Názory na celou efektivitu a koncept autonomní mobility se různí. Mnohdy se střetávají pohledy odborníků i laické veřejnosti, které se liší jak v pohledech na celou aktuální věc tak i ve vývoji celého tohoto konceptu. Nyní svůj pohled na dané téma představil pan Václav Jírovský (PATRIC) a výzkumník z oblasti autonomního řízení z Centra dopravního výzkumu Michal Sklenář.
Často slýcháme v médiích i dokumentárních snímcích, že technologie posouvá lidstvo vpřed a pomáhá mu řešit problémy, zvyšovat komfort, či míru přežití. U mnoha vynálezů tomu tak skutečně je. Poslední dobou nám však pravděpodobně i pod vlivem dokonalosti vizuálních efektů ve filmech či počítačových hrách přijde mnohé sci-fi stále reálnější. Platí to i o tématu autonomní dopravy a automatizovaných vozidel. Ukazuje se však, že i technologie, které běžně užíváme, mohou naopak snadno snižovat naší pracovní produktivitu, schopnost chápat, nebo schopnost sociální interakce. To prokázali již téměř před patnácti lety vědci z univerzity v Severní Karolíně[1], nebo letos v souvislosti se stále dostupnější technologií umělé inteligence i jejich kolegové ze Stanfordu[2]. Jaká budoucnost nás tedy čeká s autonomní dopravou, která je představovaná jako revoluce?
Současná ve všech směrech zrychlená doba zaměřená na výkon celé společnosti a finanční efektivitu s sebou přináší zkratky. Tyto zkratky se bohužel často objeví i ve výzkumu ve formě vynechání jeho podstatné části, nebo nepřizpůsobení se změněným podmínkám. Téma autonomní dopravy se objevuje a mizí přibližně ve třicetiletých intervalech obdobně, jako umělá inteligence. První automatizované vozidlo, resp. dálkově řízené, bylo představeno již v roce 1921 ve státě Ohio. V roce 1958 absolvoval automatizovaný automobil automobilky GM na speciální dráze s vodicím drátem ve vozovce celou jednu míli. Ve stejnou dobu byl do sériové výroby uveden tempomat, první náznak automatizace ve vozidlech. Největším průkopníkem silničních automatizovaných vozidel moderní doby byl Ernst Dickmanns, který v roce 1987 představil dodávku nazvanou VaMoRs (Versuchsfahrzeug für autonome Mobilität und Rechnersehen) samostatně jedoucí rychlostí až 96 km/h po běžné silnici. Ke sledování okolí využívala pouze kamer. Na tento úspěch navázal velký evropský projekt EUREKA-ProMETHEUS (1987 – 1994) v rámci něhož Dickmannsova vozidla postavená na bázi automobilů Mercedes-Benz třídy S a opět řízená na základě zpracování obrazu ze dvou kamer ujela samostatně téměř 1600 kilometrů z Mnichova do Odense rychlostí až 180 km/h v běžném provozu. Celý projekt stál 749mil. € a stanovil především řadu technických a technologických překážek, které je třeba na cestě k plně automatizovaným vozidlům vyřešit. Bohužel nepočítal s tím, že výrazně naroste intenzita dopravy, a tedy i množství různorodých interakcí, což velmi ovlivňuje spolehlivé možnosti využití automatizace vozidel. Dnes tak ve výzkumu řešíme především technické detaily, jako je například snímací schopnost senzorů, rozpoznávání okolí, aplikace umělé inteligence, nebo optimalizace dynamiky řízení vozidel, ale málokdy se zabýváme smysluplností celé automatizace v současné, a hlavně budoucí, dopravě. Jak nám tedy mohou autonomní doprava a automatizovaná vozidla pomoci v řešení dopravních problémů, kterými je především příliš vysoká intenzita dopravy v místech, kde bychom jí potřebovali snížit?
