Nazwa przedmiotu:
Techniki symulacji komputerowej systemów i środków transportu autonomicznego
Koordynator przedmiotu:
Dr inż. Marcin Koniak, 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. 2020/2021
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