XVIII Международная студенческая научная конференция Студенческий научный форум - 2026

Введение

Современный транспорт постепенно превращается из простого средства передвижения в сложную интеллектуальную систему. Одним из ключевых направлений этого преобразования являются беспилотные автомобили — транспортные средства, способные передвигаться без постоянного контроля со стороны человека-водителя. Их основу составляет симбиоз аппаратной платформы, включающей различные датчики и мощные компьютеры, и продвинутое программное обеспечение, которое обрабатывает информацию об окружающем мире и принимает решения. Уровень автономности таких систем варьируется от простой помощи водителю до полной самостоятельности, что находит свое отражение в современных стандартах классификации.

Значительный интерес представляет внутреннее устройство беспилотных автомобилей, в частности, алгоритмы, которые позволяют им «видеть» дорогу, «понимать» ситуацию и строить безопасный маршрут. Не менее важны и специальные подсистемы, отвечающие за безопасность, такие как управление торможением или рулевым управлением, которые в беспилотниках претерпели серьезные изменения.

Актуальность темы обусловлена комплексным характером проблематики, охватывающей вопросы робототехники, искусственного интеллекта, права и социологии. Проведение системного исследования устройства, принципов работы и перспектив развития беспилотных автомобилей необходимо для формирования целостного представления о транспорте будущего, что позволит разрабатывать эффективные стратегии развития транспортных систем и решать возникающие технологические и нормативно-правовые трудности.

Преимущества беспилотных автомобилей:

Внедрение беспилотных автотранспортных средств (БПА) потенциально способно оказать многогранное положительное воздействие на различные сферы жизни общества.

Кардинальное повышение безопасности дорожного движения является одним из ключевых преимуществ. Согласно исследованиям, до 90-95% ДТП происходят по причине человеческого фактора — ошибок восприятия, замедленной реакции, усталости, невнимательности или сознательного нарушения ПДД [1]. Замена человека на автоматизированную систему, не подверженную этим недостаткам, теоретически может привести к сокращению аварийности на порядок. Беспилотные системы обладают такими ключевыми преимуществами, как круговой обзор и превосходство сенсоров. Комплекс лидаров, радаров и камер обеспечивает 360-градусное восприятие обстановки с большей, чем у человека, дальностью и точностью, особенно в условиях недостаточной видимости [2]. Система не отвлекается на внешние раздражители и не испытывает усталости, сохраняя постоянную бдительность 24/7. Скорость реакции электронной системы измеряется миллисекундами, что значительно быстрее человеческого. Кроме того, исключается агрессивное или рискованное вождение, обусловленное эмоциональным состоянием.

БПА способны революционизировать грузоперевозки и логистику «последней мили», обеспечивая экономическую эффективность. Исключаются расходы на оплату труда водителей, их страхование и соблюдение норм рабочего времени. Грузовое транспортное средство может осуществлять перевозки практически непрерывно, что ускоряет доставку и снижает ее стоимость [3]. Беспилотные фургоны и дроны смогут осуществлять доставку 24/7, гибко подстраиваясь под динамичные потребности клиентов и оптимизируя цепочки поставок. Развитие сервисов роботакси и каршеринга без водителя трансформирует отношение к транспорту — от владения личным автомобилем к использованию мобильности как услуги (Mobility-as-a-Service, MaaS) [4].

Существенны и экологические преимущества. Алгоритмы рассчитывают наиболее экономичный маршрут и реализуют плавный стиль вождения, что снижает расход топлива и выбросы CO2. Большинство концептов БПА разрабатываются на базе электромобилей, и синергия этих двух технологий многократно усиливает положительный экологический эффект. Широкая доступность роботакси может снизить потребность в личном автомобиле для многих семей. Один БПА сможет обслуживать потребности 10-15 человек в день, что сократит общий парк транспортных средств и высвободит городское пространство.

