Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

REDES VEHICULARES HETEROGÉNEAS

PARA CONDUCCIÓN AUTÓNOMA
ÍNDICE

REDES VEHICULARES HETEROGÉNEAS PARA CONDUCCIÓN AUTÓNOMA ...............................2

1. INTRODUCCIÓN: .......................................................................................................2
2. REDES HETEROGÉNEAS HETVNETS PARA CONDUCCIÓN AUTÓNOMA: ........................ 4
3. DESAFÍOS Y SOLUCIONES: ....................................................................................... 11
4. CONCLUSIÓN: ......................................................................................................... 16
5. REFERENCIA BIBLIOGRÁFICA: .................................................................................. 16

1
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

REDES VEHICULARES HETEROGÉNEAS

PARA CONDUCCIÓN AUTÓNOMA

1. INTRODUCCIÓN:

La tecnología de “Conducción Autónoma” ha sido considerada como una solución

prometedora para reducir los accidentes de carretera y la congestión de tráfico, a la vez
que para optimizar el uso del combustible y los carriles de las pistas. Las comunicaciones
confiables y altamente eficientes de los tipos: vehículo-a-vehículo y vehículo-a-
infraestructura serán esenciales para vehículos comerciales de conducción autónoma en
las pistas del año 2020.

El trabajo a continuación presenta un vistazo a los conceptos de Redes Vehiculares

Heterogéneas (HetVNETs) para Conducción Autónoma, en las cuales una pila mejorada de
protocolos es propuesta para satisfacer los requerimientos de comunicación de servicios
no solamente de seguridad. A continuación se puede estudiar en detalle escenarios típicos
para conducción autónoma. Además de esto se han de proponer como soluciones
potenciales nuevas técnicas de transmisión a redes, con el propósito de enfrentar los
desafíos potenciales planteados por los vehículos de conducción autónoma en HetVNETs.

La industria automotriz recientemente ha pasado de desarrollar vehículos avanzados a

seguros y confortables, lo cual impulsa al desarrollo de nuevos vehículos inteligentes con
control de conducción autónoma. El Vehículo de Conducción Autónoma, que en inglés sería
“Autonomous Driving Vehicle” y que vamos a llamar en adelante ADV es un producto
multidisciplinario que puede integrar control automotriz, procesamiento de información,
capacidades de comunicación, así como otros. Tanto el gobierno como la sociedad pueden
beneficiarse sustancialmente de la conducción autónoma, incluyendo la prevención de
accidentes en las pistas, reducción de congestión de tráfico, además de la optimización del
uso del combustible y los carriles.

Con el fin de llevar a cabo la Conducción Autónoma, los vehículos deben tener la capacidad
de detectar el ambiente circundante, así como la realización del control y la planificación
de ruta sin ninguna intervención humana. Los fabricantes de automóviles, así como las
compañías de tecnologías de información: General Motors, Volkswagen, Toyota y Google
esperan tener ADVs en el mercado en el 2020, así como un 25% de aquellos vehículos fuera
de carretera para que lleguen a ser ADVs en el año 2035, lo cual coincidiría con el calendario
de la quinta generación de sistemas de comunicaciones inalámbricas (5G).

2
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

Hay sin embargo, varios desafíos que necesitan ser conquistados para lograr la Conducción
Autónoma. Estos serían:

 Tener conocimiento de la posición exacta del vehículo y decidir cómo alcanzar el

destino.
 Detectar el ambiente circundante con el fin de evitar colisiones de vehículos.
 Detectar las señales de tráfico, así como los carriles, veredas, reductores de
velocidad (rompemuelles) y otros.

Para enfrentar estos desafíos en la actualidad se usan sistemas sensores con cámaras,
radar, buscadores láser, así como algoritmos avanzados de Conducción Autónoma. Sin
embargo, esto está aún lejos de ser suficiente si tomamos en cuenta que el
comportamiento de conducción del vehículo se ve afectado significativamente por los
vehículos circundantes, y esto no es bien explotado debido a la limitada capacidad de
comunicación entre los vehículos. El principal enfoque para detectar los ambientes
circundantes es realizado mediante el uso de sistemas sensores pero es altamente limitado
por el ambiente en el cual los vehículos operan.

