Vinayak V. Dixit等去年12月发表的一篇名为《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》的文章中，基于Mercedes-Benz公司和Google公司的自动驾驶测试数据，分析了两家的系统在不同诱因和不同的道路条件下，对系统脱离做出响应的时间做了一些分布对比，见下图。研究者将两家公司的各类脱离反应响应时间数据进行合并分析发现，无论是不同的诱因(行人、骑行者、其他车辆的非常规行为等)还是不同的道路条件(城市街道与非城市街道)下，两家公司的系统的脱离后响应时间均值都没有统计学差异。
图5 不同分类的响应时间的概率密度
从广义是来看，这些车企在测试的和在做的，都是探测从L2级到L3级，自动驾驶车辆会遇到哪些问题。这些实验驾驶员都得用着L2级的心思来探测周边环境，把他的反应和自动驾驶的性能进行结合对比。在报告里面，Google/Waymo开发的这个基于事件记录信息和后续回放仿真的系统(power simulator program)，就是整个测试改进的重要手段了。
在《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》一文中列举了DMV发布的2014年9月到2015年11月的自动驾驶试验车辆发生的事故，这些事故多数系在城市街道交叉口附近的低速情况下发生。其实后来Google汇报的最多，也占了挺大的一部分，分析这些公开数据，有助于我们可以找到自动驾驶车辆在公共道路试跑的真实效果，以及寻求解决所存在问题的方法。
表2 自动驾驶车辆涉及的事故
4、对自动驾驶技术发展的展望
1) 目前，自动驾驶实验车辆的技术所能达到的最高的水准也只是L3这个阶段，所以各个车企都在努力；如果媒体过度渲染其技术水平，那么在各种系统脱离和系统性能缺陷下，驾驶员是要自己负责的。
2) 在发展自动驾驶技术的时候，可以借鉴DMV的做法，给一些定性的要求，让测试企业逐渐把自动驾驶的一些基本信息予以公布，让消费者逐渐了解整个系统的成熟度。
3) 整个自动驾驶的开发和验证方法，可以说与之前有挺大的区别，也不仅仅是依靠传统的Tier1的技术成熟和演进，也需要新的工具和新的机制，这些都需要有个建立的过程，甚至是整个开发的形式与生态的存在形式。
<上一页 3 4
