Vehículos de conducción autónoma son un componente central del La movilidad del futuro. ¿Cómo son los escenarios concretos de despliegue y cómo funcionan los vehículos de conducción autónoma desde la perspectiva de la ciencia de datos? Este artículo de blog profundiza en la cuestión y muestra todas las facetas de lo que es técnicamente posible.

Suponiendo que dentro de unos 10 o 15 años quiera ir a la fiesta de cumpleaños de mi amiga Katja desde casa, esto podría quedar así:

En los preparativos, llamo por teléfono a mi amigo Max, que también quiere venir a la fiesta desde un poco más lejos. Como nuestras rutas coinciden en parte, nos gustaría recorrer juntos esta parte de la ruta. Para planificarlo, atamos nuestras Cognitivo AI Agentes en la conversación. Ambos sugieren que viajemos con un taxi robot de conducción autónoma y también identificar la zona en la que mejor podemos encontrarnos para continuar el viaje juntos. Como sabemos la hora exacta, podemos reservar con antelación el robotaxi a una tarifa más barata y tramitar el pago directamente a través del agente de IA.

A continuación discutimos qué regalar a nuestro amigo y, una vez que nos hemos puesto de acuerdo, encargo el regalo. Como la tienda entregas automáticas apoya, añado el regalo a mi reserva de Robotaxi para que el Robotaxi pueda recoger el regalo de otro viaje cerca de la tienda con antelación.

El día de la fiesta, el taxi robot de conducción autónoma llega a la hora acordada y me reconoce por mi carapara poder entrar directamente. Durante el trayecto me echo una pequeña siesta, para lo cual oscurezco las ventanillas y pongo el asiento en posición de dormir. Max ha tenido que salir pronto de su trabajo para llegar a tiempo a la fiesta. Por lo tanto, continúa con su trabajo mientras conduce en su taxi-robot hasta nuestro punto de encuentro.

Debido a una obstáculo imprevisto mi robotaxi tiene que desviarse un poco. Nuestros robotaxis intercambian esta información y fijan un nuevo punto de encuentro, al que ambos llegamos casi al mismo tiempo. Durante el trayecto juntos hasta nuestro destino, jugamos a las cartas y mordisqueamos algunos de los bocadillos que he horneado.

Después de bajarnos y sacar el regalo del coche, sigue hasta el siguiente cliente o la siguiente estación de carga. Aún no hemos reservado transporte a casa, porque nunca se sabe cuánto va a durar la fiesta y el tiempo de espera para un taxi robot gratuito suele ser inferior a 15 minutos.

¿El escenario descrito y los vehículos de conducción autónoma son realistas o sólo una broma? A continuación, queremos examinar esto con más detalle y responder a la pregunta de un Perspectiva de la ciencia de datos tarifa.

Desglose desde la perspectiva de un científico de datos

Desde la perspectiva de un Científico de datos vehículos de conducción autónoma  Grandes ordenadores de viaje representan. Como tales, están conectados a Internet y pueden transportar personas u objetos. La historia de la introducción toca muchos temas que ahora se analizarán y presentarán con más detalle de forma metódica y tecnológica.

Los agentes cognitivos de IA son chatbots de aprendizaje que pueden hacer algo más que hablar con los pasajeros.

El agente cognitivo de IA representa en última instancia un Chat o robot de voz que permite la conversación humana a través de la inteligencia artificial. Basándose en Diálogos conversacionales básicos y Procesamiento del lenguaje natural (PLN) aprende constantemente a través de los diálogos guiados. Mediante Aprendizaje profundo y métodos de aprendizaje por refuerzo, puede reaccionar al contexto histórico y actual de una conversación y adaptarse a situaciones desconocidas hasta entonces.

En el ejemplo presentado, el agente de IA cognitiva realiza una Optimización de la movilidad solicitando diferentes proveedores de movilidad con el contexto dado de fecha, hora de salida, destino y la condición de viajar juntos parte del trayecto. A partir de las sugerencias, puede reservar la mejor solución directamente con el proveedor.

El reconocimiento facial y biométrico se convierte en norma en los vehículos de conducción autónoma

En Identificación mediante características biométricas aumentará fuertemente en el futuro y puede sustituir a conceptos como las contraseñas o incluso las claves. El reconocimiento biométrico debe su avance al progreso tecnológico, que permite características biométricas con un esfuerzo razonable y en Muy alta calidad y evaluarlas.

El taxi robot me identifica en el ejemplo aplicando un Algoritmo de reconocimiento facial. De todos modos, puede utilizar las imágenes de las cámaras que el vehículo de conducción autónoma necesita para la navegación. Esta identificación permite prescindir de la llave para acceder al coche y facturar el tiempo de conducción de forma segura y automática.

