1
產業
特斯拉（Tesla, TSLA-US）“自動駕駛車”事故致死的分析，對產業和市場有何影響？
特斯拉在官網的部落格中，公開了第一起因為使用Autopilot功能致死的交通事故，並把這起事故稱為「A Tragic Loss」。事故發生在美國東部時間2016年5月7號中午，目前美國NHTSA正在調查之中，正式的調查結果還未公佈。(註：「Autopilot」是特斯拉自動駕駛系統的名稱)。隨後，馬斯克(Elon Musk)在推特上轉發了這條新聞，引起眾多媒體紛紛報導和勞苦大眾的熱議，“自動駕駛”一時進入風口浪尖。作為電動智能汽車的支持者，表達一下本次事件的看法和影響。
特斯拉Model S其實並不是第一台具備智能輔助系統的量產車型，但是因為特斯拉車主對產品的信任和熱捧，所以網絡上熱傳的“自動駕駛”功能視頻基本來自於特斯拉粉絲。也導致特斯拉保持著全球擁有自動駕駛功能的車輛數、用戶數和里程數的世界紀錄。特斯拉車主，在狂熱欣喜之餘，帶來了駕駛行為的過度失控，也成為這次交通事故的主因。
那麼這次特斯拉事故到底如何發生的？技術上是否存在缺陷？對行業的影響幾何？給我們的啟示有哪些？
根據特斯拉已公佈的信息，我們還是能夠還原部分事故發生時的情景的。在發生這起事故前，特斯拉的Autopilot已經累積了超過1.3億英里( 2億公里)的安全行駛里程。平均而言，美國平均每9000萬英里(1.5億公里)範圍內會發生一起致死交通事故。所以，從數字上來看，特斯拉Autopilot其實已比人類駕駛員更安全。
這次事故，車主名叫Joshua Brown，開著一輛Model S以自動駕駛模式行駛在佛羅里達州Williston高速公路上行駛。在事故發生前，車輛並未及時啟動剎車系統，同時，車主疑似在駕駛的時候觀看《哈利波特》，未及時切換手動接管車輛進行剎車。導致Model S全速撞上了一輛左轉的白色拖車，這輛卡車正在橫穿馬路。此時Model S正行駛在車道線內，和卡車呈接近垂直的方向。從卡車底(拖掛車底部較高)穿過後，又撞上了兩個護欄，最終重傷後身亡。
本次事故致死的真實原因是，數個偶發因素的累加，以及特斯拉自動駕駛模組處於“Public beta phase(公開測試期)”，暫時仍未完全成熟。
首先當時Model S駕駛場景：1、在強烈的日照條件下，駕駛員和自動駕駛都未能注意到拖掛車的白色車身，因此未能及時啟動剎車系統。2、由於卡車正在橫穿公路，且車身較高，這一特殊情況導致Model S從卡車底部通過時，其前擋風玻璃與卡車底部發生撞擊。假使當時車輛發生的是正面撞擊或追尾事故，即便在高速行駛條件下，Model S先進的防撞系統都極有可能避免人員傷亡的發生，Model S在2014年是唯一榮獲歐洲、美國“雙五星”安全評級的車款。3、車主過度自信依賴特斯拉Autopilot功能，沒有遵守特斯拉要求駕駛員時刻認清“自動駕駛是一項輔助功能，要求駕駛員雙手始終握住方向盤”，並且理性接受處於公開測試階段。此外，每一次自動駕駛啟動時，車輛都會提醒駕駛員“請始終握住方向盤，準備隨時接管”，系統還會時刻檢查以確保駕駛員雙手不離方向盤。事故最大爭議的地方在於，為什麼特斯拉的Autopilot功能沒能及時啟動緊急剎車系統？自動駕駛的解決方案是否存在致命缺陷？
首先，Tesla用來解決道路識別的方案包括，攝影圖像識別和毫米波雷達測距。攝影圖像識別解決方案，來自以色列的Mobileye命名為EyeQ3的ADAS系統。但是，本次事故的特殊場景導致識別失效，一是卡車過於龐大，且採用了純白色塗裝；二是當天強烈的陽光反射，沒有紋理的白色車體使得攝影機無法提取紋理，分辨出是一輛有威脅的車輛；三是EyeQ3選用普通攝影機，未採用廣角攝影機，卡車的車頭駕駛艙訊息未被採集到，電腦能看到只有純白色的車身；四是當時藍色的天空背景，加上大片的白色面積，導致EyeQ3認為出現在前面的白色塊是一朵漂浮在空中的雲朵；五是白色卡車下方未作安全裝飾，英國強制對所有的卡車、拖車下方給出柵欄保護和色彩警告，EyeQ3將有效分辨。以上任何一個條件發生改變，本次交通事故悲劇都不會發生。
