VEHÍCULOS AUTÓNIMOS

ALMEIDA GEORGY, ALVARADO JEFFERSON,

ZAPATA WILLIAM, MOREIRA ARNOLD,

QUIROLA STEEVEN, GUALA STEVEN,
ORDOÑEZ OSWALDO, REINOZO BRYAN

UNIVERCIDAD INTERNACIONAL DEL ECUADOR, ECUADOR

GUAYAQUIL 29 DE DICIEMBRE DEL 2022

gealmeidaoc@uide.edu.ec

Abstract. Un vehículo autónomo es aquel que tiene la capacidad de imitar la

capacidad humana para el manejo en secuencia y control mientras distingue el
entorno que lo rodea. Mediante sensores electrónicos y una programación se
apoya para tomar decisiones. Las empresas automotrices han desarrollado y fa-
bricado varios sistemas que prometen ser una alternativa de solución para el trá-
fico y medio ambiente. El mundo automotriz busca siempre la seguridad, como-
didad y la eficiencia de los automotores por este motivo las empresas buscan
como tendencia social nuevos conceptos de movilidad para personas y merca-
derías. Tener más vehículos y más gente no ayuda en un progreso de crecimien-
to debido a que el espacio de carreteras es limitado. La única solución sosteni-
ble es optimizar el uso de la limitada infraestructura por medio de una alta auto-
nomía y automatización de las plataformas de movilidad. Las nuevas circuns-
tancias para la conducción automatizada, la entrega de productos sin conductor
a lugares de abastos y residencias, los taxis robotizados y el transporte público
sin conductor permitirá mantener servicios confiables e independientes a la gra-
vedad de casos de accidente de tránsito, ha tiempo que protege el riesgo para la
salud del conductor y/o los posibles pasajeros.
La movilidad inteligente constituye un aspecto muy importante de la transfor-
mación digital ya que es un gran desafío clave en todo el mundo, considerando
esencial para garantizar un transporte sostenible y seguro para la población
mundial. Se motiva la mejora de la sostenibilidad que también se extienda a las
industrias donde las movilidades de transporte inteligente contribuyen a aumen-
tar la eficiencia operativa y reducir las emisiones de CO2. Según informes de la
Unión Europea (UE) estable que más del 90% de los accidentes de tránsito se
deban a errores humanos, por ejemplo: tener una percepción errónea, tomar de-
cisiones incorrectas, distracción u otros. Existe la incapacidad de los conducto-
res humanos para percibir y tener en cuenta los factores ambientales y de la ca-
rretera más allá de su línea de visión da como resultado una operación ineficien-
te como: desperdicio de energía debido a paradas y arranques frecuentes, plani-
ficación de ruta ineficiente, desequilibrio de tráficos.

Keywords: Autónomo, transito, eficiencia.

2

1 Autonomía

En un sentido amplio, la autonomía de una maquina o sistema es la capacidad de

este para realizar una tarea definida sin intervención humana o con una intervención
mínima del humano para las tareas que asido diseñado. 1

La autonomía consiste en transferir una serie de componentes tecnológicos, la ca-

pacidad de realizar las tereas que habitualmente realiza una persona u operador, cuan-
do el sistema se automatiza se dice que adquiere autonomía, porque puede realizar por
si mismo todo o parte de la labor para la que fue creada

