СОДЕРЖАНИЕ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ В СИСТЕМЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ БЕЗОПАСНОСТИ МАЛЫХ ТРАНСПОРТНЫХ СРЕДСТВ Текст научной статьи по специальности «Компьютерные и информационные науки»

Содержание математических моделей в системе искусственного интеллекта для безопасности малых транспортных средств

Буслаев Сергей Петрович

кандидат технических наук, se.bouslaev@yandex.ru

инженер АО им. С.А. Лавочкина,

см о см

со

О!

О Ш

т

X

3

<

т О X X

Черепанов Никита Владимирович

кандидат технических наук, ведущий инженер АО им. С.А. Лавочкина, nv137@yandex.ru

В статье рассматриваются перспективы и проблемы создания математических моделей для применения в бортовых системах искусственного интеллекта, обеспечивающих безопасность пользующихся малыми транспортными средствами (МТС) людей, а также предотвращающих их конфликты с пешеходами. К малым транспортным средствам здесь относятся как привычные мотоциклы, мопеды и велосипеды, так и новые транспортные средства - средства индивидуальной мобильности (СИМ), получившие широкое распространение в последнее время (электросамокаты, гироскутеры, сигвеи, моноколёса и др.). Объединение этих транспортных средств в одну общую группу МТС обсуждается в статье с точки зрения разработки для них системы искусственного интеллекта, обеспечивающей безопасность. Эта система может здесь применяться как средство помощи человеку в управлении МТС, а также как предохранитель, отключающий управление малым транспортным средством в случаях нарушения водителем определённых правил. Рассмотрена общая структура математической модели «МТС + человек + окружающая среда», показано, что она имеет иерархический характер и содержит множество моделей с разным физическим содержанием, например: модель грунта, модель движения МТС, кинематическую модель МТС, антропометрическую модель человека и другие модели. Обсуждается различная вариантность исполнения этих частных моделей, которые в свою очередь могут состоять из других моделей нижнего уровня. Для разработки перечисленных в статье моделей могут потребоваться специалисты различного профиля для инновационных аппаратных и программных решений в разных областях техники.

Ключевые слова: безопасность человека, электросамокат, электровелосипед, безопасность движения, математические модели, искусственный интеллект

В последнее время широкое распространение получили малые транспортные средства, что объясняется их высокой мобильностью и экологичностью, поскольку большинство из них имеет электрический привод и работает от аккумуляторов [1, 2], Следует заметить, что объединение транспортных средств в группу МТС весьма условно. Так Минтрансом России предложен новый транспортный термин «Средства индивидуальной мобильности», в которые входят устройства для передвижения человека с помощью электродвигателей и (или) мускульной силы человека (роликовые коньки, самокаты, электросамокаты, скейтборды, электроскейтборды, гироскутеры, сигвеи, моноколеса и иные аналогичные средства), за исключением велосипедов и инвалидных колясок. В то же время в ряде иностранной и отечественной литературы используется термин «микротранспорт» [3], который включает также велосипеды и электровелосипеды. Отдельно находятся мотоциклы, которые многими не относятся ни к автомобилям, ни к СИМ, ни к микротранспорту. В данной статье общим термином «малые транспортные средства» объединяются СИМ, микротранспорт и мотоциклы. Их всех объединяет: отсутствие салона на шасси, небольшие размеры и масса, наличие одного человека на транспортном средстве в большинстве случаев движения, как правило, невозможность транспортного средства находиться в состоянии статического равновесия (с отключенной системой автобалансировки в случае её наличия), схожесть математических моделей при описании движения МТС.

Вопросы безопасного применения МТС получили особую актуальность в последние годы с появлением ги-роскутеров, сигвеев, электросамокатов, складных электровелосипедов и моноколёс, компактность и небольшой вес которых позволяют перевозить их в общественном транспорте и доставлять их в любую точку города. Это существенно изменило дорожную обстановку. Новые транспортные средства из-за их малых размеров, соизмеримых с размерами пешеходов, стали эксплуатироваться в непосредственном окружении пешеходов (в среде обитания пешеходов) и часто без выделенных для таких МТС специальных полос движения. При этом неопределённость поведения пешехода, определяемая безусловной свободой поведения человека в его среде обитания, может быть постоянным источником опасного взаимодействия пешехода и пользователя МТС, что уже много раз приводило к резонансным дорожно-транспортным происшествиям (ДТП).

