[ES] Desde hace aproximadamente dos décadas, las ayudas tecnológicas a la conducciónn han ido creciendo a un ritmo vertiginoso con la intención de hacer estos sistemas más eficientes y seguros. Estas ayudas a la conducción han ido cubriendo fallos que los investigadores denominan "conducción errática" ó "comportamientos inseguros al volante" y que son decisiones arbitrarias tomadas por un conductor humano, que ponen en peligro a todos los usuarios de la carretera. Estas malas decisiones, sumadas al creciente número de viajes en coche en una ciudad hoy en día (post pandemia), muestran la necesidad de seguir haciendo propuestas tecnológicas, enfocadas a donde se producen interacciones más complejas entre vehículos; por ejemplo, una intersección en hora punta. Los desarrollos en ayudas a la conducción se han orientado en dos temas: el primero sobre la automatización de la conducción (Sistemas Avanzados de Asistencia al Conductor - ADAS y Vehículos Automatizados - AV) y el segundo sobre la gestión del tráfico vial (algoritmos centralizados o distribuidos para el control del tráfico). Aunque en la actualidad hay varias empresas automotrices y centros de investigación trabajando en los dos temas, y en especial en algunos casos eliminando de la ecuación el comportamiento humano, todavía hay carencias en las configuraciones, para que un vehículo autónomo sea capaz de tomar decisiones óptimas, frente a todas las posibles condiciones disponibles en un tráfico vial. Ahora bien, y teniendo en cuenta los dos temas antes mencionados sobre los desarrollos en ayudas a la conducción, los investigadores prevén a grandes rasgos, que para alcanzar mayores niveles de conducción autónoma en la próxima década, es necesario estudiar cómo hacer más eficientes las interacciones autónomas entre vehículos. Por ello, las intersecciones viales son un ejemplo clave, donde es posible analizar casos de interacciones de alta complejidad entre vehículos, ya que se trata de una parte de la infraestructura vial, donde los vehículos comparten carriles, vías, cruces o cambios de carril a voluntad, y que podría generar colisiones en puntos de conflicto y retrasos en los desplazamientos si no existe una cooperación adecuada. De esta forma, en esta tesis se propone una serie de algoritmos distribuidos para el control del tráfico en intersecciones, basados en el intercambio de comunicaciones entre vehículos autónomos (interacciones locales) cercano a las intersecciones y donde se muestran comportamientos emergentes en el tráfico, resultando en cruces de forma cooperativa, segura y eficiente, desde bajas a altas densidades de tráfico vehicular en las intersecciones. Esta investigación se desarrolla utilizando simuladores de tráfico vial, con calles estilo Manhattan; primero implementando escenarios menos complejos con calles urbanas de un carril, y luego incrementando la complejidad con múltiples carriles. / [CA] Des de fa aproximadament dues dècades, les ajudes tecnològiques a la conducció han anat creixent a un ritme vertiginós amb la intenció de fer aquests sistemes més eficients i segurs. Aquestes ajudes a la conducció han anat cobrint fallades que els investigadors denominen "conducció erràtica" o "comportaments insegurs al volant" i que són decisions arbitràries preses per un conductor humà, que posen en perill a tots els usuaris de la carretera. Aquestes males decisions, sumades al creixent nombre de viatges en cotxe en una ciutat avui dia (post pandèmia), mostren la necessitat de seguir fent propostes tecnològiques, enfocades a on es produeixen interaccions més complexes entre vehicles; per exemple, una intersecció en hora punta. Els desenvolupaments en ajudes a la conducció s'han orientat en dos temes: el primer sobre l'automatització de la conducció (Sistemes Avançats d'Assistència al Conductor - ADAS i Vehicles Automatitzats - AV) i el segon sobre la gestió del trànsit vial (algoritmes centralitzats o distribuïts per al control del trànsit). Encara que actualment hi ha diverses empreses automobilístiques i centres de recerca treballant en els dos temes, i en especial en alguns casos eliminant de l'equació el comportament humà, encara hi ha mancances en les configuracions, perquè un vehicle autònom siga capaç de prendre decisions òptimes, davant totes les possibles condicions disponibles en un trànsit vial. Ara bé, i tenint en compte els dos temes abans esmentats sobre els desenvolupaments en ajudes a la conducció, els