Aprender del IoT

Este documento explora el potencial de los sistemas de aprendizaje automático (ML) que utilizan datos de sensores en vehículos, así como fuentes de datos IoT externas, para mejorar la conducción autónoma en términos de eficiencia y seguridad en entornos urbanos. Proponemos un sistema que combina datos de sensores de vehículos autónomos y datos IoT recopilados de los dispositivos móviles de los peatones. Nuestro enfoque incluye dos métodos para la detección de usuarios vulnerables de la carretera (VRU) y la predicción de la intención de movimiento de los peatones, y un modelo para combinar las dos salidas con el fin de mejorar potencialmente la toma de decisiones autónoma. El primer método crea un modelo del mundo (WM) y localiza con precisión a los VRUs utilizando cámaras en el vehículo y datos de dispositivos móviles externos. El segundo método es un modelo de aprendizaje profundo para predecir los próximos pasos de movimiento de los peatones utilizando trayectorias en tiempo real y entrenándose con datos históricos de dispositivos móviles. Para probar el sistema, realizamos tres pruebas piloto en un campus universitario con un automóvil autónomo construido a medida y dispositivos móviles llevados por peatones. Los resultados de nuestros experimentos controlados muestran que la detección de VRU puede distinguir con mayor precisión las ubicaciones de los peatones utilizando datos IoT. Además, se pueden predecir hasta cinco pasos futuros de los peatones dentro de 2 m.