Los vehículos eléctricos de conducción autónoma son grandes ordenadores en movimiento

El coche del futuro es básicamente un ordenador gigante en movimiento, equipado con alta potencia informática está equipado. Para que el coche pueda conducir de forma autónoma, debe ser capaz de hacerse una idea de su entorno en cualquier momento mediante la lectura de cámaras, radares o sensores lidar. La acumulación Datos debe procesarse y ponerse a disposición de los actuadores de la dirección, el control del motor o los frenos en la forma requerida para poder ejecutar los controles necesarios.

Para ello se utilizan varios métodos. Aprendizaje automático y Métodos de filtrado que se optimizan y calibran repetidamente con nuevos datos. Para estas actualizaciones, es necesario que los futuros vehículos sean capaces, en primer lugar, de almacenar mayores cantidades de datos y enviarlos a un backend y, en segundo lugar, que tengan la posibilidad de actualizar el software. Especialmente para el segundo punto, es importante que el hardware y el software estén más separados.

El hardware también debería ser más modular, de modo que un Actualizar de potencia de cálculo o espacio de almacenamiento de datos es posible a posteriori. La transmisión de grandes cantidades de datos, por ejemplo de situaciones en las que un Anomalía se puede detectar durante el proceso de carga de la batería, ya sea a través de una conexión WiFi o también mediante un cable de alimentación debidamente equipado. En general, el Comunicación del coche con otros participantes muy importantes y pueden dividirse a grandes rasgos en tres ámbitos.

1. El dominio remoto
   En Dominio remoto tiene un backend central para la transmisión móvil de pequeñas cantidades de datos e importantes Actualizaciones de seguridad. Esta ruta también se utiliza para mensajes de tráfico actuales sustituido, como la barricada del ejemplo anterior. El sitio Backend también recibe los flujos de datos más grandes enviados a través de WiFi desde el vehículo y envía, por ejemplo, mayores Actualizaciones al vehículo sólo si hay conexión WiFi.
2. El dominio ad hoc local
   Dentro de estosDominio ad hoc encuentra el Comunicación con el entorno inmediato comunicación entre el vehículo de conducción autónoma y los usuarios de la carretera en un radio determinado. Para ello, los fabricantes de automóviles han definido un estándar WiFi común, que se utiliza para la Intercambio de datos se utiliza. De este modo, los vehículos pueden intercambiar localmente sus velocidades, destinos y, si es necesario, advertencias. Esto elimina la necesidad de semáforos para los coches en los cruces. Además, hay muchos menos atascos porque las velocidades se ajustan a tiempo y, en la autopista, los vehículos pueden agruparse en columnas para reducir la resistencia del aire.
3. El dominio en el propio vehículo
   Dentro del Dominio del vehículo Los dispositivos pueden conectarse mediante Bluetooth, NFC o WiFi. Dado que el interior del vehículo puede adaptarse con flexibilidad al Deseos del conductor es posible, por ejemplo, transmitir al vehículo la configuración correspondiente. Otro ejemplo es la activación de Programas de entretenimiento transmitiendo al coche los datos necesarios para el viaje.

Un Robotaxi rara vez viene solo - La flota de Robotaxi

La gestión de la flota de robotaxis se basa en ciencia de datos Casos de uso. Lo más importante es la Optimización de la flota en términos de disponibilidad para el cliente y tiempo de espera con una utilización óptima de la flota. Para ello, con datos históricos de usoLos modelos de aprendizaje automático se entrenan en función del día de la semana, la hora del día, la influencia de los grandes acontecimientos, el tiempo y los puntos de inicio y fin de una reserva, que luego se utilizan para predecir la demanda prevista.

De este modo, los vehículos de conducción autónoma de la flota se distribuyen de forma óptima por la ciudad en función de la hora del día y del historial de uso para minimizar los tiempos de espera de los pasajeros. Además, los vehículos de conducción autónoma se dirigen de forma independiente a las estaciones de recarga gratuitas en el momento óptimo para estar disponibles en cualquier caso durante el tráfico denso. Lo mismo ocurre con el mantenimiento de los vehículos.

A través de Mantenimiento predictivo se controlan las 24 horas del día y cualquier problema técnico inminente se detecta a tiempo para poder realizar el mantenimiento en el momento adecuado. Para el mantenimiento predictivo, de nuevo Métodos de aprendizaje automático que, mediante el entrenamiento con datos históricos, identifica patrones de fallo únicos o anomalías en el estado de funcionamiento del vehículo.

¿Qué de todo esto es ya posible hoy?

Ya se han hecho muchas observaciones hoy en relación con la Coche conectado implementado, o se implementará en un futuro próximo. En el caso de los vehículos Tesla, la conducción autónoma ya es posible hoy en determinadas situaciones. Muchos otros fabricantes de automóviles están probando sistemas en rutas homologadas para poder ofrecer vehículos de conducción autónoma en el futuro.

Del mismo modo, Uber ha puesto en marcha varias iniciativas para desplegar vehículos de conducción autónoma en las principales ciudades de EE.UU. para servicios de taxi. En los próximos 5 a 10 años, los vehículos de conducción autónoma llegarán a las calles en gran número. Un buen vistazo al estado actual de la Puede encontrar Connected Car aquí.