Проблемные аспекты эксплуатации и проектирования беспилотных автомобилей

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Проблемные аспекты эксплуатации и проектирования беспилотных автомобилей

Реутов Е.В., Головина Л.С.

Аннотация

Тема статьи продиктована повышенным интересом общественности к развитию проектов беспилотных автомобилей в последние годы. Автором акцентировано внимание на несовершенство законодательной базы Российской Федерации в контексте развивающейся отрасли беспилотного автомобилестроения, а также даны рекомендации по устранению указанных лакунов. Показаны ключевые аспекты в разработке беспилотных автомобилей, препятствующие их появлению на дорогах страны, а также проанализировано состояние дорожного покрытия в процентном соотношении и предложены рекомендации к осуществлению модернизации дорожной инфраструктуры.

Ключевые слова: беспилотный автомобиль, интеллектуальные системы, законодательство.

The topic of the article is dictated by the increased public interest in the development of self-driving cars projects in recent years. The authors focus their attention on the imperfection of the legislative base of the Russian Federation in the context of the developing industry of self-driving car industry and provide recommendations on the elimination of these shortcomings. The author shows the key aspects of the development of self-driving cars that impede their appearance on the roads of the country, as well as the analysis of the condition of the road surface as a percentage and gives recommendations for modernizing the road infrastructure.

Keywords: self-driving car, intelligent systems, legislation.

Тема использования беспилотных автомобилей в повседневной жизни активно поднимается еще с начала тысячелетия. Последние годы беспилотные автомобили стали настоящим трендом автомобильной индустрии. Мировые автомобильные концерны вкладывают миллиарды долларов в разработку систем управления автомобилем без участия человека.

Лидерами в этой области являются компании Google, Tesla и Apple. В США ряд штатов дал разрешение на передвижение тестовых беспилотных автомобилей по дорогам городов. Первым стал штат Калифорния. На сайте департамента Автомобильных транспортных средств Калифорнии (Department of Motor Vehicles) производитель беспилотных технологий может отправить заявку на разрешение на выпуск автомобильного средства на дороги общего пользования [1].

Разработкой российского беспилотного автомобиля в данный момент занимаются несколько компаний. Летом 2018 года было объявлено, что Яндекс заключил соглашение с правительством Москвы о запуске автономно управляемых такси. Были проведены тесты на полигонах, которые показали, что автомобиль успешно справляется с поставленными задачами. Разработка системы ведется при участии Научно-исследовательского автомобильного и автомоторного институт НАМИ. В свою очередь, НАМИ разработал беспилотный автомобиль на базе Lada Kalina, который был протестирован, но пока не анонсирован, как модель для массового производства [2].

Россия вместе с другими странами активно включилась в гонку по разработке систем автоматизации управления автомобилями. Но существуют препятствия, стоящие на пути реализации нововведений, однако последние, несомненно, несут преимущества для развития автомобильной инфраструктуры и сопряженных с ней областей.

Согласно Стратегии развития автомобильной промышленности Российской Федерации на период до 2025 года (далее - Стратегия), развитие системы самоуправляемых автомобилей и инфраструктуры для инновационного транспорта является одной из приоритетных задач для страны. В Стратегии подчеркивается отсутствие законодательной базы для запуска беспилотных автомобилей на дорогах общего пользования. Как минимум, в российском законодательстве отсутствует понятие «беспилотный автомобиль» и, соответственно, «оператор беспилотного автомобиля» или водитель [3, С.50].

Сложность в создании законодательной базы для беспилотных автомобилей состоит в большой вариативности автоматизированных систем, разрабатываемых в настоящий момент транспортных средств. Для систематизирования была разработана классификация уровня автоматизации автомобилей, созданная Сообществом Автомобильных инженеров (SAE). Для каждого класса требуются разные нормативные акты в соответствии с характеристиками и уровнями участия искусственного интеллекта в управлении автомобилем. На данный момент современное законодательство Российской Федерации может предложить правовое обеспечение только для трех классов:

1. Отсутствие автоматизации в управлении транспортным средством (ТС) - водитель полностью контролирует все аспекты управления в процессе вождения.

2. Содействие системы автомобиля в управлении ТС - режим движения при участии вспомогательных систем рулевого или динамического управления автомобилем (например: система экстренного торможения, системы помощи при парковке), при условии того, что водитель непосредственно участвует в процессе вождения.

3. Частично автоматизированная система - ассистированое управление автомобилем одной или несколькими вспомогательными системами в процессе рулевого и динамического управления автомобилем, при условии выполнением водителем остальных составляющих процесса вождения [4]

Можно сделать вывод, что все аспекты ответственности в российском законодательстве при управлении автомобилем возлагается на водителя за его действия при непосредственном нахождении за рулем автомобиля.

Развитие беспилотных технологий и запуск автомобилей с данной системой в массовое производство предполагает наличие на дорогах 3-х остальных уровней автоматизации управления автомобилем:

4. Условная автоматизация - процесс управления автомобилем осуществляется автоматизированной системой, при условии, что водитель в любой момент готов принять контроль над автомобилем на себя.

5. Высокий уровень автоматизации - движение автомобиля под контролем автоматизированной системы, при котором представляется возможным несвоевременное подключение водителя к процессу управления ТС.

6. Полная автоматизация - управление автомобилем производится под контролем системы при любых погодных условиях и дорожных обстоятельствах, как, если бы автомобилем управлял человек [4], [5].

При вышеуказанных классификациях движение автомобиля частично или полностью осуществляется системой. Такие компании, как Google, стремятся к созданию автомобилей, соответствующих 6-му классу. Но при этом встает вопрос разделения ответственности водителя и компании-производителя. Следовательно, в системе штрафов ПДД стоит проблема определения меры ответственности, защиты и наказания водителя и производителя, как поставщика системы управления транспортным средством. Также необходима разработка новых дорожных знаков и разметки.

Поставщик же автомобиля и его искусственного интеллекта, как правило, является юридическим лицом, что влечет за собой внесение поправок в Гражданский кодекс Российской Федерации и Кодекс об административных правонарушениях Российской Федерации. Однако, Уголовный Кодекс РФ не диктует аспекты ответственности юридических лиц. Так как, управление транспортным средством является потенциально опасным видом деятельности, которая может повлечь причинение легкой, средней и тяжелой степени вреда здоровью граждан, будет необходимо создание принципиально нового в мировой юридической практике ответвления уголовного права в сотрудничестве с правозащитниками и представителями компаний-разработчиков.

Однако юридические проблемы не единственный фактор, стоящий на пути выхода беспилотных автомобилей на дороги общего пользования.

Первой проблемой, с которой сталкиваются разработчики беспилотных автомобилей - обеспечение функционирования датчиков и сенсоров при плохой погоде. В таких условиях, как сильный дождь и снег, угол обзора оборудования сводится к нулю и в этом случае управление автомобилем придется брать на себя водителю. Таким образом, в климатических условиях северных широт функционирование автомобиля без водителя затруднительно. Используемые для беспилотных автомобилей лидары - лазерные дальномеры, используют технологию электромагнитных волн инфракрасного спектра. Данные волны отражаются от объектов, окружающих автомобиль и таким образом выстраивается трехмерная картина окружающей среды. В условиях дождя и снега капли воды являются помехой для инфракрасных волн и, следовательно, лидар не может предоставить достоверную информацию для системы [6]. С такой же проблемой разработчики сталкиваются при использовании радаров и видеокамер. В плохих погодных условиях становится невозможно распознать разметку, светофоры, других участников движения и пешеходов.

Данную проблему может решить разработка Массачусетского технологического университета. Ученые начали такой проект, как WaveSense, главной задачей которого является ориентация не на визуализацию и построение модели местности, а на сканирование почвы и ее слоев [7]. Данная технология при помощи электромагнитных импульсов сканирует почву на предмет камней, корней деревьев, то есть тех объектов, которые могу встать на пути следования автомобиля, в том числе и по бездорожью. Более того, данный радар позволяет автомобилю держаться в рамках своей полосы в условиях плохой видимости, что было протестировано и были получены хорошие результаты.

Как и в любой компьютерной программе, в написании кода работы беспилотного автомобиля может быть допущена ошибка, что приведет к некорректной работе системы. Разработчики должны реализовать меры для постоянного мониторинга обновлений и прописанного кода, а также способы их своевременного устранения.

Большой проблемой для создателей беспилотных автомобилей стал этический вопрос. Согласно какому алгоритму в том, или ином случае будет следовать автомобиль? Система выберет сохранить жизнь своему владельцу или окружающим [8]? Для минимизации вероятности создания такой ситуации существуют специально созданные базы данных, в которых собраны сотни тысяч обработанных видео с распознанными участниками дорожного движения, объектами инфраструктуры, пешеходами и прочее. Подобная база данных была создана учеными Калифорнийского университета [9]. Суть использования баз данных заключается в анализе искусственным интеллектом возможных сценариев развития событий и в анализе нескольких решений для поиска максимально правильного. Таким образом осуществляется процесс обучения беспилотных автомобилей. Этому также поспособствует накопление и загрузка в базу информации каждым автомобилем, запущенным на дороги городов. Таким образом будет осуществляться оцифровывание картографических данных городов для системы искусственного интеллекта беспилотного автомобиля, что, в свою очередь, облегчит процесс формирования маршрута и следования по нему.

Еще одним препятствием на пути запуска беспилотных автомобилей являются факторы внешней среды.

По причине того, что полный переход на беспилотные автомобили займет продолжительное время, участниками движения по-прежнему будут оставаться водители автомобилей без функций автопилота. Если действия беспилотного автомобиля являются полностью предсказуемыми, то водитель может осуществлять управление автомобилем хаотично и более того, совершать опасные маневры. Следовательно, сосуществование двух типов управления транспортным средством на дороге может стать большой проблемой для пользователей беспилотного автомобильного транспорта.

Большую роль при эксплуатации беспилотного автомобиля играет состояние дорожного полотна.

Статистика состояния дорог с твердым покрытием в Российской Федерации показывает:

1. Состояние федеральных трасс (общая протяженность 24,8 тыс. км): хорошее - 60%; удовлетворительное - 34%; плохое - 7%;

2. Состояние соединительных трасс (общая протяженность 11,1 тыс. км): хорошее - 39%; удовлетворительное - 44%; плохое - 17%;

3. Состояние региональных трасс (общая протяженность 35,8 тыс. км): хорошее - 46%; удовлетворительное - 35%; плохое - 19% [10].

Таким образом, как минимум около 10 тыс. км дорог в России являются потенциально опасными для движения автомобилей с автоматизированной системой управления, так как неровные дороги могут повлечь за собой повреждения автомобиля, в том числе повреждение датчиков, которые являются необходимыми для функционирования автомобиля.

Данная проблема может быть решена, как со стороны дорожных ведомств, так и со стороны разработчиков сенсоров и радаров. При проектировании новых дорог и реконструкции существующих на данный момент следует учитывать необходимость адаптации трасс к появлению новых систем и беспилотных автомобилей в ближайшие 15-20 лет. Конструкторы беспилотных автомобилей, в свою очередь, должны обеспечить максимальную защиту датчиков от повреждений.

По информации, представленной в средствах массовой информации, беспилотные автомобили к 2030 году могут занять до 40% мирового автомобильного рынка. Предполагается, что к этому времени разработчиками беспилотных автомобилей будут предложены алгоритмы для решения большинства имеющихся проблем. Решение технических проблем в перспективе может быть осуществлено в процессе тестов и модернизации проектов беспилотных автомобилей. Проблемы юридического характера должны решаться как на уровне региональных правительств, так и на уровне Министерства Транспорта Российской Федерации, в том числе на основании мировой практики. Проблемы, создаваемые аспектами внешней среды в данном случае, являются наиболее трудноразрешимыми.

