Isesõitvate sõidukite otsustusprotsessid liiklus- ja ohuolukordades ning sellega seotud eetilised aspektid.

From ICO wiki
Jump to navigationJump to search

Sissejuhatus

  täitja: Lennart


Tehnoloogia: Isesõitvate sõidukite autonoomsuse tasemed

  täitja: Lennart


Tehnoloogia: Isesõitvate sõidukite tehnoloogia areng

  täitja: Andre


Isesõitvate sõidukite sotsiaal-majanduslikud aspektid

Liiklusohutus

  täitja: Andre

Keskkonnasäästlikkus

  täitja: Tanel

Majandus- ja Kommunikatsiooniministeeriumi liiklusohutusprogramm aastateks 2016-2025 paneb rõhku ka keskkonnasäästlikkusele. Liiklusohutuse eesmärkide saavutamiseks keskendutakse kolmele peamisele liiklusohutust mõjutavale valdkonnale. Valdkond „Vastutustundlik ja ohte tajuv liikleja“ keskendub kõigi liikluses osalejate ohutust väärtustavate hoiakute ja alalhoidliku liikluskäitumise kujundamisele. Valdkond „Ohutu keskkond“ hõlmab ohutumat ja tõhusamat liikuvust, mis on sotsiaalselt vastuvõetav ja keskkonnasäästlik ning erinevate aastaaegade liikluseripärasid arvestav. Valdkond „Ohutu sõiduk“ näeb ette ohutumate sõidukite kasutamise liikluses. Liikluskorraldus peab kujunema lihtsaks ja arusaadavaks, sobituma keskkonda, vähendama liiklusstressi ning aitama vältida liiklemisel vigu. Meetmega tõhustatakse liikluskorralduse projekteerimist, teostamist ning järelevalvet. Töötatakse välja lahendused, mis tagavad vajadustele vastava selge ja üheselt mõistetava liikluskorralduse, sh ka ehitusobjektil. Liiklemise sujuvamaks, ohutumaks ning keskkonnasäästlikumaks muutmiseks hakatakse liikluskorralduses enam rakendama intelligentsete transpordisüsteemide (edaspidi ITS) võimalusi. ITS-i arendused aitavad liikluses orienteeruda, liigelda sujuvamalt, soodsamalt, säästlikumalt ning vahetades andmeid ja teavet sõidukite või sõidukite ja taristu vahel. See võimaldab muuta tervikliku liiklussüsteemi sujuvamaks, arusaadavamaks, säästlikumaks ja ohutumaks. Liiklemise sujuvamaks, ohutumaks ning keskkonnasäästlikumaks muutmiseks hakatakse liikluskorralduses rakendama ITS-i võimalusi. Võetakse kasutusele üleeuroopaline sõidukist automaatselt hädaabiteate edastamise süsteem eCall. Suure liiklussagedusega maanteel ning linnatänaval arendatakse dünaamilist liikluskorraldust. See hõlmab liikleja reaalajas teavitamist ja hoiatamist liiklus-, tee- ja ilmastikuoludest ning eelnevast sõltuva kiirusrežiimi kehtestamist. Vajadusel ka liikluse ümbersuunamist. Lisaks vahetult taristule paigaldatavale juhitavale liikluskorraldusvahendile täiendatakse liikluspiirangutest ja liiklustakistustest teavitamise tehnilisi lahendusi. ITS-i lahenduste kaudu soodustatakse ühistranspordi kasutamist. Hinnatakse ITS-i rakendustest tulenevaid riske ja vajadusel kavandatakse leevendusabinõud. [1]
Sõidukite automatiseerimine ja nende omavahel suhtlemine võimaldab säästa keskkonda, säästes kütust ja optimeerides sõiduki liikumist. Isesõitvad sõidukid on võimelised kiirendama ja pidurdama efektiivsemalt, seeläbi vähendades energia raiskamist, mis tekib mittevajalikust kiiruse muutmisest. Siiski, kuna arvatakse, et mugavam liikumine isesõitvate sõidukitega paneb inimesi rohkem sõitma, siis see võib suurenenud sõitude hulga tõttu üles kaaluda automatiseerimisest tuleneva keskkonnasäästu. Veelgi enam, kui isesõitvate sõidukitega sõites saavad inimeses tegeleda millegi muuda, näiteks õppida, töötada või mängida, siis nad võivad soovida elada töökohast kaugemal. [2]

