National Transport Library Research Database

Fordonsrörelsereglering med hjälp av datadriven varierande vägfriktionskarta (Vehicle Motion Control Using Data-Driven Varying Road Friction Map)

  • Yang, Derong
  • Volvo Personvagnar AB, Svenskt företag eller organisation, 556074-3089
Sponsors, duration, budget: Vinnova ; 2021-04-01 -- 2024-12-31 ; 7 491 360 kronorRegistration number:
  • Vinnova 2020-05169
Online resources: Summary: I detta projekt kommer metoder att hantera fordonstrafiksäkerhetsproblem pga. variation av vägfriktion att utvecklas. Detta inkluderar först vägfriktionsuppskattning och prediktion, ang. variation, osäkerhet, noggrannhet och förtroende. För det andra kommer vi att utforska användningen av denna information i de avancerade fordonets rörelseregleringsfunktioner som hjälper föraren, manuellt eller autonomt, för att anpassa körningen på ett säkert och icke-påträngande sätt. Detta ska bidra till förbättrad prestanda för aktiva säkerhets- och autopilotsystem ombord. Detta projekt syftar till att få ny kunskap som kommer att överbrygga klyftan mellan friktionsuppskattning och optimal fordonsrörelse, så att kvalitetsmåtten på friktionsinformation blir relevanta för fordonsstyrning. Baserat på kunskapen kommer vi att leverera algoritmer och verktyg som nya eller förbättrade förarassistanssystem och autonoma körfunktioner kan baseras på. Målet är att kunna minska 50% av alla dödsolyckor som inträffat på grund av förarens felbedömning av låg vägsfriktion. Vägfriktionsmätningar kommer att förvärvas och antecknas vid olika väg- och väderförhållanden för datadriven metodutveckling vid vägfriktionsuppskattning. Friktionskarta kriterier ska vara input till friktionsuppskattning. Rörelseplanering och kontroll startar när friktionsuppskattning uppnås vid dess första applikationsstatus. Simuleringsmiljön kommer att utvecklas när friktionskartan definieras. Fordonstestning är planerad för att verifiera styrdesignen med den integrerade algoritmen för rörelseplanering, som syftar till en demo på provbanan.Summary: In this project, methods to handle real-world vehicle traffic safety problems due to the variation of road friction will be developed. This includes first the road friction estimation and prediction, concerning variation, uncertainty, accuracy and confidence. Secondly, we will explore the use of this information in the state-of-art vehicle motion control functions assisting the driver, manually or autonomously, to adapt the driving in a safe and non-intrusive way. This will contribute to improved performance of active safety and autopilot systems on board. This project aims to gain new knowledge which will bridge the gap between friction estimation and optimal vehicle motion operation, so that the quality measures of friction information become relevant for vehicle control. Based on the knowledge, we will deliver algorithms and tools upon which new, or improved driver assistance systems and autonomous driving functionalities can be based on. The goal is to be able to reduce 50% of all fatal accidents happened due to the driver’s misjudgment of low road friction. Road friction measurements will be acquired and annotated at different road and weather conditions, for data-driven method development in road friction estimation. Friction map criteria will be established as input to friction estimation. Motion planning and control will start when friction estimation is reached at its first application status. Simulation environment will be developed when friction map is defined. Vehicle testing is planned to verify the control design with the integrated motion planning algorithm, aiming for a demo at proving ground.
Item type: