Россия
В статье проводится комплексный анализ современного состояния и перспектив развития технологии беспилотных автомобилей. Рассматриваются уровни автономности в соответствии с международной классификацией, преимущества и риски внедрения автономного транспорта. Основное внимание уделяется технологической дилемме выбора сенсорных систем: подхода с использованием лидаров и стратегии, основанной на компьютерном зрении. Материал основан на анализе актуальных публикаций, технической документации и экспертных мнений
беспилотный автомобиль, автономное вождение, уровень автономности, лидар, компьютерное зрение, искусственный интеллект
Беспилотные транспортные средства (БТС) являются одной из самых динамично развивающихся и капиталоемких технологических отраслей. Их повсеместное внедрение способно инициировать наиболее масштабную революцию в мобильности со времен изобретения автомобиля. Данная технология потенциально обусловит радикальные изменения не только в транспортной сфере, но и в градостроительстве, логистике, экологии и социальной области. Однако реализация полностью автономного управления транспортными средствами требует преодоления комплекса технологических, нормативно-правовых, этических и социальных барьеров. В основе современной конкуренции БТС лежит не только соперничество между корпорациями и стартапами, но и фундаментальный конфликт двух принципиально отличающихся технологических парадигм, определяющих механизмы восприятия и интерпретации окружающей среды транспортным средством.
Инженерное сообщество автомобильной промышленности (SAE International – Society of Automotive Engineers) разработало стандарт SAE J3016, который определяет уровни автономности транспортных средств [1]. Этот стандарт стал глобальным ориентиром для производителей автомобилей, регуляторов и разработчиков систем автономного вождения. Он описывает, насколько автомобиль может самостоятельно управлять движением, без участия водителя. Всего предусмотрено шесть уровней автономности (от 0 до 5).
Уровни автономности 0-2 соответствуют системам помощи водителю посредством набора технологий и датчиков (камеры, радары, лидары, ультразвуковые сенсоры) для управления автомобилем, повышая безопасность, комфорт и эффективность. На этих уровнях ответственность полностью лежит на человеке, системы (адаптивный круиз-контроль, ассистент удержания в полосе, автоматическая парковка) носят вспомогательный характер и требуют постоянного контроля со стороны водителя.
Уровень 3 характеризуется как условная автоматизация. Система способна выполнять полный набор динамических задач вождения в предопределенных условиях (на автомагистралях при благоприятных погодных условиях и дорожной обстановке). Водитель может временно отвлекаться от мониторинга окружающей среды, однако обязан оставаться готовым к оперативному вмешательству в управление по запросу системы в течение заданного интервала времени. Правовой статус данного уровня остается неопределенным в законодательстве многих юрисдикций, что обусловлено вопросами ответственности за потенциальные инциденты.
Уровень 4 – «высокая автоматизация». Система обеспечивает полную автоматизацию динамических задач вождения в рамках заранее заданной зоны (географически ограниченной области или определенного типа дорожной сети). Водитель не требуется для постоянного контроля рулевого управления и может не наблюдать за дорожной обстановкой. В случае, если система не в состоянии разрешить возникшую ситуацию, она инициирует безопасную остановку транспортного средства. Большинство современных коммерческих прототипов и тестовых платформ функционируют на данном уровне, включая разработки компаний Waymo, Cruise и Яндекс [2 – 4].
Уровню 5 отведена роль полной автоматизации. Автомобиль демонстрирует способность к независимому выполнению динамических задач вождения в любых условиях, сопоставимых с человеческими возможностями, без необходимости участия водителя. Конструктивно такое транспортное средство может не включать элементы ручного управления, такие как рулевое колесо или педали. На текущий момент серийные автомобили данного уровня отсутствуют в коммерческом производстве [2, 5].
Архитектура любого беспилотного автомобиля базируется на последовательном выполнении четырех ключевых задач, образующих замкнутый цикл:
1) восприятие: датчики (камеры, радары, лидары) собирают данные об окружающем мире. Алгоритмы компьютерного зрения и обработки сигналов идентифицируют объекты (пешеходы, автомобили, дорожные знаки), определяют их скорость, траекторию и тип;
2) локализация: определение точного местоположения автомобиля в пространстве с использованием комплекса данных (сигналы спутниковых систем навигации (ГЛОНАСС, GPS)). Сверка данных лидара производится с высокоточными картами. Эти карты содержат статическую информацию о геометрии дорог, разметки, знаков. Полученная информация позволяет БТС ориентироваться даже при отсутствии разметки или в сложных погодных условиях;
3) планирование посредством интеллектуального анализа. На основе цифровой модели окружающей среды, построенной с использованием данных от сенсорных датчиков, система прогнозирует поведение участников дорожного движения и генерирует оптимальную траекторию движения, обеспечивающую безопасность, комфорт и эффективность, включая решения о маневрах, таких как перестроение, повороты, ускорение или остановки. Этот процесс опирается на алгоритмы машинного обучения и оптимизации для минимизации рисков и максимизации комфорта пассажиров;
4) исполнение: принятые решения планирования транслируются в физические команды для исполнительных механизмов. Электронные блоки управления преобразуют высокоуровневые инструкции в сигналы для систем рулевого управления, тормозов и привода. Современная архитектура автомобильной электроники, включая CAN-шину (Controller Area Network) – протокол последовательной коммуникации между контроллерами, – обеспечивает интеграцию автономной системы с существующими подсистемами транспортного средства. Это позволяет беспилотной платформе эффективно управлять динамикой автомобиля, обеспечивая синхронизированное и надежное исполнение команд в реальном времени.
