Klogere biler redder stadig ikke fodgængere

I 2024 var der 7.080 fodgængere dræbt og mere end 71.000 såret på amerikanske veje. Cyclist-dødsfald nåede deres højeste niveau siden mindst 1980. Samlet trafikdødsfald faldt under 40.000 for første gang siden 2020. Men næsten hele denne fremgang blev nydt af køretøjsbesætningerne. Fodgængere og cyklister dør stadig i næsten historiske tal.

Denne forskel er historien. Funktioner til hjælp til kørsel har målbart reduceret dødsfald blandt køretøjsbesætninger over det sidste årti. De har ikke gjort det samme for sårbare vejbrugere, og årsagen kommer ned til synsfelt, ikke kørselsadfærd. Et køretøjsmonteret sensorpakke er begrænset af chassisets geometri. Stederne, hvor fodgængere og cyklister er mest udsatte, er præcis de steder, hvor onboard-sensorer er strukturelt svagest. Forhindrede krydsninger. Midt-overgang. Blinde hjørner. Skolezoner, hvor et barn træder mellem parkerede biler. Denne begrænsning gælder lige så meget for en menneskelig chauffør, der kigger gennem en forrude, et automatisk bremse-system, der læser en fremadrettet radar, og enhver fremtidig autonom stack, vi sætter på et køretøj.

I det meste af det sidste årti har hele samtalen om forbundne køretøjer, autonom mobilitet og by-robotik været en Vehicle-to-Everything (V2X)-samtale. Idéen er, at køretøjet taler med andre køretøjer, med vejudstyr, med fodgængeres telefoner og med netværket. Større sensorsuiter, bedre modeller, mere onboard-komputering, mere redundant – alt centreret om køretøjet selv. Denne ramme producerede reel fremgang. Den påførte også en loft på, hvad køretøjscentreret perception kan gøre for fodgængere og cyklister.

Næste fase af dette arbejde har en anden form. Lad os kalde det Infrastructure-to-Everything, eller I2X. Krydset, korridoren og den omgivende infrastruktur opfatter og forudser på vegne af, hvad der bevæger sig gennem dem. I2X er den svære halvdel af problemet. Det er også, hvor sikkerhedstilfældet endelig lukkes.

V2X har et sikkerhedsloft, og vi rammer det nu

Den køretøjscentrerede tilgang har været læselig for investorer, bilproducenter og regulatører på en måde, infrastruktur ikke har. Fremgang kan måles i sensorantal, modelparametre og frakoblingsrater. Det passer nøjagtigt ind i en præsentation. V2X-stakken er modnet derefter. cellulær V2X-standarder er reelle, vejenheder er udrullet i dusinvis af korridorer, og større bil- og teknologivirksomheder hælder seriøs kapital i samarbejdende perceptionsplatforme.

Denne kapital har produceret ægte gevinster, igen primært for køretøjsbesætninger. Den har ikke lukket gapet for sårbare vejbrugere, og forskningssamfundet er mere og mere klart om, hvorfor. En nyeste empiriske studie af V2X-samarbejdende perceptions-systemer identificerer seks gentagne fejlmodeller i single-agent autonome systemer, de fleste rodnet i den samme begrænsning: et køretøj kan ikke opfatte ud over sin synsfelt. Forhindrede krydsninger, ikke-synsfelt-krydsninger, vejrforringelse, kanttilfælde, der ikke optrådte i træningsdata. Separat forskning fokuseret på sårbare vejbrugeres sikkerhed når frem til samme konklusion fra en anden vinkel: fodgænger- og cyklistslokalisering er fejltypen, køretøjsmonterede sensorer er strukturelt dårlige til at løse.

Mere LiDAR hjælper. Mere radar hjælper. Bedre modeller hjælper. Ingen af dem ændrer den underliggende geometri. Et køretøjsmonteret sensor vil altid have synsfeltbegrænsninger, og synsfeltet bliver værre, jo højere bymæssighed der er. Stederne, hvor vi har brug for, at autonomi er sikrest, er præcis de steder, hvor køretøjscentreret perception er strukturelt svagest.

