Adaptive Cruise Control Proattivo Basato su Vehicle Digital Twin e Automa Ibrido

I sistemi Adaptive Cruise Control (ACC) tradizionali sono reattivi e soffrono di limitazioni note, come reazioni tardive in scenari critici o frenate brusche che penalizzano il comfort del conducente. Mentre i sistemi predittivi (MPC) hanno un elevato costo computazionale. L'obiettivo di questa tesi è lo studio e la validazione di un sistema ACC proattivo per superare tali limiti, basando le decisioni non solo sullo stato attuale, ma anche sull'evoluzione futura predetta dell'ambiente. L'architettura proposta si fonda sull'integrazione di tre paradigmi: Vehicle Digital Twin (VDT), stima non lineare tramite Unscented Kalman Filter (UKF) e controllo formale tramite Automa Ibrido. Il sistema è implementato e testato in CARLA. Il VDT replica lo stato del veicolo basandosi esclusivamente sui dati di sensori virtuali rumorosi (GNSS, IMU, RADAR).Il filtro UKF è impiegato per fondere i dati sensoriali, ricostruire uno stato robusto e propagare una predizione affidabile dello stato futuro. La logica decisionale è affidata a un automa ibrido che, valutando un Time-to-Collision (TTC) combinato (attuale e predetto), gestisce le modalità operative del veicolo, permettendo interventi graduali. La validazione è stata condotta tramite quattro scenari di test. L'analisi comparativa tra il sistema con e senza filtro ha dimostrato il ruolo critico dell'UKF. Senza di esso, il rumore dei sensori rende il TTC inutilizzabile, causando instabilità, "chattering" (continue commutazioni di stato) e un controllo inaffidabile. L'integrazione dell'UKF si è rivelata un componente necessario, trasformando i segnali caotici in una stima stabile. Il VDT proattivo risultante anticipa le manovre, garantendo decelerazioni fluide e confortevoli, dimostrando l'efficacia dell'architettura nell'incrementare l'intelligenza e la sicurezza ADAS.