Следует заметить, что некоторые СИМ, как например электросамокаты, способны развивать скорость до 35-50 км/час и выше (в зависимости от мощности силовой электрической установки), что приближает их по

этой характеристике к мопедам. Таким образом, с появлением СИМ окончательно сформировался класс транспортных средств, который по своим параметрам оказался близок как к нише, занимаемой пешеходами (малые размеры, малая скорость, очень высокая манёвренность, индивидуальное использование), так и к нише, занимаемой автомобилями и мотоциклами (способность перемещаться с высокой скоростью). Этот класс транспортных средств стал вторгаться в обе эти ниши, постоянно создавая в них опасные ситуации. Так по данным [4] число дорожно-транспортных происшествий с участием СИМ в 2020 году в России выросло на 180% по сравнению с 2019 годом.

Помимо разработки новых правил дорожного движения возможным решением для повышения безопасности водителей малых транспортных средств и окружающих пешеходов может быть обеспечение МТС системой искусственного интеллекта, работающей в режиме реального времени, анализирующей дорожную обстановку и принимающей решение о реакции на неё. Подобный искусственный интеллект может использовать на борту МТС математическую модель системы «МТС + человек + окружающая среда» для реконструкции текущей дорожной ситуации. При использовании такой модели могут достигаться следующие цели:

- информационная помощь водителю МТС бортовыми средствами искусственного интеллекта;

- соучастие в управлении МТС и корректировка действий водителя в случае необходимости (например, снижение скорости движения в случае движения по оживлённому тротуару или в случае ухудшения погодных условий);

- отключение МТС от управления в случае неадекватного поведения водителя.

Иерархическая структура этой модели представлена на рисунке 1 и включает три основных модели:

- модель малого транспортного средства М1;

- модель человека М2;

- модель окружающей среды М3.

Каждая из этих трёх моделей может быть достаточно сложной и может быть представлена иерархической структурой из других моделей нижнего уровня. Так модель МТС состоит из моделей A1, ..., An, которыми могут быть:

- модель кинематики МТС;

- модель пространственного движения МТС;

- модель привода колёс МТС;

- модель взаимодействия колёс МТС с грунтом;

- другие модели.

При этом модель Ai, например, модель взаимодействия колёс с грунтом может иметь несколько вариантов реализации Ail, ..., Aip. Это могут быть модели взаимодействия колеса с твёрдым или рыхлым грунтом, с мокрой поверхностью грунта и т.п. Это могут быть также модели взаимодействия колеса с поверхностью для разных режимов движения: прямолинейное качение без пробуксовки, прямолинейное качение с пробуксовкой, движение на вираже и т.п., в качестве примера которых можно привести [5, 6, 7]. Модели пространственного движения двухколёсных транспортных средств рассматриваются во многих работах, например, в [5, 6, 8, 9].

Следует отметить, что применение разработанных моделей движения к разным видам малых транспортных средств может быть достаточно условным и зависеть от параметров движения. Так модель движения мо-

тоцикла, который имеет среднюю массу 200 кг и скорость движения свыше 100 км/час, будет отличаться от модели движения более лёгкого и медленного электровелосипеда или электросамоката. При большой скорости движения мотоцикла уже необходимо учитывать аэродинамические силы.

Рисунок 1 - Общая структурная схема модели системы «МТС + человек + окружающая среда»

С другой стороны скорость движения электросамокатов может превышать 50 км/час, а для электровелосипедов скорость движения может быть свыше 90 км/час. Большую популярность приобретают грузовые электровелосипеды (двух или трёхколёсные) с возможностью перевозить груз массой до 50 кг. Дорожные происшествия с транспортными средствами, движущимися с такими скоростями и имеющими такую массу, может представлять большую опасность, как для их водителей, так и для пешеходов.

Аналогично модель человека М2 может включать модели нижнего уровня В1, ..., Вт, которыми могут быть:

- антропометрическая модель человека, которая устанавливает количественные параметры различных частей тела человека;

- кинематическая модель человека (включает шарнирную модель человека с использованием сферических или цилиндрических шарниров, 3D-модель, ограничения на повороты шарниров и т.п.);

- биомеханическая модель человека, которая объединяет антропометрическую и кинематическую модель человека и строится на основе антропоморфной модели, в которой используются анатомические составляющие человека (суставы и кости, мышцы, сухожилия, связки) с их механическими характеристиками в зависимости от пола, возраста, веса и роста человека;

X X

о

го А с.

