399
在过去十多年时间里，全球最聪明的公司都在扎堆研发自动驾驶技术。
Waymo 的前身，Google 无人车项目在 2009 年成立，目前 Waymo 在无人车研发上投入的经费每年按 10 亿美元计算。在国内，百度最早从 2013 年开始研发自动驾驶。
苹果 CEO Tim Cook 说：自动驾驶是所有 AI 项目之母。
自动驾驶最重要的特性就是对汽车驾驶与交通安全的提升。
在 2021 年，这些全球最顶尖最聪明的公司经历了漫长的研发后，自动驾驶技术的安全性被推进到什么程度了？
近日《自动驾驶汽车交通安全白皮书》发布，得以让我们看到全球自动驾驶技术研发的一些最新进展。
1、为什么要不遗余力开发自动驾驶？80% 以上人类驾驶事故都可避免
12 月 16 日，中汽中心联合同济大学以及百度 Apollo 联合发布《自动驾驶汽车交通安全白皮书》。
白皮书援引了 CIDAS 的统计，对过去十年间（2011 - 2021 年）有乘用车参与的 5664 起交通事故案例进行了详尽分析。
据 CIDAS 总结，在上述超过 5000 起的事故中，共有 6967 个导致事故发生的因素，其中约有 81.5% 因素为驾驶员人为因素。更进一步，驾驶员主观错误又占到这些事故致因中的 79.9%。
这些因素包括了：未按规定让行、速度过快、违规使用车道、酒驾、违反交通信号灯、疲劳驾驶等等。显然这些问题，对于以机器感知与 AI 算法驱动的自动驾驶系统都不存在。
除了 CIDAS 数据外，世界卫生组织、中国公安部交通管理局等的多种统计口径，也显示大约 80 - 90% 的交通事故是由驾驶员人为因素导致。
这意味着自动驾驶系统的普及将有可能减少 80% 以上的交通事故。
另一方面，全球头部的科技公司与车企积极投入开发自动驾驶技术，在过去十多年里已经使得自动驾驶的技术体系趋于成熟，技术的安全性与可靠性也得到了长足验证。
以美国加州机动车辆管理局的数据为例，加州是全球最早公布自动驾驶路测法规的地域之一，也是目前各大公司进行自动驾驶路测最活跃的区域。
在其公布的 2019 年 - 2020 年自动驾驶路测中，发生了 149 起事故案例，其中没有死亡事故；所有事故中，仅有 2 起事故存在安全气囊打开的情况，这 2 起事故中人员均为轻伤；剩下还有 20 多起有人员损伤的事故，其实表现主要是安全员或对方人员感觉到背部或颈部疼痛。
Waymo 作为全球最早开展大规模自动驾驶路测的公司，其测试数据也比较有代表性。
2020 年 10 月，其发布《公共道路安全性能数据》白皮书，报告显示在约 610 万英里 (约合 981 万公里) 的真实道路测试中，Waymo 无人车一共发生 18 起碰撞或轻微接触事故。
Waymo 报告对 47 起碰撞事故（含前述 18 起真实事故和 29 起模拟环境下的碰撞事故）进行分析，其他道路交通参与者的不合规行为是导致事故发生的主要原因。
北京市公布的数据也反映了类似的结论：截至 2020 年底，北京市累计开放 4 个区县的自动驾驶测试道路，共计 699.58 公里；累计为 14 家自动驾驶企业 87 辆车发放一般性道路测试牌照，测试里程超 200 万公里。
测试过程中，未对其他交通参与者产生不良影响。
中美两地的数据，都共同验证了自动驾驶汽车在交通安全性上，要强于普通人类司机，甚至要比人类司机的安全性高出一个数量级以上。
2、自动驾驶系统的安全性设计
自动驾驶车辆的安全性设计几乎是今天所有自动驾驶公司技术研发与系统设计的核心。
自动驾驶系统最早是在机器人系统开发的基础上形成了包括感知、决策规划、控制等在内的技术栈。
近年，随着前装量产部署的需求，不少公司已经在推动自动驾驶技术满足功能安全、预期功能安全等保障要求。如百度这样的头部公司还提出了构建主安全系统、冗余系统、远程云代驾三层安全体系，从多个角度在技术上确保「安全第一」。
从设计机制上来讲，自动驾驶系统的能力天生比人类更强。譬如：
1）感知系统，比人看得更远、更准。
当下多传感器融合的感知系统是主流方案，基于激光雷达、毫米波雷达、摄像头融合的方案最远可提供 280 米外的障碍物检测，并且其覆盖的是围绕车身 360°的视野。
2）决策规控，开得比人更加谨慎。
