Mercedes-Benz ศึกษาสภาพจราจรบนท้องถนนจริงใน 5 ทวีป ทดสอบระบบขับขี่อัตโนมัติภายใต้โครงการ Intelligent World Drive

Mercedes-Benz ศึกษาสภาพจราจรบนท้องถนนจริงใน 5 ทวีป ทดสอบระบบขับขี่อัตโนมัติภายใต้โครงการ Intelligent World Drive

เมอร์เซเดส-เบนซ์ตระหนักว่ากระบวนการเรียนรู้เชิงลึกบนท้องถนนจริงของแต่ละประเทศนั้นมีความสำคัญสำหรับการพัฒนาระบบการขับขี่อัตโนมัติ ด้วยเหตุนี้ บริษัทฯ จึงได้เริ่มต้นโครงการ ‘เมอร์เซเดส-เบนซ์ อินเทลลิเจนท์ เวิร์ล ไดรฟ์ – Mercedes-Benz Intelligent World Drive’ เป็นเวลา 5 เดือนใน 5 ทวีปทั่วโลก โดยโครงการดังกล่าวสิ้นสุดอย่างเป็นทางการในงาน CES ณ นครลาส เวกัส โดยเมอร์เซเดส-เบนซ์ใช้โครงการเมอร์เซเดส-เบนซ์ อินเทลลิเจนท์ เวิร์ล ไดรฟ์ เพื่อศึกษาสภาพการจราจรที่หลากหลาย รถยนต์ทดสอบที่เมอร์เซเดส-เบนซ์พัฒนาขึ้นสำหรับโครงการนี้เป็นรถยนต์ตระกูลเอส-คลาสที่มีระบบการขับขี่แบบกึ่งอัตโนมัติ โดยบริษัทฯ ดำเนินโครงการนี้ในประเทศเยอรมนี จีน ออสเตรเลีย แอฟริกาใต้ และสหรัฐอเมริกา

บริษัทฯ ตระหนักถึงความแตกต่างด้านการสัญจรของแต่ละประเทศ ซึ่งถือเป็นความท้าทายระดับโลก และส่งผลโดยตรงต่อการพัฒนาระบบการขับขี่อัตโนมัติ รวมถึงรถยนต์ที่มีระบบการขับขี่อัตโนมัติอย่างสมบูรณ์ เพราะเมื่อศึกษาลงในรายละเอียด แต่ละประเทศจะมีโครงสร้างพื้นฐาน กฎจราจร และระเบียบปฏิบัติระหว่างผู้ขับขี่กับผู้ใช้ถนนที่แตกต่างกันอย่างมาก จึงส่งผลให้การปรับตั้งเซนเซอร์หรืออัลกอริทึ่มของระบบการขับขี่อัตโนมัติมีความแตกต่างกันด้วย นอกจากนี้โครงการดังกล่าวยังทำให้เห็นว่าแผนที่แบบความละเอียดสูงมีความสำคัญอย่างยิ่งต่อการพัฒนาระบบการขับขี่อัตโนมัติที่มีประสิทธิภาพ

ทั่วโลกต่างมีป้ายจราจรและเครื่องหมายจราจรบนพื้นถนนที่แตกต่างกัน ในสหรัฐอเมริกา ป้ายจำกัดความเร็วจะมีรูปร่างต่างจากป้ายจำกัดความเร็วในจีนหรือในทวีปยุโรปที่เป็นป้ายโลหะรูปวงกลม ในขณะที่ป้ายจำกัดความเร็วในประเทศออสเตรเลียจะเป็นแบบหน้าจออิเล็กทรอนิกส์ เพื่อให้สามารถปรับเปลี่ยนตัวเลขความเร็วสูงสุดได้ตามความเหมาะสม รวมถึงใช้แสดงสัญลักษณ์ง่ายๆ หรือตัวอักษรได้ในบางครั้ง ป้ายอิเล็กทรอนิกส์เหล่านี้จะติดตั้งอยู่ติดกัน และอาจเปลี่ยนการแสดงผลได้ในเวลาไม่กี่วินาที  ซึ่งป้ายจราจรที่แตกต่างและอาจเปลี่ยนแปลงข้อมูลได้แบบเรียลไทม์นี้ส่งผลให้การติดตั้งกล้องจับภาพอเนกประสงค์ (Multi Purpose Camera – MPC) และแผนที่ดิจิทัลที่มีคุณภาพเป็นสิ่งจำเป็นอย่างยิ่ง ซึ่งข้อมูลของการจำกัดความเร็วในจุดต่างๆ หรือการเปลี่ยนแปลงกฎการจำกัดความเร็วในแต่ละช่วงเวลาก็เป็นข้อมูลที่สำคัญยิ่งต่อผู้ผลิตรถยนต์

