Smartare bilar räddar fortfarande inte fotgängare

År 2024 dog 7 080 fotgängare och över 71 000 skadades på amerikanska vägar. Cyklistdödsfall nådde sin högsta nivå sedan åtminstone 1980. Sammantaget minskade trafikdödsfall under 40 000 för första gången sedan 2020. Men nästan all denna framgång gynnade fordonens passagerare. Fotgängare och cyklister dör fortfarande i nästan historiskt höga tal.

Detta gap är berättelsen. Förarstödsfunktioner har mätbart minskat passagerardödsfall under det senaste decenniet. De har inte gjort detsamma för utsatta väganvändare, och orsaken beror på synlinjen, inte förarens beteende. En fordonsmonterad sensor är begränsad av chassins geometri. De platser där fotgängare och cyklister är som mest utsatta är exakt de platser där fordonsmonterade sensorer är strukturellt svagast. Skymda korsningar. Mittblockscrossing. Blinda hörn. Skolzoner där ett barn kliver mellan parkerade bilar. Den här begränsningen gäller lika för en mänsklig förare som tittar genom en vindruta, ett automatiskt bromssystem som läser en framåtriktad radar och varje framtida autonom stack som vi sätter på ett fordon.

Under större delen av det senaste decenniet har hela samtalet om anslutna fordon, autonom rörlighet och urbana robotar varit ett fordon-till-allt-samtal (V2X). Idén är att fordonet pratar med andra fordon, med vägutrustning, med fotgängares telefoner och med nätverket. Större sensorer, bättre modeller, mer ombordberäkning, mer redundans – allt centrerat kring fordonet självt. Den här ramen producerade verklig framgång. Den påtvingade också ett tak för vad fordonscentrerad perception kan göra för fotgängare och cyklister.

Nästa fas av det här arbetet har en annan form. Kalla det infrastruktur-till-allt, eller I2X. Korsningen, korridoren och den omgivande infrastrukturen uppfattar och förutsäger på uppdrag av allt som rör sig genom dem. I2X är den svårare halvan av problemet. Det är också där säkerhetsfallet slutligen stängs.

V2X har ett säkerhetstak, och vi når det nu

Den fordonscentrerade metoden har varit läsbar för investerare, biltillverkare och myndigheter på ett sätt som infrastruktur inte har. Framgång kan mätas i sensorantal, modellparametrar och frånkopplingsfrekvenser. Det passar prydligt in i en presentationsbild. V2X-stapeln har mognat enligt följande. Cellulära V2X-standards är verkliga, vägutrustning är utplacerad i dussintals korridorer och stora bil- och teknikföretag investerar allvarligt i samarbetsperceptionsplattformar.

Den här investeringen har gett äkta vinster, igen främst för fordonens passagerare. Den har inte stängt gapet för utsatta väganvändare, och forskarsamhället är alltmer tydligt med varför. En nylig empirisk studie av V2X-samarbetsperceptionssystem identifierar sex återkommande felmönster i enskilda autonoma system, de flesta rotade i samma begränsning: ett fordon kan inte uppfatta bortom sin synlinje. Skymdningar, icke-synlinjekorsningar, väderförsämring, kanter som inte förekom i träningsdata. Separat forskning fokuserad på utsatt väganvändarsäkerhet når samma slutsats från en annan vinkel: fotgängar- och cyklistlokalisering är felet som fordonsmonterade sensorer är strukturellt dåliga på att lösa.

Mer LiDAR hjälper. Mer radar hjälper. Bättre modeller hjälper. Inget av det ändrar den underliggande geometrin. En fordonsmonterad sensor kommer alltid att ha synlinjebegränsningar, och synlinjen blir sämre när den urbana densiteten ökar. De platser där vi behöver autonomi för att vara säkrast är exakt de platser där fordonscentrerad perception är strukturellt svagast.

I2X vänder polariteten

Infrastruktur-till-allt börjar med en annan premis. Vägen, korsningen, korridoren och lastkajen är inte passiva ytor som väntar på att uppfattas. De blir aktiva intelligenslager som uppfattar, tolkar och sänder villkor utåt. Ett fordon som närmar sig en skymd korsning behöver inte se runt hörnet med sina egna sensorer. Hörnet ser för det. En leveransrobot som arbetar på en trottoar behöver inte förutse fotgängaren bakom en parkerad lastbil. Gatlampstolpen vet redan att fotgängaren är där.

