辅助驾驶事故频发，背后直指“决策安全模型”和驾驶员行为

随着新车搭载ADAS比重越来越高，因为功能的条件限制以及实际道路场景的复杂度，在驾驶员对于系统的全面认知方面，存在巨大的鸿沟，因此发生的事故也越来越多。

这就导致了几个问题：第一，事故责任认定，从目前各家车企的车型手册来看，基本上都写明了传感器、功能的限制条件，并且强调驾驶员必须时刻关注对前方道路的注意力。

第二，在现有的条件下，如何保障系统最大程度的安全？比如，明确的交通规则，包括限速或停车标志，目前基于摄像头及未来的V2X落地，可以解决。还有更好的人机交互，系统如何确保即便是驾驶员分心的情况下，可以实现安全接管？

但隐含的规则，过去严重依赖驾驶员的个人经验和常识，比如如何保持安全的跟车距离，以及如何根据突发情况提前做出预判。

“解决该痛点一个主要的方法就是开发有效的驾驶行为模型，这有可能也是唯一的方法。”格物科技CEO杜光辉表示，更多的强调对车辆行驶意图和轨迹的预测能力。

一、

2017年，Mobileye曾公开发表了一篇学术论文，提出了责任敏感安全(RSS)模型。这套基于数学公式的自动驾驶汽车安全模型为隐性规则提供了一个框架，从而实现与道路上其他参与者的有机融合。

“如果没有一种可验证的方式来证明系统的安全驾驶能力，自动驾驶将永远无法获得驾驶执照。”Mobileye相关负责人表示，行业需要一套用于评估和验证自动驾驶汽车安全性的指标。

RSS使用一套透明和可验证的数学公式和逻辑规则，将人类安全驾驶的概念形式化。这些规则定义了常识性的行为特征，是人类安全驾驶的基准。而核心的目标是，系统应该足够小心驾驶，这样就不会成为事故的原因，并足够谨慎，弥补其他人的可能错误。

RSS与基于人工智能的决策是一个独立的层，确定地定义了安全的决策，使自动驾驶汽车能够在一个精确定义的安全范围内做出谨慎但果断的操作。

为了做到这一点，RSS坚持五个安全原则：

规则1，是在纵向保持足够的安全距离，避免追尾。这背后，需要考虑前后车的距离、速度以及人类驾驶员的反应时间，和车辆的制动能力。

在RSS中，将这个规则形式化为一个数学计算。这意味着当两辆车之间的距离小于dmin时，自动驾驶车辆将执行适当的反应：刹车直到恢复安全的跟随距离或直到车辆完全停止。

规则2，是在横向换道上保持足够的安全距离，避免不安全的超车。RSS定义了安全横向距离，使自动驾驶汽车能够意识到，当其他不安全的车辆转向本车当前所在车道时，横向安全可能会受到影响。

例如，如果另一辆车进入或占据了该空间，人类驾驶员首先转向以避免碰撞。同样，如果在RSS定义的安全横向距离内发生，这也应用是系统的正确反应。

规则3，通行权是给予的，不是占用的。

比如，在标记明确的道路上，路权是明确的。车道线、标志和交通灯在它们相互交叉时为路线确定优先级。然而，在其他情况下，路权不那么明确，人类司机必须相互协商。

对于自动驾驶汽车来说，这种“谈判”必须是正式化的，这样机器才能进行同样的“谈判”，并确保得出相同的结论。

例如，上图显示了一个没有停止标志的T形路口。如果有停车标志，司机应该给没有停车标志车道的车辆让路。如果一辆汽车闯过停车标志，造成了危险的情况，自动驾驶汽车仍然必须做出相应的反应。

这意味着，在理论上有先行权，但不应该因为规则赋予当前车辆先行权而让事故发生。这一点，特斯拉就采取了激进的系统策略。

在特斯拉的车主手册上这样写道，在没有红绿灯管控的十字路口以及丁字路口的直行路，在启用Autopilot以及交通信号灯和停车标志控制的情况下，当前车辆为默认有优先行驶权，不会减速或停车。

这些挑战是很多汽车制造商对自动驾驶在城区道路推广持保守态度的部分原因。“特别是在城市地区，很多意想不到的情况会发生。”

规则4，是在能见度有限的地区要小心驾驶。

众所周知，在车主手册中，传感器的限制因素非常多，除了天气以外，道路地形、建筑物、甚至其他车辆都可能限制传感器的感知能力。根据周围环境的不同，人类驾驶员自然会限制自己的行为，以避免不可预见的危险。

比如，在主干道上，预期行人会突然跳到路上是不合理的。然而，在学校或社区附近的街道上，这种可能性更大。预期行人突然进入道路是合理的，这意味着司机必须谨慎减速通过。

特别是当车辆接近人行横道或在道路一侧有很多静止车辆的道路上，为了确保安全，RSS的规则是系统必须做出类似的假设，并在可能的传感器遮挡区域表现出谨慎。

规则5涵盖的场景是，危险情况可能突然出现，除非采取规避行动，否则碰撞无法避免。RSS规定，如果自动驾驶汽车能够安全合法地避免事故发生，而不会造成另一场事故，就必须采取规避行动。

