به عنوان مدیرعامل یک شرکت متخصص در تحویل خودروهای خودران، این روزها بیش از هر سوال دیگری از من یک سوال پرسیده می شود: "وانت های خودران شما واقعاً چگونه پارک می کنند؟" این یک سوال منصفانه است - هر چه باشد، پارک کردن یکی از پیچیدهترین بخشهای رانندگی شهری است، حتی برای رانندگان انسانی با تجربه. وقتی شما در حال طراحی وسایل نقلیهای هستید که با حمل و نقل، مناطق بارگیری، و خیابانهای مسکونی تنگ بدون حضور شخصی پشت فرمان برخورد میکنند، پاسخ به این سادگی نیست که «آنها میکشند و میایستند». در طول پنج سال گذشته، تیم ما صدها نمونه اولیه را در شهرها از سیاتل تا فینیکس آزمایش کرده است، و ما یک سیستم پارکینگ ساختهایم که کارایی، ایمنی و احترام به قوانین محلی را متعادل میکند. امروز، میخواهم پردهای را در مورد نحوه برخورد ما با این چالش و اینکه چرا برای آینده تحویل آخرین مایل اهمیت دارد، کنار بزنم.
ابتدا، بیایید زمینه را تنظیم کنیم: وسایل نقلیه خودران تحویل مانند خودروهای شخصی خودران نیستند. وسایل نقلیه ما برای یک کار خاص ساخته شده اند: جابجایی بسته ها از مرکز توزیع به درب مشتری، اغلب در فضاهای تنگ که در آن رانندگان انسان معمولاً به موازات یکدیگر پارک می کنند یا به محل بارگیری تعیین شده می کشند. این بدان معناست که منطق پارک آنها فقط یافتن یک نقطه نیست، بلکه در مورد انجام آن بدون تأخیر در ترافیک، مسدود کردن شیرهای آتش نشانی یا گیر کردن در نقطه ای بسیار کوچک است. در اوایل، ما این اشتباه را مرتکب شدیم که با پارکینگ به همان روشی رفتار میکنیم که با رانندگی در بزرگراه رفتار میکنیم: اولین نمونههای اولیه ما یک نقطه را اسکن میکنند، سیگنال میدهند و بدون در نظر گرفتن محدودیتهای منحصربهفرد تحویل، حرکت میکنند. ما به سرعت متوجه شدیم که این رویکرد در مناطق شهری متراکم جواب نمی دهد. اگر یک ون حمل و نقل در وسط یک مسیر دوچرخه برای پارک توقف کند، باعث ایجاد پشتیبان می شود و می تواند ساکنان محلی و مقامات شهر را ناامید کند. به همین دلیل است که ما سیستم خود را به گونهای ساختهایم که ابتدا «پارک پویا» را اولویتبندی کنیم، قبل از اینکه به یک مکان دائمی فکر کنیم.


پارکینگ پویا توقف موقتی است که وسایل نقلیه ما در هنگام سقوط از آن استفاده می کنند. برای مثال، اگر مشتری در ساختمان آپارتمان خود منتظر باشد، وسیله نقلیه خودران تحویلی ما خود را در فاصله 10 تا 15 فوتی از ورودی ساختمان، در نقطهای قرار میدهد که گذرگاهها یا ایستگاههای اتوبوس را مسدود نمیکند. برای انجام این کار، ما به ترکیبی از نقشهبرداری سه بعدی، دادههای حسگر بیدرنگ و یک کتابخانه قوانین خاص شهر تکیه میکنیم. بخش نقشه برداری بسیار مهم است: قبل از اینکه وسایل نقلیه ما به هر خیابانی برخورد کنند، ما هفته ها را صرف جمع آوری داده ها در مورد خط کشی ها، مکان های شیر آتش نشانی، زمان بارگیری منطقه و حتی عرض خطوط دوچرخه می کنیم. ما این نقشه را هر 24 ساعت به روز می کنیم، زیرا قوانین شهر تغییر می کند - به عنوان مثال، برخی از خیابان ها در ساعات شلوغی پارکینگ ندارند، یا هفته گذشته یک خط دوچرخه جدید اضافه شد. مجموعه حسگرهای ما که شامل لیدار، دوربینها و حسگرهای اولتراسونیک است، به خودرو کمک میکند تا با آنچه در لحظه اتفاق میافتد سازگار شود: اگر دوچرخهسوار به جاده منحرف شود، ون به جای حرکت به جلو، نقطه پویا خود را چند فوت عقب نگه میدارد، بنابراین خطر برخورد را تهدید نمیکند. اینجاست که سرمایه گذاری روی فناوری قابل اعتماد تفاوت ایجاد می کند. وسایل نقلیه ما طوری برنامه ریزی شده اند که 10 بار در ثانیه محیط اطراف خود را بررسی کنند، بنابراین آنها می توانند به خودروی پارک شده که در را باز می کند یا عابر پیاده ای که وارد خیابان می شود سریعتر از واکنش یک راننده انسانی واکنش نشان دهند.
