CoDEA: Un marco para la extracción y aumento de escenarios de cambio de carril cooperativos a partir de datos de...

Área de la Ciencia:

• Sistemas Inteligentes de Transporte para el Transporte
• Tecnologías de conducción autónoma.
• Ciencia de datos para la movilidad

Sus antecedentes:

• El transporte moderno se enfrenta a desafíos como el aumento del tráfico, la infraestructura limitada y las preocupaciones de seguridad.
• La conducción cooperativa ofrece soluciones para la seguridad, la congestión y la movilidad, pero carece de datos del mundo real para su validación.
• Los conjuntos de datos existentes son insuficientes para la capacitación y evaluación de complejos algoritmos de conducción cooperativa.

Objetivo del estudio:

• Para hacer frente a la escasez de datos del mundo real para los sistemas de conducción cooperativa.
• Introducir una nueva tubería, CoDEA (Cooperative Driving Extraction and Augmentation), para generar conjuntos de datos de conducción cooperativa realistas.
• Facilitar el desarrollo y la validación de algoritmos de conducción cooperativa.

Principales métodos:

• Extracción de comportamientos cooperativos de cambio de carril a partir de datos de conducción naturalistas a gran escala (NDD).
• Mejora del marco DiffTraj con un módulo de Interaction-Aware Context Encoding (IA-CE) para la generación de escenarios realistas.
• Evaluación de las trayectorias generadas utilizando métricas computacionales (RMSE, MAE) y comparaciones de distribución de características.

Principales resultados:

• CoDEA extrae con éxito las características cinemáticas y cooperativas clave de los datos de conducción del mundo real.
• El módulo IA-CE permite la generación de diversas y realistas trayectorias cooperativas de cambio de carril.
• Los datos generados exhiben una fuerte similitud con los patrones del mundo real, al tiempo que introducen una valiosa diversidad.

Conclusiones:

• La tubería de CoDEA proporciona una solución robusta para generar conjuntos de datos de conducción cooperativa de alta calidad.
• Este enfoque cierra la brecha entre la complejidad del mundo real y los requisitos para las pruebas de algoritmos.
• CoDEA sienta las bases para avanzar en los algoritmos cooperativos de control de cambio de carril a través de una mejor disponibilidad de datos.