Sistema de toma de decisiones basado en modelo para cambios de carril en vehículos autónomos

En las últimas décadas se ha presentado un gran incremento en la congestión de tráfico urbano tanto en grandes ciudades en países desarrollados, como en aquellos en vías de desarrollo, generando también un incremento en la tasa de accidentalidad. Con el rápido crecimiento de las tecnologías de la información, y las comunicaciones y la electrónica, los avances investigativos en la caracterización del tráfico vehicular y mejoras en la capacidad de cómputo y simulación computacional, una de las soluciones más prometedoras para enfrentar estos problemas consiste en el mejoramiento de la infraestructura de movilidad basado en el modelado matemático y la simulación de la dinámica vehicular. Por otro lado, los vehículos poseen niveles de autonomía cada vez mayores y capacidad de comunicarse con otros vehículos (comunicaciones vehículo a vehículo, V2V) y con la infraestructura de gestión de tráfico (comunicaciones vehículo a infraestructura, V2I), de manera que estas tecnologías también aportan no solo a la reducción de la congestión sino a la disminución de las tasas de accidentalidad. Los sistemas de toma de decisiones para la gestión de tráfico, los sistemas de asistencia al conductor y los vehículos autónomos permiten mejorar los tiempos de viaje, la confiabilidad y robustez para mejorar la experiencia de conducción y la seguridad. Una de las principales características de estos sistemas es que se basan en un modelo de predicción que les permite anticipar el estado de los vehículos y su entorno con el fin de reducir la congestión y prevenir accidentes, entre otros. El modelado de la dinámica de vehículos se puede dividir en modelos longitudinales, que describen el comportamiento de aceleración y frenado, y modelos laterales, los cuales describen los cambios de dirección del vehículo. Estos modelos han sido aplicados en sistemas de control enfocados en la seguridad activa, sistemas avanzados de asistencia al conductor (ADAS) y vehículos autónomos. Algunas aplicaciones incluyen el control de crucero, sistemas de alerta de desvío de carril y sistemas de evasión de obstáculos. En la actualidad también se han desarrollado diferentes aplicaciones para cambios de carril autónomos y semi-autónomos. Sin embargo, existen aún desafíos en cuanto a la inclusión de diferentes tipos de vehículos y criterios de confort para la ejecución de la maniobra en relación con características como la relación peso-potencia. En este trabajo se presenta un sistema de toma de decisiones basado en modelo para cambios de carril en venículos autónomos que considera diferentes tipos de vehículos y modos de conducción, con el cual es posible caracterizar la trayectoria de la maniobra. Este sistema se compone de dos partes, las cuales conforman un sólo sistema de toma de decisiones: un sistema para la generación de trayectorias de cambio de carril utilizando optimización basada en un modelo de predicción y una red neuronal que utiliza estas trayectorias en un esquema de aprendizaje supervisado.

• Autores: Acosta Gil, Andres Felipe
• Fecha de publicación: 2016
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/59651
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/59651; http://bdigital.unal.edu.co/57252/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 62 Ingeniería y operaciones afines / Engineering; Optimización basada en modelo; Modelo dinámico de vehículo; Aprendizaje supervizado; Model-based optimization; Dynamic vehicle model; Supervised learning
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional