[汽車之家深評] 自動駕駛的價值之一是提升交通安全性。但是如何證明自動駕駛的技術能夠帶來安全性上的提升，又如何對這一能力進行準確評估，是在這項技術誕生之初，人們就開始思考的問題。雖然時至今日仍然尚未有一個統一的標準，但是相比十年前，已經有了一些方法論。作為自動駕駛領域領頭羊的Waymo，就從未停止過在這方面的探索。
3月上旬，Waymo發布了一份名為《Waymo Simulated Driving Behavior in Reconstructed Fatal Crashes within an Autonomous Vehicle Operating Domain》的報告，通過模擬了Waymo自動駕駛車在真實發生的交通事故中的表現來對其安全能力進行了一次簡略評估。
以真實發生的交通事故，對比自動駕駛系統與人類駕駛員
在道路安全研究中，94%是一個很有代表性的數據。研究表明，有94%的交通事故是因為人類駕駛員犯錯而發生的。而自動駕駛的價值之一，就是用科學技術讓這94%的交通事故不再發生。由此自然想到的一個評估自動駕駛安全能力的方法，就是在同樣的場景下，對比自動駕駛系統與人類駕駛員的表現。比如在真實發生過的交通事故中，自動駕駛系統能否減少這些交通事故的發生，或者降低事故的嚴重程度呢？
在Waymo的安全評估體系中，碰撞規避測試（Collision Avoidance testing）是其對自動駕駛系統性能表現的一種評估手段。簡單來說，Waymo對已經發生過的真實世界交通事故進行數字化場景構建，并通過反事實模擬（Counterfactual Simulations），即讓Waymo Driver（Waymo對其自動駕駛系統的稱呼）模擬交通事故中的參與方，看其是否能夠規避碰撞的發生，或者降低碰撞的嚴重程度。
這里安全評估有兩個維度：
1.是否能夠完全避免碰撞的發生：自動駕駛系統通過感知系統預判到將會碰撞，并提前采取行動來完全規避
2.當碰撞無法避免，是否能夠降低碰撞的嚴重程度：通過采取緊急剎車、轉向的方式來降低碰撞可能對車內人員造成的傷害
在這種測試方法中，交通事故案例的選擇是十分重要的一個方面。我們知道，對于非完全自動駕駛技術而言，ODD（Operation Design Domain，設計運行區域）是一個十分重要的概念。從Waymo的角度，是希望這個測試方法能夠100%體現出其正在運行的Waymo One的安全性能，既然Waymo Driver的運行范圍被ODD所限制，那么只有選取同樣ODD的交通事故，才更具有代表性。
于是，在去年10月，Waymo開始了這項工作。Waymo與Waymo One的運營地——美國亞利桑那州的交通管理部門合作，拿到了Waymo One運營范圍內的錢德勒市在2008-2017年間發生的所有交通事故數據，并選擇了107起嚴重交通事故作為模擬評測對象。
在交通事故中，有肇事方（Waymo稱之為initiator），即引發交通事故的罪魁禍首，而非肇事方（Waymo稱之為responder），即被動卷入的交通參與者。在測試中，Waymo Driver需要先后替代原本事故中的肇事方和非肇事方，對于前者，評判其能否避免事故發生，對于后者，則主要看在肇事方采取非常規行為后其應對方式。
『按交通參與方進行的交通事故分類（源自Waymo）』
首先，Waymo排除了信息不夠全面的事故資料，對余下的91起交通事故按照交通參與方進行了分類。然后排除其中參與方與Waymo One所采用車型不同的、事故發生地交通環境未發生變化的（便于重構場景庫）以及符合Waymo Driver ODD（例如車速不超過Waymo Driver限速等）的72起交通事故。
Waymo Driver表現如何？
72起交通事故總共進行了91次模擬，其中Waymo Driver扮演了肇事方52次，非肇事方39次，最終結果如下。
從結果來看，在作為肇事方的52次模擬中，Waymo Driver能夠完全避免事故的發生。以發生場景最多的交叉路口為例，原本事故中的肇事方大多是因為闖紅燈或者進行了違反交通規則的轉向而發生的，在這些案例中，Waymo Driver只需要遵守交通規則就可以避免事故的發生。而在剩下的場景下，發生事故的原因多為車輛突然離開原本行駛車道而撞上了其他道路參與者，或者沒有與其他車輛保持合理的行駛間距，Waymo Driver也順利應對。
