В 2026 году Институту AIRI исполняется пять лет. За это время ИИ заметно продвинулся вперед. От точечных пилотов — к технологиям, которые глубоко встраиваются в повседневную жизнь. Настолько, что когда мы сталкиваемся с результатом научного труда, порой сами того не замечаем. Этот материал открывает серию текстов Компьютерры и ученых Института о том, как наука и ИИ меняют городскую среду. Начинаем с транспорта — одной из сфер, с которой горожанин встречается каждый день и где особенно хорошо видно, что наука ближе, чем нам кажется.
Вместе с Дмитрием Юдиным, кандидатом технических наук, ведущим научным сотрудником лаборатории когнитивных систем ИИ Института AIRI, разбираемся, как сегодня ИИ задействован в транспорте: помогает управлять движением, тестировать решения в цифровом двойнике, повышать эффективность транспорта и делать городскую инфраструктуру более удобной и предсказуемой.
В 2012 году в Питтсбурге показали один из известных ранних примеров умного управления движением в городе — систему адаптивных светофоров Surtrac. Она в реальном времени пересчитывала фазы на девяти перекрестках, опираясь на фактические транспортные потоки, и обменивалась прогнозами с соседними узлами. Такой подход позволил сократить время ожидания на 40%, время в пути — примерно на четверть, а расчетные выбросы — более чем на 20%. Все благодаря системе, в которой идеи из теории управления трафиком были напрямую связаны с методами ИИ и децентрализованного планирования работы светофоров.
Москва к тому моменту тоже двигалась в сторону умного управления трафиком. Еще в ноябре 2011 года Центр организации дорожного движения Правительства Москвы сообщал о планах подключения светофоров к адаптивному управлению. Это были отличные от Питтсбурга решения, но вектор был схожий — сделать так, чтобы город переставал работать по жесткому расписанию сигналов и учился реагировать на поток в реальном времени.
Сегодня использование ИИ в транспорте шире, чем управление светофорными фазами на перекрестках. Он помогает в обнаружении инцидентов, системах автономного вождения, синхронизации работы городской техники с дорожной обстановкой и общения пассажира с транспортными департаментами. И если в начале 2010-х город в основном учился видеть поток, то теперь он умеет его интерпретировать, прогнозировать и влиять на него на нескольких уровнях сразу.
От умного светофора к цифровому двойнику города
Сегодня в Москве около 70% светофоров умные. Следующий шаг — увеличить их долю до 80% и перейти к управлению целыми районами. В 2026 году столица анонсировала пилот в Тушине: во всем микрорайоне движение планируется регулировать с помощью ИИ. Это первый проект такого масштаба в мире.
Чтобы подобное управление работало, городу нужна единая цифровая модель. Еще в 2022 году ЦОДД сообщил, что оцифровал все улицы Москвы — это 6850 километров — и создал электронную базу со светофорами, знаками, переходами, остановками и другими дорожными объектами. Цифровой двойник позволяет заранее проверять, как на движении скажутся новый светофор, выделенная полоса или изменение скоростного режима, и только потом переносить решения в реальность.
Но чем сложнее становится сеть, тем важнее быстро обрабатывать данные. Один из трендов в интеллектуальных транспортных системах — перенос части вычислений ближе к источнику данных, на уровень самого перекрестка, камеры или локального контроллера. Это позволяет не отправлять в центр весь массив сырой информации, а передавать только ключевые события и прогнозы, снижая нагрузку на каналы.
Для беспилотных автомобилей активно создаются и развиваются симуляторы, которые используют цифровую модель городской среды. Например, международное сообщество развивает фотореалистичный симулятор Carla с городским трафиком и возможностью использования реальных карт местности, а в команде «Автономное зрение» AIRI создали симулятор автомобильных сенсоров XSim.
Автономный транспорт
Эффективность городской транспортной системы зависит и от того, как используются автомобили. Частное авто в этом смысле не особо экономично, потому что простаивает до 95% суток. Одним из ответов становится автономный транспорт: он позволяет использовать машину дольше и снижать влияние человеческого фактора на аварийность.
Речь идет о переходе к модели, где транспорт работает как постоянно включенный элемент городской системы. Например, Москва уже несколько лет тестирует такие сценарии на улицах. В 2023 в районе Ясенево запустили роботакси. Такие системы опираются сразу на целый комплекс технологий: лидары, радары, видеокамеры, высокоточные карты и инфраструктуру хранения и обработки данных. Логика у процесса накопительная: каждая поездка дает новые данные о маневрах, перекрестках, пешеходах, погоде и дорожных ситуациях, а это позволяет шаг за шагом повышать уровень автономности.
