Resumen de Vehicular sensor networks for traffic flow recontruction
Vehicular sensor networks for traffic flow reconstruction.
Esta Tesis Doctoral versa sobre la caracterización del flujo de tráfico utilizando datos proporcionados por una pequen a fracción de los vehículos que conforman dicho flujo. Se propone una red ad-hoc inalámbrica formada por una fracción de los vehículos, los vehículos sonda o sensores, que periódicamente recogen su posición y velocidad. Estos vehículos, junto a encaminadores próximos a la calzada (Road Side Units, RSU) componen la Red de Sensores Vehiculares (Vehicular Sensor Network, VSN). Los datos recuperados son organizados en una malla espacio temporal desestructurada, como un subconjunto disperso de un diagrama tiempo-espacio microscópico. Finalmente, se construye un campo de espacio-tiempo-velocidad (STV field) mediante una técnica de interpolación. Para ello, se han utilizado modelos de tráfico microscópicos de dinámica transversal y longitudinal para replicar las características no lineales del flujo de tráfico, en situaciones representativas a lo largo de varios experimentos. Para obtener perdidas de paquete realistas en la VSN, se han simulado los enlaces de la red inalámbrica multisalto con un modelo del nivel físico del estándar IEEE WAVE (Wireless Access in Vehicular Environment), que es el IEEE 802.11 p. Se ha utilizado, por primera vez en el contexto del flujo de tráfico, una interpolación basada en la generación de una Red Irregular de Triángulos. Adicionalmente, mediante técnicas de optimización discreta, se han identificado las regiones espacio temporales (celdas) más relevantes para la reconstrucción del campo STV, así como la relación de dichas celdas con el flujo de tráfico y la ocurrencia de los vehículos sensores. Finalmente, se he deducido un diagrama densidad-flujo local utilizando los datos proporcionados por los vehículos sensores que transcurren por las celdas así seleccionadas. Esta tesis doctoral concluye que: 1) Para configuraciones relevantes de vehículos sensores y densidades de RSUs, las prestaciones de la red inalámbrica multisalto no afectan de forma crítica al error de reconstrucción del campo espacio temporal de velocidades; 2) las prestaciones de la red inalámbrica multisalto si se ven afectadas por las condiciones de tráfico, pero solo marginalmente; 3) el campo espacio temporal de velocidades puede recuperarse con un error mínimo, en cualquier condición de tráfico, para una fracción de vehículos sensores (FSV) tan pequeña como un 9%. Esta fracción puede ser aún más pequeña en tráfico congestionado. 4) Para el mencionado FSV, la probabilidad de que al menos un vehículo sensor pase por las regiones más relevantes para la reconstrucción del STV, tiende abruptamente a 1. 5) Además en las condiciones de trafico adecuadas, es posible representar un diagrama flujo-densidad que captura las transiciones entre regímenes de tráfico, desde solamente un FSV del 3%. Por lo tanto una selección aleatoria y dispersa de vehículos sensores imbuidos en un flujo de tráfico físicamente realista, junto a las herramientas de interpolación y análisis espacio-temporal adecuadas, es suficiente para conseguir una reconstrucción fiel del flujo de tráfico en cualquier situación.
