美国加州自动驾驶汽车路测数据分析*

刘力源， 荣亚鹏， 李硕， 赵华

(1.山西交通科学研究院集团有限公司 黄土地区公路建设与养护技术交通行业重点实验室， 山西 太原 030006；2.同济大学 道路与交通工程教育部重点实验室， 上海 201804；3.美国印第安纳州交通部， 西拉斐特 47906；4.普渡大学， 西拉斐特 47907 )

自动驾驶汽车所采用的硬件、算法及运行的道路环境都影响其可靠性和安全性，在实际道路上进行驾驶测试是检验自动驾驶汽车能否安全运行的必要手段。美国加利福尼亚州(下称加州)制订了自动驾驶汽车道路测试条例，要求所有自动驾驶汽车制造商在加州公共道路上进行驾驶试验前必须申请测试许可证，并每年提交驾驶测试中自动模式脱离和事故报告。该文通过采集和分析美国加州自动驾驶汽车企业在公共道路测试中的自动驾驶脱离数据和事故数据，研究面向自动驾驶安全的现有道路设施的改善方式，为国内自动驾驶汽车的道路测试和管理提供借鉴，促进自动驾驶汽车和道路的安全融合。

1 美国加州自动驾驶汽车道路测试法规

1.1 自动驾驶汽车测试法规

美国加州机动车管理局于2014年9月颁布公共道路自动驾驶汽车测试法规，即加州法规第13篇第1部第1章第3.7条款“自动驾驶汽车”，并于2018年4月修订为“自动驾驶汽车试验”。该法规授权加州机动车管理局审查和颁发自动驾驶汽车试验和部署许可证，确保申请人符合法定的所有安全驾驶操作要求。该条款主要涉及关键术语、许可证(种类、申请和吊销)、试验驾驶人和试验车辆、报告四方面共计24项内容。目前自动驾驶汽车企业在加州可申请的许可证有司机的试验许可证、无人驾驶试验许可证和部署(公共使用)许可证3种。

该法规规范了自动驾驶汽车测试的15个关键术语，包括自动驾驶模式、自动驾驶试验车辆、自动驾驶汽车试验驾驶人、普通驾驶模式、指定人、驾驶人、动态驾驶任务、自动驾驶车辆制造商、最小风险状态、设计运行范围、乘客、个人信息、公共道路、远程操作员和试验。申请许可证的企业必须满足3个基本要求：一是必须是企业自身进行试验；二是试验车的驾驶人必须是企业的雇员、承包人或指定人，并由企业向机动车管理局证实其能操作试验车辆并获得企业授权驾驶试验车辆；三是企业已向机动车管理局提供500万美元的保证金，证明其有能力应对试验车辆行驶在公共道路上造成的财产、伤残和死亡赔偿的判决。测试许可证的有效期为2年，到期后必须更新。获得测试许可证的企业，每年都需向机动车管理局提交自动驾驶模式脱离和事故报告。

1.2 自动模式脱离和事故报告

自动驾驶汽车企业每年向机动车管理局提交自动模式脱离报告的截止日期为1月1日。自动模式脱离是指在自动模式驾驶中当检测到自动驾驶技术失效时或试验车辆要求驾驶人脱离自动模式并立即手动控制车辆时。第一次提交脱离报告时间应涵盖获得试验许可证之日起至次年11月30日，后续年度报告应涵盖当年12月1日至次年11月30日。报告的主要内容包括车辆能否在无人驾驶的情况下正常运行及脱离的地点、车辆驾驶模式、原因。另外，脱离报告必须提供每月每辆试验车辆的驾驶总里程数。

加州自动驾驶汽车测试法规还要求汽车企业在公共道路上试验时，一旦试验车辆涉及到人员伤亡、财产损失的事故，必须在事故发生10 d内向机动车管理局提交事故书面报告，报告采用统一格式，内容包括事故涉及的所有人员信息、事故发生时的详细叙述等。

2 自动驾驶模式脱离数据分析

搜集加州部分汽车企业自动驾驶测试中自动模式脱离数据和事故数据，2018年驾驶试验中自动驾驶模式脱离数据见表1。脱离率是指自动驾驶单位里程的脱离次数，脱离次数越多，脱离率越大，说明人工干预越频繁，自动驾驶技术可靠性越差。驾驶试验里程越长，脱离率越能反映自动驾驶技术的真实水平。根据表1，谷歌公司在2018年的试验里程位居第一，高达200 万km，脱离率最低，为 0.056 次/(1 000 km)；国内公司中百度公司的试验里程最多，为2.9 万km，脱离率为3.023 次/(1 000 km)；优步的脱离率最高，为1 622.435次/(1 000 km)。