Ilustrační zobrazení celé historie dopravy po současnost (Zdroj: autor)
V první řadě je třeba podívat se do historie, abychom zjistili, proč vlastně máme dopravní systém a dopravní prostředky. Často se setkáme s pohledem mířícím do času průmyslové revoluce v počátku 19. století a „bavíme se“ soubojem železnice, prvních automobilů i intenzivní dopravy pomocí koňů. Takový pohled je bohužel velmi omezený, protože nám na otázku „proč?“ neodpoví. Je proto nutné se podívat na začátek existence lidstva, nebo na jiné druhy živých organismů. Základní evoluční premisou živého organismu je jednoduše „přežít“. Tudíž jeho chování je cíleno na efektivní získávání potravy a reprodukci. Tak se chovaly i malé skupiny lidí na počátku existence lidstva – sbíraly potravu. Sběr potravy byl velmi závislý na vnějších okolnostech a s rozrůstáním skupiny bylo nutné vytvořit jistotu v obživě. První částečnou jistotu tvořil lov zvěře, která byla na rozdíl od rostlinné potravy k dispozici prakticky po celý rok. S dalším rozrůstáním společnosti byla vyžadována stále větší jistota dostupnosti potravin. Byl tak vynalezen princip vlastní výroby potravin – zemědělství. To vyžadovalo i nové nástroje, které při větším rozmachu zemědělství již nemohli z časových důvodů vyrábět sami zemědělci. Vznikaly tak nové profese a potřeba předávat výrobky mezi jednotlivými profesemi. Docházelo k přirozené výměně informací, a tudíž k dalšímu rozvoji a diverzifikaci nejen těchto tvůrčích profesí. Na základě praktických profesí se přirozeně mnohem později vyvinuly i profese ryze teoretické, jejichž další rozvoj stojí opět na efektivní výměně znalostí. To vedlo k shlukování většího množství lidí do vzájemné blízkosti, tedy k hustě osídlené oblasti, městu, a dále i k větší výměně informací a produktů, tedy k pohybu naopak na větší vzdálenosti. Lze tedy snadno dovodit, že potřeba dopravy plyne z potřeby získávání zdrojů a znalostí pro přežití. Nezbavíme se jí, můžeme jí pouze optimalizovat. Tato optimalizace však nemusí být pouze v dopravním systému samotném, ale v celém chování a řízení společnosti. Autonomní doprava je jedním z mnoha nástrojů, které mohou optimalizaci dopravního systému v určitých aspektech prospět.
Čím více informací a produktů si lidé musí nebo chtějí sdílet, tím rychleji musí přenést jejich objem. Totéž platí i o věcech, hmotě, resp. energii. Potřebujeme-li za jednotku času přenést větší objem informace, musíme buď zkrátit vzdálenost, nebo zrychlit přenos informace, případně zvětšit šířku přenosového pásma, tedy prostor pro její přenos. Tyto omezené možnosti vedly historicky jak k tvorbě měst (hustě zalidněných oblastí s krátkými vzdálenostmi mezi zdrojem a cílem), tak k vývoji dopravních prostředků a infrastruktury zrychlujících pohyb člověka. Od ochočených zvířat pohybujících se rychleji něž člověk a schopných přepravovat větší objemy nákladu jsme se dostali k vlakům, automobilům i letadlům. Na straně infrastruktury jsme začali budovat širokopásmové komunikace (městské bulváry, mnohaproudé dálnice), až jsme se nakonec dostali k elektromagnetickému přenosu informace, tedy přenosu fyzikálně limitní rychlostí.