БПА предоставят новые возможности для повышения мобильности и социальной инклюзии. Пожилые люди и люди с ограниченными возможностями здоровья получат независимость и свободу передвижения. Подростки и лица без водительских прав получат доступ к безопасному и удобному транспорту. Жители удаленных и слаборазвитых районов с дефицитом общественного транспорта получат надежную транспортную связь [3].

Наконец, технология способствует оптимизации городского пространства и транспортных потоков. Технологии Vehicle-to-Vehicle (V2V) и Vehicle-to-Infrastructure (V2I) позволяют БПА двигаться согласованно, минимизируя волны торможения и оптимизируя проезд перекрестков без светофоров, что снижает заторы. Поскольку БПА будут постоянно находиться в движении, обслуживая запросы пользователей, отпадет необходимость в масштабных парковках в центрах городов. Эти территории можно будет рекультивировать под пешеходные зоны, парки и велодорожки [2].

Потенциальные проблемы и вызовы

Несмотря на колоссальный потенциал, путь к массовому внедрению беспилотных автотранспортных средств сопряжен с преодолением существенных барьеров.

Одной из ключевых проблем являются технологические трудности. Создание надежной системы, способной безопасно функционировать в любых погодных условиях, таких как снегопад, гололед, густой туман или ливень, остается сложной задачей, поскольку эти факторы могут ухудшать работу сенсоров. Особую сложность представляет обработка нестандартных и аварийных ситуаций, включая дорожные работы, аварии и непредсказуемое поведение пешеходов [5].

Высокая степень подключенности и зависимость от программного обеспечения порождают серьезные риски для кибербезопасности. Беспилотные автомобили становятся потенциальной мишенью для хакерских атак, целью которых может быть перехват управления, вывод из строя или кража данных [1].

Не менее сложным вопросом являются юридические и этические дилеммы. Для внедрения технологии необходима разработка комплексной законодательной базы, регулирующей допуск БПА на дороги, сертификацию систем, а также определение гражданской и уголовной ответственности в случае дорожно-транспортных происшествий. Особую сложность представляют этические вопросы, такие как знаменитая «проблема вагонетки» — выбор алгоритмом наименьшего зла в неизбежной аварийной ситуации.

Массовая автоматизация управления транспортными средствами может привести к значительным социально-экономическим последствиям. Существует риск исчезновения профессий, связанных с вождением, включая дальнобойщиков, таксистов и водителей общественного транспорта, что потребует разработки программ переобучения и может вызвать социальное напряжение в обществе [3].

Дополнительным барьером остается высокая стоимость технологии. Цена высокоточных лидаров, радаров, вычислительных блоков и специализированного программного обеспечения продолжает оставаться запредельно высокой для массового потребительского рынка, что замедляет коммерческое распространение беспилотных транспортных средств [2].

Аппаратное и программное обеспечение

Конструктивно беспилотный автомобиль представляет собой сложный симбиоз высоконадежной аппаратной платформы и продвинутого программного обеспечения. Эта система формирует автономный комплекс, способный воспринимать окружающую среду и принимать решения в реальном времени.

Аппаратная часть включает несколько ключевых компонентов, выполняющих различные функции. Сенсорная система, или «органы чувств» автомобиля, состоит из комплекса лидаров. Эти устройства используют лазерные импульсы для построения высокоточного трехмерного облака точек окружающего пространства, сканируя его с чрезвычайно высокой частотой до 50-100 раз в секунду, что позволяет детально анализировать геометрию среды. Радары, работающие на основе радиоволн, играют ключевую роль в определении расстояния до объектов и их скорости, оставаясь при этом высокоэффективными в условиях плохой видимости. Набор камер различного типа обеспечивает панорамный обзор и критически важен для распознавания семантических элементов дорожной сцены: дорожных знаков, разметки, сигналов светофора. Для маневрирования на малых скоростях, например, при парковке, используются ультразвуковые датчики.

