Дроны помогут создавать цифровые модели дорог для анализа аварийности и дорожного движения 🚙 Исследователи из Китая предложили объединить данные, полученные с помощью беспилотников, в единую базу для проектирования дорог, оценки безопасности движения и разработки цифровых двойников транспортной инфраструктуры. В обзорной статье, опубликованной 25 октября 2026 года в журнале Sensors, авторы проанализировали около 70 научных работ за 2017–2026 годы и разработали трехслойную модель хранения дорожных данных. Предложенная система включает три уровня. Первый содержит сведения об инфраструктуре: геометрию полос, дорожную разметку, границы проезжей части и состояние покрытия. Второй объединяет данные о движении автомобилей и других участников дорожного движения, включая их координаты, скорость, ускорение и траектории перестроений. Третий формируется на основе первых двух и включает показатели потенциальной аварийности, модели поведения водителей и типовые сценарии дорожных ситуаций. Совместное использование этих данных позволит анализировать не только состояние дороги, но и то, как ее особенности влияют на движение транспорта. Авторы также выделили шесть этапов создания такой базы: планирование полетов, распознавание и отслеживание объектов, привязка данных к координатам, проверка точности, организация хранения и документирование происхождения данных, а также публикация и обновление базы. Для получения достоверных результатов недостаточно просто снять дорогу с воздуха. Необходимо учитывать перемещение самого беспилотника, синхронизировать время записи, проверять координаты и сопоставлять полученные траектории с независимыми измерениями. В одном из рассмотренных проектов в Сонгдо (Южная Корея) обработка примерно 12 ТБ видеозаписей с 20 перекрестков за четыре дня позволила получить около 700 тыс. траекторий транспортных средств. Результаты проверяли с помощью автомобиля, оснащенного высокоточными навигационными датчиками. Собранные данные можно использовать для выявления опасных участков, анализа перестроений и слияния транспортных потоков, настройки моделей дорожного движения и проверки систем автоматизированного вождения. При этом исследователи отмечают, что дальнейшее развитие технологии ограничивается уже не только точностью алгоритмов распознавания. Среди основных проблем — отсутствие единых форматов данных, недостаточная проверка результатов независимыми датчиками, короткое время полета, а также нехватка наблюдений ночью, в плохую погоду и в недостаточно изученных регионах. В качестве перспективных направлений авторы рассматривают модели искусственного интеллекта для анализа изображений, совместное использование данных разных сенсоров и методы обучения, позволяющие организациям обмениваться результатами без обязательной передачи исходных данных.