Období zkracování vzdáleností lze přičítat již vzniku městských států ve starověku, na nichž byl patrný ohromný kulturní a vzdělanostní rozvoj. Období významného zrychlování přenosu informace i produktů moderní doby však začíná především průmyslovou revolucí v první polovině 19. století. V souvislosti s tímto obdobím vznikají také nové koncepty moderních měst, které se kromě větší kapacity komunikací zabývají i rozvojem samostatných plně soběstačných oblastí, tedy tzv. konceptem města krátkých vzdáleností, vzájemně propojených právě vysokokapacitními cestami. Tyto koncepty se však ujaly jen velmi omezeně – mnohdy převážila touha lidí bydlet mimo rušné pracovní oblasti, tedy vznikaly oddělené čtvrti pro bydlení a čtvrti průmyslové či později obchodní. S rozvojem specificky zaměřených čtvrtí tak bohužel vznikala stále větší potřeba přepravy na stále delší vzdálenosti. V současnosti tak žijeme ve městech, která vznikla nárůstem počtu obyvatel, ale byl zachován základní koncept rozdělení oblastí k bydlení, k práci a k zábavě. V průběhu rozvoje technologií pravděpodobně málokdo uvědomoval, že stále větší rozrůstání měst stejného charakteru implikuje i potřebu stále větší přepravy a to bohužel vidíme v developerském přístupu ke stavbám dodnes. Prostor i čas jsou však omezeny – každá tramvajová linka je kapacitně omezená místem, kde se potká s jinými linkami, každé metro je omezené dynamikou vlaků na jedné koleji, každý člověk je schopen pohybovat se pouze omezenou rychlostí. Máme tak dnes většinou města, u nichž jsou vzdálenosti, které člověk musí denně překonávat, několikanásobně větší, než navrhuje koncept tzv. města krátkých vzdáleností. Jako příklad lze uvést i Prahu – pokud bychom měli aplikovat tento koncept na její prostor, pak by měla mít přibližně 110 oblastí měst krátkých vzdáleností, tj. obsahujících vše, co jeho obyvatelé potřebují každý den. Je evidentní, že tento koncept spadá především do oblasti strategického plánování měst a městských částí a autonomní doprava mu mnoho nepomůže.
Dnes disponujeme dopravním systémem, který neplní původní důvod – zefektivnit získávání potravy, resp. realizaci činností vedoucích k přežití, tedy naplňování základních fyziologických potřeb. K těmto činnostem dnes patří i kterékoli zaměstnání, ale také vzdělávací, kulturní či volnočasové aktivity, nebo činnost integrovaného záchranného systému. Za všemi uvedenými činnostmi se dnes kvůli diverzifikaci částí regionů, tedy nejen měst, musíme přepravovat na nemalé vzdálenosti. To vyžaduje jak čas, tak prostor. Obojí je omezené a počet obyvatel planety stoupá, případně obyvatelé migrují nejen mezi státy, ale také uvnitř států, aby uspokojili své každodenní potřeby. Je zřejmé, že při jisté míře naplnění určité oblasti obyvateli, kteří budou nuceni tuto oblast opouštět za uspokojením každodenních potřeb, dojde i k naplnění komunikací vytvořených pro dosažení potřebných cílů. Řešení takového problému tak jasně netkví v jediné technologii, ale je obdobně interdisciplinární jako dopravní systém sám.
Současná dopravní infrastruktura vznikla na základě asynchronního historického vývoje, který nepočítal s ohromným nárůstem počtu obyvatel na konci dvacátého století, ani s rychlým individuálním rozvojem dopravních prostředků, ani se změnami způsobenými IT technologiemi. Současná infrastruktura je velmi rigidní a opomíjí nejen potřebu lidí se přepravovat, ale i související logistické aspekty přepravy produktů, a to včetně odpadu, který je specifickým produktem lidstva. Pro představu je třeba uvést, že mezi lety 1950 a 2020 narostla populace z 2,54 mld. obyvatel na 7,8 mld., tedy trojnásobně. Obyvatelná a využitelná plocha Země je však prakticky stále stejná a tvoří asi 106 mil. km2. Tato plocha zahrnuje jak plochu užívanou pro zemědělství (cca 48 mil. km2), tak plochu zabíranou lesy a křovinami (cca dalších 57 mil. km2). Člověk tak obývá přibližně stejnou plochu, jakou zabírají sladkovodní toky, tedy asi 1,5 mil. km2. Zatímco v padesátých letech minulého století tudíž na jednoho člověka připadalo asi 590 m2, nyní je to pouze 190 m2 obývané plochy Země[3]. Je zjevné, že optimalizace a reorganizace nejen přepravních služeb jsou stejně nevyhnutelné, jako rozvoj nových technologií.