Данная структура этапов подчеркивает иерархический подход к автономному управлению, где планирование служит основой для исполнения, а интеграция с аппаратной архитектурой автомобиля критически важна для достижения надежности.
В контексте эволюции автономных транспортных средств, стандартизированных по классификации SAE J3016, дискуссии о ключевых технологиях фокусируются на сравнении двух подходов. Сторонники инфраструктурных решений подчеркивают необходимость высокоскоростных сетей связи (5G/6G) для передачи больших объемов данных (о скорости, направлении, маневрах и состоянии транспортных средств) с минимальной задержкой, а также для взаимодействия с интеллектуальными элементами инфраструктуры (адаптивные светофоры, дорожные знаки, данные о фазах светофорного регулирования, ремонтных работах и погодных условиях).
В противоположность этому, сторонники автономных систем утверждают, что БТС должны функционировать в антропогенной среде без зависимости от дорогостоящей инфраструктуры. Такие системы полагаются на сенсорные данные для восприятия стандартных элементов, что обеспечивает глобальную масштабируемость и применимость за пределами мегаполисов с развитой инфраструктурой. Наиболее вероятным сценарием является гибридный подход, где БТС интегрируют данные в транспортную инфраструктуру там, где они доступны, для повышения безопасности и эффективности.
Согласно данным Всемирной организации здравоохранения, ежегодная смертность от дорожно-транспортных происшествий (ДТП) составляет около 1,35 млн человек, при этом 94% инцидентов обусловлены человеческим фактором. Применение БТС позволит снизить эти риски. Координированное движение и оптимизированный стиль вождения (плавное ускорение/торможение) способствуют снижению заторов и потребления топлива. Кроме того, оптимизация логистических маршрутов минимизирует экономические потери. В городском планировании прогнозируется сокращение потребности в парковочных местах в центральных районах, что потенциально снизит общее количество транспортных средств. БТС также применимы в экстремальных условиях, таких как зоны чрезвычайных ситуаций, горнодобывающие предприятия и опасные производства [6, 7].
Однако внедрение БТС сталкивается с существенными препятствиями. В нормативно-правовой сфере отсутствует унифицированная правовая база: определение ответственности в авариях с участием БТС (производитель, разработчик программного обеспечения или владелец); процедуры сертификации автономного программного обеспечения и оформления ДТП. Кибербезопасность является критическим аспектом: уязвимости могут привести к утечке персональных данных, шпионажу или захвату контроля злоумышленниками для террористических актов или вымогательства. Вопросы хранения, использования и защиты данных требуют пристального внимания. Социально-экономи-ческие последствия включают потенциальные массовые сокращения рабочих мест в транспортной отрасли, что влечет за собой разработку программ переобучения и социальной адаптации для затронутых групп.
В целом, развитие БТС представляет собой сложный, многоаспектный эволюционный процесс, а не мгновенный технологический прорыв. Прежде чем стать неотъемлемой частью повседневной жизни, беспилотные транспортные средства должны пройти этапы доработок, тестирований, общественного принятия и формирования правового поля.
1. SAE International. SAE J3016_202104: Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles. – Текст: электронный // URL: https://web.archive.org/web/20211220101755/https://www.sae.org/standards/content/j3016_202104/ (дата обращения: 10.11.2025).
2. Talapkaliyeva, A.N. Autonomous ve-hicles: an overview of challenges and possible solutions / A. N. Talapkaliyeva. – Текст : непосредственный // Вопросы устойчивого развития общества. – 2022. – № 5. – С. 873-879.
3. Waymo releases its first self-driving ‘Safety Report’. – Текст: электронный // URL: https://techcrunch.com/2017/10/12/waymo-self-driving-safety-report/ (дата обращения: 04.11.2025).
4. Яндекс. Технологии беспилотных автомобилей: Как мы создаём будущее. – Текст: электронный // URL: https://yandex.ru/ autonomous/technology (дата обращения: 04.11.2025).
5. Полтавская, Ю.О. Система активной безопасности транспортных средств с учетом прогнозирования поведения водителя / Ю. О. Полтавская, А. Р. Анисимова. – Текст : непосредственный // Сборник научных трудов Ангарского государственного технического университета. – 2022. – № 19. – С. 138-142.
6. Ляпустин, П.К. Оценка социально-экономического ущерба от дорожно-транспортных происшествий / П. К. Ляпустин, А. А. Кобак. – Текст : непосредственный // Современные технологии и научно-технический прогресс. – 2020. – Т. 1. № 7. – С. 171-172.
7. Полтавская, Ю.О. Исследование влияния автономных транспортных средств на пропускную способность транспортных сетей / Ю. О. Полтавская, С. К. Каргапольцев, А. П. Хоменко. – Текст : непосредственный // Современные технологии. Системный анализ. Моделирование. – 2020. – № 3 (67). – С. 146-152.