อีกหนึ่งตัวอย่างที่น่าสนใจ คือป้ายและกฎการเลี้ยวขวาจากช่องเดินรถซ้ายสุด (Hook Turn) ในเขตใจกลางนครเมลเบิร์นซึ่งใช้ระบบจราจรแบบซ้ายมือ กฏนี้เป็นกฎสำหรับจัดระเบียบการเลี้ยวขวาของรถบนถนนที่มีทางวิ่งของรถรางร่วมอยู่ด้วย หากผู้ขับขี่ต้องการเลี้ยวขวาข้ามทางรถราง ผู้ขับขี่ต้องเปลี่ยนช่องทางไปยังช่องซ้ายสุดและหยุดรอให้รถรางหรือรถอื่นใดที่อยู่ในทางสัญจรด้านหน้าผ่านไปก่อนจึงจะเลี้ยวขวาได้ ทั้งนี้ ผู้ขับขี่จะเลี้ยวขวาได้เมื่อสัญญาณไฟจราจรในทางที่ผู้ขับขี่จะเลี้ยวขวาไปเป็นไฟเขียวและสัญญาณไฟจราจรของถนนในจุดที่ผู้ขับขี่จอดรออยู่เป็นไฟแดงเท่านั้น การเลี้ยวที่มีกฎและขั้นตอนซับซ้อนนี้จำต้องอาศัยเซนเซอร์และอัลกอริทึ่มที่สามารถตรวจจับถนนและป้ายที่บังคับให้รถต้องเลี้ยวขวาจากช่องเดินรถซ้ายสุดเท่านั้นได้ เพื่อพัฒนาระบบไปอีกขั้น ระบบจะต้องเข้าใจขั้นตอนการเลี้ยวและคำนึงถึงผู้สัญจรอื่นด้วย

เครื่องหมายจราจรบนพื้นถนนทั่วโลกก็มีความแตกต่างกัน ตัวอย่างเช่น ในประเทศจีน สัญลักษณ์ทางม้าลายจะมี 2 ความหมาย ในเขตเมือง เส้นทางม้าลายจะหมายถึงจุดที่คนเดินเท้าสามารถข้ามถนนได้ แต่บนทางด่วน เส้นนี้จะเป็นเส้นกำกับระยะห่างระหว่างรถแต่ละคันเพื่อความปลอดภัย หรือบนทางพิเศษระหว่างรัฐและฟรีเวย์ของสหรัฐอเมริกา บางเส้นทางจะมีช่องทางวิ่งเฉพาะสำหรับรถที่มีผู้โดยสารตั้งแต่ 2 คนขึ้นไป ซึ่งช่องทางวิ่งนี้จะมีเส้นทึบสีเหลือง 2 เส้นหรือราวโลหะเป็นสัญลักษณ์บนพื้นทาง ซึ่งเซนเซอร์ของรถยนต์อาจจะตรวจจับช่องทางพิเศษเหล่านี้ได้ยาก นอกจากนี้ ถนนของสหรัฐอเมริกา ยังมี ‘จุดของบอตต์ส-Botts’ Dots’ หรือการใช้พลาสติกหรือเซรามิกหล่อเป็นทรงกลมและฝังลงบนพื้นถนนเพื่อเป็นเส้นแบ่งช่องทางวิ่งแทนการตีเส้นบนพื้นถนน ซึ่งระบบการขับขี่อัตโนมัติในปัจจุบันยังไม่สามารถตรวจจับช่องทางวิ่งแบบนี้ได้อย่างสมบูรณ์แบบ ซึ่งในขณะนี้ รัฐแคลิฟอร์เนียเป็นรัฐแรกของสหรัฐอเมริกา ที่วางแผนจะเลิกใช้จุดของบอตต์ส และใช้มาตรฐานหลักมาตรฐานเดียวสำหรับการสร้างเครื่องหมายจราจรบนพื้นถนนในเขตรัฐ อันจะส่งผลดีอย่างยิ่งต่อกระบวนการพัฒนาระบบขับขี่อัตโนมัติในอนาคต

