Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Different frequencies of maneuver replanning on autonomous vehicles
KTH, School of Electrical Engineering and Computer Science (EECS).
KTH, School of Electrical Engineering and Computer Science (EECS).
2019 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Olika frekvenser av manöveruppdatering för självkörande bilar (Swedish)
Abstract [en]

In recent years has autonomous vehicles (AV’s) become a more and more relevant topic. Several big car companies race to get their model out on the market as soon as possible. However building a fully functional AV is not an easy task. One of the main reasons behind this is that safely operating a vehicle requires advanced decision-making. Such advanced decision-making requires a lot of computational power which can lead to the AV taking long time to reach a decision. In this thesis explored how long that time could be while at the same time having the AV drive safely. To do this we created a simulation with an AV alongside randomly generated traffic and limited how often it would make new decisions. Our results showed that updating every 0.5s was needed for driving safely at 50, 70 and 90 km/h and 0.3s was needed for 110 km/h.

Abstract [sv]

Under senare år har självkörande fordon blivit ett mer och mer relevant ämne. Flera stora bilföretag försöker få ut sin modell på marknaden så snabbt dem kan. Det är däremot inte enkelt att bygga ett fullt funktionerande sjävkörande fordon. En av de huvudsakliga anledningarna bakom detta är för att säkert styra ett självkördande fordon krävs avancerade beslutsfattande algoritmer. Sådana algoritmer kräver mycket beräkningskraft vilket kan leda till att självkörande fordon tar lång tid på sig att fatta beslut. I denna avhandling utforskade vi hur lång den tiden kan vara samtidigt som det självkörande fordonet kör säkert. För att göra detta skapade vi en simulation med ett självkörande fordon med slumpmässigt genererad trafik och begränsade hur ofta den fattade nya beslut. Våra resultat visade att fatta nya beslut varje 0.5s behövdes för att k ra säkert vid 50, 70 och 90 km/h och att 0.3s behövdes för 110 km/h.

Place, publisher, year, edition, pages
2019.
Series
TRITA-EECS-EX ; 2019:317
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-254934OAI: oai:DiVA.org:kth-254934DiVA, id: diva2:1336302
Subject / course
Computer and Systems Sciences
Supervisors
Examiners
Available from: 2019-07-29 Created: 2019-07-09 Last updated: 2019-07-29Bibliographically approved

Open Access in DiVA

fulltext(535 kB)21 downloads
File information
File name FULLTEXT01.pdfFile size 535 kBChecksum SHA-512
ea72633c4a34224f82621729c722e9dda0e5b1f475d77551941641effc5e79edbe60b469c4f40ad20297984c57fe0c8831a99d83821eff3b25200db4bb364c9a
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 21 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 45 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf