摘要：交通運輸領域的安全一直是政策制定者、行業參與者和學術界特別關注的問題。科學知識和技術進步的持續穩步發展導致致命事故減少。計算能力成本的不斷下降為新一輪利用人工智能（AI）驅動技術增強汽車安全性的創新解決方案創造了先決條件。在本研究中，我們對人工智能（AI）驅動的汽車安全創新進行了科學技術調查，強調了大規模實施的潛在障礙，并提出了政策建議。研究結果旨在幫助廣泛領域的政策制定者、研究人員和從業者了解人工智能驅動技術對汽車安全的潛在影響。

01.簡介

人工智能(AI)和自動駕駛系統正在推動創新并提高眾多行業的效率。然而，人工智能也改變了風險格局，因為它容易受到攻擊。此外，人工智能驅動的自動駕駛系統高度敏感，監管框架薄弱，幾乎不可能投保。在汽車領域，人工智能驅動的自動駕駛系統為多項有利的發展鋪平了道路，特別是在車輛安全方面。它有可能節省數十億美元和數十萬人的生命。盡管有這些優點，人工智能驅動的自動駕駛汽車系統并非沒有缺點和不足之處。本文詳細闡述了人工智能驅動的車輛安全創新的優點和缺點，并評估了相關的監管框架，然后提出了一些結論性討論。

1.1. 汽車行業人工智能的背景

汽車行業是“新互聯網”，其中連接性、自動駕駛和智能移動概念正在不斷改變行業格局。物理世界和網絡世界的融合創造了無數尚未開發的數據寶庫，這些寶庫遍布車輛、基礎設施和客戶特定來源。機器學習(ML)和深度學習(DL)等人工智能技術屬于能夠解開車輛數據并產生變革性社會經濟、科學和人類安全連鎖反應的精選技術。這些技術還嵌入了無數固有的技術、操作和性能挑戰，迄今為止，這些挑戰阻礙了人工智能的廣泛采用。精心設計的實驗和計算模擬有助于在人工智能技術被納入汽車行業經常遇到的關鍵任務和/或人機交互環境之前降低其風險。雖然人工智能技術的進步是前所未有的，但很少有深入的基礎性評論來揭示、記錄和分類汽車領域中無數的使能要素、基于人工智能的方法及其學者的愿望，而這正是我們的文章旨在實現的。

邊緣計算和物聯網(IoT)設計范式利用將云資源節約概念擴展到物聯網的最邊緣，從而最大限度地減少原始數據源物聯網端點到云服務器處理架構選擇的數據回旋鏢效應，并改善各種性能方面，包括延遲、可靠性、安全性、數據通信成本和可擴展性。為此，基于混合LSTM的邊緣計算模型減少了視頻監控系統的監控延遲；同樣，網絡邊緣的人工智能物聯網增強了車輛動態和動力健康模型的訓練場景和性能，同時最大限度地減少了將這些計算復雜的人工智能模型遷移到云端的影響。這些創新的人工智能驅動項目的基石在于提高在邊緣附近運行的決策應用程序的質量、速度和效率，其中傳感器豐富的數據庫觸發具有實時監控、跟蹤、預測和異常檢測角色的經濟高效的預測和洞察模型的部署。此外，通過任務分配擴展LSTM模型，可以同時采用邊緣計算和人工智能，該模型利用人工智能模型進行需求預測和能源預測，從而降低運營成本和能源消耗，并通過動態優化跨物聯網、邊緣計算和云計算資源的邊緣人工智能負載共享來增強電網彈性。

1.2 汽車安全創新意義

汽車行業一直以來都是技術創新的先行者，隨著人工智能技術的成熟，創新型汽車不斷涌現，汽車行業與各大科技創新公司一起成為人工智能發展的驅動力。人工智能技術已廣泛應用于交通行業的各個方面，包括車輛智能駕駛、智能監控與監管、智能高速公路系統中的交通控制智能系統設計、機場智能立體車庫調度系統等。其中，智能車輛安全輔助交通正在提升汽車安全性。人工智能技術的發展正在改變更智能、更自適應、更個性化的汽車制造模式，推動汽車安全從“被動”向“主動”轉變。

