2026-04-21T16:20:27Zhttps://ebiltegia.mondragon.edu/oai/requestoai:ebiltegia.mondragon.edu:20.500.11984/139382026-01-29T08:37:24Zcom_20.500.11984_460col_20.500.11984_469
eBiltegia
advisor
Alonso Gómez, Arrate
advisor
Mendicute, Mikel
author
Gorospe, Joseba
2025-09-10T15:18:14Z
2025-09-10T15:18:14Z
2024
https://katalogoa.mondragon.edu/janium-bin/janium_login_opac.pl?find&ficha_no=189740
https://hdl.handle.net/20.500.11984/13938
Vehicle-to-Everything (V2X) communications are critical to enable Autonomous
Vehicles (AVs) to interact and coordinate with each other. Their continuous information
exchange facilitates cooperative automated driving that improve traffic safety and
efficiency. Despite these benefits, V2X communication technologies face significant
challenges, particularly in terms of their reliability in some scenarios. This thesis
investigates the impact of this unreliability during cooperative automated driving and
explores the potential for improving control algorithms by considering low-reliability
scenarios, as well as incorporating Machine Learning (ML) based predictions into
the system. Initially, field tests are conducted to evaluate the performance of existing
V2X communication technologies, such as IEEE 802.11p and LTE-V2X. These tests
are replicated and extended in a simulation framework to compare the technologies in
more complex scenarios involving cooperative automated driving maneuvers such as
platooning or emergency braking. These comparisons are used to identify the most
suitable technology for safety related cooperative automated driving. Then, some ML
models with a data-driven approach have been used to anticipate hazardous scenarios
where a platoon may struggle to avoid inter-vehicle collisions during emergency
braking. These ML models consider both platoon control parameters and contextual
information related to V2X communication channel, such as traffic density or message
transmission intervals. Although these models can generate interpretable rules to
guide the adjustment of the cruise controller’s parameters, they do not improve its
performance in low packet reception ratio scenarios. In this regard, an extension to
a state-of-the-art Cooperative Adaptive Cruise Controller (CACC) is proposed to account
for the possible packet losses of V2X communication technologies. The results
show that by using the desired acceleration information not only from the platoon
leader and predecessor vehicle, but also from all platooning vehicles, the likelihood
of inter-vehicle collisions can be significantly reduced in scenarios with high packet
losses. Therefore, it has been demonstrated that, while V2X communication technologies
cannot guarantee reliability in high traffic density environments, integrating
packet loss considerations into control algorithms can significantly improve the overall reliability of the autonomous driving system.
Ibilgailu-komunikazioak (V2X) funtsezkoak dira ibilgailu autonomoek (AV) elkarrekin
koordinatu eta garraiatzeko. Komunikazio honek etengabeko informazio
trukaketa ahalbidetzen du, gidatze kooperatiboko maniobrak egiteko aukera emanez.
Elkarlan honek garraiobideen segurtasuna eta eraginkortasuna hobetzen du, baina ahala
ere, V2X komunikazio-teknologien erronka esanguratsuei aurre egitea beharreskoa da,
bereziki fidagarritasun faltari dagokionez. Fidagarritasun falta honek gidatze kooperatiboko
maniobretan duen eragina ikertzen du tesi honek, arazo hau kontuan hartuta,
kontrol-algoritmoak hobetzeko daukaten aukerak aztertuz eta ikasketa automatikoan
(ML) oinarritutako iragarpenak txertatzearen onurak analizatuz. Tesi honetan, lehenik
eta behin, existitzen diren V2X komunikazio-teknologien, IEEE 802.11p eta LTEV2X-
en errendimendua ebaluatzeko errepideko probak burutu dira. Proba horiek
simulagailu batean erreplikatu eta hedatu dira, gidatze kooperatiboko maniobrak eskatzen
dituzten egoera konplexuagoetan teknologiak konparatzeko, hala nola konboian
gidatzea edo larrialdiko balaztatzea. Konparaketa horiek gidatze kooperatiboko maniobretarako
