목차
교통사고 줄이기
자동차 소유가 감소하고 있습니다
물류는 자동화를 향해 가속화되고 있습니다
도시 생활의 살기 적합성 향상
기술 주변기기 일체 포함 교통사고 감소, 도시 거주 적합성 향상, 자율주행의 '파도'가 다가오고 있습니다.

교통사고 감소, 도시 거주 적합성 향상, 자율주행의 '파도'가 다가오고 있습니다.

Apr 12, 2023 pm 12:58 PM
자율주행 운송 기호 논리학

자율주행차는 주변을 정확하게 지도화하고 주변 차량, 신호등, 보행자, 차선 표시 등의 위치와 실시간 상태를 모니터링할 수 있습니다. 현재 연구에 따르면 완전한 기능을 갖춘 안전한 자율 주행 자동차를 달성하려면 이러한 각 하위 시스템에 대한 상당한 개선이 여전히 필요하지만, 이러한 획기적인 개선이 달성되면 사람들은 자동차 작동 방식을 바꿀 뿐만 아니라 다음과 같은 사실을 발견하게 될 것입니다. 그 의미는 자율주행차를 훨씬 넘어서는 것입니다. 미국 격주 웹사이트 포브스(Forbes)는 최근 보고서에서 자율주행차가 미래 세상을 어떻게 변화시킬 것인지 네 가지 방식으로 전망했다.

교통사고 감소, 도시 거주 적합성 향상, 자율주행의 '파도'가 다가오고 있습니다.

교통사고 줄이기

세계보건기구(WHO)가 제공한 데이터에 따르면 매년 전 세계적으로 약 130만 명이 교통사고로 사망하고, 2030년에는 이 숫자가 220만 명에 이를 것으로 예상됩니다. 이러한 사고의 대부분은 교통사고로 인해 발생합니다. 인간의 판단으로 인해 발생합니다. 또한 미국에서는 음주운전으로 인한 사고로 매일 약 32명이 사망하고 있으며, 이는 거의 45분마다 한 명이 사망한다는 의미입니다. 오늘날 도로 교통 부상은 전 세계적으로 8번째 사망 원인입니다.

자율주행차는 운전자 실수로 인한 교통사고를 예방하고 음주운전, 악의적 운전 및 기타 행위의 발생을 줄일 수 있습니다. 자율주행차 본체에 장착된 센서와 카메라는 전방 상황, 악천후, 특정 방향으로 향하는 다른 차량의 가능성 등을 감지하는 데 도움이 됩니다. 구글 모회사인 알파벳의 자율주행차 자회사 웨이모(Waymo)는 5세대 자율주행차에 라이다(LiDAR), 360도 카메라 등 보조 센서를 탑재했다. 시간 및 기타 유사한 요인이 운전 조건을 조정합니다.

자율주행차가 주요 교통수단이 된다면 교통사고 사망자 수는 94% 감소할 것입니다. 외국 기관의 연구에 따르면 미국 도로의 자동차 중 90%가 자율주행차로 전환되면 사망자 수가 연간 33,000명에서 11,300명으로 감소할 것으로 나타났습니다.

자동차 소유가 감소하고 있습니다

자동차를 소유하는 데는 매년 많은 비용이 들지만, 대부분의 자동차는 대부분의 시간을 주차장에 조용히 앉아 있습니다.

미래에 대부분의 자율주행차는 주로 공유 차량 회사가 소유한 공유 차량으로 운행될 가능성이 높습니다. 결과적으로 자동차 소유자 수가 줄어들어 교통 문제를 줄이고 불필요한 주차 공간을 절약하는 데 도움이 됩니다. 컨설팅 회사인 McKinsey는 자율주행차가 미국에서 약 610억 평방피트의 주차 공간을 절약할 것으로 추정합니다.

자가 운전 자동차를 사용하면 사용자가 자동차 구매 비용을 절약할 수도 있습니다. 전국 자동차 딜러 협회(National Association of Automobile Dealers)의 데이터에 따르면 미국인의 새 차 평균 가격은 약 30,000달러입니다. 미국 자동차 전문 조사업체 IHS는 2035년이면 자율주행 기술이 사람의 조종이 전혀 필요하지 않은 수준에 도달하고 가격도 3000달러까지 더 떨어질 것으로 내다봤다.

미시간 대학 교통 연구소에서 제공한 데이터에 따르면 자율 주행 자동차가 채택되면 미국 내 자동차 수가 최대 43%까지 감소할 것으로 나타났습니다. 미국 스탠퍼드대 컴퓨터 전문가 세바스찬 쓰룬(Sebastian Thrun)도 자율주행차가 주류로 자리잡으면 도로에 필요한 자동차는 전체의 30%에 불과할 것이라고 지적했다.