Pro optimalizaci služeb v dopravě a vytvoření relevantní dopravní technologie je třeba nejprve jasných definic, které jsou technologicky nezávislé. Jen tak je možné docílit dlouhodobé platnosti jakékoli strategie nebo plánu, neboť neuzavírá budoucí rozvoj v aktuálním technologickém stavu, jako to udělaly například i ženevská konvence o silniční dopravě z roku 1949 nebo ta vídeňská z roku 1968. Omezíme-li se na přepravu lidí, pak existují nad dopravní infrastrukturou dvě základní služby a jedna obecná, která je právě pro svou obecnost často opomíjená, ale má značný vliv na zbylé dvě. Jejich technologicky neutrální definice může znít následovně: Transport-as-a-Service (TaaS) – přeložit by se dalo jako Přeprava jako služba – do této kategorie spadají všechny služby, u kterých jejich poskytovatel určuje, odkud, kdy, kam a jak se jejich uživatel přepraví. Jedná se tak typicky o hromadnou dopravu nebo ride-sharing, tedy formu spolujízdy. Služba TaaS zajišťuje dopravní dostupnost. Mobility-as-a-Service (MaaS) – přeložit by se mělo jako Služba pro podporu mobility – do této kategorie patří služby, u kterých uživatel rozhoduje, odkud, kdy a kam se přepraví, zatímco její poskytovatel pouze určuje (nabízí), jak se uživatel přepraví. Typickými příklady této služby jsou taxi, car-sharing nebo bike-sharing. Služba MaaS zajišťuje dostupnost dopravy. Prakticky je služba MaaS historicky starší – existovaly drožky, sdílené koně, nebo mezi ně lze charakterem částečně řadit i logistické služby typu pošty či kurýra. Jedná se o služby podporující individuální mobilitu a sdílení informací. Služby MaaS tak umožňují zůstat člověku individualitou.
Ilustrační zobrazení přepravy lidí a zboží spolu s grafickými symboly pro TaaS a MaaS (Zdroj: autor)
Při komplexnějším pohledu můžeme uvedené služby řadit do vzájemných podmnožin – podmnožinou MaaS může být i TaaS, pokud je tato služba vřazená do řetězce umožňujícího uživateli realizovat přepravu v jím stanovený čas. Zařazení TaaS do přepravního řetězce MaaS je umožněno vhodným technologickým a organizačním způsobem, v současnosti například mobilní aplikací pro plánování přepravy, nebo třeba přestupním uzlem a známým jízdním řádem.
Analogicky lze definovat i služby pro logistiku, resp. přepravu produktů – Logistics-as-a-Service (LaaS) pro přepravu velkého množství produktů a Delivery-as-a-Service (DaaS) pro tzv. peer-to-peer (P2P) přepravu, tzv. last-mile doručení, rozvoz balíků, potravin a podobné služby.
Kromě uvedených dvou služeb poskytují dopravní infrastruktura a veřejný prostor ještě třetí „službu“ – jedná se o jejich obecné užití, které je těžko predikovatelné, neboť se v něm jasně projevuje individualita člověka, a navíc nemusí souviset s potřebou přepravy. Typicky se jedná o využití prostoru pro zábavu, sport či jen statické bytí či přímo bezúčelné bloumání, relaxaci nebo objevování nového. Současně však do této kategorie patří i využití prostoru složkami integrovaného záchranného systému. V neposlední řadě je třeba do této skupiny řadit i případy, kdy se člověk přepravuje v systému vlastními dopravními prostředky nebo pěšky. Je ovšem evidentní, že tato forma užití infrastruktury se nevyskytuje u přepravy produktů. Žádný dopravní systém ani veřejný prostor však nelze navrhovat bez opominutí některé ze všech tří kategorií služeb nad dopravní infrastrukturou.