В данном случае ремонт дорожного полотна требует консолидации возможностей всех ответственных ведомств и поиска максимально правильного решения для сохранения хорошего состояния дорожного покрытия, что является одним из основных факторов успешного преодоления дистанции беспилотными автомобилями. Вопрос сосуществования автомобилей с водителем и с автоматизированным управлением представляется на данный момент наиболее сложным. Возможно, одной из мер попытки организовать предсказуемое движение автомобилей с водителем является ужесточение системы штрафов за нарушение Правил дорожного движения при условии роста концентрации беспилотных автомобилей на дорогах страны.

Список литературы

беспилотный автомобиль инновационный

1. Application Requirements for Autonomous Vehicle Tester Program - Testing with a Driver. [Electronic resource] / State of California. Department of Motor Vehicles. - URL: https://www.dmv.ca.gov/portal/dmv/detail/vehindustry/ol/auton_veh_tester (accessed: 18.03.2019)

2. Центр «Спецавтомобили» [Электронный ресурс] / ФГУП «НАМИ». Государственный научный центр РФ. URL: http://nami.ru/directions/science/center-of-the-special-vehicles/work-performed (дата обращения: 18.03.2019)

3. Стратегия развития автомобильной промышленности Российской Федерации на период до 2025 года [Электронный ресурс] / Сайт Министерства экономического развития Российской федерации. URL: http://economy.gov.ru/wps/wcm/connect/510b5a0f-ff11-44fe-8809-3fbadff425c7/Russian+Automotive+Strategy+2025.pdf?MOD=AJPERES&CACHEID=510b5a0f-ff11-44fe-8809-3fbadff425c7 (дата обращения: 18.03.2019)

4. SAE levels of driving automation. [Electronic resource] / Stanford Law School. The Center for Internet and Society. URL: http://cyberlaw.stanford.edu/blog/2013/12/sae-levels-driving-automation (accessed: 18.03.2019)

5. Комбаров М.В. Беспилотные автомобили и повышение качества автомобильного транспорта [Электронный ресурс] / Комбаров М.В., Севостьянов М.А. // Символ науки. - 2017. - №5. - URL: https://cyberleninka.ru/article/n/bespilotnye-avtomobili-i-povyshenie-kachestva-avtomobilnogo-transporta (дата обращения: 18.03.2019)

6. Как работает лидар? [Электронный ресурс] / Научно-образовательный проект «Лазерный портал». URL: http://www.laserportal.ru/content_979 (дата обращения: 19.03.2019)

7. Dorothy R. Lincoln Laboratory enters licensing agreement to produce its localizing ground-penetrating radar [Электронный ресурс] / Dorothy R. // MIT (Massachusetts Institute of Techology) News. - 2017. URL: http://news.mit.edu/2017/lincoln-laboratory-enters-licensing-agreement-to-produce-localizing-ground-penetrating-radar-0718 (accessed: 19.03.2019)

8. Воронин Д.А. Проблемы правового регулирования автономного транспорта [Электронный ресурс] / Воронин Д.А., Макаревич М.Л. // Инновационная экономика: перспективы развития и совершенствования. - 2018. - №7 (33). URL: https://cyberleninka.ru/article/n/problemy-pravovogo-regulirovaniya-avtonomnogo-transporta. (дата обращения: 19.03.2019)

9. Американцы создали самый большой датасет для обучения беспилотных автомобилей [Электронный ресурс] / Сайт о нанотехнологиях Nano News Net. URL: http://www.nanonewsnet.ru/news/2018/amerikantsy-sozdali-samyi-bolshoi-dataset-dlya-obucheniya-bespilotnykh-avtomobilei (дата обращения: 20.03.2019)

10. Актуальное состояние дорог [Электронный ресурс] / Автострада - проект об актуальном состоянии дорожного покрытия трасс Украины, Беларуси и России. URL: https://autostrada.info/ru (дата обращения: 18.03.2019)

Размещено на Allbest.ru