Contribución al aumento de la capacidad cognitiva de los sistemas inteligentes de transporte mediante inteligencia artificial

Autor: Guillén Pérez, Antonio
Přispěvatelé: Cano Baños, María Dolores, Tecnologías de la Información y las Comunicaciones
Rok vydání: 2022
Předmět:
Zdroj: Repositorio Digital de la Universidad Politécnica de Cartagena
Fundación Universitaria San Pablo CEU (FUSPCEU)
DOI: 10.31428/10317/11206
Popis: [SPA] Los Sistemas Inteligentes de Transporte (SIT) son un sector emergente dentro del área de investigación del transporte urbano. Se espera que la mayor capacidad cognitiva de los SIT permita crear ciudades y entornos futuros en los que las personas estén más seguras y tengan una mejor calidad de vida, además de ofrecer un uso más eficiente de los recursos, y una mayor seguridad. La capacidad cognitiva de los SIT es la habilidad de estos sistemas para razonar, tomar decisiones, aprender y adaptarse, e interactuar con las personas, los vehículos y las infraestructuras en las que operan. Esta capacidad puede mejorarse mediante un uso adecuado de las tecnologías de la información y las comunicaciones, así como de algoritmos de Inteligencia Artificial (IA) centrados en la comprensión del mundo físico y social en el que actúan con el objetivo principal de optimizar los sistemas de transporte, reducir costes, mejorar la eficiencia y proporcionar una mayor calidad de vida a la sociedad. Esta tesis se centra en un requisito clave para lograr un alto nivel de capacidad cognitiva: el desarrollo y despliegue de agentes cognitivos que puedan comunicarse, cooperar y comprender el comportamiento dinámico del conjunto urbano y así poder aprender, adaptarse y actuar en este entorno dinámico. De este modo, el objetivo que persigue este trabajo es proporcionar una clara comprensión de los retos del área de investigación de los SIT y, en particular, su relación con el campo de la IA, para proporcionar una mejor comprensión del estado actual de la técnica y su potencial para el futuro. Para esto, en primer lugar, tras analizar las bondades que pueden ofrecer las redes ad-hoc voladoras formadas por vehículos aéreos no tripulados como drones, la tesis aborda la mejora de la capacidad cognitiva de los SIT centrada en las intersecciones de tráfico mediante técnicas de optimización basadas en IA. Es decir, cómo los SIT pueden contribuir a mejorar la comprensión de la dinámica física y social en intersecciones urbanas permitiendo optimizar la eficiencia de uso de estos sistemas. En segundo lugar, se discute la importancia de la interacción entre los SIT y los vehículos autónomos conectados (VACs), y cómo estos sistemas pueden beneficiarse mutuamente utilizando sistemas de comunicaciones móviles avanzados (5G - 6G) e inteligencia colectiva. Más concretamente, se explorará el uso de varios algoritmos de IA pertenecientes al campo del aprendizaje de refuerzo profundo multiagente (Multi Agent Deep Reinforcement Learning, MADRL). Todos estos avances se apoyan en el desarrollo de nuevos sistemas que aprovechan las bondades que ofrecen las redes ad-hoc voladoras, así como en técnicas de estimación de densidades de personas basadas en el estudio de los distintos canales de comunicación inalámbricos (Bluetooth, WiFi). Los principales logros obtenidos durante el desarrollo de esta tesis son: i) la investigación sobre la interoperabilidad de los VACs y los SIT a través de sistemas de comunicación avanzados como el 5G y el 6G y los algoritmos MADRL para el desarrollo de varios algoritmos de control cooperativo descentralizado de vehículos autónomos. Estos algoritmos son capaces de encontrar una política de control cooperativa robusta que aprovecha las ventajas que ofrece la inteligencia colectiva y permite reducir el tiempo de espera en las intersecciones en más de un 90%, entre otras mejoras. Además, con la integración de estos sistemas dentro de las redes de comunicaciones 5G/6G, se ha desarrollado un marco de trabajo para facilitar el despliegue real de estos sistemas, así como un algoritmo de control que consideraba la latencia que pueden ofrecer estos sistemas y era capaz de adaptar la política de control a las fluctuaciones de rendimiento ofreciendo un control robusto y seguro; ii) el desarrollo de un algoritmo que permite acelerar el entrenamiento de los sistemas basados en MADRL gracias al entrenamiento por demostración que ofrece un agente llamado Oráculo, entrenado mediante aprendizaje por imitación, permitiendo reducir el tiempo de entrenamiento de los nuevos sistemas basados en MADRL hasta en ×6; y iii) la implementación de un sistema avanzado de control de intersecciones de tráfico mediante el uso de diferentes técnicas de optimización basadas en IA (como los algoritmos genéticos). Este sistema reduce el tiempo de espera de los vehículos en las intersecciones hasta un 80%, y un 20% de las emisiones