Kuna on tõenäoline, et isesõitvate sõidukite kasutamisel langeks ka liiklusõnnetuste arv märkimisväärselt, siis annaks keskkonnasäästuja energia säästu ka ohutusvarustuse ja avarii testide vähendamine. Lisaks isesõitvatele sõidukitele saaks kombineerida ka liiklusmärkide muutumist vastavalt liiklusolukorrale, et vähendada foori taga seismist või eelistada suuremat hulka kõrvalteel liikuvaid sõidukeid mõne üksiku peateel liikuva ees. Paljud isesõitvad sõidukid on tehtud elektri jõul liikuvad ja see ei tähenda, et need automaalselt vähendaksid energia kasutamist, kuid kindlasti vähendavad heitgaase ja õhusaastet. [3]

Mobility as a Service (MaaS)

  täitja: Tanel


Riskid ja ohud isesõitvate sõidukite kasutusele võtmisel

  täitja: Andreas

Turvastandardite puudumine
Isesõitvate autode puhul on tegu viimase kümnendi reguleerimata tööstusega - erinevad autotootjad alles alustavad selles valdkonnas ning turvanõuded on seega välja töötamata. Võistlus erinevate tootjate vahel on üles kuumenemas ning kasutatud tehnoloogia olemus ei ole täielikult läbipaistev. Autonoomsed lisad rakendatakse kui juhtimisabina, ent auto sõidab hoolimata sellest kas juht hoiab käsi roolil või mitte. Teiste sõnadega toimub eksperimenteerimine inimeste peal, et täiustada autode autonoomset võimekust. Enamus liiklusõnnetuste juhtumitest üritatakse põhjendada inimeksimusega[4] ning kuna surmaga lõppevate juhtumite arv on siiski madal, siis ei ole poliitilised võimud antud tööstusele põhjalikku tähelepanu veel pööranud.

Keerulised liiklussõlmed ja inimliiklejad kui oht
...

Elektroonikarikked ilmastikunähtustest
...

Häkkimisoht ja muu pahatahtlik tegevus
...

Võimalikud terviseriskid elektromagnetkiirgusest
Kuna ühiskond näeb tulevikus autonoomsete elektriautode massilist kasutust, siis võiks tänapäeva hirmu tõttu riskina ka välja tuua elektromagnetilisest kiirgusest (EMK) põhjustatud terviseprobleemid. Kuigi kõik tänapäeva sõidukid tekitavad kiirgust, siis on selle tasemed massilise elektroonika ja mitmete akude tõttu elektriautodes kõrgemad. Siiski erinevad uuringud on leidnud, et kiirgustase elektriautodes jääb alla piirnormide ja on ohutu arvestades inimese teisi igapäevaseid kokkupuuteid[5][6][7]. Muidugi ei tasu unustada, et mõned inimesed on või arvavad olevat tundlikumad EMK suhtes, seega võib see neil põhjustada peavalu, väsimust, unetust jne.

