從Uber自動駕駛事故看無人車測試風險控制
墨菲定律（Murphy"s Law）：
凡是可能出錯的事必定會出錯（Anything that can gowrong will go wrong）。
引申內涵：
1. 任何事都沒有表面看起來那麼簡單；
2. 所有的事都會比你預計的時間長；
3. 會出錯的事總會出錯；
4. 如果你擔心某種情況發生，那麼它就更有可能發生。
Uber自動駕駛事故導致部分測試活動暫停
美國時間3月18日晚，Uber的一輛自動駕駛汽車在美國亞利桑那州撞上一名正在過馬路的49歲女性並導致其死亡。墨菲定律再一次得到了驗證。
（圖片來自於網路）
事故的調查尚無結論。但亞利桑那警方公布了一份有含金量的證據：事故時的車載監控視頻。該視頻分為兩部分。記錄車外場景的視頻顯示：當時車輛行駛在右側外車道。突然，前方一名女子推著自行車橫穿車道，出現在車輛燈光中，隨即碰撞發生。記錄車內場景的視頻顯示：司機大部分時間低頭看著自己的右下角，偶爾掃一眼左側車窗外，並沒有注視前方。在視頻結尾處，司機終於抬頭並顯得極為驚恐，顯然碰撞已經發生。
由於受害者並未行走人行橫道，亞利桑那警局在公開報告中表示，責任可能不在Uber而是行人。但隨著調查視頻的公開，Uber在事故發生前毫無剎車跡象，技術專家幾乎一致認為，這是Uber自動駕駛技術失靈所致。
據英國路透社報道，Uber公司已經與受害者家屬達成和解，具體賠償金額不會公布。達成和解讓Uber避免了一場高度公開的法律爭鬥，也不用揭示自動駕駛技術的關鍵資訊。接下來，Uber只需應對美國國家公路交通安全管理局及國家運輸安全委員會的調查行動。但對於關注自動駕駛法規和倫理研究的人員來說，喪失了一次深入剖析和論辯的好機會。
Uber已經暫停了包括舊金山、匹茲堡、鳳凰城和多倫多等所有地點正在進行的自動駕駛測試。豐田汽車在事發後第一時間做出反應，宣布暫停全美範圍內的自動駕駛道路測試項目。英偉達創始人黃仁勛稱事故原因還不明朗，無法保證駕駛員安全，暫停英偉達無人駕駛道路測試。
發展自動駕駛意義深遠，測試不會「因噎廢食」
目前，全球每年約120萬人死於車禍。其中90%的車禍是人為造成的。因使用手機而分心近年更成為酒駕以外最大的安全隱患。自動駕駛技術，將大幅降低車禍事故率和死亡率。僅在中國，自動駕駛技術極有可能每年挽救數萬人的生命。此外，自動駕駛汽車還可結合智慧交通減少擁堵，節省能源和寶貴的時間，發展汽車共享提高資源利用效率，為更多人帶來便利的出行解決方案。
（圖片來自於網路）
國家發改委已發布國家智能汽車創新發展戰略徵求意見稿，將明確未來一個時期我國智能汽車發展的戰略方向、發展目標、主要路徑、重點任務、保障措施。根據計劃，到 2020 年，中國標準智能汽車的技術創新、產業生態、路網設施、法規標準、產品監管和信息安全體系框架基本形成。智能汽車新車佔比達到 50%，中高級別智能汽車實現市場化應用。智能道路交通系統建設取得積極進展，大城市、高速公路的車用無線通信網路覆蓋率達到 90%，北斗高精度時空服務實現全覆蓋。到2025 年，新車基本實現智能化，高級別智能汽車實現規模化應用。新一代車用無線通信網路(5G-V2X)基本滿足智能汽車發展需要。到2035 年，中國標準智能汽車享譽全球，率先建成智能汽車強國。
不管Uber事故給業內外人士造成了多大的「心理陰影」，自動駕駛的發展腳步都不會就此停下來。近日，寶馬集團董事彼得博士（Dr. Nicolas Peter）稱，寶馬將繼續在自動駕駛方面投資，並將保證在2021年之前做足夠的試點項目，保證自動駕駛足夠的安全性。測試公里數，將會達到2億公里。自4月2日起，美國加州將接受完全無人的自動駕駛車輛上路的申請。北京、上海、重慶、深圳、福建等地，自2017年底以來，也公開發布自動駕駛上路測試的管理規範或開始發放測試牌照。
自動駕駛測試的方式和條件
自動駕駛車輛的測試主要包括封閉場地模擬測試、計算機虛擬環境測試、真實道路環境測試幾種。