I2X flipper polariteten

Infrastructure-to-Everything starter fra en anden præmis. Vejen, krydset, korridoren og lossepladsen er ikke passive overflader, der venter på at blive opfattet. De bliver aktive intelligenslag, der opfatter, fortolker og sender betingelser udad. Et køretøj, der nærmer sig et forhindret kryds, behøver ikke at se rundt om hjørnet med sine egne sensorer. Hjørnet ser for det. En leveringsrobot, der arbejder på en fortov, behøver ikke at forudse en fodgænger bag en parkeret lastbil. Gadekrydset ved allerede, at fodgængeren er der.

Dette er den side af problemet, vi bygger på hos Surge. Vores installationer er LiDAR-kantperceptions-noder monteret på eksisterende by-infrastruktur: gadekryds, signalhoveder og tag. Ingen kameraer, ingen billeder og ingen personligt identificerbare data indsamlet på det tidspunkt, hvor opfattelsen sker. Vi kalder positioneringen “Anonym af fysik”, fordi LiDAR fanger bevægelse og geometri, ikke ansigter, nummerplader eller identitet. Udgangen er en realtidsstrøm af placering, hastighed og trajektori. Den samme strøm er nyttig for en bys trafikingeniør, en autonom køretøjsstak, en logistikrouter og en sikkerhedsforsker, alle fra ét sensorspor.

To designvalg er vigtige for sikkerhedstilfældet. Det første er, at infrastruktur-opfattelse er multi-lejer af natur. En køretøjsmonteret sensorstak er punkt-til-punkt og betjener en kunde ad gangen. En LiDAR-node på et gadekryds betjener alle køretøjer, alle droner og alle fodgænger-sikkerhedsapplikationer, der har brug for data, samtidigt. Økonomien ligner mere en celle-tårn end en oliebrønd. Det andet er, at korridor-dækningsgrad betyder mere end krydsnings-dækningsgrad. Isolerede noder er nyttige. Netværkskorridorer er forsvarlige, fordi fodgængersikkerhed, autonom køretøjs-træning og nødhjælp alle afhænger af kontinuitet, ikke snapshots.

Realtids-opfattelse er gulvet. Forudsigelse er loftet.

Den dybere mulighed er ikke realtids-laget. Realtids-opfattelse løser de åbenlyse sikkerhedssager, og det alene er værdifuldt. Den dybere låsning kommer, når AI-modeller trænes på kontinuerlig infrastruktur-data over måneder og år i stedet for episodiske snapshots, som køretøjer fanger.

Køretøjsdata er, af sin natur, sparsom og uafhængig. En bil passerer gennem et kryds et par gange om dagen på det højeste. Den ser et snit. En infrastruktur-node overvåger det samme kryds 24 timer i døgnet, hver dag, i år. Den ser den fulde fordeling. Det samme sted gennem myldretid, storm, konstruktion, afbrydelser, begivenheder og sæsonlige skift. Det er en fundamentalt anden type træningsdata, og det producerer en fundamentalt anden type model.

Da denne data akkumuleres, holder systemet op med at være reaktivt og bliver forudsigende. Gangmønsteret for en person, der er på vej til at træde af fortovet uden at se. Bremsningsprofilen for et køretøj, der er på vej til at køre over en rød. Konvergens-geometrien, der går forud for en nærmis mellem en vendende bus og en cykel i cykelstien. Disse er forløber-signaler. De er statistisk observerbare. De findes ikke i uheldsrapporter, fordi de ikke er uheld. De er forløber-tilfælde og sker ordrer af størrelse mere hyppigt end uheld selv. Uheld er statistisk sparsomme. Nærmis er overflodige. Infrastruktursystemer observerer forløberadfærd, som uhelds-databaser aldrig fanger. Et køretøj, der passerer gennem et kryds, vil aldrig se dem i størrelse. Infrastruktur, der bor på krydset, ser dem konstant.

Det er den egentlige sikkerheds-låsning. Løftet om forbundne mobilitet har altid været, at vi kunne gribe ind, før et uheld sker, ikke dokumentere det efter. Onboard-sensorer plus reaktiv køretøj-til-alt kommunikation får dig delvist dertil. En forudsigende lag, trænet på kontinuerlig, multi-modal, infrastruktur-resident data, er, hvad der får dig resten af vejen. Den samme logik gælder på energi-siden, hvor virksomheder som HEVO viser, at fuldt autonome flåder har brug for infrastruktur til at levere strøm samt perception. Forskellig domæne, samme konklusion: verden må gøre arbejde, som køretøjet ikke kan gøre alene.

