La conectividad inalámbrica sale a dar una vuelta con los vehículos de última generación

Con la tecnología de comunicaciones inalámbricas, las aplicaciones respaldan la seguridad básica, la eficiencia del transporte y el acceso a Internet, mientras que los vehículos se comunican directamente en modo vehículo a vehículo (V2V) o a través de la infraestructura en modo vehículo a infraestructura (V2I) (denominados en conjunto, V2X). La conectividad es un complemento natural para la creciente cantidad de sensores que se integran a los vehículos automatizados.

Hay una amplia gama de vehículos automatizados, dependiendo de su nivel de automatización. Por un lado, están aquellos vehículos en los que el conductor tiene el control total. Y por otro lado, están aquellos en los que el control total lo tiene el vehículo y el pasajero no tiene forma de tomar el control. Y en el medio de estos vehículos, existen algunos en los que ciertas funciones de conducción están automatizadas pero el conductor puede participar. Por ejemplo, en un nivel de automatización baja, es posible que el conductor sea advertido del riesgo de un posible choque de frente. En un nivel mayor de automatización, el automóvil puede frenar automáticamente y tomar una acción para evitar el choque. Aunque la tendencia actual es llamar a la conducción totalmente automatizada “conducción autónoma”, es poco probable que la automatización total pueda ocurrir simultáneamente con la autonomía total, que implica no tener comunicación. La conducción de alta velocidad totalmente automatizada es difícil de lograr sin obtener (como mínimo) datos de mapas de alta resolución mediante actualizaciones en tiempo real de un servidor de mapas.

Sensores de los vehículos

Los sensores que se utilizan para la automatización incluyen radares, cámaras visuales y sistemas LiDAR (Light Detection and Radar ). El radar se utiliza para el control crucero automático, el envío de advertencias de choques de frente, la asistencia para cambio de carril, el aparcamiento y las aplicaciones previas al impacto. Las cámaras visuales se utilizan como dispositivos de seguridad de respaldo (en marcha atrás) para la monitorización de puntos ciegos, la prevención contra sueño y el mantenimiento de carril. LiDAR proporciona información de mapas 3D de alta resolución que puede utilizarse para la navegación autónoma y la detección de peatones y ciclistas.

Estas tecnologías son fundamentales para los vehículos totalmente automatizados. Por ejemplo, Tesla utiliza cámaras visuales para la conducción automatizada en carreteras, mientras que los coches de Google hacen gran uso de LiDAR y datos de mapas 3D para una conducción y navegación más precisas, así como de varios sistemas de radares para colaborar en la detección de otros vehículos. El alcance de cada tecnología depende de su configuración y del escenario de despliegue. Por ejemplo, en áreas rurales, el alcance del radar es de hasta 200 m, el alcance de LiDAR es de 35m y el alcance de las cámaras visuales es de 30m. En áreas urbanas, el alcance disminuye a algunos metros dada la gran cantidad de tránsito y otras obstrucciones. Básicamente, estos sensores externos están limitados por lo que pueden ver. La comunicación puede permitir a los vehículos expandir el alcance de los sensores mediante el aprovechamiento de lo que pueden ver otros vehículos ubicados delante, detrás o en los laterales.

Los datos que deben intercambiarse entre vehículos automatizados todavía no están determinados. Si solo hay bajas velocidades de datos disponibles, es lógico que los vehículos comuniquen solo datos altamente procesados. Por ejemplo, un vehículo que utiliza sus sensores puede detectar la presencia de una bicicleta y después transmitir la posición y la velocidad de esta a otros vehículos. Opcionalmente, si hay comunicación de alta velocidad de datos, el vehículo puede transmitir información de sensores menos procesada o sin procesar, lo que permite a otros vehículos realizar su propia fusión y procesamiento de sensores. Este método permite que los vehículos tomen sus propias decisiones, lo que reduce la dependencia respecto de decisiones tomadas por otros vehículos. Una ventaja adicional es que este enfoque escala a medida que las capacidades de procesamiento de los vehículos mejoran con el tiempo. La comunicación de baja latencia y la velocidad de datos alta permiten el intercambio de información procesada y sin procesar. La Tabla 1 muestra la velocidad de datos necesaria para transmitir datos sin procesar generados por diferentes tipos de sensores para automoción.

