版权申明：本站为公益科普网站，版权归原作者所有，如有侵权，请联系我们
发布时间：2026-10-26 来源：中国科普作家协会
2018年3月18日晚上9点58分，美国亚利桑那州坦佩市发生了一起不太寻常的车祸：一辆汽车撞上了一位正在过马路的行人。这起车祸最不寻常之处，在于这辆汽车上没有驾驶员，而是经过优步公司改装的测试车，搭载的是当时正在测试的自动驾驶系统。虽然驾驶座上坐着一名安全员，但此时真正控制汽车行驶的是AI。根据美国媒体事后还原，当时夜色已深但道路干燥，街灯照亮了路面。一名推着自行车的女性行人正在过马路，但优步公司改装后的测试车继续向前，撞倒了这位行人并导致其不幸身亡。
一场原本旨在探索未来交通方式的技术测试，就这样酿成了一起致命事故，也留下了一个值得追问的问题：当危险突然出现在前方，自动驾驶汽车究竟应该如何作出安全处置？首先需要明确的是，上述案例与电车难题的情况不同。人机共存语境下，生命优先是不容置疑的原则，关键问题是如何让自动驾驶系统作出更为准确地判断，从而更有效地避免生命损失。
要避免类似悲剧，首先需要解决的是自动驾驶中的“长尾场景”问题，也就是那些在日常驾驶中很少出现、却可能造成严重后果的情况。比如行人突然从停靠的汽车后面冲出来，前车毫无征兆地急刹车，或者暴雨、浓雾等让摄像头难以识别的路况。尽管每种情况发生的概率可能都不高，但现实道路千变万化，这些罕见情况加在一起，就成了自动驾驶汽车技术必须攻克的问题。
人类驾驶员遇到长尾场景时，可以基于经验作出判断。为避免悲剧发生，自动驾驶系统责需要在平时的场景训练中多加入一些不常见的干扰因素，比如前车急刹车、行人突然出现等等。考虑的越周全，正确处置长尾场景的能力就越强。但问题是，即使一套系统已经接受过数百万公里的驾驶训练，也不意味着它见过所有可能发生的情况，总会有训练数据中极少出现的场景，使系统可能作出错误判断。所以自动驾驶还需要遵循“风险最小化”的原则。
这意味着，车辆不能只考虑怎样最快到达目的地，还要持续评估各种行动可能带来的碰撞风险。当前方突然出现行人时，系统默认的第一选择应当是减速与制动。转向避让只有在交通规则允许、且不会主动把旁边骑行者或其他交通参与者置于新的危险中时，才能作为受限的辅助手段。需要综合车辆速度、制动距离、周围状况等信息，能否在安全边界内降低碰撞概率与后果。风险最小化并不意味着可以随意违反交通规则，在不同交通参与者之间做“撞谁更划算”的比较。交通规则和安全约束应当贯穿整个决策过程，只有在确实面临紧急危险时，才需要根据具体情况采取必要的避险措施。
当然，即使这二者都做到了，汽车在行驶过程中依然可能遇到极端突发状况。如果自动驾驶系统发现自己已经无法安全行驶，该怎么办？这就涉及“最小风险状态”。比如暴雨严重影响道路识别能力，系统可能已经无法可靠判断前方情况。它不应该继续冒险行驶，而应当通过减速、停车等措施，尽可能将车辆带入安全状态。具体如何操作，还取决于道路环境和车辆自身能力，并非任何情况下都应该立即原地停车。
实际上，我国在监管层面已开始布设可检验的安全基线，今年《智能网联汽车自动驾驶系统安全要求》（GB 44721—2026）强制性国家标准正式发布，明确要求自动驾驶系统“明确最小风险策略的触发和执行要求”，并规定系统安全水平应“至少达到合格且专注驾驶人的水平”，在中国现行政策下，“最小风险状态”已经不是一个纯粹的技术选项，而是正在被纳入准入标准的强制性要求。
回到本篇开始美国那起事故。根据美国国家运输安全委员会的调查，系统在碰撞前5.6秒左右就已经探测到那位不幸的推车女士，却始终未能正确将其识别为行人，也没有正确预测其行进路线。直到碰撞前约1.3秒，系统才判断出需要紧急制动，但这时车辆原有的自动紧急制动功能在自动驾驶模式下已被禁用，优步测试的系统也无法执行紧急制动操作。
上述两个失效点指向同一个设计问题：感知不确定时的保守减速、以及紧急制动能力，都没有被作为不可关闭的硬约束预先写入系统，而是留给了运行时的临场判断。如果“无法确定前方物体是什么就自动降级减速”是一条预先内嵌且不能被自动驾驶模式禁用的规则，这起事故有较大可能被避免或减轻。
从长尾场景的识别，到风险最小化的决策，再到必要时进入最小风险状态，自动驾驶的安全保障实际上贯穿了整个行驶过程。因此，最小风险不是系统“想起来才操作”的动作，而应当是设计阶段就固化、在能力不足或感知不确定时自动触发的底线。未来的自动驾驶汽车也许会比人类驾驶员反应更快，但只有时时以人的安全为第一位，才能真正让交通便捷无忧。
作者：张周项，中国日报社欧盟分社首席记者、高级记者
审核专家：王珏，中国传媒大学动画与数字艺术学院副教授
