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?

Video: Connected car

• https://youtu.be/lZ0swPoekmY

Da li je to moguće?

Video: BMW i3

• https://youtu.be/l4ZroLc2BEQ

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?

Video: Audi

• https://youtu.be/Z7QXAebLmd0

Javni međugradski saobračaj

Koncept ideja za Kinu, 30 stanica između Peking iGuangzhou

5 min x 30 stanica = 2.5 sata!

Javni međugradski saobračaj

Video: Hyperloop

• https://youtu.be/GiYb_0wOWqY

- MALCOLM X

"Budućnost pripada onima koji se za nju pripremaju danas."