Los retos de la movilidad conectada, cooperativa y automatizada (CCAM)

La movilidad se enfrenta a uno de los mayores retos de su historia “hacia cero” que considera que la movilidad tiene que conseguir los objetivos de 0 muertes, 0 emisiones y 0 atascos, lo que conlleva a tener que actuar en todos los frentes y elementos existentes en la movilidad, los vehículos, la propulsión, los sensores, las infraestructuras y la gestión de tráfico.

En lo que respecta a 0 emisiones podemos decir que las emisiones de gases de efecto invernadero relacionadas con la producción de energía son la principal causa del cambio climático. Para 2050, alrededor del 70% de la población mundial vivirá en ciudades y el crecimiento general podría agregar 2.500 millones de personas a las áreas urbanas. La urbanización genera enormes consecuencias en términos de movilidad de personas y bienes y las ciudades se volverán críticamente dependientes de sus sistemas de transporte. Las deficiencias de los sistemas de transporte provocan retrasos, aumento de los costes, frustración, aumento de la contaminación y deterioro de la salud. La Organización Mundial de la Salud estima que la contaminación del aire causa 4,2 millones de muertes prematuras cada año en todo el mundo, de las cuales unas 400 000 se producen en la UE según la AEMA (2019). La conciencia de la contaminación del aire (y la exposición a partículas pequeñas PM10 y PM2.5) como un problema de salud importante está creciendo y el transporte contribuye significativamente a tales emisiones. El transporte representa hasta el 50 % de las emisiones de PM en los países de la OCDE. Con el crecimiento de la población, la urbanización y las necesidades medioambientales, las normas de transporte relativas a las emisiones de gases de efecto invernadero se vuelven más estrictas y las ciudades necesitan adaptar las infraestructuras para cambiar el comportamiento y mejorar la vida. Se necesitan soluciones eficaces de gestión de tráfico y redes, pero la implementación de estos sistemas depende directamente del estado de las tecnologías que ayuden a la total optimización del tráfico como son los vehículos asistidos o automatizados, las telecomunicaciones y la sensorización de las infraestructuras.

En lo que respecta a la automatización de la conducción para la optimización de la tarea de conducción y evitar accidentes, cabe decir que conducir es una tarea muy compleja, que requiere la cooperación de varias funciones cognitivas y psicomotoras a la vez. Los accidentes pueden ser la consecuencia de muchos factores diferentes, que se pueden clasificar en tres categorías: la carretera, el vehículo y el conductor. A pesar de todos los demás factores que intervienen en la carretera, el error humano sigue siendo el factor más mortal (el 90 % de los accidentes de tráfico son causados por errores humanos). Según la Organización Mundial de la Salud, más de 1,24 millones de personas en todo el mundo murieron en 2010 a causa de traumatismos causados por el tránsito.

Nos encontramos en una época de cambios profundos en la forma en que nos desplazamos gracias a la llegada del vehículo eléctrico con baterías de mayor autonomía y una tecnología de conducción autónoma que se encuentra en pleno desarrollo. Los vehículos autónomos favorecerán la penetración a gran escala de la movilidad eléctrica y así aumentarán sus ventajas en términos de sostenibilidad no solamente ambiental. Por un lado, la automatización en sí misma puede mejorar la eficiencia energética, ya que reduce la aceleración y frenados y es capaz de mantener un mejor flujo constante de vehículos en las infraestructuras. Por otro lado, estos vehículos se pueden vincular a otras innovaciones en el sector de la movilidad como son los coches compartidos o la mobility-as-a-service (movilidad como servicio o MaaS), que facilitan servicios de transporte integrado a través de suscripción.

Sistemas embarcados y vehículos con funcionalidades autónomas

La introducción de la innovadora movilidad conectada, cooperativa y automatizada (CCAM) tiene el potencial de hacer una fuerte contribución a la mejora del transporte en Europa. Puede conducir a un transporte más saludable, más seguro, más accesible, sostenible, rentable y que responda a la demanda en todas partes y para todos. La introducción de vehículos conectados y automatizados (CAV) requiere sistemas de percepción y toma de decisiones a bordo fiables y asequibles.