پس از اتمام تحویل، وسیله نقلیه از پارکینگ پویا به یافتن یک مکان پارک طولانی مدت تغییر می کند. این بخش پیچیدهتر از آن چیزی است که به نظر میرسد، زیرا شهرها قوانین متفاوتی برای پارک خودروهای تجاری دارند. برخی از مناطق مرکز شهر «منطقههای پارکینگ AV» را اختصاص دادهاند که وسایل نقلیه تحویل خودکار ما میتوانند تا چهار ساعت بدون بلیط در آنجا بمانند. در محلههای قدیمیتر که هیچ نقطه مشخصی ندارند، سیستم ما باید تعادلی بین انطباق قانونی و کارایی عملیاتی ایجاد کند. به عنوان مثال، در منطقه کاپیتول هیل سیاتل، خیابان های مسکونی دارای محدودیت دو ساعته برای پارک خودروهای تجاری در طول روز کاری هستند. وسایل نقلیه ما نقطهای را اسکن میکنند که حداقل 20 فوت از خط عابر پیاده فاصله داشته باشد (طبق قانون شهر) و مسیری را مسدود نمیکند، سپس به آرامی به داخل میکشند. ما پارک موازی را نیز آزمایش کردهایم—ویژگی که در ساختهای اولیه اختیاری بود، اما پس از درخواست مشتریان از ما برای خدمات رسانی به مناطقی که مسیرهای ورودی محدود است، غیرقابل مذاکره شد. الگوریتم پارک موازی ما فقط کپی چیزی نیست که در تسلا می بینید. برای وسایل نقلیه تحویلی کالیبره شده است، که طولانی تر و سنگین تر از اکثر خودروهای سواری هستند. ما هزاران آزمایش شبیهسازی را برای پارک موازی در فضاهایی انجام دادیم که فقط یک فوت بیشتر از ونهای ما هستند و فرمان و شتاب را برای جلوگیری از خراشیدن حاشیهها یا برخورد به خودروهای پارک شده تنظیم کردیم.
بخش بزرگی از اینکه چرا ما این سیستم را اصلاح کرده ایم به دلیل بازخورد شهرهایی است که با آنها کار می کنیم. در اوایل، زمانی که اولین وسایل نقلیه تحویل بدون راننده خود را در فینیکس راه اندازی کردیم، بخش ترافیک شهر یک مشکل را مطرح کرد: وسایل نقلیه ما در ساعات غیر اوج بار در مناطق بارگیری پارک میکردند که دریافت کالاهای خود را برای مشاغل کوچک دشوار میکرد. ما به تابلوی طراحی برگشتیم و الگوریتم خود را بهروزرسانی کردیم تا با دادههای برنامه پارکینگ محلی همگام شود، بنابراین خودرو میتواند در زمان واقعی بررسی کند که آیا منطقه بارگیری در دسترس است یا برای تعمیر بسته است. این نوعی انعطافپذیری است که فناوری ما را فراتر از یک مسیر آزمایشی مفید میکند. همچنین به همین دلیل است که ما به جای کار در اطراف شهرها با آنها شریک می شویم - قوانین آنها چیزی است که خیابان ها را برای همه ایمن نگه می دارد، و وسایل نقلیه تحویل خودکار ما باید در آن اکوسیستم قرار بگیرند، نه برعکس. اگر میخواهید درباره نحوه تطبیق وسایل نقلیه ما با مقررات شهری مختلف بیشتر بدانید، میتوانید صفحه ما را در مورد وسایل نقلیه تحویل بدون راننده بررسی کنید، جایی که ما روند یکپارچهسازی شهر خود را مرحله به مرحله تجزیه میکنیم.