從技術思維上看，人工智能驅動的汽車行業創新可以改變傳統的汽車安全測試和驗證手段。與已有的人工智能驅動的汽車技術研發創新研究不同，我們關注的是“汽車安全”領域的技術創新及其對行業發展的影響。具體來說，就是安全保障體系的不斷更新，包括安全系統設計、安全測試和驗證。當汽車安全關鍵事件（SCE）發生時，汽車試圖安全地行駛，這被認為是自動駕駛汽車的核心功能。幫助汽車處理此事件的AI設計是與自主性有關的AI功能。雖然學術界普遍接受這樣的分類，但這三個自動化水平之間的界限并不明確，而點對點商業網約車服務中使用的AI技術的存在可能會使這些界限更難被客戶感知。

02.汽車安全中的人工智能應用

人工智能(AI)包括一組技術，可以執行通常需要人類感知、認知、決策和操縱的任務。本章分析了人工智能在汽車安全方面推動的創新。人工智能提供了一種機制來處理在車輛周圍捕獲的各種車輛系統數據，并提供或協助識別未來此類系統中意外事件、錯誤或故障造成的潛在風險。當前的車輛一代包含數百種不同的傳感器和基礎設施功能。同時，人工智能可以做出非常快速和準確的本地化決策。這是一個理想的環境，人工智能系統非常適合提高汽車安全性。本章僅討論高級駕駛輔助系統(ADAS)和自動駕駛汽車(AV)。

圖1：提出的基于DRL的自動制動系統

新一代人工智能安全系統越來越多地用于高級駕駛輔助系統，以防止與物體、車輛和無保護的道路使用者發生碰撞。人工智能在AV安全關鍵領域的使用時機很好，因為AV和基礎設施周圍有大量傳感器數據可用于識別潛在風險。本章涵蓋了SAE 1-5級AV中最流行的AI架構和方法以及AI應用，這些應用足夠復雜，可以為許多私人和專業用例中的汽車帶來安全。本章將闡明行業對開發、測試、驗證、確認和運行最流行安全功能的可能方法。最后，本章給出了在汽車安全領域使用AI技術進行事故重建的最廣泛方法。

2.1. 高級駕駛輔助系統(ADAS)

當前和不久的將來，車輛的全球標準功能將是高級駕駛輔助系統(ADAS)。我們可以根據它們的優點將它們分為三大類。第一個也是最重要的一個是安全功能——如鹵素燈、氙氣燈或LED燈、自適應前照燈系統、緊急制動系統、防抱死制動系統、牽引力控制、電子穩定控制、自適應巡航控制(ACC)、盲點檢測、車道偏離警告、交通標志識別、平視顯示器(HUD)、野生動物和行人檢測、自動停車等。第二個重要的功能，但主要是為了舒適，通常還有夜視、防撞系統、物體和視覺識別、智能速度適應、酒精檢測和交通擁堵輔助。第三組娛樂或信息娛樂功能包括觸摸屏媒體、DVD、MP3播放器或智能手機集成、GPS導航、音響系統、Wi-Fi、藍牙、衛星廣播、互聯網接入、游戲和遠程信息處理服務。由于這些創新和聯網汽車技術，不僅人體，而且汽車本身也獲得了額外的防撞屏障。請注意，即使未來的每輛汽車都配備ADAS，也不能100%保證避免道路交通事故，而且可能因駕駛員上癮而危及交通安全。隨著時間的推移和可靠的AI技術的引入，必須開發更復雜的事故預防系統。此類ADAS設備可以使用全球汽車制造商的實施策略和行動在全球標準汽車設備中實施。然而，最終客戶，即汽車購買者，可以影響汽車在ADAS領域的先進程度。