En nervesystem for den urbane miljø

Når du træder tilbage fra en enkelt installation, er det, dette arbejde bygger, noget byer aldrig har haft: et nervesystem. Byer har allerede beton, stål, kraftnet og fiber. Hvad de mangler, er et lag, der opfatter, husker og forudser i realtid på tværs af den fysiske miljø.

I2X er det lag. En LiDAR-node på et gadekryds fungerer som en sansenerve. Kant-komputering opfører sig som en lokal refleks, hurtig nok til at handle uden at vente på centraliserede systemer. Over tid bygger et netværk af noder institutionel hukommelse på by-mæssig skala: hvordan krydsninger opfører sig, hvor nærmis sker, hvordan strømme ændrer sig under storme, afbrydelser, konstruktion eller nødsituationer.

Anvendelserne følger naturligt. En fodgænger-sikkerheds-advarsel i en skole-zone er en refleks. En trafik-signal-justering baseret på observeret strøm er en lært respons. En forudsigende rute-anbefaling for et nødkøretøj afhænger af både opfattelse og hukommelse. Logistik, nødhjælp, klima-resiliens og autonom køretøjs-træning bliver alle lettere, når byen kan kontinuerligt observere og lære fra sin egen drift. Pointen er ikke at tilføje flere kameraer eller dashboards. Pointen er at give den urbane miljø den evne, den altid har manglet: evnen til at opfatte, huske og reagere i realtid.

Infrastruktur ændrer økonomien for autonomi

Når intelligens-laget migrerer fra køretøjet til infrastrukturen, skifter økonomien for autonomi og by-drift på tre vigtige måder.

Først har køretøjs-hardware-kurven endelig et sted at gå. I dag bedes hver autonom køretøj om at bære hele perceptions-problemet og det meste af sikkerheds-problemet på dets chassis. Det er derfor, regnskabet for et autonomt køretøj ser ud, som det gør. Når infrastruktur leverer opfattelse over de sidste hundrede meter og forudsigelse ovenpå, bliver køretøjet lettere, billigere og lettere at godkende. Den samme logik gælder for droner, fortovs-robotter og enhver anden autonom form, der venter på, at dens enheds-økonomi skal lukke.

Anden, markedet for enhver enkelt infrastruktur-installation udvides dramatisk. En LiDAR-node på et gadekryds, der betjener en bys trafikingeniør, en national logistik-virksomhed, en autonom shuttle-operatør, en sikkerheds-forsker og en forsikrings-underwriter, er en fundamentalt anden aktiv end en sensor, der betjener en lejer. Fælles infrastruktur forstærker på en måde, punkt-løsninger ikke gør.

Tredje, finansierings-historien bliver læselig for den institutionelle kapital, der historisk har finansieret havne, tårne, fiber og utiliteter. Mellem os bringer vi operativ ledelse i forbundne-infrastruktur-installation og mere end to årtiers infrastruktur-projekt-finansieringserfaring på virksomheder som Integrated Roadways, Black & Veatch og Diode Ventures. Mønsteret er velkendt. Når en aktiv-klasse producerer multiple, kontraherede, lang-tenor-indtægtsstrømme fra ét fysisk spor, falder kapital-kosten, varigheden udvides, og bygningen accelererer. Det er øjeblikket, vi nærmer os med intelligent infrastruktur. Kapitalen har ventet på læselighed, ikke på teknologien.

Vejen lærer at tænke tilbage

De hårde dødstal vil ikke flytte sig materieligt, før vi holder op med at bede køretøjet om at gøre alt arbejdet. Årtiet med køretøjs-centreret investering producerede standarder, installationer og væsentlige gevinster for køretøjs-besætninger. Det flyttede ikke nålen for de personer, der er mest udsatte for konsekvenserne af, at køretøjer får det galt, og den strukturelle årsag er bygget ind i problemets geometri.

Næste kapitel er infrastruktur-ud. Veje, der opfatter. Kryds, der forudser. Korridorer, der lærer og griber ind, før uheld sker. Tilføj energi-siden senere på samme fysisk spor, og du har substratet for autonomi som system i stedet for produkt. Endnu vigtigere, du har infrastruktur, byer kan bruge til alt andet, de har forsøgt at løse i de sidste tyve år.

V2X lærte køretøjer at tale. I2X er byen, der lærer at føle, at tænke tilbage og derefter at tænke fremad.