Comunicación de vanguardia para vehículos

La tecnología DSRC (Dedicated Short Range Communication) es principalmente un medio para el intercambio de mensajes de seguridad básicos y ofrece algunas aplicaciones de gestión de tráfico. DSRC admite V2V y V2I. Después de casi dos décadas de desarrollo, actualmente DSRC está disponible en algunos vehículos en Estados Unidos. Sin embargo, se requiere una orden del gobierno para un uso más generalizado. Las velocidades de datos que admite DSRC son bastante bajas, unos pocos megabits por segundo. DSRC no admite el intercambio de datos de sensores sin procesar, y esto puede ser necesario para los vehículos automatizados.

La comunicación celular es otro medio para la comunicación de los vehículos, ya sea directamente de dispositivo a dispositivo (D2D) o a través de la infraestructura celular en las bandas de 850 MHz, 1800 MHz o 2100 MHz. A través del modo D2D en LTE-A (Long-Term Evolution-Advanced), la estación base (BS) permite que los dispositivos se detecten y se comuniquen directamente. Las velocidades admitidas a través de D2D en LTE-A están limitadas por la imprecisión de la información del estado del canal, lo que es un problema de los ajustes móviles. La comunicación celular de cuarta generación (4G) es posible con esta tecnología a través de la infraestructura, pero las velocidades de datos se reducen a varios megabits por segundo en movilidad media y alta. La Tabla 2 muestra las características de DSRC en comparación con LTE-A para las comunicaciones V2V/V2I. Teniendo en cuenta que los vehículos autónomos generan hasta 1 TB por hora de conducción, ni las conducciones 4G celulares ni la tecnología DSRC ofrecen capacidad suficiente para la conexión de los vehículos que requieren el intercambio de datos de sensores.

Los CAV (vehículos conectados y automatizados) son objeto de gran interés. En la actualidad, las pruebas validan las ventajas de combinar la conectividad y la automatización:

• Ampliación del alcance de los sensores de los vehículos y superación de los límites de alcance de los sensores existentes.
• Respaldo de las interacciones entre vehículos con diferentes niveles de automatización que comparten trayectorias planificadas para optimizar decisiones y acciones futuras.
• Decisiones de seguridad más informadas y niveles más altos de coordinación del tráfico y uso eficiente del combustible.

Desafíos de los sensores

Actualmente, hay un gran interés en el uso de 5G en los automóviles. Las aplicaciones incluyen automatización para vehículos, planificación y operaciones de transporte e infoentretenimiento. En comparación con las soluciones 4G, 5G admitirá latencias 10 veces menores y anchos de banda 10 veces superiores, por lo que será especialmente adecuada para las aplicaciones en automóviles. En particular, las ondas milimétricas 5G (MMW) son atractivas porque las velocidades de datos son muy altas y se pueden utilizar para intercambiar datos de sensores sin procesar. Además, las aplicaciones de infoentretenimiento con datos de alta velocidad, la comunicación conjunta y el radar son posibles con frecuencias de ondas milimétricas.