國內外知名的封閉測試場地有：美國密歇根 M-City、美國移動中心（Willow Run）、瑞典的AstaZero、國家智能網聯汽車（上海）試點示範區、重慶智能汽車與智慧交通應用示範區、京冀智能汽車與智慧交通產業創新示範區等。
（圖片來自於網路）
計算機虛擬環境的測試平台發展迅速：自動駕駛模擬測試軟體Carcraft在Waymo自動駕駛項目中發揮了重大作用。Waymo可以在一天內沿著一條特別複雜的道路模擬行駛數十萬次，總行駛里程可以達到800萬英里左右；英偉達推出一款自動駕駛模擬模擬系統Drive Constellation，通過雲計算能力來模擬無人駕駛汽車在行駛過程中所遇到的突發情況，收集相關數據。英偉達CEO 黃仁勛介紹稱，使用模擬測試，工程師可以在5個小時內，完成約48萬公里的道路測試。
當前自動駕駛測試存在的主要風險
美國智庫蘭德公司2016年的一份報告認為：一輛自動駕駛汽車需要積累110億英里的測試數據才能驗證其安全性。雖然這些測試數據可以由一個車隊通過共享的自動駕駛平台同步收集，縮短工作周期，但一個包含100輛汽車的車隊7乘24小時連續測試，要達到110億英里的測試里程，也至少需要500年。
（圖片來自於網路）
據悉，最早展開自動駕駛測試的Google旗下的自動駕駛項目Waymo，也剛完成800萬公里的路測。在過去的一年中，Waymo的車輛測試歷程為50萬英里，而Uber的無人駕駛車輛測試歷程僅為20354英里。
在美國研究公司NavigantResearch近日發布的2018年自動駕駛技術排行榜單中，就明確指出，無論是谷歌的Waymo，還是在傳統汽車企業陣營中暫時領先的通用Cruise，都需要在未來經受更為複雜的交通路況挑戰。通用Cruise CEO Kyle Vogt曾經在一篇博客中介紹，相比其他地區，Cruise在舊金山的測試車隊遇到極端路況的概率提升了46倍。大多數企業低估了市區與郊區的路況差異之大，某些情況下，市區路況的挑戰性甚至達到了郊區路況的4658％。隨著道路中需要應對的對象數量增加，自動駕駛汽車的交互量實際上會呈指數級而非線性增長。現有的產品和技術成熟度仍有極大的提升需求。
在中國，目前全國多地也已開放無人駕駛測試道路。上海、重慶、深圳等地相繼發布相關政策，對自動駕駛汽車上路測試進行規範。從多地出台的相關政策來看，測試駕駛人與測試主體將承擔相應法律責任。不過，管理規範，並不等同於技術保障。高額保險，也不意味著可以換取人員的生命安全。以北京市的試行測試規定來看，試車員負有很重要的責任，不但需要檢測系統的工作狀態，也需要在系統失效時，及時接管。
不過，管理規定里的某些設想，在現實面前，可能會落空。弗吉尼亞理工大學交通研究所曾經做過一個試驗，他們招募了幾十位志願者，試驗要求被測人員保持警惕，觀察路面和周遭情況以便必要時控制汽車。但絕大多數駕駛人都表示自己很快就放鬆下來了，手腳也都脫離了控制位置。在航空領域也有類似的情形，飛機已經能自己完成從跑道到跑道之間行駛，飛行員只需控制飛機著陸和起飛，但這種技術沒有被廣泛採用，因為如果飛行員不用控制飛機，就會感到無聊，就會做其他事情。即便相關的道路法規規定駕駛人必須思想集中、視線緊盯路面、不允許玩手機、雙手托在方向盤下等，但人類的先天心理機制決定了汽車在自動駕駛時人們是無法一直保持思想集中的。這種機制被稱為「警戒遞減（Vigilance decrement）」。因而，當需要他們介入駕駛時，他們就會完全沒有準備。Uber自動駕駛的事故，也印證了這一規律。
計算機模擬技術的最大問題，是不可能100%還原真實場景，這一點在車輛進行綜合性能的測試時尤其重要。模擬測試培養出的「應試教育」高分車輛，上路後或許會出現「實際素質」低能的情形。
目前的封閉測試場地，基本只能設置靜態的場景，很難設置動態和交互的工況。而且，按預設場景進行測試，很多情況下考慮的角度並不針對自動駕駛車，而是以人類駕駛員為準。題庫小，考題簡單，很難鑒別自動駕駛車輛的真實「智商」。
