李世凱 劉明旭

摘要：本文將傳統(tǒng)汽車與無人駕駛汽車的安全性能進行了對比，分析出無人駕駛汽車優(yōu)勢所在;并以無人駕駛汽車具體事故作為實例，從技術方面分析產生事故的原因，提出提高安全性能的措施是進一步優(yōu)化無人駕駛汽車上傳感器的精度和智能化程度。

關鍵詞：傳統(tǒng)汽車;無人駕駛汽車;傳感器;安全性能

0? 引言

近年來，由于互聯網技術、大數據分析技術、人工智能等高新技術的應用范圍愈加廣泛，再加之道路交通事故發(fā)生率的久高不下，推動了傳統(tǒng)汽車行業(yè)的深刻變革，智能汽車應運而生，無人駕駛汽車就是其中的一種。

自上世紀中后期，西方發(fā)達國家就開始研究無人駕駛汽車，我國在這方面研究起步較晚，但目前政府也是出臺政策大力支持無人駕駛汽車的研發(fā)。因此，更多的國內汽車企業(yè)紛紛投入到該研發(fā)領域，使無人駕駛汽車得到了迅猛發(fā)展。例如早在2011.7.14，國防科技大學自主研發(fā)的紅旗HQ3無人駕駛汽車首次成功完成長沙到武漢高速無人駕駛試驗;2016.7.6，北汽集團推出首輛無人駕駛樣車。近幾年，一些IT企業(yè)也開始加入無人駕駛汽車研發(fā)大軍中，例如百度推出的Apollo無人駕駛汽車。目前來看，無人駕駛汽車依然存在許多問題仍待解決。

1? 傳統(tǒng)汽車影響安全因素

影響傳統(tǒng)汽車駕駛安全的因素有很多，如車輛自身結構因素、人為因素和外部環(huán)境因素等。

1.1 車輛自身結構因素

為了提高汽車安全性能，汽車結構無論在機械還是電子控制方面都采取了相應的措施，但有時會因為使用時間長或經常超負荷運行使零件變形或發(fā)熱，使軸彎曲或變形等導致事故的發(fā)生。結構上的缺陷是能夠通過改進設計彌補的，但如果是操作不當或保養(yǎng)不及時那就是人的因素了。

1.2 人為因素

在影響道路交通安全的所有不確定因素中，由于人的自身因素導致的車禍傷亡人數遠大于其他方面。因為人體在某些方面存在生理缺陷，如視覺、聽覺、色彩辨別能力差等，還有對汽車結構知識和操作經驗缺乏造成的思維混亂和判斷失誤，在遇到緊急情況下不知所措導致事故發(fā)生。下面列舉了各種原因的具體表現：①身體原因。如肌體不適，視力聽力差，活動不便等;②精神原因。如注意力分散，出現幻覺，情緒異常，有報復心理等等;③管理原因。如道路交通安全法律法規(guī)不完善，交通執(zhí)法力度不夠;④社會原因。如家庭經濟以及人際關系出現問題，工作、社會壓力大等。

1.3 外部環(huán)境影響

外部環(huán)境影響主要分為天氣和道路交通環(huán)境影響。相對于人為因素，外部環(huán)境更具有突發(fā)性和不可控性，因此在行車前或行車途中需要特別留意。

1.3.1 天氣因素

天氣較寒冷時，發(fā)動機不易啟動，熱機需要較長時間，另外風窗玻璃容易結霜，這些都會影響汽車正常行駛。另外在雨天、大霧天氣下行車，能見度極低，視野范圍嚴重縮小，自然會降低駕駛員的反應能力，對行車安全性產生極大的影響。

1.3.2 道路環(huán)境因素

交通環(huán)境的復雜程度對行車安全性的影響有所不同。假設道路環(huán)境傳遞給駕駛員的信息過于復雜，將會使駕駛員自動忽略部分信息并且無法捕捉正確信息。一般人流量，車流量較大的路口附近，由于交通環(huán)境的復雜性及不確定性，交通事故發(fā)生的可能性極大上升。

2? 無人駕駛汽車安全技術

通過對傳統(tǒng)汽車安全因素可知，人是參與交通安全的主體，因此有些事故的產生是無法避免的。用計算機代替人腦，用各種傳感器代替人的雙眼，用無人駕駛汽車代替?zhèn)鹘y(tǒng)汽車，安全性能可以大幅提升。無人駕駛汽車是通過車載傳感器系統(tǒng)感知道路環(huán)境，及時避開影響車輛正常行駛的物體并自動規(guī)劃行車路線，一般會用到雷達，高清攝像頭等技術。

