Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Redes y arquitectura de Internet

Mejorando la Seguridad en Intersecciones con el Algoritmo AROW

El algoritmo AROW mejora la seguridad en intersecciones con control de alto mediante la comunicación entre vehículos.

― 7 minilectura


AROW: El Futuro de laAROW: El Futuro de laGestión de Interseccionesseñales de alto.tráfico seguro en intersecciones conEl algoritmo AROW garantiza un flujo de
Tabla de contenidos

Gestionar las intersecciones de manera segura es muy importante para tener mejores experiencias al manejar. Cada año, ocurren muchos accidentes en las intersecciones, a menudo porque los conductores no están al tanto de su entorno o hay reglas poco claras sobre quién debería ir primero. Para abordar este problema, los investigadores están buscando formas de ayudar a los autos autónomos y vehículos conectados a comunicarse entre sí. Esta comunicación puede proporcionar información crucial de seguridad, especialmente en las intersecciones.

El Problema de las Intersecciones

Las intersecciones pueden estar controladas por semáforos o no tener señales, dependiendo de señales de stop o ceder el paso. Ambos tipos pueden llevar a accidentes y retrasos, especialmente a medida que más vehículos llenan las calles. Estudios han mostrado que un porcentaje importante de accidentes ocurre en intersecciones, siendo muchos de ellos resultado de que los conductores no entienden claramente quién tiene la prioridad.

En Estados Unidos, alrededor del 35% de los accidentes entre 2005 y 2007 ocurrieron en intersecciones. Gran parte de estos accidentes se debió a la confusión sobre las reglas de intersección. Esto resalta la necesidad de sistemas de gestión de tráfico más inteligentes.

¿Qué es la Gestión Cooperativa de Intersecciones?

La Gestión Cooperativa de Intersecciones (CIM) es un método que usa comunicación entre vehículos conectados y autónomos (CAVs) para mejorar el flujo de tráfico en las intersecciones. Estos vehículos pueden compartir información sobre sus posiciones e intenciones, ayudando a reducir la confusión y mejorar la seguridad.

Aunque muchos estudios se han enfocado en los semáforos, ha habido menos atención en manejar intersecciones sin ellos, especialmente aquellas que requieren que los conductores se detengan. Este artículo se enfocará en esos tipos de intersecciones, donde es esencial tener claridad sobre quién va primero.

Presentando el Algoritmo de Derecho de Paso Automatizado (AROW)

Para mejorar cómo los vehículos manejan las intersecciones controladas por stop, se ha desarrollado un nuevo algoritmo llamado Derecho de Paso Automatizado (AROW). AROW aprovecha la comunicación entre vehículos conectados para ayudarles a decidir quién debería ir primero, incluso cuando no hay ninguna autoridad central, como un semáforo o un oficial de tráfico, que gestione el flujo.

El algoritmo AROW está diseñado para minimizar la confusión entre vehículos y asegurarse de que todos entiendan cuándo es su turno de avanzar a través de una intersección. También puede abordar el problema de los conductores que no siguen las reglas, asegurando que el sistema siga siendo justo y efectivo.

Componentes del Sistema de Mensajería para Conductores (DMS)

El algoritmo AROW depende de un sistema llamado Sistema de Mensajería para Conductores (DMS). Este sistema ayuda a los vehículos a compartir información importante sobre sus posiciones e intenciones a través de tecnología conectada.

Mapa de Objetos Local

El mapa de objetos local es un componente clave del DMS. Permite a los vehículos entender dónde están en relación unos con otros y con la intersección. Usando GPS y comunicación, los vehículos pueden actualizar continuamente este mapa, manteniendo un seguimiento de su entorno.

Detección de Aplicaciones

El componente de detección de aplicaciones determina si un vehículo está acercándose a una intersección controlada por stop. Si un vehículo es identificado como cercano a la intersección, se prepara para usar el algoritmo AROW.

Comunicación V2X

La comunicación V2X permite que los vehículos intercambien información en tiempo real. Esto permite que el DMS transmita mensajes sobre intenciones, ayudando a coordinar el flujo de tráfico en intersecciones controladas por stop.

Cómo Funciona AROW

El algoritmo AROW sigue varios pasos para ayudar a los vehículos a gestionar sus turnos en una intersección. Comienza cuando un vehículo detecta que se está acercando a una intersección e inicia el proceso AROW.

Etapas de AROW

  1. Etapa de Descubrimiento: El vehículo transmite un mensaje indicando que se está acercando a la intersección. Espera respuestas de otros vehículos cercanos.

  2. Etapa de Selección: Si otros vehículos responden, se elige uno como vehículo líder o árbitro. Este vehículo ayudará a negociar quién va primero.

  3. Etapa de Anuncio: El vehículo líder anuncia su rol a todos los demás vehículos, confirmando su autoridad en la negociación.

  4. Asignación de Turnos: El vehículo líder asigna turnos a todos los vehículos que esperan en la intersección, asegurándose de que no dos vehículos intenten pasar al mismo tiempo.

