TFM_AITOR_GOMEZ_TORRES

Vista previa del material en texto

Escuela Técnica Superior de Ingenieros
Informáticos
Universidad Politécnica de Madrid
Control de crucero cooperativo
mediante comunicaciones V2X
Trabajo Fin de Máster
Máster Universitario en Inteligencia Artificial
AUTOR: Aitor Gómez Torres
DIRECTOR: José Eugenio Naranjo
TUTOR: Javier de Lope Asiáın
2018
i
RESUMEN
El objeto de este trabajo de fin de máster se enmarca en el ámbito de los Siste-
mas de Transporte Inteligente (ITS, Intelligent Transportation Systems), donde se
intenta desarrollar e implantar una nueva tecnoloǵıa para la mejora de la seguridad y
la eficacia en lo que respecta a la circulación de veh́ıculos, especialmente autónomos.
Actualmente empiezan a aparecer los primeros śıntomas de la ineficiencia de las
v́ıas convencionales y de sus métodos de gestión. Una de las principales ráıces de este
problema es que, aunque los veh́ıculos han avanzado mucho en cuanto a tecnoloǵıa
y seguridad en los últimos años, la infraestructura apenas ha cambiado en las últi-
mas décadas. Con la llegada de los veh́ıculos autónomos y de las tecnoloǵıas ITS se
presenta la oportunidad de implantar tecnoloǵıas que permitan actualizar la infra-
estructura provocando un mı́nimo impacto sobre ella y sobre los usuarios, abriendo
la puerta a nuevos métodos de gestión que permitan solventar estos problemas.
En concreto, dentro de los ITS, la gestión automática de la velocidad es uno de
los temas que ha experimentado un gran interés dadas sus múltiples aplicaciones
en la actualidad en los sistemas de seguridad en la conducción. Por ello, este tra-
bajo tiene como objetivo diseñar e implementar un modelo de sistema de Control
de Crucero Cooperativo (CCC,Cooperative Cruise Control) que únicamente utilice
las comunicaciones, el GPS y el bus CAN del veh́ıculo como información. Para ello
se han diseñado una serie de algoritmos y estrategias con el fin de poder afron-
tar diversas situaciones de tráfico de manera eficiente, basándose en la información
transmitida desde un centro de control que gestiona la v́ıa.
ii
iii
SUMMARY
The purpose of this end-of-master project is within the scope of the Intelligent
Transportation Systems (ITS), where an attempt is being made to develop and im-
plement a new technology for the improvement of safety and efficiency with respect
to the circulation of vehicles, especially autonomous.
Currently, the first symptoms of the inefficiency of conventional roads and their
management methods begin to appear. One of the main reasons for this problem
is that, although vehicles have advanced a lot in terms of technology and safety in
recent years, infrastructure has hardly changed in recent decades. With the arrival
of autonomous vehicles and ITS technologies, the opportunity is presented to imple-
ment technologies that allow the infrastructure to be updated, causing a minimum
impact on it and on users, opening the door to new management methods to solve
these problems.
Specifically, within the ITS, the automatic control of speed is one of the issues
that has experienced a great interest given its multiple applications today in the
safety systems in driving. Therefore, this work aims to design and implement a
Cooperative Cruise Control (CCC) model that uses only the communications, GPS
and CAN bus of the vehicle as information. For this, a series of algorithms and
strategies have been designed in order to be able to deal with various traffic situations
efficiently, based on the information transmitted from a control centre that manages
the route.
iv
Índice v
Índice
1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. AUTOCITS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. INSIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1. Veh́ıculo autónomo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1. Circulación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2. DARPA challanges . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.3. DARPA Grand Challenge 2004 . . . . . . . . . . . . . . . . . 17
2.1.4. DARPA Grand Challenge 2005 . . . . . . . . . . . . . . . . . 17
2.1.5. DARPA Urban Challenge 2007 . . . . . . . . . . . . . . . . . 18
2.2. Sistemas Cooperativos . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3. Sistemas de transporte inteligentes cooperativos . . . . . . . . . . . . 21
2.4. Sistemas avanzados de asistencia a la conducción . . . . . . . . . . . 22
2.4.1. Control de crucero . . . . . . . . . . . . . . . . . . . . . . . . 23
3. Evaluación de Riesgos . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4. Metodoloǵıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1. Esquema general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2. Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.1. CAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2.2. GPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.3. Módulo V2X . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3. Control longitudinal . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4. Control de bajo nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5. Control de decisiones . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.6. Robot Operating System . . . . . . . . . . . . . . . . . . . . . . . . . 36
5. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1. Equipo y entorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2. Eventos de deceleración . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.3. Eventos de parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4. Eventos de deceleración porcentual . . . . . . . . . . . . . . . . . . . 41
6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7. Ĺıneas futuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
vi Índice
Índice de figuras vii
Índice de figuras
1. Integrantes del proyecto. El proyecto, con número de expediente 2015-
EU-TM-0243-S, es cofinanciado por la Comisión Europea, bajo el
programa CEF- TRANSPORT SECTOR, en la convocatoria 2015. . . 2
2. Instalaciones del INSIA. . . . . . . . . . . . . . . . . . . . . . . . . . 4
3. Firebird de la compañia General Motors . . . . . . . . . . . . . . . . 8
4. Veh́ıculo ALV desarrollado por DARPA . . . . . . . . . . . . . . . . . 9
5. Veh́ıculo Navlab, de la Universidad Carnegie Mellon . . . . . . . . . . 11
6. Veh́ıculo parkshuttle, en funcionameiento en los Pises Bajos . . . . . 12
7. Veh́ıculo Navia, de Induct Technology . . . . . . . . . . . . . . . . . . 13
8. Veh́ıculo Navia, de Induct Technology . . . . . . . . . . . . . . . . . . 15
9. Conjunto de sensores del sistema Autopilot de Tesla. . . . . . . . . . 16
10. Algunos de los veh́ıculos integrantes de la DARPA Challlege 2005 . . 18
11. Algunos de los veh́ıculos integrantes de la DARPA Challlege 2007 . . 19
12. Algunos ejemplos de módulos V2X. De izquierda a derecha: Cohda
MK5 OBU, Cohda MK5 RSU y módulo propio desarrollado en el
INSIA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
13. Niveles de automatización definidos en la instrucción 15/V-113 por
la DGT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
14. Diagrama DAFO para el escenario de reconstrucción de la infraes-
tructura. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
15. Diagrama DAFO para el escenario de no actuar frente al problema. . 27
16. Diagrama DAFO para el escenario de incorporación de sistemas V2X
a la infraestructura. . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
17. Arquitectura general del sistema. . . . . . . . . . . . . . . . . . . . . 29
18. Maleta de control desarrollada en el centro. . . . . . . . . . . . . . . . 30
19. Arquitectura de la red CAN junto con las tarjetas de control. . . . . . 32
20. GPS y antena equipados en el veh́ıculo. . . . . . . . . . . . . . . . . . 32
21. Modelo OSI del protocolo para las comunicaciones V2X. . . . . . . . 33
22. Esquema de funcionamiento del CACC. El centro de control(DGT)
publica un evento de retención en una determinada área geográfica
(Zona amarilla), cuando un veh́ıculo se encuentra a la distancia de
propagación del mensaje recibe el mismo y ajusta la velocidad según
se indique en el evento. Una vez fuera del área del evento el veh́ıculo
recupera su velocidad normal. . . . . . . . . . . . . . . . . . . . . . . 34
23. Diagrama de funcionamiento de un controlador PID. Debemos ajustar
los tres parámetros hasta obtener el comportamiento deseado. . . . . 36
24. Diagrama de flujo del proceso de decisión al aplicar la consigna de
velocidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
25. Zona de realización de los ensayos, situada en el carril BUS-VAO de
la A6. Los módulos verdes representan los aportados por el INSIA.
En rojo los módulos aportados por INDRA. . . . . . . . . . . . . . . 39
26. Veh́ıculo i-MiEV utilizado durante los ensayos. . . . . . . . . . . . . . 40
viii Índice de figuras
27. Comportamiento de deceleración. El veh́ıculo reduce correctamente
la velocidad de unos 80 km/h a 30 km/h, recuperando la velocidad
inicial al salir del evento. . . . . . . . . . . . . . . . . . . . . . . . . 41
28. Comportamiento de parada. El veh́ıculo reduce correctamente la ve-
locidad de unos 60 km/h a 0 km/h, deteniendo totalmente el veh́ıculo. 42
29. Comportamiento de deceleración. El veh́ıculo reduce correctamente
la velocidad de unos 80 km/h a 30 km/h, recuperando la velocidad
inicial al salir del evento. . . . . . . . . . . . . . . . . . . . . . . . . 42
Índice de cuadros ix
Índice de cuadros
1. Resultados de la DARPA Challengue de 2005 . . . . . . . . . . . . . 17
2. Resulados de la DARPA Challengue de 2007 . . . . . . . . . . . . . . 19
1
1. Introducción
Desde la aparición de la automoción, esta ha ido evolucionado tanto en la mejora
de los veh́ıculos como en la circulación con los mismos y la mejora de la infraestruc-
tura. Gracias a estas mejoras y a la formación y concienciación de los conductores
se ha conseguido reducir en gran medida el numero de accidentes y de fallecidos en
las carreteras. Podemos observar esta tendencia mirando el reporte de accidentes del
año 2016 [de Tráfico, 2017](Último disponible) y comparándolo con su homologo del
años 2006 [de Tráfico, 2007]. Tras una década observamos que el número de v́ıctimas
mortales en accidentes ha descendido desde las 3119 victimas de 2006 hasta las 1663
de 2016. También podemos observar cómo, aunque se reduzca el número de victimas
el número de accidentes permanece prácticamente igual, esto debido principalmente
al aumento de veh́ıculos en circulación, otros de los principales problemas a los que
se enfrenta la automoción actual.