Detta är den sida av problemet som vi bygger på Surge. Våra distributioner är LiDAR-baserade kantperceptionsmoduler monterade på befintlig urban infrastruktur: gatlampor, signalhuvuden och tak. Inga kameror, inga bilder och inga personligt identifierbara data som fångas vid tidpunkten för uppfattning. Vi kallar positioneringen “Anonym genom fysik”, eftersom LiDAR fångar rörelse och geometri, inte ansikten, registreringsskyltar eller identitet. Utdata är en realtidsström av plats, hastighet och bana. Samma ström är användbar för en stadstrafikingenjör, en autonom fordonsstack, en logistikrouter och en säkerhetsforskare, allt från en enda sensorspår.

Två designval är viktiga för säkerhetsfallet. Det första är att infrastrukturuppfattning är multi-inhyrd från början. En fordonsmonterad sensorstack är punkt-till-punkt och betjänar en kund i taget. En LiDAR-nod på en gatlampa betjänar varje fordon, varje drone och varje fotgängarsäkerhetsapplikation som behöver data, samtidigt. Ekonomi ser ut som en mast, inte som en oljekälla. Det andra är att korridorsnivåtäckning är viktigare än korsningstäckning. Isolerade noder är användbara. Nätverkskorridorer är försvarbara, eftersom fotgängarsäkerhet, autonom fordonsutbildning och nödvändig reaktion alla beror på kontinuitet, inte ögonblicksbilder.

Realtidsuppfattning är golvet. Förutsägelse är taket.

Den djupare möjligheten är inte realtidslagret. Realtidsuppfattning löser de uppenbara säkerhetsfallen, och det är värt mycket. Den djupare låsningen kommer när AI-modeller utbildas på kontinuerlig infrastrukturdata under månader och år i stället för episodiska ögonblick som fordon fångar.

Fordonsdata är, av sin natur, sparsam och okontinuerlig. En bil passerar genom en korsning några gånger om dagen som mest. Den ser en skiva. En infrastruktur-nod tittar på samma korsning 24 timmar om dygnet, varje dag, i år. Den ser hela distributionen. Samma plats genom rusningstid, stormar, konstruktion, avbrott, evenemang och säsongsförändringar. Det är en grundläggande annorlunda typ av träningsdata, och det producerar en grundläggande annorlunda typ av modell.

När den här datan ackumuleras slutar systemet vara reaktivt och blir förutsägbart. Gångmönstret för någon som är på väg att kliva av trottoaren utan att titta. Bromsprofilen för ett fordon som är på väg att köra rött. Konvergensgeometrin som föregår en nära miss mellan en vändande buss och en cykel i cykelbanan. Dessa är föregångssignaler. De är statistiskt observerbara. De existerar inte i krockrapporter eftersom de inte är krockar. De är föregångshändelser och inträffar i storleksordningar oftare än krockar själva. Krockar är statistiskt sällsynta. Nära missar är rikliga. Infrastruktursystem observerar föregångsbeteenden som krockdatabaser aldrig fångar. Ett fordon som rör sig genom en korsning kommer aldrig att se dem i stor skala. Infrastruktur som bor på korsningen ser dem konstant.

Det är den faktiska säkerhetslåsningen. Löftet om ansluten rörlighet har alltid varit att vi kunde ingripa innan en krock, inte dokumentera den efter. Ombordssensorer plus reaktiv fordon-till-allt-kommunikation får dig en bit på väg. Ett förutsägbart lager utbildat på kontinuerlig, multimodal, infrastruktur-boende data är vad som får dig resten av vägen. Samma logik, förresten, gäller på energisidan, där företag som HEVO visar att fullt autonoma flottor behöver infrastruktur för att leverera kraft såväl som uppfattning. Annan domän, samma slutsats: världen måste göra arbete som fordonet inte kan göra ensam.

En nervsystem för den urbana miljön

När du backar från en enskild distribution, vad det här arbetet bygger är något som städer aldrig egentligen har haft: ett nervsystem. Städer har redan betong, stål, kraftnät och fiber. Vad de saknar är ett lager som uppfattar, minns och förutsäger i realtid över den fysiska miljön.

