အလိုအလျောက်စင်ဆာများက မည်သို့ယာဉ်မောင်းခြင်းအခြေအနေကို ပိုမိုလုံခြုံစေပါသနည်း

အော်တိုဆင်ဆာများဖြင့် လူ့အမှားများကို လျော့နည်းစေခြင်း

အော်တိုဆင်ဆာများသည် မောင်းသူ၏ အာရုံပျံ့လွင့်မှုနှင့် ပင်ပန်းနွမ်းနပ်မှုကို မည်သို့လျော့နည်းစေသည်ကို နားလည်ခြင်း

ယနေ့ခေတ်ကားစင်ဆာများသည် မျက်လုံးများအတွက် အီးနီရောင်ခြည်နည်းပညာဖြင့် မောင်းသူများ၏ လုပ်ဆောင်မှုများကို ခြေရာခံခြင်းနှင့် ကားကို မည်သို့မောင်းနှင်နေသည်ကို ဆန်းစစ်ခြင်းဖြင့် ခြေရာခံပါသည်။ ကားသည် လမ်းကြောင်းများအကြား လှိမ့်ရာလိုက်ခြင်း (သို့) မျက်လုံးများကို အကြာကြီး မဖွင့်ဘဲ အိပ်ငိုက်နေခြင်းကဲ့သို့ အာရုံပြ рассိုက်ခြင်း (သို့) ပင်ပန်းနွမ်းနယ်နေခြင်း လက္ခဏာများကို စနစ်က သတိပြုမိပါက ၎င်းသည် အသံများဖြင့် အလိုအလျောက် အသိပေးခြင်း (သို့) ထိုင်ခုံကို တုန်ခါအောင်ပြုလုပ်ပေးပါမည်။ ၂၀၂၃ ခုနှစ်က NTSB ၏ လေ့လာမှုအချို့အရ ဒီလိုအသိပေးမှုမျိုးသည် ကုန်းလမ်းကုန်းရောင်း ကုမ္ပဏီကြီးများတွင် ပင်ပန်းနွမ်းနယ်မှုကြောင့် ဖြစ်ပေါ်သော မတော်တဆမှုများကို တတိယတစ်ပုံခန့် လျော့ကျစေပါသည်။ ကားများသည် အန္တရာယ်များကို အလိုအလျောက် စောင့်ကြည့်ပေးသည့်အခါ မောင်းသူများသည် ၎င်းတို့ဝန်းကျင်ရှိ အရာရာတိုင်းကို အလွန်အမင်း စဉ်းစားစေရန် မလိုအပ်တော့ပါ။ ဤသည်မှာ သူတို့၏ စိတ်ကို ပိုကောင်းသော လမ်းကြောင်းများကို ရှာဖွေခြင်း (သို့) ပြဿနာများ ပိုမိုဆိုးရွားလာမည့်အချိန်မတိုင်မီ ကြိုတင်သတိထားမိအောင် စူးစမ်းခြင်းကဲ့သို့ ပိုကြီးမားသော အရာများကို အာရုံစိုက်ရန် လွတ်မြောက်စေပါသည်။

အာရုံခံမှုကို မြှင့်တင်ခြင်းဖြင့် ဘေးကင်းရေးအတွက် အချိန်နှင့်တစ်ပြေးညီ ဒေတာဆန်းစစ်ခြင်း

