Avançando no planejamento urbano e na integração de veículos autônomos através de modelos em escala
DOI:
https://doi.org/10.5902/2179460X86771Palavras-chave:
Veículos autônomos, Planejamento urbano, Modelos em escalaResumo
No cenário em constante evolução do planejamento urbano e dos transportes, a integração de veículos autônomos (AVs) no ambiente urbano apresenta uma oportunidade transformadora. Este artigo explora o potencial de modelos em escala no avanço do planejamento urbano e na integração dos AVs, destacando a intrincada interdependência dos sistemas de transporte, planejamento urbano e fatores socioeconômicos. O surgimento dos AVs promete eficiência, segurança e sustentabilidade ambiental sem paralelos na mobilidade urbana. No entanto, a integração bem-sucedida deles necessita de um planejamento meticuloso e de um entendimento abrangente da paisagem urbana. Modelos em escala oferecem uma plataforma dinâmica para planejadores urbanos e formuladores de políticas simularem, avaliarem e criarem estratégias para a incorporação dos AVs nas cidades, possibilitando a visualização de mudanças potenciais e a formulação de estratégias de desenvolvimento sustentáveis e equitativas. Apesar das perspectivas promissoras dos modelos em escala, desafios como a precisão e a simplificação de dinâmicas urbanas complexas persistem. Abordar esses desafios é crucial para superar a lacuna entre experimentos com modelos em escala e as complexidades urbanas do mundo real. Ao aproveitar o poder dos modelos em escala, este artigo visa aprofundar nosso entendimento da interação entre AVs e ambientes urbanos e as estratégias de sua integração, marcando um passo significativo em direção a cidades mais inteligentes, seguras e sustentáveis.
Downloads
Referências
Ahn, H., Rizzi, A., Colombo, A., & Del Vecchio, D. (2015). Experimental testing of a semi-autonomous multi-vehicle collision avoidance algorithm at an intersection testbed. IEEE International Conference on Intelligent Robots and Systems, 2015-December, 4834–4839. https://doi.org/10.1109/IROS.2015.7354056
Andert, E., Khayatian, M., & Shrivastava, A. (2017). Crossroads: Time-Sensitive Autonomous Intersection Management Technique. Proceedings - Design Automation Conference, Part 128280. https://doi.org/10.1145/3061639.3062221
Anindyaguna, K., Basjaruddin, N. C., & Saefudin, D. (2016). Overtaking assistant system (OAS) with fuzzy logic method using camera sensor. 2016 2nd International Conference of Industrial, Mechanical, Electrical, and Chemical Engineering, ICIMECE 2016, 89–94. https://doi.org/10.1109/ICIMECE.2016.7910420
Bae, I., Moon, J., Park, H., Kim, J. H., & Kim, S. (2013). Path generation and tracking based on a Bézier curve for a steering rate controller of autonomous vehicles. IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC, 436–441. https://doi.org/10.1109/ITSC.2013.6728270
Banister, D. (2008). The sustainable mobility paradigm. Transport Policy, 15(2), 73–80. https://doi.org/10.1016/j.tranpol.2007.10.005
Bellomo, N., Piccoli, B., & Tosin, A. (2012). Modeling crowd dynamics from a complex system viewpoint. Mathematical Models and Methods in Applied Sciences, 22(supp02), 1230004. https://doi.org/10.1142/S0218202512300049
Bettencourt, L. M. A. (2020). Urban growth and the emergent statistics of cities. Science Advances, 6(34). https://doi.org/10.1126/sciadv.aat8812
Betz, J., Zheng, H., Liniger, A., Rosolia, U., Karle, P., Behl, M., Krovi, V., & Mangharam, R. (2022). Autonomous Vehicles on the Edge: A Survey on Autonomous Vehicle Racing. IEEE Open Journal of Intelligent Transportation Systems, 3, 458–488. https://doi.org/10.1109/ojits.2022.3181510
Caleffi, F., Rodrigues, L. da S., Stamboroski, J. da S., Rorig, B. V., Santos, M. M. C. dos, Zuchetto, V., & Raguzzoni, Í. B. (2023). A systematic review of hardware technologies for small-scale self-driving cars. Ciência e Natura, 45(esp. 1), 84071. https://doi.org/10.5902/2179460X84071