A su vez la inteligencia artificial como área de conocimiento ha sufrido un crecien-
te interés y desarrollo en los últimos años dado que, en la actualidad, es muy dif́ıcil
encontrar un campo que no se beneficie directamente de sus técnicas y el transporte
no es una excepción. Dentro de la industria de transportes, uno de los campos de
aplicación es el de los Sistemas Inteligentes de Transporte (ITS, Intelligent Transport
Systems). Éstos se definen como un conjunto de tecnoloǵıas enfocadas en gestionar
los sistemas de transporte en todos sus aspectos para hacerlos más eficientes y se-
guros.
Este conjunto de tecnoloǵıas y el interés de seguir mejorando las cifras de ac-
cidentes han abierto diferentes ramas de investigación en los últimos años. Entre
ellas podemos destacar para el objeto de este trabajo la conducción autónoma y
los Sistemas de Ayuda al Conductor (ADAS, Advanced Driver-Assistance Systems).
En un primer momento estas tecnoloǵıas estaban planteadas para trabajar de forma
aislada en cada veh́ıculo. Sin embargo, estos sistemas no eran todo lo eficaces que
cabe esperar ya que existen otros muchos factores del entorno que afectan al veh́ıculo
y los cuales no se tiene acceso. Gracias a la aparición de nuevas tecnoloǵıas, como las
comunicaciones vehiculares, podemos mejorar estos sistemas y añadirles esa fuente
de información externa, a través de los datos que recopilan otros veh́ıculos e incluso
la propia infraestructura.
Con estos nuevos sistemas entramos un nuevo paradigma de los ITS, los sistemas
cooperativos. Como todo sistema cooperativo las comunicaciones forman una parte
crucial del mismo, lo que ha hecho que rápidamente aparecen nuevos estándares
dentro del campo y la tecnoloǵıa se desarrolle rápidamente. Estas comunicaciones
nos permiten romper la barrera de lo \visible” para el veh́ıculo ampliándola hasta
varios kilómetros, lo que se traduce en mejoras de la seguridad y calidad de uso.
En este trabajo se pretende desarrollar un sistema para gestionar el tráfico de
2 1 Introducción
manera más optima a través de la anticipación de eventos en la carretera, obte-
nidos a partir de otros veh́ıculos y comunicados al resto de la v́ıa a través de la
infraestructura, a la vez que se provee de las acciones a seguir ante tal evento.
1.1. AUTOCITS
Ante los crecientes problemas a los que se enfrentan la mayoŕıa de las capitales
europeas en materia de movilidad, y que se prevé que con seguridad vayan empeo-
rando en los próximos años, los veh́ıculos autónomos y las tecnoloǵıas relacionadas
representan un punto de inflexión que puede poner fin a estos. Por ello en los últimos
años se ha motivado un esfuerzo común dentro de la unión para conseguir acercar
estás tecnoloǵıas a los investigadores y probar su eficacia a la hora de solventar estos
problemas. Dentro de este esfuerzo con podemos destacar el proyecto AUTOCITS,
dentro del cual se desarrolla este trabajo.
El objetivo del proyecto AUTOCITS es contribuir al despliegue de servicios
cooperativos (C-ITS) en Europa mejorando la interoperabilidad de la conducción
autónoma, y promover el papel de los servicios cooperativos (C-ITS) como prime-
ra fase en una futura implementación de la conducción autónoma. Para ello, se
realizarán tres pilotos en tres grandes ciudades europeas situadas en el Corredor
Atlántico: Paris, Madrid y Lisboa.
Fig. 1: Integrantes del proyecto. El proyecto, con número de expediente 2015-EU-
TM-0243-S, es cofinanciado por la Comisión Europea, bajo el programa CEF-
TRANSPORT SECTOR, en la convocatoria 2015.
Estos tres pilotos evaluarán el despliegue de servicios cooperativos (C-ITS) con
veh́ıculos autónomos bajo el marco regulatorio de tráfico. Incluirán pruebas de con-
ducción autónoma en entornos de tráfico tanto abiertos como cerrado, para evaluar
la aplicabilidad de las normas de tráfico. Concretamente, la acción llevará a cabo un
1.2 INSIA 3
estudio de la regulación de tráfico para veh́ıculos autónomos orientado a la circula-
ción en nodos urbanos conectados a redes principales de transporte.
Dentro del proyecto se abordan diferentes elementos necesarios para el despliegue
de los servicios cooperativos, como la monitorización en tiempo real, comunicaciones
vehiculares, estrategias de maniobras en situaciones de tráfico complejas, y estrate-
gias de alto nivel por parte del centro de control para la gestión de la conducción
autónoma, entre otros.
El proyecto además incluye un estudio acerca de la transferibilidad de los resul-
tados y la escalabilidad de estos en otros páıses europeos y contribuirá con ellos a
iniciativas como la C-Roads Platform y la C-ITS Platform.
Para la realización de las actividades y ensayos requeridos, se cuenta con la cola-
boración de las entidadesnecesarias para ello, tanto con autoridades de transporte
(DGT, ANSR) como en expertos en C-ITS y en conducción autónoma (Indra, UPM,
INRIA, UC, IPN).
De los integrantes, Indra es el ĺıder del piloto de Madrid donde, junto a la DGT
y a la UPM, un servicio cooperativo, debe ser desplegado con el fin de informar a los
veh́ıculos acerca de posibles incidentes ocurriendo en la carretera, como, por ejemplo,
obras en carretera o condiciones climatológicas adversas. El piloto será desplegado
en el carril BUS-VAO de la autov́ıa A6, en un tramo localizado entre la M30 y la
M40.
1.2. INSIA
El INSIA es el centro de investigación en el que se ha realizado este proyecto.
Tanto el desarrollo de este como la realización de las pruebas y parte de los ensayos
de validación.
El Instituto Universitario de Investigación del automóvil (INSIA) es un instituto
de investigación perteneciente a la Universidad Politécnica de Madrid adscrito de
la Escuela Técnica Superior de Ingenieros industriales e integrado en el parque tec-
nológico y cient́ıfico de la UPM. Destaca por ser el primer centro de investigación
en el ámbito de los veh́ıculos autónomos en España. El centro cuento con diversos
proyectos y colaboraciones con la industria de la automoción, seguridad vial y trans-
porte a lo largo de más de veinte años.
El centro cuenta con personal muy cualificado y entre sus objetivos se encuen-
tra la formación de nuevos ingenieros en el campo. También proporciona soporte
tecnológico para algunas compañ́ıas y para administración pública. Las principales
actividades realizadas en el centro son:
4 1 Introducción
Desarrollo e investigación en el ámbito de los veh́ıculos autónomos. Actual-
mente se trabaja en varios proyectos al respecto.
Consultoŕıa y realización de ensayos o certificaciones.
Educación a nivel de Máster y posgrado, aśı como cursos de formación espe-
cializada.
Fig. 2: Instalaciones del INSIA.
Hay que destacar que el Instituto está acreditado por el Ministerio de Industria
español como Servicio Técnico para la homologación en diversos Reglamentos de
Naciones Unidas y Directivas Europeas relativas a veh́ıculos, sistemas y componentes
de estos, especialmente en el ámbito de la seguridad de autobuses y autocares.
1.3. Objetivos
El objetivo principal de este trabajo es desarrollar e implementar un sistema de
control de crucero cooperativo que permita abrir la puerta a nuevas estrategias a la
hora de gestionar el tráfico de manera más eficaz, en concreto de cara al futuro de
los veh́ıculos autónomos y su cooperación en la carretera. Estas nuevas estrategias
pueden ayudar a reducir consumos, con el consiguiente ahorro de combustible y re-
cursos, reducir emisiones de CO2, agilizar el tráfico y reducir el número de accidentes.
Para concretar más el objetivo principal y verificar que ha sido alcanzado, aśı
como la dimensión del trabajo, se han definido los siguientes objetivos espećıficos:
Implementar la arquitectura de comunicaciones necesaria en el veh́ıculo según
el estándar 802.11p.
Desarrollar las estrategias y maniobras necesarias para reaccionar frente a los
eventos de la carretera.
1.3 Objetivos 5
Realizar ensayos en entornos reales para validar el sistema.
6 1 Introducción
7
2. Estado del arte
En este apartado se presenta el estado de la cuestión de los sistemas de con-
ducción autónoma y cooperación de dichos sistemas, aśı como el impacto que han
causado estas tecnoloǵıas en la sociedad. Debido a la temática del trabajo, sistemas
de cooperación y gestión de tráfico, las secciones de este caṕıtulo están orientadas
para poder abarcar la mayoŕıa de las tecnoloǵıas relacionadas.
Los apartados se han organizados de tal manera que al principio aparecen las
tecnoloǵıas más genéricas para acabar introduciendo las más espećıficas, de esta
manera se permite evaluar con mejor perspectiva la evolución que ha seguido la
automoción hasta alcanzar la etapa actual.
2.1. Veh́ıculo autónomo
Las primeras investigaciones y experimentos con veh́ıculos autónomos tuvieron
lugar en la década de 1920. En 1950 empezaron a obtenerse los primeros resultados
prometedores y su trabajo se ha continuado hasta la actualidad. En la década de
1980 aparecen los que pueden ser considerados los primeros veh́ıculos autónomos,
por parte de la ”Carnegie Mellon University .a ráız de las investigaciones llevadas a
cabo por los equipos ”Navlab 2”ALV .en 1984 y en 1987 por parte de Mecedes-Benz y
el ”Bundeswehr University Munich’s Eureka Prometheus Project”. Desde entonces
prácticamente todas las marchas del sector han desarrollado su propio programa de
conducción autónoma. El ultimo hito histórico en lo que se refiere a este campo ha
sido la aprobación de la ”Federal Automated Vehicles Policy .en los Estados Unidos
de América, que siente el precedente para los cambios legales que están por venir
para la integración de estos sistemas en la sociedad.
Podemos considerar la primera aparición de los primeros experimentos en nave-
gación autónoma en 1926. Houdina Radio Control muestra su veh́ıculo sin conductor
radio controlado, el ”Linrrican Wonder”, en las calles de Nueva York realizando un
recorrido entre el trafico normal de la cuidad. El Linrrican Wonder era un Chandler
1926 equipado con un transmisor que permit́ıa operar el veh́ıculo a un tercero. El
transmisor teńıa la capacidad de controlar el pedal de acelerador y freno, aśı como
la dirección del veh́ıculo.
