用“数学公式”定义自动驾驶安全 英特尔的这个想法很大胆！

英特尔无人驾驶解决方案资深首席工程师、首席系统架构师Jack Weast

作为自动驾驶发展的老大难题，安全问题一直是公众关注的焦点，特别是今年3月份Uber发生全球首例自动驾驶致死事件后，更是将大家对于自动驾驶安全性的质疑推向了一个新的高潮。那么，究竟什么样的自动驾驶汽车才是安全的呢？

针对这个问题，英特尔旗下的Mobileye提出了一种新的解决办法—— RSS（Responsibility Sensitive Safety 责任敏感安全模型），意在将人类对于安全驾驶的理念和概念转化成为数学公式和计算方式，对自动驾驶汽车的“安全状态”进行界定，比如安全的车间距、安全并线空间，以及有人突然从视野盲区闯入机动车道，自动驾驶汽车该如何采取应对措施，避免碰撞……从而保证自动驾驶汽车的安全行驶。目前，Mobileye RSS 模型已经对外开放，并于两个月前进入中国。

RSS模型的两大原则四个“常识”

具体来看，Mobileye在定义 RSS 模型的时候，设定了两个原则：

1、自动驾驶汽车绝对不可以因为自身的原因引发碰撞或者事故。换言之，自动驾驶汽车只可能被卷入交通事故，但不会成为事故的责任方。

2、当一个潜在的风险是由别的车辆造成，并可能会产生交通事故的时候，无人驾驶汽车应采取怎样恰当的应对方式，来避免这起可能发生的交通事故。

为达到这一安全目标，Mobileye形式化了部分人类驾驶中比较具有主观性的常识，确保自动驾驶汽车永远不会主动导致事故发生，这些常识包括：什么是危险情况？什么是危险情况下的正确反应？谁要对事故负责？

其中，在确定“谁需要对事故负责”的执行层面，RSS 形式化了以下 4 个“常识”规则，来界定自动驾驶汽车的行为：

1、追尾不是前车的责任，后车必须保持足够的安全距离。何谓安全距离？也就是在最恶劣的情况下仍可以避免碰撞的距离，这里“最恶劣的情况”是指前车以最大的减速度开始刹车，后车发现后有一定的反应时间，并在反应时间内仍以最大加速度前进，然后改成以最小刹车减速度刹车，如果在这种情况下都可以避免碰撞，那么对于自动驾驶车辆而言就不再存在追尾前车的可能性。为此Mobileye的研发人员提出了一个最小安全距离计算公式，这个公式里的参数和常数可以根据路况、天气、驾驶环境等因素的不同进行动态调整，以适应不同地区的交通状况。

（参数：Vf前车速度，Vr后车速度，反应时间ρ、最小刹车加速度αmin,brake、最大刹车加速度αmax,brake以及最大加速度αmax,accel）

2、因突然并线而导致的追尾，责任在实施并线的车辆。这在现阶段的交通法规中，也是这么定责的，但这并不意味着自动驾驶汽车就可以不作为，RSS模型认为，即使旁边车道的车辆突然插入了自动驾驶车辆的前方，只要有足够的距离进行刹车，自动驾驶汽车也必须进行刹车避免碰撞。

3、如果某辆汽车违反了交通规则进入自动驾驶汽车拥有路权的道路，自动驾驶汽车不能由于自己的路权高，就不对可能发生的交通事故采取任何行动，否则要承担责任。譬如自动驾驶汽车在自己的车道上行驶，如果有行人突然闯进来，虽然自动驾驶汽车有优先权，但是也必须遵循灵活运用路权的原则，采取相应的措施避免碰撞。

4、注意自动驾驶汽车周边的盲区，避免因视野盲区引发交通事故。一个典型的应用场景是小区，由于环境复杂，无法避免会有行人突然闯到行驶的自动驾驶汽车旁边，这种情况下，可设定车辆的行驶速度比行人更低，如此一来即便发生碰撞，也可以把撞击的伤害尽可能降到最低。

可以说，通过这种种规则的设定，Mobileye希望将自动驾驶汽车打造成一个经验老道的人类“老司机”，这个“老司机”心中有一杆关于“安全”的秤，知道什么样的情形下该采取何种行为，来提前预防、及时避免事故的发生，以及在事故无法避免时，如何将伤亡降到最低。那么，Mobileye具体是怎么做的呢？

据盖世汽车日前采访英特尔无人驾驶解决方案资深首席工程师、首席系统架构师Jack Weast了解，在最初创立RSS模型的时候，Mobileye假设了一个非常优秀的、几乎从来不会出事故的人类驾驶员，想象其开车的方式和习惯，从而制定出一些不会导致事故的驾驶规则，或者即便事故发生，也可以明确不是自动驾驶车辆责任的规则。