Debido a la gran velocidad de desarrollo de las tecnologías de comunicación inalámbrica,

se espera que las redes vehiculares impulsen el desarrollo de la conducción autónoma, y
que empleen técnicas de comunicación vehículo-a-vehículo (V2V) y vehículo-a-
infraestructura (V2I), lo cual puede ser efectivamente usado para detectar las condiciones
circundantes. El ADV podría llegar a ser más seguro si toma decisiones autónomas con
información confiable proporcionada por las redes vehiculares. Por ejemplo, cada vehículo
podría transmitir periódicamente mensajes relacionados a seguridad sobre su estado actual
a los vehículos vecinos, lo cual es de mucha ayuda para todos los vehículos a fin de conocer
de manera precisa el ambiente que los rodea. Por otra parte, las redes vehiculares pueden
mejorar significativamente la eficiencia del tráfico. También se podría tener en cuenta que
los pasajeros en los ADVs puedan disfrutar de contenidos de información y entretenimiento
durante su viaje al tener acceso a Internet principalmente a través del uso de comunicación
V2I.

Debido a la gran movilidad y el cambio dinámico de la topología de red, es difícil proveer

servicios satisfactorios a través de una única y simple red de acceso inalámbrico, tal como
la Comunicación dedicada de corto rango (o DSRC) o las redes de la Tercera Generación
(3G) LTE. Luego:

• Las redes DSRC son principalmente diseñadas para comunicaciones de corto rango
sin considerar la infraestructura penetrante.

3
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

• El retardo incurrido en redes LTE podría deteriorarse significativamente con un gran

número de vehículos, mientras se requiera la latencia rigurosa para la entrega de
información en tiempo real para Conducción Autónoma.
• El gran volumen de datos generado por los sensores en los ADVs está más allá de
la capacidad de las redes vehiculares actuales.

Las redes vehiculares heterogéneas (HetVNETs) integran diferentes tipos de redes de

acceso inalámbrico, tales como la DSRC y la LTE, con el fin de satisfacer los varios
requerimientos de comunicación de Conducción Autónoma. También se mejoran las pilas
de protocolo existentes y definen ciertos tipos de mensajes en HetVNETs que son esenciales
para soportar Conducción Autónoma. Aprovechando estos diferentes tipos de mensajes,
los ADVs pueden lograr el comportamiento de tráfico deseado tales como el
adelantamiento, los cambios de carril y otros. Además, varios escenarios típicos de
conducción autónoma son discutidos y analizados a fondo a través del estudio del tráfico
específico y las características de comunicación. Aparte de todo esto, y con el propósito de
asegurar la entrega de mensajes confiables de baja latencia y la eficiente provisión de
transmisión de alta tasa de datos para los ADVs, se proponen para los HetVNETs varias
técnicas avanzadas.

2. REDES HETEROGÉNEAS HETVNETS PARA CONDUCCIÓN AUTÓNOMA:

INFRAESTRUCTURA DE RED:
La figura a continuación muestra una ilustración de la infraestructura HetVNET para
Conducción Autónoma:

Descripción: basado en la información obtenida de los módulos de percepción y

localización, el comportamiento de navegación de un ADV puede ser determinado a través
de un módulo de planificación. El módulo de control ejecuta el comando deseado recibido

4
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

desde el módulo de planificación, y el módulo de gestión del sistema supervisa el estado en

general del sistema de conducción autónoma.

Según la figura anterior hay principalmente 3 tipos de vehículos en HetVNETs para

Conducción Autónoma:

 VEHÍCULO CONDUCIDO MANUALMENTE CON MÓDULOS DE COMUNICACIÓN: Un

vehículo manejado manualmente, que en inglés sería “Manually Driven Vehicle”, y
que se le va a definir como MDV, está totalmente controlado por humanos. Es
diferente de los vehículos tradicionales y cada uno está equipado con módulos de
comunicación apropiados, por ejemplo, teniendo ambas comunicaciones DSRC y
LTE, las cuales soportan intercambio de información en tiempo real entre vehículos
vecinos, así como entre vehículos y estaciones base (BSs).

 VEHÍCULO DE CONDUCCIÓN AUTÓNOMA: Un ADV tiene la capacidad de navegar

de manera segura sin intervención humana. Aparte del módulo de comunicación,
hay otros 5 módulos básicos que son necesarios para soportar conducción
autónoma: Percepción, Localización, Planificación, Control y Gestión del Sistema.
La percepción es un proceso que obtiene una clara vista del ambiente circundante
a través de varias técnicas como radar, lidar, y detección de visión. La Localización
puede ser implementada usando un Sistema de Posicionamiento Global (GPS).
Basado en la información obtenida de los módulos de Percepción y Localización, el
comportamiento de la navegación de un ADV puede ser determinado por el módulo
de Planificación. El módulo de Control ejecuta el comando deseado recibido desde
el módulo de Planificación, y el módulo de Gestión del Sistema supervisa el estado
general del sistema de Conducción Autónoma.

