谷歌无人车遭遇“打砸抢”，自动驾驶商业化前还有安全这道坎

来源|物联网智库

虽然自动驾驶技术已经成为世界范围内不可逆转的一次汽车革命，赢得了世界上多数国家的“芳心”，并且在商业化道路上取得了一定的进展，但随着与自动驾驶汽车相关的技术逐步发展，安全问题不除，可能会成为导致无人驾驶技术胎死腹中的罪魁祸首。

最近，美国一家自动驾驶初创公司从60多家企业中脱颖而出，成为第一个被加利福尼亚州允许在实际运行中载客的公司。在测试中，Zoox的车内需要有一名安全员监督，车队必须向CPUC（美国加州公共事业委员会）提供有关任何事故、旅客行驶里程数和乘客安全协议的数据和报告。但遗憾的是，Zoox并不能就此向乘客收取乘车费。

比起Zoox，Waymo这个老大哥步子就快多了。美国亚利桑那州算是对无人驾驶最友好的地方，Waymo的无人车核心基地也位于此处。经历了十年磨一剑的苦涩等待之后，Waymo于本月初正式在亚利桑那的钱德勒、坦佩、梅萨和吉尔伯特几个地区推出了自动驾驶叫车服务。尽管运行范围有限，限制颇多，但Waymo在自动驾驶商业道路上已经迈出了重要一步。

虽然自动驾驶技术已经成为世界范围内不可逆转的一次汽车革命，赢得了世界上多数国家的“芳心”，并且在商业化道路上取得了一定的进展，但随着与自动驾驶汽车相关的技术逐步发展，安全问题不除，可能会成为导致无人驾驶技术胎死腹中的罪魁祸首。

01

自动驾驶路上的绊脚石

自动驾驶第一要素：安全！

有统计显示，94%交通事故都是由于人为的误操作、误判断所致。所以如果不用人来进行决策，而是通过计算机让车与车、车与基础设施、车与人在互联协同中进行决策，那交通事故是否会获得很大程度的减少？

就目前来看，不现实！

自动驾驶本身面临的安全难题还亟待克服。今年年初，因为Uber一家企业的沉痛代价，结果导致整个行业都背上了自动驾驶不靠谱的臭名。

今年3月，一辆 Uber 的自动驾驶汽车在亚利桑那州坦佩市的公共道路上进行路测。汽车正处于自动驾驶模式时，意外发生了，尽管驾驶座上有一名人类安全驾驶员，但汽车还是驶向了横穿马路的一名女性 Elaine Herzberg，而且撞人之前，系统并无减速迹象。

Waymo在宣布商用之后，却遭到当地居民的“围攻”，被扔石头、割轮胎、甚至是被枪瞄准，大量研发投入之后，Waymo现在却要先对一部分极端的消费群体进行“心理疏导”。

新技术可以带来自动驾驶进一步发展，却也可能进一步使自动驾驶受到掣肘。

02

5G，可能放大自动驾驶安全漏洞

人们对新兴事物的认知规律总归是从好奇到认知，熟悉之后又会出现担心和焦虑的一个过程。5G被认为是自动驾驶技术取得突破性进展的关键之一，但凡事也必有两面性。

智能化是汽车发展的必经之路，汽车正从传统的代步工具向复杂的智能终端演进，最终会像我们的手机一样。但难以避免的是，5G在加速汽车自动化的同时也将会给汽车开放出更多的安全漏洞。

此前，全球知名的网络安全公司Avast就曾表示，由于移动网络进步的速度与网络安全发展之间的不同步，5G网络时代或将使自动驾驶受侵袭的范围和程度更加糟糕。而在未来，自动驾驶汽车对于移动网络的依赖度会随着车内联网、车联网发展逐步加深。汽车终端化后，也会像我们使用手机一样，通过网络受到更大的入侵威胁。

试想一下，达到L5级别的自动驾驶汽车行驶在路上，或许正是美好的下午茶时间，却遭到了网络黑客的攻击，通过入侵车载系统，寻找服务漏洞，窃取商业机密，甚至是控制整个汽车的运行，进而造成人身危险。

同时，依托5G的V2V技术也面临众多质疑，从最初在汽车行驶中帮助减少盲区、避免车祸发生，到美国交通部强制新车安装V2V装置，再到现在基本处于半放弃状态，V2V也从大热逐渐趋于“过时”了。