ခေတ်မီ စီးနင်းကားများတွင် အသုံးပြုသည့် ဆင်ဆာများစုပေါင်းစနစ်များသည် တစ်စက္ကန့်လျှင် ၁၀၀၀ ကျော်သော အချက်အလက်များကို ကိုင်တွယ်နိုင်ပါသည်။ ၎င်းတို့သည် ကားများကြား အကွာအဝေး၊ အရာဝတ္ထုများ ရွေ့နေသည့် ဦးတည်ရာနှင့် လမ်းမျက်နှာပြင်ပေါ်တွင် ဘယ်လိုအတိုင်းအဆတ်ရှိသည်ကိုပါ ခြေရာခံနိုင်ပါသည်။ ဒါက လက်တွေ့အရ ဘာကိုဆိုလိုပါသလဲ။ ဤစနစ်များသည် ၂၀၀ မီလီစက္ကန့်ခန့်အတွင်း အခြေအနေများကို တုံ့ပြန်နိုင်ပါသည်။ ၂၀၂၃ ခုနှစ်က Society of Automotive Engineers ၏ သုတေသနအရ လမ်းပေါ်တွင် မျှော်လင့်မထားသည့် အဖြစ်အပျက်တစ်ခုခု ဖြစ်ပွားပါက လူအများစု၏ တုံ့ပြန်နှုန်းထက် ၁၂ ဆခန့် ပိုမြန်ပါသည်။ နောက်တစ်ခုအနေဖြင့် အလိုအလျောက် မီးများကို ဥပမာပေးပါမည်။ ဤဉာဏ်ရည်မြင့် မီးများသည် ကား၏ လမ်းကွေ့ဦးတည်ရာနှင့် GPS တည်နေရာ အချက်အလက်များကို ကြည့်၍ လမ်းကွေ့များတွင် လူသားတစ်ဦးက ကိုယ်တိုင် ချိန်ညှိရပါက ရရှိမည့်အချိန်ထက် စက္ကန့်၏ တစ်ဝက်ခန့် စော၍ မီးများကို ဖွင့်ပေးပါသည်။ အချို့သော လေ့လာမှုများအရ ဤနည်းပညာသည် ညအချိန် လမ်းမှ ကားများ ထွက်သွားခြင်းကဲ့သို့ အန္တရာယ်ရှိသည့် မတော်တဆ ဖြစ်စဉ်များကို လေးပုံတစ်ပုံခန့် လျော့ကျစေနိုင်သည်ဟု ဆိုပါသည်။

ဥပမာလေ့လာမှု - အချိန်နှင့်တစီးတစား အန္တရာယ်ကို ခွဲခြားသတိပေးနိုင်မှုကြောင့် နောက်ဘီးတိုက်မှုများ လျော့နည်းလာခြင်း

2023 ခုနှစ်တွင် အာမခံထားသော ယာဉ် ၅၀၀,၀၀၀ ကို ဆန်းစစ်လေ့လာမှုအရ တိုက်မှုကို ကြိုတင်သတိပေးသည့် စနစ်များ တပ်ဆင်ထားသော ယာဉ်များသည် မတပ်ဆင်ထားသော ယာဉ်များနှင့် နှိုင်းယှဉ်ပါက ရပ်တန့်-သွားလာမှု အခြေအနေများတွင် နောက်ဘီးတိုက်မှု ၄၅% နည်းပါးကြောင်း တွေ့ရှိခဲ့ရပါသည် (Insurance Institute for Highway Safety)။ ဒွိ ရေဒါ-ကင်မရာစနစ်သည် ရှေ့ယာဉ်များ၏ ရုတ်တရက် နှေးကွေးမှုကို ခွဲခြားသိရှိနိုင်ပြီး လူသား၏ သတိထက် ၁.၂ စက္ကန့် စော၍ သတိပေးမှုများ ပေးပို့နိုင်ပါသည်။

ဝေဖန်မှု ဆန်းစစ်ချက် - အလိုအလျောက် စီန်ဆာများအပေါ် အလွန်အမင်း မှီခိုမှုနှင့် ယာဉ်မောင်း၏ အာရုံစူးစိုက်မှု လျော့နည်းလာခြင်း

စင်ဆာနည်းပညာက လမ်းပေါ်မှာ ပိုတောင်းဘေးကင်းစေပေမယ့် အလိုအလျောက်စနစ်တွေကို ယုံကြည်မှုအလွန်ကြီးလာတဲ့အခါ အန္တရာယ်တစ်ခု ရှိနေပါတယ်။ မကြာသေးမီက လွန်ခဲ့သောနှစ်က လေ့လာမှုတစ်ခုအရ အဆင့်မြင့် မောင်းနှင်သူအကူအညီစနစ် (ADAS) တပ်ဆင်ထားသော ယာဉ်မောင်းများထဲမှ ယာဉ်မောင်းသုံးယောက်လျှင် တစ်ယောက်ခန့်သည် အမြန်လမ်းပေါ်တွင် ယာဉ်မောင်းနေစဉ် ဖုန်းတွင် အခြားအလုပ်များကို လုပ်နေကြပါသည်။ Stanford တက္ကသိုလ်ကလည်း စိတ်ဝင်စားဖွယ် စမ်းသပ်မှုများ ပြုလုပ်ခဲ့ပြီး လမ်းကြောင်းထိန်းသိမ်းမှုအကူအညီကို အသုံးပြုကျွမ်းကျင်နေသော သူများသည် စနစ်ကို ရုတ်တရက် အလုပ်မလုပ်တော့ပါက ပုံမှန်တုံ့ပြန်မှုကို ပြန်လည်ရယူရန် အချိန် ၂၀ ရာခိုင်နှုန်းခန့် ပိုကြာကြောင်း တွေ့ရှိခဲ့ပါသည်။ ဤရလဒ်များသည် ဤနည်းပညာများကို အသုံးပြုရာတွင် မမေ့သင့်သော အရေးကြီးအချက်တစ်ခုကို ညွှန်ပြနေပါသည်။ ကျွန်ုပ်တို့သည် ယာဉ်မောင်း၏ အာရုံစူးစိုက်မှုနှင့် ဆုံးဖြတ်ချက်ကို အပြည့်အဝ အစားထိုးရန် ကြိုးပမ်းခြင်းထက် ယာဉ်မောင်းများကို ကူညီပေးသော ကိရိယာများအဖြစ် ဦးတည်ရမည်ဖြစ်ပါသည်။