图片来源：科普中国素材库
发布时间：2026-10-26 来源：中国科普作家协会
2018年3月18日晚上9点58分，美国亚利桑那州坦佩市发生了一起不太寻常的车祸：一辆汽车撞上了一位正在过马路的行人。这起车祸最不寻常之处，在于这辆汽车上没有驾驶员，而是经过优步公司改装的测试车，搭载的是当时正在测试的自动驾驶系统。虽然驾驶座上坐着一名安全员，但此时真正控制汽车行驶的是AI。根据美国媒体事后还原，当时夜色已深但道路干燥，街灯照亮了路面。一名推着自行车的女性行人正在过马路，但优步公司改装后的测试车继续向前，撞倒了这位行人并导致其不幸身亡。
一场原本旨在探索未来交通方式的技术测试，就这样酿成了一起致命事故，也留下了一个值得追问的问题：当危险突然出现在前方，自动驾驶汽车究竟应该如何作出安全处置？首先需要明确的是，上述案例与电车难题的情况不同。人机共存语境下，生命优先是不容置疑的原则，关键问题是如何让自动驾驶系统作出更为准确地判断，从而更有效地避免生命损失。
要避免类似悲剧，首先需要解决的是自动驾驶中的“长尾场景”问题，也就是那些在日常驾驶中很少出现、却可能造成严重后果的情况。比如行人突然从停靠的汽车后面冲出来，前车毫无征兆地急刹车，或者暴雨、浓雾等让摄像头难以识别的路况。尽管每种情况发生的概率可能都不高，但现实道路千变万化，这些罕见情况加在一起，就成了自动驾驶汽车技术必须攻克的问题。
人类驾驶员遇到长尾场景时，可以基于经验作出判断。为避免悲剧发生，自动驾驶系统责需要在平时的场景训练中多加入一些不常见的干扰因素，比如前车急刹车、行人突然出现等等。考虑的越周全，正确处置长尾场景的能力就越强。但问题是，即使一套系统已经接受过数百万公里的驾驶训练，也不意味着它见过所有可能发生的情况，总会有训练数据中极少出现的场景，使系统可能作出错误判断。所以自动驾驶还需要遵循“风险最小化”的原则。
这意味着，车辆不能只考虑怎样最快到达目的地，还要持续评估各种行动可能带来的碰撞风险。当前方突然出现行人时，系统默认的第一选择应当是减速与制动。转向避让只有在交通规则允许、且不会主动把旁边骑行者或其他交通参与者置于新的危险中时，才能作为受限的辅助手段。需要综合车辆速度、制动距离、周围状况等信息，能否在安全边界内降低碰撞概率与后果。风险最小化并不意味着可以随意违反交通规则，在不同交通参与者之间做“撞谁更划算”的比较。交通规则和安全约束应当贯穿整个决策过程，只有在确实面临紧急危险时，才需要根据具体情况采取必要的避险措施。
当然，即使这二者都做到了，汽车在行驶过程中依然可能遇到极端突发状况。如果自动驾驶系统发现自己已经无法安全行驶，该怎么办？这就涉及“最小风险状态”。比如暴雨严重影响道路识别能力，系统可能已经无法可靠判断前方情况。它不应该继续冒险行驶，而应当通过减速、停车等措施，尽可能将车辆带入安全状态。具体如何操作，还取决于道路环境和车辆自身能力，并非任何情况下都应该立即原地停车。
实际上，我国在监管层面已开始布设可检验的安全基线，今年《智能网联汽车自动驾驶系统安全要求》（GB 44721—2026）强制性国家标准正式发布，明确要求自动驾驶系统“明确最小风险策略的触发和执行要求”，并规定系统安全水平应“至少达到合格且专注驾驶人的水平”，在中国现行政策下，“最小风险状态”已经不是一个纯粹的技术选项，而是正在被纳入准入标准的强制性要求。
回到本篇开始美国那起事故。根据美国国家运输安全委员会的调查，系统在碰撞前5.6秒左右就已经探测到那位不幸的推车女士，却始终未能正确将其识别为行人，也没有正确预测其行进路线。直到碰撞前约1.3秒，系统才判断出需要紧急制动，但这时车辆原有的自动紧急制动功能在自动驾驶模式下已被禁用，优步测试的系统也无法执行紧急制动操作。
上述两个失效点指向同一个设计问题：感知不确定时的保守减速、以及紧急制动能力，都没有被作为不可关闭的硬约束预先写入系统，而是留给了运行时的临场判断。如果“无法确定前方物体是什么就自动降级减速”是一条预先内嵌且不能被自动驾驶模式禁用的规则，这起事故有较大可能被避免或减轻。
从长尾场景的识别，到风险最小化的决策，再到必要时进入最小风险状态，自动驾驶的安全保障实际上贯穿了整个行驶过程。因此，最小风险不是系统“想起来才操作”的动作，而应当是设计阶段就固化、在能力不足或感知不确定时自动触发的底线。未来的自动驾驶汽车也许会比人类驾驶员反应更快，但只有时时以人的安全为第一位，才能真正让交通便捷无忧。
作者：张周项，中国日报社欧盟分社首席记者、高级记者
审核专家：王珏，中国传媒大学动画与数字艺术学院副教授
图片来源：科普中国素材库