อีกหนึ่งสิ่งที่ยากที่สุดสำหรับระบบการขับขี่อัตโนมัติคือข้อเท็จจริงที่ว่าป้ายจราจรหรือเครื่องหมายจราจรบนพื้นถนนมักจะหายไป ซึ่งแม้แต่ผู้ขับขี่ที่มีประสบการณ์ยังรู้สึกลำบากในการขับขี่ในหลายๆ พื้นที่ เช่น สี่แยกที่จอแจหรือวงเวียนที่มีหลายช่องทางเดินรถป้ายหยุดหรือป้ายเตือนลูกระนาดที่หายไป ซึ่งส่งผลอย่างยิ่งต่อการทำงานของเซนเซอร์และระบบแผนที่ดิจิทัล การศึกษาและทำความเข้าใจกฎจราจรเฉพาะของแต่ละประเทศรวมถึงสถานการณ์แวดล้อมบนท้องถนนกฎจราจรเกี่ยวกับรถโรงเรียนในสหรัฐอเมริกา ถือเป็นหนึ่งในตัวอย่างที่น่าสนใจของกฎจราจรเฉพาะของแต่ละประเทศ กล่าวคือ กฎจราจรของสหรัฐอเมริกา ระบุว่าหากรถโรงเรียนหยุดรับส่งนักเรียน ยานพาหนะทุกชนิดที่อยู่ใกล้เคียงจะต้องหยุดด้วย ซึ่งรวมถึงรถที่สัญจรในทางที่สวนมาเช่นกัน ดังนั้น ระบบการขับขี่อัตโนมัติและรถยนต์ที่มีระบบการขับขี่อัตโนมัติจะต้องสามารถตรวจจับและแยกแยะรถโรงเรียนได้ และจะต้องสามารถหยุดรถได้โดยอัตโนมัติหากตรวจจับได้ว่ารถโรงเรียนกำลังหยุดรับส่งนักเรียน

อีกหนึ่งความท้าทายของการพัฒนาระบบขับขี่อัตโนมัติโดยเมอร์เซเดส-เบนซ์นั้นปรากฎที่ประเทศแอฟริกาใต้ ซึ่งผู้สัญจรบนทางเท้ามีหลากหลายประเภทมาก แตกต่างจากทวีปยุโรป ออสเตรเลีย หรือในสหรัฐอเมริกาอย่างสิ้นเชิง ผู้สัญจรบนบาทวิถีในแอฟริกาใต้มีจำนวนมาก บางครั้งพวกเขาก็ลงมาเดินบนถนนและข้ามถนนในจังหวะที่ผู้ขับขี่คาดเดาไม่ได้ ดังนั้น ระบบการขับขี่อัตโนมัติที่มีประสิทธิภาพในอนาคตจำต้องตรวจจับพฤติกรรมของคนเดินเท้าได้อย่างแม่นยำมากขึ้นแม้ในขณะที่รถกำลังใช้ความเร็วสูง

