編者按：為凝聚新能源汽車行業的研究力量，發揮協作效應，第一電動網建立特約研究員機制，邀請行業知名專家、大牛作者作為特約研究員，集中多方智慧，深入探索新能源汽車政策、資本、技術、市場等領域，并定期推出【研究周報】，解析行業熱點問題。

【特約研究員 朱玉龍】2017年2月初，美國加州車輛管理局(DMV)披露了11家自動駕駛系統公司的年度路測數據，包括梅賽德斯、谷歌母公司 Alphabet 旗下 Waymo、通用汽車旗下 Cruise、特斯拉、BMW、福特(實際有數據報告的公司有9家，本田和大眾汽車去年并未在加州進行測試)等。其中每家公司“脫離報告”的數據特別值得關注與探討。

在加州DMV的法規中，對于自動駕駛測試定義了一個專有名詞“脫離(Disengagement)”，以此來衡量自動駕駛技術的成熟度。自動駕駛模式中的“脫離”是指在自動駕駛測試中，系統無法進入自動駕駛模式或終止自動駕駛模式改由人工控制的情況，即車輛駕駛員必須手動接管駕駛的情況。

根據相關法律法規，從2015年開始，獲得自動駕駛牌照并在加州測試的公司每年都要向DMV匯報路測數據，今年是第二次提交。報告主體內容包括：自動駕駛汽車路測里程、脫離次數和原因等，亦即脫離報告(Disengagement Report)。脫離報告數據是一個衡量自動駕駛汽車實際運行性能的重要指標，在某種程度上來說，受試車輛脫離的次數越少，表示自動駕駛系統越穩定，因此可以把脫離報告看作自動駕駛系統公司的路測成績單。

一、9家公司的系統脫離報告關鍵指標

加州定義的“Program Participant Annual Reporting of Disengagement”里，內容主要是技術失效原因造成的系統脫離(Failure of the Autonomous Technology Detected)和車輛安全運行狀態，需要測試員進行立即接管(Safe Operation Requires Control by the Driver)兩種。前者要求自動駕駛系統需要有完整的診斷機制，后者是對高階自動駕駛車輛測試員的要求，即自動駕駛測試員需要根據自身的判斷對車輛進行介入，手動控制車輛。除此以外報告里面要求：

·總的系統脫離報告

·脫離時的環境和測試條件

·當時的位置和環境(比如高速路、鄉村道路和停車設施)

·氣候條件、道路環境的簡要介紹

·總的每臺車的在公共道路條件下所行駛的里程

·自動駕駛提示報警到駕駛員接管的時間間隔

在DMV公布的測試報告里， 每家公司實際提供的信息都有差異，匯總這9家公司脫離報告中的關鍵數據如下表：

表：九家自動駕駛公司2016年加州路測關鍵數據匯總對比汽車廠商

數據來源：Autonomous Vehicle Disengagement Reports 2016

二、Google/Waymo自動駕駛系統路測關鍵數據分析

從上表的數據對比能夠看出來，過去1年多時間里，Google在自動駕駛的路測方面處于領先水平，不僅測試里程數達到635868英里，而且“脫離”頻率為5128，也就是說每5128英里需要人工干預一次。對比分析Google近這兩年的數據里面可以看到很多進步：

·2016年 Waymo 無人駕駛車輛在行駛里程增加50% 的情況下，因為自動駕駛系統的內生軟件和硬件的失效原因導致的需要讓駕駛員接管的情況大幅減少，從原來的每千英里平均0.8次下降到了0.2次；