表1 2018年自动驾驶汽车路测脱离次数

由于道路、交通和气候条件不同，单从脱离率一个指标评价不同企业的自动驾驶技术并不准确，但从2015—2018年脱离率的变化来看，自动驾驶技术进展非常迅速，如谷歌的脱离率从2015年的0.499 次/(1 000 km)降到2018年的0.056 次/(1 000 km)。

造成脱离的原因总体上可分为硬件和软件两大类，前者包括车辆、车载计算单元、传感器等故障或损坏，后者包括感知、规划、控制3个子系统和辅助软件等出现差错。感知是认知周围场景和确定所处位置、障碍物及其位置、检测和辨认标志标线和信号灯；规划是根据驾驶场景计算确定其应遵循的轨迹和驾驶决策，如起终点路径、转弯时加减速、安全避开障碍物等；控制是准确执行规划传达的指令，包括车辆制动、转向、加速、变速和指示灯；辅助软件是支持、监视和协调各子系统之间信息交换的中间件。图1为根据2018年自动驾驶模式脱离报告，按硬件和软件两大原因分别统计得到的脱离百分率。谷歌、通用和优步的脱离原因90%以上是软件差错，文远知行和星行的脱离原因约80%是软件差错。

图1 2018年加州自动驾驶汽车路测脱离原因统计

图2为部分汽车企业自动模式脱离原因统计。由图2可知：1) 导致脱离的主要软件系统原因是规划子系统，其次是感知子系统。从不同类型道路脱离次数来看，发生在城市道路上的次数远大于发生在高速公路和普通公路上的次数，96%的脱离发生在城市道路上，高速公路和普通公路脱离次数分别占3%、1%。城市道路交叉繁多复杂，行人、自行车较多，驾驶环境较混乱。交叉口设置如转弯车道、标志标线和信号灯、其他道路用户的交通行为都影响自动驾驶汽车行驶。谷歌公司自动模式脱离的主要原因是其他道路用户的鲁莽驾驶，占脱离总数的88%。安波福自动模式脱离的主要原因是交通信号灯，占脱离总数的42%；其次分别是路面标线、道路施工和其他道路用户的鲁莽驾驶，各占脱离总数的29%、19%和10%。

图2 自动驾驶模式脱离原因统计

3 自动驾驶汽车交通事故数据分析

2014—2018年自动驾驶汽车交通事故报告中记录了82起自动驾驶汽车在自动驾驶模式时发生的事故，根据所有事故细节，同时查阅2017年美国全国大约645.2万交通事故统计结果，分析自动驾驶汽车交通事故特征。如图3(a)所示，自动驾驶和普通汽车交通事故类型分布趋势相似，以多车事故为主，自动驾驶汽车多车事故占总数的95%，普通汽车多车事故占总数的71%。自动驾驶汽车多车事故中，约99%为双车事故。如图3(b)所示，自动驾驶汽车交通事故造成的死亡、伤人和财产事故占比分别为0、2.4%和97.6%，普通汽车分别为0.5%、29.3% 和70.2%。自动驾驶汽车的事故程度比普通汽车的事故程度低，尤其是伤残和死亡事故很少。如图3(c)所示，自动驾驶汽车碰撞类型主要是追尾、侧碰、角度碰撞和行人或自行车碰撞，分别占事故总数的67%、21%、6%和5%；普通汽车碰撞类型主要是追尾、碰撞物体、角度碰撞和侧碰等，分别占事故总数的33%、28%、21%和12%。自动驾驶汽车对撞和碰撞物体的事故率均为零，但和行人或自行车碰撞的事故率较高。车辆对撞更有可能对驾驶人或乘客造成严重伤害或死亡，碰撞物体也可能造成重大损伤，特别是高速冲出路外时。自动驾驶汽车可有效防止车辆对撞和冲出路外事故，但要注意防止和行人或自行车发生碰撞。