การแซงโดยใช้ช่องทางรถสวนเป็นเรื่องธรรมดามากของผู้ขับขี่รถยนต์ในประเทศแอฟริกาใต้ โดยผู้ขับขี่รถยนต์บนถนนช่องทางวิ่งแบบช่องเดียวที่ขับขี่ช้ากว่ารถคันหลัง จะถูกผู้ขับขี่รถที่เร็วกว่าและตามมาข้างหลังแซงบ่อยครั้ง โดยผู้ขับขี่รถที่เร็วกว่าจะต้องกะระยะแซงให้แม่นยำแม้ว่าเส้นแบ่งถนนจะขาดหายไปก็ตาม ในกรณีนี้ระบบการขับขี่อัตโนมัติที่มีประสิทธิภาพจะต้องตัดสินใจได้ว่าจังหวะไหนที่ควรจะแซงหรือควรจะขับตามรถคันหน้า การจะแซงโดยใช้ช่องทางรถสวนนั้น ระบบการขับขี่อัตโนมัติจะต้องสามารถตรวจจับได้ว่าช่องทางรถสวนปลอดภัยสำหรับการใช้แซง อีกทั้งยังต้องวิเคราะห์ได้ว่าจุดนั้นเป็นทางตรงที่สามารถแซงได้โดยปลอดภัยหรือไม่ ซึ่งอาจกล่าวโดยสรุปได้ว่าการพัฒนาโครงสร้างพื้นฐานจะช่วยให้ผู้ผลิตรถยนต์สามารถปรับปรุงระบบการขับขี่อัตโนมัติได้อย่างรวดเร็ว มีประสิทธิภาพ และสอดคล้องกับสภาพการใช้ถนนจริง

นอกเหนือจากคนและยานพาหนะแล้ว สัตว์ป่าก็เป็นอีกสิ่งหนึ่งที่เมอร์เซเดส-เบนซ์ให้ความสำคัญ ในโครงการนี้ บริษัทฯ ต้องศึกษาพฤติกรรมการข้ามถนนของจิงโจ้ในประเทศออสเตรเลียและตัวสปริงบอกซ์ในแอฟริกาใต้ สัตว์ป่าแต่ละตัวมีรูปร่างและท่าทางแตกต่างกัน ทำให้ระบบการขับขี่อัตโนมัติตรวจจับสัตว์เหล่านี้ได้ยาก สถิติจากบริษัทประกันภัย แห่งหนึ่งในประเทศออสเตรเลียชี้ให้เห็นว่าจิงโจ้เป็นสาเหตุของอุบัติเหตุบนท้องถนนในประเทศออสเตรเลียมากถึง 9 ใน 10 ครั้ง

กระบวนการพัฒนาทั่วโลกเป็นปัจจัยสำคัญต่อการพัฒนาระบบการขับขี่อัตโนมัติ รถยนต์ทดสอบของเมอร์เซเดส-เบนซ์เผชิญกับเอกลักษณ์หรือกฎจราจรเฉพาะในประเทศต่างๆ 5 ประเทศ ซึ่งสิ่งนี้สื่อให้เห็นว่ากระบวนการทดสอบและพัฒนาทั่วโลกนั้นจำเป็นอย่างยิ่ง และการทดสอบในทุกๆ ประเทศเป็นหนทางเดียวที่จะใช้พัฒนาระบบการขับขี่อัตโนมัติและอัลกอริทึ่มที่สามารถจัดการกับสถานการณ์ต่างๆ บนท้องถนนได้อย่างปลอดภัยและแม่นยำ การทดสอบเหล่านี้จะต้องทำควบคู่ไปกับกระบวนการปรับแต่งซอฟต์แวร์เพื่อให้ระบบมีประสิทธิภาพสูงสุด กระบวนการปรับแต่งซอฟต์แวร์นี้เป็นการค้นหาวิธีที่ปลอดภัยที่สุดสำหรับสถานการณ์ที่ไม่คาดคิดบนท้องถนน ข้อมูลและประสบการณ์ที่เมอร์เซเดส-เบนซ์ได้รับจากโครงการนี้จะช่วยให้บริษัทฯ สามารถพัฒนาระบบการขับขี่อัตโนมัติที่มีประสิทธิภาพ ช่วยให้บริษัทฯ ก้าวเข้าใกล้การพัฒนารถยนต์ที่มีระบบการขับขี่อัตโนมัติที่สมบูรณ์แบบไปอีกขั้น

