Автомобили всё чаще превращаются в подвижные датчики города. Камеры, сенсоры и бортовые системы уже умеют не только помогать водителю, но и собирать данные о состоянии дорог. Теперь эту идею хотят использовать для автоматического поиска выбоин, повреждений покрытия и других проблем городской инфраструктуры.

Компании Waymo и Waze уже запустили пилотный обмен данными о выбоинах с местными властями. Но более масштабный подход предлагает Samsara: компания хочет использовать камеры и датчики, установленные в миллионах грузовиков, чтобы регулярно передавать дорожным службам информацию о дефектах покрытия.

Как работает система

Samsara много лет устанавливает камеры и телематическое оборудование в коммерческий транспорт. Эти устройства изначально нужны были для контроля водителей, предотвращения краж, расследования ДТП и страховых споров.

Теперь собранные данные используют иначе. На их основе обучили ИИ-модель, которая распознаёт дефекты дорожного покрытия: выбоины, трещины, повреждённые участки и другие проблемы.

Система не просто фиксирует разовый дефект. Она может сравнивать повторные проезды по одним и тем же местам и показывать, как повреждение меняется со временем. Это важно для дорожных служб: можно видеть не только факт появления ямы, но и скорость её разрушения.

Почему грузовики удобнее роботакси

У Waymo есть парк роботакси, но он ограничен по числу машин и районам работы. У Samsara другой масштаб: её оборудование стоит на миллионах грузовиков.

Коммерческий транспорт постоянно ездит по городам, пригородам, промышленным зонам и междугородним маршрутам. Он часто проходит одни и те же участки по расписанию, поэтому данные получаются регулярными.

Для мониторинга дорог это полезнее, чем редкий разовый снимок. Если один и тот же грузовик или несколько машин регулярно проезжают по проблемному месту, система может точнее понять, ухудшается ли ситуация.

Что видят дорожные службы

Проект Samsara называется Ground Intelligence — «Наземный интеллект». По сути это информационная панель с картой, где дорожные службы видят предупреждения о новых и развивающихся дефектах.

Если поступает жалоба от жителя, город может запросить видеозапись с камеры автомобиля и проверить, действительно ли на участке есть проблема. Это сокращает время между сообщением, проверкой и ремонтом.

Такая схема переводит работу дорожных служб из реактивного режима в более плановый. Вместо того чтобы ждать массовых жалоб или аварий, город получает список точек, где покрытие уже начало разрушаться.

Что ещё может находить ИИ

Samsara рассматривает систему не только как инструмент для поиска ям. Те же камеры и алгоритмы можно обучить распознавать другие проблемы городской среды.

Среди возможных сценариев:

• граффити;

• сломанные ограждения;

• низко висящие линии электропередач;

• повреждённые знаки;

• мусор или препятствия на дороге.

Главная идея — использовать уже существующий транспортный поток как сеть наблюдения. Грузовики и автобусы всё равно ездят по городу, поэтому их камеры могут параллельно собирать полезные данные.

Где систему уже готовы использовать

Samsara уже заключила контракты с несколькими городами. Среди них упоминается Чикаго.

Для крупных городов такой подход может быть особенно удобен. Ручной контроль дорожной сети требует много людей и времени, а жалобы граждан часто приходят уже после того, как проблема стала заметной и раздражающей.

ИИ-мониторинг не отменяет инспекторов и ремонтные бригады, но помогает точнее выбирать, куда их отправлять в первую очередь.

Есть и другие проекты

Компания также развивает смежные направления. Waste Intelligence помогает службам вывоза мусора контролировать контейнеры и маршруты. Ещё одна система связана с пассажиропотоком: она может предупреждать водителей автобусов о неожиданных посадках и создавать цифровой список пассажиров для школьных автобусов.

Все эти проекты строятся на одной логике: транспорт становится источником данных о городе. Машины не просто перевозят людей и грузы, а постоянно фиксируют состояние инфраструктуры вокруг себя.

Что может мешать внедрению

Главные вопросы — приватность, точность распознавания и ответственность за данные.

Если камеры на коммерческом транспорте снимают городские улицы, нужно понимать, как хранятся записи, кто имеет к ним доступ и как долго они сохраняются. Для муниципалитетов это может быть чувствительной темой.

Вторая проблема — ложные срабатывания. ИИ может принять тень, лужу или временное препятствие за дефект покрытия. Поэтому данные всё равно нужно проверять, особенно если на их основе город будет планировать ремонт и бюджет.

Третья проблема — интеграция с работой дорожных служб. Даже самая точная карта ям бесполезна, если у города нет бригад, техники и денег на быстрый ремонт.

Что меняется для водителей

Если такие системы станут массовыми, водителям не придётся отдельно писать жалобы на каждую яму. Данные будут собираться автоматически с машин, которые уже ездят по дорогам.

Это не означает, что выбоины исчезнут сами собой. Но дорожные службы смогут быстрее видеть проблемные места, сравнивать их по степени опасности и планировать ремонт не вслепую.

Для городов это может стать новым способом обслуживания инфраструктуры: меньше разрозненных жалоб, больше регулярных данных с реального движения транспорта.