Isesõitvate sõidukite/nende omanike õigused ja kohustused ning vastutus

  täitja : Aleksandra


Isesõitvate sõidukite otsustusprotsessid liiklus- ja ohuolukordades

  täitja: Andreas

Et sõita inimesest paremini on isesõitvad masinad varustatud erinevate kaamera, GPS, ultraheli, radari ja kallimate lidari sensoritega, mis annavad parema taju sellest, mis liikluses toimub, kui inimesel seda endal on. Enamus autodest juba kasutavad erinevaid kaameraid ja radareid juhi- ja parkimisabi näol ning tagavad isegi madalamad autonoomsuse tasemed. Täisautonoomsuse tarbeks on aga lidarid, mis kiirete nähtamatute laserisignaalide abil moodustavad punktipilved ümbruskonda jäljendavas kolmemõõtmelises ruumis. Kõikide nende sensorite sisendandmed saadetakse tehisintellekti keskprotessorile kombineerimiseks ja töötlemiseks, millega saadakse 360-kraadine ülevaade, mis sõiduki ümber toimub. Selles ülevaates tehakse kindlaks näiteks erinevad tehis- ja inimobjektid, nende distants ja kaugus. Nende andmete põhjal tagatakse ka rajavahetuse otsuse ohutus sarnaselt nagu pimenurga hoiatusandur tavalistes sõiduautodes.

Tehisintellekti abil suudavad isesõitvad sõidukid tuvastada ja reageerida keskkonnale reaalajas. Selline intellekt kasutab sügavnärvivõrgustiku (DNN - Deep Neural Network) mudeleid, mis lihtsamas tähenduses koosnevad matemaatiliste algoritmide jadadest. DNN inspiratsiooniks on inimaju, mis on võimeline ise õppima. Seega õpetatakse mudelile objektide samastamist ja eristamist selle asemel, et iga objekti kõikvõimalikud iseärasused arvutiprogrammis ära defineerida. Aga nagu iga inimene on erinev ja spetsialiseerub mingitele kindlatele eesmärkidele elus, siis on ka mudelid oma kindla ülesandega ning turvalisuse mõttes ka kohati kattuvad. Et kui üks närvivõrgustiku mudel ei tuvasta mingit konkreetset objekti, siis on ikkagi võimalus, et teine tuvastab. Otstarbe järgi võiks välja tuua rajaleidjaid ja objektituvastajaid. Rajaleidjateks on võrgustikud, mis tuvastavad kogu tee ruumi, teekattemärgistust sõiduteel, sõidukist eespoolset sõidetavat rada jms. Objektituvastajateks aga võrgustikud, mis tuvastavad teisi sõidukeid, jalakäijaid, valgusfoore ning liiklusmärke, eraldi valgusfooride värve ja liiklusmärkide tüüpe, ning veel ristmikke ja peatumisolukordi.

Peale tuvastusalgoritmide on vaja probleemide lahendamiseks ka võimsaid otsustusalgoritme põhieesmärgiga jõuda efektiivselt punktist A punkti B vältides liiklusõnnetusi. Õnnetused ja ohuolukorrad tekivad aga kahel peamisel põhjusel - viletsad otsused või sensorid ei tuvasta. Kuna isesõitvad sõidukid on endiselt arenev valdkond, siis tarkvaras esineb tihti palju puudujääke, kui tuleb arvestada inimkaasliikleja võimaliku käitumisega. Näiteks uue arvestamata ohu korral vähendatakse sõiduki kiirust kuni peatumiseni ja lihtsalt oodatakse ohu möödumist, kuigi tegelikult tuleks edasi jälgida ka seismisest tulenevaid ohte. 2017. aasta novembris oli Las Vegases olukord, kus uhiuus isesõitev buss sattus liiklusõnnetusse esimese kahe tunni jooksul[8]. Buss tuvastas ees tagurdava veoki ja otsustas seisma jääda, kuid veokijuht tagurdas üha lähemale ning ei näinud paigale tarretunud bussi. See õnnetus oleks ilmselt ära jäänud, kui buss oleks osanud ka tagurdada või vähemasti signaali anda. Palju kurvem inimeluga lõppenud õnnetus oli aga 2016. aastal Floridas, kus Tesla mudel S sõitis sisse maanteele keeravale veoki haagisele [9]. Õnnetuse hetkel sõitis sõiduk kiirusega 119km/h ning Tesla sõnul nii juht kui sõiduk ei märganud teele keeravat veokit. Nimelt toodi põhjuseks, et sõiduki sensorid ei suutnud vahet teha eredal taeval ja valgel haagisel. Tesla on rõhutanud, et tegu ei ole täisautonoomse lisaga, vaid pigem juhiabiga ning et enne õnnetust oli sõiduk korduvalt juhti hoiatanud, et too hoiaks käed roolil.

