根据加州车辆管理局（Department of Motor Vehicles，DMV）的规定，自动驾驶汽车必须向当局提交自动驾驶汽车测试的情况。谷歌最近提交了在过去一年左右时间内，自动驾驶模式脱离（Disengage）到手动驾驶模式的情况。

　　自动驾驶的智能化水平显然离我们预期的还远，目前更多的只是停留在半自动驾驶和驾驶辅助功能上。所以当遇到系统无法处理的情况时，对于自动与人工驾驶模式之间的切换就显得尤为重要。

　　DMV对于自动驾驶模式“脱离”（Disengagement）的情况是这样定义的：

　　1。 当自动驾驶模式未能成功激活；

　　2。 在自动驾驶模式下需要驾驶员人工干预采取措施。

　　所以为了测试自动驾驶系统脱离的表现，除了遇到意料之外的紧急情况，谷歌测试人员每天会主动在自动驾驶和人工驾驶模式之前切换，即使此过程中也许并没有牵扯到安全。比如，在周围路况非常复杂、有过多自行车和行人或其他车辆的时候，以及测试人员认为目前的行驶不在最舒适的状态或不利于周围车流行进时，也会主动进行干预。

     脱离情况一：自动驾驶模式未能成功激活

　　此类事件源于软件监测到技术上无法实现自动驾驶，系统会立即将驾驶控制权交给司机。谷歌将此类行为归于“紧急人工控制”（Immediate Manual Control），系统会用包括声音和图像等最明显的方式提醒司机。

　　紧急人工控制的激活起点被设置得非常保守，谷歌并不是为了将这种脱离的情况控制在最低。相反，谷歌并不怕这种情况的发生，而利用这些收集到更多的数据以完善自动驾驶系统才是谷歌真正的目的。系统每秒钟会自检上千次，当主系统和备用系统出现通信故障时（比如线缆断裂）、当速度表或GPS等传感器的度数出现异常时、以及当转向和刹车等关键功能出现异常时，均会激活紧急人工控制。

∆自动驾驶模式未成功激活事件

∆事件间隔之间行驶里程

　　在报告涵盖的范围内，谷歌的自动驾驶汽车在超过42万英里的路程中共遇到了272次类似的事件。车上的测试人员对此均受过训练以应对这种情况，平均反应时间为0.84秒。

　　在对自动系统完善的过程中，数据显示随着测试车辆公里数每个月的持续增加，这种脱离的情况在慢慢减少。而在每次紧急人工控制发生的间隔中，自动驾驶的里程在稳定的增加。脱离行为的发生率从2014年第4季度的785英里每次下降到2015年第4季度的5318英里每次。

脱离情况二：自动驾驶模式下需要驾驶员人工干预

　　车上的测试人员在对系统的更新和安全上起到了至关重要的作用。只要他们认为必要，便随时介入系统控制车辆。原因可能非常多样，包括对于行驶的舒适性、安全性以及路面上其他可能会出现突发行为的交通参与者。

　　测试人员每次对汽车手动控制，系统都会将此次的脱离记录下来并在整个过程中标记，以便软件团队事后分析。这些系统记录的信息和来自测试人员的反馈都将用于评估自动驾驶系统潜在的安全问题和可提高的方面。

　　为了更好的研究脱离行为对于自动驾驶的重要性，谷歌开发了一套强大的模拟系统，可以让软件分析团队根据收集到的信息还原当时的场景，并且预测如果不进行人工干预，自动驾驶汽车以及路上其他的交通参与者会相继有什么反应。这套系统可以模拟出上千种不同可能性的情况，并对各种可能发生的结果进行评估，以方便分析各项指标的影响。

　　分析人员对每一次的事件都会仔细研究，并根据可能引起事件的因素在软件中进行优化，随后将优化过的软件从模拟实验到实际道路上进行大量测试，并根据结果可以对所有车辆的软件进行升级。在这一年多的时间里，此类型的脱离时间共发生了69次。

∆基于车辆安全运行的人工干预

　　这69次事件中，13次被看做可能发生“模拟碰撞”（simulated contact），意思为如果测试人员不在当时及时控制车辆的话，很可能会发生与碰撞事故。而剩下的56次在不脱离的情况下，即使被认为很可能并不会造成碰撞的发生，但会对交通造成潜在的危险，比如对交通信号灯的识别、对行人和自行车礼让以及违章等。

　　而这13次可能发生碰撞的时间中有10次经过模拟，碰撞很可能由谷歌自动驾驶汽车导致，包括两次可能碰到的是路边的锥形路标；另外3次可能会有其他的车辆引起，比如其中一次是因为对面车辆逆行到了谷歌汽车的车道上，而在这种情况下，自动驾驶系统目前还不如人工操作更加安全。