Años después en 1939 en la feria mundial, patrocinado por General Motors, se
presenta un sistema de guiado autónomo para veh́ıculos en la exhibición ”Futura-
ma.en la que se presentaban coches eléctricos radio controlados que eran propulsados
a través de campos electromagnéticos generados por circuitos integrados en la calza-
da. Bel Geddes, el autor principal de esta tecnoloǵıa, escribió varios libros señalando
los grandes avances que se esperaban en la integración te la tecnoloǵıa a la terea de
conducir y fue el primer en señalar que el ser humano debeŕıa ser eliminado de este
proceso.
8 2 Estado del arte
En la década de los cincuenta, los laboratorios RCA consiguieron con éxito ela-
borar un veh́ıculo en miniatura teleguiado por cables y capaz de seguir patrones
dibujados en el suelo. Este sistema de guiado por patrones impresiono tanto al de-
partamento de carreteras de Nebraska (EE. UU) que llegaron a realizarse pruebas
reales en autopistas. En 1958 los laboratorios RCA presentan un prototipo a esca-
la real totalmente funcional que realizo con éxito pruebas en carreteras reales. La
tecnoloǵıa utilizada para ello, desarrollada en colaboración con General Motors, con-
sist́ıa en una serie de circuitos detectores experimentales enterrados en el pavimento
con una serie de luces a lo largo del borde de la carretera. Los circuitos detectores
pod́ıan enviar impulsos para guiar el veh́ıculo y determinar la presencia y velocidad
de cualquier veh́ıculo en la superficie. Se esperaba poder comercializar este sistema
para 1975. También durante los años 1950 a 1960, General Motors presentó los ”Fi-
rebirds”, una serie de coches experimentales que se anunciaban como un ”sistema
electrónico de gúıa que puede llevarle sobre una carretera automática mientras que
el conductor se relaja”.
Fig. 3: Firebird de la compañia General Motors
Durante los años 60, el Laboratorio de Investigación de Transporte y Carreteras
del Reino Unido probó un Citroën DS sin conductor que interactuaba con cables
magnéticos que estaban integrados en la carretera. Realizo con éxito pruebas a 130
kilómetros por hora sin desviación de velocidad o dirección en cualquier condición
climática, y de una manera mucho más efectiva que mediante el control humano. La
investigación continuó en los años setenta con los dispositivos del control de traveśıa
activados por las señales en el cableado debajo de la carretera. De acuerdo con los
análisis de costes y beneficiosque se hicieron, la adopción del sistema en las auto-
pistas británicas seŕıa reembolsada a finales del siglo, aumentando la capacidad de
las carreteras en al menos un 50% y evitando alrededor del 40% de los accidentes.
Sin embargo, la financiación para estos experimentos fue retirada a mediados de los
años setenta.
En la misma década, durante los años sesenta y setenta, Bendix Corporation
desarrolló y probó coches sin conductor que eran accionados y controlados por ca-
bles enterrados, con comunicadores en los bordes del trazado que se comunicaban
con un ordenador de control.
2.1 Veh́ıculo autónomo 9
Las mejoras en el mundo de la informática permitieron en esa época la aparición
de la primera investigación en el campo de la lógica inteligente necesaria para los
coches autónomos. Fue conducida en el laboratorio de la ciencia de la universidad
de Illinois a mediados de la década de los setenta.
Al llegar los ochenta, DARPA funda el proyecto de veh́ıculos terrestres autóno-
mos (ALV) financiado por los Estados Unidos. Utilizó nuevas tecnoloǵıas desarro-
lladas por la Universidad de Maryland, la Universidad Carnegie Mellon, el Instituto
de Investigación Ambiental de Michigan, Martin Marietta y SRI International. El
proyecto ALV logró la primera demostración en carretera utilizando LiDAR, visión
artificial y control robótico autónomo para dirigir un veh́ıculo a velocidades de hasta
30 kilómetros por hora. En 1987, HRL Laboratories (anteriormente Hughes Research
Labs) demostró el primer mapa off-road y navegación autónoma basada en sensores
en el ALV. El veh́ıculo viajó más de 600 metros a 3.1 kilómetros por hora en te-
rreno complejo con cuestas escarpadas, barrancos, grandes rocas, y vegetación. En
1989, la Universidad Carnegie Mellon era pionera en el uso de redes neuronales para
dirigir y controlar veh́ıculos autónomos, formando la base de estrategias de control
contemporáneas.
Fig. 4: Veh́ıculo ALV desarrollado por DARPA
En 1991, el Congreso de los Estados Unidos aprobó el proyecto de ley de au-
torización de transporte (ISTFEA), que instruyó al departamento de transportes
10 2 Estado del arte
a ”demostrar un sistema automatizado de veh́ıculos y carreteras para 1997”. La
Administración Federal de Carreteras asumió esta tarea, primero con una serie de
sistemas de análisis de requisitos y luego con el establecimiento del Consorcio Na-
cional de Sistemas de Carreteras Automatizadas (NAHSC). Este proyecto fue lide-
rado por la Administración Federal de Carreteras (FHWA) y General Motors, con
Caltrans, Delco, Parsons Brinkerhoff, Bechtel, UC-Berkeley, Carnegie Mellon Uni-
versity y Lockheed Martin como socios adicionales. El extenso trabajo de ingenieŕıa
de sistemas e investigación culmino con la demo realizada en 1997 en la I-15 en San
Diego, California, en la que se mostraron cerca de 20 veh́ıculos autónomos, incluyen-
do automóviles, autobuses y camiones a miles de espectadores. Las demostraciones
involucraban operaciones con convoyes de veh́ıculos destinados a operar en tráfico
segregado, aśı como veh́ıculos personales destinados a operar en tráfico mixto. Otros
fabricantes de automóviles fueron invitados a demostrar sus sistemas, de tal manera
que Toyota y Honda también participaron. El programa se canceló a finales de los
años noventa debido al endurecimiento de los presupuestos de investigación en el
departamento de transporte.
En 1994, la pareja de robots VaMP y Vita-2 de Daimler-Benz y Ernst Dick-
manns de la Bundeswehr University Munich condujeron más de 1.000 kilómetros en
una autopista de tres carriles en Paŕıs, con tráfico denso a velocidades de hasta 130
kilómetros por hora, aunque de manera sema-autónoma con intervenciones huma-
nas. Mostraron la conducción autónoma en los carriles libres, el guiado de convoyes,
y los cambios del carril.
En 1995, el proyecto Navlab de la Universidad Carnegie Mellon completó un
viaje de 5,000 kilómetros, de los cuales el 98,2% fueron de manera autónoma. Es-
te coche, sin embargo, era semi-autónomo por naturaleza: usaba redes neuronales
para controlar el volante, pero el acelerador y los frenos eran controlados por hu-
manos, principalmente por razones de seguridad. También en 1995, Mercedes-Benz
emprendió un viaje de 1.590 kilómetros de Munich, Alemania a Copenhague, Di-
namarca volviendo a Munich de nuevo. El veh́ıculo alcanzó velocidades superiores
a 175 kilómetros por hora en la autopista alemana, con un tiempo medio entre in-
tervenciones humanas de 9 km, o 95% de conducción autónoma. En 1996, Alberto
Broggi de la Universidad de Parma lanzó el Proyecto ARGO, que consiguió que un
Lancia Thema modificado siguiera las marcas del carril en una carretera no modi-
ficada. La culminación del proyecto fue un viaje de 1.900 kilómetros durante seis
d́ıas por las autopistas del norte de Italia, con una velocidad media de 90 kilómetros
por hora. El coche funcionó en modo totalmente automático en el 94% del trayecto,
con la mayor longitud recorrida de esta manera hasta la fecha. El veh́ıculo teńıa sólo
dos cámaras de video en blanco y negro y utilizó algoritmos de visión estereoscópica.
Debido al auge de este campo el Gobierno de los Estados Unidos financió tres
esfuerzos de carácter militar conocidos como Demo I (Ejército de los EE.UU.), De-
mo II (DARPA) y Demo III (Ejército de los EE.UU.). Demo III (2001) demostró la
2.1 Veh́ıculo autónomo 11
Fig. 5: Veh́ıculo Navlab, de la Universidad Carnegie Mellon
capacidad de los veh́ıculos terrestres no tripulados para recorrer kilómetros de te-
rreno dif́ıcil fuera de la carretera, evitando obstáculos como rocas y árboles. No sólo
se pretend́ıa controlar veh́ıculos individuales, sino también grupos de veh́ıculos que
deb́ıan trabajar de manera coordinada automáticamente en respuesta a objetivos de
alto nivel.
Llegado el año 2000, en los Páıses Bajos se lanza el ”ParkShuttle”, un sistema de
transporte público sin conductor. Seis años más tarde, en enero de 2006, la prensa
británica reveló un informe en el que se predice que los coches sin conductor con
RFID estarán en las carreteras del Reino Unido en 2006 y la Real Academia de
Ingenieŕıa afirmó que los camiones sin conductor podŕıan estar en las autopistas
británicas en 2019. En esta época se ve la primera intención de la administración
pública de un páıs para legislar y controlar la evolución de esta tecnoloǵıa.
Más tarde en 2009, Google comenzó a desarrollar sus coches autónomos. Sin
embargo, lo hizo en privado, evitando el anuncio público del programa hasta un mo-
mento posterior. Google fue la primera empresa fuera del sector de la automoción
en unirse a esta carrera tecnológica. Más tarde se le uniŕıan empresas como Apple o
Uber. El 1 de mayo de 2012, una prueba de conducción de 22 kilómetros fue realizada
a los veh́ıculos autónomos de Google por examinadores de Automóvilesen una ruta
de prueba en la ciudad de Las Vegas. El veh́ıculo autónomo pasó la prueba, pero
no fue probado en rotondas, señales de tráfico, o zonas escolares. Google consiguió
dominar la técnica existente y adelantarse a sus competidores en tan solo tres años.
