Avances en sistemas de movilidad personal conectados y aumentados por aprendizaje automático

Abstract

La tesis doctoral titulada "Avances en sistemas de movilidad personal conectados y aumentados por aprendizaje automático", se centra en el desarrollo de las tecnologías necesarias para la integración de los vehículos de movilidad personal (VMP), como patinetes y bicicletas eléctricas, en el ecosistema de las ciudades inteligentes y movilidad conectada. Se argumenta que la creciente popularidad de estos vehículos exige soluciones que permitan su conexión con la infraestructura de las ciudades inteligentes para así mejorar la seguridad vial, la eficiencia del tráfico y la experiencia del usuario.

Uno de los principales desafíos abarcados en la tesis es la limitación en cuanto a consumo de energía, capacidad de procesamiento, soporte de dispositivos periféricos que presentan estos vehículos ligeros y reducido coste de los mismo. Para abordarlo, la tesis explora el uso de tecnologías de comunicación de bajo consumo, como LPWAN, y el paradigma de aprendizaje automático embebido "TinyML", que permite la ejecución de algoritmos de aprendizaje automático en dispositivos con recursos muy limitados.

La tesis describe el diseño, desarrollo y evaluación de una unidad de a bordo (OBU) ligera y de bajo consumo, equipada con sensores y diferentes opciones de comunicación, incluyendo LoRaWAN y NB-IoT. Esta OBU permite a los VMP conectarse a la infraestructura de la ciudad inteligente y acceder a servicios online, e implementar funcionalidades novedosas e inteligentes, siendo la detección de caídas, la selección dinámica de la interfaz de red inalámbrica y la recopilación de datos ambientales los casos de uso demostrados en el trabajo de esta tesis.

Los resultados de la tesis demuestran la viabilidad de integrar VMP en entornos de ciudades inteligentes utilizando tecnologías innovadoras respetando un bajo coste y consumo, puntos importantes para la viabilidad de la adopción de los desarrollos presentados. La OBU desarrollada permite la implementación de servicios que mejoran la seguridad del usuario y se realizan implementaciones durante el trabajo de la tesis, demostrando la viabilidad de las mismas de algunas pruebas de concepto propuestas, como la detección de caídas, y la optimización inteligante del uso de las comunicaciones según consumos y otros parámetros dinámicos.

En resumen, la tesis de presentada propone una solución tecnológica innovadora para integrar los VMP en las ciudades inteligentes y el desarrollo de unidades embarcadas embebidas de muy bajo coste y consumo. A través de la combinación de tecnologías de comunicación de bajo consumo y algoritmos de aprendizaje automático, se habilita un nuevo ecosistema de movilidad urbana más seguro, eficiente y sostenible.

The PhD thesis entitled "Advances in connected and machine learning-augmented personal mobility systems" focuses on the enabling technologies needed to the integration of personal mobility vehicles (PMVs), such as scooters and electric bikes, into the ecosystem of smart cities and connected mobility. It argues that the growing popularity of these vehicles calls for solutions that enable their connection to smart city infrastructure in order to improve road safety, traffic efficiency and user experience.

One of the main challenges covered in the thesis is the limited power consumption, processing capacity, peripheral device integration and low cost of these lightweight vehicles. To address this, the thesis explores the use of low-power communication technologies, such as LPWAN, and the embedded machine learning paradigm "TinyML", which allows the execution of machine learning algorithms on devices with very limited resources.

The thesis describes the design, development and evaluation of a lightweight, low-power on-board unit (OBU) equipped with sensors and different communication options, including LoRaWAN and NB-IoT. This OBU enables PMVs to connect to smart city infrastructure and access online services, and to implement novel and intelligent functionalities, with fall detection, dynamic wireless network interface selection and environmental data collection being the use cases demonstrated within the work of this thesis.

The results of the thesis demonstrate the feasibility of integrating VMP in smart city environments using innovative technologies while respecting low cost and consumption, important points for the viability of the adoption of the developments presented. The developed OBU allows the implementation of services that improve user security and implementations are carried out during the work of the thesis, demonstrating the feasibility of some proposed proofs of concept, such as the detection of falls, and the intelligent optimisation of the use of communications according to consumption and other dynamic parameters.

In summary, the presented thesis proposes an innovative technological solution to integrate PMVs in smart cities and the development of very low cost and low power consumption embedded on-board units. Through the combination of low-power communication technologies and machine learning algorithms, a new, safer, more efficient and sustainable urban mobility ecosystem is enabled.