I2X är det lagret. En LiDAR-nod på en gatlampa fungerar som en sensorisk neuron. Kantberäkning beter sig som en lokal reflex, tillräckligt snabb för att agera utan att vänta på centrala system. Över tid bygger ett nätverk av noder institutionell minne på urbana skalor: hur korsningar beter sig, var nära missar inträffar, hur flöden förändras under stormar, avbrott, konstruktion eller nödsituationer.

Tillämpningarna följer naturligt. En fotgängarsäkerhetsvarning i en skolzon är en reflex. En trafiksignaljustering baserad på observerad flöde är en lärd respons. En förutsägbart routningsrekommendation för ett nödfordon beror på både uppfattning och minne. Logistik, nödvändig hantering, klimattålighet och autonom fordonsutbildning blir alla lättare när staden kan kontinuerligt observera och lära av sina egna operationer. Poängen är inte att lägga till fler kameror eller instrumentpaneler. Poängen är att ge den urbana miljön den förmåga den alltid har saknat: förmågan att uppfatta, minnas och svara i realtid.

Infrastruktur ändrar ekonomi för autonomi

När intelligenslagret migrerar från fordonet till infrastrukturen, förändras ekonomi för autonomi och urban drift på tre viktiga sätt.

Först, kostnadskurvan för ombord fordonshårdvara har äntligen någonstans att gå. Idag måste varje autonomt fordon bära hela uppfattningsproblemet och de flesta säkerhetsproblemen på sin ram. Det är därför räkningen för en autonom fordons material ser ut som den gör. När infrastruktur levererar uppfattning över de sista hundratals meterna och förutsägelse ovanpå, blir fordonet lättare, billigare och enklare att certifiera. Samma logik gäller för drönare, trottoarrobotar och alla andra autonoma formfaktorer som väntar på att deras enhetsekonomi ska stänga.

Andra, den tillgängliga marknaden för varje enskild infrastrukturdistribution utvidgas dramatiskt. En LiDAR-nod på en gatlampa som betjänar en stads trafikteknikteam, en nationell logistikbärare, en autonom shuttle-operatör, en säkerhetsforskare och en försäkringsutgivare är en grundläggande annorlunda tillgång än en sensor som betjänar en hyresgäst. Delad infrastruktur ackumulerar på ett sätt som punktlösningar inte gör.

Tredje, finansieringsberättelsen blir läsbar för den institutionella kapital som historiskt har finansierat hamnar, torn, fiber och allmännyttiga företag. Mellan oss, vi har operativ ledning i ansluten infrastrukturdistribution och mer än två decenniers infrastrukturprojektfinansieringserfarenhet på företag som Integrated Roadways, Black & Veatch och Diode Ventures. Mönstret är bekant. När en tillgångsklass producerar flera, kontrakterade, långsiktiga intäktsströmmar från en enda fysisk fotavtryck, sjunker kapitalkostnaden, varaktigheten förlängs och byggnationen accelererar. Det är den punkt vi närmar oss med intelligent infrastruktur. Kapitalet har väntat på läsbarhet, inte på tekniken.

Vägen lär sig att tänka tillbaka

De hårda dödstalen kommer inte att flytta materialt förrän vi slutar be fordonet att göra allt arbetet. Decenniet av fordonscentrerad investering producerade standarder, distributioner och meningsfulla vinster för fordonens passagerare. Det flyttade inte nålen för de människor som är mest utsatta för konsekvenserna av fordon som får det fel, och den strukturella orsaken är byggd in i problemets geometri.

Nästa kapitel är infrastruktur-ut. Vägar som uppfattar. Korsningar som förutsäger. Korridorer som lär och ingriper innan krockar inträffar. Lägg till energisidan senare, på samma fysiska fotavtryck, och du har underlaget för autonomi som ett system snarare än en produkt. Viktigare, du har infrastruktur som städer kan använda för allt annat de har försökt lösa under de senaste tjugo åren.

V2X lärde fordon att prata. I2X är staden som lär sig att känna, att tänka tillbaka och sedan att tänka framåt.