En 2010, el VisLab de Italia de la Universidad de Parma, encabezado por el
profesor Alberto Broggi, dirigió el VisLab Intercontinental Autonomous Challenge
(VIAC), una prueba de 15.900 kilómetros que marcó el primer viaje terrestre in-
tercontinental completado por veh́ıculos autónomos. Cuatro veh́ıculos eléctricos sin
conductor completaron con éxito el viaje de 100 d́ıas, saliendo de Parma, Italia, el
12 2 Estado del arte
Fig. 6: Veh́ıculo parkshuttle, en funcionameiento en los Pises Bajos
20 de julio de 2010, y llegando a la Expo de Shanghai en China el 28 de octubre.
Ese mismo año el Instituto de Ingenieŕıa de Control de la Technische Universität
Braunschweig demostró la primera conducción autónoma en las calles de Alema-
nia con el veh́ıculo de investigación Leonie.Era el primer coche autorizado para
la conducción autónoma en las calles y las carreteras en Alemania. En 2011, la
Freie Universität Berĺın desarrolló dos veh́ıculos autónomos capaces de conducir en
el tráfico de Berĺın. Dirigidos por el grupo AutoNOMOS, los dos veh́ıculos Spirit
de Berĺın y MadeInGermany eran capaces de desenvolverse en tráfico interurbano,
semáforos y rotondas.
A comienzos de 2013 prácticamente todos los principales fabricantes de au-
tomóviles, como General Motors, Ford, Mercedes Benz, Volkswagen, Audi, Nissan,
Toyota, BMW y Volvo, contaban con un programa de desarrollo de veh́ıculos sin
conductor. En 2011, General Motors hab́ıa creado la EN-V (Electric Networked
Vehicle), un veh́ıculo urbano eléctrico autónomo. En 2012, Volkswagen comenzó a
probar un sistema de piloto automático temporal (TAP) que permitirá que un co-
che conduzca a velocidades de hasta 130 kilómetros por hora en la carretera. Ford
ha estado llevando a cabo una investigación extensa en sistemas sin conductor y
sistemas de comunicación vehicular. Toyota mostró un coche parcialmente autodi-
dacta con numerosos sensores y sistemas de comunicación a principio de ese mismo
año. Varios centros de investigación participaban ya en la competición tecnológica
y en Julio del 2013 el equipo VisLab (Italia) llevó a cabo otra prueba pionera de
veh́ıculos autónomos, durante la cual un veh́ıculo navego en el centro de Parma sin
control humano, circulando con éxito en rotondas, semáforos, cruces peatonales y
otros peligros comunes.
2.1 Veh́ıculo autónomo 13
A finales de 2013 ya es común ver la mayoŕıa de las nuevas generaciones anuncia-
das por las marcas de la instrúıa ofrecer caracteŕısticas de funcionalidad autónoma
limitada. Estos incluyen el control adaptativo de crucero, un sistema que monitorea
distancias a veh́ıculos adyacentes en el mismo carril, ajustando la velocidad con el
flujo de tráfico; Que supervisa la posición del veh́ıculo en el carril, y advierte al
conductor cuando el veh́ıculo está saliendo de su carril o, menos comúnmente, toma
acciones correctivas; Y ayuda de estacionamiento, que ayuda al conductor en la tarea
de estacionamiento paralelo. En 2014, la Clase S Mercedes-Benz empieza a ofrecer
opciones para la conducción autónoma: mantenimiento en el carril, aceleración, fre-
nado, estacionamiento, evitación de accidentes y detección de fatiga del conductor,
tanto en el tráfico de la ciudad como en las autopistas de hasta 200 km hora. El
Infiniti Q50 de 2014 añade cámaras, radar y otras tecnoloǵıas para ofrecer diversas
funciones de mantenimiento de carriles, evitación de colisiones y control de crucero.
Fig. 7: Veh́ıculo Navia, de Induct Technology
No fue hasta enero de 2014, cuando aparece el primer veh́ıculo autónomo dispo-
nible para la venta comercial, la Lanzadera Navia de Induct Technology. Limitado
a 20 kilómetros por hora, el veh́ıculo eléctrico se asemeja a un carrito de golf con
capacidad para ocho personas. Está pensado para trasladar a la gente alrededor
de çentros peatonales de la ciudad, grandes sitios industriales, aeropuertos, parques
temáticos, campus universitarios o complejos hospitalarios.
14 2 Estado del arte
En octubre de 2014, Tesla Motors anuncia su primera versión de AutoPilot. Los
modelos S equipados con este sistema son capaces de controlar la posición en el
carril con dirección autónoma, frenado y ajuste de ĺımite de velocidad basado en el
reconocimiento de imágenes de señales. El sistema también proporciona estaciona-
miento autónomo y es capaz de recibir actualizaciones de software para mejorar las
habilidades a lo largo del tiempo. A partir de marzo de 2015, Tesla ha estado pro-
bando el sistema de piloto automático en la carretera entre San Francisco y Seattle
con un conductor para actuar en caso de emergencia. A mediados de octubre de
2015, Tesla Motors lanzó la versión 7 de su software en Estados Unidos que inclúıa
la capacidad del piloto automático. El 9 de enero de 2016, Tesla lanzó la versión
7.1 como una actualización, añadiendo una nueva caracteŕıstica de ı̈nvocación”que
permite a los veh́ıculos aparcar en los lugares de estacionamiento sin el conductor
en el coche y volver a recoger al usuario cuando se solicitase.
Siguiendo de cerca a Tesla Motors, en febrero de 2015, Volvo anunció sus planes
de alquilar 100 SUV XC90 equipados con la tecnoloǵıa de automatización Drive-Me
de nivel 3 a los residentes de Gotemburgo en 2017. Los Drive-Me XC90s estarán
equipado con el supercomputador Drive PX-2 de Nvidia y serán conducidos de for-
ma autónoma en determinadas condiciones climáticas y en un camino que rodea la
ciudad. Como parte del proyecto Drive-Me de Volvo, los 100 coches en la prueba de
Suecia tendrán una interfaz llamada IntelliSafe Auto Pilot, una caracteŕıstica que
permitirá a los pilotos activar y desactivar el modo autónomo a través de paletas
especialmente diseñadas en el volante. La interfaz fue desarrollada para supervisar
cómo los conductores transferirán el control al modo de conducción autónomo de un
automóvil en futuros coches. Volvo considera que los sistemas de conducción autóno-
mos son la herramienta que le ayudará a cumplir con el objetivo de la compañ́ıa de
que nadie se vea gravemente herido o muerto en un nuevo Volvo para el año 2020.
En abril de 2015, un automóvil diseñado por Delphi Automotive se convirtió en
el primer veh́ıculo autónomo para completar un viaje de costa a costa a través de los
Estados Unidos. Viajó de San Francisco a Nueva York, bajo el control del ordenador
el 99% de esa distancia.
En julio de 2015, Google anunció que los veh́ıculos de prueba en su proyecto
de coche sin conductor hab́ıan estado involucrados en 14 accidentes menores desde
el inicio del proyecto en 2009. Chris Urmson, el ĺıder del proyecto, dijo que todos
los accidentes fueron causados por los seres humanos, Y que 11 de los accidentes
fueron colisiones traseras. ”Nuestros automoviĺısticos están siendo golpeados sor-
prendentemente por otros conductores que están distráıdos y no prestan atención
a la carretera, eso es una gran motivación para nosotros”. Durante los seis años de
existencia del proyecto, los veh́ıculos de prueba hab́ıan registrado más de 3 millones
de kilómetros en la carretera.
En abril de 2016 Volvo anunció planes para desplegar otros 100 coches XC90
autónomos para probarlos en condiciones diarias de conducción en China. También
2.1 Veh́ıculo autónomo 15
Fig. 8: Veh́ıculo Navia, de Induct Technology
en abril de 2016, el fabricante de automóviles anunció planes para comenzar un ensa-
yo en Londres en 2017 con 100 Volvo XC90 más equipados con tecnoloǵıa Drive-Me.
Los XC90s serán alquilados a usuarios cotidianos, y los veh́ıculos registrarán ca-
da viaje, pasando los datos a Thatcham Research, que llevará a cabo un análisis
exhaustivo para examinar cómo se comporta el auto en situaciones cotidianas, aśı
como entender cómo otros usuarios de la carretera y los ocupantes del automóvil
responden a las decisiones de conducción autónomas tomadas por el automóvil.
A partir de octubre de 2016, todos los coches Tesla se construyen con el hard-
ware necesario para permitir la plena capacidad de auto-conducción a un nivel de
seguridad (SAE Nivel 5). El hardware incluye ocho cámaras alrededor del veh́ıculo y
doce sensores de ultrasonidos, además del radar delantero con capacidades de proce-
samiento mejoradas. Se planea que el sistema funcione de manera pasiva (Procesa-
miento sin tomar acciones) y enviará los datos a Tesla para mejorar sus capacidades
hasta que el software esté listo para ser implementado a través de actualizaciones.
Tesla Motors dice que espera permitir la plena auto-conducción a finales de 2017.
En agosto de 2016, Singapur lanzó el primer servicio de taxis autónomo, pro-
porcionado por nuTonomy. Lo que marcó un antes y un después en el campo de los
sistemas de transporte inteligentes.El primer accidente fatal conocido que implicaba un veh́ıculo autónomo ocurrió
en Williston, Florida el 7 de mayo de 2016, por un coche eléctrico modelo S de Tesla
circulando en modo automático. Investigaciones posteriores han concluido que se
debió a un uso imprudente de la función Autopilot.