X

го m

о

ю 00

2 О

м

CS

0

CS cd

01

О Ш

m x

3

<

m о x

X

- модель человека в защитной одежде. В этой модели принимается во внимание, что одежда может вызвать изменение кинематики и поведения человека и может повлиять на безопасность человека при падении с транспортного средства или при столкновении с препятствием;

- поведенческая модель человека, описывающая типичное поведение водителя МТС в различных дорожных ситуациях и учитывающая время реакции человека при обнаружении препятствий, при возникновении внезапных непредвиденных дорожных ситуаций и пр.

Деление на эти модели В1, ..., Вт иногда условное, они взаимосвязаны и дополняют друг друга, описывая один и тот же объект (человека) с разных точек зрения для одних и тех же дорожных ситуаций. Каждая из этих моделей Bi2 может иметь разную вариантность своего содержания, зависящую, например, от пола и возраста человека.

Модель окружающей среды М3 отличается среди вышеперечисленных моделей неопределённым характером своих параметров и может включать следующие модели С1, ..., Сг:

- набор стандартных моделей дорожной обстановки;

- модель рельефа;

- модель грунта;

- модели случайного скопления пешеходов;

- модель поведения пешехода.

Неопределённый характер имеют модели грунта,

модели случайного скопления пешеходов, модель поведения пешеходов. Отдельные модели С нижнего уровня могут иметь различные варианты своего исполнения Си, ..., фб. Так модель грунта может отличаться для разных сезонов и для разной погоды.

Перечисленные здесь модели в той или иной степени уже используются при создании многих интеллектуальных средств транспортного машиностроения - при создании беспилотных автомобилей, при создании беспилотных дронов и других. Подобные модели разрабатывались и разрабатываются также для автоматических планетоходов при исследовании небесных тел. При этом одной из больших проблем, требующих решения как для планетоходов [10], так и для мТс, является рациональное сочетание ручного и автоматического управления. Второй большой проблемой, особенно для сИм, является недостаток места для размещения датчиков информации о дорожной обстановке, получаемой, например, с помощью телекамер или лидаров. В этом случае могут потребоваться инновационные решения, как например, размещение их на специальных очках водителя или на его одежде, встраивание их в гаджеты пользователя и в корпус МТС и др. Инвестиции для решения этих и других проблем определяются бурным ростом спроса на малые транспортные средства. Так согласно экспертной оценке [3] объём мирового рынка электросамокатов и электровелосипедов достигнет $40 млрд. к 2025 году. Согласно приведённым там же прогнозам этот показатель достигнет $100 млрд. к 2035 году.

В этой связи следует упомянуть про такой документ, как Руководство Европейской экономической комиссии ООН [11] от 2020 года, в котором рассматриваются транспортные вопросы устойчивой городской мобильности населения городов. Большое внимание там уделяется электрическим транспортным средствам (электромобилям), малым транспортным средствам передвиже-

ния (велосипедам) и роли интеллектуальных транспортных систем с точки зрения индивидуальной мобильности населения и решения экологических проблем. Документ имеет аналитический системный характер, затрагивающий вопросы градостроительства, планирования внутригородских транспортных потоков, здравоохранения и другие вопросы. Интересно отметить, что рост продаж электровелосипедов и других СИМ в мире был настолько неожиданным и бурным, что он прошёл даже мимо внимания ЕЭК ООН при подготовке Руководства [11], в котором об электровелосипедах и СИМ даже не упоминается. Несомненно, что в ближайшие время нас ждут новые инновационные решения в развитии МТС и новые большие инвестиции в эти транспортные средства, в том числе и в область искусственного интеллекта для обеспечения безопасности транспортных средств.

Литература

1. Rabiatuladawiah Abu Hanifah, Siti Fauziah Toha, Noor Hazrin Hany Mohamad Hanif, and Nor Azam Kamisan. Electric Motorcycle Modeling for Speed Tracking and Range Travelled Estimation. IEEE Access, 2019, vol. 7, pp. 2682126829. URL: https://www. researchgate.net/publication/331270616_Elect ric_Motorcycle_Modeling_for_Speed_Tracking_and_Rang e_Travelled_Estimation (дата обращения 29.06.2021)

2. Филатов И.А. Дизайн-проектирование двухколесного городского транспортного средства. Международный журнал прикладных и фундаментальных исследований 2018, № 2, с. 59-64. URL: https://applied-research.ru/ru/article/view?id=12108 (дата обращения 05.07.2021)

3. Объем мирового рынка микротранспорта — электросамокатов и электровелосипедов — к 2025 году достигнет $40 млрд. Инвест-Форсайт, 19 сентября 2019. URL: https://auto.rambler.ru/other/42859105-obem-rynka-mikrotransporta-vyrastet-do-40-mlrd/ (дата обращения 23.07.2021)

