責任歸屬模式系統加持　自駕車事故分析大增安全

然而自動運輸並不僅是單一產品，而是整個產業。這個產業要能夠真正提升行動力，包括車廠、科技公司、以及政府監管機關當局必須共同制定一套完善的典範以支持產業的發展。  

英特爾(Intel)旗下的Mobileye針對此典範開發出一個創新架構，並奠基於：1)可實證的安全保障，2)經濟可擴充性(Economic Scalability)。若不針對這兩項關鍵參數定出明確規範，業界對自駕車的所有投資將陷於成為昂貴科學實驗的風險。 

包括美國在內的多個國家率先研擬自駕車法律，美國運輸部(US Department of Transportation, USDOT)新頒布的自動駕駛車輛指南，讓各界能立即就下一步展開討論。 

本文將聚焦於一些自駕車值得關注的領域，並以Mobileye解決方案與設計方法作為參考案例。進一步討論如何大幅提升行車安全與便利，加速汽車開發廠商有效投入資金資源，搶占市場先機。 

預先制定自駕車規範　 快速評斷肇事責任歸屬 

未來數十年，自駕車會和人類駕駛車輛一同上路。要讓自駕車發揮上述安全、行動力、交通效率等優勢，就必須以「正常」方式運行(像是不要限制在極低的車速，或限制它們必須遠離其他車輛)。如圖1所顯示，假設外側車道的一部人類駕駛車輛犯錯，快速切入自駕車所行駛的車道，自駕車根本無法閃避撞擊。這類情況經常發生，所以如果我們禁止自駕車涉入這種情境，自駕車就完全無法上路。結論是任何實用化的自駕車勢必會涉入各種可能導致事故的情況，包括機械故障以及各種外力。要完全避免每一種事故情境是不可能的。 

圖1 中間的車輛即使想確保絕對行車安全也無計可施。

撞擊後會發生甚麼事？針對事故展開的調查得花上好幾個月，而即使人類駕駛的車輛負有肇事責任也無法馬上判定，且當自駕車涉入事故時將引起大眾高度關注。 

基於此，當自駕車和人類駕駛車輛發生碰撞事故，可根據預先制定的規則，快速評估與判定責任歸屬。以本文來看，Mobileye解決方案是根據數學公式，預先制定明確的過失判定規則。若預先制定規則，即可縮短調查流程，並完全根據事實，確切地判定肇事責任，使大眾提高對自駕車的信任。未來自駕車無可避免會涉入這樣的事故，屆時消費者、車廠、以及保險業者都能釐清自己的責任風險。以下是達成目標的作法： 

1. 將判斷事故過失歸屬的「常識」公式化。包括對各種駕駛情境、優先權(Concept of Priority)和讓道(Give Way)、先行(Take Way)等觀念、以及行車速度與保持距離等參數制定出明確的公式，並歸納成正規數學公式，用來判斷肇事責任。 

2. 由於自駕車配備高度精準的感測器，所產生的資料可用來評估撞擊當下以及之前的環境，再結合判斷肇事責任的正式規則，這些資料即可用來迅速確切地判斷過失責任。 

降低事故/進行高效驗證　 過失公式化模型穿針引線  

針對過失建立公式化模型設計出(駕駛策略)決策制定軟體，避免由自駕車造成的交通事故，也能讓業者進行高效率的驗證。自駕車擁有360度視野以及瞬間反應的能力，能分析道路狀況以及可用的煞車力道，而且永遠不會分心。再加上用來判斷過失的公式化模型，自駕車開發商就能設計出理想的系統，在這個系統中軟體可對此模型評估每個指令。目前市場上已有業者推出一套名為責任歸屬安全模式(Responsibility-Sensitive Safety, RSS)的系統。RSS從規畫以及決策制定的層面，確保系統不會發出導致自駕車發生事故的指令。該系統避開大多數自駕車開發業者規畫的資料密集驗證流程，因為此系統認為該流程並不實際(不論是在實際道路或模擬環境)。其驗證方法僅證明系統針對一套預先制定的數學規則，評估所有指令。 