Фонд Московского инновационного кластера в 2026 году запустил Центр испытаний роботов в Сколково, где компании и исследовательские команды в числе прочего смогут тестировать как уличных сервисных роботов, так и автомобили различных уровней автономности. Ожидается, что это ускорит появление высокотехнологичного транспорта на российских дорогах. При этом проекты с ИИ в автономном транспорте касаются не только легковых машин.
Высокий интерес есть к беспилотным грузовым перевозкам. Например, в рамках Национальной технологической инициативы в 2024 году проводился конкурс Up Great «Пятый уровень», направленный на создание беспилотных электрических грузовиков, способных безопасно передвигаться на дорогах общего пользования. Объединенная команда МАДИ и МФТИ Автороботикс победила в конкурсе, продемонстрировав работоспособность и надежность беспилотных технологий на модернизированной электрической Газели, преодолев частичный технологический барьер.
С 2022 года на загородных шоссе на трассе М-11 «Нева», ведущими российскими компаниями, например, Navio, отрабатывается перевозка грузов на большие расстояния в ходе проекта «Беспилотные логистические коридоры». В 2024 году его расширили на ЦКАД и М-12 «Восток». Пока грузовые перевозки проходят в рамках экспериментального правового режима.
Беспилотные автобусы-шаттлы уже появились за рубежом на улицах Гамбурга, Сеула, Уханя, Чунцина и Сингапура. Испытания таких автобусов уже проводятся в Российском Иннополисе.
В 2025 году первый в России беспилотный трамвай прошел по улицам Москвы более 6 тыс. км. Параллельно уже четыре года в ТиНАО и «Сколково» работает сервис перевозок «По пути»: транспорт приходит по запросу пассажиров, сеть насчитывает более 320 остановок, а число поездок достигло 2,5 млн. Пока это не беспилотный сервис, но в нем заметна будущая роль ИИ: он может собирать заявки, строить маршрут под реальный спрос и развивать сеть там, где она больше нужна.
Поезда высокоскоростных магистралей, развивающие скорость до 400 км/ч, также планируется оснащать беспилотными технологиями, так как на таких скоростях требуется сверхчеловеческая скорость обработки данных и малое время реакции на опасные события.
ИИ в сервисном транспорте
Городской трафик зависит не только от автомобилей и общественного транспорта, но и от техники, которую обычно не замечают: мусоровозов, машин коммунальных служб, транспорта обслуживания.
Такие роботы-уборщики уже производят и испытывают в Москве, например, в компаниях 168Robotics, Автономика. Все в большем количестве мест появляются роботы-доставщики. Сейчас роботизированная доставка Яндекса уже действует в Москве, Санкт-Петербурге, Казани, Иннополисе.
Что касается коммунальных служб, если такой транспорт движется без учета общей дорожной ситуации, то сам становится источником заторов. Одна из важных задач умного города — синхронизировать работу ЖКХ с городским потоком, чтобы техника выполняла свою функцию и меньше мешала движению. У этого контура есть прикладные цифровые решения. В частности, система АПРО помогает автоматически планировать и оптимизировать маршруты мусоровозов, контролировать выполнение задач и распределять технику по контейнерным площадкам.
Здесь ИИ и математические модели полезны как инструмент оптимизации. Чем больше данных система получает о загрузке маршрутов, времени простоя, затруднениях и реальном движении техники, тем точнее можно планировать работу коммунального транспорта и снижать его конфликт с основным городским трафиком.
Порядок с обратной связью
Еще один слой применения ИИ в транспорте — клиентский сервис. Сегодня цифровые помощники помогают естественно взаимодействовать пассажиру с транспортной системой. В Москве с 2025 года генеративный ИИ используется в чат-боте «Александра»: сначала нейросети отвечали на ограниченный набор тем, а затем их роль постепенно расширялась. В месяц помощник обрабатывает более 585 тысяч вопросов пользователей.
Это важный пример того, что ИИ в транспорте работает не только управляя движением, но и там, где человек напрямую сталкивается с системой. Похожую роль играет и голосовой помощник контакт-центра «Московский транспорт»: с 2019 года он отвечает на вопросы об эвакуации автомобилей. То есть инфраструктура становится не только более автоматизированной, но и понятной для пользователя: часть сложной информации о маршрутах, сервисах и правилах можно получить сразу, без звонка оператору или поиска по нескольким сайтам.