在作為非肇事方的39次模擬中，82%的案例中碰撞被完全規避了；10%的碰撞雖然依然發生了但是因為Waymo Driver采取了相應措施降低了碰撞時的車輛速度，進而降低了事故的嚴重程度；而在剩余8%的案例中，Waymo Driver并沒有帶來任何改變，不過這些事故無一例外都是追尾事故，而Waymo Driver則是被追尾一方。
在Waymo官網的一篇博文中列舉了Waymo Driver作為非肇事方參與模擬測試的一個典型場景：Waymo Driver在東西向街道上由東向西行駛，此時前方十字路口交通燈為綠燈。但是Waymo Driver在駛向路口的過程中，發現南北方向有一輛車自南向北行駛，并且從車輛的速度變化發現其沒有減速判斷出有闖紅燈的可能，從而降低車速直到這輛車通過十字路口之后才繼續前進，避免了事故的發生。
『Waymo作為非肇事方進行模擬測試案例演示』
這個測試結果能說明什么？
從某種程度而言，在這場模擬對比測試中，自動駕駛系統的表現完勝人類駕駛員，也就是說自動駕駛在提高道路安全方面是有積極意義的。當然，我們也知道，這個模擬測試是存在一些問題的。Waymo官方也表示，這個對比僅僅是用來評估自動駕駛系統安全性能的眾多指標之一，進行這個測試的目的是為了證明自動駕駛技術在替代人類駕駛員并提高道路安全性上的潛力。
Waymo在報告中也分析了這項測試的局限性，我們挑選其中較為明顯的幾條來做說明：
首先，在可預見的未來里，人類駕駛員將與自動駕駛共同存在于道路上，所以對于自動駕駛車輛來說，當人類駕駛員發生了錯誤時如何應對以避免事故的發生就顯得十分重要。這也是測試中讓Waymo Driver模擬非肇事方的目的，但是可以發現，非肇事方的案例在這次模擬中占比較少。通過這種方式進行數據收集、重構場景進行模擬顯然并不足夠效率，無法涵蓋到自動駕駛系統可能遇到的所有事故。
其次，場景模擬是以實際發生的交通事故進行場景構建的，所有這些交通事故都是人為導致的，并沒有由自動駕駛系統導致的事故來進行分析。相對而言，自動駕駛系統在運行過程中，因為硬件故障、軟件漏洞等也會導致交通事故的發生，圍繞這些事故進行場景重構、模擬分析，更能夠發現自動駕駛技術本身存在的問題從而進行迭代升級。但是這個數據庫的建立還需要耗費大量時間。
第三，Waymo發現，雖然從結果來說，Waymo Driver表現得比人類駕駛員好，但是在所有避免了事故發生的模擬中，有61%的案例中人類駕駛員是因為沒有足夠的反應時間去采取行動。而對于其原因，Waymo猜測原因之一可能是人類駕駛員分心導致的，而這個問題可以通過駕駛員監控與提醒系統來解決。當然，要驗證這個假設，還需要大量的真實環境行駛數據才行。
這里存在的問題在于，對于這次模擬的72起交通事故中，或許我們還不需要L3及以上的自動駕駛，而只需要有輔助駕駛的技術就可以規避事故的發生。因為這些事故發生的時間段是2008-2017年，ADAS系統還沒有大規模搭載。ADAS系統的應用對于交通安全理應存在正面意義，所以Waymo也表示未來將會針對這個情況加強研究。
第四，場景重構是存在誤差的。一方面，交通事故的信息完全來自于當地交通管理局提供的警方記錄信息，并不能保證100%真實還原當時情景；另一方面，在進行場景重構時是做了簡化處理的，并不包含其他交通參與方，也就無從判斷Waymo Driver采取的行動對于其他交通參與者帶來的影響。所以，這方面的評估是缺失的。
第五，數據并沒有表現出隨機性，其實無論是針對算法、還是現實環境，都是存在一些隨機性，即不可預估的情況的。但是在對同一場景的反復模擬中，這種隨機性幾乎沒有表現出來，而且在一些避免了事故發生的案例中，也沒有留出太大的時間或者空間上的余度。
當然，也還有一些問題，諸如對于碰撞仍然發生只是降低了嚴重程度的事故，并沒有對這個降低程度進行嚴格的評估和判定等等。對于Waymo而言，進行此項測試并分享測試結果，既可以逐步構建針對自動駕駛技術的安全評估體系，也能夠證明自動駕駛技術的可信賴度，通過持續地模擬驗證和數據公開，讓消費者能夠從中自己去認識和發現自動駕駛技術帶來的安全提升。（文/汽車之家行業評論員 孔昭）