要多安全才夠？RSS系統安全性提高三個數量級，改善到每十億小時行駛時數才會出現一件致死事故，對比人類駕駛車輛平均每百萬小時就會出現一件致死事故(例如2016年美國的每年事故死亡率數據為自駕車的40件對比人類駕駛車的4萬件)。整體而言，本文認為必須證明交通事故致死率會大幅降低，大眾才會接受機器所造成的意外事故。 

RSS決策制定軟體的設計方向會避免做出不當的決策，避免事故的肇因會歸咎在自駕車的駕駛策略，但交通事故仍可能因感測器系統出錯或機械故障而發生(根據駕駛環境的資訊所做出的決策)。本文提出一種感測器融合(Sensor Fusion)系統，納入三個獨立設計的系統，每個系統各自依靠不同技術：1)攝影機、2)高解析地圖，以及3)雷達與光學雷達(LiDAR)。 

系統經過驗證改進後，出錯率(文章開頭提及的肇事率)微乎其微，也反映實際行駛里程的合理資料，像是10萬小時。 

 自駕車設計力求安全細節

責任歸屬安全模式(RSS)的核心是一套務實的方法，用以設計並高效率地驗證自駕車計畫/決策制定(駕駛策略)軟體的安全性。只要自駕車和人類駕駛共用道路，就不可能達到絕對的安全，因此一開始就將自駕車的安全定義為不發生碰撞。  

要證明自駕車不會造成碰撞，必須先建立一套數學公式，配合全面性的駕駛情境，判斷在發生碰撞時的責任歸屬。基本上，運用數學公式把「過失責任的常識」正規化。責任歸屬安全模式設計有十足把握制定這些公式，因為自駕車知道反應的時間，且具備操控方向盤和煞車的能力以閃避碰撞。  

建立責任歸屬模型所產生的效應十分可觀，它讓開發商能設計出自駕車的決策制定軟體，讓自駕車遵循這些確切的參數，持續評估這些規則，並且永遠不會下達讓車輛承受碰撞風險的指令。 

在實務上，自駕車需要知道兩件事： 

・安全狀態(Safe State)： 

在該狀態下，即使其他車輛做出非預期或魯莽的行為，自駕車也不會有造成事故的風險。  

・預設緊急應變策略(Default Emergency Policy)： 

此概念定義自駕車為了保持或要回復到安全狀態所能採取最激烈的閃避。 

本文創造了審慎指令(Cautious Command)這個名詞，代表讓車輛維持在安全狀態的整套指令。RSS制定一套嚴格規則，規定自駕車絕不能做出超出審慎指令範圍以外的行動，這樣可確保規畫中的車款絕對不會引發事故。  

參考情境 

舉一個常見情境來說明。有兩輛車一前一後行駛在同個直線道路上。如果前車煞車但後車未能及時煞車，過失責任在後車。如圖2所示，可以計算出在安全狀態中，後車(B1)必須預留和前車(A1)的安全距離。這項計算是根據某些特定的變數，像是兩輛車的車速差異，而自駕車搭載的各種感測器正能提供高度精準的資料。 

圖2 上面公式計算出後方車輛與前方車輛的安全縱向距離。

切換車道 

圖2是一個相當簡單的情境，代表了直覺的原則，也就是若後車撞上前車，永遠都是後車的錯。但如果是前車魯莽切入另一輛車的行進路線導致後車閃避不及而追撞上去，又該如何判定？在這種狀況下，肇事責任則屬前車。  

依據相同原則，RSS足以因應這種情況。在自駕車周圍依照一組變數劃出一個安全車距，若人類駕駛的車輛(圖3的A2車)在撞車之前侵入安全車距，該車就有過失。反過來說，自駕車會持續運算其他車輛安全車距的界線，而且絕不會做出侵犯他車安全領域的指令。 

