El Centro de Investigación de Seguridad Colaborativa de Toyota anuncia quince nuevos proyectos de investigación para avanzar en la seguridad de la industria automotriz

Título del proyecto

Colaborador

Pregunta de investigación

Descripción general

Centrado en las personas

Factores humanos de la conducción longitudinal de vehículos en principiantes

Universidad de Michigan - Dearborn

¿Cómo pueden integrarse diversas funciones de velocidad del vehículo (por ejemplo, crucero adaptativo, asistencia proactiva a la conducción, vehículos de batería eléctrica de un solo pedal) para mejorar la seguridad y el confort del cliente?

Los investigadores tienen previsto utilizar una combinación de herramientas psicológicas, experimentos con simuladores de conducción y pruebas de prototipos para crear nuevas directrices de diseño que mejoren la experiencia del cliente.

Educación del cliente e incorporación de sistemas de asistencia al conductor

Universidad de Iowa

¿Cómo puede integrarse la información que se da a los conductores sobre sus responsabilidades, en el uso de los sistemas de asistencia a la conducción, en los distintos procesos de educación e incorporación de los consumidores, para contribuir a un uso seguro y eficiente?

Los investigadores utilizarán experimentos con simuladores de conducción para probar la eficacia de múltiples enfoques de educación del consumidor impartidos en el punto de compra, después de las actualizaciones con programación inalámbrica, o en tiempo real.

Permitir al conductor anticiparse a los límites de automatización de la conducción de la L2

Universidad de Wisconsin

¿Cómo afectan las diferentes limitaciones de Nivel 2 impuestas por la SAE (Sociedad de Ingenieros Automotrices) a la confianza de los conductores y a la comprensión de la funcionalidad del sistema?

Los investigadores desarrollarán un marco de diseño en torno a los métodos estándar ISO existentes para proporcionar a los conductores formas de anticipar cuándo puede producirse un evento relevante para la seguridad. Este proyecto se centrará en las interfaces hombre-máquina que permitan esta anticipación.

Análisis histórico de los datos de distracción cognitiva

MIT-AgeLab

¿Cuáles son los efectos de la distracción cognitiva en entornos naturalistas (mundo real)?

Aprovechando más de 10 años de investigación sobre la distracción del conductor por el CSRC y el MIT AgeLab, los investigadores explorarán los datos experimentales existentes en la vía pública, para obtener nuevos conocimientos sobre la distracción "cognitiva" (por ejemplo, no visual) teniendo en cuenta las últimas perspectivas científicas.

Incorporación de las motivaciones de viaje del conductor a la predicción y prevención de la conducción de riesgo

Touchstone Evaluations, Inc.

¿Se pueden utilizar los objetivos y tipos de viaje de los conductores para predecir y prevenir los comportamientos de riesgo al volante?

Los investigadores analizarán datos de conducción naturalistas (del mundo real) para clasificar los objetivos y tipos de viaje e incorporarlos a nuevos algoritmos de predicción para ayudar en las contramedidas de prevención de la conducción de riesgo.

Gestión del estado del conductor mediante intervenciones de seguridad conductual

Touchstone Evaluations, Inc.

¿Pueden reducirse las conductas o condiciones negativas de un conductor mediante intervenciones conductuales?

Los investigadores llevarán a cabo dos estudios en los que se evaluarán las formas de reducir las combinaciones de condiciones negativas del conductor, como el estrés o la distracción, para orientar el desarrollo de mensajes e información al conductor con el fin de mejorar su experiencia y la toma de decisiones seguras.

Garantía de seguridad

Situaciones de colisión a alta velocidad y eficacia del frenado automático de emergencia (AEB, por sus siglas en inglés)

Instituto de Investigación del Transporte de la Universidad de Michigan (UMTRI, por sus siglas en inglés)

¿Cuán eficaces son los actuales sistemas de frenado automático de emergencia (AEB) en las colisiones típicas a alta velocidad en EE. UU., y cómo podrían mejorarse?

Los investigadores utilizarán un análisis en profundidad de los datos de colisiones a alta velocidad de las bases de datos existentes en EE. UU. para estimar el rendimiento en el mundo real de los sistemas AEB, para guiar el futuro diseño del sistema y las pruebas de evaluación.

Predicción de la trayectoria de los usuarios vulnerables en la vía pública (VRU, por sus siglas en inglés)

Universidad de Purdue

Universidad de Indiana

¿Se pueden predecir con antelación los movimientos bruscos de peatones, ciclistas y otros VRU?

Utilizando datos del mundo real recopilados previamente, los investigadores aplicarán el aprendizaje automático para crear algoritmos de predicción de trayectorias a partir de cámaras, lidares, radares, sensores G y mapas de alta definición, con el fin de proporcionar herramientas para mejorar la futura tecnología de prevención de colisiones.

Microfirmas Doppler para usuarios vulnerables de la vía pública (VRU)

Universidad de Purdue

Universidad de Indiana

¿Pueden las últimas estrategias de sensores mejorar la detección de peatones, ciclistas y conductores de scooters eléctricos?

Los investigadores realizarán más de 500 mediciones Micro Doppler (MD) de 30 VRU diferentes a varias distancias y direcciones de movimiento, para estudiar métodos de reconocimiento de VRU teniendo en cuenta posibles sustitutos de prueba.

Caracterización de las colisiones relacionadas con el conductor en estado de etílico

Impact Research, LLC

¿Cuáles son las situaciones en las que los conductores y los desplazamientos están más relacionados con los accidentes y las muertes relacionadas al alcohol?

Los investigadores estudiarán los datos más recientes de las bases de datos de accidentes de EE. UU. y los informes policiales de accidentes, para cuantificar las tendencias de los conductores y los tipos de viaje, así como los efectos potenciales de la última tecnología para evitar colisiones.

Evaluación

Evaluación de lesiones de tobillo considerando la diversidad humana

Universidad de Virginia y Medicina de Michigan

¿Cómo podemos utilizar los maniquíes de prueba para predecir las diferencias en el riesgo de lesiones entre la diversa población de conductores?

Aprovechando el Modelo Humano Total para Seguridad (THUMS, por sus siglas en inglés) y una nueva herramienta desarrollada en un proyecto anterior del CSRC, los colaboradores simularán cientos de combinaciones de formas corporales y características de colisión, emparejando estas mismas condiciones con maniquíes virtuales para guiar las nuevas pruebas de evaluación de la seguridad.

Predicción de lesiones en evaluaciones virtuales de impactos laterales

Universidad de Virginia

¿Cómo pueden utilizarse los humanos digitales para evaluar la seguridad en situaciones de colisión lateral?

Los investigadores desarrollarán relaciones entre las medidas de deformación en modelos humanos, como el Modelo Humano Total para Seguridad (THUMS) de Toyota, para estandarizar un proceso de predicción de fracturas de costillas en impactos laterales para posibles evaluaciones virtuales.

Predicción de lesiones por latigazo cervical utilizando humanos digitales paramétricos

Instituto de Investigación del Transporte de la Universidad de Michigan (UMTRI, por sus siglas en inglés)

¿Cómo pueden utilizarse los humanos digitales para considerar los efectos de la diversidad de la población en las lesiones por colisión trasera?

Aprovechando los esfuerzos previos del CSRC en modelos paramétricos del cuerpo humano, los investigadores utilizarán imágenes clínicas para comprender la variación anatómica del cuello y actualizar el Modelo Humano Total para Seguridad (THUMS) de Toyota, para guiar futuras innovaciones de seguridad y evaluaciones virtuales para diversas poblaciones.

Predicción de lesiones en la columna lumbar con maniquíes de pruebas de choque

Universidad de Virginia

¿Cómo pueden mejorarse las futuras herramientas de pruebas de choque para evaluar mejor las lesiones de la columna lumbar en los accidentes?

Aprovechando los esfuerzos previos del CSRC para comprender la biomecánica de la columna lumbar, los investigadores utilizarán simulaciones digitales de humanos y maniquíes a nivel de componentes y en condiciones de colisión simuladas, para desarrollar y validar una nueva medida de predicción de lesiones de la columna lumbar para su uso en futuras evaluaciones de colisiones.

Antropometría de conductoras embarazadas para futuras evaluaciones de seguridad en colisiones

Universidad de British Columbia

¿Cómo se colocan las mujeres embarazadas mientras conducen?

Los investigadores recopilarán datos detallados en 3D sobre la forma del cuerpo y la postura de aproximadamente 500 mujeres embarazadas con asientos y cinturones de seguridad de automóviles, para comprender las áreas potenciales para futuras innovaciones de seguridad