El modelo ambiental incluye representaciones de carreteras, objetos que deben evitarse, como otros vehículos, usuarios vulnerables de la carretera y bordos o banquetas, así como el "espacio libre" por donde sí se puede conducir.
Para crear este modelo, el sistema de percepción del vehículo recopila información sobre el mundo exterior a través de sensores, que pueden incluir radar, cámaras, radares Lidar y sensores ultrasónicos. Luego, utilizando un enfoque conocido como fusión de sensores, el sistema combina estas múltiples bases de datos, equilibrando los mejores elementos de cada uno para crear la representación más precisa posible. Con un modelo ambiental sólido implementado, el sistema avanzado de asistencia al conductor (ADAS, por sus siglas en Inglés) del vehículo puede tomar acciones más efectivas para reducir los efectos del error humano y evitar accidentes de tráfico.
Los accidentes de tráfico siguen siendo un problema grave. Cada año, aproximadamente 1.3 millones de personas en todo el mundo mueren en accidentes de tráfico, según la Organización Mundial de la Salud. Otros 20 millones a 50 millones de personas en todo el mundo sufren lesiones relacionadas con incidentes de tránsito cada año. La mayoría de estos accidentes se podrían prevenir. Eso se debe a que una abrumadora mayoría, el 94 por ciento, dice la Administración Nacional de Seguridad del Tráfico en las Carreteras de Estados Unidos, involucra errores humanos.
Sensores sensibles
Un modelo ambiental tiene el potencial de proporcionar a los sistemas ADAS una imagen más completa de la escena alrededor de un vehículo que la que los conductores humanos podrían obtener solo a través de sus sentidos.
El radar puede medir qué tan lejos están los objetos y qué tan rápido se mueven. Las cámaras, con sus lectores de imágenes de megapíxeles, pueden resolver con mayor precisión la posición angular de esos objetos y pueden leer los letreros de las calles. Ambos sensores combinados pueden ayudar a clasificar objetos como peatones, ciclistas, vehículos y otros objetos de interés.
Algunas de estas son funciones que los conductores humanos también pueden realizar, pero estos sensores nunca parpadean y nunca se distraen. Además, los sistemas de radar brindan un excelente respaldo para el conductor humano porque pueden "ver" igual de bien en la oscuridad o en la luz solar directa y son mucho más robustos en condiciones climáticas adversas, como niebla y humo. Los sensores de un vehículo siempre están atentos y siempre alimentando datos al modelo ambiental, ya sea que el conductor humano esté prestando atención o no.
El aprendizaje automático ayuda a hacer posible el modelo ambiental. El aprendizaje automático, una forma de inteligencia artificial, se puede utilizar para entrenar un sensor, haciéndolo cada vez más efectivo. Por ejemplo, el aprendizaje automático reduce los errores de radar de bicicletas y motocicletas en un dramático 70 por ciento.
Relación con el conductor
A medida que los vehículos avanzan hacia niveles más altos de automatización, el modelo ambiental se convierte en una herramienta clave en la gestión de la transferencia de control entre el conductor y el sistema automatizado.
Cuando un sistema automatizado está en funcionamiento, utiliza la información del modelo ambiental y otras entradas de datos para ayudar a priorizar los objetos de interés que requieren la mayor atención. Por ejemplo, si un vehículo se está moviendo hacia el carril de adelante, el sistema podría resaltar ese automóvil de una manera útil, como colocando marcadores visuales como un cuadro de color alrededor del vehículo en la pantalla de visualización frontal.
En resumen, el modelo medioambiental es uno de los muchos componentes esenciales de cualquier sistema de seguridad avanzado. Cuanto más preciso y completo sea el modelo, mejor comprenderá el sistema lo que sucede alrededor del vehículo. El sistema puede tener más confianza en sus acciones, ya sea advirtiendo al conductor sobre posibles amenazas, cambiando de carril automáticamente o aplicando los frenos en una emergencia.