圖2：車聯網的使能技術

ADAS架構應靈活、開放且用戶友好，以便進行車載和遠程控制、配置和運行。這些智能車輛設備的生產商應實施嚴格的自我規定，包括透明度、開放性、完整性和客戶關懷。然而，他們還應該記住實施ADAS和AI（人工智能）技術的安全和隱私要求。也許是時候為車輛創建通用側節點，以便能夠連接更多未來的先進車載系統，例如某種汽車開放數字平臺，它可以配備先進的插件，并有可能在車輛中安裝新的智能功能。我們饒有興趣地關注汽車項目，這些項目主要是汽車工業和科學合作的成果，例如由中國搜索引擎百度創建的阿波羅計劃，該計劃采用開放計劃戰略，旨在很快為汽車提供無人駕駛功能，或者由混合動力汽車和汽車安全系統領域的全球領導者沃爾沃發起的Drive Me項目——與此同時，美國特斯拉和IBM公司發布的相當重要且信息豐富的公告可能為汽車開發商的未來方向奠定了基調——通過人工智能進行改進。但總而言之，優質、稀有且極其昂貴的汽車即使在最困難的使用情況下也必須是安全的。這些汽車中的人們要求不要被通常的安全汽車運行所分散注意力，他們希望讓自己相信，即使在罕見的危險情況下，他們也一定會受到保護。汽車開發商對未來ADAS設備和人工智能的大量投資反映了對苛刻客戶的高品質要求。此外，具有出色安全性能的汽車還傳達了車主的一個重要特征——關愛人類的生命和健康。未來，安全性應該成為汽車所有其他參數的主導，因為人們買車是為了從一個地方到另一個地方。這是一項基本功能，要求始終將安全放在第一位，然后再滿足任何其他需求。汽車安全是為了生活而設計的。但生活也應該是現在和未來的幸福。

2.2.自動駕駛汽車

當今汽車安全領域的所有發展都與自動駕駛汽車有關：完全無人駕駛汽車。5級自動化意味著汽車在整個行程中無需人工干預，最低限度的限制是駕駛員無需駕駛，因此可以自由執行次要活動。非獨立車輛不被視為自動駕駛，而只是“自動化”。目前，制造商可以提供自動化能力，除了避免事故所需的自動化，但不對事故負責。此外，如果出現這種情況，駕駛員必須準備好接管并承擔所有責任。另一方面，完全自動駕駛汽車不僅學習駕駛員所有固有的駕駛技能，而且還達到更高的智能水平。

當今，自動駕駛汽車，尤其是5級，代表了上一節討論的人工智能驅動創新的總和。在這種情況下，我們面臨的不只是一兩個主要解決方案。相反，之前看到的一切都可以應用于將此類車輛推向商業階段。從允許車輛感知其環境的傳感器系統（源自經驗和感知模型并專門針對安全行為進行測試），到能夠監控它的約束，再到允許決策過程的算法（旨在做出決策以抵消感知所感知的事件）；所有這些元素都在自動駕駛汽車開發流程中相互作用，如圖所示。人工智能還可以使用其他幾個非深度學習性質的元素來獲得更高的性能值。例如，如前所述，創建細胞統計模型的算法需要評估車輛的系統行為，即識別傳感器系統收集的圖像和圖形。

圖3：帶傳感器融合的AEB框圖

03.挑戰和局限性

本文提出的一些主要局限性和挑戰涉及確定的案例數量相對較少。特別值得注意的是，涉及公共政策的信號很少。重要的是，本文的研究結果基于公共信息，而不是以前分類的政府數據。本文介紹的方法可用于調查超出本探索性研究范圍的更多學術文章。此外，這些案例是在特定時間范圍內收集和審查的，因此可能會有新的案例引起本研究的興趣，這些案例在收集后出現。

此外，在所審查的文獻中——盡管強調公共衛生——很少關注汽車安全行業應對流行病或類似事件的創新。最后，必須強調的是，一些技術——如區塊鏈、大數據和機器人技術——雖然能夠為公共部門做出重大貢獻，但只是最近才開發出來的。因此，目前還沒有那么多成熟的實施方案能夠代表公共管理當前活動、需求和優先事項的重要部分。