Система позиционирования объединяет спутниковые навигационные системы с коррекцией RTK (Real-Time Kinematic) и инерциальные измерительные блоки (IMU). Этот симбиоз обеспечивает сантиметровую точность определения местоположения автомобиля даже при временной потере спутникового сигнала [5]. Вычислительный блок представляет собой мощный бортовой компьютер, часто на основе GPU или специализированных чипов, предназначенных для задач искусственного интеллекта. Его задача — обрабатывать гигабайты разнородных сенсорных данных в реальном времени, что является вычислительно сложной задачей, требующей особых архитектурных решений. Исполнительные механизмы (актуаторы) преобразуют цифровые команды от программного обеспечения в физические действия через электронные системы управления (drive-by-wire) рулевым механизмом, тормозами и дроссельной заслонкой, обеспечивая точное выполнение маневров [6].

Программное обеспечение беспилотного автомобиля состоит из нескольких взаимосвязанных интеллектуальных модулей. Алгоритмы компьютерного зрения и глубокого машинного обучения анализируют поток данных с сенсоров для точной идентификации, классификации и трекинга объектов окружающей среды, таких как другие транспортные средства, пешеходы и препятствия. Система локализации использует продвинутые SLAM-алгоритмы (Simultaneous Localization and Mapping) и методы сопоставления данных сенсоров с прецизионными HD-картами. Это позволяет определять положение автомобиля с сантиметровой точностью не только в глобальной системе координат, но и относительно полосы движения [5].

Многоуровневая система планирования строит безопасную и оптимальную траекторию движения. Этот процесс включает стратегическое планирование маршрута, тактическое планирование поведения в дорожной обстановке и оперативное локальное планирование траектории. Для повышения надежности и прогнозирования развития ситуаций используются технологии Vehicle-to-Everything (V2X), включая коммуникации между транспортными средствами (V2V) и с инфраструктурой (V2I), что позволяет создавать кооперативные системы управления и повышать общую безопасность дорожного движения . Завершает цикл работы система управления (control), где специализированные алгоритмы, такие как Model Predictive Control (MPC), преобразуют запланированную траекторию в конкретные управляющие сигналы для исполнительных механизмов, обеспечивая плавность и точность движения [7].

Система блокировки (Иммобилайзер и Безопасность)

В контексте беспилотных автотранспортных средств система блокировки эволюционирует от простой противоугонной функции до критического элемента функциональной безопасности. Этот переход отражает принципиально новые требования к безопасности автономных транспортных средств.

Традиционный иммобилайзер, являющийся стандартным компонентом современных автомобилей, в БПА часто реализован в виде цифрового ключа через мобильное приложение. Данная система блокирует цепь зажигания, топливный насос или высоковольтную батарею в электромобиле при отсутствии авторизованного ключа, выполняя базовую противоугонную функцию.

Совершенно новым уровнем становится система блокировки движения при сбое, представляющая собой комплексное решение, отвечающее строгим требованиям стандартов функциональной безопасности. При обнаружении критического сбоя в любой из ключевых систем - центральном компьютере, рулевом управлении, тормозах или сенсорах - автоматически активируется протокол аварийного останова . Данная система выполняет последовательность защитных действий: немедленно уведомляет диспетчерский центр и пассажиров о неисправности, активирует аварийную сигнализацию и бортовые системы связи. Затем система инициирует безопасную остановку автомобиля, выбирая оптимальный способ - либо немедленную остановку, если это позволяет дорожная обстановка, либо плавный съезд на обочину с последующей блокировкой трансмиссии.[1]

Особую важность в архитектуре безопасности приобретает принцип многоуровневого дублирования систем. При отказе основного вычислителя управление автоматически переходит к резервному, что обеспечивает непрерывность критических функций. Такой подход гарантирует, что даже в случае серьезных технических сбоев транспортное средство сохранит способность к безопасному завершению поездки, минимизируя риски для пассажиров и других участников дорожного движения.[6]

Пятиуровневая структура автономности (по классификации SAE J3016)

Для понимания эволюции БПА критически важно воспринимать автономность не как бинарное состояние («беспилотный»/«не беспилотный»), а как поэтапный процесс. Международным стандартом де-факто является классификация Society of Automotive Engineers (SAE) J3016, которая определяет 6 уровней автономности (от 0 до 5). Однако на практике уровни с 0 по 2 часто объединяют в группу, где водитель активно участвует в управлении, поэтому в научной и инженерной среде распространено понятие о «пятиуровневой» структуре, начиная с уровня автоматизированных систем [8].

