Патруль тормозит машину. Водитель ничего не нарушал — и это, в общем, неважно: на планшете у инспектора горит флажок, значит, номер числится «интересным». Про «ориентировку» вам не скажут ни слова. Дорожная аналитика, судя по тому, что о ней известно, потихоньку меняет профессию: из фиксатора штрафов она превращается в систему, которая заранее решает, кто выглядит подозрительным. Разберёмся, как собран этот конвейер, где он ломается и что от него остаётся у презумпции невиновности.
Сердце всей конструкции — распознавание номеров, ANPR. Камеры на столбах, рамки над полосами, модули на крышах патрульных машин и даже частные камеры во дворах непрерывно снимают проезжающий транспорт и превращают номер в строку данных: где, когда, в какую сторону двигался автомобиль. В США такие сети, по имеющимся данным, строят в том числе частные компании — они сваливают в одну кучу дворовые и магазинные камеры да полицейские базы.
Дальше начинается слоёный пирог. Нижний слой почти механический: сверка со списками. Угнанные и разыскиваемые машины, автомобили в залоговом розыске, владельцы с непогашенными требованиями суда. Совпадение — экипаж получает сигнал.
Второй слой хитрее: поведенческий скоринг. Алгоритм вылавливает паттерны. Ночные поездки по району, где участились угоны. Маршрут, совпадающий с движением «помеченной» машины. Регулярные встречи с подозрительными номерами в одних и тех же точках. Рядом трудится и площадное прогнозирование: модель предсказывает не «кто», а «где будет горячо». Результат в обоих случаях один — патрули направляются в район, а отдельным водителям присваивается неявный рейтинг «стоит присмотреться».
Сбои у этой системы троякие.
Первый — банальная техника. Распознавание путает похожие символы, хватается за номер из соседней полосы, слепнет под дождём и в грязи. Один неверный знак — и флажок горит над совершенно посторонним человеком.
Второй — данные. База может «помнить» старого владельца: машину продали, а записи о долгах прежнего хозяина, по имеющимся данным, способны прилипнуть к номеру. С арендой и каршерингом та же история, только гуще: на одном автомобиле ездят разные люди, и «подозрительная» история поездок рискует приклеиться ко всем без разбора.
Третий источник — сама логика модели, и он самый коварный. Патрули чаще ездят туда, куда их отправил алгоритм. Там чаще останавливают людей. Эти остановки подтверждают «горячую зону» — петля замкнулась. Модель, обученная на старых остановках, заодно копирует и старые предубеждения. Об этом, по имеющимся данным, заявляли аудиты: в ряде городов подобные «списки риска» сворачивали как неэффективные, а похожие программы закрывали по итогам проверок.
Но главный изъян — подмена понятий. Скоринг означает: «вероятность, что стоит проверить». Инспектор на дороге читает это как «есть основания». А «основания» — уже категория с правовыми последствиями для человека, который заведомо ни в чём не виноват.
С камерами в России всё в порядке — в том смысле, что их много. Московский ЦОДД и региональные центры фотовидеофиксации массово разворачивают комплексы контроля полос, скорости и перекрёстков. Работают и системы распознавания номеров: «Поток» сверяет проезжающие машины с базами розыска и угона и в реальном времени подсказывает экипажам ДПС, «Стрелка» и ей подобные измеряют скорость. Сверху — программа «Безопасный город», собирающая городские камеры в единый контур.
Но есть нюанс: официально речь о фиксации нарушений и поиске угнанных машин, а не о скоринге «подозрительности». Инфраструктура для него, судя по всему, уже во многом собрана — камерная сеть пишет историю перемещений, базы связаны с ГИБДД. Формально дорасти до «поведенческого рейтинга» водителя — вопрос интеграции, а не новой стройки.
Ограничение этой системы знает каждый, кто когда-нибудь спорил со штрафом. Логика алгоритма закрыта. Почему сработало — не объяснят. Обжалование идёт по фотографии, а не по логике системы. Если камеры однажды начнут оценивать «паттерны», спорить станет ещё труднее. Куда всё повернётся — вопрос регулирования: открытые правила обращения с данными и независимый аудит могли бы удержать аналитику в роли помощника, а не надзирателя.
Мировая практика подсказывает четыре опоры.
Первая — ограничение цели: данные, собранные ради штрафа, не должны перетекать в профилирование «на всякий случай». Вторая — срок хранения: история перемещений без приговора не имеет права лежать годами. Третья — прозрачность и аудит: публикуемые метрики доли ложных срабатываний плюс независимая проверка моделей на дискриминацию. Четвёртая — человек в контуре: флаг алгоритма даёт лишь повод для проверки, сам по себе он основанием для остановки и досмотра не служит.
Есть и запретительный слой. Европейский AI Act относит часть автоматических оценок людей к высокому риску и жёстко ограничивает удалённое биометрическое опознание на улицах. Логика переносится на дороги напрямую: чем сильнее решение бьёт по свободе человека, тем строже должен быть юридический контроль — в идеале судебный, как с прослушкой.
Принцип, в общем, прост: расширение функций камер требует отдельного закона, а не тихого обновления прошивки.
Дорожная аналитика и правда спасает жизни: камеры дисциплинируют, аварийность от фиксации нарушений снижается. Беда не в технологиях, а в риске молчаливой смены роли: ещё вчера система измеряла нарушения — завтра она предсказывает виновность. «Подозрительность» виной не является, и разрыв между этими словами должен закрывать закон, а не настройка по умолчанию. Иначе однажды в чужой базе окажется каждый из нас — просто потому, что выехал из дома.