de gases contaminantes, entre otras mejoras. Los resultados de estos proyectos de investigación desarrollados durante la realización de esta tesis permitirán avanzar el camino de los desarrollos de SIT en el mundo real, permitiendo crear una movilidad urbana segura y sostenible con la integración de los VAC en su núcleo. [ENG] Intelligent Transportation Systems (ITS) are an emerging sector of the urban transportation research area. The increased cognitive capability of ITS is expected to create future cities and environments in which people are safer and have a better quality of life, as well as offering more efficient use of resources and improved safety. The cognitive capability of ITS is the ability of these systems to reason, make decisions, learn and adapt, and interact with people, vehicles, and infrastructures in which they operate. This capability can be improved through better use of information and communication technologies, as well as Artificial Intelligence (AI) algorithms focused on understanding the physical and social world in which they interact with the main objective of optimizing transportation systems, reducing costs, improving efficiency, and providing a higher quality of life for society. This thesis focuses on a key requirement for achieving a high level of cognitive capability, i.e., the development and deployment of cognitive agents that can communicate, cooperate, and understand the dynamic behavior of the urban traffic system and thus be able to learn, adapt and act in this dynamic environment. Thus, the objective pursued by this thesis is to provide a clear understanding of the challenges of the ITS research area and, in particular, its relation to the field of AI, to provide a better understanding of the current state of the art and its potential for the future. To this end, firstly, after analyzing the benefits that ad-hoc aerial networks formed by unmanned aerial vehicles such as drones can offer, the thesis addresses the improvement of the cognitive capacity of ITS focused on traffic intersections by means of AI-based optimization techniques. That is, how ITS can contribute to improving the understanding of physical and social dynamics at urban intersections allowing to optimize the efficiency of use of these systems. Secondly, the importance of the interaction between ITS and Connected Autonomous Vehicles (CAVs) is discussed, and how these systems can benefit each other using advanced mobile communication systems (5G - 6G) and collective intelligence. More specifically, the use of various AI algorithms belonging to the field of Multi- Agent Deep Reinforcement Learning (MADRL) will be explored. All these advances are supported by the development of new systems that take advantage of the benefits offered by ad-hoc aerial networks, as well as people density estimation techniques based on the study of different wireless communication channels (Bluetooth, WiFi). The main achievements obtained during the development of this thesis are: i) research on the interoperability of VACs and ITS through advanced communication systems such as 5G and 6G and MADRL algorithms for the development of several decentralized cooperative control algorithms for autonomous vehicles. These algorithms are able to find a robust cooperative control policy that takes advantage of the benefits offered by collective intelligence and allows reducing waiting time at intersections by more than 90%, among other improvements. Furthermore, with the integration of these systems within 5G/6G communication networks, a framework has been developed to facilitate the actual deployment of these systems, as well as a control algorithm that considered the latency that these systems can offer and was able to adapt the control policy to performance fluctuations offering robust and secure control; ii) the development of an algorithm that allows to speed up the training of MADRL-based systems thanks to Learning-from-Demonstrations (LfD) offered by an agent called Oracle, trained by imitation learning, allowing to reduce the training time of new MADRLbased systems by up to ×6; and iii) the optimization of an advanced traffic intersection control system using different AI-based techniques (such as genetic algorithms). This system reduces vehicle waiting time at intersections by up to 80%, and 20% of pollutant gas emissions, among other improvements. The results of these research projects developed during the realization of this thesis will advance the path of ITS developments in the real world, enabling the creation of safe and sustainable urban mobility with VAC integration at its core. Escuela Internacional de Doctorado de la Universidad Politécnica de Cartagena Universidad Politécnica de Cartagena Programa de Doctorado en Tecnologías de la Información y las Comunicaciones
Databáze: OpenAIRE
Externí odkaz: