ਕਿਵੇਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦਾ ਪਾਰਿਸਥਿਤਿਕ ਤੰਤਰ ਬਣਾਇਆ ਜਾਵੇ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨ (Autonomous Vehicles, ਸੰਖੇਪ ਵਿੱਚ AVs) ਧੀਰੇ-ਧੀਰੇ ਵਿਗਿਆਨਕ ਕਹਾਣੀਆਂ ਤੋਂ ਹਕੀਕਤ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਨ, ਭਵਿੱਖ ਦੇ ਆਵਾਜਾਈ ਦਾ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਰਹੇ ਹਨ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਤਕਨਾਲੋਜੀ ਨਵੀਨਤਾ, ਨੀਤੀ ਸਹਾਇਤਾ, ਉਦਯੋਗ ਸਹਿਯੋਗ ਅਤੇ ਆਧਾਰਭੂਤ ਢਾਂਚਾ ਨਿਰਮਾਣ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾ ਰਹੇ ਹਨ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੇ ਪਾਰਿਸਥਿਤਿਕ ਤੰਤਰ ਨੂੰ ਬਣਾਉਣ ਵੇਲੇ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਵਾਲੇ ਕੁੰਜੀ ਤੱਤ ਅਤੇ ਉਪਯੋਗੀ ਟੂਲਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇਵਾਂਗੇ।

1. ਕੁੰਜੀ ਤਕਨਾਲੋਜੀਆਂ

1.1 ਸੈਮੀਕੰਡਕਟਰ ਤਕਨਾਲੋਜੀ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਤਕਨਾਲੋਜੀ ਦੇ ਵਿਕਾਸ ਨਾਲ, ਸੈਮੀਕੰਡਕਟਰ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਿਸਟਮ ਦੇ ਕੇਂਦਰੀ ਹਿੱਸੇ ਵਜੋਂ ਆਪਣੀ ਮਹੱਤਤਾ ਨੂੰ ਵਧਾ ਰਹੇ ਹਨ। ਯੂਰਪੀ ਯੂਨੀਅਨ ਕਮਿਸ਼ਨ ਦੇ ਬਿਆਨ ਦੇ ਅਨੁਸਾਰ, NanoIC ਯੋਜਨਾ 25 ਬਿਲੀਅਨ ਯੂਰੋ ਦੀ ਨਿਵੇਸ਼ ਕਰਨ ਦਾ ਵਾਅਦਾ ਕਰਦੀ ਹੈ, ਜੋ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਸੈਮੀਕੰਡਕਟਰ ਤਕਨਾਲੋਜੀ ਦੇ ਵਿਕਾਸ ਨੂੰ ਤੇਜ਼ ਕਰੇਗੀ। ਇਹ ਤਕਨਾਲੋਜੀਆਂ ਕ੍ਰਿਤ੍ਰਿਮ ਬੁੱਧੀ, ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ, ਚਿਕਿਤਸਾ ਅਤੇ 6G ਮੋਬਾਈਲ ਤਕਨਾਲੋਜੀ ਦਾ ਆਧਾਰ ਹਨ।

1.2 ਐਜ ਕੰਪਿਊਟਿੰਗ

ਐਜ ਕੰਪਿਊਟਿੰਗ ਕਲਾਉਡ ਦੇ ਦੇਰੀ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੀ ਹੈ, ਪਰ ਇਹ ਭੌਤਿਕ ਦੂਰੀ, ਨੈੱਟਵਰਕ ਬਦਲਾਅ ਅਤੇ ਹਾਰਡਵੇਅਰ ਮੁਕਾਬਲੇ ਕਾਰਨ ਸਥਾਨਕ ਦੇਰੀ ਨੂੰ ਵੀ ਲਿਆਉਂਦੀ ਹੈ। ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਲਈ, ਇਹ ਮਿਲੀਸੈਕੰਡ ਦੀ ਦੇਰੀ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਰੀਅਲ-ਟਾਈਮ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਇਸ ਲਈ, ਪ੍ਰਸਿੱਧ ਐਜ ਕੰਪਿਊਟਿੰਗ ਪਲੇਟਫਾਰਮ, ਜਿਵੇਂ ਕਿ NVIDIA ਦਾ Jetson ਅਤੇ Google ਦਾ Edge TPU, ਵਾਹਨ ਦੀ ਢਾਂਚਾ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ, ਤਾਂ ਜੋ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਕੀਤੀ ਜਾ ਸਕੇ।

