- Nazwa przedmiotu:
- Techniki symulacji komputerowej systemów i środków transportu autonomicznego
- Koordynator przedmiotu:
- Dr hab. inż. Maciej Kozłowski, prof.PW, Wydział Transportu, Zakład Systemów Informatycznych i Mechatronicznych w Transporcie
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Transport
- Grupa przedmiotów:
- Specjalnościowe
- Kod przedmiotu:
- Semestr nominalny:
- 2 / rok ak. 2019/2020
- Liczba punktów ECTS:
- 4
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- 110 godz., w tym: praca na wykładach 30 godz., praca na ćwiczeniach laboratoryjnych 30 godz., studiowanie literatury przedmiotu 20 godz., konsultacje 3 godz. (w tym 2 godz. konsultacje w zakresie ćwiczeń laboratoryjnych), przygotowanie się do zaliczeń 10 godz., samodzielne przygotowanie sprawozdań 12 godz., zapoznanie się ze stosowanym oprogramowaniem 5 godz.
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 2,5 pkt. ECTS (63 godz., w tym: praca na wykładach 30 godz., praca na ćwiczeniach laboratoryjnych 30 godz., konsultacje 3 godz.)
- Język prowadzenia zajęć:
- polski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- 2,0 pkt, ECTS (49 godz., w tym: praca na ćwiczeniach laboratoryjnych 30 godz., konsultacje w zakresie ćwiczeń laboratoryjnych 2 godz., zapoznanie się ze stosowanym oprogramowaniem 5 godz., wykonanie sprawozdań poza godzinami zajęć 12 godz.)
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład30h
- Ćwiczenia0h
- Laboratorium30h
- Projekt0h
- Lekcje komputerowe0h
- Wymagania wstępne:
- Znajomość teorii ruchu samochodu
- Limit liczby studentów:
- Brak
- Cel przedmiotu:
- Celem przedmiotu jest uzyskanie wszechstronnej wiedzy na temat technik i metod symulacyjnych związanych z modelowaniem i symulacją komputerową systemów i środków transportu autonomicznego lub automatycznego
- Treści kształcenia:
- Wykład
Problemy modelowania ruchu pojazdów autonomicznych, wynikające z ich budowy, czyli: elektryfikacji napędu, zastosowania układu „steer by wire”, zastosowań czujników samochodowych oraz metod prowadzenia internet networking (V2V) lub z pomocą infrastruktury drogowej ( V2I)
Zadanie lokalizacji i budowy mapy: Simultaneous Localization and Mapping (SLAM)
Zadania modelowania w skali mikro. Algorytmy wyznaczania trajektorii samochodów autonomicznych w celu omijania przeszkód. Metoda „software in the loop simulation”, lub „hardware in the loop simulation”. Zastosowanie specjalistycznego oprogramowania np. PreScan. Zadania modelowania w skali makro. Problemy wynikające z możliwości zastosowań pojazdów autonomicznych do rozwiązywania wielorakich zadań transportowych. Algorytmy rozwiązywania zadania analizy przepływu samochodów autonomicznych w skali miasta przy różnych założeniach (car sharing, taxi itp.). Metody czynnikowe „agent-based simulation”, zalety, wady ograniczenia.
Perspektywy zastosowań metod uczenia maszynowego do rozwiązywania zadań związanych z analizą ruchu pojazdów autonomicznych.
Laboratorium
Ćwiczenie 1 dotyczy mikrosymulacji w celu wyznaczenia, wykonania i nadzoru trajektorii ruchu samochodu z systemem czujników przy zastosowaniu metod „software in the loop simulation”, lub „hardware in the loop simulation” dla zindywidualizowanych scenariuszy drogowych.
Ćwiczenie 2 dotyczy makrosymulacji i obejmuje analizę płynności ruchu samochodów automatycznych lub autonomicznych w strefie miejskiej. Zindywidualizowane warunki symulacji będą dotyczyły szczególnych warunków zastosowań, jak np. flota taxi lub car sharing, a także warunków pracy, jak np. usterki
- Metody oceny:
- Wykład
Ocena formułująca: 2 sprawdziany pisemne zawierające łącznie 6 pytań otwartych. Wymagane co najmniej 50% poprawnej odpowiedzi na każde z nich.
Laboratorium
Ocena formułująca: kartkówki. Ocena końcowa: ocena ze sprawozdań z ćwiczeń. Wymagane zaliczenie wszystkich ćwiczeń.
Ocena zintegrowana z przedmiotu wystawiana jest na podstawie wyników sprawdzianów na wykładzie i indywidualnych zadań problemowych oraz wyników ćwiczeń laboratoryjnych. Ocena zintegrowana jest oceną średnią obu ocen cząstkowych.
