative positioning; Global positioning; Route planning.
Item type: