Strategická výzkumná oblast pokročilých asistenčních systémů řidiče (ADAS) a autonomního řízení se soustředí na vývoj a integraci sofistikovaných technologií, které zvyšují bezpečnost, efektivitu a pohodlí při řízení motorových vozidel. Tato oblast klade důraz na propojení mezi řidičem, vozidlem a dopravním prostředím za účelem vytvoření inteligentnějších, bezpečnějších a více autonomních dopravních systémů.
Pokročilé asistenční systémy řidiče (ADAS): Tyto systémy zahrnují širokou paletu funkcí, od adaptivního tempomatu, přes systémy varování před opuštěním jízdního pruhu, až po autonomní brzdění v případě nouze. Výzkum se zaměřuje na zdokonalení senzorických a výpočetních technologií, jako jsou kamery, radar, lidar a umělá inteligence, které společně pracují na zpracování komplexních datových sad v reálném čase a umožňují vozidlu rozpoznat a reagovat na různé dopravní situace.
Autonomní řízení: Autonomní vozidla jsou navržena tak, aby se pohybovala bez přímého lidského zásahu, což vyžaduje pokročilé ADAS a další technologie, jako je strojové učení a podrobné mapování. Výzkum v této oblasti se soustředí na vývoj algoritmů pro plánování trasy, rozhodování a navigaci v různorodých a nepředvídatelných prostředích. Zahrnuje také práci na komunikaci mezi vozidly (V2V) a infrastrukturou (V2I), což umožňuje vozidlům vzájemně sdílet informace a koordinovat své akce pro zvýšení bezpečnosti a plynulosti dopravy.
Tato výzkumná oblast představuje klíčový prvek v budoucím vývoji inteligentních dopravních systémů a je nezbytná pro dosažení cílů v oblasti bezpečnosti, udržitelnosti a efektivity dopravy. Vyžaduje multidisciplinární přístup a spolupráci mezi akademickým sektorem, automobilovým průmyslem, vývojáři softwaru a legislativními orgány.
Cílem výzkumu v oblasti autonomních vozidel jsou různé úrovně autonomie. Vývoj se zabývá programováním základních ADAS systémů až po subsystémy a celky řídicích algoritmů autonomních vozidel. Nedílnou součástí řídicích algoritmů je programování AI a je jí odnože jako je DNN, které jsou zapotřebí v různých výzkumných oblastech autonomního řízení jako je detekce objektů, jízdních pruhů, značek, křižovatek, plánování trajektorie atd. Aby bylo možné testovat řídicí algoritmy tak jsou vyvíjeny výpočtové modely vozidel, které jsou potom spojeny ve smyčce v rámci různých typů testování jako je MIL – Modle in the Loop, SIL – Software in the Loop, HIL – Hardware in the Loop, VIL Vehicle in the Loop nebo SCIL – Scenario-In-The-Loop. Výzkum je také zaměřen na oblast virtuálního světa, který je úzce spojen s testováním tak, aby bylo možné autonomní vozidlo simulovat s detailním virtuálním světem dopravní infrastruktury nahrazující reálné časti měst, vesnic, dálničních úseků v České republice ať z mapových podkladů nebo z realizovaných měření. S tím souvisí i tvorba scénářů a také testování V2X. Aby bylo možné vyvíjené systémy, které jsou výpočetně náročné z hlediska užití DNN, nasadit do experimentálních vozidel, je používán speciální ECU hardware určený pro autonomní řízení.
Digital Twins Software :
IPG CarMaker
GT Suite
Matlab/Simulink/RoadRunner
Matlab Web Server – MS SQL
Measuring system VECTOR + imc Software imc STUDIO FAMOS
BUSDAQflex-8
Signals - 25,000 variables at any time
EV CAN: Electric motor torque, regenerative quantities, torque gradient
CAN Antrieb: Longitudinal and lateral acceleration, rolling acceleration, ABS interventions, ESP, steering angle and gradient, accelerator position and gradient
Comfort CAN: Ambient and cabin temperature, Off-air intensity, Seat and steering wheel heating, HVAC flap position
FAS CAN (fahrerasistenz): Lane assist and front assist interventions, Distance from lines, Line crossing, Ambient light intensity
LTE modem Teltonika RUT 240
Realistic vehicle dynamics model
Realistic environment
Digital twin added into scenario based on real situations
Inteligent traffic monitoring
Suitable for autonomous functions and ADAS testing
Pokročilé asistenční systémy řidiče (ADAS) představují inteligentní bezpečnostní a komfortní technologie integrované do vozidla, jejichž cílem je zvýšit bezpečnost silničního provozu a snížit počet i závažnost dopravních nehod. Tyto systémy dokáží aktivně předcházet nehodám, zmírňovat jejich následky, automaticky varovat posádku i záchranné složky po kolizi, nebo aktivně zasáhnout do řízení vozidla v krizové situaci.