zein teknologia den egokiena aukeratzeko erabili dira, batez ere segurtasuna
kontuan izanik. Jarraian, datuetan oinarritutako ML modelo batzuk erabili dira, konboi
bateko larrialdiko balaztatze batean gerta daitezkeen talkak aurreikusteko. ML eredu
horiek kontuan hartzen dituzte konboiaren kontrol-parametroak eta V2X komunikaziokanalari
lotutako testuinguru-informazioa, bai trafikoaren dentsitatea edo mezuen
transmisio-tarteak. Eredu horiek kontrol-sistemaren parametroak doitzeko arau interpretagarriak
sor ditzaketen arren, ez dute bere errendimendua hobetzen. Ildo horretan,
existitzen den konboi kontrolagailu kooperatibo (CACC) bat hedatzea proposatzen
da, mezuen balizko galerak kontuan har ditzan. Emaitzek erakusten dutenez, nahi
den azelerazio-informazioa konboiaren liderrarena eta aurreko ibilgailuarena ez ezik,
konboiko gainerako ibilgailuena ere erabiliz gero, nabarmen murriztu daiteke mezu
asko galtzen diren egoeretan talka egiteko probabilitatea. Guzti hau kontutan izanik,
V2X komunikazio-teknologiek trafiko-dentsitate handiko inguruneetan fidagarritasuna
bermatu ezin duten arren, mezuak galtzeko aukerari buruzko informazioa kontrol algoritmoetan integratzeak gidatze autonomoaren fidagarritasun orokorra nabarmen
hobetu dezakeela frogatu da.
Las comunicaciones vehículo a todo (V2X) son fundamentales para que los vehículos
autónomos (AV) interactúen y se coordinen entre sí. El intercambio continuo
de información facilita maniobras de conducción cooperativa que mejoran la seguridad
y la eficiencia del tráfico. A pesar de estos beneficios, las tecnologías de
comunicación V2X se enfrentan a retos significativos, particularmente en términos
de fiabilidad. Esta tesis investiga el impacto de esta falta de fiabilidad durante las
maniobras de conducción cooperativa y explora el potencial para mejorar los algoritmos
de control considerando escenarios de baja fiabilidad, así como incorporando
predicciones basadas en el aprendizaje automático (ML). Durante esta tesis, primero
se han realizado pruebas de campo para evaluar el rendimiento de las tecnologías
de comunicación V2X existentes, IEEE 802.11p y LTE-V2X. Estas pruebas se han
recreado y extendido en un simulador para comparar las tecnologías en escenarios más
complejos que impliquen maniobras de conducción cooperativa, como la conducción
en convoy o el frenado de emergencia. Estas comparaciones se han utilizado para
identificar qué tecnología es más adecuada para las maniobras de conducción cooperativa
considerando principalmente la seguridad. A continuación, se han utilizado
algunos modelos ML con un enfoque basado en datos para identificar escenarios
peligrosos en los que un convoy no es capaz de evitar colisiones en caso de una
frenada de emergencia. Estos modelos ML consideran los parámetros de control del
convoy y la información contextual relacionada al canal de comunicaciones V2X,
como la densidad del tráfico o los intervalos de transmisión de mensajes. Aunque estos
modelos pueden generar reglas interpretables para ajustar los parámetros del sistema
de control, no mejoran su rendimiento. En este sentido, se propone una ampliación de
un controlador de convoy cooperativo (CACC) existente para que tenga en cuenta las
posibles pérdidas de mensajes. Los resultados muestran que, utilizando la información
de aceleración deseada no sólo del líder del convoy y del vehículo predecesor, sino
también del resto de vehículos del convoy, la probabilidad de colisiones en escenarios
con una alta pérdida de mensajes puede reducirse significativamente. Por lo tanto, se
ha demostrado que, aunque las tecnologías de comunicación V2X no pueden garantizar la fiabilidad en entornos de alta densidad de tráfico, el integrar esta información
de la posibilidad de pérdida de mensajes en los algoritmos de control puede mejorar
significativamente la fiabilidad general del sistema de concucción autónoma.
eng
© 2024 Joseba Gorospe Jauregui
ODS 9 Industria, innovación e infraestructura
ODS 11 Ciudades y comunidades sostenibles
Resilient Cooperative Automated Driving

