Vehículos conectados y automatizados

Los vehículos conectados y automatizados (CAV) habilitados por la comunicación inalámbrica y la automatización de vehículos están destinados a revolucionar la forma y el funcionamiento del transporte por carretera en las próximas décadas. Este artículo analiza los efectos de los CAV en el flujo de tráfico y se centra en sus efectos de cambio de carril en el flujo de tráfico mixto de CAV y vehículos de tracción humana (HV).

En la actualidad, los caminos técnicos hacia el desarrollo y despliegue de CAV aún son inciertos. Con la maduración de las tecnologías CAV, se espera que los CAV ofrezcan viajes más eficientes que los HV, además de mejorar la seguridad y la comodidad. En tráfico denso, esto solo sería posible mediante cambios de carril ágiles y flexibles de los VCA, ya que la aceleración longitudinal sería innecesaria o incluso imposible en tráfico mixto.

Se espera que estos cambios de carril sean autoeficientes en el sentido de que solo sirven a los intereses de los CAV con poca consideración por los vehículos circundantes, siempre que no se violen las restricciones de seguridad. Dado que los recursos viales son limitados, la creciente población de VCA que adoptan estrategias de cambio de carril tan egocéntricas probablemente conduciría a la famosa «tragedia de los bienes comunes». En este contexto, este artículo considera tres preguntas prospectivas importantes:

¿Cómo determinar una estrategia de cambio de carril ecoeficiente para CAV? Con la introducción de más y más VCA, cada uno de los cuales adopta la estrategia de cambio de carril ecoeficiente, ¿cuál es el impacto en el flujo de tráfico? ¿Cómo determina una estrategia efectiva de cambio de carril para CAV?

Estas preguntas prospectivas se abordan desde la perspectiva de la simulación de tráfico microscópico y el aprendizaje por refuerzo. Sin restricciones en el incentivo de cambio de carril, la estrategia de cambio de carril desarrollada ha demostrado ser beneficiosa para los CAV y todo el flujo de tráfico solo si la tasa de penetración de mercado (MPR) de los CAV es inferior al 50%.

Sin embargo, con una restricción apropiada colocada, se encontró que la estrategia de cambio de carril se volvió consistentemente beneficiosa para todo el flujo de tráfico en cualquier MPR. Estos hallazgos sugieren que los VCA pueden no ser simplemente una bala mágica para los problemas de circulación que enfrenta la sociedad actualmente, a menos que se ofrezca una coordinación de mayor nivel para que los VCA no solo se beneficien a sí mismos, sino también a todo el tráfico. Esto también es consistente con lo que sugiere “La tragedia de los comunes”.

El problema de reconstrucción del flujo de la ruta se utiliza para determinar el conjunto mínimo de enlaces que deben equiparse con monitores de tráfico para identificar las rutas de los vehículos en una red de carreteras. Este estudio aborda el problema de la reconstrucción del flujo de ruta en un entorno de vehículo conectado (CV).

A diferencia de los sensores tradicionales que pueden observar tanto CV como vehículos no conectados (NCV), las infraestructuras habilitadas para CV, conocidas como unidades de carretera (RSU), solo pueden identificar CV en carreteras a través de comunicaciones vehículo-infraestructura (V2I). Sin embargo, pueden proporcionar información de tráfico crítica, incluidos rastros de trayectorias históricas de CV y ​​posiblemente la ruta deseada hacia un destino, infiriendo así información parcial sobre enlaces que no están cubiertos directamente por las RSU.

Las RSU tienen capacidad de cobertura de «área» en lugar de «punto». Esto les permite monitorear simultáneamente más de un enlace. Desarrollamos matemáticamente cuatro formulaciones variantes para el problema de reconstrucción del flujo de ruta para ubicar de manera óptima el RSU de una red o una combinación de RSU de red y sensores de identificación automática de vehículos (AVI).

Los primeros dos modelos asumen una penetración de mercado de VC del 100 % y el primer modelo determina qué enlaces deben cubrirse directamente con RSU en una red de carreteras. Mientras que se supone que la ruta deseada a un destino es desconocida. Este modelo determina un límite superior para la cantidad de RSU necesarias para reconstruir completamente los flujos de ruta utilizando cada RSU para abarcar directamente un enlace.

Para tener en cuenta la cobertura y el alcance de la RSU (donde la RSU puede cubrir más de un enlace) y para minimizar el costo total, el Modelo II optimiza las ubicaciones para los sensores AVI tradicionales y las RSU. Esto permite que el modelo aproveche el área de RSU y las características de cobertura indirecta para reconstruir completamente el flujo de trayectoria en una red vial.

El Modelo III tiene en cuenta el despliegue progresivo de CV y, por lo tanto, el entorno de tráfico mixto predominante, compuesto tanto por CV como por NCV. Como resultado, este modelo relaja la suposición de una penetración CV del 100 % y maximiza la ganancia de información del flujo de ruta bajo restricciones presupuestarias en un entorno de tráfico mixto. Finalmente, el Modelo IV explora la capacidad de comunicación de infraestructura a infraestructura (I2I) entre las RSU, maximizando aún más la ganancia de información del flujo de tráfico CV al tiempo que garantiza la reconstrucción completa del flujo de ruta.

Los resultados sugieren que se requieren menos RSU que sensores AVI para lograr la reconstrucción del flujo de ruta completa en una red de carreteras. El nivel de información de flujo de ruta única que se obtiene de las RSU también es considerablemente más alto que el que se puede obtener de los sensores AVI.

Se muestra que, en condiciones de tráfico mixto, el rango de cobertura de las RSU y su costo en relación con los sensores AVI pueden afectar significativamente el despliegue de cualquier tipo de dispositivos de detección para maximizar la ganancia de información de flujo de ruta.