人类vs.软件：谁才是优良驾驶？

我们都知道，开发安全的自驾车驾驶软件非常具挑战性，因此人们普遍认为最佳方法是先在相对较单纯的应用案例──例如低速度的货运自驾车、集货点间自动驾驶卡车、固定路线与低速自驾车，还有区域性的自驾出租车──布署自驾车。

其实大多数的人类驾驶表现相当好，特别是当他们专注于驾驶任务并且有多年驾驶经验时；不过问题就在于大部份驾驶人在开车时并非完全专心，或者是一些新手的驾驶技术无法达到因应困难路况的水平…还有年纪较长的人，其驾驶技能终究会有部份退化。

于是在全世界各地的交通意外事故数量达到了让人无法接受的水平──根据联合国的统计数据，全球因为道路交通事故而死亡的人数，一年达到135万人；光是在美国，因道路交通事故死亡人数在过去五年达到3万5,000至4万人。

车辆碰撞意外事故导致的总成本亦让人瞠目──美国运输部最近的研究数据显示，2010年全美交通意外事故总成本达到了2,420亿美元，占据GDP的1.6%、也就是每个美国国民得负担784美元。如果将生活质量估价与整体社会伤害成本(societal harm cost，其计算方法说明请参考报告连结) 也包括在内，该金额可高达8,360亿美元，相当于GDP的5.5%。

因此，开发自动驾驶车辆的一个重要理由是降低碰撞意外事故的成本与冲击；到目前为止，人为过失仍然占据超过九成的车辆碰撞意外事故原因。不过还有一个大问题是：相较于人类驾驶，自驾车软件驾驶是否能降低碰撞事故发生率？如果是，又要花多长的时间才能实现？

以下让我们来比一比自驾车软件驾驶与人类驾驶之间的优缺点；下表列出了几个比较项目，大多数都是人类驾驶会遇到的一些已知问题，也列出了几个软件驾驶可能遇到的状况。不过要特别说明的是，不同人类驾驶的技能差异很大，不同驾驶软件的发展情况也各不相同，笔者是以Waymo的数据作为基准，以进行一些数字比较和未来趋势的评估。

自驾车软件驾驶vs.人类驾驶。
(制表: Egil Juliussen)

驾驶执照

通过交通规则笔试还有路考以取得驾照，是人类驾驶被允许上路的基本条件，而且世界各国皆然(当然各地法规与考试内容不同)。而对自驾车软件驾驶来说，交通规则是被写进程序的，也能随着法规修改而更新，问题是目前并没有让软件驾驶“考驾照”的程序──这需要厘清并取得解决方案。目前自驾车测试是由具备不同程度能力检查的许可系统所控制。

驾驶经验

无论是软件或人类，驾驶经验都会是成为合格驾驶的关键。人类驾驶的驾驶技能与年资会呈现宽钟形曲线(wide bell curve)，新手驾驶的驾驶技能随着时间往上提升，又因为年纪渐长、技能退化，最终无法再成为合格驾驶人。

自驾车软件驾驶的技能发展曲线则会与其市场渗透率成长曲线类似，但关键参数为何不得而知；我们只知道自驾车驾驶软件的技能虽然大幅提升，但仍有很长一段路要走。软件的驾驶技能成长与实际行驶里程数以及模拟(虚拟)驾驶里程数相关，也取决于各种自动驾驶技术例如传感器、人工智能(AI)、软件与处理能力。

分心

驾驶分心有三种：视觉(眼睛没看路)、手(离开方向盘)以及认知(心思不在驾驶)。驾驶分心是人类驾驶导致碰撞事故的主要原因之一，占据全美碰撞事故原因的18%，死亡事故原因的10%。自驾车软件不会发生任何一种分心，但是传感器仍然可能在分类物体时出问题，这就会像是驾驶人的视觉分心；不过随着感测技术演进，这就不再会是自驾车软件驾驶的问题。

超速

超速是最常见的人类驾驶肇事原因，占据整体死亡碰撞事故原因的32%以及所有碰撞事故原因的20%。软件驾驶是不被允许超速的，因此这应该不会成为自驾车发生碰撞事故的原因。

受到酒精/药物影响的驾驶

所谓的DUI (driving under influence)包括受到酒精与药物影响的两种驾驶行为；对酒驾的纪录追踪已经有40年以上的历史，因为药物导致的驾驶失能则资料有限。酒驾仍是导致碰撞事故的主要原因，但过去35年来已经逐渐减少；过去五年酒驾占据全美车辆碰撞事故原因的20%左右，该比例在2010年为35%，在1980年代则超过50%。