La última década ha demostrado que la IA basada en el aprendizaje profundo (deep learning) es indispensable en el desarrollo de estas futuras tecnologías de percepción y toma de decisiones. Aún así, tiene algunas deficiencias clave que están relacionadas con su capacidad de generalización limitada (casos límites “edge”) y la falta de trazabilidad (casos de falla) que impiden su implementación certificable, en gran parte debido a la falta de suficientes datos de entrenamiento de alta calidad. Lo que se requiere para una implementación exitosa de IA es una combinación de IA basada en aprendizaje (datos) e IA basada en modelos. Esto permitirá integrar las capacidades del aprendizaje profundo en la seguridad, la transparencia y la trazabilidad de los métodos basados en modelos, logrando así una interacción segura y confiable entre los vehículos, la infraestructura y los usuarios de la carretera.

Es por ello que el conjunto de sensores de vehículos de próxima generación consistirá en una combinación de sensores existentes que cumple con los requisitos de coste, y funcionalidad (precisos, más confiables y más resistentes frente a condiciones adversas). Estos sensores como cámaras, lidares y radares se complementarán con el diseño de algoritmos robustos basados en IA que generarán una mayor conciencia de la situación para la habilitación de la toma de decisiones segura.

Cabe destacar que para la investigación y el desarrollo de sistemas de percepción y decisión basados en IA se requieren cantidades masivas de datos brutos (grabaciones reales) y procesadas que faciliten el proceso de entrenamiento y validación de estos sistemas. Esta gestión de datos está siendo un gran cuello de botella hoy en día.

A primera vista, la conducción autónoma (SAE-L3 y superior) podría verse como una simple continuación del desarrollo de sistemas avanzados de asistencia al conductor (SAE-L2), que ayudan al conductor con acciones de conducción específicas, como cambiar de carril, mantener la distancia frontal y frenada de emergencia. Sin embargo, este paso adelante implica un gran desafío, considerando los requisitos de rendimiento y confiabilidad exigibles a los sistemas. Los conductores (humanos) conducen estadísticamente 7,5 millones de km sin ningún accidente. La inclusión de sistemas SAE-L2 ADAS reduce la probabilidad de accidente por un factor de diez. Por tanto, los vehículos autónomos con nivel de automatización SAE-L3 o superior se enfrentan al reto de evitar o controlar cualquier situación crítica dentro de una distancia estadística de al menos 75 millones de km entre accidentes, con el fin de lograr un rendimiento similar al de un SAE-L2 (conducción asistida)

Esta distancia incluye necesariamente una gama extremadamente variable de carreteras y situaciones de conducción, que un conductor humano puede manejar sin ningún tipo de problema pero que para los sistemas automatizados puede llegar a ser todo un reto. Como consecuencia, los procedimientos y metodologías de prueba para SAE-L3 siguen siendo un desafío clave que aún no se ha resuelto para la validación de la conducción altamente automatizada. El punto de partida son los enfoques de prueba SAE-L2 actuales, que básicamente definen todos los escenarios posibles, crean grabaciones reales con vehículos de prueba de tales situaciones, o generan simulaciones y permiten la evaluación del rendimiento del sistema bajo prueba. Con el fin de proporcionar respuestas a tales preguntas, la industria debe abordar los siguientes aspectos tecnológicos:

• Entorno de prueba adecuado y estandarización de metodologías.
• Gestión inteligente de datos brutos
• Proporcionar un marco para mejorar y administrar los datos de descripción de la escena
• Cómputo de alto rendimiento y escalabilidad de aplicaciones
• Habilitar la interoperabilidad y la simulación compleja multidominio

Por último, cabe comentar que la gestión a nivel macroscópico tanto para vehículos individuales como para la gestión de flotas jugará un papel importante en la organización de la movilidad eléctrica. Los Sistemas de optimización de la gestión de recarga y extensión de la autonomía de las baterías jugarán un papel clave a la hora de potenciar el despliegue de la movilidad eléctrica. No debemos olvidar la importancia de la gestión eficiente de rutas y la planificación de recarga en base a la extracción de perfiles de conducción, rutas y caracterización de la batería para reducir “la ansiedad de autonomía – range anxiety” del conductor proporcionando información individualizada. Además, cobrará relevancia o el desarrollo y la implementación de motores de recomendación en tiempo real que ofrezcan alternativas seguras al conductor en base al consumo durante la ruta, ya que éste puede verse fácilmente alterado por factores externos (meteorológicos, topografía del terreno, retrasos o cambios en las rutas) o por factores inherentes al propio conductor (perfil de conducción, nivel de confort).