特斯拉再撞白色卡车，自动驾驶安全性该如何保证？

在2016年以前，特斯拉对自动驾驶宣传不遗余力，美国首宗自动驾驶致命事故发生后，虽然措辞有修改，宣传角度有转变，但特斯拉在自动驾驶上的冒险仍在继续。一方面，宣称自己的硬件具备了全自动驾驶能力，另一方面，还坚持推进纯摄像头方案，马斯克甚至称激光雷达方案“愚蠢”，激光雷达技术终将被摄像头方案取代。最近，特斯拉又双叒叕撞车了..........

6月1日，中国台湾嘉义县高速公路上发生一起撞车事故，一辆行驶中的特斯拉Model 3直接撞上了已侧翻在路上的货车，过程中车辆并没有采取任何减速或转向避让的动作。

据当事司机黄某事后回忆，当时他的Model 3开启了Autopilot驾驶辅助，速度在110km/h，看见侧翻的货车时想要刹车已经来不及了。

虽目前尚未有明确的事故调查报告出台，但大多数人都猜测是特斯拉驾驶辅助系统Autopilot发生了故障，而这个猜测的出现也不是没有缘由的。

从2016年到现在，特斯拉已发生过多起致命事故，皆是因为“自动驾驶”。

2016年1月20日，京港澳高速河北邯郸段发生一起追尾事故，一辆特斯拉轿车直接撞上一辆正在作业的道路清扫车，特斯拉轿车当场损坏，司机不幸身亡，大量证据表明车辆在案发时处于自动驾驶状态。

同一年的5月7日，在美国佛罗里达州，一辆在“自动驾驶”模式下运行的Model S发生撞车事故，Model S未发现正在通过的白色拖挂卡车，直接撞上卡车导致Model S被“切头”，司机身亡，这是美国首例涉及自动驾驶的交通死亡事故。

这次事故与台湾省高速事故更类似的一点在于，这辆特斯拉也是撞到一辆白色涂装拖挂卡车。

特斯拉在自动驾驶模式“看不见”白色卡车的案例还有一起，2019年3月，同样在佛罗里达，一辆 Model 3 以 110 公里时速侧面撞击了一辆正在穿过马路的白色拖挂卡车。Model 3 同样处于自动驾驶模式，司机以及 Autopilot 系统未做任何回避动作，车辆同样被“切头”，50 岁男性司机当场死亡。

2016年美国首宗致死事故发生后，特斯拉就修改了有关Autopilot的表示，强调这并不是自动驾驶，也告诫司机请勿两手离开方向盘。但到今年6月再次发生的事故表明，特斯拉的“白色卡车”盲点问题并未得到解决。

当然，也并不只有特斯拉发生过自动驾驶汽车事故。

2016年3月，谷歌无人驾驶汽车与一辆公交巴士发生轻微碰擦，那是谷歌首次表示无人驾驶汽车应当“承担部分责任”。

2018年3月18日，美国亚利桑那州一名女子被Uber自动驾驶汽车撞伤，之后不幸身亡。事发时，这辆车正处于自动控制模式。

自动驾驶事故原因分析

近年来，自动驾驶技术越来越火，几乎所有的汽车厂商都逃不过它的“魅力”。IHS曾预测，到2050年之后，在路上行驶的或许都是自动驾驶汽车。

自动驾驶汽车的行驶模式能大大降低对空气的污染，并且效率更高，它是未来汽车行业发展的必然趋势。因此，如何降低自动驾驶汽车事故的发生率是当下的一个大问题。

自动驾驶汽车发生事故的原因有两种：主动事故与被动事故。主动事故责任方在自动驾驶汽车，而被动事故中的责任方类别那可就多了。

举两个例子：2017年12月，一辆 Cruise 的自动驾驶汽车与一辆摩托车发生碰撞，摩托车驾驶员在事故中受伤，自动驾驶车辆也遭到一定程度的损坏，Cruise援引旧金山警察局的报告称，事故的直接诱因是摩托车司机的变道超车动作导致的；2018年1月10日，福特Argo AI自动驾驶车发生了一起交通事故，导致两人受伤。当局认定这起事故是人为失误造成的，事故起因是一辆卡车闯红灯。

据密歇根大学交通运输研究所的一份报告显示，自动驾驶汽车事故的发生率是传统汽车的5倍，即使排除掉由传统汽车引发的事故，自动驾驶汽车的事故发生率仍是传统汽车的2倍。而在自动驾驶汽车的事故中，大多数的发生原因是被追尾，是被动事故。

对于汽车厂商来说，这种被动事故很难预防，毕竟那些引诱事故发生的因素是不可控的，因此厂商只能从自动驾驶技术本身下手。

我们可以就近日发生的特斯拉撞车事件进行分析，事故发生原因是系统未能察觉到前方的危险并及时停下，这里出现了一种“边缘情况”场景，即自动驾驶系统遇到了在其算法中没有预期到的情况。

