Появление автономных транспортных средств может произвести революцию в дорожном движении: интеграция беспилотных автомобилей в поток ускорит его, повысит безопасность и сделает более экологичным. Университет имени Бар-Илана (Израиль) представил масштабное исследование, в рамках которого рабочая группа обозначила ряд ключевых моментов, способствующих самоорганизации беспилотников в своеобразные созвездия (constellations). Подобная структура трафика позволяет динамически контролировать весь поток, при этом доля автономных автомобилей на дорогах может составлять менее 5%.

Но прежде чем беспилотные машины станут полноправными участниками дорожного движения, они должны будут убедительно продемонстрировать, что не представляют опасности для других. Новое программное обеспечение, разработанное специалистами Мюнхенского технического университета (Германия), предотвращает ДТП, каждую миллисекунду предсказывая различные варианты дорожной ситуации.

Как автономные транспортные средства выступают организаторами дорожного движения

Исследование, опубликованное в издании Journal of Physics A: Mathematical and Theoretical, фокусируется на трафике будущего. По мнению научных работников, состав участников транспортного потока не будет ограничиваться «классическими» транспортными средствами под управлением человека: в него вольются беспилотные автомобили. Логичный вопрос: как изменится дорожное движение и сколько автономных транспортных средств нужно запустить, чтобы их влияние на ситуацию стало ощутимым?

С обывательской точки зрения кажется, что для хоть сколько-нибудь существенного воздействия на транспортный поток, особенно на многополосных дорогах, требуется большое количество беспилотных автомобилей: если они малочисленны, то водители просто не будут обращать на них внимания. Но, похоже, это не обязательное условие. В ходе научных изысканий доктор Амир Голденталь и профессор Идо Кантер выпустили рекомендации по эффективному регулированию трафика, основанные на взаимодействии автономных транспортных средств друг с другом и окружающими машинами. Выяснилось, что трафик улучшается даже в тех случаях, когда менее 5% транспортных средств на дороге автономны.

Исследователи выявили базовые модели поведения беспилотных автомобилей на шоссе, позволяющие последним самоорганизовываться в группы, которые разделяют транспортный поток на управляемые кластеры. Специалисты отдельно подчеркнули, что для достижения самоорганизованного высокоскоростного, экологичного и безопасного транспортного потока при старте с перегруженного трафика требуется менее двух минут.

Без регулирования сегмента автономных транспортных средств мы сталкиваемся с классическим примером парадокса из теории игр, дилеммой заключённого, когда каждый автомобиль пытается оптимизировать собственную скорость движения, но показатели общего потока при этом далеки от оптимальных. В своём исследовании мы показали, как при правильном регулировании даже незначительное число беспилотных автомобилей может существенно улучшить общий трафик благодаря грамотной кооперации.

Амир Голденталь,

израильский учёный

Без регулирования сегмента автономных транспортных средств мы сталкиваемся с классическим примером парадокса из теории игр, дилеммой заключённого, когда каждый автомобиль пытается оптимизировать собственную скорость движения, но показатели общего потока при этом далеки от оптимальных. В своём исследовании мы показали, как при правильном регулировании даже незначительное число беспилотных автомобилей может существенно улучшить общий трафик благодаря грамотной кооперации.

Амир Голденталь,

израильский учёный

Что касается конкретных цифр, то авторы сообщают о значительном увеличении скорости потока (до 40%) и снижении расхода топлива (до 28%). Кроме того, повышается безопасность дорожного движения: трафик становится более упорядоченным, транспортные средства реже меняют полосы. Интересно, что эти улучшения могут быть достигнуты прямо сейчас: для принятия соответствующего пакета мер хватит уже имеющейся инфраструктуры.

Предотвращая аварии

Главная задача при написании софта для автономных транспортных средств — сделать так, чтобы беспилотники не попадали в аварии. Маттиас Альтхофф, профессор кафедры киберфизических систем Мюнхенского технического университета, вместе с коллегами создал программный модуль, который непрерывно анализирует и предсказывает события во время вождения. Данные с датчиков автомобиля записываются и оцениваются каждую миллисекунду. Система может рассчитать все возможные (в рамках правил дорожного движения) манёвры для каждого участника эпизода: проще говоря, она умеет заглядывать в будущее на 3—6 секунд. На основе полученных сценариев программа определяет различные варианты движения автомобиля. Одновременно она продумывает экстренные действия, при которых транспортное средство может избежать аварии путём ускорения или торможения, не подвергая опасности других участников дорожного движения.

Приведём пример. Машина приближается к перекрёстку. С перпендикулярной улицы выезжает ещё один автомобиль, но дальнейшее направление движения он пока не артикулировал. В то же время пешеход выходит на зебру прямо перед машиной, а на другой стороне улицы маячит велосипедист, съехавший с тротуара на проезжую часть. Люди с опытом вождения в большинстве случаев решат эту головоломку без особых проблем, сложив пазл в том числе по косвенным признакам. Однако для беспилотника это слишком комплексная задача, осложнённая несколькими взаимоисключающими вводными.

Детальное прогнозирование дорожной ситуации ранее считалось слишком трудоёмким и, следовательно, непрактичным. Но теперь мюнхенская исследовательская группа доказала теоретическую жизнеспособность анализа данных в режиме реального времени с одновременным моделированием будущих дорожных событий. К примеру, для расчёта потенциальных позиций автомобиля или пешехода используется так называемый анализ достижимости (reachability analysis). Быстрые расчёты становятся возможными благодаря упрощённым динамическим моделям: они гибче и математически проще. Альтхофф и его команда сознательно работают с такими моделями: если учитывать все характеристики участников дорожного движения, то запутаются даже вычислительные машины.

Для проверки своих гипотез учёные построили виртуальную модель, основанную на реальных данных, собранных во время тест-драйвов в Мюнхене. Это позволило им создать экспериментальную среду, которая точно отражает ежедневные сценарии движения. Руководитель проекта уверен, что использование нового софта приведёт к упрощению разработки автономных транспортных средств, так как модуль совместим со всеми стандартными программами управления движением: «С помощью симуляций мы смогли установить, что наша разработка не приводит к ухудшению стиля вождения, прогнозные расчёты верны, аварии успешно предотвращаются, а в экстренных ситуациях транспортное средство способно совершить безопасную остановку».