58 INTELIGENCIA ARTIFICIAL La demostración se ha llevado a cabo en la instalación Millbrook - Culham Urban Test Bed en el centro RACE (Remote Applications for Challenging Environments) de UKAEA (UK Atomic Energy Authority). Se han configurado y desplegado CAVs para probar aspectos como la integración de servicios de gestión de flotas basados en la nube/centro de control de misiones con el centro de gestión de tráfico, la fusión de planes de respuesta de gestión de tráfico con planes de misión de CAVs y los ajustes dinámicos del comportamiento de la misión por parte de los CAVs basados en dichos planes. La capacidad de proporcionar comandos y restricciones centralizadas a una flota de vehículos autónomos conectados en una extensa red de carreteras tiene el potencial de transformar la movilidad urbana. La primera etapa para permitir que esto suceda es demostrar en un entorno seguro y protegido que los comandos se pueden proporcionar y ejecutar correctamente, lo que luego abre un potencial mucho más amplio para ejecutar escenarios y recopilar datos valiosos. Para la integración del vehículo autónomo conectado a la red convencional, también se han realizado simulaciones con diferentes porcentajes de CAVs en la red, mostrando que la integración de un 20 por ciento de CAVs puede reducir un 10 por ciento el tiempo medio del viaje y hasta un 57 por ciento los retrasos totales en la vía. El piloto realizado en Atenas aborda eventos disruptivos en corredores multimodales mediante la implementación de medidas de mitigación colaborativas basadas en las necesidades y objetivos de las partes interesadas involucradas, incluidos tanto los operadores como los viajeros. El objetivo es restaurar eficaz y rápidamente el rendimiento de la red, como respuesta a diferentes escenarios. Con el fin de ayudar a la toma de decisiones a los operadores de la red de tráfico, FRONTIER ha desarrollado herramientas de IA para la predicción del estado del tráfico, incluyendo flujo de vehículos, ocupación de la vía y velocidad media, y algoritmos de detección de incidentes. Los modelos de predicción de tráfico permiten conocer el estado de las carreteras a futuro, lo que facilita una mejor gestión y planificación de recursos, mientras que la detección de incidentes proporciona avisos en tiempo real de disrupciones en la red, permitiendo una respuesta más rápida en caso de accidentes. Para facilitar a los operadores de la red viaria y otros organismos de gestión del tráfico conocer el estado de las carreteras en tiempo real, FRONTIER ha desarrollado una plataforma web que permite acceder a diferentes servicios, entre los cuales se encuentran las herramientas de predicción del tráfico y la detección de incidentes. Desde la plataforma web, los responsables de la gestión pueden visualizar en tiempo real el estado de las carreteras, acceder a los detalles del estado de los incidentes en las vías de transporte y acordar decisiones entre los distintos agentes que gestionan la red. Ante la detección de un incidente, el motor inteligente que gestiona la plataforma, ANTME (Autonomous Network Traffic Management Engine), propone planes de respuesta para facilitar en consenso FRONTIER captura datos en tiempo real de diversas fuentes para poder ejecutar los diferentes algoritmos, planes de respuesta y simulaciones necesarias en cada uno de los casos de estudio.
RkJQdWJsaXNoZXIy Njg1MjYx