圖3 推算出車輛周圍的安全車距，將決定切換車道時發生事故的責任歸屬。

處理受限感測及被擋住物體 

在歸咎事故責任時，大多數人的反應是「但是我沒看見對方」，常見的回應則是「你應該更小心」。RSS的一項關鍵元素規範了當視線受限時「小心駕駛」所代表的意義。 

如圖4所示，C0車想開出停車位駛入街道，但視線被建築物擋住。人類駕駛會慢慢開入道路，逐漸看到更多的視野，直到完全消除視線的限制。駕駛人心裡會抱持一些假設，像是車流的可能速度，以及開到哪個位置會碰上車流。RSS計算出最高且合理的車速，稱為Vlimit(依道路速限而改變)。根據這項資訊，如果C0是部自駕車，它會知道車子能切出多少距離，且讓C1仍有及時煞車的機會。如果C1車速超過Vlimit且發生撞車，那麼肇事責任就在C1。反之，若C1是自駕車，它會開得更小心，並儘量遠離中間車道，並假設有另一輛車從停車位開出但視線被阻擋。無論是哪種狀況，指令都相當明確，即使看不到物體，自駕車也不會發出可能讓自己陷入撞車風險的指令。 

圖4 RSS規範涵蓋了物體(車輛與行人等)被其他物體遮蔽(隱藏)而看不見的情境。

這種特殊情境和行人也有相當大的關連。在涉及行人的事故中，即使駕駛人在快撞到行人之前都還看不到行人，肇事責任絕大多數也還是都歸咎在車子上。但也有例外，比方說在RSS規範下，自駕車必須考慮到行人可能會從兩台停在路邊的車子之間以約Vlimit的速度衝到馬路上。除非行人以超過Vlimit的速度前進(以超級快的速度奔跑)，否則RSS仍舊能管理自駕車的速度，讓車子及時煞車以避免撞上行人。 

將RSS延伸到所有道路結構 

責任歸屬模型(以及相關的RSS軟體)涵蓋各種駕駛情境。期望監管機關與標準機構共同參與，提出更多情境讓各界考量。以下舉幾個例子(絕非詳盡)，列舉RSS考量的其他情境： 

車道優先權 

這個重要概念讓RSS能涵蓋在某些區域重疊的多條車道，像是公路匯車道與圓環等。在這些案例中，兩個車道的車輛都必須切入前方的交匯車道區。在這種情況下，行駛在優先車道的車可以切入鄰車道而不違反RSS。但究竟哪個線路/車道有優先權，這可以透過交通號誌/法規來規範，而這些規則都必須納入到RoadBook的高解析地圖中。 

雙向車道交通 

在雙向道路情境，中線成為了道路的界線，當有車輛為了超越停在路邊的卡車或是要倒車駛入停車格而跨越中線，自然就違反交通規則。 

交通號誌 

設有交通號誌的交叉路口是以動態車道優先權的觀念建立模型。換言之，根據交通燈號規定某些車道擁有高於其他車道的優先權。  

非結構化(Unstructured)道路 

RSS還涵蓋像停車場這類非結構化道路區域，這類情境的關鍵概念是可預測性。當車輛在沒有劃線車道的環境中行進時，自駕車和人類一樣能根據目前行車軌跡預測出行進路線。如果車子偏離預測路線(行進方向變動)，必須預留足夠的距離以便讓來車也能調整方向。預留距離可以事先推算出來，因此如果變換行車方向時沒有預留安全距離，就會有肇事過失。 

事實上，英特爾與Mobileye已開始與BMW合作，依循這些概念針對自駕車規畫一個非排他性的平台，這也反映出參與夥伴將安全視為最優先要務的共同願景。若缺少可擴充的經濟模型，一般大眾永遠無法體驗到自駕車的真正潛力。 

(本文作者Amnon Shashua為Intel資深副總裁暨Mobileye執行長；Shai Shalev-Shwartz為Mobileye技術副總裁)