กลุ่มบริษัทเดมเลอร์ เอจีมีเครือข่ายการวิจัยและการพัฒนาทั่วทุกมุมโลก ช่วยให้เมอร์เซเดส-เบนซ์สามารถศึกษากฎจราจรเฉพาะของแต่ละประเทศ และนำไปประยุกต์ใช้กับระบบการขับขี่อัตโนมัติสำหรับรถยนต์ที่จัดจำหน่ายจริงได้อย่างรวดเร็วมากขึ้น ตัวอย่างเช่น ศูนย์วิจัยและพัฒนาของเมอร์เซเดส-เบนซ์สาขาทวีปอเมริกาเหนือและสาขาประเทศจีนมีรถยนต์ทดสอบของตนเองที่สามารถบันทึกข้อมูลของโครงสร้างพื้นฐานและลักษณะเฉพาะของการใช้ถนน รวมถึงสามารถทำการทดลองระบบช่วยเหลือผู้ขับขี่ของรถยนต์เมอร์เซเดส-เบนซ์ได้บนท้องถนนจริง นอกจากนี้ เมอร์เซเดส-เบนซ์ยังผสานความร่วมมือกับบริษัทอื่นๆ อีกมากในตลาดสำคัญของบริษัทฯ เพื่อทำการวิจัยและพัฒนาระบบขับขี่อัตโนมัติ ตัวอย่างเช่น เมอร์เซเดส-เบนซ์สาขาประเทศออสเตรเลียได้ทำการทดลองระบบขับขี่อัตโนมัติทั้งในประเทศออสเตรเลียและนิวซีแลนด์ตั้งแต่ฤดูใบไม้ผลิปี 2017 ที่ผ่านมา โดยเมอร์เซเดส-เบนซ์สาขาประเทศออสเตรเลียทำการวิจัยและพัฒนาทั้งหมดร่วมกับศูนย์วิจัยและพัฒนาของเมอร์เซเดส-เบนซ์ในประเทศเยอรมนี โครงการเมอร์เซเดส-เบนซ์ อินเทลลิเจนท์ เวิร์ล ไดรฟ์ในประเทศออสเตรเลียยังเป็นอีกโครงการหนึ่งที่ช่วยสนับสนุนข้อมูลให้กับการพัฒนาระบบการขับขี่อัตโนมัติ เนื่องจากเมอร์เซเดส-เบนซ์มีรถยนต์ทดสอบจำนวนมาก ส่งผลให้บริษัทฯ สามารถเก็บข้อมูลได้ทั่วทุกมุมโลกเพื่อพัฒนาระบบการขับขี่อัตโนมัติ

นอกจากนี้ โครงการเมอร์เซเดส-เบนซ์ อินเทลลิเจนท์ เวิร์ล ไดรฟ์ยังเป็นโครงการที่มุ่งสื่อให้ทุกภาคส่วนเล็งเห็นถึงความสำคัญของการร่างกฎหมายหรือระเบียบปฏิบัติที่เป็นสากลสำหรับระบบการขับขี่อัตโนมัติและรถยนต์ที่มีระบบนี้ รวมไปถึงการสร้างและพัฒนาโครงสร้างพื้นฐานต่างๆ ที่เกี่ยวข้อง โดยเฉพาะป้ายจราจรและช่องทางเดินรถ

‘CASE’ กลยุทธ์ของเมอร์เซเดส-เบนซ์เพื่อวางรากฐานให้กับระบบการขับขี่แบบอัตโนมัติ เป็นกลยุทธ์สำคัญระดับองค์กรของกลุ่มบริษัทเดมเลอร์ เอจี และจะเป็นสิ่งกำหนดอนาคตในเรื่องของการเดินทาง โดยระบบการขับขี่อัตโนมัติ (Autonomous) เป็นหนึ่งในสี่กลยุทธ์สำคัญ ที่ประกอบไปด้วยการเชื่อมต่อผ่านเครือข่าย (Connected) การขับขี่โดยใช้ระบบอัตโนมัติ (Autonomous) ความยืดหยุ่นในการใช้งานยานพาหนะ (Shared & Services) และการใช้มอเตอร์ไฟฟ้าแทนเครื่องยนต์สันดาป (Electric)