3.1.道德和法律影響

在將人工智能驅動的技術集成到自動駕駛汽車中時，確保公共安全和用戶福祉對于開發人員和政策制定者來說至關重要。兩個最重要的問題涉及汽車設計或運行中可能濫用該技術以及可能不公平的利益分配。一方面，重要的是確保整體公共安全和用戶福祉，另一方面，為新進入者創造一個公平的競爭環境，讓他們面對老牌傳統汽車制造商。安全保障機制要求公私合作伙伴關系有效運作。法律障礙包括隱私權、產品責任和消費者保護，以及數據共享和所有權問題。

這些問題必須在多個環節得到解決：（a）鼓勵公眾減輕外部影響，并利用承諾的積極轉型影響，例如，將道路基礎設施改造為自動駕駛汽車；（b）嚴格的安全合規規定，以促進早期改進和創新技術；（c）制度規則，以防止投機行為，特別是在技術使用的測試階段；（d）廣泛的數據訪問和使用權，以從通過數據分析開發的新技術中獲得社會效益；（e）其他與人工智能驅動的自動駕駛汽車的社會技術挑戰相關的規則和法規。

建立理想的政府干預水平可以回答以下問題：相關目標是什么？誰應該分配和分配這些利益？誰應該在監管框架下運作？最佳監管框架本身是什么？而且，法規、懲罰措施和政治經濟的其他要素是否應該激勵外部主體以社會可接受的方式行事？

3.2.技術限制

主動安全功能，例如當今汽車中的ADAS系統，會持續監控周圍環境，并在檢測到任何異常時啟動。現在大部分感知都是由攝像頭完成的，任何惡劣的天氣條件都會極大地影響整個ADAS系統的性能。此外，由于推理運行的錯誤檢測，原始傳感數據和所有潛在特征提取步驟中存在的噪聲源可能會對ADAS系統的運行性能產生重大影響。如今，工程師必須報告高假陰性檢測率，以確保自動駕駛汽車非常謹慎并且不會造成任何事故，同時這也會對技術的舒適性和采用產生負面影響。但是，提高車輛的安全閾值（從60%提高到99%）將優化正確的類別可預測性，但系統性能將從89%下降到僅75%。

盡管存在所有潛在問題，但自動駕駛將利用ADAS為更高級別的AD駕駛系統制定結構性政策。這將基于端到端重疊的TD和FSD功能來實現。事實上，如果準備不足，ADAS將代表駕駛員完成一些重要的輔助功能。因此，稍后將有條件加速至3級，并有條件加速和橫向控制。最后，AC將處理唯一的運行性能功能，以管理向L5的過渡，同時確保這些車輛的安全水平。

目前，高清地圖對于彌合端到端功能差距至關重要，將用戶和道路提供商作為自動移動生態系統的一部分進行整合。這是因為出色的分母方面（動力道路基礎設施的屬性）是基于DNN的圖像分類方法的寶貴補充，尤其是在推理運行中。事實上，對于3級以上AC，準確的結構描繪對于理解兩個關鍵分母至關重要：車道邊界和交通信號位置。目前，大多數FSD DNN方法的核心只有增強感知探路器，能夠識別交通標志、交通信號、車道、車輛或行人（例如增強型CNN）。然而，后者是這些駕駛系統性能不確定性挑戰的主要貢獻者，因為駕駛任務期間的最小變化或擾動都可能妨礙汽車的能力和乘客的安全。如果支持設備的可用性在推理模式期間發生變化（這種情況很可能發生），這種情況可能會進一步加劇。

04.案例研究

4.1.執行和警戒：

自動駕駛汽車的安全系統我們提出了一種控制器，只要這些控制器可行，它就能夠執行任何速度和安全約束。不確定性的影響是雙重的：速度重要性和離散化為簡單約束。如果逐步定義參數，則優化對所有參數都有好處。此外，根據定義，優化值與實際值之間的不匹配會導致系統動態性能下降。所提出的控制器的一個可能應用涉及自動駕駛汽車。所提出的模型有多個控制器，每個所需目標一個，根據外部環境的特征和車輛執行器的可用性使用。它提供了一組慣性、彈性、虛擬和監督力，由車輛參考模型在電影路徑坐標中解析并作用于車輛。為了實現所提出的控制器，我們展示了人工智能模型SAE控制邏輯與加州智能速度適應系統的“安全規則”的模擬。

