據報道，美國當地時間3月19日凌晨，Uber一輛自動駕駛汽車在亞利桑那州坦佩市（Tempe）撞死了一名橫穿馬路的婦女。這也是全球首例自動駕駛汽車在公共道路上發生的第一起致人死亡的事故。因此，這也引發了全球對于這起自動駕駛汽車事故的廣泛關注，一時間不少人紛紛質疑自動駕駛汽車的安全性。

目前，Uber已經在其所有正在進行路測的城市，包括匹茲堡、多倫多、舊金山和鳳凰城停止了所有的自動駕駛路測。同時，Uber發表聲明稱，他們將最大程度彌補受害者家屬，并充分配合地方當局的調查。

事故責任不在于Uber？

就在外界紛紛指責Uber和自動駕駛技術之時，利桑那州坦佩警察局局長卻表示，根據事故的初步調查顯示，在此次交通事故中，Uber可能不存在過錯。

從Uber自動駕駛汽車配備的攝像頭拍攝的視頻看，事故發生時，該婦女橫穿馬路的方式，無論當時Uber的自動駕駛汽車是在有人駕駛還是自動駕駛模式下，都很難避免該起事故的發生。

Uber的自動駕駛測試車前排座位上的司機也表示，因為受害人的突然出現在他們面前的，根本反應不過來。他所收到的第一個交通事故警報，就是二者相撞的聲音。

同時，美國國家運輸安全委員會前主席馬克·羅森克也稱，公眾不應對Uber自動駕駛汽車致死事故反應過度。他提醒稱，美國平均每年發生逾600萬起交通事故，造成6000名行人和近40000人死亡。“但這起事故仍將是一個阻礙，我們必須設法應對來重獲公眾對自動駕駛汽車的信任，”他說道。

但值得強調的是，此次事故發生地區限速為每小時35英里（約56公里），但Uber汽車當時速度為每小時38英里（約61公里）。顯然，超速可能也是造成這起事故發生的原因之一。

揭秘Uber自動駕駛系統

事實上，意外進入行駛路徑的人或物幾乎是自動駕駛汽車工程師首先考慮的突發事件。這種情況有很多，例如前方突然停下來的汽車、一只鹿、過路的行人。工程師在設計自動駕駛系統時會盡早發現他們，確認并采取適當措施，可能會減速、停車、迂回等。

一般來說自動駕駛汽車都會配備多套安全系統，就算一個系統失效，另一個系統也應該能夠發揮作用。除非所有系統都出現故障外，一般很難會發生這樣的致死事故（當然，除了那些無法預測的一些突發情況，比如正常在人行道上行走的行人突然沖入到自動駕駛汽車前，無論是人類司機駕駛的汽車還是自動駕駛汽車都根本沒有足夠的時間采取措施，從而避免事故發生）。

Uber自動駕駛汽車配備了一整套傳感器

Uber自動駕駛汽車配備了多個不同的成像系統，它們既可以執行普通任務（監控附近汽車、標記和車道線），也可以執行特殊任務，例如上述讓汽車減速等措施。在這起事故中，能夠拯救受害者的圖像系統應該不少于四個。

頂部激光雷達

這個位于汽車頂部的桶狀物體就是激光雷達系統，它能夠以每秒多次的速度生成汽車周圍的3D成像。激光雷達使用了紅外激光脈沖，遇到物體后會反彈，返回到傳感器，從而在白天或晚上相當細致地偵測靜止和移動的物體。

大雪和濃霧會讓激光雷達的激光器變得模糊，準確性會隨著距離的變長而降低，但是在幾英尺到幾百英尺內，頂部激光雷達依舊是非常重要的成像工具，幾乎存在于每輛自動駕駛汽車上。

激光雷達生成的影像

如果頂部激光雷達單元運行正常，在沒有被完全遮擋的情況下，它應該能夠分辨出受害者。同時，汽車距離行人還有100多英尺遠（30多米），可以把行人成像傳送給“大腦”進行核對。

前端雷達

和激光雷達一樣，雷達發出信號，等待它彈回，但使用的是無線電波，而不是激光。這使得雷達具有更強的抗干擾能力，因為無線電可以穿透雪和霧，但是也會降低分辨率，改變其距離像。

特斯拉自動駕駛系統Autopilot主要依賴雷達

根據Uber部署的雷達數量不同，它所提供的距離像可能存在巨大差異。Uber很可能在汽車前后部署了多個雷達，以實現360度無死角覆蓋。如果Uber是為了給激光雷達提供補充，那么雷達與激光雷達的成像可能會存在大幅重疊，但是更多雷達可以用于偵測其他車輛和更大型障礙物。

短焦和長焦光學相機

激光雷達和雷達易于確定物體的形狀，但并不擅長讀取標記，理解物體顏色等。這個任務就交給了可見光相機，它內置了精密的計算機視覺算法，能夠對成像進行實時分析。

Uber自動駕駛汽車上的這些相機密切關注標志著汽車剎車（突然亮紅燈）、交通燈以及穿越十字路口行人的指示器標記。汽車前端尤其會使用多角度、多種類型的相機，這樣才能獲取汽車前進道路的完整圖像。

偵測行人是工程師們試圖解決的最常見問題之一，這種算法已經非常成熟。這一過程通常被稱作“分割”圖像，一般還會涉及標記、樹木、人行動等。

光學相機拍攝的圖像

對于相機來說，夜間工作很困難，這是一個顯而易見的問題。不過，這個問題交給前兩個系統來解決，激光雷達和雷達能夠在夜間工作。即便是在伸手不見五指的環境下，穿著全黑衣服的人也能夠被激光雷達和雷達識別。隨后，這些雷達就會向汽車發出警告，應該減速或者通過汽車大燈確認行人。這可能就是自動駕駛汽車通常沒有夜間視覺系統的原因。

安全司機

人類很擅長發現障礙物，即便是人眼沒有激光器。人類的反應時間不是最好的，但是汽車不會作出反應或者作出錯誤反應，經過訓練的安全司機會作出正確反應。

值得指出的是，自動駕駛汽車中還有一個中央計算單元，它能夠收集各個傳感器提供的信息，然后生成一個更加完整的汽車周圍環境成像。

而處于路測當中的自動駕駛汽車一般都會配備安全司機。

小結：

雖然目前這起事故仍處于調查當中，但不論最終結果如何，都將會對自動駕駛測試的未來以及自動駕駛汽車道路上的使用產生巨大的影響。或許，因為此次事故，全球各地的無人駕駛路測監管將進一步加強力度。