·Waymo自動駕駛系統性能的優化，使得駕駛員觀察到的情況和安全閾值與自動駕駛的情況更為接近，從而降低了人為介入的次數；

·整個系統對加州的天氣適應性更好了。

表1 Waymo自動駕駛2015年和2016年部分測試指標對比

從Google/Waymo 2016年造成系統脫離的具體原因看，軟件故障、自動駕駛系統對車輛的有些機動操控和對周圍環境的感知差異占到了整個脫離原因的絕大部分。

圖1 Google/Waymo的系統脫離原因占比

3、當前自動駕駛測試所處級別的判斷

從路測成績最好的Google/Waymo的整個測試和運行的情況，Google/Waymo系統是按照L3級的模式來進行測試的，對安全測試員的要求甚至需要L2級，亦即駕駛員需要更多地關注甚至參與到駕駛測試過程中。

·在整個系統設計上，Google/Waymo采取了兩套自動駕駛的系統，在診斷上做了千項/秒[Tina1] 的查詢方式：

o 主控制和備份控制系統需要通信確認

o 車輛傳感器輸出錯誤和其他放置的感知數據(加速度計+GPS)

o 轉向和剎車系統的狀態反饋信息

圖3 Google 自動駕駛系統的運行方式概覽

·正因為在測試過程中有以上這些診斷要求，所以在系統出現問題的時候需要駕駛員立即接管，實際的接管時間如圖4所示

o 發生系統退出的道路場景中，大部分是城市街道道路；

o 安全駕駛員需要對測試車輛的運行情況予以負責，所以從故障燈亮起到駕駛員接管的時隔，大部分都在2秒之內；

o 在兩次高速道路中，反應的時間為0.1和1.1秒

圖4 軟件故障出現之后駕駛員的接受時間統計

Vinayak V. Dixit等去年12月發表的一篇名為《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》的文章中，基于Mercedes-Benz公司和Google公司的自動駕駛測試數據，分析了兩家的系統在不同誘因和不同的道路條件下，對系統脫離做出響應的時間做了一些分布對比，見下圖。研究者將兩家公司的各類脫離反應響應時間數據進行合并分析發現，無論是不同的誘因(行人、騎行者、其他車輛的非常規行為等)還是不同的道路條件(城市街道與非城市街道)下，兩家公司的系統的脫離后響應時間均值都沒有統計學差異。

圖5 不同分類的響應時間的概率密度

從廣義是來看，這些車企在測試的和在做的，都是探測從L2級到L3級，自動駕駛車輛會遇到哪些問題。這些實驗駕駛員都得用著L2級的心思來探測周邊環境，把他的反應和自動駕駛的性能進行結合對比。在報告里面，Google/Waymo開發的這個基于事件記錄信息和后續回放仿真的系統(power simulator program)，就是整個測試改進的重要手段了。

在《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》一文中列舉了DMV發布的2014年9月到2015年11月的自動駕駛試驗車輛發生的事故，這些事故多數系在城市街道交叉口附近的低速情況下發生。其實后來Google匯報的最多，也占了挺大的一部分，分析這些公開數據，有助于我們可以找到自動駕駛車輛在公共道路試跑的真實效果，以及尋求解決所存在問題的方法。

表2 自動駕駛車輛涉及的事故

4、對自動駕駛技術發展的展望

1) 目前，自動駕駛實驗車輛的技術所能達到的最高的水準也只是L3這個階段，所以各個車企都在努力；如果媒體過度渲染其技術水平，那么在各種系統脫離和系統性能缺陷下，駕駛員是要自己負責的。

2) 在發展自動駕駛技術的時候，可以借鑒DMV的做法，給一些定性的要求，讓測試企業逐漸把自動駕駛的一些基本信息予以公布，讓消費者逐漸了解整個系統的成熟度。

3) 整個自動駕駛的開發和驗證方法，可以說與之前有挺大的區別，也不僅僅是依靠傳統的Tier1的技術成熟和演進，也需要新的工具和新的機制，這些都需要有個建立的過程，甚至是整個開發的形式與生態的存在形式。

參考文獻：

1) Report on Autonomous Mode Disengagements For Waymo Self-Driving Vehicles in California December 2016

2) Autonomous Vehicles: Disengagements, Accidents and Reaction Times

返回第一電動網首頁 >