Perencanaan Gerakan Real-Time untuk Kendaraan Otonom di Lingkungan Perkotaan: Studi Prototipe Skala Kecil
Kendaraan otonom canggih menjanjikan masa depan yang lebih aman dan lebih efisien untuk mobilitas perkotaan. Namun, meski ada investasi industri yang besar, belum ada sistem otonom penuh yang telah memasuki pasar konsumen. Hambatan utama adalah kurangnya mesin perencanaan gerakan waktu nyata yang andal yang dapat dengan aman menavigasi jalan-jalan kota yang kompleks.
Tujuan Proyek
Tujuan penelitian ini adalah untuk merancang dan mengimplementasikan sistem perencanaan gerakan waktu nyata yang andal yang mengurangi tingkat kecelakaan untuk mobil otonom. Sistem ini menggabungkan penagihan jalur, hindaran hambatan, hindaran mobil bergerak, kontrol cruise adaptif, dan hindaran kecelakaan dasar.
Arsitektur Hardware
Kami membangun kendaraan “ego” (EGO) skala kecil menggunakan kit chassis robot bundar 3 lapis Adafruit dengan dua motor DC, Raspberry Pi 3 B+, RPLIDAR‑A1 laser scanner, dua sensor ultrasonik HC‑SR04, dan paket baterai Anker PowerCore 13000.
Raspberry Pi berfungsi sebagai hub pemrosesan, menerima data mentah dari sensor LIDAR dan ultrasonik melalui pin GPIO dan mengirim perintah motor ke papan driver motor DRV8833.
Stack Perangkat Lunak
Semua perangkat lunak berjalan di Raspbian. Python 3 adalah bahasa utama, memanfaatkan SDK LIDAR resmi dan VNC Viewer untuk pemantauan jarak jauh. SSH memungkinkan akses baris perintah nirkabel.
Metodologi
- Fase 1 – Pembangunan Hardware: Rangkai kendaraan EGO dan instal OS, driver, dan alat konektivitas.
- Fase 2 – Pengembangan Kontrol: Implementasikan modul penagihan jalur, hindaran hambatan, hindaran mobil bergerak, dan kontrol cruise adaptif menggunakan fusi sensor.
- Fase 3 – Validasi: Lakukan baterai tes keandalan dalam mock-up perkotaan skala kecil, ulangi refinemen algoritma, dan integrasikan semua modul menjadi satu stack perencanaan gerakan.
Algoritma Utama
Hindaran hambatan berdasarkan data LIDAR yang dibagi menjadi sektor depan dan belakang; jika hambatan muncul di sektor depan, sistem memeriksa jalur lawan melalui sensor ultrasonik sebelum memutuskan untuk berhenti atau beralih jalur. Kontrol cruise adaptif menyesuaikan kecepatan ±5 % atau ±1 % dari kecepatan saat ini untuk menjaga jarak aman yang mengikuti.
Hasil & Perbaikan
Tes awal menunjukkan:
- Penagihan jalur berhasil menjaga kendaraan tetap di tengah.
- Hindaran hambatan secara andal menghentikan kendaraan di depan hambatan statis.
- Hindaran mobil bergerak dapat beralih jalur ketika jalur lawan kosong.
- Kontrol cruise adaptif menjaga jarak tetapi menunjukkan kecepatan goyah.
Kami mengatasi desain berat di atas kendaraan dengan menghapus Raspberry Pi sekunder dan menurunkan chassis, mengurangi risiko terbalik. Menambahkan sensor ultrasonik meningkatkan deteksi jalur samping, dan rutinitas penyesuaian kecepatan yang lebih halus meningkatkan stabilitas kontrol cruise.
Pekerjaan Masa Depan
Iterasi mendatang akan menjelajahi perencanaan jalur berbasis machine learning, integrasi sinyal lalu lintas waktu nyata, dan koordinasi multi-kendaraan melalui komunikasi V2X. Meningkatkan algoritma kontrol cruise dengan model prediktif berdasarkan perhitungan jarak-waktu juga direncanakan.
Kesimpulan
Dengan menggabungkan fusi sensor, logika kontrol modular, dan pengujian berulang, kami telah menghasilkan prototipe sistem perencanaan gerakan waktu nyata yang beroperasi dengan aman di lingkungan perkotaan terkontrol. Meskipun belum siap produksi, arsitektur ini menaruh fondasi yang solid untuk pengemudi otonom Level 4.
Ucapan Terima Kasih
Terima kasih khusus kepada Dr. Lisa Fiorentini atas bimbingannya, kepada keluarga saya atas dukungan yang tidak goyah, dan kepada rekan-rekan saya atas umpan balik yang konstruktif.
Referensi
- Aqib, “Apa itu Raspberry pi? Memulai dengan Raspberry Pi 3,” Electronics Hobbyists, 18‑Jan‑2019. https://electronicshobbyists.com/tutorial-1-what-is-raspberry-pi-getting-started-with-raspberry-pi-3/.
- Adafruit Industries, “Kit Chassis Robot Bundar 3 Lapis Mini – 2WD dengan Motor DC,” 2020. https://www.adafruit.com/product/3244.
- Adafruit Industries, “Papan Driver Motor DC/Stepper DRV8833 Adafruit,” 2020. https://www.adafruit.com/product/3297.
- T. Huang, “RPLIDAR‑A1 360° Laser Range Scanner,” SLAMTEC, 2020. https://www.slamtec.com/en/Lidar/A1.
- “PowerCore 13000,” Anker, 2020. https://www.anker.com/store/powercore-13000/A1215011.
- “Selamat datang di dokumentasi lidar! ¶,” Dokumentasi LIDAR, 2020. https://lidar.readthedocs.io/en/latest/.
- “RealVNC,” VNC® Connect, 2020. https://www.realvnc.com/en/connect/download/viewer/macos/.
- Adafruit Industries, “Sensor Jarak Sonar Ultrasonik HC‑SR04 2 × 10 kΩ resistor,” 2020. https://www.adafruit.com/product/3942.
