Estimación De La Autonomía De Un Vehículo Eléctrico Según El Estilo De Conducción

Álvarez, Alberto Díaz; García, Fernando Herraiz; Catalán, José Javier Anaya; Alonso, Fernando; Hernández, José Eugenio Naranjo

doi:10.6036/7199

Cited by 1 publication

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Si los ordenadores operan sobre símbolos sin comprender el verdadero contenido de éstos, ¿hasta qué punto los humanos lo hacen de forma diferente?. 5 El AI Winter no sólo se produjo por el efecto gurú del libro Perceptrons, aunque éste fue la gota que colmó el vaso.…”

Section: De Inteligencia Artificial a Inteligencia Computacionalunclassified

“…Cada una de las neuronas deberá tener una entrada de bias, por lo que tendremos también un vector columna b l que los representará. La salida s l de esa capa será un vector columna que se obtendrá a partir de la ecuación 2.5: 5) error en redes neuronales artificiales: error y coste, que en la literatura se denominan loss y cost respectivamente. El primero se refiere al error existente entre la salida de la red neuronal artificial y la salida esperada de un ejemplo en concreto, mientras que el segundo se refiere al error sobre todo el conjunto de entrenamiento.…”

Section: Perceptrones Multicapaunclassified

“…Índice alfabético 47, 57, 64-68, 70, 71, 73, 82 clustering, 14, 21, 72, 84 conjunto borroso, 31, 32, 34-37, 71, 72, 88-91, 95 1,2,61,69,70,126,131 KITTI,85 lógica borrosa,9,11,[30][31][32][33][34][35]38,[70][71][72]XIII,XV,5,6,48,[63][64][65][66][67][68]70,71,[77][78][79]82,84,85,109,115,65 latent dirichlet model,72 LiDAR,79,80,84,106,108,115,124,125,130, 5,52,53,…”

Section: Visión General De Rosmentioning

confidence: 99%

See 2 more Smart Citations

Modelado de comportamiento de conductores con técnicas de Inteligencia Computacional

Álvarez¹

View full text Add to dashboard Cite

El tráfico por carretera es un sistema complejo cuyo estudio requiere la inmersión en el sistema físico o bien su simulación. Si el objetivo es abarcar el mayor número posible de casos abstrayéndose de los límites de la realidad física, la opción es el uso de micro-simuladores. En general, este tipo de simuladores están basados en arquitecturas de Sistemas Multiagente (MASs, Multiagent Systems) donde cada elemento es modelado individualmente. El incremento de los recursos computacionales nos permite aumentar la complejidad de las simulaciones, pero los agentes que modelan a los conductores se suelen basar en funciones simplificadas de su comportamiento real. Esto provoca que dichos modelos se adapten poco al comportamiento de un conductor en concreto.Por otro lado, estamos viviendo una época donde los avances de la Inteligencia Computacional (CI, Computational Intelligence) en predicción, clasificación y modelización están siendo abrumadores. Esto hace pensar que la aplicación de estas técnicas en "agentes conductores" pueda hacer que se comporten "mejor" (en el sentido "más humano"), permitiendo un mejor análisis del tráfico y sus componentes.Esta tesis explora cómo la inteligencia computacional, aplicada a la modelización de conductores, puede mejorar las simulaciones de tráfico, en el sentido de hacer más reales sus resultados. Concretamente, se centra en técnicas basadas en Redes Neuronales Artificiales (ANNs, Artificial Neural Networks) y Sistemas De Control Borroso (FCSs, Fuzzy Control Systems) para estudiar cómo se comportan las diferentes técnicas al reproducir comportamientos humanos en micro-simuladores a partir de datos reales.El estudio se centra en dos características existentes en este tipo de simulaciones: el comportamiento longitudinal y el control lateral (cambio de carril). Se concluye que las técnicas basadas en redes neuronales artificiales son claramente superiores a la hora de modelar el comportamiento en estas tareas, y dentro de ellas, las Redes Convolucionales (CNNs, Convolutional Neural Networks) son idóneas frente a los Perceptrones Multicapa (MLPs, Multilayer Perceptrons) interpretando el entorno del vehículo.Las implicaciones de estos resultados son variadas. Aún con las limitaciones que nos imponen los microsimuladores, es posible modelar estos dos comportamientos a partir de datos reales con precisión suficiente como para decir que los agentes se comportan de manera más humana. Además, estos comportamientos son dependientes de los perfiles de conductor que se utilizaron como referencia para obtener los datos, por lo que es posible su uso no sólo para modelar comportamiento más humanos, sino para evaluar determinados perfiles dentro de escenarios.

show abstract

Section: De Inteligencia Artificial a Inteligencia Computacionalunclassified

Section: Perceptrones Multicapaunclassified

Section: Visión General De Rosmentioning

confidence: 99%

See 1 more Smart Citation

Modelado de comportamiento de conductores con técnicas de Inteligencia Computacional

Álvarez¹

View full text Add to dashboard Cite

show abstract

Estimación De La Autonomía De Un Vehículo Eléctrico Según El Estilo De Conducción

Cited by 1 publication

References 0 publications

Modelado de comportamiento de conductores con técnicas de Inteligencia Computacional

Modelado de comportamiento de conductores con técnicas de Inteligencia Computacional

Contact Info

Product

Resources

About