03

V2V，或是伪命题

什么是V2V？V2V其实也V2X中的一部分，你可以将每辆车看作是一部手机，V2V就是要将每一辆汽车连接，这样可以通过汽车之间的信息交互来达到信息共享，彼此之间可以相互知悉对方的动向。

本来V2V的初衷也是为了减少车祸，但为什么会成为伪命题？原因有二：

第一，配备了V2V的汽车要交互的对象也需要具备V2V技术，但事实上，配备V2V装置的汽车少之又少，连接问题很难解决。

第二，当一辆汽车做出危险反应之后，另一辆车是否也能及时做出反应？这就要考虑到汽车反应的高时延问题，尽管5G到来会令情况有所改观，但由于5G部署上的问题，比如在覆盖范围上，能否保证V2V实时有效的工作还有待商榷。

04

机器学习与安全挑战

在汽车智能化快速发展的今天，除了5G、V2X之外，机器学习也是深受商业喜欢的解决方案。但机器学习真的能做到百分之百的安全吗？在Uber的事故中，尽管根据后来的检查发现Uber当时提前6秒检测到了行人，但由于自动驾驶系统软件将行人分类为未知物体，当成车辆，然后当成一辆自行车，最终才导致了悲剧的发生。

换句话说，自动驾驶的汽车并不能像人一样做出理性的判断。数据的不完整性、数据与实际情况的差异性以及机器预测的不确定性都是横在自动驾驶道路上的难题。在机器学习的神经网络中，开发人员通过用数据训练的方式来达到实际情况的输入，但实际情况千变万化，而基于机器学习的汽车系统只是在实际运行中遇到其中的一部分，或是可能发生情况下的一个子集。

实际的驾驶情况具有高度不可预测性，当遇到数据未能覆盖的情况时，系统便会处于十分危险的境地。换句话说，此时自动驾驶的汽车并不能像人一样对实际的交通情况作出理性的判断和预测。

05

对准Waymo的枪口，不是偶然

对于不成熟的技术，总归难逃质疑的声音。亚利桑那老人举枪恐吓Waymo安全员或许是对于自动驾驶技术一种极端的质疑方式，但不能否定，在Waymo遭遇大量的“乌龙事件”之后，更让我们坚定质疑之声绝非偶然。

对于自动驾驶来说，除了技术上的不成熟，还要面临环境上的限制。不管是哪个国家，具体的路况和交通规则都难尽相同。同时，自动驾驶要做到“规矩”，要求所有行驶中的汽车保持在设定的规则中运行，而实际情况下，不守规矩的汽车则变成了自动驾驶安全的又一大考验。

比如，不守规矩的车子做出的决策是否会影响基于人工智能的车辆；人机共存中，守规矩的自动驾驶车辆由于驾驶方式的原因，是否会激发人类驾驶员情绪上的不稳定；道路上的行人，哪一个是真碰瓷，哪一个是真车祸，又该如何判定？这都是对自动驾驶车辆安全行驶的考验。

06

进步是趋势，问题需解决

就目前来看，自动驾驶技术正充分发挥着自身的优越性，也足以在特定条件下展开商业应用。自动驾驶需要技术驱动，也需要以用户为导向，更需要消费群体对它的拥抱。自动驾驶技术绝非是理想化的产品，从大一点的角度来看，自动驾驶仅仅是智能化交通中的一个环节。

就国内情况而言，麦肯锡报告曾指出，直至2030年，中国自动驾驶相关的新车销售及出行服务创收将超过5000亿美元。中国的无人驾驶前景一片大好，但也面临着与其他国家不同的交通环境，较大的人口密度、随意的交通行为、机动与非机动车混行等等。另外，在技术上的瓶颈，核心的芯片技术、加密的地图、算法的迭代演进、激光雷达传感器等。不管是国内还是国外，进步是趋势，但问题也亟待解决。虽然列出自动驾驶种种难题，但笔者也有充足的理由相信，随着自动驾驶汽车的成熟，市场之上也必然会包容这一共存、共同繁荣的想象。

特别申明：为尊重原创作者与知识产权，本公众号会注明文章具体来源；若来源不详，则注明：本文来源于网络，版权归原作者所有!如原作者发现本篇内容存在版权问题，请及时后台留言。