Eckelman, M. J. (2013). Life cycle assessment in support of sustainable transportation. Environmental Research Letters, 8(2), 021004. https://doi.org/10.1088/1748-9326/8/2/021004
Fagnant, D. J., & Kockelman, K. (2015). Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations. Transportation Research Part A: Policy and Practice, 77, 167–181. https://doi.org/10.1016/J.TRA.2015.04.003
Filho, E. V., Guedes, N., Vieira, B., Mestre, M., Severino, R., Gonçalves, B., Koubaa, A., & Tovar, E. (2020). Towards a Cooperative Robotic Platooning Testbed. 2020 IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC), 332–337. https://doi.org/10.1109/ICARSC49921.2020.9096132
Gao, C., Li, Z., Zhao, Y., Zhu, Z., & Jia, Z. (2022). Design of a Scaled-car Platform for Extreme Driving Conditions. 2022 International Conference on Advanced Robotics and Mechatronics (ICARM), 743–747. https://doi.org/10.1109/ICARM54641.2022.9959231
Garcia‐Dorado, I., G. Aliaga, D., & V. Ukkusuri, S. (2014). Designing large‐scale interactive traffic animations for urban modeling. Computer Graphics Forum, 33(2), 411–420. https://doi.org/10.1111/cgf.12329
Hamzah, M. S., Fadillah, N., Maulana, D. W., Joni, I. M., Panatarani, C., & Faizal, F. (2022). Development of Single-board Computer-based Self-Driving Car Model using CNN-Controlled RC Car. Proceedings of the International Conference on Electronics and Renewable Systems, ICEARS 2022, 1805–1812. https://doi.org/10.1109/ICEARS53579.2022.9751873
Hossain, S., Doukhi, O., Jo, Y., & Lee, D. J. (2020). Deep Reinforcement Learning-based ROS-Controlled RC Car for Autonomous Path Exploration in the Unknown Environment. International Conference on Control, Automation and Systems, 2020-October, 1231–1236. https://doi.org/10.23919/ICCAS50221.2020.9268370
Hussain, R., & Zeadally, S. (2019). Autonomous Cars: Research Results, Issues, and Future Challenges. IEEE Communications Surveys and Tutorials, 21(2), 1275–1313. https://doi.org/10.1109/COMST.2018.2869360
Hyldmar, N., He, Y., & Prorok, A. (2019). A Fleet of Miniature Cars for Experiments in Cooperative Driving. 2019 International Conference on Robotics and Automation (ICRA), 3238–3244. https://doi.org/10.1109/ICRA.2019.8794445
Jahoda, P., Cech, J., & Matas, J. (2020). Autonomous Car Chasing. 16th European Conference on Computer Vision, ECCV 2020, 337–352. https://doi.org/10.1007/978-3-030-66823-5_20
Kannapiran, S., & Berman, S. (2020). Go-CHART: A miniature remotely accessible self-driving car robot. IEEE International Conference on Intelligent Robots and Systems, 2265–2272. https://doi.org/10.1109/IROS45743.2020.9341770
Kee, C. Y., Chua, C., Zubair, M., & Ang, L. K. (2022). Fractional modeling of urban growth with memory effects. Chaos: An Interdisciplinary Journal of Nonlinear Science, 32(8). https://doi.org/10.1063/5.0085933
Kim, J., Schwartz, M., & Zarzycki, A. (2016). The Wave of Autonomous Mobility:Architecture Facilitating Indoor Autonomous Navigation. Proceedings of the 34th ECAADe Conference - Volume 1, University of Oulu, Oulu, Finland, 53–58. https://doi.org/10.52842/conf.ecaade.2016.1.053
Koopman, P., & Wagner, M. (2017). Autonomous Vehicle Safety: An Interdisciplinary Challenge. IEEE Intelligent Transportation Systems Magazine, 9(1), 90–96. https://doi.org/10.1109/MITS.2016.2583491
Li, N., Oyler, D. W., Zhang, M., Yildiz, Y., Kolmanovsky, I., & Girard, A. R. (2018). Game Theoretic Modeling of Driver and Vehicle Interactions for Verification and Validation of Autonomous Vehicle Control Systems. IEEE Transactions on Control Systems Technology, 26(5), 1782–1797. https://doi.org/10.1109/TCST.2017.2723574
Litman, T. (2023). Autonomous Vehicle Implementation Predictions: Implications for Transport Planning. Victoria Transport Policy Institute. Retrieved from Https://Www.Vtpi.Org/Avip.Pdf.