4.2.由人工傾斜驅動的汽車安全應用：

使用人工智能方法在滾動試驗臺上分析車輛前部和后部的空間方向角，發現了一種抖動效應，在緊急情況下，該效應會出現在滾動方向上。它由車輛結構對側風影響的強制反應決定。顯示的車輛空間方向角κ表示控制打滑和保持車輛穩定性的準備情況。提出了對車輛前部和后部空間方向角κ進行檢查的相互增加，定義了車輛重量、高度/寬度長度和物體相對于道路的高度之間關系的最大安全限值。介紹了通過人工智能方法在車輛滾動試驗臺上進行的計算機實驗材料，證明車輛滾動剛度隨著側風的增大而增加。利用照片信息學和人工智能方法得出的實驗車輛方向關系，確定了實驗車輛滾動角κ。

4.3.特斯拉的自動駕駛系統

特斯拉的自動駕駛系統使用雷達和超聲波傳感器等探測器，通過分析環境和周圍環境將信息傳輸到車輛的執行器。這樣，這種類型的系統幾乎可以在所有情況下作為半自動駕駛汽車運行。它是一種先進的駕駛輔助系統，旨在通知駕駛員何時注意力不集中可能導致危險情況。

盡管汽車行業的受控自動化水平取得了重大進展，但眾所周知，實現完全自動駕駛汽車的目標并不容易。TM/DSAD分類問題旨在通過對四種車輛操作進行測試來證明系統能夠處理實時動態場景的成熟度：保持車道狀況和目標車輛以及受保護區域、誘導兩條車道之間的初始移動、在兩條檢測到的車道之間進行車道變換操作以及觀察后車的出發條件。本文對自動駕駛汽車系統不同自動化水平的討論和分析證實了這一事實。

4.4. Waymo的自動駕駛汽車

Waymo是谷歌母公司Alphabet Inc.的美國子公司，其在無人駕駛技術方面擁有無與倫比的專業知識。Waymo的自動駕駛汽車采用人工智能和高分辨率3D地圖。專業團隊在訓練階段之前對獲取的圖像進行清理和注釋。數據集包含已刪除的移動物體，以防止模型學習錯誤的模式。依賴預建3D地圖的主要挑戰是兼容性問題，因為激光雷達的使用取決于環境。Waymo與汽車制造商合作，投入數百萬美元開發傳感器和機器人，以及LiDAR的幾次迭代，同時繼續努力降低成本并擴大傳感器和機器人的生產量。

事實證明，使用激光雷達對于促進安全的多樣化數據集非常重要。創建帶標簽的3D數據（包括移除靜態對象）成本高昂，因為收集和清理圖像需要大量時間，并且需要注釋對象，尤其是在確保模型沒有學習不良行為之后。此外，還有大量問題會影響感知算法。例如，霧、雨、灰塵、雪和濕路面會削弱深度感知，許多有趣的領域（如理解中的自主性或估計誤差）仍有待開發。Waymo因部分依賴專業團隊處理的高清3D地圖以及存在缺陷而受到譴責，其中包括車輛的運行自主性幾乎在設計上僅限于一小部分美國城市。

圖4：當今自動駕駛汽車中使用的不同類型的ADAS傳感器

05.未來方向

一方面，對汽車和基礎設施的人工智能驅動系統的綜合使用進行原型設計，可以讓我們創建多方面的安全層，每個層本身都更加可靠（基于車輛和基于基礎設施）。另一方面，它可以產生這樣的系統，其組件和整體可以由智能交通終端、無人駕駛汽車和任何機電車輛交替執行。由于當今，汽車領域還沒有出現高科技交通終端，因此交通系統相關功能的每一個創新的人工智能轉錄都是有前景的，理論上也是有根據的，仍然需要驗證。

