Notre équipe développera des plug-ins UC-win/road pour soutenir le comportement cognitif des conducteurs. Le plug-in utilise les informations de suivi oculaire du conducteur pour générer la parole synthétique appropriée. Par exemple, si vous analysez les informations de suivi des yeux d'un conducteur et que celui-ci ne regarde pas dans les deux directions, le conducteur sera averti en générant une annonce vocale appropriée, comme "Vérifier la sécurité environnante". En outre, la parole synthétique peut exprimer des schémas émotionnels tels que la colère, la joie et la tristesse. Les choix émotionnels dépendent de la situation du conducteur, par exemple l'évitement d'urgence. On s'attend à ce que les modules d'extension réduisent le nombre d'accidents de la route.

Il utilise la technologie de pilotage automatique et l'Internet des objets pour améliorer l'efficacité du trafic des véhicules d'urgence. L'EVP envoie un message de commande d'évitement en temps réel à un véhicule privé devant lui afin que le conducteur d'un autre véhicule puisse y faire place. Et si le conducteur ne répond pas rapidement, il peut demander au conducteur de changer automatiquement de voie. Ceci permet d'atteindre le but principal du plug-in de conduire les véhicules d'urgence le plus rapidement possible.

Par "phénomène marémotionnel" dans la circulation, il y a plus de circulation dans les zones urbaines chaque matin et moins de circulation dans la direction opposée. En revanche, la nuit, la circulation en dehors de la ville augmente, ce qui aggrave les embouteillages. Compte tenu de cette situation, ce travail utilise une voie variable pour changer le flux de trafic. En d'autres termes, le nombre de voies menant aux zones urbaines est augmenté le matin. En revanche, au plus fort de la nuit, le nombre de voies de circulation en direction des zones urbaines diminue, tandis que le nombre de voies de circulation en direction des zones urbaines augmente.

Nous avons construit le jumeau numérique, qui est une réplique numérique d'un monde vivant.Nous avons obtenu des informations sur les environs du véhicule en fusionnant une caméra panoramique et un capteur Lidar.Pour détecter d'autres voitures et objets, nous avons utilisé YOLO avec des images synchronisées issues de capteurs fusionnés en tant que données d'entraînement. De plus, nous pouvons appréhender l'intention du conducteur à travers ses yeux. Dans le monde numérique qui contient ces informations, l'état du véhicule provient du réseau de bus CAN. et nous pouvons surveiller le monde réel.

Lorsqu'un véhicule autonome conduit en milieu urbain, des bicyclettes peuvent apparaître autour du véhicule. La trajectoire des cyclistes est différente de celle des véhicules circulant sur la route, plus difficile à prévoir. L'objectif principal de ce projet est d'élaborer une stratégie de conduite automatisée qui tienne compte de l'interférence latérale dans les environnements urbains. Il modifie ensuite l'algorithme du pilote automatique d'origine de façon à ce que le véhicule puisse être conduit comme un être humain en cas d'interférence latérale de la bicyclette.

L'objectif de ce travail est de mettre au point un système de simulation dans un environnement UC-win/Road, de mettre en oeuvre un algorithme amélioré de préavertissement de sécurité basé sur le CVIS (Cooperative Vehicle Infrastructure System) et de démontrer l'algorithme en testant le fonctionnement du simulateur.
Premièrement, le simulateur de conduite de base est construit à l'aide du logiciel UC-win/Road et d'un poste de pilotage pour créer un scénario d'intersection. Le matériel HMI (Human Machine Interface) embarqué a également été développé pour les messages d'avertissement proactifs, et ces fonctionnalités ont été démontrées dans les tests de simulation UC-win/Road et de conduite.