可是特斯拉除了攝影圖像識別以外，還有毫米波雷達的測距方案，就是通過檢測前方障礙物距離來預測風險，進行有效啟動緊急因應。有人臆測是因為毫米波雷達安裝過低，發射的毫米波從當前的卡車下方間隙出處穿越過去，完全沒有有效識別前方物體。根據馬斯克本人的推特和毫米波專家分析，實際毫米波雷達是精確的檢測到前方有一個巨大的障礙物。但是，因為卡車過大的反射面積以及過高的車身，毫米波雷達判斷，它更像是懸掛在道路上方的交通指示牌。並且攝影圖像識別系統並未識別前方卡車，因此毫米波雷達系統 只能做出決策，儘管汽車前方有一個巨大的障礙物，但那是懸掛在控制的指示牌，可以安全通過。
這次事故說明，目前自動駕駛的人工智能決策方面，還需要更多的案例學習和駕駛經驗。在視覺系統認為是一朵白雲，測距系統認為是一個懸空的交通指示牌，在兩者發生矛盾的預判下該如何決策？暫時目前自動駕駛的融合算法和模糊決策，根源在於傳感器和攝影機，受制於數據的完備，暫時無法實現零誤差識別，模糊決策成為一種折衷方案。所以特斯拉一直強調車主啟動“自動駕駛”功能後，要保持手動接管。
專家指出，現有的技術條件下，此類事故完全可以避免，如果增加一個廣角攝影機，採集到了車頭的訊息。如果毫米波雷達測量更精確，或者在前方安裝了多個雷達，做雷達網路融合。如果特斯拉的傳感器融合技術考慮的更全面。如果安裝了冗餘的激光雷達，如果大卡車有法規規定，強制進行塗漆裝飾。這起事故都可以被避免。
並且特斯拉新一代車型將增加更多攝影機和毫米波雷達提升識別能力。而Mobileye的下一代電腦視覺解決方案已經加上了廣角攝影機，將更多的訊息囊括進來。新一代的毫米波雷達系統 將具有更高精度的識別和反應時間。毫米波雷達成本的迅速下降，也將使五個毫米波雷達(一個77G長距離雷達，加上4個短距離雷達)成為標準配備，而不是特斯拉現在這樣使用單個遠程77G雷達。並且未來V2V、V2X的網聯技術將實現所有車輛之間與交通系統的底層訊息互換，這次事故就不可能發生，更別說如果激光雷達技術進步和成本降低，也將推動無人駕駛加快來到。
因此，我們認為特斯拉Model S的這次事故並不代表自動駕駛的風險和倒退，我們需要靜候美國道路交通局的調查結果。從目前而言，自動駕駛的里程、事故、安全角度，已經超越人類表現。隨著技術的進步，事故發生機率仍將繼續降低，甚至不再發生。“無人駕駛”的到來，並不會因為這一次事故而擱淺和推遲，反而會給技術進步帶來更多的思考和改進。
最後說一下，本次事故的車主，非常喜歡特斯拉的Autopilot功能。在他的YouTube主頁上，有很多關於火箭、波士頓動力機器人以及特斯拉的影片，其中就有他用行車記錄器拍攝到的Autopilot如何工作，避免車禍的影片。
對於自動駕駛沸沸揚揚的爭議，個人覺得更多是人類對新生事物的恐懼。關於人類擺脫馬車的歷史，足以說明。19世紀中期，蒸汽車最興盛的二十年時間，發生鍋爐爆炸慘案一萬多起，民眾在對比笨重而危險的怪物後，大多數人毫不猶豫的選擇了傳統的馬車。所以在倫敦、在巴黎、在柏林，儘管馬車造成了眾多的社會問題，隨處可見的馬屍，還有堆砌如山的馬糞，大街上往來奔跑的依舊是馬車。但，這都從未阻擋得了蒸汽機車前進的步伐。
汽車剛問世時，因為模樣太古怪，當時的報紙稱之為巫車。汽車源源不斷的動力，終於可以讓人類卸下沉重的馬鞍。但當時老百姓對於這個技術還不成熟的機器，人們除了好奇和驚嘆，更多的是敬而遠之。因為當時的汽車還有很多不完善的地方，比如汽車啟動既費力又危險，女性基本無法開車，並且還面臨許多故障，常常遭到馬車夫的嘲笑。甚至汽車發明者Karl Benz在發明汽車後，面臨巨大的輿論壓力，因為當時的德國皇帝威廉二世曾說“我信任馬，汽車不過是一個暫時的現象而已”。Karl Benz甚至不願把車開到街上招搖，生怕出醜。
“無人駕駛”的時代終將來到，創新推動仍在加速，民眾更多的關注和思考會讓行業更加理性的發展，如何認清、擁抱和把握這一科技浪潮是我們更該考慮的。
《雪球》授權轉載
33963