由于上述原因，汽車和基礎設施的互聯控制首先應該是觸覺的。什么設備可以實現觸覺控制？它必須是交通系統中具有萬花筒功能的東西。打開時，它必須代表汽車控制組件。如有必要，它必須無縫接管智能交通終端的功能。這個神奇的小玩意兒必須在靠近終端時接近終端的可能性，因為距離必須被視為約束的極限。在運輸終端的體現中，單個設備（或一組設備）應該向外投射控制信號（給汽車的命令，如果需要，也給其他交通參與者的命令）。當獲得汽車控制器的狀態時，設備應該從基礎設施（例如，由標準汽車制造商組織的專門的道路標記元素）獲取信息，然后對其進行處理并將命令傳遞給汽車的控制元素。

5.1.汽車安全領域的新興AI技術

下一代汽車安全技術將結合基于規則的傳統現代約束與基于機器學習的感知算法，并使用預測分析和情境理解來預測和執行車輛和乘員的最佳軌跡。高效的GPU驅動推理和優化將使這些創新在大眾市場電子平臺上實現成為可能，使汽車安全成為AI創新快速民主化的典范。與高度定向部署集中在世界較小地區的自動駕駛相比，安全創新將為世界更高比例的公民帶來AI的民主化好處。

圖5：瞌睡檢測系統的通用模型

司機困倦每年至少導致90000起警方報告的車禍，其中許多涉及死亡或重傷。目前大規模生產的睡意檢測系統使用視覺和轉向反饋傳感器來檢測睡意的早期預警信號或開始，然后提供視覺和/或音頻警報、要求駕駛員交互，甚至1級車輛控制來喚醒駕駛員并避免碰撞。通過使用為ADAS和AD開發的最先進的視覺物體檢測、運動檢測、睡眠狀態檢測和光流模型，并調整警報和控制策略以最大限度地減少有害交互，AI可以顯著提高這些能力。我們還可以使用相同的模型從長途卡車司機或其他潛在危險設備操作員的行為中收集的電子數據中識別睡意跡象。該技術可以使用新穎的警報和控制范例，例如，向相關調度和運營經理發出警報，或者在發生道路基礎設施或交通事故時直接向緊急服務部門發出警報。

06.結論

我們利用新的汽車事故數據集，并提供實證證據，證明人工智能驅動的創新帶來了實質性的安全效益。這些創新顯著降低了實際事故率。我們還提供了一個框架來了解這些創新可能引發的事故。這些估計表明，人工智能驅動的創新不會帶來過度風險。它們意味著建立一個讓保險公司集體充當數據保管人的制度是有益的。即使沒有這樣的制度，關鍵發現也為使用替代和產品責任訴訟監管提供了重要啟示。這些見解對于設計基于激勵的最佳檢查機制也很有用。

人工智能驅動的創新和安全不僅限于航空旅行業。新型汽車，尤其是自動駕駛汽車的出現，有望帶來實質性的安全改進。我們在本文中的探索性分析將這些討論與數據聯系起來，并提供了實證證據，證明人工智能驅動的汽車創新正在大幅提高安全性。

6.1 未來趨勢

人工智能驅動的汽車安全創新受益于視覺攝像頭，極具活力。創新不斷推出，創造了巨大的勢頭。此外，技術創新的步伐也在加快。目前市場上商用的ADAS僅開發了幾年。推出的速度和新功能的開發是值得關注的里程碑。最先進的技術和方法將繼續存在，新的解決方案將在產品開發中發揮越來越重要的作用。

當前的2級技術（復雜ADAS）將在附加功能和功能以及更高性能方面得到進一步開發。可以實現廣泛的功能，從開發微調SAF的特定ADAS到改進感知算法。這最終可能導致在惡劣條件（例如霧、陽光、路上的動物、受雪影響的道路標志）或運動狀態（例如部分阻塞的道路）下駕駛功能的穩健性提高。越來越多的傳感器將集成到車輛中，以增強其感知能力和態勢感知能力。關鍵技術趨勢將是使用基于AI/ML的方法和利用更高帶寬的可用通信技術。邊緣計算和車載存儲的數量將增加，以適應不斷增長的處理數據量和日益復雜的算法。所有這些都將提高車輛乘員的效率、安全性和舒適度。

END