En los enlaces con ondas milimétricas, los vehículos y los peatones pueden bloquear la ruta de comunicación principal, y además, los objetos estáticos del entorno, como árboles y edificios, son otra fuente de bloqueo. Suponiendo que la estación base cuenta con diferentes sensores, como un radar y cámaras, una combinación de sensores y aprendizaje de máquinas (ML) detecta obstáculos potenciales y su movilidad asociada para permitir la configuración del enlace de comunicación y mejorar el rendimiento de la comunicación V2I. El algoritmo ML explota el rendimiento de comunicación del pasado para clasificar respuestas de radares particulares, como bloqueos. En combinación con el mapa del entorno estático, esta información se utiliza para desarrollar un algoritmo para predecir los diferentes tipos de bloqueo que experimenta un vehículo objetivo durante un viaje. Los resultados del algoritmo de predicción de bloqueo redefinen nuevos haces que deben utilizarse en la infraestructura para iluminar el vehículo. La combinación de los sensores y el ML también puede aprovecharse en los centros de operaciones de transporte para conocer más sobre el entorno del transporte y mejorar los servicios relacionados con la planificación y señalización del tráfico.

La localización precisa es otro aspecto crítico para la navegación autónoma o automatizada de vehículos. Los receptores GPS/GNSS estándar ofrecen un posicionamiento con una precisión de 2 a 3 metros en condiciones buenas de múltiples rutas. Sin embargo, los vehículos autónomos/automatizados requieren una tecnología de posicionamiento aún más precisa. Se requiere una precisión de centímetros o decímetros para garantizar que el vehículo mantenga la distancia de seguridad necesaria respecto de otros vehículos y para garantizar que se mantenga en su carril. Sin embargo, el posicionamiento de alta precisión tiene un desafío para navegar de forma efectiva en entornos urbanos, que es el efecto denominado “cañón urbano” entre edificios altos. Aunque hay receptores precisos disponibles, los sensores GPS necesarios resultan muy caros. Un enfoque para superar estos desafíos consiste en aprovechar la información obtenida de otros sensores del vehículo o en la infraestructura de la ruta para corregir la estimación estándar del GPS y habilitar el posicionamiento en tiempo real con precisión a nivel de centímetros.

Los entornos de uso combinado donde los vehículos están compuestos por diferentes niveles de automatización y comunicación siguen siendo un desafío. Un método es instalar los sensores en la estación base y que la información derivada de esos sensores pueda transmitirse a los vehículos conectados, y así proporcionar una conciencia situacional sobre los vehículos no conectados y los usuarios que no utilizan vehículos en las calles. El enfoque basado en la infraestructura funciona bien incluso si la mayoría de los demás vehículos no tienen capacidades de comunicación. La infraestructura también hace que los niveles más altos de automatización sean más efectivos para coordinar las interacciones de los vehículos en las intersecciones, sin necesidad de semáforos. Estos sensores basados en infraestructura, que se muestran en la Figura 1, probablemente se construirán con comunicaciones 5G celulares, ya que el objetivo es proporcionar velocidades de datos mucho más altas. La Figura 1 muestra nuestra visión de la infraestructura celular que admite el transporte con ondas milimétricas. Es una combinación de sensores, aprendizaje y comunicación, donde los vehículos intercambian datos de sensores.

Iniciativa SAVES

La Universidad de Texas (UT), ubicada en Austin, ha creado una nueva iniciativa de investigación estratégica en el grupo de networking y comunicaciones inalámbricas de la universidad, denominada SAVES, para abordar los desafíos relacionados con los vehículos de última generación conectados. SAVES proporciona un marco de trabajo común para el desarrollo de conectividad avanzada para vehículos, infraestructura para respaldar la conectividad, tecnologías para los sensores (que incluyen imágenes, radares y localización) y aplicaciones de conectividad.

SAVES reúne a empresas que trabajan en el ámbito de las comunicaciones y los vehículos con profesores y alumnos especializados en las comunicaciones inalámbricas, ML y transporte. La iniciativa SAVES también se beneficia de la colaboración constante con el U.S. Department of Transportation (DOT) a través de Data-Supported Transportation Operations and Planning (DSTOP) y gran cantidad de proyectos financiados por el Departamento de transporte de Texas. Una característica singular de SAVES es el énfasis en las métricas de rendimiento inalámbrico (como las velocidades de los datos) y en las métricas de transporte (como la seguridad y la eficiencia del tráfico) durante el desarrollo de las tecnologías nuevas.

