在過去十多年時間里，全球聰明的公司都在扎堆研發自動駕駛技術。

Waymo 的前身，Google 無人車項目在 2009 年成立，目前 Waymo 在無人車研發上投入的經費每年按 10 億美元計算。在國內，百度早從 2013 年開始研發自動駕駛。

蘋果 CEO Tim Cook 說：自動駕駛是所有AI 項目之母。

自動駕駛重要的特性就是對汽車駕駛與交通安全的提升。

在 2021 年，這些全球聰明的公司經歷了漫長的研發后，自動駕駛技術的安全性被推進到什么程度了？

近日《自動駕駛汽車交通安全白皮書》發布，得以讓我們看到全球自動駕駛技術研發的一些新進展。

1、為什么要不遺余力開發自動駕駛？80% 以上人類駕駛事故都可避免

12 月 16 日，中汽中心聯合同濟大學以及百度 Apollo 聯合發布《自動駕駛汽車交通安全白皮書》。

白皮書援引了 CIDAS 的統計，對過去十年間（2011 – 2021 年）有乘用車參與的 5664 起交通事故案例進行了詳盡分析。

據 CIDAS 總結，在上述超過 5000起的事故中，共有 6967 個導致事故發生的因素，其中約有 81.5%因素為駕駛員人為因素。更進一步，駕駛員主觀錯誤又占到這些事故致因中的79.9%。

這些因素包括了：未按規定讓行、速度過快、違規使用車道、酒駕、違反交通信號燈、疲勞駕駛等等。顯然這些問題，對于以機器感知與 AI 算法驅動的自動駕駛系統都不存在。

除了 CIDAS 數據外，世界衛生組織、中國公安部交通管理局等的多種統計口徑，也顯示大約 80 – 90% 的交通事故是由駕駛員人為因素導致。

這意味著自動駕駛系統的普及將有可能減少 80% 以上的交通事故。

另一方面，全球頭部的科技公司與車企積極投入開發自動駕駛技術，在過去十多年里已經使得自動駕駛的技術體系趨于成熟，技術的安全性與可靠性也得到了長足驗證。

以美國加州機動車輛管理局的數據為例，加州是全球早公布自動駕駛路測法規的地域之一，也是目前各大公司進行自動駕駛路測活躍的區域。

在其公布的 2019 年 – 2020 年自動駕駛路測中，發生了149 起事故案例，其中沒有死亡事故；所有事故中，僅有2 起事故存在安全氣囊打開的情況，這 2 起事故中人員均為輕傷；剩下還有 20 多起有人員損傷的事故，其實表現主要是安全員或對方人員感覺到背部或頸部疼痛。

Waymo 作為全球早開展大規模自動駕駛路測的公司，其測試數據也比較有代表性。2020 年 10 月，其發布《公共道路安全性能數據》白皮書，報告顯示在約 610 萬英里(約合 981 萬公里) 的真實道路測試中，Waymo 無人車一共發生 18 起碰撞或輕微接觸事故。

Waymo 報告對 47 起碰撞事故（含前述 18 起真實事故和 29 起模擬環境下的碰撞事故）進行分析，其他道路交通參與者的不合規行為是導致事故發生的主要原因。

北京市公布的數據也反映了類似的結論：截至 2020 年底，北京市累計開放 4 個區縣的自動駕駛測試道路，共計 699.58 公里；累計為 14 家自動駕駛企業 87 輛車發放一般性道路測試牌照，測試里程超200 萬公里。

測試過程中，未對其他交通參與者產生不良影響。

中美兩地的數據，都共同驗證了自動駕駛汽車在交通安全性上，要強于普通人類司機，甚至要比人類司機的安全性高出一個數量級以上。

2、自動駕駛系統的安全性設計

自動駕駛車輛的安全性設計幾乎是今天所有自動駕駛公司技術研發與系統設計的核心。

自動駕駛系統早是在機器人系統開發的基礎上形成了包括感知、決策規劃、控制等在內的技術棧。

近年，隨著前裝量產部署的需求，不少公司已經在推動自動駕駛技術滿足功能安全、預期功能安全等保障要求。如百度這樣的頭部公司還提出了構建主安全系統、冗余系統、遠程云代駕三層安全體系，從多個角度在技術上確保「安全」。

從設計機制上來講，自動駕駛系統的能力天生比人類更強。譬如：

1）感知系統，比人看得更遠、更準。

當下多傳感器融合的感知系統是主流方案，基于激光雷達、毫米波雷達、攝像頭融合的方案遠可提供 280 米外的障礙物檢測，并且其覆蓋的是圍繞車身 360°的視野。

2）決策規控，開得比人更加謹慎。

自動駕駛系統的演進方向是成為提前預判、安全謹慎駕駛的「老司機」，其針對各種典型危險場景設計了一系列駕駛策略。如在惡劣天氣、視野遮擋等極端場景下，會觸發防御性駕駛策略，通過多觀察減速駕駛防止安全風險；在道路交叉口與其他交通參與者交匯場景下，在高路權情況下遇到搶行車輛，也會以安全考慮減速讓行。在遇到「鬼探頭」等高危風險場景時，也會堅持安全第 一原則采取緊急制動策略盡可能避免傷害。