Уровень 0 («Нет автоматизации»): Водитель выполняет все задачи по динамическому управлению автомобилем (руление, торможение, ускорение). Системы (например, АБС или ESP) могут лишь кратковременно вмешаться для стабилизации, но не осуществляют постоянный контроль за движением.

Уровень 1 («Помощь водителю»): Автоматизированные системы могут либо помогать с рулением (система удержания в полосе, LKA), либо с торможением/ускорением (адаптивный круиз-контроль, ACC). Водитель обязан контролировать все остальные аспекты движения и быть готовым немедленно взять на себя управление.

Уровень 2 («Частичная автоматизация»): Автомобиль может одновременно управлять рулением, торможением и ускорением на определенных участках дороги (например, на автомагистрали). Эта стадия известна как «автопилот». Ключевая особенность — обязанность водителя постоянно следить за дорогой и быть готовым к немедленному вмешательству. Подавляющее большинство современных серийных систем находятся на этом уровне.

Уровень 3 («Условная автоматизация»): В определенных условиях (например, на специально подготовленных автомагистралях) автомобиль может выполнять все задачи по вождению. Водитель может отвлечься (например, читать или смотреть фильм), но должен быть готов вмешаться по запросу системы в течение ограниченного времени (обычно 5-10 секунд).

Уровень 4 («Высокая автоматизация»): Автомобиль способен выполнять все задачи по вождению и безопасно останавливаться в случае непредвиденной ситуации или системного сбоя в определенной зоне эксплуатации (геозоне) или при определенных условиях (например, только в хорошую погоду). Вмешательство человека не требуется в рамках этих ограничений (ODD — Operational Design Domain).

Уровень 5 («Полная автоматизация»): Автомобиль способен ездить полностью автономно в любых условиях, на любой дороге и в любой географической местности, где смог бы проехать человек-водитель. Руль, педали и органы управления не требуются. На сегодняшний день данный уровень является концептуальным и не реализован на практике [9].

Принцип работы беспилотного автомобиля

Принцип функционирования беспилотных автотранспортных средств представляет собой непрерывный итерационный цикл, состоящий из трех фундаментальных этапов, которые повторяются с частотой несколько десятков раз в секунду.

Основой для всех последующих решений является этап восприятия окружающей среды. Массив разнородных сенсоров, включая лидары, радары и камеры, непрерывно сканирует пространство вокруг автомобиля на 360 градусов. Получаемые данные поступают в вычислительный блок, где происходит критически важный процесс сенсорной фузии — объединение информации от всех источников в единую непротиворечивую модель окружающего мира. Этот подход позволяет компенсировать слабые стороны одних датчиков преимуществами других. В результате строится динамическая цифровая карта, содержащая информацию о положении и типе всех статических и динамических объектов, включая другие автомобили, пешеходов, дорожные знаки и разметку.

На основе созданной цифровой модели система переходит к этапу принятия решений. Этот процесс включает несколько взаимосвязанных подзадач. Система с сантиметровой точностью определяет свое положение на предварительно составленной HD-карте высокой четкости, используя данные GPS/ГЛОНАСС, инерциальных измерительных модулей и сопоставление данных лидара с картой. Одновременно система предсказывает вероятное поведение других участников движения, прогнозируя возможные действия пешеходов или маневры автомобилей в соседних рядах. На основе данных о цели поездки, текущей обстановки и прогнозов система строит оптимальный и безопасный маршрут, принимая тактические решения о необходимости ускорения, замедления или перестроения.[2]

После расчета оптимальной траектории наступает этап действия, когда вычислительный блок отправляет конкретные команды исполнительным механизмам. Электроприводы рулевого управления поворачивают колеса на заданный угол, а сервоприводы точно дозируют усилие на педалях тормоза и акселератора. Это обеспечивает точное выполнение маневра, запланированного на предыдущем этапе.