1.3 AI ਅਤੇ ਡੀਪ ਲਰਨਿੰਗ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਨੂੰ ਜਟਿਲ ਫੈਸਲਾ ਲੈਣ ਦੀ ਤਰਕ ਅਤੇ ਵਾਤਾਵਰਣ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਦੀ ਲੋੜ ਹੈ। ਡੀਪ ਲਰਨਿੰਗ ਫਰੇਮਵਰਕ (ਜਿਵੇਂ ਕਿ TensorFlow ਅਤੇ PyTorch) ਦੀ ਮਦਦ ਨਾਲ ਸਮਾਰਟ ਅਲਗੋਰਿਦਮ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ, ਜੋ ਵਾਹਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਵਾਤਾਵਰਣ ਵਿੱਚ ਆਪ ਸਿੱਖਣ, ਕਾਰਵਾਈ ਦੀ ਰਣਨੀਤੀ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ। ਉਦਾਹਰਨ ਵਜੋਂ, Waymo ਦਾ ਵਿਸ਼ਵ ਮਾਡਲ ਯਥਾਰਥਵਾਦੀ ਇੰਟਰੈਕਟਿਵ ਵਾਤਾਵਰਣ ਬਣਾਉਂਦਾ ਹੈ, ਜੋ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਿਸਟਮ ਨੂੰ ਅਸਧਾਰਣ ਘਟਨਾਵਾਂ ਦਾ ਸਿਮੂਲੇਟ ਅਤੇ ਸਾਹਮਣਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਸੁਰੱਖਿਆ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ।

2. ਉਦਯੋਗ ਸਹਿਯੋਗ ਅਤੇ ਨੀਤੀ ਸਹਾਇਤਾ

2.1 ਕ੍ਰਾਸ-ਇੰਡਸਟਰੀ ਸਹਿਯੋਗ ਦੀ ਸਥਾਪਨਾ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਤਕਨਾਲੋਜੀ ਦੀ ਪੱਕੀ ਹੋਣ ਲਈ ਕ੍ਰਾਸ-ਇੰਡਸਟਰੀ ਸਹਿਯੋਗ ਦੀ ਲੋੜ ਹੈ। ਕਾਰ ਬਣਾਉਣ ਵਾਲੇ, ਤਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ, ਨੀਤੀ ਨਿਰਮਾਤਾ ਅਤੇ ਅਕਾਦਮਿਕ ਜਗਤ ਨੂੰ ਨਜ਼ਦੀਕੀ ਸਹਿਯੋਗ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਜੋ ਤਕਨਾਲੋਜੀ ਮਿਆਰਾਂ ਦੀ ਰਚਨਾ ਨੂੰ ਅੱਗੇ ਵਧਾਇਆ ਜਾ ਸਕੇ। ਉਦਾਹਰਨ ਵਜੋਂ, Tesla ਅਤੇ Google ਦੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਾਫਟਵੇਅਰ ਅਤੇ ਡੇਟਾ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਡੂੰਘੀ ਸਹਿਯੋਗ ਇੱਕ ਸਫਲਤਾ ਦਾ ਉਦਾਹਰਨ ਹੈ।

2.2 ਨੀਤੀ ਕਾਨੂੰਨਾਂ ਦੀ ਰਚਨਾ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਤਕਨਾਲੋਜੀ ਦੇ ਵਿਕਾਸ ਨਾਲ, ਅਨੁਕੂਲ ਨੀਤੀ ਢਾਂਚਾ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੋ ਗਿਆ ਹੈ। ਹਰ ਦੇਸ਼ ਦੇ ਕਾਨੂੰਨੀ ਸੰਸਦਾਂ ਨੂੰ ਕਾਨੂੰਨਾਂ ਦੀ ਰਚਨਾ ਨੂੰ ਪ੍ਰੋਤਸਾਹਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਜੋ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨ ਸ਼ਹਿਰ ਦੀਆਂ ਸੜਕਾਂ 'ਤੇ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਚਲ ਸਕਣ। ਉਦਾਹਰਨ ਵਜੋਂ, ਅਮਰੀਕੀ ਕਾਂਗਰਸ ਪਹਿਲਾਂ ਹੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੀ ਵਪਾਰਕਤਾ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ ਸੰਬੰਧਿਤ ਬਿੱਲਾਂ 'ਤੇ ਚਰਚਾ ਕਰ ਰਹੀ ਹੈ।