 PELOTÓN (“PLATOON”): Consta de un grupo de vehículos, lo cual es, un vehículo

cabeza y varios seguidores. El vehículo cabeza puede ser cualquiera de los dos, MDV
o ADV, mientras que los seguidores incorporan un control de velocidad longitudinal
automático, y sus movimientos laterales son controlados por la cabeza. Con el fin
de controlar de manera segura a los seguidores, el vehículo cabeza puede
interrumpir su marcha en modo pelotón en cualquier momento. Además el avance
seguro entre vehículos debe mantenerse así como otros requisitos de seguridad.
Las capacidades de comunicación requeridas de un pelotón son las de: transmitir
su estado activo usando mensajes de seguridad, recibir estos mensajes, y
establecer sesiones unicast.

Para lograr la Conducción Autónoma es muy importante permitir que los ADVs identifiquen
de manera confiable y segura el comportamiento de otros vehículos. Por lo tanto, la
comunicación para intercambio de información es crítica, lo cual se puede dar en las
siguientes formas diferentes:

COMUNICACIÓN V2V: Provee una forma eficiente para que los ADVs compartan
información con cada uno de los otros, lo cual puede ayudar a mejorar la seguridad, reducir
congestión de tráfico y evitar colisiones de vehículos.

COMUNICACIÓN V2I: De acuerdo a los diferentes tipos de infraestructura de red, la

comunicación V2I puede dividirse en: V2F para comunicaciones locales y V2B para
comunicaciones globales:

5
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

Vehicle-to-Facility (V2F): (Vehículo a Instalación) El módulo de comunicación puede

también estar instalado en Instalaciones de Carretera (por ejemplo las señales de límite de
velocidad y los semáforos), lo cual provee la capacidad de difundir mensajes periódicos y
dirigidos por eventos. La principal funcionalidad de las comunicaciones V2F es transmitir
mensajes de advertencia para especificar secciones de pista, notificaciones de límite de
velocidad y señales de semáforo a los vehículos cercanos con el fin de evitar accidentes.
Otra funcionalidad es actuar como enlace de retransmisión para mejorar la confiablidad de
la comunicación en áreas dadas tales como intersecciones con edificios altos u obstáculos.
También la V2F podría ser usada por los departamentos de gestión de transporte para
regular los vehículos en la carretera.

Vehicle-to-Base Station (V2B): (Vehículo a Estación Base) La comunicación V2B se refiere

principalmente al enlace inalámbrico entre vehículos y estaciones base. A través de los
enlaces V2B, los vehículos pueden acceder a la red núcleo (“Core Network”) y a Internet. Es
principalmente soportado por redes celulares y juega un rol importante en Conducción
Autónoma. La mayoría de servicios no relacionados a seguridad son proporcionados a
través de enlaces V2B. Basado en la información obtenida a partir de estos enlaces, el
centro de servicio puede obtener una vista global de la red de tráfico y dar útiles visiones a
los vehículos tales como las óptimas rutas de navegación.

Mediante la integración de HetVNETs en el sistema de Conducción Autónoma, la eficiencia

de los viajes y la seguridad de los vehículos serán previstos como significativamente
mejorados.

TIPOS DE MENSAJES DE CONDUCCIÓN AUTÓNOMA:

La figura presenta la pila de protocolo HetVNETs propuesta para redes vehiculares, la cual
se espera que soporte varios tipos de mensajes para conducción Autónoma:

Las Aplicaciones de Control de Conducción Autónoma (ADC) están a cargo del control y la
gestión de los ADVs. La capa de mensajes ADC (ADCMs) es usada para soportar estas
aplicaciones. Algo similar al Acceso Inalámbrico en ambientes vehiculares (WAVE), el
Protocolo de Mensaje Corto (WSMP) en DSRC, el eficiente Protocolo de Transporte ADCM
(ATP) es diseñado desde que se hace crítico entregar ADCMs con baja latencia para
escenarios de alta movilidad. Una de las funciones básicas del ATP es proveer servicios de
radiodifusión sin establecimiento de conexión, lo cual facilita mensajes dispensados entre
ADVs o de ADVs a infraestructura de red. Por otro lado, se toma en cuenta también que los
pasajeros de los ADVs quieran usar los servicios de entretenimiento mientras viajan.

6
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

Mientras tanto, los ADVs son equipados con un gran número de sensores resultando en la
generación de volúmenes masivos de datos de sensor. De esta manera, hay una gran
demanda de que las HetVNETs soporten aplicaciones que requieran alto rendimiento y
eficiencia.

En la tabla anterior, los ADCMs pueden ser categorizados aproximadamente en dos tipos:

 Mensajes de estado periódico: O en inglés “Periodic State Messages”, conocidos

como PSMs, los cuales son principalmente empleados para indicar la información
del estado de los vehículos, tales como la posición y las direcciones de viaje. Esta
información puede ser colectada por los ADVs vecinos con el fin de estimar factores
de seguridad antes de tomar cualquier acción y es también transmisión a
infraestructura a través de enlaces V2B. En base a los PSMs, el centro de servicio
puede hacer análisis de datos, reunir estadísticas de flujo de tráfico, etc.

 Mensajes de acción desencadenada: O en inglés “Action-Triggered Messages”,

conocidos como ATMs, los cuales incluyen los contenidos de acción de los ADVs, lo
cual puede ser usado por decisión en el siguiente momento. Solo usando estos
mensajes un ADV puede conocer con precisión el entorno, así como el movimiento
de otros ADVs. De esta manera, este puede tomar la reacción apropiada
autónomamente y entonces enviar su estado cambiante a otros vehículos.

ESCENARIOS TIPICOS DE CONDUCCIÓN AUTÓNOMA:

Con el fin de entender los requerimientos de los ADVs en las HetVNETs es necesario
estudiar varios escenarios de aplicación típica con conducción autónoma. Así, se tendrán 3
escenarios: Flujo libre en autopista, Flujo sincronizado en autopista, e Intersección urbana.
En estos 3 casos se analizarán caracteres tanto de tráfico como de comunicación.

7
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

 ESCENARIO 1: Flujo Libre en Autopista

Características de Tráfico: La figura mostrada a continuación, el número o densidad

de ADVs es muy pequeño o bajo en un escenario de flujo libre en autopista. En general
se tendrán 4 tipos de comportamiento de tráfico de ADVs:

 Comportamiento de Conducción Normal: Los ADVs pueden viajar libremente a la

velocidad deseada, lo cual no es limitado por otros vehículos en la carretera
(Principal comportamiento en el escenario de flujo libre).

 Comportamiento de Adelantamiento: Con el fin de mantener la velocidad deseada,

los ADVs a veces necesitan adelantar a otros vehículos, los cuales viajan a
velocidades relativamente bajas. Se tienen dos fases en la acción de
adelantamiento. La primera fase es la de cambio de carril con seguridad y debe
ocurrir cuando los carriles adyacentes se encuentren desocupados. La segunda fase
es acelerar y sobrepasar al vehículo que está a la cabeza hasta que se adquiera una
distancia segura de él y luego se regresa al carril original. En la figura, el ADV 3 está
detrás del ADV2, la velocidad de este último es menor que la de ADV3. En este caso,
ADV3 podría adelantar a ADV2 con el fin de mantener su velocidad deseada. Por lo
tanto ADV3 necesita primero informar a ADV2 acerca de lo que quiere hacer,
mediante comunicación V2V, y luego revisa si el carril de paso adyacente es seguro
o no. Si el carril estuviera despejado, ADV3 podría ejecutar la acción de cambio de
carril para adelantar al otro. De otra manera, debe esperar por un tiempo antes del
siguiente intento.

 Comportamiento de Evitación: Con propósitos de conducción segura, la Evitación

es esencial en las operaciones de conducción en el Flujo libre de autopista. El
ejemplo está ilustrado en la figura, cuando ADV4 y ADV5 están tan cerca. Luego
ADV5 tiene que bajar la velocidad para evitar chocarse con ADV4.

 Comportamiento de Evitación de Emergencia: Cuando los ADVs están viajando,

ellos podía encontrar algunos vehículos de emergencia (ADV6 en la figura). En ese

8
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

momento los ADVs tienen que reducir su velocidad y hacerse a un lado

inmediatamente con el fin de asegurar que los vehículos de emergencia tengan
paso rápido. Así, la ambulancia representada por ADV 6 transmite los mensajes de
emergencia apropiados a los otros vehículos todo el tiempo en que se encuentra
en movimiento. Como este comportamiento podría darse en cualquiera de los
escenarios, entonces no será discutido en adelante, dándosele por sobreentendido.

Características de la Comunicación: Cada comportamiento de tráfico tiene sus

requerimientos de comunicación específica para lograr la correspondiente acción de
manera segura. Por lo tanto, se necesita aplicar diferentes caminos de comunicación
con los correspondientes tipos de mensajes, para garantizar el éxito de cada
comportamiento de tráfico. Un ejemplo sería: un ADV con comportamiento de
conducción normal necesita distribuir sus PSMs a través de enlaces V2V y V2I. Además
es necesario para un ADV enviar ATMs a través de comunicación V2V para garantizar
seguridad mientras ejecuta un adelantamiento.

