Contenido
Garantizar la seguridad en la conducción y prevenir accidentes continúan siendo prioridades principales en el transporte. Los sistemas tradicionales de monitoreo de seguridad, incluidos los Sistemas Avanzados de Asistencia al Conductor (ADAS) basados en vehículos y la vigilancia por video en carretera, a menudo no ofrecen una cobertura integral ni alertas oportunas. Estos sistemas enfrentan desafíos como alcance espacial y temporal limitado, menor precisión y retrasos en la transmisión de datos. Tales deficiencias pueden resultar en advertencias tardías de peligro, críticas en escenarios como salidas de carril o posibles colisiones. Además, estos métodos existentes carecen de flexibilidad para adaptarse a los diversos niveles de Vehículos Conectados y Automatizados (CAV) que operan juntos en las vías.\n\nPara abordar estos problemas, un esfuerzo de investigación colaborativa entre la Universidad de Tsinghua y Nebula Link Technology Co., Ltd. ha desarrollado un novedoso marco de monitoreo y advertencia de seguridad que aprovecha la computación en el borde basada en V2X. Este sistema se basa en una arquitectura cooperativa vehículo-infraestructura que recopila datos en tiempo real de los CAV a través de canales de comunicación Vehículo a Todo (V2X), incluyendo Vehículo a Vehículo (V2V) y Vehículo a Infraestructura (V2I). Los datos adquiridos se procesan en nodos de computación en el borde, más cercanos a la fuente de datos, asegurando un análisis y respuesta más rápidos.\n\nEl marco presenta cuatro componentes clave. Primero, los datos del vehículo y del mapa se almacenan eficientemente usando una estructura de datos CD-DB integrada con listas de salto y listas enlazadas, facilitando la recuperación y actualización rápida de datos. Segundo, la predicción de trayectoria emplea tres algoritmos distintos adaptados a diferentes niveles de madurez de los CAV: extrapolación de curva de Bézier para CAV de bajo nivel con datos escasos, un modelo multimodal basado en atención para CAV de bajo nivel con patrones de movimiento más ricos, y la utilización directa de trayectorias autopredichas de CAV de alto nivel. Tercero, la detección de accidentes se realiza mediante un algoritmo de intersección de líneas capaz de evaluar colisiones entre objetos en movimiento y estáticos. Por último, el sistema activa advertencias dinámicas basadas en los niveles de confianza de las trayectorias predichas y juicios basados en umbrales, asegurando alertas oportunas adaptadas a riesgos inminentes.\n\nSe ha realizado una validación extensa de este sistema utilizando el conjunto de datos Interaction, que incluye escenarios de tráfico complejos como fusiones en rampas e intersecciones urbanas, junto con pruebas en el campo de pruebas de Shunyi en Beijing. Estas evaluaciones revelaron que el marco propuesto mantiene una Tasa de Verdaderos Positivos (TPR) superior al 80% a pesar de errores de medición aceptables y puede tolerar retrasos de transmisión de hasta 0.1 segundos sin degradación significativa del rendimiento. Notablemente, en advertencias dinámicas de colisión en escenarios de intersección, los CAV equipados con este sistema lograron un TPR del 100%, superando las tasas del 85-90% observadas en sistemas convencionales de vehículo único.\n\nEn resumen, la investigación ofrece un enfoque robusto y adaptable para el monitoreo integral de la seguridad en la conducción en entornos de tráfico mixto, abordando las limitaciones de métodos previos. Al combinar la comunicación V2X en tiempo real con computación en el borde y algoritmos predictivos avanzados, el marco mejora la detección de peligros y la eficiencia de las advertencias, contribuyendo así a vías más seguras a medida que crece la adopción de CAV.