按照Mobileye的说法，和数百万英里的行驶或者测试里程来进行验证不同，因为RSS是一个数学模型，只需要相应的场景测试来确保系统决策与规范匹配，从而大大减少了验证的负担。

比如，目前最为常见的AEB（紧急制动）功能，RSS可以成为一种主动的安全机制，应用于自动预防性制动（APB），可以使用公式确定车辆进入危险状态的时刻。

这意味着，这套规则可以为AEB决策提供停车距离缓冲，可以防止发生紧急停车时刹车和转向的连锁反应。而不必等待即将发生的碰撞，最终造成车辆采取最大的制动力。

此前，有消息称，Mobileye与蔚来汽车签订的L4自动驾驶开发套件，就包括了责任敏感安全(RSS)模型。不过，在实际量产计划上，蔚来汽车选择了英伟达。

二、

英特尔无人驾驶解决方案资深首席工程师、首席系统架构师Jack Weast表示，在最初创立RSS模型的时候，并不是基于已有的碰撞事故的研究和分析，而是切换另一个角度——模拟优秀的人类驾驶员，优秀的人类驾驶员应该具备哪些驾驶素质。

至于RSS平衡安全和效率问题，Jack Weast认为一部分需要基于和政府、监管部门的合作，在RSS模型当中，有一些变量是可调的，对于安全的权重较高，在效率方面就会有所降低。

而在中国市场，因为场景更为复杂，想要实现本土化的自动驾驶（包括一套足够安全的辅助驾驶洗头膏），对系统的预测能力要求比国外高得多，对系统决策和控制方面也需要更好的鲁棒性和更快的响应。

其中，很重要的一种工具，就是驾驶行为模型开发，主要针对的应用是自动驾驶控制策略、优化及测试评估，并基于心理和生理承受能力及经验来模拟人类在不同应急环境下的驾驶操作行为。

而对于过去大家比较多听到的测试里程积累，杜光辉表示，目前通过公共道路测试收集的场景中大部分都是重复的和无效的场景，并不能支持高级智能驾驶及自动驾驶多达数亿公里的仿真测试。

同时，这些场景大多是基于实时交通路况的复现，所以无法支持被测车辆与环境车辆之间的互动。原因是该仿真系统内的环境车辆并不知道自动驾驶车辆的存在。

比如，格物科技在驾驶行为模型开发过程中也在开发独特的自动驾驶场景，该场景是基于车辆博弈的边界主动开发，而不是在公共道路上做被动的采集。

此外，还可以利用为自动驾驶开发的控制算法，降级使用在ADAS产品上可以更有效的避免一些碰撞风险，并支持追求更好的舒适性和通行效率。

目前行业内的实际情况是，大部分已经量产的ADAS功能，都是基于标准化的功能逻辑进行开发，并不能反映不同驾驶员的驾驶风格或个性化定制。

此外，系统采用的驾驶风格或策略在行车安全中也起着重要的作用，对于目前搭载的高级驾驶员辅助系统开发来说，也是关键环节，好的驾驶行为模型可以避免潜在的风险。

而国内外场景的差异化具体表现为国内存在不少驾驶员不按规则行驶的现象，比如随意制动、变换车道及不当超车等，这些行为不仅容易导致事故还大大降低了道路的通行效率。

接下来，被称为“人机共驾”的下一代技术研发，对于舒适和愉快的驾驶体验，以及提高市场接受度是很重要的一环。而现有市面上已经上市的ADAS车型，之所以出现不同车主的体验不一，也正是反映出现有模式的缺陷。

在现有的车主中，有两类比较典型的人群，一种是辅助驾驶系统的忠实粉丝，他们过分相信和依赖系统；一种是因为此前有不好的体验，而极度反感并且手动关闭系统功能。

比如，此前美国密歇根大学研究了盲点监控对司机的影响。研究发现，当司机的车辆安装了盲点监控技术后，他们在换车道前回头看车流的倾向大大降低。

此前，以特斯拉Autopilot的NOA为例，美国《消费者报告》在对这一功能进行评估时发现，该功能有时候几乎没有给车与车之间留出足够安全的空间距离。

大量的测试表明，在城市辅助系统中使用的算法可以在三到五个驾驶动作中得出当前驾驶风格的结论。因此，该系统可以将驾驶员分配到一个或多个驾驶配置文件集群，这意味着驾驶辅助系统可以提供高度个性化的驾驶建议。

而这些个性化的算法配置，要解决的就是如果辅助驾驶系统的警告不被认为是有用的，通常会被司机视为无用的功能，甚至被忽视或关闭。

“在不同的环境条件下根据必要的整车数据及位置等相关信息推算车辆与环境的互动逻辑关系并通过数学模型的形式表达。”在杜光辉看来，现有的ADAS量产系统需要基于当地的道路场景和驾驶员行为、驾驶习惯，重新做深度改进开发。