ŠAVŠ Studie 2020

v reálném čase, jakož i získávat údaje o dění v okolí – rozpoznávají dopravní značení, světelné signály, pracují s údaji o ostatních vozidlech, hustotě provozu apod. Aby však mohly senzory snímat okolí a spolehlivě sbírat potřebná data, musí k tomu být okolní prostředí jak v extravilánu, tak intravilánu přizpůsobeno. Dopravní značení poničené kresbou či schované za vysokou trávou, sluneční paprsky vrhající od- lesky na světelnou signalizaci, vysoké domy stínící infomačním tabulím, přemíra značek a jejich vzájemná nesouladnost. Tento příkladný výčet faktorů znemožňujících systému sbírat data z okolí může mít pro provoz autonomního vozidla fatální důsledky. Položme každý z nás sobě anebo někomu ze svých známých z okruhu šoférů otázku: Kolik pozornosti při řízení věnujeme dopravnímu značení? Odpoví-li dotáza- ný upřímně, zjištěním bude, že většina z nás množství značek ignoruje, rozhodujeme se na základě instinktu, zkušeností a znalostí konkrétního prostředí. Neříkám, že je to tak úplně správné – řidič má povinnost věnovat pozornost všem aspektům rozhodným pro řízení vozidla (§ 5 odst. 1 písm. b) ProvPozKom), nicméně s ohledem na to, kolik úkonů musí najednou zvládat, jde do značné míry o pragmatický krok. Ubereme-li pozornosti na straně jedné, zbyde na druhé straně více prostoru např. pro sledování chování ostatních vozidel. Povšechné vnímání informujících tabulí podél pozemní komunikace v kombinaci se zkušeností, intuicí a selským rozumem řidiče rovněž pozitivně působí ve chvíli, kdy např. značku „Hlavní silnice“ z poloviny zakryje vandal nějakým nápisem. Řidič – i přes to, že bude polovina žlutého kosočtverce s bílým rámem zakryta – pozná, že svislá tabule značí hlavní silnici. K tomuto závěru dospěje za pomoci smyslů a svého rozumu, tedy pro- pojí si to, co vidí (pokreslený bílo-žlutý kosočtverec), s tím, jak si pamatuje označení hlavní silnice z kurzů autoškoly. I když na silnici nastane situace vybočující z obvyklého běhu věcí (zakrytá, povalená značka), člověk si propojí jednotlivá data dohromady a z toho uzavře, že se nachází na hlavní, a má tak přednost před vozidlem na silnici vedlejší. Teď se na stejnou situaci zaryté dopravní značky podívejme optikou samořidi- telného vozidla, resp. auta řízeného nikoliv člověkem, nýbrž autonomním systémem. Takový, byť inteligentní, systém, nebude nadán intuicí, smysly ani selským rozumem. Bude vybaven určitými daty, postupně si sám nová data vytvářet na základě tzv. strojové- ho učení (Tomíšek, 2018, s. 31), avšak myšlenkový pochod, který provedl v předchozím odstavci řidič-člověk, lze od řidiče-robota jen těžko očekávat. Obdobný problém by mohl vyvstat i v případě, kdy budou ve vzájemné blízkosti podél silnice umístěny dvě dopravní značky, avšak jsoucí jedna s druhou v rozporu. Dejme tomu první ukládající příkaz „dej přednost v jízdě“ a hned za ní druhá značící hlavní silnici. Platí A, nebo B? Jako lidé dokážeme mj. i díky řidičským zkušenostem provést rychlou úvahu, které opatření dává v daném případě smysl. Pomoci nám může i výše zmíněná schopnost určité míry ignorace. Koneckonců jsme pro tyto případy tré- nováni, neboť situace přemíry značek, v horším případě navzájem si odporujících, není toho času na tuzemských silnicích výjimkou. Z výše uvedeného plyne, že stávající dopravní značení ve velké míře potřebám autonomního řízení nevyhovuje. Aby senzory ve vozidle dokázaly sbírat data ze svého okolí, je nezbytné zaprvé přesně definovat požadavky na to, jak má dopravní značení vy- padat, jaké má mít technické vlastnosti (např. strojově čitelná rozhraní umožňující zpra-

142

Made with FlippingBook HTML5