自动驾驶系统的演进方向是成为提前预判、安全谨慎驾驶的「老司机」，其针对各种典型危险场景设计了一系列驾驶策略。如在恶劣天气、视野遮挡等极端场景下，会触发防御性驾驶策略，通过多观察减速驾驶防止安全风险；在道路交叉口与其他交通参与者交汇场景下，在高路权情况下遇到抢行车辆，也会以安全第一考虑减速让行。在遇到「鬼探头」等高危风险场景时，也会坚持安全第 一原则采取紧急制动策略尽可能避免伤害。
3）车路协同，让自动驾驶具备上帝视角。
车路协同可以极大地拓展单车的感知范围，例如在出现动静态盲区、恶劣天气时，车路协同可实现多方位、长距离的连续检测识别，并与自动驾驶车辆的实时感知结果进行融合，从而帮助系统做出预判和决策控制，降低事故风险。
4）系统冗余，任何情况下总有备份。
L4 级自动驾驶系统在车载主计算单元和传感系统之外，又配置了安全冗余实现了软件和硬件的异构冗余设计，整体的安全性和可靠性有极大提升。当检测到主计算系统异常时将触发 MRC 机制，通过告警、缓刹、靠边停车、紧急制动等方法让车辆进入最小风险状态。
在过去几年里，无论是车载计算单元、传感器还是线控系统、执行器都在不断进步，从而推高自动驾驶系统的安全底线与能力上限。
3、自动驾驶 ≠ 完全 0 事故，系统安全性提升正带来大规模商业化可能
自动驾驶系统开车比普通人类司机更强，但这并不代表自动驾驶上路就是绝对的「0 事故」。
美国加州机动车辆管理局在最近 6 年里（2014 - 2020 年），详细记录到了不同厂商进行真实路测时的事故案例共 278 起。
在所发现的事故案例中，自动驾驶汽车事故主要因为其他道路交通使用者所致。
据统计，因其他道路交通参与者所致事故占比为 84%，因自动驾驶汽车自身原因所致事故占比为 16%。
这种情况在中国也是类似。在 2 个月前，就在北京市顺义区，美团无人车也经历了一起与小轿车碰撞的事故。
10 月 9 日，在顺义区白马路与后疃村口，美团无人配送车自西向东在辅路的非机动车道上行驶与一辆从后疃村口小轿车发生碰撞，双方车辆受损但未致人员受伤。
事故发生后，交警判定美团无人车为微型客车，因未在机动车道行驶承担全责。
但实际上，美团方面表示事故并非技术原因：事发前无人配送车传感器已发现人工驾驶车辆，因后者行驶缓慢，系统判定无碰撞风险，但人工驾驶车辆未发现美团无人车突然加速行驶导致双方碰撞。
还有更多案例揭示了人类是「主观因素」的主要风险来源。同样在今年，百度 Apollo 的车辆就遭遇了一起因人类司机闯红灯引发的事故。
事故发生时，测试车辆左转通过交叉路口，对向社会车辆直行闯红灯，进入路口后社会车辆与测试车辆碰撞。
测试车辆进入路口时，社会车辆通行方向为红灯，测试车辆具有优先通行路权。
车辆在自动驾驶模式下左转进入路口，行驶至路口中间位置时，感知到对向车道内行进的社会车辆，并根据预测出的行驶轨迹预判其有闯红灯的安全风险。
从安全角度考虑，自动驾驶系统采取制动措施提前避让违规通行的社会车辆。但同时，车上的安全员出于本能踩踏「加速踏板」进行了人工接管。
也就是说，如果自动驾驶系统全程控制、人工驾驶不介入，则不会发生这次碰撞事故。
这两个案例恰恰都反映了，实际上自动驾驶系统是足够安全的，但人类「不可控」的行为导致了驾驶事故，严格意义上，它们都是「人类驾驶事故」。
随着时间推进，自动驾驶系统的路测里程逐年增加，测试范围正加速扩张，而接管间隔里程越来越长，年度接管次数越来越少。
中国的领头羊百度，到本月自动驾驶道路测试里程已超过 2100 万公里。
据《2021 百度自动驾驶出行服务半年报告》，其自动驾驶出行服务高质量测试覆盖 30+城市，覆盖面积超过 600 平方公里。
但我们今天所面对的是行人、非机动车、人工驾驶车辆以及自动驾驶车辆混行的交通环境，尤其在中国拥挤、狭窄以及不规范的道路环境中，我们还远远没有达到「0 事故的完美交通时代」。
首先自动驾驶系统并非完美的系统，真实道路场景存在难以穷尽的 corner case；其次，理论上自动驾驶车辆的行为永远是规范、可预测的，但其他交通参与者的行为可能引发难以预测的事故。
随着技术提升，自动驾驶的商业化步伐正在加速。就在上周，德国宣布开放 L3 级自动驾驶系统的商用许可，奔驰 S 级与 EQS 将率先量产 L3 级智能驾驶应用；
11 月底，北京也开启自动驾驶出租车的商业化运营，百度等公司成为首吃螃蟹的 Robotaxi 运营方。
安全将始终是汽车产业发展永恒的主题，比人类驾驶更安全的新交通时代才刚刚开始。
下载ECAD模型