自驾车软件驾驶当然不会发生酒驾或受到药物影响，最可能导致软件驾驶失能的原因是黑客攻击。网络安全防护对自驾车来说虽会是个难题，仍可能取得成功──只要汽车产业开始推动布署新兴的网络安全标准，这就不会是个问题。

反应时间

人类驾驶的反应时间取决于驾驶经验以及许多个人因素；人类驾驶如果分心也会降低应变速度。自驾车软件的反应时间会比人类驾驶快，因为有众多传感器可提供360度环景，还有计算机的指令周期。

疲劳驾驶

疲劳驾驶会是人类驾驶常见的问题(至少在某一个时间段)，但这永远不会发生在软件驾驶身上。但疲劳驾驶导致的碰撞事故统计数据很少。

气候

大多数人类驾驶能因应各种气候状况，目前在这方面是比自驾车软件驾驶来得优秀，但主要问题在于人类驾驶可能会在恶劣天气中过度自信。人类驾驶过度自信通常会表现在决定是否应该在恶劣天候中继续行驶，或者是没有放慢速度，特别是在下大雪的天气或道路淹水的情况；还有在大雾垄罩时车速太快。

目前的自驾车软件驾驶只能在良好天候中开车，还需要更多训练才能在恶劣天气中拥有跟人类驾驶媲美的技巧。但软件驾驶对于是否应该在恶劣天气下继续行驶的判断力应该更好。

极端案例

将极端案例最小化，是提升自驾车软件驾驶技巧的关键。极端案例就是软件驾驶遇到一个全新的驾驶情境，而且不知道该如何在这种情况下继续行驶。理想的状况是，所有的极端案例都是它们曾经学习过的，只是相当罕见，但目前的自驾车软件还没达到那个程度，需要仰赖更多的自驾车应用案例。

人类驾驶在因应极端案例时就拥有优势，能利用一些常识或者是扩展自己现有驾驶知识来因应；人类驾驶也知道如何与其他用路人进行沟通，例如透过一些简单的手势。

避免碰撞

避免碰撞发生主要来自于人类的驾驶技巧以及经验，对自驾车软件驾驶来说也是一样(技巧与经验的累积)。但人类驾驶得避免三种导致驾驶技能笨拙的因素：分心、超速以及失能驾驶。

软件驾驶也需要具备三个项目以最小化系统故障：一是需要故障弱化(fail-soft)架构，或称缓降(graceful degradation)机制；二是执行自驾车软件的硬件需要在每一个层面拥有备援；第三是当自驾车软件遇到另一种极端案例，远程人类操作员也能成为备援。

未来可能发生的问题

还有几个关于未来趋势、值得思考的有趣问题。目前有很多新车都配备了先进驾驶辅助系统(ADAS)功能，可警告人类驾驶注意或者自动启动简单的驾驶功能。这种趋势能降低碰撞事故率吗？早期的一些数据显示答案是肯定的，但接下来的问题是这些ADAS功能是否可能会让未来人类驾驶的技能钝化，因为他们没有机会练习某些驾驶技能？

驾驶人高龄化也是许多国家面临的问题，有充分的证据显示，当人类驾驶超过70岁，其驾驶技能就会慢慢退化；虽然这些高龄驾驶也会减少开车里程数，但是否会是车辆碰撞事故的一个负面影响因素？

自驾车软件驾驶也有一些在未来可能面临的问题，例如在自驾车上配备安全驾驶还需要维持多长时间？这会取决于不同自驾车应用案例，还有车辆是否支持远程操作员的备援。自驾车软件也会需要与其他用路人沟通，例如在车子外部装设显示器，还有车用通讯(V2X)技术，特别是车辆对行人(V2P)通讯──只要大多数智能型手机开始支持C-V2X功能。

与自驾车软件相关的最重要问题是：能在多快的时间内完成极端案例的学习？这个问题还没有明确的答案；某些自驾车应用案例会率先实现，就是因为极端案例较少。

总结

人类驾驶的碰撞事故统计数字相当具有启发性，显示全美占据整体碰撞事故原因的三个人类驾驶弱点是：分心、超速以及酒(药)驾。人类驾驶员对于极端案例的因应也相当拿手。软件驾驶刚好相反，以上三个人类驾驶的肇事原因都不是它们的问题；当然未来软件驾驶也会发生碰撞事故，但是目标是其肇事率要远远低于人类驾驶。

软件驾驶发生碰撞事故主要会来自于极端案例，因此其焦点会是要尽可能在短时间内快速学习最多的极端案例。不过还有一个关键的问题是：与人类驾驶需要负担的社会与碰撞事故成本相较，软件驾驶(包括以ADAS功能强化人类驾驶的技能)必须要能降低多少社会成本？

编译：Judith Cheng   责编：Yvonne Geng

（参考原文 ：AV Software Driver vs. Human Driver，by Egil Juliussen ）