Además, servicios tales como aplicaciones de entretenimiento pueden ser disfrutados

principalmente por los ocupantes de un ADV a través de comunicación V2V. Sin
embargo y debido a la alta velocidad de los vehículos en flujo libre de autopista, los
efectos de propagación de desvanecimiento rápido sobre los canales de radio serán
bastante graves, lo cual deteriorará significativamente la calidad de los enlaces de
comunicación. Por lo tanto, se convierte en un desafío el garantizar comunicaciones
confiables bajo tales condiciones de este escenario.

 ESCENARIO 2: Flujo Sincronizado en Autopista

Características de Tráfico: En la figura mostrada, el número de vehículos en el

escenario de Flujo sincronizado en Autopista es más grande que el de Flujo libre, lo
cual resulta en alta densidad y baja velocidad.

Generalmente el flujo sincronizado contiene dos características de tráfico:

- Vehículos están en el flujo mientras que su velocidad es relativamente alta.
- La velocidad de todos los vehículos en diferentes carriles tiende a estar sincronizada.

9
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

Por lo tanto, el viaje de los ADVs en este escenario tiene flexibilidad muy limitada. Tales
características dan origen a tres tipos de comportamiento de tráfico típicos:

 Comportamiento de Seguimiento de Carros: Debido a la velocidad convergente, los

ADVs tienen que seguir a los vehículos de en frente, lo cual es el comportamiento
más común en este tipo de escenario. En la figura, hay unos cuantos ADVs con este
comportamiento: ADV 1, ADV 2 y ADV 3. Si ADV 1 encuentra un evento inesperado
y así tiene que bajar la velocidad, ADV 2 y ADV 3 también tendrán que reducir su
velocidad correspondiente, con el fin de mantener un avance seguro.

 Comportamiento de Cambio de Carril: En el flujo sincronizado, adelantar ADVs es

muy difícil debido a la gran densidad de vehículos. Sin embargo, con el fin de
mejorar la eficiencia del tráfico, algunos ADVs con relativamente alta velocidad son
los más probables de cambiar de carril.

 Comportamiento de Evitación: Es muy importante para evitar choques de carros,

especialmente en este escenario. A diferencia del escenario de flujo libre en
autopista, un ADV (en la figura podría tratarse del ADV 8) es el más probable de
encontrar una colisión debido a un cambio de carril, así como el carro siguiente.

Características de la Comunicación: Con el fin de garantizar seguridad de tráfico y

eficiencia, la comunicación cooperativa entre vehículos es probable de suceder, lo cual
es bastante diferente del escenario de flujo libre en autopista. Por ejemplo, el cambio
de carril cooperativo pude decrementar el tiempo de cambio de carril directo para
maximizar la eficiencia de tráfico. Comparado con el escenario de flujo libre, además
de los severos efectos de propagación de desvanecimiento rápido, la gran densidad de
vehículos hace una topología de red más compleja. Mientras tanto, una enorme
cantidad de solicitudes de comunicación es generada por los diferentes ADVs en la
carretera. Todo esto hace que el objetivo de comunicaciones confiables y eficientes
sea en extremo difícil. Se requerirán técnicas de comunicación innovadoras para
desarrollarse en este escenario.

 ESCENARIO 3: Intersección Urbana

Características de Tráfico: Como se ilustra en la figura, en la intersección, los ADVs no

solo interactúan con otros vehículos, también con instalaciones de transporte y
peatones. De esta manera, la situación llega a ser mucho más complicada que en
ambos escenarios en autopista. El comportamiento de vehículos y peatones es
regulado por las luces del semáforo. La velocidad de conducción (un máximo de 40
km/h) es mucho más baja que en los escenarios en autopista. Además, adelantar es
raramente realizado debido a la gran carga de tráfico en la intersección. Luego,
tendremos como comportamientos típicos en este escenario:

 Comportamiento de Seguimiento de Carros: Usualmente ocurre cuando los

vehículos están formando cola en el carril para tomar su turno. El mensaje clave
antes de ejecutar este comportamiento está relacionado con la posición precisa del
carro adelante.

 Comportamiento de Cambio de Carril: Cuando un vehículo es conducido a través

de un carril que no le corresponde como carril de destino, tiene que cambiar de
carriles. Por ejemplo, un vehículo tiene que estar en el carril izquierdo si es que
desea dar la vuelta hacia la izquierda.

10
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

 Comportamiento de Encuentro de Carros: Este comportamiento es complicado

desde el momento en que hay dos vehículos envueltos y que interactúan uno con
el otro. Por ejemplo, dar la vuelta hacia la derecha tiene mayor prioridad que dar la
vuelta hacia la izquierda cuando los carriles de destino son los mismos.