2 Vehículo Autónomo

Un vehículo autónomo o también denominados como robóticos o auto conducidos,

es un vehículo capaz de imitar las capacidades humanas de manejo y control, es capaz
de percibir el medio que lo envuelve y pilotar en consecuencia. El conductor podrá
elegir el destino, pero no es necesario que active alguna función mecánica del vehícu-
lo.
Los vehículos con esta autonomía perciben el entorno mediante técnicas complejas
como laser, radar, lidas, sistemas de posicionamiento global y visión computarizada.
Los sistemas de control realizan la lectura de los sensores e interpretan la información
para identificar alguna ruta apropiada, así como evadir los obstáculos y la señaliza-
ción relevante. Los vehículos autónomos generalmente tienen la capacidad de transi-
tar carreteras previamente programadas y necesitan una reproducción cartográfica del
terreno.
Es tal el puje en el desarrollo de esta área que en el mundo hay ya varios progra -
mas activos, pero para su implantación definitiva aún se requiere un ajuste de varios
aspectos derivados de la seguridad vial y en materia de seguros. Existe algunas de las
dudas que concierne a esta nueva forma de transporte donde las empresas como
GOOGLE, Daimler AG, BMW, Renault, Ford o Volvo así como Bosch o Delphi en el
área de componentes y electrónica.
 3

Figura 1 Sistema de Vehicules Autónomos

2.1 Niveles de automatización de la conducción.

Consiste en que todas o la gran mayoría de las tareas de la conducción las reali-
ce un sistema y no el conductor humano. La automatización no es necesariamente
un estado binario, si no que admite una serie de estados de grado o niveles por lo
que el sistema podrá tener más o menos autonomía. 1

Sin perjuicio del R 2019/20144 los sistemas de conducción automatizada per-

miten clasificar los vehículos de dos maneras vehículos autónomos y semiautónomos
y siguiendo un estar de niveles de automatización.
a) Vehículos autónomos/semiautónomos
Los autónomos se consideran aquellos vehículos que no necesitan un conductor
humano o solo bajo pequeñas circunstancias asimismo el vehículo puede conducir-
se el mayor tiempo posible por otro lado los semiautomáticos son todos aquellos
que tienen automatizadas algunas tareas de la conducción y solo pueden circular
automáticamente en intervalos cortos de tiempo y bajo determinadas circunstancias
por lo que se necesita de un conductor humano para retomar el control el cualquier
momento.
Los vehículos semiautomáticos tienen un bajo nivel de autonomía porque están
equipados con ADAS. Los ADAS son sistemas que monitorizan la conducción y
emplean tácticas de visión artificial para recopilar información y ayudar al conduc-
tor en su tarea, ejemplo: sistema de frenado autónomo de emergencia con detec-
ción de obstáculos, alerta de cambio de carril, sistema de detección de fatiga.

b) Estándar de niveles de automatización de la conducción

Los niveles de clasificación de autonomía de los sistemas por niveles se utilizan
en diferentes ramas de la ingeniería para representar la relación de trabajo entre
máquina y operador. El nivel inferior hace relación con el trabajo completamente
manual que es realizado completamente por el operador a medida que el sistema va
ganado más autonomía, este se encarga de realizar las tareas manuales y el opera-
dor tiene el papel de supervisar el sistema, hasta llegar e nivel máximo de autono-
mía.
La falta de sustento normativo de la conducción automatizada no existe en R
2019/2144, por tanto, no existe un estándar a alinearse por tanto coexisten diferen -
tes niveles de automatización cada uno con sus propias particularidades, pero el
más destacado es estándar j3016 elaborado por SAE.

2.2 El J3016.

En el 2914 el SAE publico el ej3016 con una actualización del 2018 con el objetivo
de armonizar criterios en el ámbito de la automatización de la conducción.

El ej3016 es una guía de recomendaciones que contiene un extenso diccionario de tér-

minos y especificaciones de la misma además contiene una clasificación de 6 niveles
4

de automatización de la conducción donde 0 es la ausencia de automatización y 5 la

automatización plena.
Para determinar el nivel de autonomía del sistema, se toma como referencia el ni-
vel de atención requerido del conductor y su nivel de intervención esta es determinada
a su vez por 4 elementos: el movimiento de vehículo, la motorización del entorno,
la capacidad de sistema para a confrontar las tareas de conducción y la conduc-
ción de respaldo.
1. Movimiento: para los vehículos existen 2 tipos de movimiento longitudi-
nal (acelerar y frenar) y otro lateral (dirección lateral del vehículo)
2. Monitorización del entorno: detección de objetos, clasificación y recono-
cimiento de estos toman de decisiones y respuesta que se implementa y
determinar eventualidades
3. Operaatitonal Desing Domain (ODD): su capacidad y autonomía va deter-
minado por su ODD, que son las condiciones específicas bajo las cuales el
sistema de automatización de conducción está diseñado. Forma parte del
ODD elementos como condiciones geográficas y ambientales, la veloci-
dad, las limitaciones temporales, el trafico etc.ivel
4. La conducción de respaldo: un vehículo automatizado está limitado por su
ODD y por su nivel de automatización. Mientras el vehículo no se en-
cuentre plenamente automatizado, es obligado la presencia de un conduc-
tor para supervisar y tomar el control cunado se requiera.

Nivel 0 Sin automatización: Cuenta con sistemas de alerta alarmas, no tiene

ningún sistema de automatización el piloto debe tener toda la concentración en
la vía. 2

Figura 2 Toyota 4Rumer 1984

Nivel 1 Asistencia a la conducción: El vehículo incluye ADAS, posee control

de velocidad crucero y sistema de mantenimiento de carril. El conductor no
puede liberar el volante ni los pedales. 2
 5

Figura 3 Ford explored 2998

Niveles 2 Automatización parcial: El conductor puede liberar el volate y los

pedales en momentos puntuales, pero aun no puede despegar la atención de la
carretera. 2

Figura 4 Kia optima 2015

Nivel 3 Automatización condicionada: El sistema puede todas las tereas de

conducción, pero el entorno debe saber ser siempre supervisado por el conduc-
tor y solo tendrá el mando cuando el conductor lo decida o le requiera. 2

Figura 5 CHEVROLET Captiva 2020

6

Nivel 4 Alta automatización: El sistema puede todas las tereas de conducción

entornos controlados y terminados, el conductor puede prestar atención en
cualquier momento si lo cree necesario, pero significa que no es necesario que
opere el vehículo. 2

Figura 6 AUDI A4 REVEW 2022

Nivel 5 Automatización Plena: El vehículo realiza todas las tereas de con-

ducción en cualquier terreo bajo cualquier circunstancia y son ningún tipo de
limitación. No requiere al conductor en ningún momento salvo a poner en
marcha e vehículo y trazar el destino. 2

Figura 7 Autónomo Tesla

Tabla 1 Diferentes niveles de conduccon autónoma dela sociedad de Ingenieros

Automotrices (SAE) definidos en el estandar SAEJ3016
 7

La toma de decisiones se basa, por tanto, en los datos extraídos del entorno en cada
momento o estado de la programación del sistema para dar respuesta a estos datos.
Para prever todas las situaciones a las que puede enfrentarse un vehículo es un obstá-
culo de más gigantes es una tarea imposible además de que todo equipo o elementos
electrónico tiene sus limitaciones por ende es muy factible fallar y en ese momento
cuando entra en juego las doctrinas entorno a la responsabilidad civil, la figura del se-
guro obligatorio de automóviles (SOA).

En base a los niveles anteriores, se sitúa un punto crítico de diferenciación entre los
Niveles 2 y 3, más concretamente, en este punto, la responsabilidad del conductor en
el vehículo. Hasta el Nivel 2, el hombre es quien controla las condiciones de la vía y
aún puede tener el control del funcionamiento del vehículo y en estado de emergen-
cia. A partir del Nivel 3, el sistema autónomo está, por lo tanto, supervisando el en -
torno vial. En este sentido, uno de los principales desafíos para realizar con éxito una
conducción altamente automatizada es el paso de SAE8Nivel 2 (automatización par-
cial) a SAE Nivel 3 (automatización condicional) y superior. Los AV pueden ofrecer
grandes desarrollos y oportunidades en la conducción y la movilidad en general, ya
que brindarán a las personas la capacidad de reducir los costos de viaje y estaciona-
miento, los accidentes viales y las emisiones, así como para transportar pasajeros que
no tienen la capacidad de conducir, reduciendo así la necesidad de utilizar los Medios
de Transporte Masivo. Según este punto de vista, los beneficios de la conducción au-
tónoma pueden ser enormes. Sin embargo, existe la visión contraria que argumenta
que los beneficios pueden no ser tan significativos como los costos de adquisición y
que la operación puede ser superior a los supuestos de las previsiones optimistas.