Las tareas básicas que se están desarrollando actualmente en SAVES en la Universidad de Texas incluyen teoría, algoritmos y actividades experimentales. Una de las direcciones de la investigación apunta a establecer los fundamentos de la comunicación asistida por sensores y la aplicación de estos fundamentos para la formación de haces en la comunicación V2X por ondas milimétricas mediante el aprovechamiento de los datos extraídos de los diversos sensores disponibles en los automóviles. Esto incluye la comunicación vehicular por ondas milimétricas asistida por radar y el uso de la información de posicionamiento para reducir la carga de trabajo de alineación del haz.

La otra dirección de la investigación es el desarrollo de la teoría básica de las comunicaciones vehiculares por ondas milimétricas. La investigación del ancho de haz óptimo y la definición del tiempo de coherencia para la alineación del haz son buenos ejemplos de los proyectos ya desarrollados.

Varias actividades experimentales actuales y en desarrollo están haciendo un uso importante de los equipos de National Instruments, que incluyen las pruebas de radar y prototipos de ondas milimétricas, así como herramientas de medición. Las medidas de los canales (tomadas en colaboración con National Instruments y el Toyota Info Technology Center) se están llevando a cabo para comprender el entorno vehicular por ondas milimétricas. Se está desarrollando un sistema MIMO de prototipo híbrido de ondas milimétricas con dos cadenas de radiofrecuencia que ofrecen un ancho de banda de 1 GHz, en una colaboración entre la Universidad de Texas, la Universidad de Vigo (España) y National Instruments. El objetivo es poner a prueba nuestra precodificación híbrida y los algoritmos de estimación de canales en escenarios de vehículos simples. También se está desarrollando un prototipo conjunto de radar y comunicaciones por ondas milimétricas basado en el hardware de National Instruments. Utiliza la forma de onda y los algoritmos de receptores típicos del estándar de WLAN IEEE 802.11ad para permitir un marco de trabajo conjunto de las tecnologías de comunicación vehicular y de radares a 60 GHz. Se está realizando una tarea similar en frecuencias menores para demostrar cómo IEEE 802.11p también podría utilizarse para los radares. Por último, hay una investigación en curso sobre la fusión de datos basada en datos experimentales. Por ejemplo, se combina DSRC y un radar para obtener alertas anticolisión mejoradas entre vehículos conectados y no conectados.

Conclusiones

Las comunicaciones por 5G y por ondas milimétricas equiparán a los automóviles automatizados de última generación con más y más sensores. Es fundamental la conectividad a altas velocidades de datos para que los vehículos intercambien datos de sensores, aumenten el alcance de sus sensores y tomen mejores decisiones relacionadas con la seguridad. Los sensores son una característica importante que diferencia a los sistemas vehiculares, y es posible sacar provecho de los datos de tales sensores no solo para aumentar los niveles de coordinación del tráfico y la seguridad, sino también para respaldar la comunicación, lo que permite establecer enlaces por ondas milimétricas con poca carga de trabajo.

La infraestructura no es solamente un medio de comunicación, sino una plataforma de detección y recopilación de datos. Estos datos serán útiles para las operaciones en tiempo real, el control y la planificación de las redes de transporte.  Sin embargo aún se deben abordar numerosos desafíos en las investigaciones para implementar nuestra visión 5G en los automóviles, lo que incluye el desarrollo de los fundamentos de las comunicaciones vehiculares por ondas milimétricas y las comunicaciones asistidas por sensores.

Por Robert W. Heath Jr., Grupo de Networking y Comunicaciones Inalámbricas, Departamento de Ingeniería Informática y Eléctrica, Universidad de Texas en Austin y Nuria González-Prelcic, Grupo de Comunicaciones y Procesamiento de Señales, Universidad de Vigo

This article was originally published in ICT Insights, Issue 19, Huawei’s thought leadership magazine.