- Egzamin:
- tak
- Literatura:
- Literatura podstawowa:
1. M.S. Greval „Global Positioning Systems, Inertial Navigation and Integration.
Artykuły naukowe:
1. Hugh Durrant-Whyte, Fellow, IEEE, and Tim Bailey, Simultaneous Localisation and Mapping (SLAM): Part I The Essential Algorithms, Part II State of the Art
- Witryna www przedmiotu:
- http://www.simt.wt.pw.edu.pl/dydaktyka/
- Uwagi:
- O ile nie powoduje to zmian w zakresie powiązań danego przedmiotu z kierunkowymi efektami uczenia się w treściach kształcenia mogą być wprowadzane na bieżąco zmiany związane z uwzględnieniem najnowszych osiągnięć naukowych.
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Charakterystyka W01
- Zna podstawowe problemy zastosowania symulacji do analiz ruchu samochodów z systemem ADAS, automatycznych lub autonomicznych.
Weryfikacja: 2 sprawdziany pisemne zawierające łącznie 6 pytań otwartych, w tym 2 pytania bezpośrednio doczące treści weryfikowanego efektu. wymagana odpowiedź w co najmniej 50% na każde z nich.
Powiązane charakterystyki kierunkowe:
Tr2A_W01
Powiązane charakterystyki obszarowe:
I.P7S_WG
- Charakterystyka W02
- Zna sposoby wyznaczania trajektorii manewru samochodu autonomicznego przy zastosowaniu metody mikrosymulacji
Weryfikacja: 2 sprawdziany pisemne zawierające łącznie 6 pytań otwartych, w tym 2 pytania bezpośrednio doczące treści weryfikowanego efektu. wymagana odpowiedź w co najmniej 50% na każde z nich.
Powiązane charakterystyki kierunkowe:
Tr2A_W04
Powiązane charakterystyki obszarowe:
I.P7S_WG
- Charakterystyka W03
- Zna sposoby rozwiązywania płynności ruchu floty pojazdów autonomicznych w strefie miejskiej przy zastosowaniu metod symulacji czynnikowej
Weryfikacja: 2 sprawdziany pisemne zawierające łącznie 6 pytań otwartych, w tym 2 pytania bezpośrednio doczące treści weryfikowanego efektu. wymagana odpowiedź w co najmniej 50% na każde z nich.
Powiązane charakterystyki kierunkowe:
Tr2A_W07
Powiązane charakterystyki obszarowe:
I.P7S_WG, I.P7S_WK
Profil ogólnoakademicki - umiejętności
- Charakterystyka U01
- Potrafi wybrać odpowiednią metodę symulacji do postawionego zadania analizy ruchu samochodu autonomicznego
Weryfikacja: Zaliczenie ćwiczenia laboratoryjnego dotyczącego treści weryfikowanego efektu. Warunkiem zaliczenia jest poprawne wykonanie ćwiczenia pod względem merytorycznym, wykonanie sprawozdania oraz wykazanie się podstawową wiedzą niezbędną do jego wykonania.
Powiązane charakterystyki kierunkowe:
Tr2A_U08
Powiązane charakterystyki obszarowe:
I.P7S_UW, III.P7S_UW.2.o
- Charakterystyka U02
- Potrafi zastosować metodę “hardware in the loop simulation” lub “software in the loop simulation”
Weryfikacja: Zaliczenie ćwiczenia laboratoryjnego dotyczącego treści weryfikowanego efektu. Warunkiem zaliczenia jest poprawne wykonanie ćwiczenia pod względem merytorycznym, wykonanie sprawozdania oraz wykazanie się podstawową wiedzą niezbędną do jego wykonania.
Powiązane charakterystyki kierunkowe:
Tr2A_U09
Powiązane charakterystyki obszarowe:
I.P7S_UW, III.P7S_UW.1.o
- Charakterystyka U03
- Potrafi zastosować metodę symulacji czynnikowej
Weryfikacja: Zaliczenie ćwiczenia laboratoryjnego dotyczącego treści weryfikowanego efektu. Warunkiem zaliczenia jest poprawne wykonanie ćwiczenia pod względem merytorycznym, wykonanie sprawozdania oraz wykazanie się podstawową wiedzą niezbędną do jego wykonania.
Powiązane charakterystyki kierunkowe:
Tr2A_U11
Powiązane charakterystyki obszarowe:
I.P7S_UW
Profil ogólnoakademicki - kompetencje społeczne
- Charakterystyka K01
- Absolwent jest wrażliwy na pozatechniczne aspekty i skutki wdrażania systemów i pojazdów autonomicznych i ich wpływu na środowisko i człowieka, i ważność związanej z tym odpowiedzialności za podejmowane decyzje
Weryfikacja: udział w dyskusji na zajęciach, wymagana poprawna wypowiedz na temat efektu
Powiązane charakterystyki kierunkowe:
Tr2A_K05
Powiązane charakterystyki obszarowe:
I.P7S_KR