Mobil yang Lebih Pintar Masih Belum Menyelamatkan Pejalan Kaki

Pada tahun 2024, 7.080 pejalan kaki tewas dan lebih dari 71.000 terluka di jalan-jalan Amerika. Kematian pesepeda mencapai tingkat tertinggi sejak tahun 1980. Jumlah kematian lalu lintas secara keseluruhan turun di bawah 40.000 untuk pertama kalinya sejak tahun 2020. Namun, hampir semua kemajuan itu hanya menguntungkan penumpang kendaraan. Pejalan kaki dan pesepeda masih meninggal dalam jumlah yang dekat dengan rekor sejarah.

Celah itu adalah cerita. Fitur bantuan pengemudi telah mengurangi kematian penumpang secara signifikan selama dekade terakhir. Namun, fitur tersebut tidak melakukan hal yang sama untuk pengguna jalan yang rentan, dan alasan itu terkait dengan garis pandang, bukan perilaku pengemudi. Sensor yang dipasang di kendaraan terbatas oleh geometri chassis. Tempat-tempat di mana pejalan kaki dan pesepeda paling berisiko adalah tempat-tempat di mana sensor onboard paling lemah. Persimpangan yang terhalang, penyeberangan di tengah blok, sudut buta, zona sekolah di mana anak-anak berjalan di antara mobil yang diparkir. Batasan itu berlaku sama untuk pengemudi manusia yang melihat melalui kaca depan, sistem pengereman otomatis yang membaca radar ke depan, dan tumpukan otonom yang akan kita pasang di kendaraan.

Selama hampir seluruh dekade terakhir, seluruh percakapan tentang kendaraan terhubung, mobilitas otonom, dan robotika perkotaan telah menjadi percakapan tentang Vehicle-to-Everything (V2X). Ide tersebut adalah bahwa kendaraan berbicara dengan kendaraan lain, peralatan pinggir jalan, ponsel pejalan kaki, dan jaringan. Sensor yang lebih besar, model yang lebih baik, komputasi onboard yang lebih banyak, redundansi yang lebih banyak — semua itu berpusat pada kendaraan itu sendiri. Kerangka itu menghasilkan kemajuan nyata. Namun, itu juga menimbulkan batas atas apa yang dapat dilakukan oleh persepsi kendaraan-sentris untuk pejalan kaki dan pesepeda.

Fase berikutnya dari pekerjaan ini memiliki bentuk yang berbeda. Namakanlah Infrastructure-to-Everything, atau I2X. Persimpangan, koridor, dan infrastruktur sekitarnya mempersepsi dan memprediksi atas nama apa pun yang bergerak melalui mereka. I2X adalah setengah masalah yang lebih sulit. Namun, itulah tempat di mana kasus keamanan akhirnya tertutup.

V2X memiliki batas keamanan, dan kita sekarang mencapainya

Pendekatan kendaraan-sentris telah dapat dipahami oleh investor, produsen mobil, dan regulator dengan cara yang infrastruktur belum. Kemajuan dapat diukur dalam jumlah sensor, parameter model, dan tingkat penggunaan. Ini sesuai dengan presentasi slide. Tumpukan V2X telah matang sesuai dengan itu. Standar V2X seluler nyata, unit pinggir jalan diterapkan di beberapa koridor, dan pemain utama otomotif dan teknologi menginvestasikan modal yang serius dalam platform persepsi kooperatif.

Modal itu telah menghasilkan keuntungan nyata, lagi-lagi terutama untuk penumpang kendaraan. Namun, itu tidak menutup celah untuk pengguna jalan yang rentan, dan komunitas penelitian semakin jelas tentang mengapa. Sebuah studi empiris baru tentang sistem persepsi kooperatif V2X mengidentifikasi enam pola kesalahan berulang dalam sistem otonom tunggal, sebagian besar berakar pada keterbatasan yang sama: kendaraan tidak dapat mempersepsi di luar garis pandang. Penghalangan, persimpangan yang tidak terlihat, degradasi cuaca, kasus tepi yang tidak muncul dalam data pelatihan. Penelitian terpisah yang fokus pada keamanan pejalan kaki dan pesepeda mencapai kesimpulan yang sama dari sudut yang berbeda: lokalisisasi pejalan kaki dan pesepeda adalah mode kegagalan yang sensor kendaraan secara struktural tidak baik dalam memecahkan.

Lebih banyak LiDAR membantu. Lebih banyak radar membantu. Model yang lebih baik membantu. Tidak ada yang mengubah keterbatasan dasar. Sensor yang dipasang di kendaraan akan selalu memiliki keterbatasan garis pandang, dan garis pandang semakin buruk seiring dengan meningkatnya kepadatan perkotaan. Tempat-tempat di mana kita membutuhkan otonom untuk menjadi yang paling aman adalah tempat-tempat di mana persepsi kendaraan-sentris secara struktural paling lemah.

