3 月 29 日晚，一场悲剧让智能驾驶的安全性成为舆论焦点。
一辆小米SU7在安徽德上高速行驶时，撞上隔离带水泥桩后起火，车上 3 名大学生不幸遇难。
根据声明，事发时车辆处于NOA（智能辅助驾驶）状态，车速 116km/h。事发路段因施工改道，车辆检测到障碍物后虽发出提醒并减速，但驾驶员接管车辆进入人驾状态后，仍未能避免碰撞，碰撞前速度约 97km/h。
据分析，本次事故的可能原因，在于智能驾驶系统在夜间视觉识别方面存在偏差，系统和驾驶员都未能及时发现前方障碍物，也未能留出充分的反应时间避让。此外，AEB（自动紧急制动）在识别到路障后，也未能及时生效。
这起安全事故引发了人们对智能驾驶安全性的层层疑问：智能驾驶究竟安不安全？它的能力边界在哪里？哪些情况下更容易发生智能驾驶严重安全事故？如何填补安全漏洞？
为了更全面地理解目前智能驾驶技术存在的挑战和可能性的改善措施，我们梳理了2024年-2025年SCI一区和知名学者的相关论文，试图从学术的角度找到答案。
01 安全事故画像：
黑暗环境和迎头碰撞易致严重损伤
视为“乘客”时更信任智能驾驶
2025年1月，一项来源于香港理工大的SCI一区研究，对自动驾驶汽车的碰撞模式进行了深入分析。
研究人员从美国加利福尼亚州机动车管理局，提取了584起自动驾驶碰撞报告，采用了潜类别分析和多项logit模型这两种方法，根据车辆状态和驾驶模式的偏斜分布，确立了两个异质集群。
统计结果发现，影响自动驾驶汽车碰撞损伤严重程度的因素有不少，例如正面碰撞、交叉路口、多车辆、黑暗环境和清晨。 研究人员发现，自动驾驶严重碰撞和这些风险因素，存在正相关关系。
具体来说，从碰撞类型来看，当迎头碰撞、十字路口碰撞发生时，车辆冲击力集中，很容易造成中度甚至重度损伤。
车辆状态也有影响，如果车辆停在路中，后续碰撞损伤往往更严重，这是由于车辆处于静止状态，没有缓冲和躲避的空间。
从车辆数量上看，多车碰撞也增加了严重损伤的可能性，多辆车的相互作用使得事故的复杂性和破坏力大增。
还有环境因素和时间因素，黑暗环境、多云天气、傍晚和清晨时分，这些情况都会影响驾驶员和智能系统的视线，导致碰撞损伤更严重。
各大显著变量的相关系数
那么，哪些人更愿意相信自动驾驶技术呢？
2024年，莫纳什大学一篇发布在SCI一区的论文给出了解释。
在这篇研究中，研究人员借助 VR 技术，通过超过10,000个测试场景的自动驾驶仿真，以及900个代表场景收集的人类行为数据，发现当人们在心理上认为自己是“乘客”时，会下意识地将驾驶的主导权交给自动驾驶技术。
场景模拟
(1)建立道路网络框架（2）模拟数字环境
（3）渲染环境（4）数字集成
这种心理转变，更容易让人们在自动驾驶过程中放松对路况的警惕，减少主动干预驾驶的意愿，而依赖于系统的决策和操作。
值得一提的是，研究人员发现，那些驾驶经验较少的人，由于缺乏对驾驶操作的熟悉感，也会将自己视为乘客，对系统表现出更高的信任度。
而在面对复杂或超出自身能力控制的场景时，人们作为乘客，也会更愿意将决策权交给自动驾驶系统。
02 学术研究如何填补安全真空？
在此次SU7事故中，一大争议点是无论是驾驶员还是智能驾驶系统，都未能及时发现障碍物，即便发现后，也未能留出充分的时间反应，即存在“时间误差”。
2024年麦吉尔大学的一项研究，就针对这一问题提出了参考方案。
研究人员提出了一种增强记忆的贝叶斯校准技术，能够更精准地捕捉模型参数的不确定性。研究人员还引入了高斯过程对时间误差进行建模，以更精确地捕捉时间相关性。
这意味着，系统能够更及时地对路况变化做出反应，提前发出预警，为驾驶员争取更多的应对时间，一定程度上降低事故发生的概率。
除此以外，还有学者提出了建立安全评估数据集的解决方案，也就是说，在算法训练和评估的过程，就提前介入，提高系统预测安全事故的能力。
一直以来，在智能驾驶中，算法是决策的核心依据，但以往的算法训练数据不够全面精准，导致算法在复杂场景下的决策能力不足。
对此，计算机视觉领域知名学者、香港大学的罗平和华为诺亚方舟实验室等人员，提出了DeepAccident数据集，这是一个通过真实模拟交通场景生成的大规模数据集，包含57000个注释帧和285000个注释样本。
该数据集还为每个场景设置了多个车辆和基础设施来记录数据，从而为交通场景提供多种视角。
由于建筑物的遮挡，
单一车辆模型(车辆#1)无法预测右侧前方的运动或事故
研究人员提出的多视角数据记录方法，
能够成功预测即将到来的事故
简单来说，这项数据集的意义在于为算法提供了丰富的学习样本。
通过在这个数据集上进行训练，算法能够更准确地预测车辆的运动轨迹，提前判断潜在的事故风险，做出更合理的决策，比如在遇到危险时及时调整车速、规划更安全的行驶路径等。此外，借助这项数据集，还能直接评估不同智能驾驶算法的事故预测能力。
03 客观审视智能驾驶的未来
当汽车的性能和智能程度提升，随之而来的是安全大考，事关驾乘者、车企和数个家庭。
智能驾驶和自动驾驶无疑为我们的出行带来了新的可能，但从目前的技术水平和学术研究来看，它还远未达到完全可靠、替代人类驾驶的程度，无法完全应对因交通、路况、天气等复杂的环境条件而带来的风险。
在享受其便利的同时，我们还应记住，智能驾驶的本质还是辅助驾驶，而非无人驾驶。对于车企和研究人员而言，更应该继续深究技术难题，提高智能驾驶系统预测和应对事故的能力，保障智能驾驶的安全性和可靠性。
———————————————————————————————————
这里是AMiner数据平台——全球领先的学术数据挖掘与分析平台，您身边的科研助手，有关学术趋势洞察、学者网络分析问题都可以与我们探讨！
或直接关注【AMiner Research】公众号,获取最新的AI前沿研究、行业动态和学者信息!