3. ਆਧਾਰਭੂਤ ਢਾਂਚਾ ਨਿਰਮਾਣ

3.1 ਸਮਾਰਟ ਟ੍ਰਾਂਸਪੋਰਟ ਸਿਸਟਮ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੀ ਚਾਲਨ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ, ਸਮਾਰਟ ਟ੍ਰਾਂਸਪੋਰਟ ਸਿਸਟਮ (ITS) ਅਵਸ਼੍ਯਕ ਹੈ। ITS ਵਿੱਚ ਟ੍ਰੈਫਿਕ ਸਿਗਨਲ ਕੰਟਰੋਲ, ਰੀਅਲ-ਟਾਈਮ ਟ੍ਰੈਫਿਕ ਨਿਗਰਾਨੀ, ਸੜਕ ਜਾਣਕਾਰੀ ਪ੍ਰਕਾਸ਼ਨ ਆਦਿ ਫੰਕਸ਼ਨ ਸ਼ਾਮਲ ਹਨ। ਕੁੰਜੀ ਸੜਕਾਂ 'ਤੇ ਸੈਂਸਰ ਅਤੇ ਨਿਗਰਾਨੀ ਉਪਕਰਨ ਲਗਾ ਕੇ, ਟ੍ਰੈਫਿਕ ਦੀ ਲਹਿਰ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

3.2 ਆਧਾਰਭੂਤ ਢਾਂਚੇ ਨੂੰ ਅੱਪਡੇਟ ਕਰਨਾ

ਪੁਰਾਣੇ ਟ੍ਰੈਫਿਕ ਢਾਂਚੇ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੀ ਚਾਲਨ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਇਸ ਲਈ ਆਧਾਰਭੂਤ ਢਾਂਚੇ ਦੀ ਨਿਯਮਿਤ ਮੂਲਾਂਕਣ ਅਤੇ ਅੱਪਡੇਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਸਥਾਨਕ ਸਰਕਾਰਾਂ ਅਤੇ ਸੰਬੰਧਿਤ ਵਿਭਾਗਾਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰਕੇ, ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੀ ਜਾਂਚ ਅਤੇ ਵਿਕਾਸ ਲਈ ਉਚਿਤ ਵਾਤਾਵਰਣ ਅਤੇ ਸ਼ਰਤਾਂ ਪ੍ਰਦਾਨ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ।

4. ਉਪਭੋਗਤਾ ਦਾ ਅਨੁਭਵ ਅਤੇ ਆਰਥਿਕ ਪ੍ਰਣਾਲੀ

4.1 ਉਪਭੋਗਤਾ ਡ੍ਰਾਈਵਿੰਗ ਅਨੁਭਵ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦਾ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਿਸਟਮ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਸਮੇਂ, ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਸੁਵਿਧਾ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਮਕੈਨਿਜ਼ਮ ਨੂੰ ਅਪਣਾਉਣਾ, ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨਾ, ਡ੍ਰਾਈਵਿੰਗ ਅਲਗੋਰਿਦਮ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਸਹੀ ਕਰਨ ਅਤੇ ਸੁਧਾਰਨ ਦਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਰੀਕਾ ਹੈ।

4.2 ਆਰਥਿਕ ਮਾਡਲ ਦੀ ਨਵੀਨਤਾ

ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਤਕਨਾਲੋਜੀ ਦੇ ਫੈਲਣ ਨਾਲ, ਨਵੇਂ ਵਪਾਰ ਮਾਡਲ ਉਭਰ ਰਹੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਸਾਂਝੇ ਆਵਾਜਾਈ, ਡ੍ਰਾਈਵਿੰਗ ਟੈਕਸੀ ਆਦਿ। Uber ਅਤੇ Baidu ਦੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸੇਵਾਵਾਂ ਦੀ ਮਦਦ ਨਾਲ, ਉਪਭੋਗਤਾ ਜਲਦੀ ਹੀ ਬਿਨਾ ਡ੍ਰਾਈਵਰ ਦੀ ਸੇਵਾ ਦੇ ਆਰਾਮ ਦਾ ਅਨੁਭਵ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਕੰਪਨੀਆਂ ਨੂੰ ਸੇਵਾ ਦੀ ਕੀਮਤ, ਲਾਗਤ ਨਿਯੰਤਰਣ ਅਤੇ ਖਤਰੇ ਦੇ ਪ੍ਰਬੰਧਨ ਆਦਿ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਵਾਧੂ ਨਵੀਨਤਾ ਸੋਚਣ ਦੀ ਲੋੜ ਹੈ।

