详解事故视频 Uber无人车为什么会撞死人

YXsensing

美国时间周日晚上10点左右，Uber的一辆自动驾驶汽车在亚利桑那州Tempe市发生交通事故，与一名正在过马路的行人相撞，行人在送往医院后不治身亡。

随后，警方公布了无人车在这次事故过程中的车外视角和车内视角视频。从这些视频里，我们大致可以猜测出是什么导致了无人车在毫无反应的情况下撞上了横穿马路的行人。

先看车内视角，测试员一直在低头，似乎是在看手机，直到撞上行人，测试员才惊慌失措的向前看。测试员确实可能违反了操作规定，因为无人车上驾驶位测试员的主要职责，其实就是为无人车把关，做最后一道安全关卡，在道路能见度如此不好的情况下车内测试员的分心确实不对。

当然，看了车外视角的事故记录你就会发现，横穿马路的行人几乎是突然出现的，即使是驾驶员在专心监控，依然是来不及做出任何反应的。但是无人车的传感器并非只有摄像头，激光雷达和毫米波雷达是不容易被暗光环境所影响的，为什么无人车还是没有做出反应，这个其实是值得仔细分析下的。

无人车可能知道有人过来了，但为什么还是撞了上去

我们先从无人车的传感器开始说起。

其实单纯从硬件技术层面来看，自动驾驶的原理并不算特别复杂。用最简单的话说，找一台车子来改装一下（电动车比较好改一点且性能可控性更好），加几个传感器，再塞一套开源的自动驾驶计算平台，好，这就搞定了。

传感器是自动驾驶车的眼睛，用于收集汽车周围的信息。归纳来看，目前主流的自动驾驶车其实也就是使用了三种传感器：LiDAR 激光雷达、摄像头、和传统雷达。

三种传感器各有各的优势，早就运用在车辆倒车雷达上的传统雷达成本相对较低，穿透性较强且不受雨雾等环境的影响，但弱点在于覆盖范围较小且难以对周围物体做出精准的判断。LiDAR 激光雷达的优势在于可以通过旋转的激光射线束，构建出车辆周围的 3D 影像图，但缺点是由于激光的特性，容易受到雨、尘埃、雾的影响。且最主要的，由于激光雷达加工难度比较高，产量小，所以售价最贵。一颗 64 线激光雷达的售价就得四五十万人民币。

摄像头同样也是自动驾驶车所必备的传感器，与两种雷达不同，摄像头没有任何穿透力且需要光线，用于自动驾驶的数据是通过对摄像头的图样识别得出的。不过摄像头也是最容易受到干扰的一种自动驾驶传感器，且一旦获取的图像有误差，对最终的识别结果就会产生极大的影响。唯一的好处在于成本低，且目前视觉识别的方案相对来说发展得比较成熟，做无人驾驶汽车可用的也比较多。

所以你看，即使是黑暗环境，激光雷达和毫米波雷达依然是可以对周围环境有所认知的，也就是说无人车很有可能是已经看到横穿马路的行人了。但是无人车为什么没有刹车或者减速？问题应该是出现决策层面上。

自动驾驶车上搭载的传感器收集到的数据，都会被传输到车载电脑中进行分析和处理，最终做出决策。自动驾驶汽车需要收集汽车周围数据，对信息进行处理并最终做出决策，这整个过程与真人司机所要完成的过程几乎毫无差异。但是，判断逻辑还是不太一样的。

无人车在绘制完周围环境后，一般会给自己划定出可行进路线。如果可行进路线上面有障碍物，无人车自然会选择刹车或者停车。

那 Uber 这辆无人车是怎么撞到人的？最大的可能是无人车已经看到横穿马路的行人了，但是无人车并没有判断出行人会继续横穿马路。无人车认为行人目前的位置还不足以阻挡正常的驾驶行为，于是选择了继续驾驶，直到行人出现在车前，因为距离太近，毫无反应时间地撞上了行人。

预测障碍物的活动路径，对于无人车来说依然是个相当有技术难度的问题，对于人来说，判断是不是有人会出现在车前面只要看一下这个人在朝哪儿走，是不是会继续走到车前就好了，但是对于无人车来说，要经过一个相当长的逻辑判断流程。首先，无人车要通过传感器识别到车前方的周围有人，其次，要识别到这个人在动，之后，要识别出这个人的活动路线，并且对人下一步的活动路线进行预测。这个真是太难了。

所以 Uber 这次事故，最有可能的原因，就是无人车并没有预判到行人会走到车前，但当行人出现时，已经来不及反应了，所以撞了上去。

无人车不能完全杜绝事故，只能尽量避免

在人工智能技术的训练上，试错（Trial and error） 是极为重要的方式之一，人工智能通过不断的试错与纠正得到进步。但这一方式换到了自动驾驶上却几乎不可行。行车时出现的事故往往是我们不能接受的，只要出了意外，轻则损失数千元，重则导致人命伤亡。由始至终，自动驾驶汽车的关键绝非“能否做到”，而是“能否做好”；所以目前的自动驾驶技术，大部份都是用来减低犯错机率的。

然而少量的测试则隐藏着巨大的安全隐患，去年 Google 公布过一些资料，他们的 58 辆无人驾驶汽车合计跑了 223 万英里（约 338 万公里）才犯了一点小错，看上去出错的几率微乎其微，但乘上一个极大的基数，出现事故的数量仍是我们不能承受的。

根据调查机构 RAND 的数据，全美汽车行驶里数约 3 兆亿英里（约 4．83 兆亿公里），我们假设自动驾驶汽车，每跑 223 万英里就会发生小错，那每年 3 兆亿英里的话，就是一年之内犯了超过 160 万次错误。

还有一个重要的问题是，自动驾驶若是想要覆盖更多的地方，所要收集和处理的数据就会越来越多，不同的路况会给车载电脑带来不同的处理变数。而当人类驾驶和自动驾驶车同时行驶在路上时，不确定性就更高了，自动驾驶车做出决策的难度也会大大增加。

所以对于无人车来说，仍有很长的测试之路要走下去。这不仅仅是无人车技术的问题，还涉及到人类伦理，交通系统的调整的问题。还是要放平心态，给无人车和整个自动驾驶生态一些时间。