چالش دیگری که در ابتدا پیشبینی نمیکردیم این بود که چگونه سیستم پارکینگ ما با سایر کاربران جاده تعامل خواهد داشت. رانندگان انسانی معمولاً هنگام پارک کردن تصمیمات کوچک و شهودی میگیرند: شکافی میگذارند تا ماشین دیگری بتواند عبور کند، یا کمی جلو میآیند تا دوچرخهسوار را راحتتر کند. وسایل نقلیه ما نیز باید این قوانین نانوشته را یاد می گرفتند. ما سیستم خود را بر روی میلیونها ساعت فیلم از پارک کردن رانندگان تحویل انسان، که از مسیرهای آزمایشی خود گرفته بودیم، آموزش دادیم و آن را طوری برنامهریزی کردیم که این رفتارها را منعکس کند. برای مثال، وقتی خودروهای تحویل بدون راننده ما به نقطهای موازی میروند، سه فوت فاصله بین جلوی ون و خودروی جلوییشان باقی میگذارند - به اندازهای که یک عابر پیاده بدون احساس تنگی بین این دو راه برود، اما نه آنقدر که راننده دیگری بتواند وارد آن شود. همچنین ویژگیای اضافه کردیم که به وسیله نقلیه اجازه میدهد اگر دوچرخهسوار به سپر نزدیک شود، کمی به عقب برگردد تا سپر را دور بزند. این توجه به جزئیات فقط به خاطر خوب بودن نیست، بلکه در مورد کاهش احتمال تصادفات است. دادههای ما نشان میدهد که از زمانی که این رفتارهای پارک بصری را اضافه کردهایم، تعداد حوادث جزئی (مانند برخورد دوچرخهسوار به سپر ون) در شهرهای آزمایشی ما 78 درصد کاهش یافته است.
البته هیچ سیستمی کامل نیست. هنوز موارد حاشیه ای وجود دارد که خودروی خودران تحویلی ما برای پارک کردن مشکل دارد. به عنوان مثال، خیابان های مسکونی باریک با اتومبیل های پارک شده در دو طرف، فضای کمی برای یک ون بزرگ باقی می گذارد. در این شرایط، وسیله نقلیه ما با یک اپراتور انسانی از راه دور ارتباط برقرار می کند، که می تواند آن را به یک نقطه هدایت کند - معمولاً با تنظیم کمی زاویه یا پشتیبان گیری برای ایجاد فضای بیشتر. ما به این «دستیار پارک از راه دور» می گوییم، و این یک سیستم پشتیبان است که از روز اول در آن وجود داشتیم. فقط زمانی شروع می شود که وسیله نقلیه 90٪ مطمئن باشد که نمی تواند مانور پارک را به تنهایی انجام دهد، که در کمتر از 2٪ مواقع در عملیات عادی ما اتفاق می افتد. ما همچنین با شهرها کار کردهایم تا خیابانهای فرعی «کمترافیک» را شناسایی کنیم که در آن وسایل نقلیه ما میتوانند در صورت یافتن نقطهای توقف کنند، بهجای اینکه در جاده اصلی منتظر بمانند و باعث تأخیر شوند.