3 Desafios tecnicos

Impulsada por la demanda de menos accidentes y mayor seguridad vial, la industria

automotriz comenzó con la implementación de sistemas a la conducción en los
vehículos hace varios años. Estos sistemas de asistencia incluyen control de crucero
adaptativo, detección de ángulo muerto, advertencia de colisión frontal y frenado au-
tomático de emergencia, entre otros. Como sensores principales para monitorear el
8

entorno del vehículo se utilizaron cámaras 2D, en los últimos tiempos también se han
empleado cada vez más sensores RA-DAR para una mayor confiabilidad. Durante los
últimos años, se hizo cada vez más evidente que la imperfección de capturar el en-
torno del vehículo era una de las principales limitaciones, lo que a menudo provocaba
fallas en el funcionamiento del sistema o el apagado del sistema a través de la detec -
ción automática. En particular, situaciones climáticas críticas (nieve, hielo, lluvia, nie-
bla) y ciertas propiedades de los objetos puede conducir a un comportamiento poco
fiable. Además, la interferencia mutua con las unidades de sensores activos de otros
vehículos no se puede pasar por alto con la creciente penetración de los sistemas de
asistencia desplegados. 3 4

3.1 Sistemas de percepción

La eficacia de los vehículos automatizados se basa en la capacidad de percibir el en-

torno de manera segura, precisa y robusta. La percepción en el estado del arte está im-
plementada por una cadena heterogénea de componentesdcomprende un sensor, uno o
más microcontroladores, comunicaciones e infraestructura de red en el vehículo, y fi-
nalmente termina en la computadora central donde realmente se ejecutan los algorit-
mos de percepción. Con el aumento de los niveles de automatización al nivel 5 de
SAE, la percepción debe ser sólida en todas las modalidades de uso, condiciones cli-
máticas y fallas. Por ejemplo, los sensores se pueden usar en casos de uso que involu -
cran detección de objetos, clasificación, estimación de rango, detección de bordes en
condiciones de iluminación, temperaturas, niveles de visibilidad, interferencia electro-
magnética (EM) y oclusión de objetos (vehículos, muebles de carretera, etc.). Cada
una de estas tareas corresponde a una función de conducción con una criticidad de se-
guridad diferente y se lleva a cabo en condiciones operativas específicas. Inteligencia
artificial (IA)mi las técnicas basadas se aplican comúnmente en todas estas tareas. Por
ejemplo, las redes neuronales convolucionales son el estándar de facto en la detección
y el reconocimiento de objetos, y se implementan para detectar objetos como regiones
de interés 2D.9o áreas segmentadas por píxeles en las imágenes10, cuadros delimita-
dores 3D en nubes de puntos de detección de luz y alcance (LiDAR)11, así como re-
presentaciones 3D de objetos en datos combinados de cámara-LiDAR12. 3
La comprensión de la escena de conducción se obtiene con la segmentación semán-
tica mediante el etiquetado categórico de cada píxel en una imagen que representa a
los participantes del tráfico, edificios, señales de tráfico, peatones, etc. Redes de seg-
mentación semántica como SegNet2, AdaptNet13, o Máscara R-CNN14 son princi-
palmente codificadoresmiarquitecturas de decodificadores con una capa de clasifica-
ción por píxeles. De manera similar, la IA también se utiliza para mejorar la precisión
de la localización visual al influir directamente en la precisión del posicionamiento de
un hito geográfico. Los mapas de intensidad LiDAR también son adecuados para el
aprendizaje de la localización independiente de la calibración en tiempo real, al utili-
zar una red neuronal profunda para crear una representación aprendida de escenas de
conducción a partir de barridos LiDAR y mapas de intensidad15, o con escaneos láser
y una red neuronal profunda para aprender descriptores para la localización en entor-
nos urbanos y naturalesdieciséis. La IA se emplea además en el contexto de los mapas
 9

