Uber自动驾驶致死事故反思：安全之路道阻且长

互联网+ 赵静零壹财经 2019-11-26 阅读：8262

关键词：uber 安全 自动驾驶事故

自动驾驶的安全之路如何保障？

去年Uber自动驾驶汽车致人死亡事件的爆出，自动驾驶被推到舆论的风口浪尖，自动驾驶汽车“不会造成伤亡”的承诺受到质疑。2019年11月19日，美国美国国家运输安全委员会（National Transportation Safety Board，NTSB）针对这一事故发表了相关的调查结果。报告中指出，虽然Uber自动驾驶汽车本身的技术缺陷不容忽视，但是驾驶员的失职应该为此次事故负主要责任。

得益于AI技术的发展，自动驾驶汽车成为全球各大汽车公司和科技公司都开始布局的重要领域。国外如特斯拉、Uber、谷歌等已在自动驾驶汽车行业开始新的较量。国内以百度、腾讯、滴滴为主的科技巨头也纷纷入局，并逐渐推进特定区域的自动驾驶测试。目前，百度Apollo已获自动驾驶路测牌照共150张，在中国获批自动驾驶路测牌照中占比超过50%，其中80张牌照已经允许载人测试；滴滴则宣布计划上线自动驾驶出租车服务，用户可以通过滴滴app呼叫自动驾驶汽车。

在自动驾驶汽车技术不断发展的同时，安全意识的培养和教育也必须要引起足够的重视。虽然国内自动驾驶行业仍处于初始的研究阶段，但同样需要从一系列自动驾驶汽车的事故中进行反思，从中吸取经验和教训，并提前做好相应的风险防范措施。

自动驾驶汽车安全事故频发

伴随各大公司将自动驾驶汽车的研究成果推向道路进行测试的热情高涨，一系列道路事故也由此产生。

据外媒报道，2016年3月谷歌在一辆汽车的事故调查报告中指出，至少有三起事故与特斯拉采用自动驾驶模式有关。

根据外媒统计，2016年9月至2018年3月之间，Uber乘车业务的自动驾驶汽车共发生了37次撞车事故。在这37起事件中，所有车辆都是自动驾驶，其中33起是其他车辆撞向了自动驾驶汽车。

而在2018年3月，在亚利桑那州的坦佩市，Uber的一辆完全自动驾驶的汽车与一名骑自行车通过人行道的行人相撞，并造成对方死亡。这是第一次出现自动驾驶汽车致死事件，自此之后，人们对自动驾驶汽车安全性的信任降至冰点。

Uber自动驾驶事故调查报告：缺乏安全文化是主要原因

在11月19日NTSB发布的Uber自动驾驶汽车事故调查报告中，NTSB将该事故的主要原因归咎于Uber内部相关安全文化的缺失。NTSB认为在发生事故时，车内的安全驾驶员沉迷于观看视频而忽视道路情况是造成此次事故的主要原因。

而安全驾驶员这种疏忽出现的原因则是Uber对于安全文化的缺失和不重视，内部未设置专门的运营安全部门或安全经理，安全驾驶员行为缺乏监督和约束机制，虽然车内配有可以记录驾驶员行为的摄像头，但Uber从不查看；对于“自动化自满”风险也缺乏认知和应对措施。

另外，调查报告中对于系统设计的缺陷也进行了更多细节的披露。自动驾驶汽车中的计算机视觉系统经过培训，可以识别事物，例如其他车辆，树木，路标，自行车等，并使用该信息来决定下一步要做什么。但是Uber自动驾驶汽车的视觉识别系统却因为缺乏对于类似“穿马路的行人”之类的标签而造成错误的识别判断，从而致使后边一系列系统反应的延迟或错误。

根据外媒报道，NTSB的报告显示了该软件在接近正在骑自行车穿过人行道的受害者时的“思考”过程：撞击前5.2秒，系统将她归类为“其他”对象；撞击前4.2秒，她被重新分类为车辆；在撞击前的3.8至2.7秒之间，分类在“车辆”和“其他”之间交替了几次；撞击前2.6秒，系统将受害者和她的自行车归为自行车；撞击前1.5秒钟，她变得“未知”；撞击前1.2秒，她再次被分类为“自行车”。

关于此事件序列，有两点值得注意。首先，系统从未将她归类为行人。根据NTSB的说法，这是因为“系统设计未包括对人行横道的考虑。”其次，不断变化的分类使Uber的软件无法准确计算她的轨迹，并意识到她正与车辆发生碰撞的事实。

除此之外，NTSB指出，由于担心自动驾驶汽车会无缘无故地停车而出现问题，因此Uber限制了汽车猛踩刹车的能力，只能依靠坐在后方的车辆驾驶员来进行人工判断和干预，所以一旦驾驶员没有及时作出反应，悲剧就很可能发生。

自动驾驶的安全之路如何保障

自动驾驶汽车仍是被众多巨头公司关注的重点领域，而自动驾驶的安全性应该被放在设计和研究的首位进行考虑。面对频发的安全事故，自动驾驶汽车开发者可以从哪些方面提高安全保障呢？

在政策方面，NTSB指出，相关部门应该制定更多的标准对自动驾驶开发人员在公共道路上测试的操作进行规范和限制，建议将自动驾驶开发公司提交自我评估安全报告定为强制性的措施，并建立实际的报告评估流程，对每份报告的相关细节进行认真审查。

对于事故发生地，由于当地对于自动驾驶汽车测试的监管环境始终未得到改善，因此NTSB再次建议该地强制要求自动驾驶开发人员提交应用程序，详细说明他们将如何管理在公共道路上进行测试所带来的风险，然后再授予他们进行测试的权限。

在技术方面，Brad Templeton在Forbes上发表文章称，分类错误是机器系统一直都存在的问题，但是可以通过建立对于未知事物进行追踪和定位的系统来减少分类错误可能会造成的损害。Lance Eliot在aitrends上发表的文章中指出，应该提高自动驾驶汽车在夜间的识别和判断能力，为其配置针对夜间行驶的附加功能。

一方面，由于夜间自动驾驶汽车上的摄像头可能无法捕捉到清晰的图像，光线相对于白天也会变得较暗，因此需要从图像处理软件上对此做好相应的应对措施。另一方面，为了减少夜间由于摄像机不完全可靠而可能产生的危害，Lance Eliot表示，应该改造传感器的设置，使其与摄像机共同配合使用。这样一来，即使摄像机因为图片分辨率而对前方是否存在障碍物等进行误判，还可以依靠传感器的感知来进行及时补救，并采取必要的措施。

在文化建设方面，Brad Templeton认为，要充分认识到“自动化自满”风险的存在，并制定相应的应对方案。根据外媒报道，Uber自事故发生之后，已经恢复两名安全驾驶员的设置，并开始加强对驾驶员的培训。另外，Uber聘用第三方公司专门负责对驾驶员的行为记录进行抽查，并与其他公司合作，通过自动系统实现对驾驶员在行驶中视线的追踪，以确保其驾驶中的注意力始终集中在路上。

专题推荐：金融毛细血管

零壹智库推出“金融毛细血管系列策划”，通过系列文章、系列视频、系列报告、系列研讨会和专著，系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。