2026-04-22T01:07:44Zhttps://ebiltegia.mondragon.edu/oai/request

oai:ebiltegia.mondragon.edu:20.500.11984/139382026-01-29T08:37:24Zcom_20.500.11984_460col_20.500.11984_469

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