Ang urban driving automation at highway driving automation ay kumakatawan sa dalawang magkaibang hamon sa autonomous transportation. Ang mga sistemang urban ay dapat mag-navigate sa siksikang trapiko, mga naglalakad, at mga kumplikadong interseksyon, habang ang mga sistema ng highway ay gumagana sa mas nakabalangkas na mga kapaligiran na may mas mataas na bilis ngunit mas kaunting hindi mahuhulaan na mga interaksyon. Ang bawat isa ay nangangailangan ng iba't ibang teknolohiya, mga diskarte sa kaligtasan, at mga antas ng pagiging kumplikado ng paggawa ng desisyon.
Mga autonomous driving system na idinisenyo upang gumana sa mga lungsod na may masalimuot na padron ng trapiko, mga naglalakad, siklista, at mga madalas na interseksyon.
Ang mga autonomous system ay nakatuon sa mga controlled-access roads kung saan ang trapiko ay dumadaloy sa mahuhulaang direksyon sa mas mataas na bilis.
| Tampok | Awtomasyon sa Pagmamaneho sa Lungsod | Awtomasyon sa Pagmamaneho sa Haywey |
|---|---|---|
| Kapaligiran sa Operasyon | Masikip na mga kalye sa lungsod | Mga kontroladong highway |
| Komplikasyon ng Trapiko | Napakataas | Katamtaman |
| Karaniwang Bilis | Mas mababang bilis | Mas mataas na bilis |
| Interaksyon ng mga Naglalakad | Madalas | Bihira |
| Pamamahala ng Interseksyon | Kritikal na kinakailangan | Minimum na kinakailangan |
| Dalas ng Pagdedesisyon | Labis na madalas | Mas mahuhulaan |
| Mga Pagbabago sa Lane | Komplikado at madalas | Nakabalangkas at nakaplano |
| Kahirapan sa Pag-deploy | Mas mataas | Mas mababa |
Ang mga lansangan sa lungsod ay nagpapakita ng napakaraming iba't ibang sitwasyon na kailangang maunawaan ng mga autonomous system. Ang mga sasakyan ay nakakasalubong ng mga naglalakad na tumatawid nang hindi inaasahan, mga siklista na humaharang sa trapiko, mga sasakyang panghatid na biglang humihinto, at nagbabagong mga padron ng trapiko. Ang mga haywey ay medyo nakabalangkas, na may mga sasakyang gumagalaw sa parehong direksyon at mas kaunting hindi inaasahang mga balakid.
Ang urban automation sa pangkalahatan ay gumagana sa mas mababang bilis, na maaaring magbigay ng mas maraming oras ng reaksyon. Gayunpaman, dapat itong gumawa ng mas malaking bilang ng mga desisyon sa bawat milyang nilakbay. Ang highway automation ay humaharap sa mas kaunting mga desisyon sa pangkalahatan ngunit dapat itong gawin nang tumpak sa mas mataas na bilis.
Ang kaligtasan sa lungsod ay lubos na nakatuon sa pagprotekta sa mga mahihinang gumagamit ng kalsada at pag-navigate sa mga kumplikadong interaksyon. Ang kaligtasan sa haywey ay nakasentro sa pagpapanatili ng ligtas na distansya sa pagsunod, paghawak sa mga pagbabago sa linya, pamamahala ng mga pag-ikot, at pagtugon sa mga insidente sa mabibilis na sasakyan kung saan mas mahaba ang distansya ng paghinto.
Ang mga sistemang urbano ay nangangailangan ng sopistikadong kakayahan sa persepsyon at prediksyon dahil kailangan nilang bigyang-kahulugan ang hindi mabilang na natatanging mga sitwasyon. Ang mga sistema ng haywey ay naglalagay ng higit na diin sa pagsubaybay sa lane, pagtukoy ng sasakyan sa malalayong distansya, regulasyon ng bilis, at maaasahang kontrol sa panahon ng matagalang panahon ng awtomatikong operasyon.
Maraming mga tampok ng automated driving na magagamit ngayon ang pinakamahusay na gumagana sa mga highway dahil mas nahuhulaan ang kapaligiran. Ang ganap na autonomous urban driving ay nananatiling isa sa mga pinakamahirap na layunin sa teknolohiya ng transportasyon dahil sa napakaraming iba't ibang mga senaryo sa lungsod sa totoong mundo.
Ang automation sa haywey ay simpleng automation sa lungsod sa mas matataas na bilis.
Ang dalawang kapaligirang ito ay nagpapakita ng magkaibang hamon. Ang mga sistema ng haywey ay nakatuon sa bilis at pamamahala ng linya, habang ang mga sistemang urbano ay dapat na nauunawaan ang mas malawak na hanay ng mga interaksyon at pag-uugali.
Mas madali ang pagmamaneho sa lungsod dahil mas mabagal ang takbo ng mga sasakyan.
