El simulador optimiza los recursos del vehículo para permitir la prevención de accidentes en tiempo real en autos autónomos

A través de la colaboración de la industria-academia, un equipo de investigación conjunto desarrolló un simulador integrado de equilibrio de carga de carga (“incluido incluido”) optimizado para servicios 6G de próxima generación. Este es el primer proyecto de investigación del mundo para implementar un simulador de equilibrio de carga que integra la red y los recursos computacionales en un entorno de conducción autónomo. Se espera que mejore notablemente la seguridad, el rendimiento de control en tiempo real y la eficiencia energética de los vehículos autónomos vinculados a la computación de borde vehicular (VEC).

La investigación se publica en la revista Revista IEEE Communications. El equipo incluyó a Choi Ji-Woong, Jwa Hoon-Seung y Kim Baek-Gyu del Departamento de Ingeniería Eléctrica e Informática en DGIST.

Actualmente, los sistemas de vehículos autónomos generalmente procesan todos los datos del sensor dentro del vehículo o descargan algunos datos en un servidor VEC. Sin embargo, en situaciones con altos volúmenes de recopilación de datos y procesamiento, como en entornos de tráfico urbano, los cuellos de botella en la red y los recursos informáticos pueden ocurrir de manera compleja, lo que afecta la estabilidad de la conducción autónoma.

Para lidiar con este problema, el equipo del Prof. Choi en DGIST colaboró ​​con el equipo del Prof. Kwak Jung-Ho en la Universidad de Corea para diseñar un marco de simulador que integre los recursos computacionales y de comunicaciones entre la unidad a bordo (OBU) en el vehículo, el servidor VEC y el servidor en la nube. Sobre esta base, también desarrollaron un algoritmo de descarga dinámica y voltaje dinámico y escala de frecuencia (DVFS).

El simulador de equilibrio incluido recientemente desarrollado combina un simulador de conducción autónomo (unidad de prueba virtual (VTD)) basado en escenarios de carreteras del mundo real y un simulador de computación de red basado en Matlab. Permite el control en tiempo real mediante la consideración exhaustiva de la calidad de la red, el estado de los recursos informáticos y el consumo de energía en función de los cambios en el tiempo y el espacio.

Utilizando ocho escenarios que reflejan condiciones de carretera del mundo real (por ejemplo, pelotones, intersecciones de carreteras, fusión de carriles y respuesta de accidentes) y datos de carreteras del mundo real del distrito de Cheongna, Incheon, el equipo de investigación verificó experimentalmente cuán efectivamente la tecnología propuesta distribuye el tráfico y la carga computacional y reduce el latencia y el consumo de energía en comparación con las tecnologías existentes.

En particular, el equipo de investigación diseñó matemáticamente un algoritmo de optimización de carga que considera la confiabilidad del enlace de comunicaciones de vehículos a vehículos (relación de entrega de paquetes (PDR)), retraso de procesamiento y consumo de energía. Esto garantiza una mayor seguridad y rendimiento que el método de descarga fija existente.

Los resultados de la simulación mostraron un ahorro promedio de energía del 21.7% en comparación con un método de descarga VEC simple y una mejora del 73.3% en la tasa de rendimiento en comparación con el algoritmo existente basado en minimización de costos. Estos resultados demuestran el potencial de mejoras sustanciales de rendimiento en vehículos autónomos.

“Esta investigación es significativa porque permite un análisis preciso basado en la simulación del equilibrio entre la latencia, la eficiencia energética y la seguridad en un entorno de conducción autónomo donde la comunicación y los recursos computacionales fluctúan en tiempo real”, dijo el profesor Choi.

“Se espera que se aplique ampliamente a varios servicios de aplicaciones basados ​​en 6G, como pelotones de carreteras, control de intersección de carreteras de ciudad inteligente y control de pasaje de prioridad de vehículos de emergencia, en el futuro. Puede ser utilizado por operadores de manejo autónomos, plataformas de nubes de vehículos y operadores de comunicación móvil y también se pueden extender a servicios digitales basados ​​en TWIN”.