“从这一点上来讲，我们在设计RSS模型的时候，其实是从一个原生的角度切入，分析人类在安全驾驶方面的行为特征，进而原生出一套能够适用在所有的、无尽的、可能的驾驶场景里模型，这是我们最开始的研究理念。”在此基础上，Mobileye逐步加入了一些真实发生的事故案例，把这些案例进行分类，分类之后再去归纳出数学模型，并不断进行检验、优化。

现实可行性如何？

为了覆盖尽可能多的驾驶场景，减少极端情况的发生，Jack Weast透露，Mobileye正在和全球各地的合作伙伴联合开展道路测试，把RSS模型部署在对应的场景里，确保RSS模型在不同国家、不同地域都能够奏效。比如在中国，Mobileye已经与清华大学、中国科学院自动化研究所签署合作协议，共同推动自动驾驶汽车相关课题的研究，为中国自动驾驶、智能网联汽车产业的研发创新提供强有力的技术支撑。

与此同时，Mobileye还与上汽联合开展了自动驾驶路测，借此来验证RSS模型在中国是否有效，是否能够符合中国的驾驶环境和习惯，是否需要再补充一些新的规则以使RSS模型更好地适应中国的驾驶环境和驾驶员的习惯。

“我们还有一个非常重要的客户——宝马，这家公司最近在中国获得了自动驾驶路试许可牌照，后期我们也将通过与其合作，来检测RSS模型在中国市场是否真的可行，同时获取更多自动驾驶汽车在中国路测的宝贵经验，为后期进一步开展复杂驾驶环境的自动驾驶技术提供数据支撑。”

Jack Weast指出，通过和车企合作开展一些基于RSS模型的自动驾驶路测，一方面可以获取大量数据，进一步优化RSS模型，因为基于 RSS 模型的自动驾驶车的驾驶反应本身就是拟人的，自动驾驶的数学公式完全是根据人类驾驶的方式和习惯设定的，这就必须要借助大量事实依据进行训练。但与此同时，这些合作也给了其他企业一个监督、提问、质疑、检查这个模型的机会，让他们来提问这么做对不对，这么开安全不安全，最终反过来帮助Mobileye更好地提升RSS模型的可行性。

不仅如此，Jack Weast表示，通过开展基于RSS模型的自动驾驶道路实测，还可以帮助企业考虑一些极端场景。尤其是将来自动驾驶汽车大规模上路，必然将无法避免与人类驾驶员驾驶的汽车、行人等公共道路使用者共享路权，交通事故的不可控因素也会因此大大增加，这种情况下，如何把除自动驾驶汽车外其他行为主体引发交通事故的各种可能也纳入考虑，是RSS模型的一个重点。

对此，Jack Weast指出RSS模型的出发点就是去计算在多行为人的环境中可能出现的最糟糕的情况。“比如我现在坐在一台基于RSS模型的无人驾驶汽车里，但这辆车不知道我们旁边的汽车是无人驾驶汽车还是人类驾驶员开的车，这种情况下，汽车就会假设一种最糟糕的情形，也就是旁边的车是由人类驾驶的——因为人类的反应速度比无人驾驶汽车慢，所以我们就假设这样一种情形，从而针对这个‘最糟糕的情形’制定对应的策略。”

而除了赋予自动驾驶汽车“预见其他车辆行为”的能力，RSS模型也致力于帮助行人更好地理解并预判自动驾驶汽车的行为，譬如当行人靠近一辆自动驾驶汽车，该如何去预判无人车下一步的行为，从而促成自动驾驶汽车与行人及其他公共道路使用者的“互相了解”。Jack Weast认为，这需要行业层面的合作，共同为人类提供一种可预见性，帮助行为人预见正常情况下一辆无人驾驶汽车会如何行动，或者自动驾驶汽车针对周遭环境里的人类行为，做出什么样的反应。

“但现在的情况是，不同品牌的自动驾驶汽车针对上述情形，都会有一套自己的应对方式，没有形成行业标准，这就导致人类在对自动驾驶汽车的行为预判上，也比较吃力。从这一点来讲，我们提出RSS模型，就是为了制定一个行业同行的定义，通过开放，使其适用于不同的车型，不同的汽车品牌，以及不同的国家。”

以刹车为例，RSS模型的最小刹车距离计算公式里，有一部分是常数，同时也有很多变量项，比如车本身的重量、装货的重量、行驶的速度、轮胎的状况、轮胎的宽度、轮胎的大小，以及其他一些与行车相关的环境变量，通过把这些变量代入公式，来界定安全前提下最大的刹车时间和距离。

因此，目前Mobileye的挑战是，如果说服其他企业接受这个模型，让这套算法和标准被行业认可，并且参与进来，共同丰富这个模式所需要的各种数据，最终推动RSS成为行业通行的一个保障无人车安全及认证责任的统一标准。