EBILTEGIA-N, MONDRAGON UNIBERTSITATEKO GORDAILU IREKIAN, MATERIALAK UZTEKO ERABILERA LIZENTZIA ETA ESKUBIDEEN LAGAPEN EZ-ESKLUSIBOA

Gordailuan utzitako materialaren egile edo egile eskubideen titular naizen aldetik, Mondragon Unibertsitateari erabilera-baimena eta/edo LAGAPEN EZ-ESKLUSIBOA ematen diot, doan, mundu eremuan eta legezko gehieneko epean, material horren gaineko erreprodukzio, banaketa, komunikazio publiko –elektronikoki eskuragarri jartzeko eskubidea barne– eta eraldatzeko eskubideetarako, hirugarren batzuen esku jartzeko aukera emanez, gordailuan utzitako material horri lotutako dagokion lizentzian ezarritako erabilera baldintzen arabera.

ONARTZEN DUT Mondragon Unibertsitateak, edukia aldatu gabe, gordailuan utzitako materiala gordetzeko beharrezkoak diren beste formatu edo bitarteko batzuetara eraldatzea edo egokitzea. Era berean, ONARTZEN DUT Mondragon Unibertsitateak gordailuan utzitako materialaren kopia bat baino gehiago gordetzea, segurtasun kopiak egiteko eta materiala etorkizunerako gordetzeko.

ZIURTATZEN DUT eta BERMATZEN DUT gordailuan utzitako materiala nik sortutako jatorrizko obra dela, eta nik dudala Lizentzia honetan jasotako lagapena emateko beharrezko egile eskubidearen titulartasuna.

Titulartasuna partekatzen den kasuetan, onartzen dut gainerako titularren baimena dudala Lizentzia hau emateko. Eskubideak hirugarren batzuei aurrez lagata izanez gero, ZIURTATZEN dut haien baimena dudala edo lizentzia honetan aurrez ikusitako moduan eskubideak erabiltzeko gaitasuna mantentzen dudala.

Lagatako materialak egile eskubideen titular ez naizen bestelako material batzuk izango balitu, ZIURTATZEN DUT eta BERMATZEN DUT dagokion titularraren baimena lortu dudala aurrez Lizentzia hau eman ahal izateko eta, era berean, ZIURTATZEN DUT eta BERMATZEN dut gordailuan utzitako materialaren edukian behar bezala identifikatuta eta aitortuta dagoela egile eskubidearen titular hori.

Azken batean, ZIURTATZEN DUT eta BERMATZEN DUT eBiltegian gordailuan utzitako materialak EZ DUELA HAUSTEN hirugarren batzuen eskubiderik, ez jabetza intelektualekorik ez industrialekorik, ohore, intimitate eta irudi eskubiderik, edo bestelako edozein eskubiderik.

Gordailuan utzitako materiala Mondragon Unibertsitatea ez den beste agentzia edo erakunderen batek finantzatutako ikerketan oinarrituta baldin badago, ZIURTATZEN DUT eta BERMATZEN DUT bete ditudala erakunde horrekin sinatutako kontratuak edo akordioak eskatutako betebehar guztiak.

Mondragon Unibertsitateak konpromisoa hartzen du gordailuan utzitako materialaren egile edo egile eskubideen titular gisa zu identifikatzeko, eta ez du material horretan Lizentzia honek espresuki ahalbidetutakoa ez den aldaketarik egingo.

Gordailuan utzitako materialaren egile edo egile eskubideen titular zaren heinean, obra eBiltegitik kentzeko eska dezakezu justifikatutako arrazoi batekin. Horretarako, arduradunekin harremanetan jarri beharko duzu.

Era berean, eBiltegiak gordailuan utzitako materiala kendu ahal izango du behar bezala justifikatutako kasuetan edo jabetza intelektualeko eskubideei lotuta hirugarren batzuen erreklamaziorik jasoz gero. Bi kasuetan aurretiaz espresuki jakinaraziko da.


-------------------------------------------------------


LICENCIA DE USO Y CESIÓN DE DERECHOS NO EXCLUSIVA PARA EL DEPÓSITO DE MATERIALES EN EBILTEGIA, REPOSITORIO ABIERTO DE MONDRAGON UNIBERTSITATEA

Como autor/a o titular de los derechos de autor del material depositado otorgo a Mondragon Unibertsitatea la autorización de uso y/o CESIÓN NO EXCLUSIVA, gratuita, con ámbito mundial y por el plazo máximo legal, de los derechos de reproducción, distribución, comunicación pública ‒incluido el derecho de puesta a disposición electrónica‒ y transformación sobre dicho material, permitiendo ponerlo a disposición de terceros, en las condiciones de uso que se establezcan en la correspondiente licencia asociada a dicho material depositado.

ACEPTO que Mondragon Unibertsitatea pueda, sin alterar el contenido, transformar o adaptar el material depositado a cualquier otro formato o medio que resulte necesario con fines de preservación. Igualmente, ACEPTO que Mondragon Unibertsitatea pueda guardar más de una copia del material depositado a fin de realizar copias de seguridad y preservar el material para el futuro.

ASEGURO y GARANTIZO que el material depositado es una obra original de mi creación, sobre la que ostento la titularidad de derechos de autor necesaria para otorgar la cesión contenida en la presente Licencia.

En caso de cotitularidad admito contar con el consentimiento de los restantes titulares para otorgar la presente Licencia. En caso de previa cesión de derechos a terceros, ASEGURO contar con su autorización o retengo la facultad de hacer uso de estos derechos en la forma prevista en la presente licencia.