Características de la Comunicación: El control de parada y marcha en una intersección

garantía un cruce seguro a través de la intersección. Sin embargo, esto podría
introducir el inconveniente de frecuentes paradas hasta conseguir el derecho de paso,
lo cual reduce la eficiencia del tráfico significativamente. Mediante una comunicación
eficiente a través de cualquiera de los dos enlaces V2V o V2I en una intersección, cada
vehículo podría tener comandos de maniobra adecuada en tiempo real. Por lo tanto,
las operaciones de tráfico en una intersección sin luces de semáforo con configuración
de parada-y-marcha además de señales llegan a estar disponibles cuando la pista está
llena de ADVs.

3. DESAFÍOS Y SOLUCIONES:
La HetVNETs, al hacer uso de mensajes y protocolos mejorados, proporciona la factibilidad
de soportar el comportamiento de los ADVs. Sin embargo, nuevos desafíos en
comunicaciones surgen cuando la calidad de los requerimientos del servicio (QoS) de los
mensajes ADC y otros servicios, necesitan ser soportados en vario escenarios. Para
enfrentar estos desafíos en HetVNETs, se están discutiendo innovadoras técnicas de
transmisión de señal para redes.

BAJA LATENCIA Y TÉCNICAS DE TRANSMISIÓN ALTAMENTE CONFIABLES:

En sistemas de conducción autónoma, diferentes tipos de mensajes o información tienen
diferentes requerimientos “QoS”, tales como baja latencia y gran confiabilidad para
mensajes de seguridad, además de una alta tasa de datos para aplicaciones multimedia que
no son de seguridad. Es difícil reunir todos estos requerimientos con las técnicas de
transmisión existentes ya sea en redes LTE o DSRC, lo cual motiva al desarrollo de nuevas
técnicas de transmisión en HetVNET para implementar Conducción Autónoma.

La Multiplexación por División de Frecuencias Ortogonales Filtradas (F-OFDM) aplica un

filtro de sub-banda digital para formar el espectro de una señal de sub-banda OFDM, lo cual

11
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

tiene un buen rechazo de fugas fuera-de-banda y así puede soportar transmisión por acceso
múltiple por división de frecuencia ortogonal asíncrono (OFDMA) sin una señal avanzada
de temporización. Por otra parte, mediante la unión de la optimización de modulación
multidimensional de amplitud en cuadratura (QAM) y códigos no ortogonales (Sparse Code
Multiple Access o SCMA) se puede multiplexar más usuarios y mejorar la confiabilidad del
sistema. Por lo tanto, la combinación de SCMA y F-OFDM es una de las técnicas candidatas
esperadas para satisfacer los requerimientos de comunicación en HetVNETs en conducción
autónoma. La figura mostrada nos da un paradigma de diseño de transmisión de HetVNETs:
en la parte (a) un Transmisor, y en la parte (b) un Ancho de Banda.

El ejemplo de la figura soporta tres tipos de servicios. Las tres subbandas correspondientes
se muestran en la parte (b) y son llamadas: subbanda 1# con ancho de banda M1Δf,
subbanda 2# con ancho de banda M2Δf, y subbanda 3# con ancho de banda M3Δf (donde
Δf es el ancho de banda de la subportadora y se cumple que M1≤ M2≤ M3). Los ATMs y PSMs
con baja latencia y alta confiabilidad pueden ser transmitidos en las subbanda 1# y 2#
respectivamente. Mientras tanto los vehículos con aplicaciones de no-seguridad
multimedia y de alta tasa de datos son parte de la subbanda 3#. Diferentes números de
vehículos (por ejemplo K1, K2 y K3) podrían ser programados en diferentes subbandas.
Usualmente el número de vehículos de multiplexación en subbandas 1# y 2# son escogidos
para ser pequeños, mientras esa limitación no exista en la subbanda 3#. El ejemplo es capaz
de satisfacer baja latencia, alta confiabilidad y acceso masivo para conducción autónoma.
Primero, el carácter asíncrono del F-OFDM y el acceso libre de concesión de SCMA, es decir,
el mensaje o transmisión de información sin la sobrecarga de señalización entre vehículos,
puede reducir de manera significativa el retardo de entrega de mensajes. Además, un
pequeño número de vehículos en una simple subbanda podría decrecer la probabilidad de
colisión de palabras código SCMA, lo cual pueden mejorar el rendimiento del decodificador
del algoritmo de paso de mensajes (MPA) y así incrementar la confiablidad de la
transmisión. Además F-OFDM es capaz de usar los recursos de espectro fragmentado y
conformar el ancho de banda flexible para diferentes tipos de servicios, lo cual maximiza la
eficiencia del espectro. Así, junto con la multiplexación SCMA y más usuarios, la transmisión
F-OFDM es capaz de soportar acceso masivo de ADVs.