အဆင့်မြင့် မောင်းနှင်သူအကူအညီစနစ်များ (ADAS) တွင် အဓိက အသုံးပြုသော အားတိုးစင်ဆာနည်းပညာများ

ကာကွယ်ရေး လုံခြုံရေးအရေးယူမှုများအတွက် ADAS စနစ်များတွင် အားတိုးစင်ဆာများ ပေါင်းစပ်ခြင်း

ခေတ်မီသော အဆင့်မြင့် ယာဉ်မောင်းလမ်းညွှန်စနစ်များသည် ရေဒါ၊ LiDAR နည်းပညာနှင့် ကျွန်ုပ်တို့ မကြာခဏ မေ့လျော့လေ့ရှိသော အာထရာဆော်နစ် စင်ဆာများကို ပေါင်းစပ်ထားသည့် ရှုပ်ထွေးသော စင်ဆာကွန်ရက်များအပေါ် အလွန်မှီခိုနေပါသည်။ ဤကွဲပြားသော အစိတ်အပိုင်းအားလုံးသည် ယာဉ်များအား အချိန်နှင့်တစ်ပြေးညီ ၎င်းတို့ဝန်းကျင်ရှိ အခြေအနေများကို အပြည့်အဝ သိရှိနိုင်စေရန် ပူးပေါင်းလုပ်ဆောင်ပေးပါသည်။ ဤစနစ်သည် ဒေတာအမှတ်အသား ၃၀ ကျော်ကို တစက္ကန့်လျှင် တစ်ကြိမ်နှုန်းဖြင့် စုစည်းတွက်ချက်နိုင်သည့် ဗဟိုစုစည်းမှု ယူနစ်များသို့ ဤအချက်အလက်အားလုံးကို ပို့ဆောင်ပေးပါသည်။ ဤအချက်သည် အရေးပေါ်အခြေအနေများတွင် အလိုအလျောက် ဘရိတ်ဖြင့် ရပ်တန့်နိုင်ခြင်းနှင့် ယာဉ်များ လမ်းမှ မျှော်လင့်မထားဘဲ ထွက်ပြေးမသွားစေရန် ကူညီပေးနိုင်ပါသည်။ ၂၀၂၅ ခုနှစ်၏ အစောပိုင်းတွင် လုပ်ဆောင်ခဲ့သော လုပ်ငန်းခွင် သုတေသနများအရ စင်ဆာများကို ပေါင်းစပ်အသုံးပြုခြင်းသည် တစ်ခုချင်းစင်ဆာများကို သီးခြားအသုံးပြုခြင်းထက် အနှောင့်အယှက်ဖြစ်စေသော မှားယွင်းသည့် သတိပေးချက်များကို သုံးပုံနှစ်ပုံခန့် လျှော့ချပေးနိုင်သည်ဟု ညွှန်ပြနေပါသည်။

မတူညီသော မောင်းနှင်မှုအခြေအနေများတွင် ADAS ၏ လမ်းဘေးအန္တရာယ်ကင်းရှင်းရေးအပေါ် သက်ရောက်မှု

