|
Abstract:
|
O aumento dos preços de combustíveis fósseis e o impacto ambiental gerado pela queima desses combustíveis têm incentivado consumidores e fabricantes de automóveis a buscar soluções que promovam eficiência energética. Uma abordagem eficaz para a economia de combustível é a prática de ajuste de condução, uma vez que o comportamento do condutor impacta diretamente no consumo. Sendo assim, indicadores de eficiência, como o consumo instantâneo ou o "econômetro", comuns em veículos modernos, são utilizados pelos motoristas para auxiliar em uma condução mais econômica, porém, essas abordagens são limitadas por considerarem apenas parâmetros instantâneos e por não fornecerem orientações diretas ao motorista. Nesse contexto, a integração de dados como velocidade e aceleração do veículo, combinada com algoritmos de inteligência artificial, amplia a complexidade e o potencial de redução de consumo proporcionado por esses sistemas. Considerando isso, apresenta-se neste trabalho um Advanced Driving Assistance System (ADAS - Sistema Avançado de Assistência à Condução) para recomendar ações de aceleração e desaceleração ao condutor com objetivo de elevar a eficiência energética. Para tanto, utilizou-se de um modelo de aprendizado por reforço, treinado com dados coletados de um veículo de passeio em condições reais, integrado a uma Interface Homem Máquina (IHM) que fornece as instruções a fim de validar a redução obtida por esse modelo em ambiente simulado. Como resultado, o sistema embarcado foi capaz de sugerir diferentes ações ao motorista a cada trecho, e, ao fim do percurso, no melhor caso de teste, obter um aumento de 14,01% de eficiência quando comparado ao desempenho do veículo sem o uso do ADAS. |