16 2 Estado del arte
2.1.1. Circulación
La primera licencia a un veh́ıculo sin conductor para circular libremente fue
expedida en mayo del 2012 en Estados Unidos. Fue concedida al proyecto de auto-
matización de veh́ıculos de Google que en esos momentos trabajaba con el modelo
Toyota Prius. Desde entonces muchas más marcas se han unido a la carrera por ob-
tener el mejor coche autónomo del mercado, incluyendo empresas que se encuentran
fuera del sector de la automoción e incluso mediante la creación de nuevas empresas,
como es el caso de la compañ́ıa Tesla. Esta última por ejemplo, presenta su modelo
de veh́ıculo autónomo con 8 cámaras que ofrecen una visión 360 grados alrededor
del veh́ıculo con un rango de visión de hasta 250 metros. También incluye 12 sen-
sores ultrasónicos que permiten la detección de obstáculos a una distancia menor y
un radar delantero que permite detectar el veh́ıculo precedente hasta a 160 metros,
Figura 9.
Fig. 9: Conjunto de sensores del sistema Autopilot de Tesla.
2.1.2. DARPA challanges
Los DARPA Challenges son una serie de competiciones que han tenido lugar para
veh́ıculos autónomos americanos, fundada por la agencia de proyectos de investiga-
ción avanzados de defensa (DARPA). Esta competición reúne a los equipos más
importantes de investigación del Departamento de Defensa de los Estados Unidos,
aśı como un gran número de universidades y centros de investigación. Los DARPA
Challenges se convirtieron en un éxito, en parte debido a la existencia de grandes
sumas de dinero como premio, que han llegado hasta la cifra del millón de dólares.
La competición se encuentra financiada por DARPA a través del Congreso. La prin-
cipal razón para ello es que se ha visto como una forma de promover proyectos que
2.1 Veh́ıculo autónomo 17
podŕıan ser utilizados con aplicaciones militares o de un alto valor tecnológico.
Hasta la fecha han tenido lugar tres competiciones involucrando exclusivamente
veh́ıculos autónomos, la DARPA Grand Challenge 2004, la DARPA Grand Challen-
ge 2005 y la DARPA Urban Challenge 2007. Las dos primeras competiciones teńıan
como objetivo ver que sistemas se desenvolv́ıan mejor sobre el terreno. Después de
estas competiciones con un escenario más general se convocó la edición de 2007 en
la cual el objetivo era mucho más espećıfico. Los veh́ıculos teńıan que ser capaces
de desenvolverse en un entorno urbano.
2.1.3. DARPA Grand Challenge 2004
La primera competición del DARPA Grand Challenge fue llevado a cabo el 13
de marzo de 2004 en la región del desierto de Mojave de los Estados Unidos, a
lo largo de una ruta de 240 kilómetros. Ninguno de los veh́ıculos terminó la ruta.
El Equipo Rojo de la Universidad Carnegie Mellon y el coche Sandstorm (Humvee
modificado) viajaron la distancia más lejana, completando 11,78 kilómetros del tra-
zado antes de atascarse en una roca justo después de hacer un giro. Debido a los
desastrosos resultados no fue declarado ningún ganador ni se entregó ningún premio.
2.1.4. DARPA Grand Challenge 2005
La segunda competición del DARPA Grand Challenge tuvo lugar el 8 de octu-
bre de 2005. Todos menos uno de los 23 finalistas superó la distancia de 11,78 km
superando la marca establecida en la competición anterior. En la tabla ?? podemos
ver los cinco veh́ıculos lograron completar la prueba cumpliendo los requisitos.
Veh́ıculo Equipo Organización Tiempo (h:mm)
Stanley Stanford Racing Team Universidad de Stanford 6:54
Sandstorm 7:05
H1ghlander
Red team Universidad Carnegie Mellon
7:14
Kat-5 Team Gray The Gray Insurance Company 7:30
TerraMax Team TerraMax Oshkosh Truck Corporation 12:51
Tab. 1: Resultados de la DARPA Challengue de 2005
El trazado de la competición de 2005 contaba, entre otros, con tres estrechos
túneles y más de 100 curvas cerradas a izquierda y derecha. La carrera concluyó a
través de Beer Bottle Pass, un paso de montaña sinuoso con un barranco en una
lateral y una pared de roca en el otro. Aunque la competición de 2004 contaba con
un trazado más pronunciado e irregular, con grandes desniveles, el trazado teńıa
muchas menos curvas y caminos generalmente más anchos que el trazado de 2005.
18 2 Estado del arte
Fig. 10: Algunos de los veh́ıculos integrantes de la DARPA Challlege 2005
En esta edición cabe destacar al veh́ıculo Terramax, camión de 13 toneladas. Ter-
minó en el segundo d́ıa debido a que el enorme camión pasó la noche circulando en
ralent́ı, pero fue particularmente ágil al escoger su camino por los estrechos caminos
de Beer Bottle Pass lo que le permitió quedar en quinto lugar.
2.1.5. DARPA Urban Challenge 2007
La tercera competición del DARPA Grand Challenge, conocida como Ürban
Challenge”, tuvo lugar en noviembre de 2007 en la base de la fuerza aérea de Geor-
ge, en Victorville, California. El trazado inclúıa de 96 kilómetros de área urbana,
que se deb́ıa ser completado en menos de 6 horas. Las reglas inclúıan obedecer todas
las regulaciones de tráfico mientras se desenvolv́ıan entre otros veh́ıculos y obstáculo.
A diferencia de los desaf́ıos anteriores, los organizadores del Desaf́ıo Urbano
2007 dividieron a los competidores en dos ”pistas”, A y B. Todos los equipos de
la Pista A y de la Pista B formaban parte del mismo circuito, pero los equipos
elegidos para el programa Pista A recibieron 1 millón de dólares como fondos. Los
11 equipos pertenecientes a ese grupo representaban en gran parte a universidades
importantes tales como la Carnegie Mellon, Stanford, Virginia, Caltech, Cornell, y
el MIT. DARPA no ha explicado públicamente el fundamento de la selección de los
2.2 Sistemas Cooperativos 19
equipos de la pista A. Tartan Racing ganó el premio de 2 millones de dólares con
Fig. 11: Algunos de los veh́ıculos integrantes de la DARPA Challlege 2007
su veh́ıculo ”Boss”, un Chevy Tahoe. En la tabla 2 podemos ver el resto de equipos
que finalizaron la prueba:
Veh́ıculo Equipo Organización Tiempo (h:m:s)
Boss Tartan Racing Universidad Carnegie Mellon 4:10:20
Junior Stanford Racing Team Universidad de Stanford 4:29:28
Odin VictorTango Virginia Tech 4:36:38
Talos MIT MIT 6:00:00
Little Ben The Ben Franklin Racing Team Universidad de Pensilvania Sin tiempo oficial
Skynet Cornell Universidad de Cornell Sin tiempo oficial
Tab. 2: Resulados de la DARPA Challengue de 2007
2.2. Sistemas Cooperativos
La definición de sistema cooperativo dispone que es el proceso de uno o múltiples
grupos que actúan juntos para el beneficio común o mutuo, en lugar de trabajar en
competencia. A pesar de lo que podamos intuir esta definición no solo se puede apli-
car a grupos de entidades biológicas, sino que incluso en la informática se acuña el
termino para definir sistemas de software colaborativo o cooperativo. Más espećıfi-
camente, se refiere al conjunto de aplicaciones que integran el trabajo en un sólo
proyecto, con muchos usuarios concurrentes que se encuentran en diversos puntos,
20 2 Estado del arte
conectadas a través de una red. La automoción también ha hecho uso de los sistemas
cooperativos, incorporándolos en sus desarrollos para desplegar nuevas tecnoloǵıas
que ayuden a mejorar la seguridad de los veh́ıculos.
A pesar de las posibles diferencias que puedan existir, todos estos grupos tienen
en común la dependencia de un sistema de comunicación. La comunicación repre-
senta la principal base sobre la que se funda la cooperación, especialmente en lo
referente a sistemas informáticos, donde los distintos procesos necesitan estar co-
municados para transmitir la información y poder alcanzar el objetivo común. La
industria de la automoción no representa una excepción, para ellose han ido definien-
do una serie de estándares con el objetivo exclusivo de facilitar todo el conjunto de
comunicaciones implicadas en este campo. Podemos observar muchos de ellos en la
recopilación que llevo a cabo en 2009 el grupo de investigadores de BMW, que realizó
una recopilación de los estándares existentes hasta el momento [Kosch et al., 2009].
En la automoción los sistemas cooperativos representan una serie de técnicas y
tecnoloǵıas mediante las cuales un veh́ıculo puede comunicarse de forma inalámbrica
con otro veh́ıculo o infraestructura. En contraposición a los sistemas avanzados de
asistencia al Conductor (ADAS por sus siglas en ingles), estas tecnoloǵıas permiten
una comunicación en ambos sentidos: además de proporcionarse la información al
veh́ıculo y conductor, el propio veh́ıculo también proporciona información (sobre
velocidad, incidentes, etc.) a la infraestructura de carreteras, al centro de gestión de
tráfico y a otros veh́ıculos.
En los estándares se han establecido un conjunto de protocolos espećıficos para
las comunicaciones destinadas a la automoción, denominadas Vehicle-to-Everithing
(V2X), recogidos en la norma 802.11p ETSI ITS-G5 que emite en la banda de
5.9Ghz. A ráız de la estandarización de estos protocolos muchas empresas del sector
han desarrollado sus propias soluciones para las comunicaciones V2X, con módulos
de comunicaciones DSRC (del inglés Dedicated Short Range Communications) Entre
ellas podemos destacar Cohda [Cohda Wireless, 2018], Yogoko [Yogoko, 2018], Fico-
sa [Ficosa, 2018], Commsignia [Commsignia, 2018], Autotalks [Autotalks, 2018]. Un
ejemplo de los módulos que ofrecen Cohda y que han sido utilizados en los ensayos
se presentan en la figura 12.
Nuestro equipo, el grupo de investigación del Instituto Universitario de Investiga-
ción del Automóvil (INSIA) ha desarrollado nuestro propio módulo de comunicacio-
nes DSRC-INSIA [Anaya et al., 2014], siguiendo los estándares europeos ETSI EN
636-4.1. Las comunicaciones V2X llevadas a cabo durante los ensayos presentados
en entornos reales han sido ejecutadas con estos módulos de comunicaciones.
