Шлях до адаптації автономних транспортних засобів

Запровадження автономних транспортних засобів у глобальному масштабі набирає обертів. Сполучене Королівство нещодавно пройшло Закон про автоматизовані транспортні засоби щоб забезпечити безпечну інтеграцію повністю та частково автономних транспортних засобів у суспільство протягом наступних кількох років. Більше автономних транспортних засобів зараз тестуються в Китаї, ніж будь-де у світі. А в Сполучених Штатах великі мегаполіси залучили використання «роботаксі» у своїх можливостях громадського транспорту. Компанії, як Круїз, Waymo і звичайно, Tesla усі вони інвестували мільярди доларів у свої великі амбіції розміщення безпілотних автомобілів і послуг від узбережжя до узбережжя та в усьому світі. На даний момент розробка та впровадження технології автономних транспортних засобів — це вже не питання «якщо» і навіть не «коли», а просто питання «якою мірою»? Що може зробити масове впровадження автономних транспортних засобів на основі штучного інтелекту для покращення не лише наших доріг, а й нашого суспільства?

Автоматизація безпеки дорожнього руху

Поштовх до автономних транспортних засобів і гори капіталу, вкладеного в ці технології, свідчать про загальновизнану суспільну користь, яку може принести розгортання безпілотних автомобілів. Для початку, існують стандарти безпеки безпілотних транспортних засобів, ніж стандарти безпеки водіїв. Недавнє дослідження, опубліковане в Природа зв'язку і ідеї Тесли Звіт про вплив за 2022 рік підкреслити трансформаційний потенціал впровадження автономних транспортних засобів для підвищення безпеки дорожнього руху. Встановлено, що AV зменшує кількість зіткнень ззаду, лобових і бічних зіткнень, а також випадків виїзду з дороги на 20-50%. Зважаючи на те, що Всесвітня організація охорони здоров’я оцінює так дорожньо-транспортний травматизм несуть відповідальність за смерть 1.35 мільйона людей щороку в усьому світі, це різке покращення безпеки автомобілів матиме сейсмічний вплив. Хоча все ще потрібне більше технологічного вдосконалення, перш ніж автономні транспортні засоби перевершать водіїв-людей за будь-яких обставин (автомобілі, керовані людиною, все ще залишаються безпечнішими в умовах недостатньої видимості та під час поворотів), подальший розвиток сенсорних технологій, алгоритмів прогнозування та зв’язку V2X продовжуватиме вдосконалюватися. відповіді на ці складні сценарії водіння та дозволяють їм створювати безпечніші дороги.

AV-уникнення трафіку

Крім того, розгортання автономних транспортних засобів також матиме значний вплив на проблему заторів. В вчитися за даними Асоціації приміських перевезень (ACT) і Міністерства транспорту Сполучених Штатів (USDOT), поїздки в «годину пік» (колись це була відповідна назва) тепер становлять шість годин на день, а поїздка в цей підвищений час займає на 40% довше . Одне індивідуальне гальмування може вплинути на дорожній рух по всьому місту, спровокувавши уповільнення або навіть повний затор. Проте за допомогою датчиків і камер, що працюють на передовому програмному забезпеченні, автономні транспортні засоби гальмувати набагато рідше ніж їхні аналоги-людини, і, як наслідок, набагато менша ймовірність спричинити ці порушення руху. Навіть розгортання кількох автономних транспортних засобів може позитивно вплинути на затори на дорогах, сприяючи цьому поміркуйте швидкість водіїв вони ділять дорогу з.

Ефективність використання палива та екологічність

Автономні транспортні засоби також можуть покращити паливну ефективність порівняно з людьми-водіями, контролюючи їх швидкість і прискорення, а також рухаючись ближче один до одного, щоб покращити опір повітря та зменшити споживання палива. Як повідомляє MIT News, якщо кожен автомобіль на дорозі був автономним, не тільки швидкість подорожі збільшилася б на 20%, але й споживання палива зменшилося б на 18%, а викиди вуглекислого газу – на 25%. Ця розробка стане ключовою в наших постійних зусиллях забезпечити стійкість незліченної кількості галузей і підприємств. Дослідження TuSimple показало, що їхні автономні вантажівки були на 11% більш економічними, ніж ті, якими керують люди-водії. Ця підвищена економія палива дозволить споживачам знизити вартість товарів і послуг, а також допоможе цим компаніям у їхніх зусиллях зробити свою діяльність екологічнішою та екологічнішою.

Погляд під капот

Рівень технологічного прогресу, який дозволяє цим автономним транспортним системам працювати, створювався десятиліттями. Масиви датчиків, включаючи камери, радари та LiDAR, передають дані в нейронні мережі, призначені для імітації людського мозку та виконують виявлення об’єктів і сегментацію зображення. Ці нейронні мережі потім обробляють цю сенсорну інформацію, включаючи наявність інших транспортних засобів, дорожніх знаків і перешкод, щоб створити повну об’ємну карту оточення автомобіля. Наступним кроком є ​​планування руху, де детальні маршрути та траєкторії розраховуються за допомогою комплексного аналізу всіх попередньо зібраних даних. Навіть тоді всі ці процеси потребують урахування невидимих ​​ситуацій і здатності адаптуватися до цих обставин у реальному часі. Через величезну кількість складних і детальних процесів, які входять у розробку цих систем і програмного забезпечення, немає двох однакових, і кожна з цих AV-систем має свої плюси і мінуси.

Розвилки дороги

Два основних підходи до розвитку автономного водіння — це карти HD та системи без карт HD. Перевага використання карт полягає в спрощеному виявленні об’єктів і плануванні руху, але ці системи залежать від постійного зв’язку для оновлення даних і схильні до старіння. Системи HD без карт, наприклад розроблені компанією з програмного забезпечення для автономного водіння Образність, майже повністю покладаються на дані в реальному часі та більше відповідають тому, як працюють люди-водії. Вони також є більш самодостатніми та менш вразливими до кіберзагроз, але потребують розширених вбудованих можливостей сприйняття та складної обробки в реальному часі. Після цього початкового розколу у філософії існує кілька інших, які були в авангарді деяких дебатів у галузі. Планування руху на основі правил проти нейронної мережі є однією з таких проблем, оскільки органи безпеки та регулятивні органи віддають перевагу більш чіткому підходу «якщо-тоді», який є характерною рисою систем на основі правил. Хоча побудова попередньо визначених сценаріїв забезпечує високу пояснюваність, цим системам важко адаптуватися до нових, непередбачуваних ситуацій, і це сфера, в якій перевершують системи на основі нейронних мереж.

Дорога вперед

Продовжується закладка основи для широкого впровадження автономних транспортних засобів у всьому світі. Автовиробників і компаній, які готові інвестувати мільярди доларів у розробку автономних транспортних засобів і послуг, зосереджених навколо них, точно не бракує. Хоча існує багато різних систем і процесів, які використовуються для створення самокерованих транспортних засобів, усі експерти в тій чи іншій мірі погоджуються з величезною кількістю практичних переваг, які автономні транспортні засоби та їх впровадження можуть мати для суспільства. Наступна і, мабуть, найважливіша перешкода, яку потрібно подолати, — це формування довіри широкої громадськості до цих технологій. Розвиток штучного інтелекту також почався під хмарою скептицизму та недовіри, яку потрібно було подолати. Зараз у світі немає жодної великої галузі чи компанії, яка б не використовувала ці технології в тій чи іншій якості. Автономним транспортним засобам доведеться піднятися на подібний пагорб, але в міру того, як ці системи розвиваються та стають більш поширеними на наших дорогах, наш комфорт і знайомство з ними також лише зростатимуть. Оскільки ці технології розвиваються швидкими темпами, індустрія AV перебуває на шляху до глобального впровадження набагато далі, ніж деякі можуть думати.