de ocupación, ya sea para la detección y el seguimiento de objetos dinámicos.17, esti-

mación probabilística del mapa de ocupación que rodea al vehículo18, o para derivar
el contexto de la escena de conducción19. Los mapas de ocupación representan un en-
torno virtual en el vehículo, integrando información perceptual en una forma más ade-
cuada para la planificación de rutas y el control de movimiento. Además, las funcio-
nes de percepción se basan en la fusión de múltiples sensores, lo que implica una mul-
titud de sensores y modalidades de sensores que trabajan al unísono.dPor ejemplo, los
vehículos Tesla están equipados con ocho cámaras, doce sensores ultrasónicos y un
radar frontal, Waymo utiliza cinco radares y ocho cámaras junto con tres sensores Li-
DAR. Esto requiere la federación de computación a lo largo de la cadena de detec -
ción y activación y la integración de funcionalidades de inteligencia cerca del sensor
mismo. La cointegración de las capacidades de comunicacióndya sea a través de enla-
ces dentro del vehículo o entre vehículos utilizando estrategias de vehículo a todo
(V2X)dpermite además que la fusión de sensores se lleve a cabo cerca del borde. Los
sistemas integrados resultantes facilitarían el aumento del contenido de los sensores
en los vehículos automatizados, mejorando así la precisión y la solidez de la percep-
ción, al mismo tiempo que mitigarían
los aumentos de ancho de banda que resultarían de un aumento tan drástico de las
fuentes de datos del vehiculo.

3.2 Sistemas de propulsión

Impulsando el desarrollo sin precedentes de trenes motrices eficientes hay factores

como las regulaciones de emisiones globales cada vez más estrictas y el cambio hacia
conceptos autónomos, conectados y de movilidad compartida. Aunque la electrifica-
ción se proyecta como una panacea para las emisiones automotrices, los sistemas de
propulsión eléctrica requieren innovaciones fundamentales en cuatro áreas distintas
antes de que puedan ingresar de manera viable a los vehículos automatizados en el pa-
radigma de la movilidad compartida. En primer lugar, la viabilidad de los vehículos
automatizados para la movilidad compartida está limitada por el rango de conducción
alcanzable. Este factor se ve directamente afectado por la eficiencia del tren motriz
eléctrico y, por lo tanto, en parte por los componentes semiconductores que lo consti-
tuyen. Esto destaca la necesidad de mejoras en la electrónica de potencia y los compo-
nentes semiconductores que forman parte del sistema de propulsión eléctrico, al mis-
mo tiempo que se abordan las limitaciones de costos. En segundo lugar, para la como-
didad y la confianza del usuario, los sistemas de propulsión deben ser capaces de
adaptar su funcionamiento sin problemas en respuesta a las condiciones de funciona-
miento cambiantes. Esto es importante para garantizar una calidad de conducción uni-
forme y uniforme e inspirar confianza en los ocupantes del vehículo. En tercer lugar,
para las flotas automatizadas en el contexto de la movilidad compartida, la operación
confiable es de vital importancia para la seguridad. Por ejemplo, las averías en el
campo pueden tener consecuencias de seguridad catastróficas que pongan en peligro a
los ocupantes del vehículo (p. ej., fallo del tren motriz en el carril de aceleración de
una autopista). En escenarios de alta disponibilidad y alto uso, los trenes motrices ne-
cesitarán un monitoreo continuo para identificar signos tempranos de desgaste o falla
10