Además de esto, SCMA y F-OFDM no cambian el carácter esencial de transmisión de

cualquiera de estos dos: OFDM de enlace descendente u OFDMA de enlace ascendente. La
combinación de SCMA y F-OFDM mantiene buena compatibilidad retroactiva con sistemas

12
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

LTE existentes. Por lo tanto, la transmisión SCMA/F-OFDM provee una hoja de ruta
evolutiva factible de LTE a HetVNETs.

TÉCNICAS DE CONDUCCIÓN AUTÓNOMA COOPERATIVA:

En ambientes vehiculares complicados, los ADVs necesitan tener un entendimiento
profundo de su ambiente circundante para tomar decisiones óptimas de conducción
cooperativa y programación de destino. Sin embargo, las limitaciones intrínsecas de la
percepción tradicional de información tales como cámaras o radar, frecuentemente evitan
decisiones cooperativas sistemas de conducción autónoma, diferentes tipos de mensajes o
información tienen diferentes requerimientos “QoS”, tales como baja latencia y gran
confiabilidad para mensajes de seguridad, además de una alta tasa de datos para
aplicaciones multimedia que no son de seguridad. Es difícil reunir todos estos
requerimientos con las técnicas de transmisión existentes ya sea en redes LTE o DSRC, lo
cual motiva al desarrollo de nuevas técnicas de transmisión en HetVNET para implementar
Conducción Autónoma. Esta subsección propone una estructura de Conducción Autónoma
Cooperativa basada en HetVNETs, donde cada ADV puede compartir información tanto
localmente para seguridad de tráfico, como globalmente, para eficiencia de tráfico.

La figura que se muestra a continuación ilustra un escenario de ejemplo que representa la

cooperación jerárquica propuesta, la misma que puede ser dividida en dos capas:
Cooperación a Pequeña escala y a Gran escala. El primero se ejecuta solo dentro de área
local y en resolución de tiempo fina para garantizar seguridad. El último ocurre a través de
una gran zona geográfica con resolución de tiempo gruesa para mejorar la eficiencia de
tráfico.

Cooperación a Pequeña Escala:

Los objetivos principales de la Cooperación a Pequeña Escala son de garantizar la seguridad
de tráfico a través de la cooperación entre vehículos en el área local. Tal cooperación es
implementada de una manera distribuida, lo cual reduce significativamente la sobrecarga

13
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

de señal. En la figura a continuación, se muestran varias funciones típicas requeridas para

soportar cooperación a pequeña escala.

 Reconocimiento de Información Circundante: O en inglés “Surrounding Information

Acknowledgment” (SIA) puede proporcionar información precisa del ambiente para el
siguiente paso que puede ser clasificado en dos tipos: información estática y dinámica.
El primero incluye información de estado del vehículo cercano, además de mensajes
basados en eventos, los cuales son transmitidos por enlace V2V. El segundo contiene
principalmente información acerca del carril, intersección y límite de velocidad, lo cual
es provisto por comunicación V2I.

 Selección de Acción Óptima: O en inglés “Optimal Action Selection” (OAS), este genera
una acción óptima para el siguiente intervalo, lo que necesitaría resolver un problema
de optimización basado en información y eventos circundantes. El conjunto de
acciones principalmente incluye conducción libre, cambio de carril, preservación de
carril, seguimiento de carros, adelantamiento, pelotón, etc.

 Detección de Conflicto de Acción: Un vehículo revisa su acción requerida con las de

los vehículos vecinos. Solo cuando no hay conflicto, el comando de control para esta
acción puede ser ejecutada.

 Asignación de Prioridad de Acción: Cuando ocurre un conflicto entre las acciones

requeridas de los vehículos, solo la acción con la más alta prioridad debe ser escogida.

Cooperación a Gran Escala:

Su objetivo es difundir información sobre una gran área geográfica para mejorar la
eficiencia del tráfico. Además se pueden aprovechar algunas funcionalidades tales como la
predicción de trayectoria y la programación de las capacidades de los vehículos

14
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

involucrados, cuando una próxima congestión de tráfico es detectada con antelación a

través de Cooperación a Gran escala.

Al ser diferente que la anterior, es ejecutada de una manera centralizada a través de enlaces
V2B (Se la ha ilustrado en la figura anterior). En primer lugar el servidor de nube recopila
información como el estado de las carreteras, inesperadas congestiones de tráfico,
condiciones de clima adverso, y densidad de tráfico a través de enlaces V2B. Entonces esto
calcula los resultados correspondientes para diferentes aplicaciones. Hay algunas funciones
que soportan Cooperación a Gran escala, por ejemplo, planificación óptima de ruta,
predicción de tráfico en carretera y acción de emergencia de accidentes.