Pokud máme definovaný technologicky nezávislý koncept přepravních služeb, můžeme definovat technologii vhodnou právě pro danou službu. Služby TaaS jsou služby, které jsou poměrně deterministické a využitelné tudíž těmi skupinami lidí, které se přepravují pravidelně ve stejný čas. S větší diverzifikací zaměstnání a časovou flexibilitou je však takových lidí stále méně a v případě, kdy dojde k dalšímu snížení počtu profesí vyžadující pravidelný směnný provoz, např. v souvislosti s rozvojem automatizovaného průmyslu, bude počet lidí využívající služby TaaS v současném nastavení stále klesat. Na druhou stranu tyto služby umožňují právě zvětšení šířky pásma, tedy přepravní kapacity na stávající infrastruktuře. Pokud dojde k větší distribuci přepravovaných osob v čase, je třeba zmenšit kapacitu jednotlivých dopravních prostředků a naopak navýšit jejich počet v čase. Toto řešení však naráží na potenciální nedostatek řidičů, kdy navíc u malých vozidel zabírá místo pro řidiče značný prostor v celém vozidle a snižuje tak jeho potenciální kapacitu – nová vozidla by měla disponovat v součtu obdobnou kapacitou, jako původně provozované autobusy další prostředky hromadné dopravy. S ohledem na vysokou determiničnost služby TaaS a potřebě většího počtu vozidel se tak jednoznačně nabízí možnost využití automatizovaných minibusů přibližně o velikosti dnešních větších osobních aut, avšak s výrazně vyšší kapacitou. Taková vozidla nemusí disponovat extrémně sofistikovaným systémem automatizovaného řízení, jako by tomu bylo u vozidel pohybujících se v neznámých prostředích. Pohyb těchto vozidel v prakticky trvale stejném prostředí umožňuje i zjednodušení systému jejich řízení, resp. percepce okolí. Je možné „jen“ sledovat odchylky od ideálního stavu a jízdu přizpůsobovat právě zjištěným odchylkám. Malá vozidla navíc dovolí realizovat rozmanitější trasy i v čase a mohou tak významně snížit potřebu individuální automobilové dopravy. Četnost takové dopravy a její provozování částečně v režimu tzv. mobility-on-demand, neboli poptávkové přepravy, může zlepšit přepravu v odlehlejších městských oblastech či regionech, ze kterých se právě lidé v nestandardní časy potřebují přepravit do vytíženějších míst.
Ilustrace autonomních vozidel integrovaných do hromadné dopravy, jako jsou autobusy a vlaky, které ukazují jejich potenciál ve veřejném sektoru (Zdroj: autor)
Naproti tomu MaaS se vyznačuje vysokou nedeterminičností a tudíž je v jeho rámci využití autonomních technologií smysluplné jen marginálně. Často sice slýcháme o robotických taxi službách, které jsou již v některých státech světa v provozu, nicméně jejich existence je poměrně kontroverzní a smysluplnost využití velmi lokální[4] – jedná se jen o taxi, v němž chybí řidič, tudíž je teoreticky možné uvézt pět místo čtyř pasažérů, v souvislosti s kategorií vozidla M1 někdy i devět. Jejich technická forma s sebou nese komplikace vyvstávající ze specifik sociálních interakcí v takových vozidlech. Oproti obdobně velkým minibusům s kapacitou i 20 lidí a výrazně menší energetickou náročností provozu přepočteného na osobu je tak technologie robotaxi vysloveně přítěží pro městské oblasti, a to i jízdami prázdných vozidel za zákazníkem. Robotaxi tak vlastně v mnoha případech přenáší problémy s parkováním na prázdné jízdy po běžné silnici, a tudíž vytváří i další zbytečnou energetickou zátěž.
Častý argument bezpečnosti autonomních systémů je pro mnohé případy bohužel snadno vyvratitelný – lidské chyby stroje odstraňují především v případě deterministických činností, což jízda „neznámým“ prostředím rozhodně není. Navíc lze dále prokázat, že spolehlivost lidského řidiče dosahuje v současnosti minimálně 99,99996 % z ujeté vzdálenosti. To je velmi významná hodnota, která překonává i mnohé jednodušší technologické systémy, než jsou automatizovaná vozidla obsahující dnes několikanásobně více softwaru, než třeba nejmodernější stíhací letoun F-35, avšak při značně větším tlaku na cenu. Tato „spolehlivost“ je i jedním z důvodů, proč již i oficiální organizace EU, například Partnerství pro CCAM (Partnership for Connected, Cooparative and Automated Mobility), nepředpokládá zavedení plně autonomních vozidel před rokem 2050 a ani tento rok není zdaleka jistý.