I2X membalikkan polaritas

Infrastructure-to-Everything dimulai dari premis yang berbeda. Jalan, persimpangan, koridor, dan dermaga tidak lagi menjadi permukaan pasif yang menunggu untuk dipersepsi. Mereka menjadi lapisan kecerdasan aktif yang mempersepsi, menafsirkan, dan menyiarkan kondisi ke luar. Kendaraan yang mendekati persimpangan yang terhalang tidak perlu melihat ke sekitar sudut dengan sensor sendiri. Sudut itu melihat untuknya. Robot pengiriman yang bekerja di trotoar tidak perlu mengantisipasi pejalan kaki di belakang truk yang diparkir. Tiang lampu sudah tahu pejalan kaki ada di sana.

Ini adalah sisi masalah yang kita bangun di Surge. Penerapan kita adalah node persepsi edge LiDAR yang dipasang pada infrastruktur perkotaan yang ada: tiang lampu, kepala sinyal, dan atap. Tidak ada kamera, tidak ada gambar, dan tidak ada data yang mengidentifikasi pribadi yang ditangkap pada saat penginderaan. Kami menyebut posisi “Anonymous by Physics,” karena LiDAR menangkap gerakan dan geometri, bukan wajah, pelat nomor, atau identitas. Keluarannya adalah aliran waktu nyata dari lokasi, kecepatan, dan trajektori. Aliran yang sama berguna bagi insinyur lalu lintas kota, tumpukan otonom, router logistik, dan peneliti keamanan, semuanya dari satu jejak sensor.

Dua pilihan desain yang penting untuk kasus keamanan. Yang pertama adalah bahwa persepsi infrastruktur secara default adalah multi-penyewa. Tumpukan sensor kendaraan adalah point-to-point dan melayani satu pelanggan pada satu waktu. Node LiDAR di tiang lampu melayani setiap kendaraan, setiap drone, dan setiap aplikasi keamanan pejalan kaki yang membutuhkan data, secara bersamaan. Ekonominya terlihat lebih seperti menara sel daripada sumur minyak. Yang kedua adalah bahwa cakupan koridor lebih penting daripada cakupan persimpangan. Node yang terisolasi berguna. Koridor yang terhubung dapat dipertahankan, karena keamanan pejalan kaki, pelatihan kendaraan otonom, dan respons darurat semua bergantung pada kontinuitas, bukan snapshot.

Persepsi waktu nyata adalah lantai. Prediksi adalah atap.

Kesempatan yang lebih dalam bukanlah lapisan waktu nyata. Persepsi waktu nyata memecahkan kasus keamanan yang jelas, dan itu saja sudah berharga. Kesempatan yang lebih dalam terjadi ketika model AI dilatih pada data infrastruktur yang berkelanjutan selama bulan dan tahun, bukan snapshot episodik yang ditangkap oleh kendaraan.

Data kendaraan secara alami adalah langka dan tidak kontinu. Mobil melewati persimpangan beberapa kali sehari. Ini melihat irisan. Node infrastruktur mengamati persimpangan yang sama 24 jam sehari, setiap hari, selama bertahun-tahun. Ini melihat distribusi penuh. Tempat yang sama melalui jam sibuk, badai, konstruksi, gangguan, acara, dan pergeseran musim. Itu adalah jenis data pelatihan yang secara fundamental berbeda, dan itu menghasilkan model yang secara fundamental berbeda.

Ketika data tersebut terkumpul, sistem berhenti menjadi reaktif dan menjadi prediktif. Pola langkah seseorang yang akan melangkah ke trotoar tanpa melihat. Profil pengereman kendaraan yang akan melanggar lampu merah. Geometri konvergensi yang mendahului hampir tabrakan antara bus yang berbelok dan sepeda di jalur sepeda. Ini adalah sinyal pendahulu. Ini dapat diamati secara statistik. Ini tidak ada dalam laporan kecelakaan karena ini bukan kecelakaan. Ini adalah peristiwa pendahulu dan terjadi beberapa kali lipat lebih sering daripada kecelakaan itu sendiri. Kecelakaan secara statistik langka. Hampir tabrakan melimpah. Sistem infrastruktur mengamati perilaku pendahulu yang basis data kecelakaan tidak pernah tangkap. Kendaraan yang melewati persimpangan tidak pernah melihatnya dalam skala besar. Infrastruktur yang hidup di persimpangan melihatnya terus-menerus.

Itulah kunci keamanan yang sebenarnya. Janji mobilitas terhubung selalu bahwa kita bisa campur tangan sebelum kecelakaan, bukan mendokumentasikannya setelahnya. Sensor onboard plus komunikasi reaktif kendaraan-ke-segala hal mendapatkan sebagian jalan di sana. Lapisan prediktif yang dilatih pada data infrastruktur yang berkelanjutan, multi-modal, dan berbasis infrastruktur adalah apa yang mendapatkan sisa jalan. Logika yang sama, secara kebetulan, berlaku di sisi energi, di mana perusahaan seperti HEVO menunjukkan bahwa armada otonom sepenuhnya membutuhkan infrastruktur untuk mengirimkan daya serta persepsi. Domain yang berbeda, kesimpulan yang sama: dunia harus melakukan pekerjaan yang kendaraan tidak bisa lakukan sendiri.