3）車路協同，讓自動駕駛具備上帝視角。

車路協同可以極大地拓展單車的感知范圍，例如在出現動靜態盲區、惡劣天氣時，車路協同可實現多方位、長距離的連續檢測識別，并與自動駕駛車輛的實時感知結果進行融合，從而幫助系統做出預判和決策控制，降低事故風險。

4）系統冗余，任何情況下總有備份。

L4 級自動駕駛系統在車載主計算單元和傳感系統之外，又配置了安全冗余實現了軟件和硬件的異構冗余設計，整體的安全性和可靠性有極大提升。當檢測到主計算系統異常時將觸發 MRC 機制，通過告警、緩剎、靠邊停車、緊急制動等方法讓車輛進入小風險狀態。

在過去幾年里，無論是車載計算單元、傳感器還是線控系統、執行器都在不斷進步，從而推高自動駕駛系統的安全底線與能力上限。

3、自動駕駛 ≠ 完全 0 事故，系統安全性提升正帶來大規模商業化可能

自動駕駛系統開車比普通人類司機更強，但這并不代表自動駕駛上路就是的「0 事故」。

美國加州機動車輛管理局在近 6 年里（2014 – 2020 年），詳細記錄到了不同廠商進行真實路測時的事故案例共 278 起。

在所發現的事故案例中，自動駕駛汽車事故主要因為其他道路交通使用者所致。

據統計，因其他道路交通參與者所致事故占比為 84%，因自動駕駛汽車自身原因所致事故占比為 16%。

這種情況在中國也是類似。在 2 個月前，就在北京市順義區，美團無人車也經歷了一起與小轎車碰撞的事故。

10 月 9 日，在順義區白馬路與后疃村口，美團無人配送車自西向東在輔路的非機動車道上行駛與一輛從后疃村口小轎車發生碰撞，雙方車輛受損但未致人員受傷。

事故發生后，交警判定美團無人車為微型客車，因未在機動車道行駛承擔全責。

但實際上，美團方面表示事故并非技術原因：事發前無人配送車傳感器已發現人工駕駛車輛，因后者行駛緩慢，系統判定無碰撞風險，但人工駕駛車輛未發現美團無人車突然加速行駛導致雙方碰撞。

還有更多案例揭示了人類是「主觀因素」的主要風險來源。同樣在今年，百度 Apollo 的車輛就遭遇了一起因人類司機闖紅燈引發的事故。

事故發生時，測試車輛左轉通過交叉路口，對向社會車輛直行闖紅燈，進入路口后社會車輛與測試車輛碰撞。

測試車輛進入路口時，社會車輛通行方向為紅燈，測試車輛具有優先通行路權。

車輛在自動駕駛模式下左轉進入路口，行駛至路口中間位置時，感知到對向車道內行進的社會車輛，并根據預測出的行駛軌跡預判其有闖紅燈的安全風險。

從安全角度考慮，自動駕駛系統采取制動措施提前避讓違規通行的社會車輛。但同時，車上的安全員出于本能踩踏「加速踏板」進行了人工接管。

也就是說，如果自動駕駛系統全程控制、人工駕駛不介入，則不會發生這次碰撞事故。

這兩個案例恰恰都反映了，實際上自動駕駛系統是足夠安全的，但人類「不可控」的行為導致了駕駛事故，嚴格意義上，它們都是「人類駕駛事故」。

隨著時間推進，自動駕駛系統的路測里程逐年增加，測試范圍正加速擴張，而接管間隔里程越來越長，年度接管次數越來越少。

中國的領頭羊百度，到本月自動駕駛道路測試里程已超過2100 萬公里。

據《2021 百度自動駕駛出行服務半年報告》，其自動駕駛出行服務高質量測試覆蓋 30+城市，覆蓋面積超過 600 平方公里。

但我們今天所面對的是行人、非機動車、人工駕駛車輛以及自動駕駛車輛混行的交通環境，尤其在中國擁擠、狹窄以及不規范的道路環境中，我們還遠遠沒有達到「0 事故的完美交通時代」。

首先自動駕駛系統并非完美的系統，真實道路場景存在難以窮盡的 corner case；其次，理論上自動駕駛車輛的行為永遠是規范、可預測的，但其他交通參與者的行為可能引發難以預測的事故。

隨著技術提升，自動駕駛的商業化步伐正在加速。就在上周，德國宣布開放 L3 級自動駕駛系統的商用許可，奔馳 S 級與 EQS 將率先量產 L3 級智能駕駛應用；

11 月底，北京也開啟自動駕駛出租車的商業化運營，百度等公司成為首吃螃蟹的 Robotaxi 運營方。

安全將始終是汽車產業發展永恒的主題，比人類駕駛更安全的新交通時代才剛剛開始。