Každá technologie má svůj čas a místo užití. Žádná není univerzálně použitelná. Stejně jako mobilní telefon nám sice umožňuje být v dosahu svých blízkých, nenahradí naši přítomnost, když potřebují třeba přesunout knihovnu. Podobně je to i s automatizovanými vozidly – jsou situace a místa, pro která je jejich návrh, výroba i provoz celkově efektivní. Takovým místům a časům by měl být návrh vozidel přizpůsoben. Žádné nebude univerzální. To platí i u dalších typů dopravních prostředků, které automatizované nebudou. A totéž lze aplikovat na organizaci jejich provozu. Z rozličných důvodů nelze předpokládat, že všichni mohou pro uspokojení základních potřeb přesednout na jízdní kolo, nebo se pohybovat jen pěšky a hromadnou dopravou. Kromě výše uvedených automatizovaných minibusů, u nichž lze docílit poměrně velké spolehlivosti i bezpečnosti, by tak měla budoucnost dopravních prostředků směřovat především k větší diverzifikaci, než k plné automatizaci, což si uvědomují výrobci především v asijských státech. Jedním typem podporovaných vozidel pro městský provoz by měly být pravděpodobně sdílené mikroautomobily, k jakým patřil např. donedávna Smart Fortwo, neboť rozměry takových vozidel sníží potřebu velkých prostor nejen pro parkování, ale i pro jízdu a mohou tak snížit i současné kongesce. Mix typů dopravních prostředků v meziměstské přepravě bude i v delším časovém horizontu velmi pravděpodobně obdobný, neboť tam se s přeplněním komunikací (zatím) nepotýkáme, a navíc u delších cest je možné tento problém efektivněji řešit agregací osob i nákladu do jednoho vozidla. Toto propojení služeb MaaS a DaaS v jeden dopravní prostředek je i jedním z očekávaných technologických posunů v řešení některých problémů budoucí dopravy. Pokud však neupravíme způsob přepravy především v rámci hustě obydlených regionů, a to i těch teprve plánovaných, pak dopravní kongesce v nich vyvolají obdobný efekt i na silnicích značně přesahujících hranice měst. A je úplně jedno, zda v dopravní zácpě stojí automobil automatizovaný, nebo řízený řidičem. Jen řidič vozidla vybaveného systémem automatizovaného popojíždění v kolonách bude možná schopen tento čas využít trochu užitečněji.
To, že oblast autonomních technologií v dopravě je živé, dynamicky se vyvíjející téma, kde často neexistuje jedna jediná univerzální pravda, dokládá níže uvedený druhý pohled dalšího osloveného odborníka, Ing. Michala Sklenáře, výzkumníka Oblasti autonomního řízení Centra dopravního výzkumu, v. v. i., který se podělil o svůj v lecčems odlišný odborný pohled na složitou a komplexní tématiku, jakou je nástup automatizovaného řízení do praxe a rozvoj autonomní mobility jako celek.
Při diskuzích o problematice robotaxi, která jsou nyní v provozu například v San Franciscu či jiných částech světa, je všeobecně nutné brát v potaz to, že tyto služby jsou stále nasazeny v testovacím režimu a na odladění jejich nedostatků se neustále pracuje. Do doby širšího zavedení těchto technologií je tak dobré uvažovat s vědomím, že pro široké zavedení se v rámci robotaxi počítá s tím, že většina lidí nebude dále vlastnit svůj osobní vůz, jako je tomu nyní. [1; 2] Místo toho budou široce využívány všechny možnosti robotaxi. Bude možné si vozidla zarezervovat jak pro samostatnou jízdu, tak i jízdu sdílenou, od toho by se také odvíjela cena přepravy. [3] Dále také může jít o značnou úsporu času, který může být využit k produktivní činnosti či odpočinku, což je aspekt, který je pro veřejnost obecně jedním z největších lákadel [4], jehož vliv by neměl být podceňován. Naopak v této rychlé době je každá ušetřená minuta velmi podstatná. Všeobecně by se tedy mohlo v řadě případů odstoupit od soukromého vlastnictví vozidel a jízda v autonomních vozech by fungovala jako služba, kterou budou poskytovat soukromé společnosti. [5] Ty budou dále zajišťovat celkový servis vozů, což mnoho potencionálních pasažérů jistě také uvítá, s ohledem například na současnou popularitu operativního leasingu.
Co se týče energetické zátěže u robotaxi, zde mám za to, že s „pouze“ zvětšující se zátěží nelze souhlasit. Robotaxi a celkově autonomní vozidla prokazatelně směřují k menší energetické zátěži. [6] Robotaxi by po zavedení jezdila pouze tehdy, kdy by byla přivolána nebo by již měla zadanou trasu z místa A do místa B. [7] Měla by se tak v dané oblasti zavést místa, kde by robotaxi měla zajištěná stání a dle předpovědi vytížení by do prostoru vjíždělo jen tolik vozidel, kolik by bylo třeba. Dále by se také v tomto případě měla vozidla samotnými uživateli objednávat tak, jako je tomu nyní například v případě využití služeb Bolt nebo Uber. [8] Přirozeně by si uživatel přivolal to vozidlo, které je od něj nejblíže. Zároveň by vzhledem k vzdálenostem měla tato vozidla stejnou cenu za službu, rozdíl by byl pouze v komfortu. To znamená, že pokud by uživatel vyžadoval samostatnou jízdu, měl by jízdu dražší, než pokud by byl ochotný svoji cestu sdílet s někým, kdo má cíl cesty v podobném místě, jako prvotní objednatel. [9] Všeobecně také nelze souhlasit s uvedeným názorem, který odkazuje na to, že autonomní vozidla budou muset stávat v kolonách stejně jako běžná konvenční vozidla. Pro vhodné a efektivně funkční široké nasazení autonomní mobility se uvažuje se systémem V2X, což znamená, že vozidla mohou komunikovat s jakoukoliv entitou, kterou může vozidlo ovlivnit nebo jím vozidlo může být ovlivněno. V praxi se tak jedná o vzájemnou komunikaci mezi infrastrukturou a vozidlem, mezi vozidlem a dalšími vozidly nebo mezi ostatními účastníky silničního provozu a vozidlem. Při vhodném nastavení V2X by jednoznačně nemělo docházet k žádným dopravním zácpám a podobným nežádoucím vlivům dopravy a celkový provoz by měl být vždy maximálně efektivní s čímž souvisí zejména plynulost jízdy. [10; 11]
Posledním tématem, které bych rád okomentoval, je tvrzení, které poukazuje na to, že autonomní systémy jsou schopné vyřešit pouze takové situace, které jsou snadno předvídatelné, a lidský řidič s nimi nemá větší problém - proto by se mohlo zdát, že je lidský řidič vhodnějším řešením a že při složitějších situacích, které by mohl lidský řidič poměrně snadno vyřešit, by autonomní vozidlo mohlo mít problém. Je nutné podotknout, že v současné době to skutečně tak může být, avšak toto odvětví za poslední desetiletí zaznamenalo neuvěřitelně velký pokrok, a to jak v oblasti částečného autonomního řízení ve spojitosti s ADAS [12; 13], tak v oblasti autonomního řízení vyšší úrovně [14; 15]. V rámci aktuálních možností strojového učení a neustále většího zapojení umělé inteligence do autonomního řízení lze predikovat, že do budoucna bude spolehlivost plného autonomního řízení narůstat, a to i ve složitějších dopravních situacích [16; 17].
[1] SPERLING, Daniel. Three revolutions: Steering automated, shared, and electric vehicles to a better future. Island Press, 2018.
[2] PATEL, Ronik Ketankumar, et al. Exploring willingness to use shared autonomous vehicles. International Journal of Transportation Science and Technology, 2023, 12.3: 765-778.
[3] NARAYANAN, Santhanakrishnan; CHANIOTAKIS, Emmanouil; ANTONIOU, Constantinos. Shared autonomous vehicle services: A comprehensive review. Transportation Research Part C: Emerging Technologies, 2020, 111: 255-293.
[4] NASTJUK, Ilja, et al. What drives the acceptance of autonomous driving? An investigation of acceptance factors from an end-user's perspective. Technological Forecasting and Social Change, 2020, 161: 120319.