2.3 Sistemas de transporte inteligentes cooperativos 21
Fig. 12: Algunos ejemplos de módulos V2X. De izquierda a derecha: Cohda MK5
OBU, Cohda MK5 RSU y módulo propio desarrollado en el INSIA.
2.3. Sistemas de transporte inteligentes cooperativos
En los últimos años hemos visto como los problemas de tráfico en las grandes
ciudades han alcanzado su punto máximo. Sin embargo, estos problemas llevan apa-
reciendo en menor medida desde la década de los 90, momento en el que gracias a
los avances tecnológicos de la época se empieza a formar la idea de que se necesitan
nuevos y mejores sistemas para gestionar el creciente uso del automóvil.
Podemos ver uno de los primeros trabajos en la materia en [Sussman, 2008], don-
de en 1991 un grupo de investigadores de Estados Unidos plantea un nuevo campo
de estudio, los Sistemas de Veh́ıculos Inteligentes de las Carreteras (IVHS, Intelli-
gent Vehicle of Highway System) que más tarde pasaŕıa a ser nombrado Sistemas
de Transporte Inteligente (ITS, por sus siglas en ingles). El objetivo de este nuevo
campo era buscar la manera de unir las mejoras y avances tecnológicos en la auto-
moción con las infraestructuras de transporte existente.
Como cualquier otra tecnoloǵıa, los ITS se han desarrollado con el objetivo prin-
cipal de mejorar la seguridad de los usuarios. Aśı mismo, las comunicaciones y las
capacidades de los sistemas han ido mejorando para permitir ir un paso más allá
respecto a la idea de los sistemas cooperativos. Se entienden como cooperativos,
aquellos sistemas cuyos veh́ıculos o infraestructuras cooperan para mejorar la se-
guridad, facilitar el uso, mejorar la experiencia. . . etc. Los sistemas cooperativos
añaden la posibilidad de recabar y compartir información en tiempo real, lo cual
ha permitido evolucionar los sistemas ITS combinando ambas tecnoloǵıas, de esta
manera surgen los Sistemas Cooperativos de Transporte Inteligente (CITS, Coope-
rative Intelligent Transportation Systems)[Horton et al., 2016].
22 2 Estado del arte
Los CITS han ido ganando importancia con el paso de los años, podemos verlo
reflejado en la multitud de proyectos europeos que existen [Strandén et al., 2008].
Gracias a estos proyectos se ha contribuido al desarrollo e implementación de los
sistemas CITS. Una parte de los sistemas cooperativos son los ADAS, que se en-
cuentran como un paso intermedio hacia la automatización completa.
2.4. Sistemas avanzados de asistencia a la conducción
En los últimos años uno de los principales destinos del presupuesto de las com-
pañ́ıas de automoción es la investigación y desarrollo de nuevas tecnoloǵıas para
aumentar el confort y seguridad de los veh́ıculos. Esto podemos observarlo viendo
el incremento de relevancia que han tenido test como los “European New Car As-
sesment Programme” (Euro NCAP) a la hora de adquirir y calificar la calidad de
los veh́ıculos. Estos test proporcionan información adicional de la seguridad pasiva
de los veh́ıculos, y se observa el aumento de las puntuaciones en la última década.
Dentro de los distintos tipos de sistemas de seguridad del veh́ıculo encontramos dos
grupos, elementos de seguridad pasiva y activa. Los elementos de seguridad pasiva
actúan para minimizar los daños ocasionados por lo percances que el veh́ıculo pueda
sufrir. Estos elementos son de gran importancia para reducir las consecuencias de los
accidentes y en estudios como [Kullgren et al., 2010], ponen a prueba y respaldan
la veracidad de los test Euro NCAP comparando los mismos con los resultados de
siniestros reales.
Por otro lado, se encuentran los sistemas de seguridad activa, que se diseñan
para actuar con el objetivo de evitar que ocurra el accidente, es decir, al contrario
que los elementos pasivos actúan antes del percance. Dentro de este grupo también
encontramos equipos que son capaces de asistir al conductor para evitar los acciden-
tes, conocidos como ADAS por sus siglas en ingles. Podemos entender estos sistemas
como un primer paso hacia la automatización del veh́ıculo.
El principal contratiempo a la hora de desarrollar este tipo des sistemas se pre-
senta a la hora de probar su eficacia en carretera, ya que, aunque el apartado técnico
evoluciona de manera rápida, el apartado legal funciona mucho más lento. Sin em-
bargo, en España el 13 de noviembre de 2015, la Dirección General de Tráfico (DGT)
publicó en la instrucción 15/V-113 la legislación que deb́ıan seguir los investigadores
a la hora de realizar ensayos en la v́ıa pública con veh́ıculos autónomos. En la misma
se presenta una clasificación de los distintos tipos de automatización según el grado
de intervención del conductor frente al veh́ıculo, tal y como se describe en la tabla
13. Los ADAS componen los niveles 0, 1 y 2 de la tabla.
2.4 Sistemas avanzados de asistencia a la conducción 23
Fig. 13: Niveles de automatización definidos en la instrucción 15/V-113 por la DGT.
2.4.1. Control de crucero
Entre los sistemas ADAS en este trabajo destacamos los controles de crucero.
Un control de crucero (CC) es un sistema que se encarga de controlar de manera au-
tomática el avance y velocidad del veh́ıculo. Los sistemas de control de crucero más
sencillos se enfocan en actuar únicamente sobre el control longitudinal del veh́ıculo,
aunque los sistemas más modernos actúan a la vez sobre varios controles.
El primer control de crucero que apareció en un veh́ıculo fue en el año 1910 de
la mano de Peerless. La compañ́ıa aseguraba de sus veh́ıculos que eran capaces de
mantener la velocidad tanto en llano como en pendientes. Estos sistemas se basaban
en un regulador centrifugo o péndulo de Watt y fueron el primer paso hacia los con-
troles de crucero aplicado a los veh́ıculos. No seŕıa hasta 1945 cuando aparecieron
los primeros controles de velocidad modernos, que basaban su funcionamientoen
calcular la velocidad con las rotaciones del palier.
La comercialización de los primeros veh́ıculos con sistemas de control de crucero
modernos aparecieron a finales del siglo XX. Más tarde, ante la necesidad de una
regulación en el desarrollo de estos sistemas, la Organización Internacional de Nor-
malización (ISO, International Organization for Standardization) empezó a trabajar
en una norma que contuviera las regulaciones necesarias lo que dio lugar a el primer
estándar [ISO 15622:2010, 2010].
24 2 Estado del arte
La idea de los controles de crucero cooperativos aparece con él objetivo al me-
jorar las capacidades de intentar solventar los problemas de un CC, al añadir la
capacidad de transmitir información mediante sistemas de comunicaciones Veh́ıculo-
a Veh́ıculo (V2V, Vehicle-to-Vehicle) y Veh́ıculo-a-Infraestructura (V2I, Vehicleto-
Infrastructure).
En esencia, los CCC y los CC son iguales, con la salvedad que un CCC dispone
de una entrada adicional de información a través de las comunicaciones.
Las comunicaciones permiten mantener una fuente de información adicional sobre
el entorno, la situación de las carreteras, condiciones meteorológicas, los veh́ıculos,
y un largo etcétera. El volumen de información permite un sin fin de posibilidades
para que el sistema actúe en consecuencia o pueda elaborar decisiones mucho más
precisas. Además, las comunicaciones no son una fuente de información en un solo
sentido, es decir, los protocolos de comunicaciones permiten enviar mensajes al resto
de nodos en el sistema.
Este tipo de sistemas no limitan el numero o tipos de sensores que utilizan, no
obstante, se pueden combinar varios tipos de sensores o incluso utilizar varios del
mismo tipo para minimizar errores. En [Dey et al., 2016], se hace una recopilación
de las diferentes tecnoloǵıas relacionadas con sistemas de CC, donde se muestra
desde los primeros algoritmos como Greedy hasta protocolos para optimizar la di-
seminación de mensajes que se utilizan en los sistemas. El control de CC se encarga
de utilizar la información recolectada, procesar y elaborar una respuesta mediante
algoritmos y enviarlo a los actuadores. Por último los actuadores son los elementos
de hardware que accionan el acelerador, freno, dirección, etc del veh́ıculo.
25
3. Evaluación de Riesgos
A la hora de abordar el problema de la gestión del tráfico podemos abordar dis-
tintas estrategias. Pero primero debemos identificar las causas principales de este
problema. En primer lugar, nos enfrentamos a una infraestructura anticuada, que
no ha podido evolucionar al ritmo de los veh́ıculos, y que ahora se torna insuficiente
para manejar la densidad de tráfico que encontramos en las ciudades. Por otra parte,
además de la insuficiencia de la infraestructura, los métodos de gestión de esta son
poco óptimos, en parte debido a la falta de versatilidad de la misma y a la falta de
información o calidad de la información para realizar esa gestión.
Ante esta situación podemos plantear tres escenarios principales, por una par-
te, dado que la ráız del problema proviene de la infraestructura podemos pensar
que es obvio realizar una inversión en nueva infraestructura que sustituya la actual.
Cómo alternativa más sencilla podemos definir la estrategia de no realizar ninguna
inversión y dejar la infraestructura tal como está, esperando que el aumento de la
tecnoloǵıa de los veh́ıculos pueda solventar el problema el problema o mediante la
aparición de nuevas tecnoloǵıas. Por último, podemos plantear un escenario en el
que alcanzamos un termino media, dejamos la infraestructura actual, pero la actua-
lizamos mediante la incorporación de sistemas de comunicaciones V2X.
La ventaja principal de la solución escogida es que permite aprovechar la infra-
estructura existente, reduciendo la necesidad de inversión, a la vez que aporta todas
las caracteŕısticas y ventajas que necesitamos.