inminente. Los vehículos marcados con una falla potencial podrían retirarse de la ca-
rretera o dirigirse a un centro de mantenimiento. Estas capacidades predictivas tam-
bién podrían usarse para controlar los tipos de caminos y las zonas de límite de velo-
cidad en las que un vehículo específico puede operar una vez que se identifica una fa -
lla. Finalmente, los paradigmas de movilidad compartida darán lugar a flotas y peloto-
nes automatizados que actúan de manera cohesiva como una sola unidad. Esto signifi-
ca que los mecanismos de control adaptativo integrados en los trenes motrices tam-
bién deberán combinarse con la infraestructura de comunicaciones V2X. Las técnicas
basadas en IA serán esenciales para ofrecer las cuatro innovaciones descritas anterior-
mente. Los trenes motrices necesitarán un monitoreo continuo para identificar los pri-
meros signos de desgaste o falla inminente. Los vehículos marcados con una falla po -
tencial podrían retirarse de la carretera o dirigirse a un centro de mantenimiento. Estas
capacidades predictivas también podrían usarse para controlar los tipos de caminos y
las zonas de límite de velocidad en las que un vehículo específico puede operar una
vez que se identifica una falla. Finalmente, los paradigmas de movilidad compartida
darán lugar a flotas y pelotones automatizados que actúan de manera cohesiva como
una sola unidad. Esto significa que los mecanismos de control adaptativo integrados
en los trenes motrices también deberán combinarse con la infraestructura de comuni-
caciones V2X. Las técnicas basadas en IA serán esenciales para ofrecer las cuatro in-
novaciones descritas anteriormente. Los trenes motrices necesitarán un monitoreo
continuo para identificar los primeros signos de desgaste o falla inminente. Los
vehículos marcados con una falla potencial podrían retirarse de la carretera o dirigirse
a un centro de mantenimiento. Estas capacidades predictivas también podrían usarse
para controlar los tipos de caminos y las zonas de límite de velocidad en las que un
vehículo específico puede operar una vez que se identifica una falla. Finalmente, los
paradigmas de movilidad compartida darán lugar a flotas y pelotones automatizados
que actúan de manera cohesiva como una sola unidad. Esto significa que los mecanis-
mos de control adaptativo integrados en los trenes motrices también deberán combi-
narse con la infraestructura de comunicaciones V2X. 5

3.3 Arquitecturas E/E estandarizadas y operativas ante fallas para vehículos

autónomos

Frente a la dura competencia de los nuevos fabricantes de equipos originales (OEM)

automotrices occidentales, las cadenas de valor europeas de componentes y sistemas
electrónicos (ECS) y automotrices se han visto obligadas a innovar agresivamente
para realizar ADF para vehículos de próxima generación. Esto conlleva el riesgo de
un desarrollo fragmentado donde, sin la definición de estándares críticos para la inte-
roperabilidad, la disponibilidad del servicio, la confiabilidad y la seguridad del usua-
rio final se ven comprometidas. AI4CSM proporcionará a las cadenas de valor euro-
peas de automoción, ECS y semiconductores un objetivo y una trayectoria comunes
para sus desarrollos en el contexto de la hoja de ruta ECA2030. A lo largo de esta tra-
yectoria, AI4CSM desarrollará y estandarizará un conjunto de conceptos de redundan-
cia de hardware y software para arquitecturas eléctricas/electrónicas (E/E) de vehícu-
los para minimizar la probabilidad de mal funcionamiento en el ADF por debajo de
 11