investigadors preveuen a grans trets, que per assolir majors nivells de conducció autònoma en la propera dècada, és necessari estudiar com fer més eficients les interaccions autònomes entre vehicles. Per això, les interseccions vials són un exemple clau, on és possible analitzar casos d'interaccions d'alta complexitat entre vehicles, ja que es tracta d'una part de la infraestructura vial, on els vehicles comparteixen carrils, vies, creus o canvis de carril a voluntat, i que podria generar col·lisions en punts de conflicte i retards en els desplaçaments si no existeix una cooperació adequada. D'aquesta manera, en aquesta tesi es proposa una sèrie d'algoritmes distribuïts per al control del trànsit en interseccions, basats en l'intercanvi de comunicacions entre vehicles autònoms (interaccions locals) properes a les interseccions i on es mostren comportaments emergents en el trànsit, resultant en creus de forma cooperativa, segura i eficient, des de baixes a altes densitats de trànsit vehicular en les interseccions. Aquesta investigació es desenvolupa utilitzant simuladors de trànsit vial, amb carrers estil Manhattan; primer implementant escenaris menys complexos amb carrers urbans d'un carril, i després incrementant la complexitat amb múltiples carrils. / [EN] Since a couple of decades, the technological driving aids have gone growing at a dizzying pace with the intention of making these systems more efficient and safe. These driving aids have been covering failures that the researchers name "erratic driving" or "unsafe driving behaviors" and are arbitrary decisions taken by a human driver which endanger all road users. These bad decisions in addition to the increasing number of driving commutes in a city nowadays (post pandemic), show the need to continue doing technological proposals focused on where there are more complex interactions between vehicles when density increases; for instance, an intersection in rush hour. The developments in driving aids have been orientated in two topics: the first driving automation (Advanced Driver Assistance Systems - ADAS and Automated Vehicles - AV) and the second road traffic management (centralized or distributed algorithms to traffic control). Although there are currently several automotive companies and research centers working in the two topics, and in special in some cases removing the equation the human behavior, there are still lacks in the configurations for an vehicle autonomous be able to make optimal decisions front to all possible conditions available in a road traffic. Now, and take into account the two topics aforementioned about driving aids developments, researchers broadly envisage that in order to reach autonomous driving levels higher (first topic) in the next decade, is necessary to study how to do autonomous vehicle interactions (second topic) more efficient. Therefore, road intersections are an instance where it is possible to analyse cases of highly complexity interactions between vehicles, because it is a part of road infrastructure where the vehicles sharing lanes, paths, crossings or lane changes at will and it could generate collisions on conflict points and time delay in the commutes if there is not an appropriate cooperation. Hence, this thesis proposes a series of distributed algorithms to traffic control on intersections, based on interchange of communications between autonomous vehicles (local interactions) near to the intersections that show emergent behaviors to crossing cooperative, safe way and efficiency with high densities the traffic system on intersections. This research is developed using simulators with Manhattan-style streets; first implementing scenarios less complex with one-lane city streets and then increase the complexity with multiple-lanes. / González Pinzón, CL. (2024). Distributed Intersection Management Algorithms for Autonomous Vehicles [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/204406