En el escenario de reconstrucción de la infraestructura actual obtendŕıamos la
principal ventaja de poder rehacer la infraestructura a medida de lo que necesita-
mos, para poder solventar los problemas que hemos presentado. Sin embargo, esta
solución presenta muchos inconvenientes, en primer lugar y más claro es la necesidad
de una gran inversión de capital dada la magnitud del proyecto. Esto también hace
necesario un gran periodo de tiempo para cumplir con la reforma, por lo que es
necesario una inyección continua de capital y una estabilidad poĺıtica que no tiene
por que aparecer. Por otra parte, es de esperar retrasos en la finalización, otra vez
debido al tamaño de aventura, con el impacto que esto supone al usuario. Debemos
tener en cuenta también los posibles problemas legales a asociados a la ampliación
de la infraestructura, como recalificación de terrenos o necesidad de pasar por parce-
las privadas. Por último, esta solución a medida no nos garantiza su compatibilidad
con otros páıses colindantes, lo que se traduce en un protocolo único de nuestro
territorio que las marcar tendŕıan que incorporar en sus veh́ıculos. Todo esto queda
resumido en la figura 14.
El escenario más sencillo que se plantea, obviamente, es no realizar ninguna ac-
ción. También resulta obvio que ya que se ha presentado el problema esta opción no
es viable. Como única ventaja se nos presenta el ahorro de inversión, ya que no es
26 3 Evaluación de Riesgos
A
F D
O
Fº D
O AAMPLIAR LA INFRAESTRUCTURA
SOLUCIÓN A MEDIDA GRANDES COSTES
TIEMPO DE REALIZACIÓN
IMPOSIBILIDAD DE CONSTRUIR
TEMAS LEGALES
FALTA DE PRESUPUESTO
INESTABILIDAD POLÍTICA
INCOMPATIBILIDAD
RETRASOS
Fig. 14: Diagrama DAFO para el escenario de reconstrucción de la infraestructura.
necesario hace nada. Por otra parte, se nos presentan los ya mencionados problemas
de incremento del número de accidentes y de los problemas de gestión de la infraes-
tructura actual. A esto debemos sumarle la obsolescencia de esta, y la necesidad de
adaptación hacia las mejoras que los veh́ıculos están empezando a incorporar y que
irán incrementados en el futuro. Otra amenaza inmediata y que ya estamos viviendo
es el desbordamiento, la incapacidad de la infraestructura para gestionar el parque
móvil actual de una manera óptima. Esto se traduce, además de los nombrados ac-
cidentes, en el incremento de la polución, atascos e inutilidad de la v́ıa para cumplir
su función. Con los servicios actuales no queda sitio para incluir nuevas técnicas
de gestión, ya que no se cuenta con la información necesaria ni con medios para
distribuirla. Podemos entonces garantizar que esta solución se convierte mas bien en
aplazar y alargar una situación insostenible a largo plazo. Todo esto queda resumido
en la figura 15
Por último, llegamos al escenario escogido. En este escenario pretendemos al-
canzar las ventajas de la reconstrucción de la infraestructura, pero sin tener que
llegar a ello, ni a la inversión que ocasionaŕıa. Es ah́ı donde reside la potencia de
este escenario, podemos reutilizar la infraestructura actual y adaptarla con ciertas
mejoras para solventar los problemas descritos. En este caso esta mejora se consigue
a través de la inclusión de comunicaciones V2X, de manera que la infraestructura
se encuentre conectada con los responsables de su gestión (DGT) y con los usuarios
de esta. De esta manera existe un cambio de información bidireccional.
Este sistema nos ofrece varias ventajas, en primer lugar, la modularidad, pode-
mos actualizar las v́ıas de forma escalona sin que suponga percance para el usuario, y
27
A
F D
O
Fº D
O A
0 GASTO OBSOLESCENCIA
ACCIDENTES
PROBLEMAS DE GESTIÓN
FALTA DE INFRAESTRUCTURA
DESBORDAMIENTO
IMPOSIBILIDAD NUEVAS 
ESTRATEGIAS
OBLIGACIÓN DE ACTUALIZACIÓN
Fig. 15: Diagrama DAFO para el escenario de no actuar frente al problema.
podemos adaptar veh́ıculos antiguos para que hagan uso de esta tecnoloǵıa. Gracias
a todo este intercambio de información en tiempo real se abre la puerta a nuevas
técnicasde gestión, permitiéndonos reducir los accidentes, los atascos, la contami-
nación y en resumen utilizar las v́ıas de manera óptima. Pero esta información no
tiene por que quedar limitada a este sistema, si no que puede ser aprovechada para
otras aplicaciones como control en los eventos de polución, cierre de ciertas áreas
(Eventos deportivos, manifestaciones. . . etc.), información del tráfico para el usuario
. . . etc.
En cuanto a la estandarización existe un esfuerzo europeo para conseguir que las
V2X sigan las mismas funcionalidades en todo el territorio, el proyecto AUTOCITS
descrito con detalle en la sección 1.1, que ha impulsado el desarrollo de este trabajo
para la preparación del programa piloto español.
No obstante, también existen ciertas desventajas en este escenario. El más des-
tacable es la necesidad de inversión para implantar las nuevas mejoras, si bien esta
inversión es mucho menor que la del primer escenario contemplado. Por último, y
ya comentado, nos encontramos con el problema de la legalidad, que no avanza al
mismo ritmo que la tecnoloǵıa, pero en el que ya se están empezando a dar los pasos
necesarios para su actualización. Todo esto queda reflejado de forma resumida en la
figura 16.
De los escenarios planteados podemos asumir que la mejor opción, ante los datos
presentados, es enfocar nuestros esfuerzos hacia el tercero. Si bien podŕıan haberse
planteado más escenarios el desarrollo de este trabajo se ha enfocado hacia aque-
28 3 Evaluación de Riesgos
A
F D
O
Fº D
O A
MODULARIDAD
EXPANSIBLE
ACTUALIZABLE
REDUCCIÓN DE ACCIDENTES
GASTO
LEGALIDADESTANDARIZACIÓN
NUEVAS ESTRATEGIAS
COOPERACIÓN CON OTROS 
SISTEMAS
Fig. 16: Diagrama DAFO para el escenario de incorporación de sistemas V2X a la
infraestructura.
llos más elementales y más realistas en su realización. En este trabajo se presenta la
nueva infraestructura desarrollada y sus primeras aplicaciones con veh́ıculos autóno-
mos, centrándonos en el control longitudinal del mismo. Este trabajo tiene cabida
en el esfuerzo europeo de AUTOCITS, para desarrollar un protocolo estándar en las
comunicaciones V2X, en el desarrollo de los sistemas que deberán ser demostrados
a la finalización del proyecto (2019).
29
4. Metodoloǵıa
En este trabajo se pretende desarrollar un sistema que solvente las limitaciones
de los CACC actuales, enfocadas en dos ejes: mejora de la seguridad y mejora de
la eficiencia. El modelo de CACC propuesto se basa en una arquitectura orientada
al uso exclusivo de las comunicaciones V2X, el Bus CAN y le GPS como únicas
entradas de información. Para completar el sistema se ha diseñado una cartograf́ıa
digital de alta precisión que hace posible el posicionamiento de cada veh́ıculo en
la v́ıa. A fin de validar individualmente cada parte que compone el sistema se han
realizado diferentes pruebas para validar el correcto funcionamiento del sistema de
control del CACC, abarcando el máximo de situaciones posibles.
Estos ensayos de validación han ayudado a que el sistema adopte diferentes
modificaciones a lo largo de su desarrollo que han permitido mejorar los resultados.
En el resto de los caṕıtulos de este apartado, se describirá la situación final de los
sistemas desarrollados. En este caṕıtulo se describe el esquema general del sistema,
los distintos tipos de sensores y los diferentes escenarios a los que debe hacer frente
el sistema.
4.1. Esquema general
En esta sección se presenta el esquema general de la arquitectura del sistema
CACC desarrollado. En la Figura 17 podemos observar el diagrama general. En él
se aprecia la disposición de las distintas capas que componen el sistema. En la capa
más externa tenemos el veh́ıculo, donde obtenemos datos de telemetŕıa y estado del
coche a la vez que se reciben las señales de control de la capa superior. En la segunda
capa encontramos el propio sistema, donde se obtiene las lecturas de los sensores y
la comunicación entre las capas. Por último, en la capa más interna encontramos el
procesamiento de los datos y generación de las señales.
GPS
Planificador
Trayectoria
Decisión
V2XControl
...
ROS
Ordenador
Vehículo
Fig. 17: Arquitectura general del sistema.
30 4 Metodoloǵıa
4.2. Sensores
Los distintos tipos de sensores se encargan de adquirir toda la información que
el sistema necesita. Para el funcionamiento del sistema se precisa de un sensor GPS,
un módulo de comunicaciones V2X y el CANBus del veh́ıculo. Todo el sistema de
adquisición de datos se encuentra incorporado en un módulo de sensores y con-
trol, denominada maleta de control por su encapsulado, que permite automatizar el
veh́ıculo o quitarla para circular como si de un veh́ıculo normal se tratase.
En la maleta de control disponemos de las tarjetas de control analógicas y di-
gitales para mandar señales a los dispositivos del veh́ıculo (Pedales). También se
dispone de dos tarjetas CAN, una para conectarse al CANBus del veh́ıculo y poder
acceder a la información de este y otra para poder mandar instrucciones a los dis-
positivos que se conectan usando este protocolo (Volante). A su vez se dispone de
las placas de control para el sistema eléctrico y de el sistema de red necesario para
las comunicaciones entre el veh́ıculo y el ordenador.
Para integrar las comunicaciones con los sensores y el veh́ıculo de la forma mas
practica posible se ha desarrollado en el centro una maleta de control. En ella se
contienen todos los dispositivos y placas de control necesarios para el funcionamiento
autónomo del veh́ıculo. En la figura 18 podemos ver la maleta de control.
Fig. 18: Maleta de control desarrollada en el centro.