Непрерывный цикл "восприятие-решение-действие", повторяющийся с высокой частотой, обеспечивает плавное, безопасное и предсказуемое движение беспилотного транспортного средства в реальном времени.[6]

Автоматическая система зажигания и запуска

В беспилотных автотранспортных средствах процесс запуска представляет собой полностью автоматизированную последовательность, инициируемую пользователем дистанционно через мобильное приложение или специализированный интерфейс. Данная процедура включает несколько обязательных этапов, обеспечивающих безопасность и надежность работы системы.

После получения команды от пользователя бортовой компьютер проводит комплексную предпусковую диагностику всех критических систем транспортного средства. Это включает проверку состояния трансмиссии, давления в тормозной системе, уровня заряда аккумулятора, работоспособности сенсорного оборудования, целостности шин и стабильности подключения к навигационным серверам. Особое внимание уделяется контролю чистоты оптических систем и отсутствию ошибок в работе основных компонентов. При обнаружении любой неисправности система информирует пользователя и блокирует дальнейший запуск.

Следующим этапом является процедура авторизации, в ходе которой система иммобилайзера проверяет цифровые учетные данные пользователя, подтверждающие его право доступа к транспортному средству. После успешной аутентификации электронный блок управления активирует силовую установку - либо через цепь зажигания в случае двигателя внутреннего сгорания, либо путем подключения высоковольтной батареи в электромобиле.

Завершающей фазой процесса является подготовка к движению, когда система уведомляет пользователя о своей готовности и, в зависимости от заданного сценария, может автоматически подъехать к указанной точке посадки. Весь этот многоэтапный процесс обеспечивает безопасную и надежную эксплуатацию беспилотного транспортного средства при полном соблюдении всех необходимых протоколов.[6]

Автоматическая система торможения

Система торможения в беспилотных автомобилях глубоко интегрирована в общий контур управления и работает на нескольких уровнях, обеспечивая как комфорт, так и безопасность. Адаптивный круиз-контроль использует данные радаров и камер для плавного регулирования скорости автомобиля, поддерживая заданную дистанцию до впереди идущего транспортного средства. При замедлении лидера автомобиль плавно тормозит вплоть до полной остановки и автоматически возобновляет движение, когда это становится возможным.[2]

Система автоматического экстренного торможения представляет собой активную систему безопасности, действующую проактивно. Принцип ее работы начинается с обнаружения угрозы, когда радар для точного определения дистанции и скорости и камера для классификации объекта непрерывно мониторят пространство перед автомобилем. На этапе оценки угрозы вычислительный блок в реальном времени рассчитывает время до столкновения, и если этот показатель становится меньше критического порога, система переходит в состояние повышенной готовности. На уровнях автономности, где присутствует водитель, система может подавать визуальные и звуковые предупреждения, тогда как в полностью беспилотном режиме это внутреннее уведомление для логики планирования. Если угроза столкновения сохраняется и становится неизбежной, система самостоятельно инициирует экстренное торможение с максимальным усилием через электронный блок управления тормозами, используя электрогидравлические усилители, способные развить полное тормозное усилие за доли секунды.

В сложных сценариях система торможения тесно взаимодействует с системами рулевого управления и стабилизации через кооперативное торможение. Например, при объезде внезапного препятствия автоматика может одновременно с торможением выполнить подруливание для ухода от столкновения, реализуя комплексный маневр избегания. Такой интегрированный подход позволяет системе выбирать оптимальную стратегию поведения в каждой конкретной дорожной ситуации, обеспечивая максимальную безопасность при сохранении плавности движения.[6]

Системы связи Vehicle-to-Everything (связь транспортного средства со всем окружающим) как основа коллективного интеллекта

Функционирование беспилотных автомобилей следующего поколения невозможно представить без продвинутых систем связи, известных под общим термином V2X (Vehicle-to-Everything, «Транспорт-со-всем»). Данная технология принципиально расширяет воспринимающие возможности отдельного автомобиля, создавая эффект коллективного интеллекта и превращая разрозненных участников движения в единую, слаженно функционирующую экосистему для обмена критически важной информацией в режиме реального времени.

