Modelado y simulación de conectividad V2X en la plataforma de conducción autónoma Carla

Abstract

La conducción autónoma se prevé clave para el futuro del transporte gracias a mejoras en la seguridad y eficiencia del tráfico. Para conseguir circular de forma autónoma sin intervención humana, los vehículos autónomos emplean sensores para percibir su entorno local de conducción y maniobrar consecuentemente. La tecnología de los sensores ha mejorado significativamente en los últimos años en cuanto a rango de percepción y precisión. Sin embargo, las capacidades de la sensorización aún pueden verse mermadas debido a la presencia de obstáculos, condiciones climáticas adversas o a las condiciones de iluminación, entre otros factores. Estas limitaciones pueden influir negativamente en la seguridad y la eficiencia de los vehículos autónomos. En este contexto, las comunicaciones V2X (Vehicle-to-Everything) pueden reducir este impacto negativo y mejorar la percepción o las capacidades de detección de los vehículos conectados y autónomos al facilitar el intercambio de datos de sensores entre vehículos. Este proceso se denomina generalmente percepción cooperativa, percepción colectiva o sensado cooperativo. La percepción cooperativa permite a los vehículos intercambiar los datos que captan sus sensores. Esto proporciona a los vehículos información adicional sobre el entorno de conducción. Por ejemplo, los vehículos receptores serán capaces de detectar objetos que, de otro modo, no serían detectables localmente. La percepción cooperativa también ayuda a mitigar el impacto negativo de las condiciones climáticas adversas o las condiciones de iluminación. La percepción cooperativa es, por lo tanto, esencial para que los vehículos autónomos tengan una percepción precisa del entorno. Para el estudio de los sistemas de comunicación V2X en general, y la percepción cooperativa en particular, se requieren simuladores que permitan emular de forma realista el entorno para producir resultados adecuados. A pesar de los avances en simuladores de tráfico y red, estos a menudo no consideran la percepción y las comunicaciones como aspectos interrelacionados, lo que puede limitar su utilidad para el estudio y desarrollo de vehículos autónomos conectados. Además, estas simulaciones pueden requerir una considerable cantidad de tiempo, esfuerzo y capacidad de cálculo, dependiendo de los parámetros de comunicación y la densidad del tráfico. Este Trabajo de Fin de Grado aborda estos desafíos mediante la implementación de un módulo de comunicaciones V2X en un simulador realista que permite simular escenarios de conducción autónoma. Este enfoque unifica la simulación del entorno y las comunicaciones, permitiendo un estudio más completo y eficiente de los vehículos autónomos conectados. Con este módulo, se pueden analizar y estudiar las comunicaciones vehiculares en un entorno similar al de la realidad, aprovechando las simulaciones para mejorar la percepción basándose en modelos analíticos de comunicaciones configurados para tener en cuenta una gran variedad parámetros, como también errores de comunicaciones que pueden surgir en las comunicaciones.

Autonomous driving is expected to be key to the future of transportation thanks to improvements in traffic safety and efficiency. To achieve autonomous driving without human intervention, autonomous vehicles use sensors to perceive their local driving environment and maneuver accordingly. Sensor technology has improved significantly in recent years in terms of sensing range and accuracy. However, sensing capabilities can still be impaired due to the presence of obstacles, adverse weather conditions or lighting conditions, among other factors. These limitations can negatively influence the safety and efficiency of autonomous vehicles. In this context, V2X (Vehicle-to-Everything) communications can reduce this negative impact and improve the perception or sensing capabilities of connected and autonomous vehicles by facilitating the exchange of sensor data between vehicles. This process is generally referred to as cooperative perception, collective perception or cooperative sensing. Cooperative sensing allows vehicles to exchange data captured by their sensors. This provides vehicles with additional information about the driving environment. For example, receiving vehicles will be able to detect objects that would otherwise not be detectable locally. Cooperative sensing also helps mitigate the negative impact of adverse weather or lighting conditions. Cooperative perception is therefore essential for autonomous vehicles to have an accurate perception of the environment . For the study of V2X communication systems in general, and cooperative perception in particular, simulators that allow realistic emulation are required to produce adequate results. Despite advances in traffic and network simulators, these often do not consider perception and communications as interrelated aspects, which may limit their usefulness for the study and development of connected autonomous vehicles. In addition, these simulations can require a considerable amount of time, effort and computational power, depending on communication parameters and traffic density. This Final Degree Work addresses these challenges by implementing a V2X communications module in a realistic simulator that allows simulating autonomous driving scenarios. This approach unifies the simulation of the environment and communications, allowing a more complete and efficient study of connected autonomous vehicles. With this module, vehicular communications can be analyzed and studied in a realistic environment, leveraging simulations to improve perception based on analytical communications models configured to account for a wide variety of communications errors that can arise in communications.