En el caso de que el material depositado contuviera otro material del que no soy el/la titular de los derechos de autor, ASEGURO y GARANTIZO haber obtenido la previa autorización del correspondiente titular que me permite otorgar la presente Licencia y, del mismo modo, ASEGURO y GARANTIZO que en el contenido del material depositado queda correctamente identificado y reconocido el dicho titular de derecho de autor.

En definitiva, ASEGURO y GARANTIZO que el material depositado en eBiltegia NO INFRINGE derecho alguno de terceros, ya sea de propiedad intelectual o industrial, derecho al honor, a la intimidad y a la imagen, o cualquier otro derecho.

En el caso de que el material depositado esté basado en una investigación financiada por alguna agencia u organismo distinto de Mondragon Unibertsitatea, ASEGURO y GARANTIZO haber cumplido con todas las obligaciones requeridas por el contrato o acuerdo firmado con dicho organismo.

Mondragon Unibertsitatea adquiere el compromiso de identificarte como autor/a o titular de derechos de autor del material depositado, y no efectuará más alteraciones en dicho material que las expresamente permitidas en esta Licencia.

Como autor/a o titular de derechos de autor del material depositado puedes solicitar la retirada de la obra de eBiltegia por causa justificada. Para ello deberás ponerse en contacto con las personas responsables del mismo.

De igual modo, eBiltegia podrá retirar el material depositado en supuestos suficientemente justificados o en caso de reclamaciones de terceros relativas a los derechos de propiedad intelectual. En ambos supuestos existirá una notificación expresa previa.


-------------------------------------------------------


NON-EXCLUSIVE LICENCE FOR THE USE AND ASSIGNMENT OF RIGHTS FOR SUBMISSIONS TO EBILTEGIA, THE OPEN REPOSITORY OF MONDRAGON UNIBERTSITATEA

As the author or holder of the copyright of the sumitted material, I hereby grant Mondragon Unibertsitatea the NON-EXCLUSIVE authorisation to use and/or ASSIGN, free of charge, worldwide and for the maximum legal term, the rights to reproduce, distribute, publish ‒ including the right to make it available in electronic format ‒ and convert such material, allowing it to be made available to third parties, subject to the terms of use set forth in the respective licence associated with the submitted material.

I hereby AUTHORISE Mondragon Unibertsitatea to convert or adapt the submitted material to any other format or medium that may be necessary for the purpose of its preservation, without changing its content. I also AUTHORISE Mondragon Unibertsitatea to keep more than one copy of the submitted material so that it may make back-ups and preserve the material for the future.

I WARRANT and REPRESENT that the material submitted is an original work created by me, and I hold the necessary copyright to grant the right of assignment contained in this Licence.

In the event of joint ownership of author’s rights, I warrant that I have the consent of the other copyright holders to grant this Licence. In the event of any prior assignment of the rights to third parties, I WARRANT that I have their authorisation or still have the faculty to use these rights in the manner set forth in this licence.

If the submitted material contains any other material for which I do not hold the copyright, I WARRANT and REPRESENT that I have obtained the prior authorisation of the respective copyright holder, which enables me to grant this Licence and, similarly, I WARRANT and REPRESENT that in the content of the submitted material, the copyright holder is duly identified and acknowledged.

In short, I WARRANT AND REPRESENT that the material submitted to eBiltegia DOES NOT INFRINGE any third-party rights, whether relates to intellectual or industrial property, right to honour, privacy or self-image, or any other right.

If the submitted material is based upon research sponsored or supportes by any agency or institution other than Mondragon Unibertsitatea, I WARRANT AND REPRESENT that I have fulfilled all obligations required by the contract or agreement signed with the institution.

Mondragon Unibertsitatea hereby agrees to identify you as the author or holder of the copyright of the submited material, and it shall make no changes to that material other than those expressly permitted by this Licence.

As the author or holder of the copyright for the submitted material, you may request that the work is removed from eBiltegia if there is good cause. In such an event, you must contact the persons responsible for doing this.

Similarly, eBiltegia may remove the submitted material when there is good cause or in the event of third-party claims regarding intellectual property rights. In both cases, express prior notification shall be given.

URL
http://ebiltegia.mondragon.edu/xmlui/bitstream/20.500.11984/13938/1/GorospeJaureguiJoseba_tesis.pdf
File
MD5
faf7bf2ff6a1b5b0bf71d3a6afe8aa44
8554617
application/pdf
GorospeJaureguiJoseba_tesis.pdf
URL
http://ebiltegia.mondragon.edu/xmlui/bitstream/20.500.11984/13938/3/GorospeJaureguiJoseba_tesis.pdf.txt
File
MD5
1edf022af394f42fb4a94b691b82cee1
307219
text/plain
GorospeJaureguiJoseba_tesis.pdf.txt