导读：智能网联汽车是驾驶人和车辆合为一体的新型交通参与者，为使智能网联汽车像人类一样遵守法规、保障安全，公安部道研中心研究人员进行了针对性研究，提出了将交通法规和安全行车能力注入到智能网联汽车系统的方法，同时提出了构建相应学习、测评系统和工具的方法，填补目前行业空白，为扫清智能网联汽车落地障碍奠定基础。

智能网联汽车是未来技术和产业重要的发展趋势，并将带动整个道路交通系统向数字化、网联化、智能化方向发展。在智能网联汽车时代，交通管理面临着重大的机遇和挑战。机遇方面是：我国在智能化、网联化方面的技术优势，有可能转化为道路交通管理和交通安全治理的优势。美国已将发展智能网联汽车作为今后减少交通伤亡的最重要举措。欧洲也已制定战略，通过智能网联技术提升通行效率和交通安全。但交通安全优势需要较长时间才能显现。挑战方面是：智能网联汽车的发展，面临三大难题：技术、成本、安全。安全最重要，民众对机器驾驶的安全容忍度更低。有民调显示，民众对智能网联汽车可接受的安全水平与航空相同。安全分为三大方面：车辆安全、信息安全、交通安全。车辆和信息安全有相对成熟的技术保障，汽车等行业投入也较多。交通安全面临的挑战相对较大，一方面是需要更多的利益相关方去推动，把握发展和安全之间的平衡，实现“包容审慎”的监管；另一方面是紧迫性强。智能网联汽车具有显著的互联网特征，是软件定义、数据驱动的，在长期的技术和产品发展中，需要持续开展道路测试和示范应用，满足产品迭代发展的需求，这就会对道路交通安全带来挑战。

现状问题

目前智能网联汽车上道路行驶日益广泛，全国已有40余个测试示范区，北京测试区累计测试里程超过300万公里，相当于北京10万辆车一天的通行里程，百度2021年第二季度财报披露其测试里程已超过1200万公里。量产应用方面，辅助驾驶、L3、L4的渗透率也逐渐提升，国务院新能源汽车发展规划中，提出2025年要实现高度智能网联汽车在限定区域和场景的商业化应用。伴随着上道路使用的增加，智能网联汽车交通违法和事故却是不容忽视的。根据北京测试区的报告，智能网联汽车测试出现的问题中，有约30%是未能遵守交通规则（见图1）[1]。有关智能网联汽车的事故也是时有发生。

图1：北京场地测评中交通违法情况突出

交通违法、事故多发，暴露出智能网联汽车对交通法规、安全操作掌握的不足。人类驾驶人为了掌握交通法规、熟悉安全操作，需要进行严格的法规、技能、实际道路考试，还有违法、事故责任等手段让其强制遵守。而智能网联汽车在研发和测试过程中，涉及法规和安全的内容较少，并且考核定性、单一。交通法规、交通安全要素的先天不足，使得智能网联汽车的合规性、安全性难以得到保障。

应对策略

本文提出的总体思路是，将人类掌握的通行规则、安全文明驾驶能力、应急处置能力，数字化后，注入到智能网联汽车系统。具体通过两种办法来实现：一方面是交通法规的学习和遵守能力的验证；另一方面是典型中国交通状况的学习和应对能力验证。各国也有类似的做法。ISO和美国认为遵守法规、安全行车能力是智能网联汽车安全的重要内容。新加坡还出台了专门的标准，要求智能网联汽车遵守现行交通法规。英国计划在车辆安装安全芯片，实时监督智能网联汽车对法规的遵守和对安全的应对。

交通法规学习和遵守能力验证

法规遵守方面，可以应用交通规则遍历化学习验证的方法。具体依赖于三点，首先是要有适合智能网联汽车的交通法规库。其次是遍历化的场景，相当于考题。最后是高效的学习验证工具。

为了符合实际交通环境混行的需要，也为了减少政策法规成本，需要智能网联汽车遵守现有交通法规。但由于交通法规是给人看的，部分条款人能理解、机器却难以执行，如保持安全距离、安全超车、减速慢行、路口让行等，为了满足智能网联汽车自身特性，需要对法规进行数字化，对法规量化和编程，使机器可执行。具体来说，要把行车行为分解为单个的动作，每个动作都要给出具体的指标值，最终形成一条一条的程序语言。以超车为例，要分解为保持纵向距离、打左转向灯、变道、保持横向距离、加速、再保持纵向距离、打右转向灯、变道等8个步骤，这些安全距离、打灯时间、加速要求都要给出具体数值，最后变成程序语言。通过交通法规数字化，形成数字化规则库后，就可以借助交通法规场景，对被测车辆交通规则遵守能力进行学习和验证（见图2）。构建交通法规时，应尽可能涵盖各类诱发违法的因素。

图2：部分超车测试场景示意

将被测系统和交通法规场景接入仿真学习验证工具，仿真平台运行交互后，形成车辆的行车轨迹等各类操控参数，对照数字化规则库，就可以借助专用工具进行合规性评判（见图3）。

图3：交通规则仿真测试示意

交通冲突应对能力验证

交通冲突场景包含了复杂场景、困境场景、边缘场景、危险场景、事故场景，代表了典型的中国交通状况，是验证智能网联汽车安全应对能力的有效载体。交通冲突应对验证（见图4），同样依赖于三点，首先是科学的定量化指标[2]，其次是经得起推敲的场景库，再次是高效的工具。在交通冲突验证中，安全是第一优先级，为了安全，最好综合考虑时间、距离、速度、交通工具和环境的工程特性等指标，进行多维评估。

图4：智能网联汽车交通冲突评判示意

预期应用

通过不断推进智能网联汽车法规、安全应对学习验证技术在智能网联汽车交通安全领域的应用，除保障智能网联汽车交通安全外，还可以支撑智能网联汽车交通安全法规制度的构建和完善，以及整个道路交通安全数字化、智能化水平的提升。在制度构建支撑方面，上述研究结论可以应用在车辆标准、车辆登记、车辆年检、道路执法、事故责任认定、通行道路管理等各个方面。另外，上述研究通过对交通法规、交通冲突的定量化，以及将交通场景数字化，可使传统道路交通管理的数字化、智能化水平产生更高水平的提升。如利用数字化场景，可以进行场景式、交互式的培训、考试，也可实现靶向精准宣传，交通违法、事故的评判，也可以更量化、更规范。

参考文献

[1] 北京市智能网联汽车车辆道路测试报告《2020年》.

[2] Shai Shalev-Shwartz, Shaked Shammah, Amnon Shashua. On a Formal Model of Safe and Scalable Self-driving Cars.

（文 / 公安部道路交通安全研究中心 周文辉，原载于《汽车与安全》杂志机动车登记查验专栏，2021年第11期）

编校丨李芸玥 蒋莉莉

合作联系方式：18515441838，标注“合作”。

欢迎加入智能交通群！标注”加群“。