자율주행차는 운행 효율성을 높이는 것 외에도 가속, 제동, 변속 측면에서 최적화되어 있기 때문에 연비와 차량 활용 효율성도 향상됩니다. 2050년까지 도시 차량 이용 비용은 40% 감소할 것으로 예상된다.

물류는 자동화를 향해 가속화되고 있습니다

미래에는 자율주행차를 이용해 음식과 패키지를 배달할 수도 있습니다. 자율주행차를 통해 기업은 고객의 요구를 빠르고 원활하게 충족할 수 있습니다. 자율주행차와 반자율주행 트럭에는 물체와 주소를 식별하기 위한 다양한 특수 센서와 카메라가 장착될 수 있습니다.

예를 들어 Uber는 UberEats를 통해 음식 배달 산업에 성공적으로 진출했으며 General Motors의 자회사인 Cruise Automation도 DoorDash와 협력하여 자율 주행 음식 배달을 모색하기 시작했습니다. 또한 미 육군은 분쟁 지역에 식량, 연료, 보급품을 전달할 수 있는 자율주행 탱크와 자율주행 차량을 개발하고 있으며, 미 해군도 선박의 화재를 진압할 수 있는 자율주행 차량을 개발하고 있다.

도시 생활의 살기 적합성 향상

대기 중 이산화탄소 농도는 2022년 421ppm으로 측정되었으며, 이는 산업화 이전 수준보다 50% 높은 수치입니다. 미국에서는 승용차에서 배출되는 온실가스 배출량이 전체 온실가스 배출량의 약 16.4%를 차지합니다.

자율주행차가 점진적으로 출시되면서 도로 위의 차량 수가 크게 줄어들어 온실가스 배출을 줄이고 사람들이 더 신선한 공기를 마실 수 있게 되었습니다. 컨설팅 회사인 McKinsey는 자율주행차가 연간 3억 톤의 온실가스 배출을 줄이는 데 도움이 될 것이라고 예측합니다. 이는 항공 산업의 이산화탄소 배출량의 절반에 해당합니다. KPMG 보고서에 따르면 자율주행차는 자동차를 수용할 수 있는 고속도로 용량을 5배 늘릴 수 있습니다. 텍사스 대학교 오스틴 캠퍼스의 연구에 따르면 자율주행차 1대는 기존 차량 11대를 대체할 수 있고 주행거리를 ​​10% 이상 늘릴 수 있는 것으로 나타났습니다. 이는 차량 공유를 기반으로 한 차량호출이나 택시가 교통 혼잡과 환경 악화를 크게 줄이고 도시의 거주 적합성을 크게 향상한다는 것을 의미합니다.

자율주행의 물결은 이미 우리를 향해 몰려오고 있습니다! 보스턴 컨설팅 그룹(Boston Consulting Group)은 2035년까지 완전 자율주행차가 전 세계 신차 판매량의 거의 4분의 1을 차지할 것이며 특정 시나리오에서 더 많은 자율주행차가 사용될 것이라고 예측합니다. 자율주행은 사람들의 삶에 이렇게 큰 변화를 가져올 것입니다. 기대해볼 만하지 않나요?

위 내용은 교통사고 감소, 도시 거주 적합성 향상, 자율주행의 '파도'가 다가오고 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25 : Myrise에서 모든 것을 잠금 해제하는 방법
1 몇 달 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? 자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? Jan 17, 2024 pm 02:57 PM

위에 작성됨 및 저자의 개인적인 이해 3DGS(3차원 가우스플래팅)는 최근 몇 년간 명시적 방사선장 및 컴퓨터 그래픽 분야에서 등장한 혁신적인 기술입니다. 이 혁신적인 방법은 수백만 개의 3D 가우스를 사용하는 것이 특징이며, 이는 주로 암시적 좌표 기반 모델을 사용하여 공간 좌표를 픽셀 값에 매핑하는 NeRF(Neural Radiation Field) 방법과 매우 다릅니다. 명시적인 장면 표현과 미분 가능한 렌더링 알고리즘을 갖춘 3DGS는 실시간 렌더링 기능을 보장할 뿐만 아니라 전례 없는 수준의 제어 및 장면 편집 기능을 제공합니다. 이는 3DGS를 차세대 3D 재구성 및 표현을 위한 잠재적인 게임 체인저로 자리매김합니다. 이를 위해 우리는 처음으로 3DGS 분야의 최신 개발 및 관심사에 대한 체계적인 개요를 제공합니다.

