图片来源：新京报网
自动驾驶已是全球汽车发展的重要趋势，但近年来，自动驾驶汽车也发生不少的事故，引起全球各界的关注。
安全问题是自动驾驶的核心，如何才能确保自动驾驶汽车的安全？就此，新京智库采访了自动驾驶领域的专家、学者，共同探讨影响自动驾驶安全的技术因素。
上海交通大学机械与动力工程学院智能汽车研究所 杨林教授
国家发改委城市中心智慧城市所所长 黎明
北京交通大学 电子信息工程学院 先进控制系统研究所副所长 李润梅副教授
吉林大学汽车仿真与控制国家重点实验室，博士生导师 何睿副教授
北京航空航天大学交通科学与工程学院讲师 任秉韬博士
环境感知问题是影响自动驾驶安全的重要原因
新京智库：近几年频繁出现自动驾驶交通事故，从技术层面来看，影响自动驾驶安全的有哪些关键因素？
杨林：从技术层面来看，影响自动驾驶安全的主要是环境感知问题。环境感知容易出现问题，一方面是恶劣环境的干扰，比如在强光环境下，汽车的激光雷达或者摄像头容易产生盲区。
另一方面，由于多运动目标和动态环境的不确定性，容易导致自动驾驶车对多目标的意图识别和预测不准确。比如，自动驾驶车上路时，要面对很多行驶的车辆，这就需要其对这些运动目标的轨迹进行跟踪，并对后者的运动意图进行识别和预测。这个过程比较复杂，有时候很难进行准确判断，就会导致决策出现问题，引发安全事故。
任秉韬：自动驾驶安全事故的原因中，环境的感知系统失效是主要问题。从总体来看，自动驾驶主要分为三个部分，一是环境感知；二是决策规划；三是控制执行。
通过对交通事故资料的调研分析，发现环境感知问题主要出在两方面，一是系统设计有缺陷。自动驾驶主要是以视觉为主的传感器，但其对环境变化的感知比较弱，比如强光反射、恶劣天气等环境因素，会影响信息的获取，导致自动驾驶的决策控制系统无法进行准确判断和操作。
何睿：其实，自动驾驶从感知、决策、控制到执行，整个体系既包括硬件体系，也包括软件体系，任何环节出现问题，都会影响其安全性。但由这些交通事故案例来看，影响安全的最关键因素，仍在感知层，即软件的智能化水平还不够。
也就是说，由于自动驾驶的智能化水平还未达到一定的水平，使人们对目标的识别、定位判断容易出现差错，导致最终决策和执行的不准确。
除此之外，通过对近几年自动驾驶事故的分析来看，一些自动驾驶汽车在测试方面也有所欠缺。
自动驾驶测试主要分为三阶段，一是在虚拟的环境下，以仿真测试为主，二是在实验场的测试；三是进入到市场阶段。但是某些自动驾驶厂商忽略了虚拟仿真测试，就直接上路。测试不充分、不规范也是影响安全的重要因素。
李润梅：环境检测的误判，除了算法原因，还在于无人驾驶缺乏充分的测试，特别是实际交通场景下的一些极限和边缘条件下的测试，因此，当遇到某些特殊场景，系统无法正确判断、决策或与自动驾驶系统某些功能发生冲突，就会导致驾驶系统作出错误的决策或执行错误的控制指令。
黎明：目前国内出现事故的所谓“自动驾驶车辆”，通常并不是L4级别以上的车辆，往往是L2级别以下。这种级别的自动驾驶车辆要求驾驶员应该保持注意，随时能够接管车辆。分析相关事故原因，有车的因素，但更多是人的因素，即忽视对驾驶环境的监控。
目前自动驾驶车辆的研发和测试通常只覆盖了部分场景，没有覆盖所有的驾驶场景，这可能导致算法方面存在缺陷。
最优化的硬件系统配置既降低成本，又保障安全
新京智库：在硬件和测试方面，如何解决硬件技术局限性，以及测试不充分的难题？
李润梅：在硬件方面，因为自动驾驶需要配备较多传感器，部分传感器价格昂贵，在考虑成本情况下，如果传感器配置不够完备，导致信息检测的缺失，可能出现一些驾驶安全问题。如何在降低成本情况下，尽可能保障安全是自动驾驶硬件开发的重要课题。
黎明：在硬件研发方面，要发挥主管部门和相关行业协会的引导作用。未来应考虑建立与自动驾驶级别相关的硬件配置标准和规范，例如某级别自动驾驶车辆需配备某性能标准的激光雷达，实现对自动驾驶安全的底线保障。
任秉韬：测试方面，应通过安全加压方式来加速测试，进而提高测试效率。为了检验自动驾驶的安全性，要对其进行一种压力性的检验，不仅仅是依据自动驾驶的常规情况，还要不断触碰那些边缘场景的案例，进行功能边界的检测。只有考虑到各种复杂的环境因素，才能更好地保证自动驾驶安全。
杨林：自动驾驶测试是验证产品实现实现设计目标的重要环节。但是，源头更重要，如果源头不能得到可靠保证，本身就存在漏洞，到了测试环节，有可能测出来，也有可能测不出来，因为测试场景总是有限的。因此解决测试的难题还在于源头的基础性工作，如果基础研发不扎实，后面测试再完美也没有意义。
充分的场景测试是解决算法问题的关键
新京智库：除了硬件和测试，软件层面的算法也是影响自动安全的重要因素。自动驾驶的某些算法在仿真测试环境下可行，在完全开放环境下却会产生错误的决策，这应该怎么办？
黎明：对于如何解决算法难题，关键在于场景测试和软件系统的集成。算法和场景是密切相关，要有更多的场景迭代和充分的测试，才能使算法优化并完善软件系统。
此前，由于国内法律规定限制，智能网联车的测试受到一定的影响。今年，深圳市出台了《深圳经济特区智能网联汽车管理条例（征求意见稿）》，规定智能网联汽车可以在深圳高速公路和城市快速路开展道路测试。
随着深圳乃至全国范围对智能网联汽车测试范围和内容的逐步扩大，将大大推动智能网联汽车的测试和研发进程。但是这些测试的交通环境仍然相对单一，未来在包括非机动车和行人交通环境下的测试，将是一项长期和艰巨的工作。
任秉韬：提高自动驾驶算法的复杂环境适应能力很重要。一是可以依据大数据，依据深度学习，多采集一些训练样本；二是在设计系统过程中，尽量多考虑不同运行工况，包括确定性状况和随机性状况，也可以对这些状况再进行细致划分；三是在测试过程中，适当多测一些边界、边缘的场景，同时也尽可能地增强逼真性，通过这些措施使算法更加准确。
何睿：算法有这样一些问题，比如在虚拟仿真环境下验证，算法是正确的，但到完全开放环境下，算法却容易出问题。主要原因在于，正确的算法是基于丰富的场景，以及丰富数据的深度学习，但由于数据量不够，也就是测试不够，导致一旦遇到很多没有遇到过的问题或者场景，算法就不知道怎么处理。
因此，这就需要技术的迭代。只有经历了丰富的测试，不断调整算法，才能使算法更加智能化。
新京报记者 王春蕊 编辑 柯锐 校对 张彦君
