تعتبر عملية رسم خرائط مناطق العمل مهمة حيوية لضمان دخول المركبات المتصلة (CAVs) بأمان وفعالية إلى هذه المناطق. ومن بين الحلول التكنولوجية المبتكرة التي تم اقتراحها، نجد استخدام وحدات القياس الفائق (UWB) المثبتة على الأقماع الموجودة على جوانب الطريق، والتي توفر طريقة فعالة من حيث التكلفة لاستنتاج تخطيطات مناطق العمل.

تُعتبر القياسات المتاحة من خلال هذه الوحدة مفيدة جدًا، لكن التكنولوجيا تواجه تحديات تتعلق بالأخطاء الناتجة عن عدم وضوح الرؤية (NLOS) والتقديرات المتقطعة، بالإضافة إلى قضايا ترتيب الأقطاب وعدم اليقين في وضع المركبة.

لتجاوز هذه التحديات، تقترح الدراسة الحالية نموذجاً متقدماً يُعرف باسم "المنظف التنبؤي الشرطي على وضع السيارة"، الذي يعتمد على تنبؤات مشروطة بحركة المركبة، ويستخدم تقنيات متطورة مثل تنبؤات زمنية تعتمد على الأقطاب والتجميع الذاتي للتعامل مع الأقطاب الفائتة.

تتبع الدراسة استراتيجية تدريب من مرحلتين تهدف أولاً إلى تعلم التنبؤ من القياسات الملاحظة، ومن ثم ضبط المنظف باستخدام إشراف مقترن بالأخطاء الناتجة عن عدم وضوح الرؤية.

تم تقييم فعالية هذه الطريقة من خلال بيانات حقيقية مُجمعة في بيئات حقيقية مع المركبات المتصلة، وكذلك على مجموعة من المحاكيات الكبيرة من أجل insights تفصيلية. وقد أثبتت النتائج أن الطريقة المقترحة تحقق تحسينات كبيرة في دقة القياسات، وتساعد في تحديد موقع الأقماع، وإعادة بناء هندسة مناطق العمل، حتى في البيئات ذات صعوبة الرؤية.

مع هذه التطورات، يصبح المستقبل أكثر أمانًا للمركبات المتصلة في مواقف العمل. ما رأيكم في هذا النظام المتطور؟ شاركونا آراءكم في التعليقات!