图3 自动驾驶汽车和普通汽车交通事故比较

图4为自动驾驶汽车交通事故发生地点和事故发生时车辆所处行驶状态分布，其中交叉口、变道、减速转弯和泊车等场景均发生在城市道路上。自动驾驶汽车交通事故主要发生在城市道路上，占总数的95%，而发生在高速公路上的事故不超过3%。城市道路上自动驾驶汽车事故中，发生在交叉口、变道和减速转弯的事故率分别为57%、27%和7%。在交叉口事故中，64%是自动驾驶汽车停驻等候红灯或行人时被普通车辆追尾，15%是在减速转弯时被普通车辆追尾，其余的是在信号灯变红自动驾驶汽车减速或信号灯变绿自动驾驶汽车起动时被普通车辆追尾。在变道时发生的事故中，除2起事故是自动驾驶汽车变道时碰撞普通车辆外，其余均为普通车辆变道超车时碰撞自动驾驶汽车。自动驾驶汽车减速停让事故均为自动驾驶汽车被普通车辆追尾。在高速公路2起事故中，一起是自动驾驶汽车从匝道进入高速公路时被普通车辆追尾，另一起是自动驾驶汽车在正常行驶时被普通车辆追尾。

图4 自动驾驶汽车交通事故发生地点和行驶状态分布

造成车辆追尾的原因是驾驶人注意力不集中、疲劳驾驶、跟车太紧而车速快、车辆尾灯或刹车故障、轮胎磨损、雨雪天路面打滑及雾天能见度降低、路面磨损等。追尾事故的发生在于车辆制动刹车时停车距离过大，主要受车速、反应时间和路面摩擦系数的影响。

4 面向自动驾驶的道路设施改善建议

(1) 改良信号灯设施。采用反光边框黑色背板和切口遮沿的信号灯。图5(a)为普通信号灯，红黄灯已被冰雪覆盖。图5(b)为采用反光边框黑色背板和切口遮沿的信号灯，反光边框黑色背板可提高信号灯能见度和对比度、消除太阳眩光，切口遮沿可防止冰雪在灯底部积聚而覆盖信号灯。

(2) 采用全天候反光路面标线，确保夜间和恶劣天气下标线的能见度和对比度。图5(c)中的普通路面标线在夜间几乎从视线中完全消失，而图5(d)中的全天候反光标线在夜间清晰可见。

(3) 在交叉口前设置警告标志[见图5(e)]，在人行横道前设置警告标志[见图5(f)]。采用车-路(V2I)技术，使驾驶人能准确地获取交通信号灯变化时间，以便调整车速。

(4) 设立自行车专用车道，严禁自行车随意占用机动车道。

(5) 加强道路施工作业区交通组织管理，如标志标线、导流设施和作业车辆。在多车道道路施工作业区，两侧均设置相关标志，以防其他车辆阻挡视线[见图5(g)]。另外，设立道路施工作业区前置警告标志，提醒驾驶人和自动驾驶车辆及时绕行[见图5(h)]。

(6) 交叉口设立分离式右转车道[见图5(i)]，减少追尾事故。也可采用特殊路面抗滑技术[见图5(j)]，提高路面摩擦系数，减少追尾事故。

(7) 如图5(k)所示，阳光可能使自动驾驶汽车无法辨别物体，路表积水可能使自动驾驶汽车无法读取路面标线。高速公路道路用地范围内广告牌和交通标志牌混杂在一块，会给驾驶环境带来干扰[见图5(l)]。采用全天候标志标线和清理杂乱的广告牌，有助于营造友好的道路环境。

图5 自动驾驶汽车交通安全隐患和改善措施

5 结论

在公共道路上进行驾驶测试是检验自动驾驶汽车驾驶安全性的必要手段，是认知自动驾驶技术的有效途径，是提出道路设施改善措施的前提。通过采集和分析美国加州自动驾驶测试过程中自动驾驶模式脱离和事故数据，得出以下结论：

(1) 自动驾驶模式脱离大多发生在城市道路上，主要原因是自动驾驶软件出现故障，硬件出现故障的概率较低。

(2) 自动驾驶汽车安全事故多发生在城市道路上，和普通汽车交通事故类型分布相似，主要是多车事故且多为双车事故，事故程度比普通汽车低，没有对撞事故。自动驾驶汽车事故碰撞类型主要是城市道路交叉口追尾。其他道路用户的鲁莽行为包括行人、自行车、普通汽车的不规范交通行为等对自动驾驶车辆的干扰较大。

(3) 加强行人和自行车交通管理、提高标志标线能见度、合理规划车道、清除混乱的道路广告牌和提高特殊路段的路面抗滑性能等能提高自动驾驶汽车的行驶安全。