Основу V2X составляют несколько ключевых направлений взаимодействия. Технология V2V (Vehicle-to-Vehicle, «Транспорт-транспорт») позволяет автомобилям напрямую обмениваться данными о своем местоположении, скорости, траектории и маневрах. Это позволяет системе предсказать и предотвратить возможное столкновение еще до того, как оно станет очевидным для стандартных сенсоров, таких как лидары или камеры. Не менее важным является взаимодействие V2I (Vehicle-to-Infrastructure, «Транспорт-инфраструктура»), в рамках которого интеллектуальные элементы дорожной инфраструктуры (светофоры, знаки) передают автомобилю данные о фазе светофора, ограничениях скорости или дорожных работах.[5]

Для реализации этого потенциала используются современные технологии передачи данных. Среди них ключевое место занимает протокол C-V2X (Cellular V2X), основанный на стандартах сотовой связи, включая 5G. Данная технология предлагает высокую пропускную способность и ультра-низкие задержки, что критически важно для обеспечения мгновенной реакции в сложных дорожных сценариях, а также широкое покрытие [10].

Интеграция V2X в общую архитектуру беспилотного автомобиля позволяет преодолеть фундаментальные ограничения автономных сенсоров, которые «видят» только в прямой видимости. Благодаря V2X автомобиль получает возможность «заглянуть за угол» или «увидеть сквозь» другие транспортные средства, заблаговременно получая информацию о заторе, ДТП или препятствии за несколько сотен метров до непосредственного контакта с ним [5].

На практике это реализуется в таких перспективных сценариях, как движение автомобилей в плотных, энергоэффективных колоннах (плейтонах), где они автоматически поддерживают дистанцию, или скоординированный проезд перекрестков без традиционных светофоров, где автомобили самостоятельно договариваются о приоритете проезда через обмен траекториями [7].

Ключевая идея алгоритма (разработчиков команды Яндекс)

Разработчики компании Яндекс предложили инновационный подход к решению задачи планирования движения, который отказался от классической парадигмы «большого мозга» с жестко прописанными правилами и деревьями решений. Вместо этого был применен метод, основанный на математической оптимизации и генерации гипотез, где ключевая идея формулируется как глобальное целеполагание для алгоритма: «Двигайся по дороге так, чтобы твое поведение было максимально похоже на поведение хорошего, безопасного и предсказуемого водителя-человека, соблюдающего ПДД». Количественной мерой «похожести» выступает специально разработанная функция стоимости .

Алгоритм функционирует в реальном времени по строгому пошаговому циклу, начинающемуся с генерации вариантов траекторий-кандидатов. На каждом шаге планирования алгоритм генерирует множество виртуальных траекторий, по которым автомобиль мог бы двигаться в ближайшие несколько секунд. Эти траектории должны быть физически реализуемы с учетом динамики и кинематики автомобиля, отличаться плавностью без резких изменений ускорения и кривизны, а также покрывать широкий спектр возможных маневров от движения по полосе до перестроения и объезда препятствий.

Следующим этапом является оценка вариантов через функцию стоимости, представляющую собой ядро алгоритма. Каждой сгенерированной траектории присваивается численная «цена», где более высокая стоимость означает худшее качество траектории. Функция стоимости вычисляется как взвешенная сумма штрафов за различные нежелательные аспекты, включая отклонение от цели, некомфортность при резких маневрах, нарушение правил дорожного движения, приближение к препятствиям и непредсказуемость поведения для других участников движения. Особенно строгие штрафы применяются за нарушения ПДД, а при достижении критически малой дистанции до объектов штраф становится асимптотически большим.

