Gestão de interseção para veículos autônomos: estratégias de imputação de dados contra falhas de comunicação.

• Ano de defesa: 2024
• Autor(a) principal: Freire, Marcus Elias Silva
• Orientador(a): Peixoto, Maycon Leone Maciel
• Banca de defesa: Peixoto, Maycon Leone Maciel , Rodrigues Filho, Roberto Vito , Durão, Frederico Araújo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Bahia
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação (PGCOMP)
• Departamento: Instituto de Computação - IC
• País: Brasil
• Palavras-chave em Português: Gerenciador de interseção; Veículos autônomos conectados; Comunicação veículo-infraestrutura(V2I); Imputação dados faltantes; Série temporal
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufba.br/handle/ri/41371

Além dos semáforos inteligentes, está ocorrendo o avanço de sistemas para a gestão eficiente de interseções, contemplando o controle do fluxo de pedestres, ciclistas e veículos autônomos. Por outro lado, a gestão ineficiente de interseções pode acarretar congestionamentos, atrasos e elevação no risco de acidentes. Além disso, falhas na comunicação de dados, resultantes de problemas como obstáculos físicos, interferências, falhas na rede e sensores defeituosos, podem gerar lacunas na transmissão de informações, impactando adversamente as soluções de gerenciamento. Nesse contexto, apresenta-se uma proposta de sistema de gestão de interseções, visando aprimorar a segurança e eficiência do tráfego urbano para veículos autônomos. A tomada de decisão do sistema é baseada na comunicação de dados contínua entre os veículos e a infraestrutura. A partir desses dados, o sistema realiza uma análise de conflitos que identifica possíveis colisões entre os veículos e executa o ajuste dinâmico de velocidade desses veículos. Com o intuito de mitigar os efeitos negativos da falta de informações, incorporamos métodos de imputação de dados faltantes, ao utilizar interpolação segmentada por polinômios cúbicos (PCHIP), um processo que chamamos de DAICS. Os resultados indicam que o DAICS se mostrou estável em todos os cenários com perda de dados, mantendo a média do tempo total de percurso nas simulações de 68.4\% inferior ao do algoritmo baseline, Intersection Management for Autonomous Vehicles (IMAV).