Sistem saraf untuk lingkungan perkotaan

Ketika Anda mundur dari penerapan tunggal, apa yang sebenarnya dibangun di sini adalah sesuatu yang kota belum pernah miliki: sistem saraf. Kota sudah memiliki beton, baja, jaringan listrik, dan serat. Apa yang mereka kurang adalah lapisan yang mempersepsi, mengingat, dan memprediksi dalam waktu nyata di seluruh lingkungan fisik.

I2X adalah lapisan itu. Node LiDAR di tiang lampu berfungsi seperti neuron sensorik. Komputasi edge berperilaku seperti refleks lokal, cukup cepat untuk bertindak tanpa menunggu sistem terpusat. Dalam waktu, jaringan node membangun memori lembaga pada skala perkotaan: bagaimana persimpangan berperilaku, di mana hampir tabrakan terjadi, bagaimana aliran berubah selama badai, gangguan, konstruksi, atau keadaan darurat.

Aplikasi mengikuti secara alami. Peringatan keamanan pejalan kaki di zona sekolah adalah refleks. Penyesuaian sinyal lalu lintas berdasarkan aliran yang diamati adalah respons yang dipelajari. Rekomendasi rute prediktif untuk kendaraan darurat bergantung pada kedua persepsi dan memori. Logistik, manajemen darurat, ketahanan iklim, dan pelatihan kendaraan otonom semua menjadi lebih mudah ketika lingkungan perkotaan dapat terus mengamati dan belajar dari operasinya sendiri. Titiknya bukanlah menambahkan lebih banyak kamera atau dasbor. Titiknya adalah memberikan lingkungan perkotaan kemampuan yang selalu tidak dimilikinya: kemampuan untuk mempersepsi, mengingat, dan merespons dalam waktu nyata.

Infrastruktur mengubah ekonomi otonomi

Ketika lapisan kecerdasan bermigrasi dari kendaraan ke infrastruktur, ekonomi otonomi dan operasi perkotaan bergeser dalam tiga cara penting.

Pertama, kurva biaya perangkat keras onboard kendaraan akhirnya memiliki tempat untuk pergi. Saat ini, setiap kendaraan otonom diminta untuk membawa seluruh masalah persepsi dan sebagian besar masalah keamanan di chassisnya. Itulah mengapa daftar bahan untuk kendaraan otonom terlihat seperti itu. Ketika infrastruktur menyediakan persepsi selama seratus meter terakhir dan prediksi di atasnya, kendaraan menjadi lebih ringan, lebih murah, dan lebih mudah disertifikasi. Logika yang sama berlaku untuk drone, robot trotoar, dan bentuk otonom lain yang menunggu ekonomi unit untuk ditutup.

Kedua, pasar yang dapat dijangkau untuk setiap penerapan infrastruktur tunggal berkembang secara dramatis. Node LiDAR di tiang lampu yang melayani tim insinyur lalu lintas kota, operator logistik nasional, operator shuttle otonom, peneliti keamanan, dan penilai asuransi adalah aset yang secara fundamental berbeda dari sensor yang melayani satu penyewa. Infrastruktur yang dibagikan berkompound dengan cara yang solusi titik tidak bisa.

Ketiga, cerita pembiayaan menjadi jelas bagi modal lembaga yang secara historis mendanai pelabuhan, menara, serat, dan utilitas. Antara kita, kita membawa kepemimpinan operasional dalam penerapan infrastruktur terhubung dan lebih dari dua dekade pengalaman keuangan proyek infrastruktur di perusahaan seperti Integrated Roadways, Black & Veatch, dan Diode Ventures. Pola itu sudah familiar. Setelah kelas aset menghasilkan beberapa, kontrak, arus pendapatan jangka panjang dari satu jejak fisik, biaya modal turun, durasi diperpanjang, dan pembangunan dipercepat. Itulah saat yang kita dekati dengan infrastruktur cerdas. Modal telah menunggu kejelasan, bukan teknologi.

Jalan belajar untuk berpikir kembali

Angka kematian yang sulit tidak akan bergerak secara material sampai kita berhenti meminta kendaraan untuk melakukan semua pekerjaan. Dekade investasi kendaraan-sentris menghasilkan standar, penerapan, dan kemajuan yang signifikan untuk penumpang kendaraan. Namun, itu tidak menggerakkan jarum untuk orang-orang yang paling terpapar pada konsekuensi kendaraan salah, dan alasan struktural dibangun ke dalam geometri masalah.

Bab berikutnya adalah infrastruktur keluar. Jalan yang mempersepsi. Persimpangan yang memprediksi. Koridor yang belajar dan campur tangan sebelum kecelakaan terjadi. Tambahkan sisi energi nanti, di atas jejak fisik yang sama, dan Anda memiliki substrat untuk otonomi sebagai sistem bukan produk. Lebih penting, Anda memiliki infrastruktur yang kota dapat gunakan untuk semua yang mereka coba selesaikan selama dua puluh tahun terakhir.

V2X mengajarkan kendaraan untuk berbicara. I2X adalah kota yang belajar merasakan, berpikir kembali, dan kemudian berpikir ke depan.