После оценки всех кандидатов алгоритм выбирает траекторию с наименьшей общей стоимостью для передачи на низкоуровневый блок управления, который физически реализует выбранный путь через актуаторы. Весь процесс генерации, оценки и выбора повторяется с высокой частотой 10-20 раз в секунду, что позволяет системе постоянно адаптироваться к изменяющейся дорожной обстановке и оперативно реагировать на действия других участников движения.

Данный подход обладает рядом преимуществ, включая гибкость в нестандартных ситуациях, плавность и комфорт движения, а также приоритет безопасности через строгие штрафы за нарушения. Однако основная сложность заключается в калибровке весовых коэффициентов функции стоимости, где неправильный баланс штрафов может привести к неадекватному поведению — от излишней «боязливости» до агрессивности. Этот процесс требует длительных испытаний и тонкой настройки, но в результате алгоритм эффективно имитирует результат человеческого вождения, выбирая самый безопасный, комфортный и законный вариант из всех физически возможных [11].

Заключение

В рамках данного реферата был проведен комплексный анализ устройства и принципов функционирования беспилотных автомобилей. Исследована пятиуровневая классификация автономности по стандарту SAE J3016, детально рассмотрен цикл работы БПА, включающий этапы восприятия, принятия решений и действия. Проанализирован состав аппаратного и программного обеспечения, а также ключевые подсистемы: блокировки, зажигания и торможения. Особое внимание уделено принципам работы алгоритма планирования траектории на основе функции стоимости, разработанного командой Яндекс, а также изучена система связи Vehicle-to-Everything. Изучены потенциальные преимущества массового внедрения БПА, такие как повышение безопасности, экономической эффективности и экологичности, а также сопутствующие технологические, правовые и социальные вызовы.

Список литературы

1. Беляев К. М., Романов А. А. Кибернетическая безопасность беспилотного транспорта // Технико-технологические проблемы сервиса. 2018. № 2(44). С. 37–42.

2. Беспилотные автомобили [Электронный ресурс] // Tadviser. URL: https://www.tadviser.ru/ (дата обращения: 24.09.2025).

3. Юзаева А. Г., Кукарцев В. В. Беспилотные автомобили: опасности и перспективы развития // Актуальные проблемы авиации и космонавтики. 2016. Т. 2. С. 120–122.

4. Коммерсантъ. Беспилотные технологии: будущее наступает [Электронный ресурс]. URL: https://www.kommersant.ru/doc/7280613 (дата обращения: 24.09.2025).

5. Применение и развитие технологий беспилотных автомобилей и их влияние на транспортную систему [Электронный ресурс] // КиберЛенинка. URL: https://cyberleninka.ru/article/n/primenenie-i-razvitie-tehnologiy-bespilotnyh-avtomobiley-i-ih-vliyanie-na-transportnuyu-sistemu (дата обращения: 23.09.2025).

6. Технические аспекты построения систем автономного вождения // Современные технологии в автомобилестроении. 2022. № 3. С. 15–23.

7. Liu K., Gong J., Kurt A. et al. Model Predictive Control for Cooperative Connected Autonomous Vehicles Using V2X Communication // IEEE Transactions on Intelligent Transportation Systems. 2023. Vol. 24, № 2. P. 2031–2043.

8. SAE J3016: Surface Vehicle Recommended Practice. Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. SAE International.

9. Thrun, S. Toward robotic cars // Communications of the ACM. 2010. Vol. 53, № 4. P. 99–106.

10. 5GAA White Paper. C-V2X Use Cases: Methodology, Examples and Service Level Requirements [Электронный ресурс]. 2021. URL: https://5gaa.org/news/c-v2x-use-cases-methodology-examples-and-service-level-requirements/ (дата обращения: 24.09.2025).

11. Алгоритм планирования пути в беспилотных автомобилях Яндекса [Электронный ресурс] // Habr. URL: https://habr.com/ru/companies/yandex/articles/340674/ (дата обращения: 12.10.2025).

Код для цитирования: Скопировать