intelligent transportation - dura home pdf/intelligent transportation.pdfefikana gradska logistika...
TRANSCRIPT
Intelligent Transportation
Zlatan Ajanović
Fokus na problem, ne na rješenje
KORISNICI NE ŽELE BURGIJU... … ONI ŽELE RUPU
1
Problem svakodnevnog putnika
● Udio populacije u urbanim sredinama raste
● Ali svako želi da živi u zelenom predgrađu
● 95% od svih putovanja vozilom su kraća od 50 km
● 25% od svih putovanja su kraća od 2 km● U prosjeku automobil se koristi samo 1 sat dnevno
● 30% od urbanog saobračaja je potraga za mjestom za parking
“Mjera inteligencije je sposobnost
čovjeka da se promijeni.” ― Albert Einstein
Tehnološki izazovi
?
Vozila
Infrastruktura za punjenje
Servisi mobilnosti
Infrastruktura
Vozila
ICT
UDALJAVANJE INOVACIONIH CIKLUSA U GRADOVIMA
Objekti
ICT
?
0 10 20 30 40 50 Years 100 Izvor: Frauenhofer Italia
Tehnologija gradnje objekata
Fasade (objekti)
Sinhronizacija Inovacionih Ciklusa? Mobilni Internet
Građevinarstvo (objekti)
Putna infrastruktura
Komunalna infrastruktura
Gradska struktura
Izvor: AVL List– Urban Future Conference 2014
2
Suzbijanje kretanja - kraće distance
Način kretanjavs + +
Ekološka kontrola saobračaja
Izvor: TU Graz – Urban Future Conference 2014
Tri nivoa održive gradske mobilnosti
Održiv promet za pametne gradove
Efikana gradska logistika je izazov,npr. Strogi ekološki zahtjevi i internet kupovina će promijeniti logističke rutine
U kontekstu pametnih gradova, mobilnost mora biti bazirana naJavnom prevozu, biciklizmu i pješačenju
ICT, ITS i korištenje “big data" će unaprijediti performanse servisa u svim načinima transporta
Sistemi će postati integrisaniji, transportni sistem, građevinski objekti,energetski i informacioni sistemi
Najbolje gradsko rješenje!!!
Izvor: TU Graz – Urban Future Conference 2014
7
Vrijeme[s]
Uda
ljeno
st [m
]
Raskrsnica 1
Raskrsnica 3
Raskrsnica 2
Koordinirana signalizacijaKoordinacija smanjuje broj stajanja i zadržavanje
Ne koordinisano Dobro koordinisano
Izvor: TU Graz – Urban Future Conference 2014
11
Prioritet za vozila javnog prevoza• od 1992 u Graz-u• Nulto čekanje za tramvaje• Selektivno zeleno za autobuse• minimizacija „zadržavanja putnika“ a ne „zadržavanje
vozila“
photo: Höpfl, Cagran Izvor: TU Graz – Urban Future Conference 2014
13
Car-2-Infrastructure GLOSA Green Light Optimal Speed Advisory Koristi informacije vozila za optimizaciju kontrole
Izvor: TU Graz – Urban Future Conference 2014
EFKON N-FORCE – Mobilno automatsko provjeravanje
• Velika brzina prepoznavanja vozila i prikupljanja slike
• Prepoznavanje naljepnica i automatska analiza
• Potpuno mobilan sistem• Spreman za “pametne”
aplikacije: cases• Naljepnice emisije• Nadgledanej kretanja u vršnim
satima• Aktuelni podaci za real-time
upravljanje prometom• itd.
Izvor: EFKON – Urban Future Conference 2014
Automobil koji razgovara?
Da li je to moguće?
Vozačeva kontrola
Samokontrola vozila
V2X
Povezivanje
Level 1 Sistem
upozorenja
Level 2Asistirana
vožnja
Level 3Automatizovana
vožnja
Level 4Autonomna
vožnja
EvoluijaAutonomnih
vozila
Gdje smo danas
Electronic Stability Control, Anti-Lock Brakes
Adaptive Cruise
Control, Parking
Assist, Lane Departure Warning Blind Spot Detection
Postoje samo
prototipovi Ništa
Šta postoji danas?
Stepen kontrole
Izvor: Infosys – Atomotive World Webinar
Evolucija tehnologija koje pogone razvoj autonomnih vozila
Standard za dijeljenje podataka
Široka prihvaćenost
ADAS
Moćna obrada slike
Fuzija senzorskih podataka
Iz pametno-voženog u autonomno vozilo
Povezanost vozila
Napredovanje pravne
legislative
Izvor: Apio Systems – Atomotive World Webinar
Ekosistem potreban za autonomno vozilo
Ključni zahtjevi za autonomno vozilo
Vozilo mora:• Mora biti svjesno svoga stanja i
direktnog okruženja• Primati informaciju o sistuaciji koja ga
očekuje• Interpretirati ovu informaciju i najaviti
svoje ponašanje ostalim pametnim vozilima
• Kompenzirati neracionalne odluke ostalih učesnika u saobračaju
Izvor: Apio Systems – Atomotive World Webinar
Potencijalni ekonomski uticaj
Od $1TrillionGodišnje u 2025
4.95 MilManje nesreća
2 MilManje
povreda
1.5 Mil manje smrtnih
slučajeva izazvanih lgreškom vozača
150 Mil automobila na
putevima u 2025imati mogučnost
samovožnje
20 Mil do100 Mil
Tona CO2emisije manje
10 to 15 %Smanjenje potrošnje
goriva samo od naglog ubrzavanja,
usporavanja i prebrze vožnje
15 to 20%Smanjenje potrošnje
goriva zbog smanjenog otpora zraka jer se vozila kreću u kolonama
Manje prometnih nesreća
Povećan kapacitet prometa
Veće dozvoljene brzine
Bez ograničenja na stanje vozača
Ublažavanje nedostatka parking prostora
Otklanjanje redundantnih putnika
Smanjena potreba za nadgledanjem prometa
Smanjena ovisnost o putnoj signalizaciji
Ugodnija vožnja
Smanjenje krađa automobila
..rezultira značajnim socijalnim i ekonomskim posljedicama
Source: McKinsey
Izvor: Infosys – Atomotive World Webinar
Nivoi interneta
Applications
Friends & Family
Likes & Hobbies
Content Consumed
Browsing
Search
JavniInternet
Healthcare
Banking Oil & Gas
Automotive
Retail
Public Sector BusinessApplications
Company-SpecificAnalytics
Internet za preduzeča
Vehicles
Meters
Medical Devices
City Cameras
Traffic Lights
Consumer Devices
Internet ofThings
Network of Things
Izvor: Cisco – Automotive World Webinar
Povezano vozilo je “Big data” problem
• Nova vozila generišu 5GB/sat podataka• 60M automobila proizvedeno svake godine• Ako se vozi 4 sata dnevno..
438 exabytes
Izvor: Intel– Atomotive World Webinar
Da li je to moguće?
Javni međugradski saobračaj
Koncept ideja za Kinu, 30 stanica između Peking iGuangzhou
5 min x 30 stanica = 2.5 sata!
Javni međugradski saobračaj
- MALCOLM X
"Budućnost pripada onima koji se za nju pripremaju danas."