Sensorid koguvad toored andmed, närvivõrgustikud loovad nende põhjal ettekujutuse keskkonnaruumist, tuvastatud sündmused edastatakse otsustusprotsessi, mis valib kõikvõimalikest manöövritest teostatava ja sobivaima. Teostatav on manööver, mis on ohutu ja liiklusreeglitega kooskõlas. Sobivaim on aga üks teostavatest manöövritest, mille valimisel lähtutakse selle efektiivsusest, ökonoomsusest, mugavusest jm. Kuna igat manöövrit on võimalik sooritada lõpmatul erineval viisil, näiteks erineva trajektooriga, siis tehakse manöövri välja selgitamisel hulganisti simulatsioone arvestades ka võimalike juhuslike sündmustega. Kuna trajektoore läbitakse ajas, siis tehakse ka ennustavaid kalkulatsioone, näiteks arvutatakse välja erinevate sündmuste tõenäosus järgneva 6-10 sekundi jooksul. Kuigi täpsemad otsustusprotsessi meetodid on tootjate puhul varieeruvad ja on pigem ärisaladus, on siiski tehtud mitmeid erinevaid teaduslikke uurimistöid, mis võivad sisaldada lõplikke olekumasinaid (finite state machine), Markovi otsustusprotsessi (Markov decision process), mänguteooriat (game theory), stiimulõpet (reinforcement learning) jm.

Olenemata kasutatud otsustamismeetoditest või viimasel tasemel riistvarast, jääb keeruliseks probleemiks siiski inimliikleja mõistmine, näiteks jalakäijate ja ratturite käežestide interpreteerimine. Samuti ohuolukorras eetiliste otsuste langetamine nagu õnnetuse vältimiseks liiklusreeglite rikkumine või väljapääsmatus olukorras ühe elu teise üle kaalumisel. Inimliikleja mõistmiseks teadlased Massachusettsi Tehnoloogiainstituudi (MIT) arvutiteaduste ja intelligentsi laboris (CSAIL) arendavad tehisintellektisüsteemi[10], mis liigitaks liiklejad nende sotsiaalse isiksuse järgi, et parendada isesõitva auto otsustamisvõimekust keerulistes oludes. Need isiksuseliigid on isetu, isekas ja koostöövalmilik. Selle projekti üks näidiseesmärkidest on anda autole võimekus rada vahetada tihedas linnaliikluses või lasta seda teisel liiklejal teha. Tuvastades missugune liikleja on egoistlik saaks varakult planeerida võimalikke ohte vältivaid otsuseid. Lisaks liiklejate liigitamisele arendavad mõned tootjad nagu BMW ja Audi sõidukitevahelist kommunikatsiooni intelligentsemaks liiklemiseks[11]. Sellise suhtluse abil saavad autod kiiremini võimaluse sõidurada vahetada või vältida tagant sissesõitu kui eesmine auto on planeerinud äkkpidurduse sooritada.

Kokkuvõte

Kasutatud materjalid

  /igaüks lisab juurde kasutatud allikad ja viited nendele/

1. http://moralmachine.mit.edu/
2. https://www.nature.com/articles/d41586-018-07135-0
3. https://www.theverge.com/2018/10/24/18013392/self-driving-car-ethics-dilemma-mit-study-moral-machine-results
4. https://www.roboticsbusinessreview.com/unmanned/unmanned-ground/infographic-can-self-driving-cars-make-moral-decisions/
5. https://phys.org/news/2019-01-self-driving-cars-moral.html
6. https://www.newyorker.com/science/elements/a-study-on-driverless-car-ethics-offers-a-troubling-look-into-our-values
7. https://www.nvidia.com/en-us/self-driving-cars/drive-labs/
8. https://www.sciencedirect.com/science/article/pii/S0968090X15003447