Компания Here Technologies отмечает, что разрозненность дорожных и локационных данных в Индии представляет собой серьезное препятствие для широкого внедрения систем помощи водителю (ADAS) и технологий автономного вождения. Для масштабирования таких приложений необходим более широкий доступ к информации, которую хранят государственные ведомства.
Абхиджит Сенгупта, руководитель Here Technologies в Индии, сообщил, что данные, находящиеся у государственных органов и различных агентств, включая сведения о скоростных ограничениях, дорожных запретах и иной дорожной информации, остаются фрагментированными.
Сенгупта подчеркнул, что было бы полезно, если бы провайдеры решений могли получить доступ к этим данным или чтобы они были сделаны доступными, поскольку это значительно способствует масштабированию определенных сценариев использования. Он предположил, что создание единого централизованного хранилища такой информации помогло бы технологическим компаниям разрабатывать и расширять локационные приложения.
Он привел в пример ситуацию, когда информация о лимитах скорости и ограничениях движения грузовиков в определенных городских районах распределена между различными агентствами.
Вызовы возрастают по мере перехода Индии к более высоким уровням автоматизации транспортных средств
Проблема становится более острой по мере того, как Индия движется к более высоким уровням автоматизации транспорта. Сенгупта отметил, что переход от Уровня 2 (L2) и L2+ — которые остаются системами с поддержкой водителя, принимающего решения, — к Уровню 3 (L3) потребует гораздо больше локализованной информации о состоянии дорог Индии.
При этом L1 относится к помощи при управлении рулем или торможением, тогда как L2 может контролировать оба этих процесса, но водитель все равно обязан следить за дорогой. На уровне L3 система способна взять управление на себя в заданных условиях, требуя вмешательства водителя при получении соответствующего сигнала.
Особую критичность представляют разметка полос, дорожные знаки и информация на уровне дороги; ожидается, что разработка таких систем начнется на автомагистралях и экспресс-дорогах, прежде чем распространится на городские районы.
Быстро меняющаяся дорожная инфраструктура Индии и непостоянные дорожные условия усугубляют эту проблему. Here выявила, что помимо проблем с данными о городе, такие как некорректное движение по встречной полосе, существуют проблемы с задержкой информации на городских дорогах, которые необходимо решить для продвинутых сценариев использования.
Сенгупта также заявил, что для каждого приложения ADAS не требуется картографирование высокого разрешения с сантиметровой точностью. Currently, Here считает, что для сценариев навигации и автопилота достаточно картографирования «стандартного определения плюс», в то время как более сложные системы потребуют большей доступности информации о полосах и дорожных знаках.
Компания отметила, что такая дорожная информация доступна в масштабе на автомагистралях и экспресс-дорогах Индии, однако покрытие неравномерно на городских улицах.
Более широкое внедрение подключенных и электрических транспортных средств также увеличивает спрос на локационную аналитику. Сенгупта добавил, что безопасность, информация о трафике в реальном времени и оптимизация маршрута становятся все более важными для пользователей транспортных средств.
Для пользователей электромобилей локационная аналитика может помочь определить, достаточно ли запаса хода для поездки, требуется ли объезд и доступна ли зарядная станция по маршруту.
Помимо автомобильного сектора, компания наблюдает растущий спрос со стороны логистики, электронной коммерции, быстрой торговли, сервисов такси и доставки еды, особенно для операций первой, средней и последней мили.
Сенгупта заключил, что искусственный интеллект может еще больше расширить роль локационной аналитики, позволяя пользователям делать более контекстные запросы, например, находить парковку рядом с местом назначения, проверять, будет ли магазин открыт по прибытии или определять наличие объектов на нужной стороне дороги.