ADAS သည် စက်တပ်ဆင်မှု ထောက်လှမ်းခြင်းဖြင့် ပတ်ဝန်းကျင်ဆိုင်ရာ စိန်ခေါ်မှုများကို အလိုက်သင့်ဖြစ်အောင် ပြုလုပ်ပေးပါသည်။ မိုးရွာသည့်အခါ အလိုအလျောက် မျက်နှာပြင်သန့်ရှင်းရေးကိရိယာများသည် အလိုအလျောက် မီးများနှင့် လမ်းပေါ်တွင် ကပ်ငြိမှုကို ထိန်းချုပ်မှုကို ပြောင်းလဲပေးပြီး မှုန်တိုက်အတွက် အကောင်းဆုံးဖြစ်သော ရဒါသည် ၁၅၀ မီတာ အမြင်အာရုံရှိသည့်နေရာတိုင်အောင် ထိရှိမှုကို ကြိုတင်သတိပေးမှုများကို ထိရောက်စွာ ထိန်းသိမ်းပေးပါသည်။ ရေခဲပေါ်တွင် ဘီးများ လွှဲမှုကို ကြိုတင်တွက်ချက်ခြင်းကြောင့် ADAS တပ်ဆင်ထားသော ယာဉ်များသည် ဘီးလွှဲမှု ဖြစ်ရပ်များကို ၃၈% နည်းပါးစေကြောင်း လေ့လာမှုများက ပြသထားပါသည်။

ဒေတာအချက်အလက် - NHTSA က ပြည့်စုံသော ADAS အသုံးပြုမှုဖြင့် မတော်တဆမှု ၄၀% လျော့နည်းမည်ဟု ခန့်မှန်းထားသည်

အမျိုးသား အမြန်လမ်း စည်းကမ်း အကာအကွယ်ပေးရေး အာဏာပိုင် (NHTSA) သည် ၂၀၂၄ ခုနှစ်တွင် ADAS အစုံတပ်ဆင်ထားသော ယာဉ်များသည် ပုံမှန်မော်ဒယ်များနှင့် နှိုင်းယှဉ်ပါက ထိခိုက်မှုနှင့် ဆက်စပ်သော မတော်တဆမှုများတွင် ၄၀% နည်းပါးစွာ ပါဝင်ခဲ့ကြောင်း အစီရင်ခံခဲ့သည်။ မြို့ပြဧရိယာများတွင် နောက်ဘီးတိုက်မှု ၁.၇ သန်းကို နှစ်စဉ် ကာကွယ်ပေးနိုင်သည့် အလိုအလျောက် အမြန်နှုန်းထိန်းချုပ်မှုနှင့် လမ်းအလယ်တွင် ထိန်းသိမ်းပေးသော စနစ်များကို ပြသသည့် ရလဒ်များနှင့် ဤအချက်သည် ကိုက်ညီပါသည်။

အဓိက အော်တိုဆင်ဆာ အသုံးပြုမှုများ - ထိခိုက်မှု ကာကွယ်ခြင်းနှင့် ယာဉ်အသိအမှတ်ပြုမှု

အလိုအလျောက် အရေးပေါ် ဘီးတားစနစ်နှင့် ရှေ့ဘက် ထိခိုက်မှုကို ကြိုတင်သတိပေးသည့် စနစ်များ

အလိုအလျောက် အရေးပေါ် ဘရိတ်ချခြင်း (AEB) နှင့် တိုက်မိမည့်အန္တရာယ် သတိပေးစနစ်တို့သည် မတော်တဆမှုများ ဖြစ်မည့်အလားအလာကို စောင့်ကြည့်ရန် ကားတွင်တပ်ဆင်ထားသော ဆင်ဆာများအပေါ် အခြေခံ၍ အလုပ်လုပ်ပါသည်။ စနစ်က တိုက်မိမည့်အန္တရာယ်ရှိသည်ဟု ယူဆပါက ယာဉ်မောင်းသူအား အစဦးဆုံး သတိပေးအချက်ပြမှုပြုလုပ်ပါသည်။ သို့သော် ယာဉ်မောင်းသူ တုံ့ပြန်မှုမရှိပါက မည်သို့ဖြစ်မည်နည်း။ ထိုအချိန်တွင် ဤဘေးကင်းလုံခြုံရေး လုပ်ဆောင်ချက်များက ဝင်ရောက်စွက်ဖက်ကာ ဘရိတ်များကို ကိုယ်တိုင် ဖိချပေးပြီး မတော်တဆမှု၏ ပြင်းထန်မှုကို လျော့ကျစေပါသည်။ IIHS ၏ ၂၀၂၃ ခုနှစ်က လေ့လာမှုအရ ယာဉ်များ တစ်စီးနောက်တစ်စီး တိုက်မိမှုများ၏ အများစုမှာ မိုင် ၅၀ အောက် အမြန်နှုန်းဖြင့် သွားလာနေစဉ်တွင် ဖြစ်ပွားပြီး ဤအမြန်နှုန်းအပိုင်းအခြားသည် ဤနည်းပညာများ၏ အလုပ်လုပ်နိုင်စွမ်းအတွက် အလွန်အရေးပါပါသည်။