5. ਉਪਯੋਗੀ ਟੂਲਾਂ ਦੀ ਸਿਫਾਰਸ਼

5.1 ਵਿਕਾਸ ਟੂਲ

• TensorFlow: ਖੁੱਲਾ ਸਰੋਤ ਡੀਪ ਲਰਨਿੰਗ ਫਰੇਮਵਰਕ, ਜੋ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਿਸਟਮ ਦੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਵਿਕਾਸ ਲਈ ਉਪਯੋਗੀ ਹੈ।
• NVIDIA CUDA: ਸ਼ਕਤੀਸ਼ਾਲੀ ਪੈਰਾਲਲ ਕੰਪਿਊਟਿੰਗ ਪਲੇਟਫਾਰਮ ਅਤੇ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ ਮਾਡਲ, ਜੋ ਰੀਅਲ-ਟਾਈਮ ਪ੍ਰਕਿਰਿਆ ਦੀਆਂ ਲੋੜਾਂ ਵਾਲੇ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਪ੍ਰੋਗਰਾਮਾਂ ਦੇ ਵਿਕਾਸ ਲਈ ਉਚਿਤ ਹੈ।
• ROS (Robot Operating System): ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਰੋਬੋਟਿਕਸ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਸੰਦ ਅਤੇ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

5.2 ਟੈਸਟ ਪਲੇਟਫਾਰਮ

• CARLA Simulator: ਇੱਕ ਖੁੱਲਾ ਸਰੋਤ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਸਿਮੂਲੇਟਰ, ਜੋ ਵੱਖ-ਵੱਖ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਰਚਨਾ ਅਤੇ ਟੈਸਟਿੰਗ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।
• AirSim: ਮਾਈਕ੍ਰੋਸੌਫਟ ਦੁਆਰਾ ਵਿਕਸਿਤ ਖੁੱਲਾ ਸਰੋਤ ਸਿਮੂਲੇਟਰ, ਜੋ ਬਿਨਾ ਡ੍ਰਾਈਵਰ ਦੀਆਂ ਕਾਰਾਂ ਅਤੇ ਡਰੋਨ ਦੀਆਂ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਟੈਸਟਿੰਗ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

ਨਿਸ਼ਕਰਸ਼

ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਦੇ ਪਾਰਿਸਥਿਤਿਕ ਤੰਤਰ ਨੂੰ ਬਣਾਉਣਾ ਇੱਕ ਜਟਿਲ ਸਿਸਟਮ ਇੰਜੀਨੀਅਰਿੰਗ ਹੈ, ਜੋ ਤਕਨਾਲੋਜੀ, ਨੀਤੀ, ਉਦਯੋਗ ਸਹਿਯੋਗ ਅਤੇ ਆਧਾਰਭੂਤ ਢਾਂਚੇ ਦੇ ਕਈ ਪੱਖਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ। ਕੁੰਜੀ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਉਤਕ੍ਰਿਸ਼ਟਤਾ 'ਤੇ ਧਿਆਨ ਦੇ ਕੇ, ਉਦਯੋਗ ਸਾਥੀਆਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰਕੇ, ਅਤੇ ਉਚਿਤ ਟੂਲਾਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਆਟੋਮੈਟਿਕ ਡ੍ਰਾਈਵਿੰਗ ਤਕਨਾਲੋਜੀ ਦਾ ਫੈਲਾਉਣਾ ਅਤੇ ਲਾਗੂ ਕਰਨਾ ਸੰਭਵ ਹੋਵੇਗਾ, ਜੋ ਭਵਿੱਖ ਦੇ ਸਮਾਰਟ ਟ੍ਰਾਂਸਪੋਰਟ ਦੇ ਵਿਕਾਸ ਨੂੰ ਅੱਗੇ ਵਧਾਏਗਾ।