با نگاهی به آینده، ما در حال کار بر روی دو ارتقا هستیم که سیستم پارکینگ ما را حتی بهتر خواهد کرد. اول، ما در حال ادغام با زیرساختهای شهر هوشمند هستیم، مانند حسگرهای محدود که به وسایل نقلیه ما اجازه میدهند قبل از رسیدن به مکانی در دسترس باشند یا خیر. این باعث کاهش زمانی می شود که یک ون برای یافتن نقطه ای در یک بلوک می چرخد، که یک پیروزی بزرگ برای کاهش ترافیک است. دوم، ما در حال طراحی سیستم خود هستیم تا پارکینگ در مراکز کوچک تحقق را اولویت بندی کند، مراکزی که در شهرها ظاهر می شوند تا تحویل آخرین مایل را سریعتر کنند. مرکز تحقق خرد یک انبار کوچک در یک محله مسکونی است، بنابراین امکان پارک کردن درست در آنجا (به جای یک مایل دورتر) باعث صرفه جویی در زمان و سوخت می شود. اگر میخواهید ببینید وسایل نقلیه ما برای کار با این مراکز چگونه تنظیم شدهاند، به صفحه ما در Delivery Autonomous Vehicle بروید، جایی که ما مطالعات موردی از استقرار خود در دالاس و آستین داریم.
من می دانم که برای بسیاری از مردم، ایده پارکینگ ون تحویل خود کمی آینده نگرانه است. اما حقیقت این است که این فناوری در پنج سال گذشته راه طولانی را پیموده است. هنگامی که ما برای اولین بار آزمایش خودروی تحویل بدون راننده خود را در سال 2019 آغاز کردیم، ساعت ها منتظر بودیم تا نمونه اولیه به درستی پارک شود. اکنون، ناوگان ما در 98 درصد مواقع حتی در شلوغ ترین مناطق مرکز شهر به درستی پارک می کند. این شانس نیست - نتیجه هزاران ساعت آزمایش، بازخورد شهرها و رانندگان، و تیمی است که به ساخت فناوریهایی که برای همه کار میکند، نه فقط برای علاقهمندان به فناوری، اهمیت میدهند.
اگر شما یک مقام شهری، یک مدیر تدارکات، یا یک صاحب کسب و کار هستید که علاقه مند به این هستید که وسایل نقلیه تحویل خودکار ما چگونه می توانند در عملیات شما قرار بگیرند، ما اینجا هستیم تا صحبت کنیم. ما با شرکتهایی در هر اندازه، از فروشگاههای مواد غذایی محلی گرفته تا مارکهای ملی حملونقل، کار کردهایم تا ناوگان حمل و نقل را طراحی کنیم که در زمان صرفهجویی، هزینهها و ایمنتر نگه داشتن خیابانها را کاهش دهد. تیم ما میتواند شما را در مورد نحوه عملکرد سیستم پارکینگ ما راهنمایی کند، به سؤالات مربوط به رعایت مقررات پاسخ دهد، و حتی به شما کمک کند یک نمونه اولیه را در جامعه خود آزمایش کنید. چه کنجکاو باشید که وسایل نقلیه ما چگونه با پارک موازی در خیابانهای باریک برخورد میکنند یا چگونه با قوانین پارکینگ محلی هماهنگ میشویم، ما آمادهایم آنچه را که آموختهایم به اشتراک بگذاریم.
مراجع:
- اداره ملی ایمنی ترافیک بزرگراه. (2022). دستورالعمل های پارک خودکار وسایل نقلیه برای محیط های شهری.
- انجمن حمل و نقل بین المللی (2021). تحویل آخرین مایل: چالش های پارکینگ و راه حل های مستقل.
- گزارش عملکرد ناوگان داخلی شرکت ما، 2019-2024.
- اداره حمل و نقل شهر سیاتل. (2023). راهنمای مقررات پارکینگ خودروهای تجاری
- موسسه مهندسین حمل و نقل. (2022). قوانین نانوشته جاده برای رفتار خودروهای خودمختار در مناطق شهری.
