Los fabricantes de vehículos ofrecen funciones inteligentes como ayudas a la hora de frenar o de mantener el carril, para que los conductores eviten situaciones peligrosas cuando los reflejos humanos pueden no ser lo suficientemente rápidos. Pero la mayoría de las opciones solo proporcionan beneficios inmediatos a un solo vehículo.
¿Qué pasaría si, como un murmullo de estorninos, nuestros autos y camiones se movieran cooperativamente en la carretera en respuesta a los sensores ambientales de cada vehículo, reaccionando como un grupo para disminuir los atascos de tráfico y proteger a los humanos que están dentro?
Esta pregunta es la base de la investigación de Kuilin Zhang. Zhang, profesor asociado de ingeniería civil y ambiental en la Universidad Tecnológica de Michigan, ha publicado un artículo al respecto en la revista Transportation Research Part B: Methodological.
El artículo ha sido escrito también por Shuaidong Zhao, ahora analista cuantitativo sénior en National Grid, donde continúa realizando investigaciones sobre la interdependencia entre la red inteligente y los sistemas de transporte de vehículos eléctricos.
La creación de sistemas de vehículos expertos en evitar accidentes de tráfico es un ejercicio que demuestra la Primera Ley de Newton: Un objeto en movimiento permanece así a menos que sea perturbado por una fuerza externa. Sin mucha advertencia de lo que se avecina, los accidentes de tráfico son más probables porque los conductores no tienen suficiente tiempo para reaccionar. Entonces, ¿qué es lo que detiene al auto? Una colisión con otro coche u otro obstáculo, causando lesiones, daños y, en el peor de los casos, muertes.
Pero si los autos se comunicasen de vehículo a vehículo podrían calcular los posibles obstáculos en la carretera a distancias cada vez mayores, y sus reacciones sincrónicas podrían evitar los atascos y los accidentes de coche.
“En la autopista, una mala decisión propaga otras malas decisiones”, dijo Zhang. “Si podemos considerar lo que está sucediendo a 300 metros delante de nosotros, ello puede realmente mejorar la seguridad vial. Reduce la congestión y los accidentes”.
La investigación de Zhang pregunta cómo se conectan los vehículos con otros vehículos, cómo esos vehículos toman juntos decisiones basadas en datos del entorno de conducción y cómo integrar observaciones dispares en una red.
Zhang y Zhao crearon un modelo de control basado en la optimización y alimentado por datos para un “pelotón” de vehículos automatizados que conducen de forma cooperativa en condiciones de tráfico inciertas. Su modelo, basado en el concepto de previsión de las previsiones de los demás, utiliza datos de flujo continuo de los vehículos modelados para predecir los estados de conducción (acelerando, desacelerando o parando) de los vehículos del pelotón precedente. Las predicciones se integran en controladores en tiempo real, de aprendizaje automático, que proporcionan datos percibidos a bordo. En el caso de esos vehículos automatizados, los datos de los controladores de todo el pelotón se convierten en recursos para la adopción de decisiones en cooperación.
El modelo indica que los controladores podrían ayudar a los vehículos a mantener intervalos de tiempo constantes entre ellos para reducir la congestión y los accidentes de tráfico y también podrían conservar la energía reduciendo la necesidad de acelerar y desacelerar.
La siguiente fase de la investigación de Zhang es probar las simulaciones del modelo usando vehículos reales conectados y autónomos. Entre los lugares adecuados para este tipo de pruebas está el Centro de Investigación Keweenaw de Michigan Tech, un campo de pruebas para vehículos autónomos, con experiencia en entornos impredecibles.
La verificación del modelo permitirá a los controladores predictivos, basados en datos, considerar todo tipo de peligros que los vehículos puedan encontrar mientras conducen y crear un futuro más seguro y certero para todos los que comparten la carretera.
