Ашок отметил, что Robotaxi сохраняет безупречный уровень безопасности на протяжении 380 000 миль, пройденных в автономном режиме без присмотра. Тем не менее, многие наблюдатели по-прежнему обеспокоены тем, что серьезная авария — лишь вопрос времени.
Эта обеспокоенность не лишена оснований. По мере масштабирования сервиса и роста общего пробега первые крупные инциденты становятся статистически неизбежными. Актуальный вопрос не в том, произойдут ли они, а когда и с какой тяжестью последствий.
В предыдущем анализе мы смоделировали вероятную траекторию пробега Robotaxi, используя заявленный Ашоком недельный темп роста и установленную производственную мощность Cybercab. Объединив этот прогноз с общедоступными данными NHTSA, мы можем оценить вероятность участия Robotaxi в авариях различной степени тяжести с течением времени.
Важно сделать одно уточнение: приведенные ниже показатели — это коэффициенты участия в ДТП, а не коэффициенты виновности. Они описывают вероятность того, что Robotaxi окажется участником аварии, повлекшей травмы или смерть, независимо от того, кто был основным виновником. Это обеспечивает реалистичный базовый уровень, по которому в будущем можно будет оценивать эффективность безопасности.
Часть 1 – Базовый уровень человека: Безопасность на дорогах сегодня
Начнем с последних подробных национальных статистических данных Национальной администрации безопасности дорожного движения (NHTSA).
В 2023 году на легковые автомобили приходилось около 89% всех пройденных в США транспортных миль. Для пассажиров этих транспортных средств показатели были следующими:
В абсолютных цифрах это соответствует примерно 24 000 смертельных случаев среди пассажиров и 1,95 миллиона травм, зарегистрированных полицией, при почти 2,9 триллиона миль, пройденных легковыми автомобилями.
Травмы, зарегистрированные полицией, классифицируются по шкале KABCO:
В остальной части этого анализа мы принимаем показатели «всех легковых автомобилей» за базовый уровень человека (0,83 смертельных случая и 68 травм на 100 миллионов миль). Затем мы предполагаем, что зрелая система Robotaxi будет в 10 раз безопаснее этого среднего человеческого показателя — амбициозная, но часто упоминаемая в отрасли цель (и Waymo также использовала ее в качестве ориентира в своих собственных отчетах по безопасности).
Это предположение о 10-кратном превосходстве становится основой для статистических прогнозов, приведенных ниже.
Часть 2 – Почему инциденты подчиняются распределению Пуассона
Дорожно-транспортные происшествия являются редкими событиями по сравнению с огромным количеством пройденных миль. Когда события редки, независимы и происходят с примерно постоянной средней частотой, количество событий при заданном объеме воздействия (в данном случае пробеге) хорошо описывается распределением Пуассона.
В рамках пуассоновского процесса вероятность наблюдения ровно k событий после M миль равна:
где λ — ожидаемое количество событий на одну милю.
Нас в первую очередь интересует вероятность того, что произойдет хотя бы одно событие. Это просто дополнение к вероятности нулевого количества событий:
Как получить λ
Из данных NHTSA в Части 1 мы уже знаем среднее количество миль между событиями для легковых автомобилей под управлением человека. Таким образом, частота событий на милю является обратной величиной:
Или, если опубликованный показатель дан на 100 миллионов миль:
Для нашего базового уровня (все легковые автомобили):
- Смертельный случай: λ_человек = 0,83 / 10⁸ = 8,3 × 10⁻⁹ на милю
- Травма (все степени тяжести): λ_человек = 68 / 10⁸ = 6,8 × 10⁻⁷ на милю
Поскольку мы предполагаем, что Robotaxi в 10 раз безопаснее, мы просто делим эти показатели на 10:
Подставив это в предыдущее выражение, мы получим вероятность хотя бы одного инцидента после любого совокупного пробега M:
Эта формула используется для всех прогнозов в следующем разделе.
Часть 3 – Когда первые инциденты становятся вероятными
Теперь мы можем применить формулу Пуассона из Части 2 к четырем интересующим нас категориям исходов:
- Смертельный случай (K)
- Серьезная / Недееспособная травма (A)
- Легкая / Не приводящая к недееспособности травма (B)
- Возможная травма (C)
Используя базовые человеческие показатели из Части 1, масштабированные с учетом 10-кратного предположения о безопасности, мы получаем отдельную частоту событий λ для каждой категории. На первом графике показана вероятность хотя бы одного события в зависимости от совокупного пробега Robotaxi без присмотра:
От пробега к календарному времени
В нашей предыдущей статье мы построили прогнозную модель еженедельного пробега без присмотра, используя заявленные Ашоком двузначные темпы роста по сравнению с предыдущей неделей, ограниченные производственной мощностью Cybercab примерно в 2 400 автомобилей в неделю (годовой план Tesla в 125 000 единиц) и предположением о высокой интенсивности использования — 200 миль на автомобиль в день.
Принимая сценарий с 14% ростом в качестве центрального и накапливая еженедельный пробег с учетом ограничений, мы получаем траекторию совокупного пробега в календарном времени. Подстановка этого совокупного пробега в формулу Пуассона дает вероятность каждого типа инцидента как функцию времени:
Согласно этой траектории, пороги вероятности в 50% достигаются приблизительно в следующие сроки:
Текущий совокупный пробег Waymo
Для масштаба мы отметили на графике пробега приблизительный совокупный пробег Waymo в полностью беспилотном режиме.
Согласно официальной панели показателей безопасности Waymo, по состоянию на март 2026 года было пройдено 220,6 миллиона миль только с пассажирами. При недавнем темпе примерно 4 миллиона миль только с пассажирами в неделю, экстраполяция на середину/конец 2026 года дает примерно 280–300 миллионов платных миль. С учетом миль, пройденных вхолостую для перестановки и ожидания, мы консервативно удваиваем эту цифру, чтобы получить приблизительную оценку ~600 миллионов общих автономных миль.
Реальный опыт Waymo
Публичные отчеты SGO / NHTSA об инцидентах с участием Waymo, соотнесенные со шкалой KABCO, дают следующую приблизительную картину:
Ключевые наблюдения:
- Подавляющее большинство зарегистрированных случаев травм относятся к категориям с низкой степенью тяжести (C и B).
- Собственные исследования безопасности Waymo относят к «серьезным травмам или хуже» только подтвержденные полицией случаи категории A или K.
- За более чем 220 миллионов миль только с пассажирами Waymo сообщает о примерно 94% снижении количества аварий с серьезными травмами или хуже и о ~82% снижении количества аварий с травмами любой степени тяжести по сравнению с человеческим базовым уровнем в тех же зонах эксплуатации.
- Эти сравнения проводятся независимо от вины. В небольшом количестве серьезных (A) и смертельных (K) инцидентов доступная публичная информация указывает на то, что автомобиль Waymo, как правило, не был основной виновной стороной.
Этот реальный опыт иллюстрирует различие, которое также важно для Robotaxi: при достаточном масштабе участие в авариях становится статистически неизбежным. Решающий вопрос заключается в том, будет ли система виновна реже — и будет ли приводить к менее тяжелым последствиям — чем водители-люди, преодолевающие те же мили. Разработанная здесь модель Пуассона просто калибрует, когда Tesla Robotaxi, при предположении о 10-кратном превосходстве в безопасности, можно ожидать столкновения с теми же категориями событий.
Как показывают графики совокупного пробега, когда беспилотный парк достигает нескольких сотен миллионов миль, участие в серьезных и даже смертельных инцидентах становится статистически неизбежным — даже при предположении о 10-кратном превосходстве в безопасности. Таким образом, данные Waymo соответствуют тому, что предсказывает модель Пуассона при таком масштабе: актуальным вопросом становится не то, происходят ли такие события, а то, как часто система оказывается виновной и как ее профиль тяжести последствий соотносится с водителями-людьми.
Заключение
Мы смоделировали вероятность участия Robotaxi в авариях различной степени тяжести, предполагая, что в конечном итоге система достигнет 10-кратного улучшения безопасности по сравнению со средним легковым автомобилем под управлением человека. Объединение этого предположения с траекторией пробега, разработанной в нашем предыдущем анализе, дает четкие количественные ожидания: травмы легкой степени тяжести становятся вероятными в первой половине 2027 года, серьезные травмы — позже в том же году, а смертельный случай — к концу 2027 года при центральном сценарии роста.
Реальный опыт Waymo соответствует тому, что та же модель предсказывает при совокупном пробеге в несколько сотен миллионов миль. Даже система, которая значительно безопаснее человека-водителя, при достаточном масштабе будет участвовать в серьезных и смертельных авариях. Статистика делает это неизбежным.
Два различия остаются важными. Во-первых, эти прогнозы касаются участия, а не вины. Во-вторых, первый смертельный случай по вине системы также в конечном итоге статистически неизбежен; единственная открытая переменная — когда он произойдет относительно того, как общественность воспринимает технологию на практике.
Это и есть основная стратегическая задача для Tesla. Первая смерть по вине системы должна произойти достаточно поздно, чтобы большое количество людей уже успело воспользоваться Robotaxi, доверять его обычной работе и понимать его безопасность по сравнению с вождением человека. Аналогия — коммерческая авиация. Современные авиалайнеры по-прежнему убивают людей, однако уровень смертности составляет порядка 0,01 смертельного случая на 100 миллионов пассажиро-миль — примерно на порядок ниже, чем даже у в 10 раз более безопасного Robotaxi (≈ 0,08 смертельных случая на 100 миллионов миль). Общество принимает остаточный риск в авиации, потому что выгода велика, а относительная безопасность хорошо установлена. Robotaxi понадобится такая же основа из продемонстрированной крупномасштабной производительности к тому времени, когда произойдет первый явно виновный смертельный случай.
Это порог, который Tesla должна преодолеть.