4. Кодачигов Валерий. Продажи электросамокатов в России за год выросли втрое. Ведомости. 23 июня 2021 г.

https://www.vedomosti.ru/technology/articles/2021/06/23/8 75367-prodazhi-elektrosamokatov

5. Qiangqiang Yao and Ying Tian. A Model Predictive Controller with Longitudinal Speed Compensation for Autonomous Vehicle Path Tracking. MDPI, Appl. Sci. 2019, 9, 4739. 19 pages. URL: https://www.mdpi.com/2076-3417/9/22/4739/htm (дата обращения 29.06.2021)

6. Vincenzo Maria Arricale, Renato Brancati, Francesco Carputo, Antonio Maiorano and Guido Napolitano Dell'Annunziata. Non-linear Motorcycle Dynamic Model for Stability and Handling Analysis with Roll Motion and Longitudinal Speed Regulation. In Proceedings of the 7th International Conference on Vehicle Technology and Intelligent Transport Systems (VEHITS 2021), pages 292300. URL: https://www.scitepress.org/Papers/2021/103868/103868.pd f (дата обращения 30.06.2021)

7. Жилейкин М.М., Захаров А.Ю., Паньшин М.В. Проверка адекватности и точности математической модели взаимодействия эластичного колеса с деформируемым опорным основанием. Труды НГТУ им. Р.Е. Алексеева. - Нижний Новгород, 2018. № 4 (123). С.206-214. URL: https://www.nntu.ru/frontend/web/ngtu/files/nauka/izdaniya/ trudy/2018/04/2018-04.pdf (дата обращения 01.07.2021)

8. Бобцов А.А., Боргуль А.С., Зименко К.А., Пыркин А.А. Алгоритм управления автономным двухколесным мобильным роботом «мотобот». Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2011, № 5 (75). С. 63-68. URL: https://ntv.ifmo.ru/ru/journal/15/journal_15.htm (дата обращения 06.07.2021)

9. Mouad Garziad, Abdelmjid Saka. Review on Dynamics, Control and Stabilityof Two Wheeled Vehicle. SSRG International Journal of Mechanical Engineering, Volume 6 Issue 7, 1-7, July 2019. 7 pages. URL: https://internationayournalssrg.org/IJME/2019/Volume6-Issue7/IJME-V6I7P101.pdf (дата обращения 29.06.2021)

10. Буслаев С.П., Воронцов В.А., Графодатский О.С., Крайнов А.М. Общая методология совместного применения операторного и автоматического управления движением лунохода в «ночных» кратерах на полюсах Луны // Инженерный журнал: наука и инновации, 2017, вып. 8(68). URL: http://dx.doi.org/10.18698/2308-6033-2017-8-1665

11. Руководство по устойчивой городской мобильности и территориальному планированию - содействие активной мобильности. ЕЭК ООН, Женева, 2020. 202 с. URL:

https://unece.org/ru/transport/publications/rukovodstvo-po-ustoychivoy-gorodskoy-mobilnosti-i-territorialnomu (дата обращения 23.07.2020).

Content of mathematical models in the system of artificial intelligence

for safety small vehicles Buslaev S.P., Tcherepanov N.V.

Joint-stock company «Lavochkin Association»

JEL classification: C10, C50, C60, C61, C80, C87, C90_

The article discusses the prospects and problems of creating mathematical models for use in on-board artificial intelligence systems that ensure the safety of people using small vehicles (SV), as well as preven their conflicts with pedestrians. Small vehicles here include both the usual motorcycles, mopeds and bicycles, as well as new vehicles - means of individual mobility (MIM), which have become widespread recently (electric scooters, gyroscuters, segways, monowheels, etc.). The integration of these vehicles into one common SV group is discussed in the article from the point of view of developing an artificial intelligence system for them that ensures safety. This system can be used here as a means of helping a person in driving SV, as well as as a fuse that turns off the control of a small vehicle in cases of violation of certain rules by the driver. The general structure of the mathematical model "SV + person + environment" is considered, it is shown that it has a hierarchical nature and contains many models with different physical content, for example: a soil model, a model of SV movement, a kinematic model of SV, an anthropometric model of a person and other models. Various variants of the execution of these particular models, which in turn may consist of other lower-level models, are discussed. To develop the models listed in the article, specialists of various profiles may be required for innovative hardware and software solutions in different fields of technology. Keywords: human safety, electric scooter, electric bicycle, traffic safety, mathematical models, artificial intelligence

References

1. Rabiatuladawiah Abu Hanifah, Siti Fauziah Toha, Noor Hazrin Hany

Mohamad Hanif, and Nor Azam Kamisan. Electric Motorcycle Modeling for Speed Tracking and Range Travelled Estimation. IEEE Access, 2019, vol. 7, pp. 26821-26829. URL:

https://www.researchgate.net/publication/331270616_Electric_Motorcyc le_Modeling_for_Speed_Tracking_and_Range_Travelled_Estimation (date of access: 29.06.2021).