2.1 傳感器技術

無人駕駛汽車的出現與傳感器的快速發(fā)展分不開，當今的無人駕駛汽車使用雷達感應道路狀況進行分析計算，常用的有超聲波雷達、毫米波雷達、激光雷達等。其工作原理大致類似——發(fā)射裝置發(fā)出電磁波或激光后（計時開始）在空氣中傳播，碰到障礙物后立即返回停止計時。

2.2 避障技術

車輛前方障礙物是運動的還是靜止的？車輛應該停下來還是繞過去？這些難題來自于傳感器如何正確識別障礙物。當車輛處于運動狀態(tài)下，同時確定障礙的運動狀態(tài)。計算出它相對于自己的運動速度，并做出判斷。

2.3 識別技術

在駕駛過程中，駕駛員可以用眼睛獲取90%以上的環(huán)境信息，包括道路標志、交通信號、車道線、周圍車輛狀況以及前方障礙物等，并且可以在短時間內做出判斷。雙目機器視覺可以模仿人的眼睛并從兩個角度收集道路圖像。隨著計算機圖像采集與處理技術的飛速發(fā)展，視覺傳感器對圖像的采集與處理的周期非常短，普通設備的采集速率可以達到每秒幾十幀。該視覺技術還可以提供實時視頻，并且可以以多種方式傳輸視頻信號，以向監(jiān)視中心提供當前的車輛狀況。

3? Tesla Models 無人駕駛汽車事故分析

2016.5.7，美國一Tesla車主正坐在車內觀看電影，正在行駛的車輛突然撞上了前方左拐的白色拖車，該車從拖車車底穿過，撞上了路邊護欄，最終車毀人亡。以上就是該事故的主要過程，究其原因可從主觀和客觀兩個方面分析。

3.1 主觀原因

車主對Tesla Autopilot（自動輔助駕駛系統(tǒng)）過于依賴，身體處于完全放松狀態(tài)，安全意識淡薄，未認清該系列無人駕駛汽車還處在測試階段，且該車并非完全自動駕駛，也需要人的輔助操作。

3.2 客觀原因

①Tesla向前感知視覺系統(tǒng)只能識別前車后部和尾部，專門為防止追尾事故設計的，對于側向來車的感知能力并不強烈;②Tesla無人駕駛汽車體型較小，其雷達安裝位置大約離地面40cm高，而白色掛車底盤高度約為1.2m，說明了掛車底盤下方巨大的空間會極大誤導雷達的檢測和判斷，認為前方沒有障礙物，進而也不會制動減速;③另一種可能的原因就是雷達探測到了前方有巨大障礙物，但由于后方車廂側面面積過大，造成視覺系統(tǒng)錯誤判斷，以為是交通指示牌或一朵巨大的白云而命令車輛繼續(xù)行駛;④各傳感器指令融合不夠，雷達認為是交通指示牌，而計算機以為前方沒有障礙物。

4? 結論

通過對傳統(tǒng)汽車與無人駕駛汽車的安全因素對比分析可以看出，無人駕駛汽車的研發(fā)無疑能很大程度上減小人類活動的影響。通過各種傳感器之間的協(xié)調合作，感應到人類視覺不能觀察到的區(qū)域，能極大縮短反應時間，弱化人的駕駛陋習對行車安全的影響，保證車輛行駛安全。

無人駕駛汽車安全性更高，造成的損失更小，但目前技術不夠成熟，還應從傳感器、軟件等方面進一步提高其精度、靈敏度、準確性、可靠性和耐用性，例如將加密算法用于保護各類傳感器，系統(tǒng)免受黑客攻擊;人工智能和環(huán)境感知系統(tǒng)對應對行車突發(fā)事件的幫助很大，應加強對這些方面的研發(fā)與突破，最終提高行駛的安全性。

參考文獻：

[1]楊帆.無人駕駛汽車的發(fā)展現狀和展望[J].上海汽車，2014-03-10.

[2]范泉涌，金茂菁，黃玲，王薛超，曹耀光.無人駕駛汽車的安全問題及對策[J].科技中國，2019-06-15.

[3]姜允侃.無人駕駛汽車的發(fā)展現狀及展望[J].微型電腦應用，2019-05-16.

[4]蘭京.無人駕駛汽車發(fā)展現狀及關鍵技術分析[J].內燃機與配件，2019-08-15.

[5]葉犇宇.無人駕駛汽車未來展望[J].電子技術與軟件工程，2017-02-01.

[6]王欽普，趙佳，趙浩.無人駕駛汽車發(fā)展面臨的挑戰(zhàn)與建議[J].客車技術與研究，2016-12-25.

[7]趙東哲.基于雙目視覺的無人駕駛汽車道路識別技術研究[D].河北工業(yè)大學，2016.

[8]田國強.人工智能技術在無人駕駛汽車領域的應用研究[J].江蘇科技信息，2017-05-20.