[5] LIU, Peng, et al. People with more misconceptions about automated vehicles might be more positive toward them. Transportation research part F: traffic psychology and behaviour, 2022, 87: 264-278.
[6] TAIEBAT, Morteza, et al. A review on energy, environmental, and sustainability implications of connected and automated vehicles. Environmental science & technology, 2018, 52.20: 11449-11465.
[7] GURUMURTHY, Krishna Murthy, et al. Integrating supply and demand perspectives for a large-scale simulation of shared autonomous vehicles. Transportation Research Record, 2020, 2674.7: 181-192.
[8] Waymo. Waymo One: Self-Driving Service in San Francisco. [Online]. Available at: https://waymo.com/waymo-one-san-francisco/(Accessed on 24.11. 2023).
[9] GURUMURTHY, Krishna Murthy; KOCKELMAN, Kara M.; SIMONI, Michele D. Benefits and costs of ride-sharing in shared automated vehicles across Austin, Texas: Opportunities for congestion pricing. Transportation Research Record, 2019, 2673.6: 548-556.
[10] TAN, Hong, et al. An evaluation of the safety effectiveness and cost of autonomous vehicles based on multivariable coupling. Sensors, 2023, 23.3: 1321.
[11] DENG, Zhiyun; SHI, Yanjun; SHEN, Weiming. V2X-Lead: LiDAR-based End-to-End Autonomous Driving with Vehicle-to-Everything Communication Integration. arXiv preprint arXiv:2309.15252, 2023.
[12] MATSUOKA, H. Development and future outlook of steering systems. JTEKT Engineering Journal, 2016, 1013E: 8.
[13] XIAO, Lingyun; GAO, Feng. A comprehensive review of the development of adaptive cruise control systems. Vehicle system dynamics, 2010, 48.10: 1167-1192.
[14] WANG, Yuheng; CHAPMAN, Margaret P. Risk-averse autonomous systems: A brief history and recent developments from the perspective of optimal control. Artificial Intelligence, 2022, 311: 103743.
[15] CHEN, Long, et al. Milestones in autonomous driving and intelligent vehicles: Survey of surveys. IEEE Transactions on Intelligent Vehicles, 2022, 8.2: 1046-1056.
[16] KOSURU, Venkata Satya Rahul; VENKITARAMAN, Ashwin Kavasseri. Advancements and challenges in achieving fully autonomous self-driving vehicles. World Journal of Advanced Research and Reviews, 2023, 18.1: 161-167.
[17] MUZAHID, Abu Jafar Md, et al. Multiple vehicle cooperation and collision avoidance in automated vehicles: survey and an AI-enabled conceptual framework. Scientific reports, 2023, 13.1: 603.
[1] Karr-Wisniewski, P. and Lu, Y., 2010. When more is too much: Operationalizing technology overload and exploring its impact on knowledge worker productivity. Computers in Human Behavior, 26(5), pp.1061-1072.
[2] Vasconcelos, H., Jörke, M., Grunde-McLaughlin, M., Gerstenberg, T., Bernstein, M.S. and Krishna, R., 2023. Explanations can reduce overreliance on ai systems during decision-making. Proceedings of the ACM on Human-Computer Interaction, 7(CSCW1), pp.1-38.
[3] Ritchie, H. Half of the world’s habitable land is used for agriculture. Our World in Data. 2019. Dostupné [on-line] na: https://ourworldindata.org/globalland-for-agriculture
[4] Například studie realizovaná na Centru umělé inteligence při FEL ČVUT v Praze simulovala náhradu veškeré dopravy právě v Praze automatizovanými robotaxi a dochází k závěru, že dojde až ke čtyřnásobnému zvýšení kongescí jen během ranní špičky, ačkoliv počet vozidel bude snížen na pouhých 52 000. V Singapuru nebo New Yorku však k poklesu intenzity dopravy došlo (viz FIEDLER, D. – et al. The Impact of Ridesharing in Mobility-on-Demand Systems: Simulation Case Study in Prague 2018. Dostupné [on-line] na: http://arxiv.org/pdf/1807.03352v1).