همکاری فورد و دانشگاه MIT برای ساخت خودروی اتوماتیک

این خودرو ها باعث بهبود حمل‌ و نقل عمومی خواهند شد

طراحی این خودروها به طوری انجام شده است که حضور و عبور آن‌ها در پیاده‌ رو باعث تداخل در حرکت عابرین پیاده نخواهد شد و فضای کافی برای عبور و مرور آن‌ها وجود خواهد داشت.

  1. ۴ ماه قبل
  2. ۰
mit&ford
نوآوران -

پس از توسعه‌ و استفاده‌ی فورد از LiDAR یا رادار لیزری در خودروی خودران آزمایشی فیوژن که به واسطه‌ی آن نتایج خوبی در شرایط برفی و هم‌چنین در شب بدست آمد، این خودروساز آمریکایی تصمیم گرفته است برای توسعه‌ی بیشتر این فناوری طی پروژه‌‌ای کاربردی با موسسه فناوری ماساچوست یا همان MIT همکاری کند.

در این پروژه قرار است با بررسی میزان عبور و مرور مردم در قسمت‌های مختلف خیابان؛ کیفیت سرویس‌های ارائه شده توسط خودروهای حمل‌ونقل عمومی بهبود یابد. علاوه بر این، ناوگانی از خودروهای الکتریکی نیز به عنوان قسمتی از این برنامه در خیابان‌ها و هم‌چنین محوطه دانشگاه MIT حضور خواهند داشت.

خودروهای الکتریکی استفاده شده در این برنامه، می‌توانند با استفاده از سنسور LiDAR و دوربین‌های ارزان قیمت مسیر خود را در میان مناطق پرجمعیت پیدا کنند. استفاده از این فناوری‌ها باعث می‌شود محققین بتوانند در هر لحظه نقاطی را که نیاز بیشتری به حضور این خودروهای الکتریکی دارند، پیدا کرده و خودرو را به آن نقاط برسانند. به این ترتیب این امکان فراهم می‌شود تا از وسایل حمل‌ونقل با بالاترین بازده استفاده گردد.

این طرح قرار است به طور آزمایشی از ماه سپتامبر برای دانشجویان و در محوطه‌ی دانشگاه MIT در دسترس باشد. آن‌ها می‌توانند با کمک برنامه‌ای بر روی گوشی‌های هوشمند خود موقعیت فعلی و مقصد خود را به اطلاع سرور‌های مرکزی برسانند و سرور نیز با محاسبه مسیر، نزدیک‌ترین خودرو را به درخواست‌دهنده خواهد رساند. سپس خودرویی که به صورت خودران مسیر خود را تا کاربر پیموده است، او را از به صرفه‌ترین مسیر موجود به مقصد می‌رساند.

طراحی این خودروها به گونه‌ای انجام شده است که حضور و عبور آن‌ها در پیاده‌رو باعث اختلال در حرکت عابرین پیاده نخواهد شد و فضای کافی برای عبور و مرور آن‌ها وجود خواهد داشت.

کن واشنگتن، معاون تحقیقات و مهندسی پیشرفته‌ی فورد درباره این خودروها می‌گوید:

وجود دوربین‌ها و سنسورها به ما کمک می‌کند بتوانیم با بررسی شدت ترافیک انسانی در مناطق مختلف، الگوریتم‌هایی را طراحی کنیم که بتوان با آن به نتایجی کاربردی و قابل‌فهم دست پیدا کرد. این داده‌ها کمک می‌کند بتوانیم کاربری خودروهای الکتریکی که در سطح شهر برای خدمت‌رسانی قرار داده شده‌اند را بهبود بخشیم و هم‌چنین با بررسی حرکات عابرین و تشخیص حضور آن‌ها در مسیر خودرو، به فناوری‌های مرتبط با خودروهای خودروان نیز کمک کنیم.