Driving is one of the most common and preferred forms of transport used in our actual society. However, according to studies, it is also one of the most dangerous. One solution to increase safety on the road is applying technology to automate and prevent avoidable human errors. Nevertheless, despite the efforts to obtain reliable systems, we have yet to find a reliable and safe enough solution for solving autonomous driving. One of the reasons is that many drives are done in conditions far from the ideal, with variable lighting conditions and fast-paced, unpredictable environments. This project develops and evaluates an algorithm that takes the input of dynamic vision sensors (DVS) and runs on neuromorphic spiking neural networks (SNN) to obtain a robust road lane tracking system. We present quantitative and qualitative metrics that evaluate the performance of lane recognition in low light conditions against conventional algorithms. This project is motivated by the main advantages of neuromorphic vision sensors: recognizing a high dynamic range and allowing a high-speed image capture. Another improvement of this system is the computational speed and power efficiency that characterize neuromorphic hardware based on spiking neural networks. The results obtained show a similar accuracy of this new algorithm compared to previous implementations on conventional hardware platforms. Most importantly, it accomplishes the proposed task with lower latency and computing power requirements than previous algorithms. / Att köra bil är ett av de vanligaste och mest populära transportsätten i vårt samhälle. Enligt forskningen är det också ett av de farligaste. En lösning för att öka säkerheten på vägarna är att med teknikens hjälp automatisera bilkörningen och på så sätt förebygga misstag som beror på den mänskliga faktorn. Trots ansträngningarna för att få fram tillförlitliga system har man dock ännu inte hittat en tillräckligt tillförlitlig och säker lösning för självkörande bilar. En av orsakerna till det är att många körningar sker under förhållanden som är långt ifrån idealiska, med varierande ljusförhållanden och oförutsägbara miljöer i höga hastigheter. I det här projektet utvecklar och utvärderar vi en algoritm som tar emot indata från dynamiska synsensorer (Dynamic Vision Sensors, DVS) och kör datan på neuromorfiska pulserande neuronnät (Spiking Neural Networks, SNN) för att skapa ett robust system för att läsa av vägbanan. Vi presenterar en kvantitativ och kvalitativ utvärdering av hur väl systemet läser av körbanans linjer i svagt ljus, och jämför därefter resultaten med dem för tidigare algoritmer. Detta projekt motiveras av de viktigaste fördelarna med neuromorfiska synsensorer: brett dynamiskt omfång och hög bildtagningshastighet. En annan fördel hos detta system är den korta beräkningstiden och den energieffektivitet som kännetecknar neuromorfisk hårdvara baserad på pulserande neuronnät. De resultat som erhållits visar att den nya algoritmen har en liknande noggrannhet som tidigare algoritmer på traditionella hårdvaruplattformar. I jämförelse med den traditionella tekniken, utför algoritmen i den föreliggande studien sin uppgift med kortare latenstid och lägre krav på processorkraft. / La conducción es una de las formas de transporte más comunes y preferidas en la actualidad. Sin embargo, diferentes estudios muestran que también es una de las más peligrosas. Una solución para aumentar la seguridad en la carretera es aplicar la tecnología para automatizar y prevenir los evitables errores humanos. No obstante, a pesar de los esfuerzos por conseguir sistemas fiables, todavía no hemos encontrado una solución suficientemente fiable y segura para resolver este reto. Una de las razones es el entorno de la conducción, en situaciones que distan mucho de las ideales, con condiciones de iluminación variables y entornos rápidos e imprevisibles. Este proyecto desarrolla y evalúa un algoritmo que toma la entrada de sensores de visión dinámicos (DVS) y ejecuta su computación en redes neuronales neuromórficas (SNN) para obtener un sistema robusto de seguimiento de carriles en carretera. Presentamos métricas cuantitativas y cualitativas que evalúan el rendimiento del reconocimiento de carriles en condiciones de poca luz, frente a algoritmos convencionales. Este proyecto está motivado por la validación de las ventajas de los sensores de visión neuromórficos: el reconocimiento de un alto rango dinámico y la captura de imágenes de alta velocidad. Otra de las mejoras que se espera de este sistema es la velocidad de procesamiento y la eficiencia energética que caracterizan al hardware neuromórfico basado en redes neuronales de impulsos. Los resultados obtenidos muestran una precisión similar entre el nuevo algoritmo en comparación con implementaciones anteriores en plataformas convencionales. Y lo que es más importante, realiza la tarea propuesta con menor latencia y requisitos de potencia de cálculo.