ဘေးဘက်မှ မမြင်ရသော နေရာများကို စောင့်ကြည့်ခြင်းဖြင့် ပိုမိုဘေးကင်းစွာ လမ်းကြောင်းပြောင်းနိုင်ခြင်း

ဘလိုင်းစပေါ့ခ်ရှာဖွေမှုသည် ရေဒါနှင့် အူထရာဆော်နစ် စင်ဆာများကို အသုံးပြု၍ ယာဉ်၏ ဘေးတိုက်နှင့် နောက်ဘက်ရှိ ဧရိယာများကို စောင့်ကြည့်ပါသည်။ လမ်းကြောင်းပြောင်းလဲစဉ် အခြားယာဉ်တစ်စီး မျက်နှာပြင်မဲ့ဇုန်ထဲသို့ ဝင်ရောက်လာပါက အချိန်နှင့်တစ်ပြေးညီ သတိပေးချက်များဖြင့် မောင်းသူများအား အသိပေးပါသည်။ နောက်ဘမ်ပါ၏ ပေ ၁၆ အထိ ရှိသော မျက်နှာပြင်မဲ့ဇုန်များကို ဖယ်ရှားပေးနိုင်သည့် နည်းပညာဖြစ်ပါသည်။

လမ်းကြောင်းထွက်ခွာမှုကို သတိပေးခြင်းနှင့် လမ်းကြောင်းထိန်းသိမ်းမှုအကူအညီ၏ ထိရောက်မှု

လမ်းကြောင်းထိန်းသိမ်းမှုအကူအညီ (LKA) သည် ကင်မရာနှင့် စတီယာစင်ဆာများကို ပေါင်းစပ်၍ မတော်တဆ လမ်းကြောင်းမှ ထွက်ခွာမှုများကို ဖော်ထုတ်ပါသည်။ ယာဉ်ကို ပြန်လည်၍ လမ်းကြောင်းအတွင်းသို့ ဦးတည်နိုင်ရန် ပြင်ဆင်မှုတုံ့ပြန်မှုကို အသုံးပြုပါသည်။ အထူးသဖြင့် အမြန်လမ်းပေါ်တွင် ပင်ပန်းနွမ်းနပ်မှုများ ဖြစ်ပွားစဉ်အတွင်း အသုံးဝင်ပါသည်။ NHTSA ၏ လေ့လာမှုများအရ သတိပေးချက်နှင့် အကူအညီလုပ်ဆောင်ချက် နှစ်ခုစလုံး အလုပ်လုပ်နေစဉ်တွင် ယာဉ်တစ်စီးတည်းဖြင့် လမ်းမှ ထွက်ခွာမှုများ ၃၈% လျော့နည်းကို တွေ့ရှိရပါသည်။

အကွာအဝေးကို လုံခြုံစွာ ထိန်းသိမ်းပေးသော အက်ဒဲပ်တိဗ် ခရူဇ်ထိန်းချုပ်မှု

Adaptive Cruise Control (ACC) သည် ရိုက်ဒါစနစ်များကို ပေါင်းစပ်အသုံးပြု၍ လမ်းပေါ်တွင် ဖြစ်ပျက်နေသည့် အခြေအနေများနှင့်အညီ အလိုအလျောက် အမြန်နှုန်းကို ချိန်ညှိပေးပြီး အခြားယာဉ်များမှ ဘေးကင်းစွာ အကွာအဝေးထားရှိရန် အလုပ်လုပ်ပါသည်။ လက်ဖြင့် အမြန်နှုန်းကို ထိန်းချုပ်ရန် ကြိုးစားခြင်းသည် မတော်တဆမှုဖြစ်နိုင်ခြေကို ပိုမိုမြင့်တက်စေသောကြောင့် ယာဉ်တိုးတိုး ရပ်၊ သွား အခြေအနေများတွင် ဤလုပ်ဆောင်ချက်သည် အထူးအသုံးဝင်ပါသည်။ ACC ၏ နောက်ဆုံးပေါ်ဗားရှင်းများသည် ပိုမိုတိကျသော ကွန်ပျူတာ algorithm များကို အသုံးပြု၍ ယာဉ်ကြောအခြေအနေများတွင် အမှန်တကယ်ဖြစ်ပေါ်မည့်အချိန်မှ စိတ်ကူးကြည့်၍ ၆ မှ ၈ စက္ကန့်ခန့် အလိုတွင် ဖြစ်နိုင်ခြေရှိသည့် အရာများကို ခန့်မှန်းနိုင်ပါသည်။ ဤစနစ်များသည် ဤခန့်မှန်းချက်များကို ဖြစ်ပေါ်စေရန် သူတို့၏ စီမံကိရိယာများမှ ရရှိသော အချက်အလက်များကို အမြဲတစေ စီမံခြင်း ပြုလုပ်နေပါသည်။

အလိုအလျောက် စီမံကိရိယာများဖြင့် ယာဉ်စီးနင်းမှု ဘေးကင်းရေးနှင့် အမြန်နှုန်းနိမ့် မတော်တဆမှုများ ကာကွယ်ခြင်း

အမြန်နှုန်းနိမ့် မတော်တဆမှုများ လျော့နည်းစေရန် ယာဉ်စီးနင်းမှု စီမံကိရိယာများနှင့် နောက်ဘက်ကို မြင်သည့် ကင်မရာများ၏ အခန်းကဏ္ဍ

အိုင်းဖရာဆော့နစ် ခံစားကိရိယာများသည် ကား၏နောက်ဘက်တွင် ပေ ၁၀ ခန့်အကွာရှိ အရာဝတ္ထုများကို ခွဲခြားသတ်မှတ်နိုင်ပြီး နောက်ပြန်ကင်မရာများက မောင်းသူများအနေဖြင့် နေзад်ဘက်ရှိ မြင်ကွင်းများကို ရှင်းလင်းစွာမြင်တွေ့နိုင်ရန် ကူညီပေးပါသည်။ ဤစနစ်နှစ်ခုကို တစ်ပေါင်းတည်းအသုံးပြုပါက အသံသတိပေးချက်များနှင့် ဓာတ်ပုံများကို တစ်ပြိုင်နက် ပေးပို့ပြီး ပတ်ဝန်းကျင်တွင် ဖြစ်ပျက်နေသည့် အခြေအနေကို သိရှိနိုင်စေပါသည်။ လေ့လာမှုများအရ ဤနည်းပညာနှစ်ခုပါ တပ်ဆင်ထားသော ကားများသည် မြို့ပြမောင်းနှင်မှုအခြေအနေများတွင် နှေးကွေးသော အမြန်နှုန်းဖြင့် တိုက်မိမှုများ ၂၈ မှ ၃၀ ရာခိုင်နှုန်းအထိ လျော့နည်းကြောင်း တွေ့ရှိရပါသည်။ အခြားယာဉ်များနှင့် အနီးကပ်စီတန်းပါက်ခြင်း သို့မဟုတ် မြင်ကွင်းကန့်သတ်ချက်ရှိသော ဂိုဒေါင်အတွင်း နိမ့်ငယ်သောနေရာများသို့ ဝင်ရောက်ရာတွင် ဤကွာခြားမှုကို အထူးသဖွယ် သတိပြုမိပါသည်။

ကိစ္စလေ့လာမှု - မြို့ပြတိုက်မိမှုနှုန်းကို ၃၀% လျော့နည်းစေရန် အကောင်အထည်ဖော်ခြင်း

Volkswagen သည် ၎င်း၏ မြို့ပတ်ကားမော်ဒယ်များတွင် မိုင် ၆ အောက်တွင် အလိုအလျောက် ချိန်ခွင်လျှာ စနစ်ဖြင့် ၃၆၀ ဒီဂရီ ဆင်ဆာများ တပ်ဆင်ထားပါသည်။ နှစ်နှစ်ခန့်ကြာ အချက်အလက်များက မော်တော်ယာဉ်များ ရပ်ဆိုင်းရာနေရာများတွင် မတော်တဆမှုများ ၃၀ ရာခိုင်နှုန်း ကျဆင်းသွားကြောင်း အာမခံကုမ္ပဏီများက ဖော်ပြခဲ့ပြီး အထူးသဖြင့် နေရာကျဉ်းမြောင်းသော မြို့ပြဌာန်းဒေသများတွင် ထင်ရှားစွာ မြင်တွေ့နိုင်ပါသည်။ ဤအချက်များသည် အမျိုးသား အမြန်လမ်း စည်းကမ်း နှင့် ယာဉ်အန္တရာယ် ကင်းရှင်းရေး အာဏာပိုင်အဖွဲ့ (NHTSA) က ဆိုသည့် အခြေခံ နိမ့်နှုန်း လုံခြုံရေး စနစ်များသည် နှစ်စဉ် ပြင်ဆင်မှု ကုန်ကျစရိတ်ကို ခန့်မှန်းခြေ ၂.၇ ဘီလျှှုန်း ဒေါ်လာ လျှော့ချပေးနိုင်ကြောင်း ထောက်ခံပေးနေပါသည်။ အချို့သူများက ယာဉ်မောင်းများသည် နည်းပညာကို အလွန်အမင်း မှီခိုလာပြီး သတိမထားမိတော့မည်ကို စိုးရိမ်နေဆဲ ဖြစ်သော်လည်း လက်တွေ့ အချက်အလက်များကို ကြည့်ပါက ဤစနစ်များသည် လုံးဝ ထိန်းချုပ်မှုကို လက်ယူခြင်းမှ ကင်းဝေးပြီး ကူညီပေးရန် ရည်ရွယ်သည့်အခါ လမ်းများကို ပိုမိုလုံခြုံစေကြောင်း သက်သေပြနေပါသည်။

အော်တိုမောဘိုင်း ဆင်ဆာများ၏ အနာဂတ် - AI နှင့် အန္တရာယ် ကြိုတင် ခွဲခြား ဖော်ထုတ်ခြင်း

တစ်ပေါင်းတည်း တိုက်မှုကို ကာကွယ်ပေးသည့် စနစ်များအတွက် ဆင်ဆာများ ပေါင်းစပ်ခြင်း

ကားထုတ်လုပ်သည့်ကုမ္ပဏီများသည် ပတ်ဝန်းကျင်စောင့်ကြည့်ရေးအတွက် စုစည်းထားသော ဆင်ဆာခင်းများသို့ LiDAR၊ ရဒါနှင့် ကင်မရာများ၏ အချက်အလက်များကို ပေါင်းစပ်နေကြသည်။ ဤပေါင်းစပ်မှုသည် အချက်အလက်များကို ဖြတ်ကူးစစ်ဆေးခြင်းဖြင့် အန္တရာယ်ကို အချိန်နှင့်တစ်ပြေးညီ အတည်ပြုနိုင်စေပြီး မှောင်မဲခြင်း သို့မဟုတ် အလင်းပြင်းခြင်းကဲ့သို့ အခြေအနေမကောင်းများတွင် ရှာဖွေမှုယုံကြည်စိတ်ချရမှုကို မြှင့်တင်ပေးသည်။ ဆင်ဆာတစ်ခုချင်းစီ ယာယီပျက်စီးနေသည့်အချိန်တွင်ပင် ပေါင်းစပ်ထားသောစနစ်သည် အခြေအနေအသိအမှတ်ပြုမှုကို ထိန်းသိမ်းထားနိုင်သည်။

ပေါ်ပေါက်လာသော အလားအလာ - ဆင်ဆာအချက်အလက်များကို အသုံးပြု၍ AI မှ ဦးဆောင်သော အန္တရာယ်ကို ကြိုတင်ခန့်မှန်းသည့် မော်ဒယ်လ်

ခေတ်မီ နယူရယ် ကွန်ရက်များသည် မည်သည့်အရာမျိုးမှ မဖြစ်မီ အချိန်ကြာမြင့်စွာ ကြိုတင်၍ ယာဉ်မောင်း၏ အပြုအမူကို ဖတ်ရှုခြင်းနှင့် လမ်းများတွင် ပြဿနာဖြစ်နိုင်သည့်နေရာများကို စူးစမ်းရှာဖွေခြင်းတို့တွင် အတော်လေး ကျွမ်းကျင်လာပါပြီ။ လတ်တလော သုတေသနများအရ အလိုအလျောက် ဘရိတ်များ သို့မဟုတ် လိုအပ်ပါက စတီယာယာယီ ပြင်ဆင်မှုများဖြင့် အချိန်မီ ဝင်ရောက်စွက်ဖက်ခြင်းဖြင့် လူသားများ၏ အမှားများကြောင့် ဖြစ်ပွားသည့် မတော်တဆမှုများကို အနည်းဆုံး ၉၀ ရာခိုင်နှုန်းအထိ လျှော့ချနိုင်မည်ဟု ဆိုပါသည်။ နောက်ထပ် နည်းပညာများကို ကြည့်လျှင် ကားများကို မြို့များ၏ စနစ်များနှင့် တိုက်ရိုက် ချိတ်ဆက်ပေးမည့် နည်းပညာများ ဖြစ်ပါသည်။ ဆိုလိုသည်မှာ AI သည် မြို့ကြီးတစ်ခုလုံးရှိ ကားများနှင့် ယာဉ်အမှီအမှားများအကြား သတင်းအချက်အလက်များကို မျှဝေပေးနိုင်မည်ဖြစ်သည်။ ကားတစ်စီးချင်းစီ တစ်စီးတည်း လုပ်ဆောင်နေသည့်အစား အခြားသူများ မမြင်ရသည့် ပြဿနာများကို ဖော်ထုတ်ရာတွင် အားလုံးပါဝင်ကာ ပါဝင်သူအားလုံးအတွက် ပိုမိုလုံခြုံသော ယာဉ်မောင်းမှု ပတ်ဝန်းကျင်ကို ဖန်တီးပေးမည်ဖြစ်သည်။