4.2.1. CAN
CAN Bus es un protocolo de dos v́ıas, semidúplex y de alta velocidad, esto se
traduce en un rendimiento mayor en comparación con tecnoloǵıas que se utilizan
4.2 Sensores 31
convencionalmente en comunicaciones entre dispositivos, cómo RS232, además de
añadir ventajas como la mejor funcionalidad, mayor fiabilidad y mayor velocidad
que se obtiene con el protocolo CAN bus.
Esto ha llevado al CAN Bus a ser el protocolo de comunicaciones que incorpo-
ran todos los veh́ıculos actuales. Sigue una topoloǵıa de red totalmente conectada y
permite la transmisión de mensajes en entornos distribuidos garantizando comunica-
ciones en tiempo real. En los veh́ıculos su utilidad reside en comunicar las distintas
señales de las unidades de control a los respectivos elementos del veh́ıculo, contro-
lando desde luces hasta el giro del volante. A su vez estos elementos proporcionan
información en tiempo real de la telemetŕıa y estado del veh́ıculo, tales como ve-
locidad, ángulo de giro del volante, intermitentes, luces, estado de la bateŕıa...etc.
Para el sistema propuesto en este trabajo tan solo necesitaremos la información de
velocidad. En la figura 19 podemos observar la disposición de la arquitectura de la
red CAN.
El sistema CAN esta probado como tremendamente robusto, basado en una fia-
bilidad máxima dando al mismo tiempo el mejor rendimiento posible. Entre las
caracteŕısticas que hacen que este sistema sea tan robusto podemos destacar:
Flexibilidad en la configuración.
Asegurar la consistencia de los datos en todo el sistema.
Detección de errores y señalamiento de estos.
Un bus MultiMaestro basado en prioridades.
Multidifusión de mensajes con filtrado para estos.
Solicitud de información de forma remota.
Retransmisión automática de los mensajes que han sido destruidos por errores.
Distinción entre errores temporales y nodos que están fallando de forma per-
manente.
Desactivación automática de los nodos defectuosos.
4.2.2. GPS
Este dispositivo es el encargado de proporcionar la posición del veh́ıculo. El dis-
positivo utilizado ha sido el Trimble BX935-INS que podemos ver en la figura 20, se
trata de un sensor de GPS de alta precisión que mediante la corrección diferencial
nos permite alcanzar errores de 5 cent́ımetros en la obtención de las coordenadas
32 4Metodoloǵıa
Volante Freno CAN Bus
Vehículo
Accionar
Pedales
Acelerador
CAN1CAN2
Tarjeta
Digital
Tarjeta
Analógica
Ordenador
Switch
Fig. 19: Arquitectura de la red CAN junto con las tarjetas de control.
para el posicionamiento, lo que supone una gran ventaja dada la necesidad de pre-
cisión para la aplicación en veh́ıculos y la velocidad de los mismos.
Fig. 20: GPS y antena equipados en el veh́ıculo.
Además, este sensor incluye una IMU (Inertial Measurement Unit), lo que nos
permite obtener información adicional sobre la odometŕıa del veh́ıculo (Ángulos
RPY, orientación aceleración en todos los ejes...etc.). Dado que el sensor se sitúa en
el interior del veh́ıculo se debe colocar una antena para que la recepción sea buena.
Podemos ver ambos dispositivos utilizados en la figura 20.
El protocolo de comunicación con el dispositivo se realiza a través de mensajes
NMEA 0183 lo que nos permite obtener a demás de la posición, información adicional
como velocidad, hora global, estad́ısticas, variación de los errores, información sobre
los satélites. . . etc. Estos datos son obtenidos a una frecuencia de 10 hercios.
4.2.3. Módulo V2X
Al tratarse de un sistema cooperativo, las comunicaciones son una parte funda-
mental de información para el sistema, pero a diferencia de otros sensores donde
4.3 Control longitudinal 33
sabemos que tipos de datos vamos a tratar y que información se transmite, las
comunicaciones V2X no siempre transmiten la misma información.
En la torre Open System Interconnection (OSI) de la Figura 21, podemos obser-
var los distintos estándares que definen cada capa del protocolo de comunicaciones
V2X. El sistema desarrollado en este trabajo se encuentra en la capa de más alto,
aplicaciones ITS, donde se mantiene una comunicación directa con el módulo para
poder acceder a la red de comunicaciones.
La capa facilities dispone de una variedad grande de protocolos destinados ca-
da uno a funcionalidades muy concretas dentro del protocolo V2X. Por ejemplo,
existen los mensajes Cooperative Awareness Message (CAM), que están orientado
únicamente a transmitir avisos sobre el estado del veh́ıculo. En el desarrollo de este
trabajo y las pruebas realizadas, el protocolo utilizado se conoce Decentralized Envi-
ronmental Notification Message (DENM), utilizado para transmitir información so-
bre eventos en la carretera (Obras, accidentes. . . etc.) y las acciones a realizar(Bajar
velocidad, parar. . . etc.)
Fig. 21: Modelo OSI del protocolo para las comunicaciones V2X.
4.3. Control longitudinal
El control longitudinal es el sistema encargado de controlar el acelerador y el
freno con el objetivo de ajustar la velocidad del veh́ıculo a la consigna deseada. En-
34 4 Metodoloǵıa
tre las acciones que puede realizar el sistema están mantener la velocidad, rebajar
la velocidad un tanto por ciento sobre la actual, rebajar la velocidad a una consigna
indicada o detener el veh́ıculo. Por la naturaleza de los eventos DEN, no se contem-
pla el aumentar la velocidad.
En múltiples estudios como [Kesting et al., 2007], [Van Arem et al., 2006] se va-
lora el impacto del ACC frente a diferentes situaciones de congestión del tráfico.
En ellos se demuestra que realizando una reducción en la velocidad de los veh́ıculos
antes de llegar a zonas congestionadas ayuda a mejorar estas situaciones y a reducir
en gran medida la congestión y por lo tanto, a reducir los valores de emisiones de
CO2. También se reducen las situaciones peligrosas y los accidentes por alcance, tan
t́ıpicos de estos escenarios.
Si además el propio sistema ACC pudiese recibir información con antelación del
estado de la carretera y el tráfico en los próximos, podŕıa ser capaz de adaptar la
velocidad del veh́ıculo a las condiciones de la v́ıa de manera automática facilitando la
llegada a la zona de congestión y su posterior resolución. En este principio es en el que
se basa el desarrollo de este trabajo, solventado esta entrada de información a través
de las comunicaciones V2X, concretamente V2I ya que es la propia infraestructura
a través del centro de control de tráfico la que informa al veh́ıculo de los problemas
en una determinada área.
DGT
Área de velocidad limitada
Fig. 22: Esquema de funcionamiento del CACC. El centro de control(DGT) publica
un evento de retención en una determinada área geográfica (Zona amarilla),
cuando un veh́ıculo se encuentra a la distancia de propagación del mensaje
recibe el mismo y ajusta la velocidad según se indique en el evento. Una vez
fuera del área del evento el veh́ıculo recupera su velocidad normal.
4.4 Control de bajo nivel 35
4.4. Control de bajo nivel
Para que las aplicaciones de más alto nivel, como la que utiliza las V2X, primero
es necesario tener acceso al control de la telemetŕıa del coche. En el veh́ıculo utili-
zado el control se realiza de diferente manera sobre el actuador del acelerador y del
freno.
Empezando por el acelerador, ya que es el más sencillo, la actuación se realiza
a través de una tarjeta controladora de salida analógica. Esta tarjeta es activada a
través de la salida digital de la tarjeta de entrada salida situada en la maleta de
control. Si dicha tarjeta se activa, el veh́ıculo ignora las pisadas del conductor sobre
el pedal y es el software el que pasa a tener el control. De esta manera podemos
cambiar entre modo de conducción autónoma y conducción normal. Una vez que el
software tiene adquirido el pedal el control de crucero calcula el valor de voltaje de
la salida analógica que es necesario par alcanzar la consigna deseada.
La automatización del pedal de freno resulta más complicada debido a su fun-
cionamiento mecánico. Para ello se ha instalado un motor que mediante una trans-
misión de cable tira del pedal para activar el actuador. Este motor se habilidad
de igual manera que el acelerador y su control se realiza a través de las tarjetas
CAN (19). En este caso el control preciso resulta más complejo ya que debemos
convertir el error en la velocidad deseada a un ángulo que el motor debe girar para
efectuar fuerza sobre el pedal. Tras el desarrollo de la automatización se observado
que la transmisión por cable no resulta efectiva y ha sido reemplazada por una con
cadena en veh́ıculos posteriores, solventado los problemas que presentaba la anterior.
Las señales de ambos actuadores son calculadas utilizando un controlador PID
(Controlador Proporcional-Integral-Derivativo). EL controlador PID es un mecanis-
mo de control por realimentación de la señal, que es ampliamente usado en sistemas
de control industrial. Se basa en el cálculo del error entre un valor medido (Medi-
da real) y un valor deseado (Consigna). Ambos controladores son independientes y
tienen parámetros de ajuste distintos. En la figura 23 podemos observar el funcio-
namiento del controlador PID.
4.5. Control de decisiones
El veh́ıculo cuenta con múltiples entrada de información, muchas de ellas redun-
dantes (Velocidad CAN, velocidad GPS...etc). Además existen múltiples sistemas
que env́ıan señales de control en base a esta información, con lo que es necesario
filtrar y encontrar qué señal es la adecuada para aplicar en cada momento.
En el caso de este trabajo nos centramos en el sistema V2X. Este caso, el control
de guiado tiene el control de la velocidad mientras se está en modo autónomo, pero
en el momento de recibir un mensaje con una consigna de velocidad debemos mirar
36 4 Metodoloǵıa
Fig. 23: Diagrama de funcionamiento de un controlador PID. Debemos ajustar los
tres parámetros hasta obtener el comportamiento deseado.
si aplicar la consigna del control de guiado o la recibida. En este caso el proceso
de decisión resulta muy sencillo y puede verse resumido en la figura 24, aunque
si tratasemos con todos los sistemas del coche debeŕıan utilizarse algoritmos más
complejos en lo que se conoce como fusión sensorial.
4.6. Robot Operating System
Para el desarrollo del trabajo,