자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? 자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? Jun 02, 2024 pm 02:44 PM

어제 인터뷰 도중 롱테일 관련 질문을 해본 적이 있느냐는 질문을 받아서 간략하게 요약해볼까 생각했습니다. 자율주행의 롱테일 문제는 자율주행차의 엣지 케이스, 즉 발생 확률이 낮은 가능한 시나리오를 말한다. 인지된 롱테일 문제는 현재 단일 차량 지능형 자율주행차의 운영 설계 영역을 제한하는 주요 이유 중 하나입니다. 자율주행의 기본 아키텍처와 대부분의 기술적인 문제는 해결되었으며, 나머지 5%의 롱테일 문제는 점차 자율주행 발전을 제한하는 핵심이 되었습니다. 이러한 문제에는 다양한 단편적인 시나리오, 극단적인 상황, 예측할 수 없는 인간 행동이 포함됩니다. 자율 주행에서 엣지 시나리오의 "롱테일"은 자율주행차(AV)의 엣지 케이스를 의미하며 발생 확률이 낮은 가능한 시나리오입니다. 이런 희귀한 사건

카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 Jan 26, 2024 am 11:18 AM

0. 전면 작성&& 자율주행 시스템은 다양한 센서(예: 카메라, 라이더, 레이더 등)를 사용하여 주변 환경을 인식하고 알고리즘과 모델을 사용하는 고급 인식, 의사결정 및 제어 기술에 의존한다는 개인적인 이해 실시간 분석과 의사결정을 위해 이를 통해 차량은 도로 표지판을 인식하고, 다른 차량을 감지 및 추적하며, 보행자 행동을 예측하는 등 복잡한 교통 환경에 안전하게 작동하고 적응할 수 있게 되므로 현재 널리 주목받고 있으며 미래 교통의 중요한 발전 분야로 간주됩니다. . 하나. 하지만 자율주행을 어렵게 만드는 것은 자동차가 주변에서 일어나는 일을 어떻게 이해할 수 있는지 알아내는 것입니다. 이를 위해서는 자율주행 시스템의 3차원 객체 감지 알고리즘이 주변 환경의 객체의 위치를 ​​포함하여 정확하게 인지하고 묘사할 수 있어야 하며,

좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 Oct 12, 2023 am 11:21 AM

첫 번째 파일럿 및 주요 기사에서는 주로 자율 주행 기술에서 일반적으로 사용되는 여러 좌표계를 소개하고 이들 간의 상관 관계 및 변환을 완료하고 최종적으로 통합 환경 모델을 구축하는 방법을 소개합니다. 여기서 초점은 차량에서 카메라 강체로의 변환(외부 매개변수), 카메라에서 이미지로의 변환(내부 매개변수), 이미지에서 픽셀 단위로의 변환을 이해하는 것입니다. 3D에서 2D로의 변환에는 해당 왜곡, 변환 등이 포함됩니다. 요점: 차량 좌표계와 카메라 본체 좌표계를 다시 작성해야 합니다. 평면 좌표계와 픽셀 좌표계 난이도: 이미지 평면에서 왜곡 제거와 왜곡 추가를 모두 고려해야 합니다. 2. 소개 좌표계에는 픽셀 평면 좌표계(u, v), 이미지 좌표계(x, y), 카메라 좌표계(), 월드 좌표계() 등 총 4가지 비전 시스템이 있습니다. 각 좌표계 사이에는 관계가 있으며,

자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! 자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! Feb 28, 2024 pm 07:20 PM

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 Feb 20, 2024 am 11:48 AM

원제목: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 논문 링크: https://arxiv.org/pdf/2402.02519.pdf 코드 링크: https://github.com/HKUST-Aerial-Robotics/SIMPL 저자 단위: Hong Kong University of Science 및 기술 DJI 논문 아이디어: 이 논문은 자율주행차를 위한 간단하고 효율적인 모션 예측 기준선(SIMPL)을 제안합니다. 기존 에이전트 센트와 비교

nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! Apr 17, 2024 pm 06:22 PM

전면 및 시작점 작성 엔드 투 엔드 패러다임은 통합 프레임워크를 사용하여 자율 주행 시스템에서 멀티 태스킹을 달성합니다. 이 패러다임의 단순성과 명확성에도 불구하고 하위 작업에 대한 엔드투엔드 자율 주행 방법의 성능은 여전히 ​​단일 작업 방법보다 훨씬 뒤떨어져 있습니다. 동시에 이전 엔드투엔드 방법에서 널리 사용된 조밀한 조감도(BEV) 기능으로 인해 더 많은 양식이나 작업으로 확장하기가 어렵습니다. 여기서는 희소 검색 중심의 엔드 투 엔드 자율 주행 패러다임(SparseAD)이 제안됩니다. 여기서 희소 검색은 밀집된 BEV 표현 없이 공간, 시간 및 작업을 포함한 전체 운전 시나리오를 완전히 나타냅니다. 특히 통합 스파스 아키텍처는 탐지, 추적, 온라인 매핑을 포함한 작업 인식을 위해 설계되었습니다. 게다가 무겁다.

FisheyeDetNet: 어안 카메라를 기반으로 한 최초의 표적 탐지 알고리즘 FisheyeDetNet: 어안 카메라를 기반으로 한 최초의 표적 탐지 알고리즘 Apr 26, 2024 am 11:37 AM

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

See all articles