با تقویت اطلاعات حسی با ارتباطات V2X، وسایل نقلیه خودکار متصل قادر به ایجاد دانش دقیق از محیط رانندگی خود و ایجاد مدل‌های مبتنی بر داده برای تخمین، پیش‌بینی و کنترل هستند. با این حال، یک CAV باید پیکربندی و رفتارهای رانندگی در حال تغییر دائمی وسایل نقلیه همسایه را شناسایی کند تا در ترافیک واقعی بصیر باشد. چنین شناسایی می تواند بسیار چالش برانگیز باشد، زیرا یک وسیله نقلیه خاص ممکن است فقط برای چند ثانیه در محدوده دید سنسورها ظاهر شود و اطلاعات V2X ممکن است شامل هر وسیله نقلیه نزدیک نباشد. در حالی که الگوریتم های مبتنی بر یک مدل اصل اول را می توان برای شناسایی پیکربندی ترافیک اطراف استفاده کرد، ترکیب آنها با روش های مبتنی بر داده ممکن است به طور قابل توجهی استحکام برآورد را افزایش دهد [24]. به طور مشابه، به منظور توصیف و پیش‌بینی بهتر رفتار رانندگی انسان، پارامترهای مهم انسانی از جمله زمان واکنش راننده را می‌توان با استفاده از اطلاعات بیدرنگ V2X شناسایی کرد [25]. آگاهی از رفتار رانندگی وسایل نقلیه همسایه به CAV کمک می کند تا با محیط های مختلف ترافیکی سازگار شود، به طوری که بتواند توسط مسافران انسانی خود و همچنین سایر کاربران جاده پذیرفته شود.

در حالی که ارتباطات V2X به خودروهای خودکار متصل اجازه می دهد تا روشن بین باشند، همچنین چالش های جالبی را در تصمیم گیری و طراحی کنترلر از طریق محیط بسیار پویا ترافیک وسایل نقلیه به ارمغان می آورد. به عنوان مثال، یک وسیله نقلیه خودکار متصل و وسایل نقلیه انسان محور نزدیک (که برخی از آنها مجهز به دستگاه های V2X هستند) یک سیستم وسیله نقلیه متصل موقتی را تشکیل می دهند که دارای پیکربندی و توپولوژی شبکه با زمان متغیر است. بنابراین، یک وسیله نقلیه خودکار متصل باید در برابر عدم قطعیت در رفتار رانندگی وسایل نقلیه همسایه و همچنین در برابر افت بسته های تصادفی در ارتباطات بی سیم مقاوم باشد [25، 26]. علاوه بر این، الگوریتم‌های کنترل مبتنی بر اتصال باید مقیاس‌پذیر و انعطاف‌پذیر باشند، به طوری که عملکرد ماکروسکوپی یک سیستم ترافیک متصل همچنان با افزایش نرخ نفوذ وسایل نقلیه مجهز به V2X و وسایل نقلیه خودکار متصل بهبود می‌یابد [27]. به منظور دستیابی به این هدف، می توان نقوش سودمند را در شبکه های خودرو شناسایی کرد و وسایل نقلیه خودکار متصل را طراحی کرد تا شکل گیری چنین نقوشی را تسهیل کند [28]. به طور خاص، با افزایش اندازه یک سیستم وسیله نقلیه متصل، الگوریتم‌هایی با هزینه‌های محاسباتی پایین مورد نیاز خواهند بود تا امکان تطبیق توپولوژی اتصال با زمان محدود سیگنال‌های V2X را فراهم کنند [29].

بهبود ایمنی و کارایی جریان ترافیک با Cavs

به منظور نشان دادن مزایای استفاده از اطلاعات فراتر از خط دید، ما مجموعه ای از آزمایش ها را با استفاده از یک وسیله نقلیه خودکار متصل انجام دادیم که به حرکت چندین وسیله نقلیه انسانی مجهز به دستگاه های GPS و DSRC پاسخ می داد. شکل 2 را ببینید. نتایج زیر نشان می دهد که اتصال، زمانی که به طور مناسب مورد استفاده قرار گیرد، ممکن است به طور قابل توجهی ایمنی و کارایی CAV و وسایل نقلیه انسان محور اطراف آن را بهبود بخشد [30].

اولین آزمایش در شکل 3 خلاصه شده است، جایی که یک وسیله نقلیه در حال نزدیک شدن به وسیله نقلیه دیگری است که در امتداد جاده متوقف شده است. با توجه به هندسه و ارتفاع جاده، وسیله نقلیه ثابت تنها زمانی در محدوده دید ظاهر می شود که فاصله بین دو وسیله نقلیه حدود 25 متر باشد. بنابراین، اگر خودرو نزدیک به حداکثر سرعت (35 مایل در ساعت) حرکت می کرد، ترمز شدید لازم است. در واقع، یک مانور ترمز ثبت شده است که تقریباً به -10 متر بر ثانیه می رسد (پانل سمت چپ شکل 3). چنین کاهش سرعت نه تنها بر راحتی مسافر تأثیر منفی می گذارد، بلکه ممکن است در شرایط جاده ای غیر ایده آل منجر به برخورد شود. با این حال، زمانی که خط دید راننده انسانی یا حسگرهای سواری (که توسط مخروط‌های آبی مشخص شده است) با اطلاعات V2V افزایش می‌یابد، می‌توان از این خطر احتمالی جلوگیری کرد. در پانل سمت راست شکل 3، همان سناریو توسط یک وسیله نقلیه خودکار متصل که از وسیله نقلیه ثابت از طریق ارتباط V2V آگاه است، مدیریت می شود. در این مورد، حداکثر کاهش سرعت آن تنها به 2- متر بر ثانیه می رسد که حتی اگر سطح جاده ایده آل نباشد، وسیله نقلیه را ایمن نگه می دارد. توجه داشته باشیم که وسیله نقلیه خودکار متصل زمانی شروع به ترمزگیری می کند که وسیله نقلیه ساکن حدود 70 متر دورتر باشد، یعنی بسیار فراتر از خط دید.

آزمایش دوم در شکل 4 خلاصه شده است، که در آن سه وسیله نقلیه در یک جاده مستقیم به دنبال یکدیگر می آیند و راننده انسانی اولین وسیله نقلیه ترمز متوسطی را اعمال می کند (حدود -5 متر بر ثانیه). در پاسخ به این آشفتگی، راننده انسانی وسیله نقلیه دوم شدیدتر ترمز می کند (حدود 8- متر بر ثانیه). ستون سمت چپ نشان می دهد که وقتی وسیله نقلیه سوم نیز توسط یک راننده انسانی هدایت می شود، کاهش سرعت آن به m/s2-10 خطرناک می رسد. ستون میانی پاسخ یک وسیله نقلیه خودکار متصل را در موقعیت مشابه بدون اطلاعات فراتر از خط دید نشان می دهد. یعنی CAV فقط به حرکت وسیله نقلیه انسان محور بلافاصله جلوتر پاسخ می دهد (همانطور که یک وسیله نقلیه خودکار مبتنی بر حسگر ممکن است انجام دهد). به دلیل زمان پاسخ کمتر و دقت بهتر، ترمز شدید کمتری با اوج کاهش سرعت در حدود -5 m/s2 دارد. در نهایت، ستون سمت راست سناریویی را نشان می‌دهد که خودروی خودکار متصل از اطلاعات فراتر از خط دید استفاده می‌کند و به حرکت هر دو خودروی جلویی پاسخ می‌دهد. اوج کاهش سرعت آن تنها 2.5- متر بر ثانیه است که نشان‌دهنده ایمنی و راحتی بیشتر مسافران است.