自動駕駛測試風險控制應研究「安全工況」
自動駕駛汽車應當首先進行虛擬環境模擬，然後通過封閉場地測試，驗證其成熟度之後，再逐步進入真實道路環境測試。但目前，大量新興的汽車科技公司，特別是有互聯網背景的公司，傾向於「在游泳中才能學會游泳」的觀點，對封閉場地測試的效能不太認可，大都選擇直接上路進行測試。在我國，自動駕駛技術，特別是新能源智能網聯汽車，正處於創新投資的風口。資本搶賽道，地方搶平台，缺乏有效的評價機制和適宜的甄別能力，更容易產生各種隱患。
對此，自動駕駛視覺處理公司Mobileye曾呼籲建立一個「可驗證安全保障」標準模型，來驗證所有的自動駕駛汽車技術的有效性和安全性，尤其是Uber這種新進入自動駕駛領域的科技公司。
密歇根大學Mcity的兩位研究員在2017年公開了一種自動駕駛快速測試方法論，其核心思想是將真實駕駛環境分解成不同的易於進行模擬和重複測試的場景（安全工況），並按特定的方法進行加速測試。這套方法的特點包括：基於道路上發生一件與安全相關的關鍵事件的頻率，刨除了安全駕駛的狀態；使用重要抽樣的方式來從統計上增加關鍵事件的發生次數，保證這些增加的事件依然能夠正確反映真實環境中的駕駛條件；建立一個公式能夠正確地提取出關鍵事件的數據，針對這些數據進行測試並用來進一步降低測試所需要的次數；在經過優化的隨機事件中，對最複雜場景下的關鍵事件里人類駕駛員與自動駕駛車之間的交互數據進行分析。這兩位研究員的論文介紹：如果將以上四種方式在一個整體測試進程中結合使用，那麼這套評估程序能夠將測試時間減少300-10萬倍。
自動駕駛情境下的模擬測試，要考慮更多的變數。自動駕駛汽車將環境概念拓展得更加寬泛，包括天氣、交通、道路條件等。ADAS、智能車包括非常多的環境感測，包括攝像及各種不同功能的雷達，如超聲波雷達、毫米波雷達、激光雷達。無線通信技術推動了V2V、V2X等車聯網技術的發展。這些都對建模模擬技術提出了很大的挑戰，也對基於真實交通工況的模擬基礎模型提出了更精準的要求。
無論是虛擬強化測試，還是實景的快速測試，對實際工況的深刻理解和準確還原，都是前提和基礎。中國的道路交通狀況與美國、歐洲、日本均有較大差異。路網及相關設施形態、交通工具的多樣性、交通參與者的行為特徵等均比國外情況更為複雜。要為自動駕駛汽車的發展奠定良好的基礎，明確整車和關鍵系統的基本安全性能，讓上路實測活動更加安全，必須重視中國安全工況的研究和應用。
（圖片來自於網路）
通過虛擬模擬等技術手段，對事故進行還原，獲取碰撞前的車輛運行軌跡和交通參與者的行為數據。依據事故數據特點，組成不同的交通事故場景，這些場景對於中國的自動駕駛來說，彌足珍貴。近年來，中國汽車技術研究中心通過中國交通事故深入研究（CIDAS）等科研項目，獲取了中國不同地域，典型交通場景下，數千起交通傷亡事故的詳細數據。面對自動駕駛測試領域存在的問題，中汽中心將聯合更多國內外行業力量，共同開展汽車交通的「中國安全工況」研究。充分考慮典型交通場景，覆蓋高概率事故形態，明確邊界條件和極端參數，為自動駕駛汽車的研發提供輔助，有效降低實路測試的風險。
（圖片來自於網路）
中汽中心「中國安全工況」研究團隊認為：在現有的實際道路測試中，自動駕駛車輛發生事故的概率不高，大量工作會成為無效的重複勞動，海量的數據必將束之高閣。但，面對真正的潛在風險，可能又準備不足，造成測試中的重大失誤乃至事故。所有突發危險工況，每一個真實事故場景，都猶如矗立在自動駕駛面前的一道關卡。虛擬測試中闖過一道關卡，也就意味著在未來真實道路上具備了避免了同類型事故的基本能力。上路測試的所有車輛，都應當能在中國安全工況的虛擬環境中通過模擬測試，證實具備了基本的危險狀況應對能力，能夠「見招拆招」，再進入實際道路複雜環境中測試，逐步獲得「行走江湖」的能力。
TAG:雲上的雲 |