10E-9/h. Esta arquitectura estándar proporcionará una definición mínima común de

seguridad y eficiencia y servirá como modelo para las modalidades de su realización a
través de componentes y subsistemas en la arquitectura E/E del vehículo (p. ej., los
sensores para L5 siempre deben incluir autodiagnósticos, eficiencia de conducción la
gestión a nivel del sistema de propulsión es una función integrada dentro del controla-
dor de seguridad del tren motriz). Las arquitecturas de comunicación son una parte
importante Esta arquitectura estándar proporcionará una definición mínima común de
seguridad y eficiencia y servirá como modelo para las modalidades de su realización a
través de componentes y subsistemas en la arquitectura E/E del vehículo (p. ej., los
sensores para L5 siempre deben incluir autodiagnósticos, eficiencia de conducción la
gestión a nivel del sistema de propulsión es una función integrada dentro del controla-
dor de seguridad del tren motriz). Las arquitecturas de comunicación son una parte
importante Esta arquitectura estándar proporcionará una definición mínima común de
seguridad y eficiencia y servirá como modelo para las modalidades de su realización a
través de componentes y subsistemas en la arquitectura E/E del vehículo (p. ej., los
sensores para L5 siempre deben incluir autodiagnósticos, eficiencia de conducción la
gestión a nivel del sistema de propulsión es una función integrada dentro del controla-
dor de seguridad del tren motriz). Las arquitecturas de comunicación son una parte
importante parte del concepto de movilidad compartida conectada. El mayor conteni-
do de sensores en los vehículos y la infraestructura, junto con la automatización mejo-
rada de las funciones de conducción, requerirá el desarrollo de nuevos estándares para
tecnologías de comunicaciones seguras y de baja latencia. Dado que estas tecnologías
se integrarán en una variedad de dispositivos, es importante que el estándar de comu-
nicaciones admita diversas combinaciones de criticidad de seguridad, latencia, presu-
puesto de energía, ancho de banda de diferentes modalidades de agentes.dpor ejem-
plo, las limitaciones de un transbordador de transporte de personas con geocercas de
baja velocidad en un aeropuerto, frente a las de un vehículo en una carretera, frente a
las de una cápsula multisensor montada en una pluma estacionaria sobre una intersec-
ción. Simultáneamente, la materialización de estas tecnologías se verá influida por
factores comerciales.deficiencia, factor de forma y costo unitariodeso inevitablemente
determinará la adopción en el mercado y el éxito de las normas. Esto requerirá inno-
vaciones significativas en los semiconductores de banda base subyacentes, por ejem-
plo mediante el desarrollo de nuevas tecnologías de radio de onda milimétrica para
comunicaciones eficientes de gran ancho de banda, acompañadas de nuevos desarro-
llos de software para la gestión de interferencias y la seguridad. 6

References

1. Ignacio MFR. Vehiculos Automatizados y Seguro Abligatorio de Automóviles.; 2019.

https://books.google.com.ec/books?id=oGNGEAAAQBAJ&pg=PA37&dq=clasifica-
ción+de+los+vehículos+autónomos&hl=en&sa=X&ved=2ahUKEwj4iqSfpqD8AhXl-
QzABHcLWCm8Q6AF6BAgDEAI#v=onepage&q=clasificación de los vehículos au-
tónomos&f=false
12

2. Kathmann T, Reh D, Arlinghaus JC. Exploiting the technological capabilities of auto-

nomous vehicles as assembly items to improve assembly performance. Adv Ind Manuf
Eng. 2023;6(September 2022):100111. doi:10.1016/j.aime.2022.100111
3. Introduction : From highly automated to autonomous driving. doi:10.1016/B978-0-
323-90137-6.02001-4
4. Mamak K, Glanc J. Technology in Society Problems with the prospective connected
autonomous vehicles regulation : Finding a fair balance versus the instinct for self-pre-
servation. Technol Soc. 2022;71(September):102127. doi:10.1016/
j.techsoc.2022.102127
5. Leminen S, Rajahonka M, Wendelin R, Westerlund M. Technological Forecasting &
Social Change Autonomous vehicle solutions and their digital servitization business
models. 2022;185(October). doi:10.1016/j.techfore.2022.122070
6. Poinsignon F, Chen L, Jiang S, Gao K, Badia H, Jenelius E. Green Energy and Intelli-
gent Transportation Autonomous vehicle fl eets for public transport : scenarios and
comparisons. Green Energy Intell Transp. 2022;1(3):100019. doi:10.1016/
j.geits.2022.100019