2. Filatov I. A. Design-design of a two-wheeled urban vehicle. International

Journal of Applied and Fundamental Research 2018, No. 2, pp. 59-64. URL: https://applied-research.ru/ru/article/view?id=12108 (date of access: 05.07.2021).

3. The volume of the global microtransport market — electric scooters and

electric bicycles-will reach $40 billion by 2025. Invest-Foresight, September 19, 2019. URL: https://auto.rambler.ru/other/42859105-obem-rynka-mikrotransporta-vyrastet-do-40-mlrd/ (date of access: 23.07.2021).

4. Kodachigov Valery. Electric scooter sales in Russia have tripled over the

year. Vedomosti. June 23, 2021.

https://www.vedomosti.ru/technology/articles/2021/06/23/875367-prodazhi-elektrosamokatov (date of access: 23.07.2021).

5. Qiangqiang Yao and Ying Tian. A Model Predictive Controller with

Longitudinal Speed Compensation for Autonomous Vehicle Path Tracking. MDPI, Appl. Sci. 2019, 9, 4739. 19 pages. URL: https://www.mdpi.com/2076-3417/9/22/4739/htm (date of access: 29.06.2021).

6. Vincenzo Maria Arricale, Renato Brancati, Francesco Carputo, Antonio

Maiorano and Guido Napolitano Dell'Annunziata. Non-linear Motorcycle Dynamic Model for Stability and Handling Analysis with Roll Motion and Longitudinal Speed Regulation. In Proceedings of the 7th International Conference on Vehicle Technology and Intelligent Transport Systems (VEHITS 2021), pages 292-300. URL:

https://www.scitepress.org/Papers/2021/103868/103868.pdf (date of access: 30.06.2021).

7. Zhileikin M.M., Zakharov A.Yu., Panshin M.V. Verification of the adequacy

and accuracy of the mathematical model of the interaction of an elastic wheel with a deformable support base. Proceedings of the NSTU named after R. E. Alekseev. - Nizhny Novgorod, 2018. No. 4 (123). pp. 206-214. URL:

https://www.nntu.ru/frontend/web/ngtu/files/nauka/izdaniya/trudy/2018/0 4/ 2018-04.pdf (date of access: 01.07.2021).

8. Bobtsov A.A., Borgul A.S., Zimenko K.A., Pyrkin A.A. The algorithm for

controlling an autonomous two-wheeled mobile robot "motobot". Scientific and Technical Bulletin of the St. Petersburg State University of Information Technologies, Mechanics and Optics, 2011, No. 5 (75). pp. 63-68. URL: https://ntv.ifmo.ru/ru/journal/15/journal_15.htm (date of access: 01.07.2021).

9. Mouad Garziad, Abdelmjid Saka. Review on Dynamics, Control and

Stabilityof Two Wheeled Vehicle. SSRG International Journal of Mechanical Engineering, Volume 6 Issue 7, 1-7, July 2019. 7 pages. URL: https://internationaljournalssrg.org/IJME/2019/Volume6-

Issue7/IJME-V6I7P101.pdf (date of access: 29.06.2021).

10. Buslaev S.P., Vorontsov V.A., Grafodatskiy O.S., Kraynov A.M. Common methodology for joint application of operator-driven and automated lunar rover motion guidance in night-side craters on lunar poles // Engineering Journal: Science and Innovation, 2017, Engineering Journal: Science and Innovation, issue 8(68). URL: http://dx.doi.org/10.18698/2308-6033-2017-8-1665 (date of access: 15.07.2021)

11. Guide to Sustainable Urban Mobility and Spatial Planning-promoting active mobility. UNECE, Geneva, 2020. 202 p. . URL: https://unece.org/ru/transport/publications/rukovodstvo-po-ustoychivoy-gorodskoy-mobilnosti-i-territorialnomu (date of access: 23.07.2020).

X X О го А С.

X

го m

о

ю 00

2 О

м