Hindi naman kinakailangang mapadali ng mas mababang bilis ang gawain. Ang mga lungsod ay nangangailangan ng patuloy na interpretasyon ng mga kumplikadong sitwasyon na kinasasangkutan ng maraming iba't ibang gumagamit ng kalsada.
Ang mga haywey ay ganap na ligtas para sa automation.
Binabawasan ng mga haywey ang ilang hamon ngunit nagdudulot ito ng iba, kabilang ang mga banggaan sa mabibilis na bilis, biglaang pagpapalit ng lane, at mga kumplikadong sitwasyon ng pagsasama-sama ng mga kalsada.
Ang mga autonomous na sasakyan ay nangangailangan lamang ng mga camera para sa pagmamaneho sa lungsod.
Karamihan sa mga advanced na sistema ay gumagamit ng maraming teknolohiya ng sensing at mga layer ng software upang mapabuti ang kamalayan at pagiging maaasahan sa mga kumplikadong kapaligiran.
Kapag ang isang sasakyan ay maaari nang magmaneho sa mga haywey, nagiging madali na ang pagmamaneho sa lungsod.
Itinuturing ng maraming eksperto na mas mahirap ang awtonomiya sa lungsod dahil sa pagkakaiba-iba at hindi mahuhulaan na mga kondisyon ng trapiko sa lungsod.
Karaniwang mas madaling ipatupad ang automation sa pagmamaneho sa haywey dahil ang mga kalsada ay nakabalangkas at ang mga interaksyon ay mas nahuhulaan. Ang automation sa pagmamaneho sa lungsod ay nahaharap sa mas malaking komplikasyon dahil sa siksik na trapiko, mga mahihinang gumagamit ng kalsada, at patuloy na nagbabagong mga kondisyon. Bagama't pareho silang mahahalagang bahagi ng autonomous na transportasyon, ang automation sa lungsod ay nananatiling mas teknikal na hamon.
Ang autonomous navigation ay umaasa sa mga sensor, software, at artificial intelligence upang ilipat ang mga sasakyan nang may kaunti o walang input ng tao, habang ang human-guided navigation ay nakasalalay sa paghatol, karanasan, at paggawa ng desisyon ng isang tao. Ang parehong pamamaraan ay may mga kalakasan, kung saan ang automation ay nag-aalok ng consistency at scalability habang ang patnubay ng tao ay nagbibigay ng adaptation at contextual understanding.
Ang datos sa pagmamaneho sa totoong mundo ay nagmumula sa mga sensor at recording sa aktwal na mga kondisyon ng trapiko, habang ang kunwaring datos sa pagmamaneho ay nabubuo sa mga virtual na kapaligiran na idinisenyo upang gayahin ang mga kalsada, trapiko, at mga edge case. Pareho silang mahalaga para sa pagbuo ng mga autonomous driving system, ngunit magkaiba sila sa realismo, scalability, gastos, at kung gaano kaligtas ang pagkuha ng mga ito ng mga bihira o mapanganib na senaryo sa pagmamaneho.
Ang digital na imprastraktura ng paglalakbay ay umaasa sa mga app, serbisyo sa cloud, GPS, at real-time na data upang matulungan ang mga manlalakbay na magplano, mag-navigate, at iakma ang kanilang mga paglalakbay agad-agad, habang ang tradisyonal na imprastraktura ng paglalakbay ay itinayo sa mga pisikal na sistema tulad ng mga kalsada, riles, paliparan, at istasyon. Parehong nagtutulungan, ngunit ang isa ay nakatuon sa daloy ng impormasyon at ang isa naman ay sa pisikal na paggalaw.
Ang eco-driving at sport driving ay kumakatawan sa dalawang magkasalungat na pamamaraan sa pagpapatakbo ng sasakyan. Ang eco-driving ay nakatuon sa maayos na acceleration, fuel efficiency, at nabawasang emissions, kaya mainam ito para sa matipid na pang-araw-araw na paglalakbay. Ang sport driving ay inuuna ang bilis, kakayahang tumugon, at excitement, na kadalasang nagpapataas ng konsumo ng gasolina at mechanical stress kapalit ng mas dynamic na karanasan sa pagmamaneho.
Ang pagpili sa pagitan ng high-speed rail at paglipad ay kadalasang nakasalalay sa kabuuang oras ng paglalakbay mula pinto hanggang pinto at personal na kaginhawahan. Bagama't nangingibabaw ang mga eroplano sa mga malayuang rutang transcontinental, madalas na natatalo ng mga modernong tren ang paglalakbay sa himpapawid sa mga biyaheng nasa katamtamang distansya sa pamamagitan ng pag-aalis ng mahahabang pila sa seguridad sa paliparan at paglalagay ng mga pasahero nang direkta sa puso ng lungsod.