မေးလေ့ရှိသောမေးခွန်းများ

အလိုအလျောက် ဆင်ဆာများသည် ယာဉ်မောင်း၏ အာရုံပျံ့လွင့်မှုနှင့် ပင်ပန်းနွမ်းနပ်မှုကို မည်သို့ လျှော့ချပေးပါသနည်း

အက်ဒရိုဆင်းစန္ဒရားများကဲ့သို့ အင်ဖရာရက်နည်းပညာများကို အသုံးပြု၍ ယာဉ်မောင်း၏ အပြုအမူကို စောင့်ကြည့်သည်။ လမ်းကြောင်းတွင် လှိမ့်ခြင်း (သို့) မျက်စိကို ကြာရှည်စွာ မှိတ်ထားခြင်းကဲ့သို့ အာရုံပျံ့လွင့်ခြင်း (သို့) ပင်ပန်းနွမ်းနပ်ခြင်းတို့ကို စောင့်ကြည့်ပြီး အသံ (သို့) ထိတွေ့မှု အချက်ပေးများဖြင့် ယာဉ်မောင်းကို အသိပေးကာ မတော်တဆမှုများ ဖြစ်နိုင်ခြေကို လျော့နည်းစေသည်။

လမ်းဘေးအန္တရာယ်ကင်းရှင်းရေးတွင် အက်ဒဲပ်တိဗ် ဟက်ဒ်လိုက်များ၏ အခန်းကဏ္ဍမှာ အဘယ်နည်း။

အက်ဒဲပ်တိဗ် ဟက်ဒ်လိုများသည် စတီယားင်း ဦးတည်ရာနှင့် GPS ဒေတာများအပေါ် အခြေခံ၍ ထောင့်များတွင် လမ်းကို ပိုမိုထိရောက်စွာ ထွန်းလင်းပေးပါသည်။ ဤကြိုတင်တုံ့ပြန်မှုသည် အန္တရာယ်များကို ပိုမိုမြင်သာစေခြင်းဖြင့် ညအချိန် ယာဉ်မောင်းခြင်းအတွင်း မတော်တဆမှုများကို လျော့နည်းစေပါသည်။

အက်ဒရိုဆင်းစန္ဒရားများကို အလွန်အမင်း မှီခိုအားကိုးမှုနှင့် ဆက်စပ်နေသော အန္တရာယ်များ ရှိပါသလား။

ဟုတ်ပါသည်၊ အလိုအလျောက်စနစ်များတွင် ယုံကြည်မှုအလွန်အမင်းရှိခြင်းသည် ယာဉ်မောင်း၏ အာရုံစူးစိုက်မှုကို လျော့နည်းစေနိုင်ပါသည်။ စနစ်များ ပျက်ကွက်သည့်အချိန်တွင် တုံ့ပြန်မှုအမြန်နှုန်းကို ထိခိုက်စေနိုင်သောကြောင့် ဖုန်းအသုံးပြုခြင်းကဲ့သို့ လုပ်ဆောင်မှုများကို အချို့သော ယာဉ်မောင်းများက ပြုလုပ်တတ်ကြပါသည်။

ADAS နည်းပညာသည် ယာဉ်မောင်းမှု၏ အခြေအနေအမျိုးမျိုးတွင် မတော်တဆမှုနှုန်းကို လျော့နည်းစေနိုင်ပါသလား။

ဟုတ်ကဲ့၊ ADAS သည် မိုး သို့မဟုတ် မီးခိုးတိမ်သလို မကောင်းသော ရာသီဥတုအခြေအနေများအတွင်း ပိုမိုနည်းပါးသော ထိတွေ့မှုများဖြစ်စေရန် တိုက်မှုအသိပေးခြင်းနှင့် လမ်းအုပ်ခြင်းထိန်းချုပ်မှုကဲ့သို့သော လုပ်ဆောင်ချက်များကို ပိုမိုကောင်းမွန်စေရန် ပတ်ဝန်းကျင်အခြေအနေများနှင့်အတူ အလိုအလျောက် အလိုက်သင့်ညှိနှိုင်းပေးပါသည်။