  5. Etapa de Aceptación: Todos los vehículos confirman sus turnos asignados, asegurando que los acuerdos alcanzados sean aceptados por todos los implicados.

  6. Etapa de Cruce: Los vehículos avanzan a través de la intersección según sus turnos asignados.

Manejo de la No Conformidad

Un aspecto importante del algoritmo AROW es su capacidad para manejar situaciones donde algunos vehículos no siguen las reglas. Si un vehículo sale de la intersección fuera de turno, los demás vehículos que cumplen pueden regresar a las etapas anteriores del proceso AROW para restablecer el orden.

Pruebas de AROW

La efectividad del algoritmo AROW se probó usando simulaciones que representan diferentes condiciones de tráfico y números de vehículos. El objetivo era ver qué tan bien se desempeñaba AROW en escenarios del mundo real.

Configuración de la Simulación

Las simulaciones incluían varias configuraciones de vehículos conectados para evaluar el desempeño de AROW bajo diferentes niveles de densidad de tráfico. El entorno de prueba estaba diseñado para imitar condiciones de conducción reales con intersecciones controladas por stop.

Resultados de las Simulaciones

Desempeño Bajo Cumplimiento Completo

En simulaciones donde todos los vehículos siguieron las reglas de AROW, el algoritmo pudo gestionar eficientemente el tráfico en intersecciones controladas por stop. Los resultados mostraron que los vehículos pudieron comunicarse de manera efectiva, reduciendo la confusión y mejorando la seguridad.

Desempeño Bajo No Conformidad

Los investigadores también probaron cómo se desempeñó AROW cuando algunos vehículos no cumplían con las reglas. En estos escenarios, el algoritmo aún logró facilitar el cruce seguro. Incluso con vehículos no conformes, AROW ofreció una manera estructurada para que los vehículos restantes siguieran negociando sus turnos de manera efectiva.

Impacto en la Ambigüedad y Equidad

Uno de los beneficios significativos de AROW es su capacidad para reducir la ambigüedad en las intersecciones. Al comunicar claramente turnos y roles, AROW minimiza las ocasiones en que los vehículos ingresan a una intersección sin saber quién tiene el derecho de paso.

El algoritmo también promueve la equidad entre los vehículos, asegurando que todos los conductores obtengan su turno sin retrasos innecesarios. AROW superó consistentemente a métodos tradicionales como semáforos o señales de stop manuales, basándose en métricas que miden los tiempos de desalojo y las tasas de confusión.

Conclusión

El algoritmo AROW representa un avance prometedor en la gestión del tráfico en intersecciones controladas por stop. Al aprovechar la comunicación entre vehículos conectados, AROW ayuda a crear un entorno de conducción más seguro y reduce la confusión sobre las reglas de derecho de paso.

A medida que el tráfico sigue aumentando, tecnologías como AROW jugarán un papel crucial en asegurar un transporte eficiente y seguro para todos en la carretera. Estudios futuros buscan probar AROW en entornos del mundo real para validar aún más su efectividad y refinar sus operaciones bajo diversas condiciones de tráfico.

Fuente original

Título: AROW: V2X-based Automated Right-of-Way Algorithm for Cooperative Intersection Management

Resumen: Research in Cooperative Intersection Management (CIM), utilizing Vehicle-to-Everything (V2X) communication among Connected and/or Autonomous Vehicles (CAVs), is crucial for enhancing intersection safety and driving experience. CAVs can transceive basic and/or advanced safety information, thereby improving situational awareness at intersections. The focus of this study is on unsignalized intersections, particularly Stop Controlled-Intersections (SC-Is), where one of the main reasons involving crashes is the ambiguity among CAVs in SC-I crossing priority upon arriving at similar time intervals. Numerous studies have been performed on CIM for unsignalized intersections based on centralized and distributed systems in the presence and absence of Road-Side Unit (RSU), respectively. However, most of these studies are focused towards replacing SC-I where the scheduler provides spatio-temporal or sequence-based reservation to CAVs, or where it controls CAVs via kinematic commands. These methods cause CAVs to arrive at the intersection at non-conflicting times and cross without stopping. This logic is severely limited in real-world mixed traffic comprising human drivers where kinematic commands and other reservations cannot be implemented as intended. Thus, given the existence of SC-Is and mixed traffic, it is significant to develop CIM systems incorporating SC-I rules while assigning crossing priorities and resolving the related ambiguity. In this regard, we propose a distributed Automated Right-of-Way (AROW) algorithm for CIM to assign explicit SC-I crossing turns to CAVs and mitigate hazardous scenarios due to ambiguity towards crossing priority. The algorithm is validated with extensive experiments for its functionality, scalability, and robustness towards CAV non-compliance, and it outperforms the current solutions.

Autores: Ghayoor Shah, Danyang Tian, Ehsan Moradi-Pari, Yaser P. Fallah

Última actualización: 2024-04-17 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2304.04958

Fuente PDF: https://arxiv.org/pdf/2304.04958

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Artículos similares