Z pohledu odborníků na bezpečnost lze ADAS vnímat jako sadu senzoricky řízených, často propojených funkcí, které pokrývají různé fáze potenciální nehody – od prevence a varování, přes zásah až po post-kolizní ochranu. ADAS systémy mohou být jak plně integrované do vozidla, tak propojené s infrastrukturou (např. V2X komunikace).
Obecně lze říci, že některé asistenční systémy mají primárně bezpečnostní charakter (např. automatické nouzové brzdění), zatímco jiné přispívají zejména ke zvýšení jízdního komfortu (např. adaptivní tempomat nebo parkovací asistent).
Automatické nouzové brzdění (AEB – Autonomous Emergency Braking)
Systém automaticky aktivuje brzdění při hrozící kolizi s překážkou (vozidlem, chodcem, cyklistou), pokud řidič nereaguje včas.
Adaptivní tempomat (ACC – Adaptive Cruise Control)
Udržuje nastavenou rychlost s ohledem na odstup od vpředu jedoucího vozidla; automaticky upravuje rychlost v závislosti na dopravní situaci.
Zpětný nouzový brzdový systém (Reverse AEB)
Detekuje překážky za vozidlem při couvání a v případě hrozící kolize aktivuje automatické brzdění.
Sledování mrtvého úhlu (BSD – Blind Spot Detection / BSM)
Upozorňuje řidiče na vozidla v mrtvém úhlu při změně jízdního pruhu, obvykle pomocí světelné signalizace ve zpětných zrcátkách.
Varování na provoz za vozidlem při couvání (RCTA – Rear Cross Traffic Alert)
Upozorňuje na příčná vozidla blížící se ze stran při couvání z parkovacího místa.
Varování před čelní srážkou (FCW – Forward Collision Warning)
Varuje řidiče zvukovým a vizuálním signálem při hrozící srážce s překážkou vpředu.
Inteligentní parkovací asistent (IPA – Intelligent Parking Assist)
Automaticky navádí vozidlo do parkovacího místa pomocí řízení (případně i plynu a brzdy), často na základě ultrazvukových a kamerových senzorů.
Asistenční systémy pro jízdu v jízdním pruhu
LDW (Lane Departure Warning) – upozornění na neúmyslné opuštění jízdního pruhu
LKA (Lane Keeping Assist) – aktivní zásahy do řízení pro udržení vozidla v jízdním pruhu
ELK (Emergency Lane Keeping) – nouzové vrácení vozidla do pruhu při riziku kolize
Varování před nárazem zezadu (Rear-End Collision Warning)
Systém varuje před rychle se přibližujícím vozidlem zezadu nebo při riziku srážky při stání v koloně.
Systém rozpoznávání dopravních značek (TSR – Traffic Sign Recognition)
Kamerový systém rozpoznává vybrané dopravní značky (např. rychlost, zákazy předjíždění) a zobrazuje je řidiči na přístrojovém panelu.
Asistent rychlosti (ISA – Intelligent Speed Assistance)
Upozorňuje na překročení povolené rychlosti nebo automaticky upravuje rychlost podle rozpoznané značky (v některých režimech zasahuje aktivně do akcelerace).
Simulation of Driver Assistance Systems
3D Reverse Engineering
Centre of Gravity - Inertia Moments
Unrealistic environment models
Gaps between simulation and reality
Missing onboard data from test tracks
Outdated and hard-to-update maps
Poor data quality increases testing effort
Hard to verify positioning accuracy
2 Rotating LiDAR Units
Frequency: 250 lines and 1.8 million points per second per unit
Accuracy: 3–5 mm
Range: up to 475 m3
Planar Cameras – 12 MP
Panoramic Camera – 6 × 5
MPGNSS/IMU System
GNSS antennas and odometer
Gyroscope + accelerometer
Control Unit
Data Storage – 16 TB