Mozaffari, S., Al-Jarrah, O. Y., Dianati, M., Jennings, P., & Mouzakitis, A. (2022). Deep Learning-Based Vehicle Behavior Prediction for Autonomous Driving Applications: A Review. IEEE Transactions on Intelligent Transportation Systems, 23(1), 33–47. https://doi.org/10.1109/TITS.2020.3012034
Muraleedharan, A., Okuda, H., & Suzuki, T. (2022). Real-Time Implementation of Randomized Model Predictive Control for Autonomous Driving. IEEE Transactions on Intelligent Vehicles, 7(1), 11–20. https://doi.org/10.1109/TIV.2021.3062730
Narazani, M., Eghtebas, C., Jenney, S. L., & Mühlhaus, M. (2019). Tangible urban models: two-way interaction through 3D printed conductive tangibles and AR for urban planning. Adjunct Proceedings of the 2019 ACM International Joint Conference on Pervasive and Ubiquitous Computing and Proceedings of the 2019 ACM International Symposium on Wearable Computers, 320–323. https://doi.org/10.1145/3341162.3343810
O’Kelly, M., Sukhil, V., Abbas, H., Harkins, J., Kao, C., Pant, Y. V., Mangharam, R., Agarwal, D., Behl, M., Burgio, P., & Bertogna, M. (2019). F1/10: An Open-Source Autonomous Cyber-Physical Platform. http://arxiv.org/abs/1901.08567
O’Kelly, M., Zheng, H., Karthik, D., & ... (2020). F1TENTH: An Open-source Evaluation Environment for Continuous Control and Reinforcement Learning. Machine Learning Research, 123, 77–89. http://proceedings.mlr.press/v123/o-kelly20a.html
Raza, A., Zhong, M., & Safdar, M. (2022). Evaluating Locational Preference of Urban Activities with the Time-Dependent Accessibility Using Integrated Spatial Economic Models. International Journal of Environmental Research and Public Health, 19(14), 8317. https://doi.org/10.3390/ijerph19148317
Sweeting, W. J., & Winfield, P. H. (2012). Future transportation: Lifetime considerations and framework for sustainability assessment. Energy Policy, 51, 927–938. https://doi.org/10.1016/j.enpol.2012.09.055
Verma, A., Bagkar, S., Allam, N. V. S., & Raman, A. (2021). Implementation and Validation of Behavior Cloning using Scaled Vehicles. SAE Technical Papers 2021. https://doi.org/10.4271/2021-01-0248
Williams, G., Goldfain, B., Drews, P., Rehg, J. M., & Theodorou, E. A. (2018). Best Response Model Predictive Control for Agile Interactions between Autonomous Ground Vehicles. Proceedings - IEEE International Conference on Robotics and Automation, 2403–2410. https://doi.org/10.1109/ICRA.2018.8462831
Xu, Z., Zhang, K., Min, H., Wang, Z., Zhao, X., & Liu, P. (2018). What drives people to accept automated vehicles? Findings from a field experiment. Transportation Research Part C: Emerging Technologies, 95, 320–334. https://doi.org/10.1016/J.TRC.2018.07.024
Zhang, T., Tao, D., Qu, X., Zhang, X., Lin, R., & Zhang, W. (2019). The roles of initial trust and perceived risk in public’s acceptance of automated vehicles. Transportation Research Part C: Emerging Technologies, 98, 207–220. https://doi.org/10.1016/J.TRC.2018.11.018
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Ciência e Natura
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Para acessar a DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE E CESSÃO DE DIREITOS AUTORAIS clique aqui.
Diretrizes Éticas para Publicação de Revistas
A revista Ciência e Natura está empenhada em garantir a ética na publicação e na qualidade dos artigos.
A conformidade com padrões de comportamento ético é, portanto, esperada de todas as partes envolvidas: Autores, Editores e Revisores.
Em particular,
Autores: Os Autores devem apresentar uma discussão objetiva sobre a importância do trabalho de pesquisa, bem como detalhes e referências suficientes para permitir que outros reproduzam as experiências. Declarações fraudulentas ou intencionalmente incorretas constituem comportamento antiético e são inaceitáveis. Artigos de Revisão também devem ser objetivos, abrangentes e relatos precisos do estado da arte. Os Autores devem assegurar que seu trabalho é uma obra totalmente original, e se o trabalho e / ou palavras de outros têm sido utilizadas, isso tem sido devidamente reconhecido. O plágio em todas as suas formas constitui um comportamento publicitário não ético e é inaceitável. Submeter o mesmo manuscrito a mais de um jornal simultaneamente constitui um comportamento publicitário não ético e é inaceitável. Os Autores não devem submeter artigos que descrevam essencialmente a mesma pesquisa a mais de uma revista. O Autor correspondente deve garantir que haja um consenso total de todos os Co-autores na aprovação da versão final do artigo e sua submissão para publicação.
Editores: Os Editores devem avaliar manuscritos exclusivamente com base no seu mérito acadêmico. Um Editor não deve usar informações não publicadas na própria pesquisa do Editor sem o consentimento expresso por escrito do Autor. Os Editores devem tomar medidas de resposta razoável quando tiverem sido apresentadas queixas éticas relativas a um manuscrito submetido ou publicado.
Revisores: Todos os manuscritos recebidos para revisão devem ser tratados como documentos confidenciais. As informações ou ideias privilegiadas obtidas através da análise por pares devem ser mantidas confidenciais e não utilizadas para vantagens pessoais. As revisões devem ser conduzidas objetivamente e as observações devem ser formuladas claramente com argumentos de apoio, de modo que os Autores possam usá-los para melhorar o artigo. Qualquer Revisor selecionado que se sinta desqualificado para rever a pesquisa relatada em um manuscrito ou sabe que sua rápida revisão será impossível deve notificar o Editor e desculpar-se do processo de revisão. Os Revisores não devem considerar manuscritos nos quais tenham conflitos de interesse resultantes de relacionamentos ou conexões competitivas, colaborativas ou outras conexões com qualquer dos autores, empresas ou instituições conectadas aos documentos.
