Безопасность массового использования на автомобильных дорогах общего пользования автономных колесных транспортных средств (АКТС) или, что то же самое, беспилотных автомобилей (БПА) невозможна без решения задачи динамической оптимизации взаимодействия подвижного состава в транспортных потоках и на парковке. И в том и другом случае искусственный интеллект в условиях интенсивного автомобильного движения и высокой плотности застройки в городских агломерациях реализует возможности электронных систем и роботов автоматической парковки. Функциональность последних в исследовании китайских специалистов в области прикладных технологий и искусственного интеллекта рассматривается [1] в рамках решения задачи совместного планирование пути.
Усовершенствованный генетический алгоритм может эффективно искать последовательность выполнения задач и распределение мобильных роботов — БПА или автономных АКТС и сходиться к оптимальному решению даже в крупномасштабных сложных сценариях. Результаты виртуальных компьютерных экспериментов на имитационных математических моделях показали, что эта комбинация алгоритмов может улучшить производительность планирования во многих аспектах, таких как время выполнения задачи, расстояние в пути и безопасность на крупномасштабных парковках с высокой плотностью движения, технологично реализуемых электронными устройствами активной безопасности современных концепций АКТС, в том числе в виде БПА.
Коллективом исследователей из Лаборатории электрики японской компании Mitsubishi, ее подразделения Кембриджского университета Великобритании и из Университета Ванкувера (Канада) описываются инновационные процедуры проектирования и валидации концепции системы принятия решений в архитектуре управления и контроля для автоматизированного вождения БПА. Система принятия решений определяет время перехода через последовательность режимов движения, таких как движение по полосе движения и остановка, чтобы это АКТС в конечном итоге прибыло в пункт назначения, не сталкиваясь с препятствиями, тем самым обеспечивая безопасность и живучесть [2]. Система принятия решений выдает команду на переход к следующему режиму только тогда, когда основной планировщик движения может сгенерировать возможную траекторию, которая достигает целевой области такого следующего режима.