TÉCNICAS DE COMPUTACIÓN EN NUBE ESTRATIFICADA:

Se estima que un ADV genera alrededor de 1 GB/s, lo cual principalmente proviene de los
sensores. Para almacenar tal cantidad de datos en un vehículo durante el viaje se necesita
una gran unidad de almacenamiento local. Por lo tanto, se propone la Nube Remota
(“Remote Cloud”) como una solución factible con la ayuda de técnicas de descarga sobre
transmisión inalámbrica de alto rendimiento. En particular, esto provee comunicación
abundante y recursos de computación con el fin de garantizar la seguridad y la eficiencia de
tráfico de los ADVs. Sin embargo, cuando los ADVs lleguen a ser más y más populares, miles
de ADVs podrían estar presentes en la pista y simultáneamente generarán datos de sensor.
De esta manera resulta impráctico transmitir toda la información del sensor de cada ADV
sobre enlaces V2I, lo cual es un desafío muy importante inclusive para redes 5G con la tasa
máxima de 10 GB/s. Por lo tanto, los enlaces inalámbricos entre los ADVs y la Nube Remota
(RC) tienen que ser eficientemente utilizados.

Por un lado, desde que los datos generados por los ADVs tienen correlación substancial en
el dominio del tiempo, es posible procesar y comprimir datos antes de la transmisión sobre
enlaces V2I. Por ejemplo, cuando los datos de sensor cambian continuamente en el tiempo,
los unos con muy pequeña variación pueden ser omitidos. Por otro lado, otra característica
obvia de los datos generados es su interés local, lo cual significa que solamente los ADVs en
la vecindad pueden disfrutar de intereses comunes tales como congestión de tráfico local
y mensajes del estado de las pistas. Por lo tanto, los datos de intereses comunes se pueden
mantener locales en lugar de subirlos a la Nube RC, lo cual podría reducir en gran medida
los requerimientos de capacidad de los enlaces V2I.

Además la colaboración en el intercambio y el tratamiento de datos de los sensores entre

ADVs puede mejorar significativamente la precisión dela ubicación y la seguridad de la
conducción. La Computación en la Nube Vehicular (“Vehicular Cloud Computing” o VCC) es
una tecnología nueva y prometedora que aprovecha la computación de la Nube para servir
a los vehículos. La computación y los recursos de almacenamiento en la VCC pueden ser
utilizados para mejorar las capacidades de los ADVs. En otras palabras, las nubes
vehiculares (VCs) pueden proveer una buena plataforma para el despliegue coordinado de
la agregación de sensor, fusión, y aplicaciones de intercambio de bases de datos requeridos
por los ADVs. Por ejemplo, los ADVs pueden ampliar la cobertura de detección mediante la
adición de datos de los ADVs distribuidos geográficamente.

Por lo tanto, una arquitectura de Computación en Nube estratificada para los ADVs puede
ser desplegada como una solución factible. Esto incluye no solamente una RC sino también
los VCs. Los ADVs pueden enviar una solicitud de conducción o entretenimiento a cualquier
capa de la Nube.

15
Redes Vehiculares Heterogéneas para Conducción Autónoma Telemática I

4. CONCLUSIÓN:
La comunicación confiable y eficiente es extremadamente importante para garantizar la
seguridad y confortabilidad de los ADVs. Por lo tanto se han propuesto las HetVNETs junto
con una pila de protocolos mejorados y nuevos mensajes que pueden soportar Conducción
Autónoma. Luego se discutieron tres típicos escenarios para los ADVs incluyendo las
autopistas y las intersecciones. Su específico comportamiento de tráfico pone adelante los
varios requerimientos de comunicación, los cuales plantean varios desafíos técnicos para
las HetVNETs. Con el fin de hacer frente a estos desafíos se presentan nuevas técnicas tales
como la Transmisión F-OFDM/SCMA, Conducción Cooperativa Jerárquica y Computación en
la Nube Estratificada, para el desarrollo de HetVNETs hacia la era 5G.

5. REFERENCIA BIBLIOGRÁFICA:
“Reliable and Efficient Autonomous Driving: The Need for Heterogeneous Vehicular
Networks” (Págs 72 - 79), Revista “IEEE Communications”. Autores: Kan Zheng, Qiang
Zheng, Haojun Yang, Long Zhao, Lu Hou y Periklis Chatzimisios.

16