∆ 事件间隔之间行驶里程

　　事件间隔之间行驶里程的图标趋势并不明显，谷歌对此的解释是因为事件的发生次数相对于里程的大基数过小，会增大数据变化的偶然性。但总体来说，数据显示发生这种事件的概率随着自动驾驶里程的增加也在减少，在发生每次事件的间隔中所行驶的里程也越来越多。

∆模拟碰撞导致的脱离事件

　　上图显示了模拟碰撞事件导致的脱离情况。我们可以看到从2015年4月到2015年11月，谷歌汽车在自动驾驶模式下行驶超过了23万英里，而并未发生一次类似的模拟碰撞。

     脱离原因

　　DMV标准中提到的原因包括天气情况、路面条件、紧急情况、发生事故等，其中有些原因并不是特别适合谷歌自动驾驶汽车。所以在报告中谷歌根据测试情况增加了一些原因类型，比如：

　　- 不合适的驾驶策略（Unwanted maneuver of the vehicle）：比如行驶路线太靠近路边停放车辆

　　- 认知差异（Perception Discrepancy）：指汽车的传感设备未能正确识别马路上的物体，比如停车场上方限高杆

　　- 软件冲突（Software Discrepancy）：比如无法准确使用GPS等各种功能

　　- 硬件冲突（Hardware Discrepancy）：硬件设备工作不正常

　　- 对其他交通参与者错误的行为预测（Incorrect Behavior Prediction of Other Traffic Participants）：比如错误判断马路上的行人是否要突然过马路

∆脱离原因类型

　　而我们可以看出所谓的认知差异导致的脱离情况最多，其次就是软件冲突，接下来是因为自动驾驶汽车不合适的驾驶策略和硬件冲突。

     总行驶里程

　　下图显示了除去谷歌自动驾驶汽车行驶的42万公里，还有人工控制下将近10万英里的测试。

∆总行驶里程

　　下面是谷歌对于所有事件发生的汇总图表：

∆所有脱离时间与行驶里程

∆所有事件间隔中行驶里程

     人工控制所需的时间

　　同样根据DMV的规定，当自动驾驶系统无法处理情况而不得不转为人工驾驶的时候，需要花费的时间也是必须提交的一项数据，这项数据只是在第一种自动驾驶系统未能成功激活的分类下统计。大部分情况下，测试人员在系统提示之后需要的反应时间大概在1秒以内，平均用时为0.84秒。

∆切换人工控制时测试人员反应时间

　　但是在272次事件中的88次，系统没能记录下测试人员的反应时间（比如上表中打星号的事件）。谷歌解释是因为负责记录和测量反应时间的是主系统，而发生的错误导致了主系统记录时间点和提供车况（驾驶模式）的模块间出现通信中断。而谷歌称根据紧急人工控制和已有的平均反应时间，这些缺失的数据不会对结果造成什么影响。

     小结

　　谷歌自动驾驶汽车在过去的一年内测试的总里程超过了42万英里，其中只遇到了 272 桩意外事件，概率确实很低。而根据这份报告，我们也可以很明显看出谷歌自动驾驶汽车的表现确实是在不断变好。最近谷歌也开放了自己的测试场地，陆续发放邀请进行参观。　
      就目前而言，根据测试者的经验，即使坐到了谷歌自动驾驶的汽车里，我们仍然需要将双手放置在9点和3点的位置上，随时盯着前方路况不能转移注意力，其实并没有解放多少人类驾驶员角色的负担，还需要驾驶员有一定的反应速度以便在必要的时候迅速接手汽车进入人工驾驶模式。而且这也仅仅是基于路上各种路标指示完善的情况下。

　　虽然谷歌称即使那些事故发生，他们的自动驾驶汽车也不是过错方，更多因为其他车辆驾驶者的鲁莽操作。但这也又一次反映出自动驾驶距离真正融入现实交通还比较远，系统不仅需要遵守法律，还要考虑路面上大部分人的驾驶习惯。

　　从造成脱离时间的原因来看，不可否认的是先进的硬件是对软件必要的支持，导致最多数量的认知差异的原因，也许就是因为传感硬件的识别能力不够强大。就像英伟达在这次CES上推出的Drive PX 2一样，强大的内核性能是支撑起大量机器学习的基础。

转载请注明出处。GIS帝国网站报道中出现的商标及图像版权属于其合法持有人，只供传递信息之用，非商务用途。