“边缘情况”是一种委婉的说法，用来描述可能危及生命的驾驶情况。通常情况下是由于环境的干扰，如光线、天气或其他车辆的遮挡，使得车载计算机难以进行道路分析。

台湾的这起特斯拉事件之所以引人注目，有以下几个原因：

• 特斯拉Model 3完全没有感知到它行驶的车道已完全被翻倒的卡车所阻挡；

• 特斯拉Model 3完全没有察觉到卡车司机。他为了提示后面的汽车远离他翻倒的卡车而逆着车流方向向前走，并躲避了迎面驶来的特斯拉；

• 可能是安装在车道左侧高速公路屏障上的灌木干扰了Model 3的雷达，导致了感知故障。

业内人士分析，特斯拉方案对“白色拖车”等“静态异型车”的识别存在盲点。

自动驾驶公司文远知行认为，特斯拉的传感器配置只有前向广角近距离摄像头可以有效“看到”正在横过马路的白色拖挂卡车，但“基于单目摄像头获取深度受到拖挂车白色涂装影响无法有效提取特征点，从而无法进行有效的深度恢复(Structure from Motion, SFM)。”

换句话说，特斯拉的Autopilot系统虽然能看到，但无法辨别出前方物体是广告牌、天际线还是横过马路的白色货柜车。加上广角摄像头只能看到约 50米 处的车辆，在高时速下（30米/秒)下，留给系统的反应时间只有短短 2 秒，远远满足不了刹车所需的时间与距离。这就是为何中国台湾省的事故中，司机黄某发现问题时刹车已经来不及的原因。

文远知行表示，特斯拉在过去几年进行了 1 次重大传感器方案升级，3 次计算平台升级以及数次重大软件版本升级，但还是无法解决这一已知可致死的Bug（未包括 FSD 的升级）。

自动驾驶要如何变得更安全

有的时候我们不禁要问，特斯拉在自动驾驶上是否过于激进。在2016年以前，特斯拉对自动驾驶宣传不遗余力，美国首宗自动驾驶致命事故发生后，虽然措辞有修改，宣传角度有转变，但特斯拉在自动驾驶上的冒险仍在继续。一方面，宣称自己的硬件具备了全自动驾驶能力；另一方面，还坚持推进纯摄像头方案，马斯克甚至称激光雷达方案“愚蠢”，激光雷达技术终将被摄像头方案取代。

特斯拉的方案以摄像头加毫米波雷达来实现，并未使用激光雷达。奥迪A8上倒是用到了激光雷达方案。

从传感器的角度来看，视觉传感器对大面积白色物体非常不敏感。

雷达是自动驾驶汽车的一个重要组成部分。速度更快、分辨率更高的毫米波雷达传感器能够改善车辆的安全性和舒适的视野。但毫米波雷达很难对静态物体进行检测。业内专家指出，路面上所有静态物体，譬如大桥接缝、路上钉子、可乐管、非常缓慢移动的物体等，对雷达而言都很容易形成噪点。

激光雷达由于检测回波能量、白色面发射率高，因而对静态大面积白色物体容易识别。

当然，不是说摄像头、毫米波雷达不能识别白色卡车，而是相对激光雷达比较难。尤其如何在高速行驶中做到“高可信度”。业内“图像主导”派，还是坚持认为通过算法可以解决“白色卡车”识别问题。

所有驾驶辅助系统在一定程度上依赖多种形式的感知技术，随着汽车功能的不断演进，人们开始要求更高水平的驾驶辅助系统，例如自动紧急制动(AEB）和自适应巡航控制(ACC)可以帮助挽救性命和预防交通事故。

如今，AEB和自动紧急制动系统的应用范围和复杂度不断提高，以满足对车辆L2或L3级驾驶辅助技术日益增长的市场需求。举例来说，新NCAP（新车碰撞测试）规范要求能够更灵敏地检测行人——用NCAP术语来说，即交通弱势群体，这加剧了对高性能雷达的需求。尤其是在高速公路上，如何利用技术降低驾驶难度，保证安全性是自动驾驶汽车市场需要思考的。当下，厂商们也都在不断改进自动驾驶辅助功能，以便能在更广泛、更复杂的情况下使用。

除了加注于厂商开发出更高级的自动驾驶辅助系统之外，驾驶员本身也不应过度依赖于自动驾驶或降低自身警觉性。对于驾驶员，不仅需要了解自动驾驶系统的各项功能，更需要了解技术的局限性。

自动驾驶汽车公司如今的发展

两年前，CB Insights根据投资、收购和合作数据就已确定了有46家开发道路自动驾驶汽车的公司。而两年后的今天，这个数据只会只增不减。

但近来多家汽车企业延后了自动驾驶推进时间。唯一量产过L3级别自动驾驶车辆的奥迪宣布暂缓量产计划，将自动驾驶项目提升至大众集团层面，并将大部分工作交付给集团统一的汽车软件部门。

而通用曾承诺到2020年在旧金山发布一支自动驾驶出租车队的计划显然已经被推后，戴姆勒曾计划到2021年让1万辆自动驾驶出租车上路，目前看也难实现。不过仍有一家与众不同——Waymo，它是目前唯一一个推出了用完全自动驾驶出租车运输乘客的。

下表列出的16家自动驾驶企业大致可分为三派。第一个派系是行业领导者，包括Waymo、Cruise、Argo、Aurora和安波福。第二个派系是区域性势力，包括百度、宝马、戴姆勒、Nuro、丰田、Uber、和沃尔沃。第三个派系特立独行，比如日产、小马智行、特斯拉和Zoox。

图源：汽车商业评论

开放道路自动驾驶发展注定不会一帆风顺，不管是“激光雷达”派（奥迪方案为代表），还是“摄像头”派（特斯拉方案为代表），都需要考虑到技术潜在风险，毕竟自动驾驶事关人命，不宜简单用试错累积的方法来迭代。