宁波高速“810事故”深度解剖，辅助驾驶系统为啥难以识别静止车辆？

8月10日，宁波高架路段发生一起碰撞事故，下文统称为“810事故”。自称肇事车主在聊天群透露的相关信息如下：

1、驾驶车辆为小鹏P7，事发时车主开启了LCC功能，定速80km/h。

2、车辆的辅助驾驶系统为小鹏汽车的XPILOT 2.5版本

3、事故发生前车辆没有预警。

LCC为车道居中保持功能，开启状态下，车辆的ACC自适应巡航功能也会自动开启，反之则不成立。

涉事汽车小鹏汽车官网显示，其XPILOT 2.5系统的相关硬件信息如下：

典型的“摄像头+毫米波雷达”的辅助驾驶方案。该方案是以摄像头为主，毫米波雷达为辅的辅助驾驶感知方案。

碰撞发生前几个细节值得注意（下文的分析中会重点提及）：1、被撞目标车辆处于静止状态；2、人在车后，在二维空间里与车辆处于同一平面；3、车辆停靠在高速石墩旁边。

关于本次事故，《圆周智行》咨询了业内不少自动驾驶从业者的看法。顺着逻辑线逐一排查，相关资料整理如下：

摄像头有没有识别到车辆？

众所周知，摄像头工作最大的障碍就是光线，比如阴天，夜间，隧道等场景。出隧道瞬间光线反差等情况下容易出错。

根据车辆碰撞画面显示，事故发生在白天，高速上光照条件良好，而且不存在刚出隧道的光线逆差。

在传感器设备上，小鹏汽车XPILOT 2.5版本最早在2019年在小鹏G3i上车，一年后在小鹏P7上车。彼时业内主流的车前摄像头方案是2MP或者3MP。不管任何一种设备，理论上来说，应对这种场景不成问题。

合理的推断是，摄像头看到了当时的场景。

那么，既然摄像头看到了，为什么系统没有采取措施？

大部分工程师认为，这一次，算法需要背锅。

摄像头方案非常依赖算法，算法需要大量的数据训练，这就需要保证数据的无限性和有效性。无限性指的是数据量足够多，有效性指的是对算法训练有帮助的数据。然而，现实情况是，世界上每天都在产生无穷无尽的海量场景，摄像头不可能穷尽所有场景。

这种情况下，就可能出现算法“不认识”的情况。

视觉算法辅助驾驶的数据训练流程如下：传感器搜集数据，系统对数据进行清洗，分类等工作。清洗的目的是剔除对算法训练无用的数据，分类就是按照场景对数据进行分类，比如夜间，白天，雨天等。

之后，对整理好的数据进行标注。可以理解成给数据“打标签”，以此确定目标种类，一个目标可能被标注无数个标签框，这个需要人为界定，其核心就是要确定目标的属性。比如以一只猫为例，耳朵、眼睛、鼻子等特征都可以被作为标注对象，通过这些具象标注，系统判定它是一只猫。最后送入算法库，供算法进行学习训练。

前不久小鹏汽车车内DMS由于用户眼睛小而出现无法识别的情况，就存在数据标注的情况，如何界定这些边界，在于标注的手法。

回到本次事故，有不少人认为，是数据标注环节出了问题。目前数据标注对单独的后车尾门以及人的标注已经非常成熟，但事故发生时有一个细节值得注意，人站在后车尾处。当系统对数据对其进行标注时，人与车重合被系统当做一个整体来标注，当这种“异形体”被标注送入算法时，算法没有“训练过”，根本“不认识”它。

摄像头看到的目标是二维信息，呈现的是一张图片，对于没见过的东西，算法无法通过一张图片判定它到底是什么。

这里再延伸一点，如果是激光雷达，可以“描绘”出物体的三维轮廓，也许能够避免事故的发生。

所以，一种可能的解释是，摄像头看到了，但算法没有经过相关训练，“不认识”，直接屏蔽了。

排除摄像头的作用。那么，毫米波雷达有没有识别到车辆呢？

不少工程师给出的猜测是，不确定。

这还要从毫米波雷达的作用说起。其主要作用是测距和测速。

毫米波雷达的工作原理基于多普勒效应。当声音、光和无线电波等振动源与观测者以相对速度v运动时，观测者所收到的振动频率与振动源所发出的频率有不同。

当发射的电磁波（自车）和被探测目标（前车）有相对移动，回波的频率和发射波的频率不同。当目标向雷达天线靠近时，反射信号频率将高于发射信号频率；反之，当目标远离天线而去时，反射信号频率将低于发射信号频率。由多普勒效应所形成的频率变化叫做多普勒频移，它与相对速度v成正比，与振动的频率成反比。

如此，通过检测频率差，可以测得目标相对于雷达的移动速度，也就是目标与雷达的相对速度。根据发射脉冲和接收的时间差，可以测出目标的距离。

毫米波雷达多用于ACC自适应循环的原理就在于此。通过控制车速来控制车距，从而达到自动跟车的目的。

回到宁波“810事故”，问题的关键就在于，事故发生时，目标物体处于静止状态，且停在高速最左侧的石墩边上。

多普勒效应检测回波的特性是：动动易感，动静难感，静静无感。解释为，动态对动态易感知、动态对静态难感知、静态对静态超难感知。原因在于，如果前方车辆静止，目标回波很容易和地杂波等掺杂在一起。

此外，毫米波无法显示高度和空间信息，当静止的车辆和路边的石墩回波“融合”在一起，很难判断物体的具象。如果判定为障碍物刹车的话，很可能出现“幽灵刹车”的情况，影响用户体验，而且极易发生追尾的情况。大部分雷达公司都会选择直接“过滤”掉这些静止物体。

有工程师强调，不管毫米波雷达有没有检测到物体。这是一套“视觉为主，毫米波雷达”为辅的视觉感知方案。LCC功能开启时，摄像头负责分辨目标是什么，毫米波负责目标的速度和距离。二者分别输出目标感知结果，系统根据融合数据，做出驾驶决策。如果在摄像头阶段，系统已经做出了“无视”该目标的判断，毫米波雷达看没看到也意义不大了。

最后，还有一个问题：AEB为什么也没有起作用？

目前有两种猜测

一、AEB（自动紧急制动）不在工作速域范围内。

很多人不知道的是，AEB其实有工作速域范围，有最高和最低速度限制，并非全速域工作。

目前，业内对AEB的工作速域范围没有统一标准。上限设定70km/h，80km/h，甚至更高的都有。原因是防止突然急刹，对车内人员胸部压力过大造成伤害，以及追尾等安全事故。

根据车主在聊天群里的描述，LCC开启状态下速度设定为80km/h。不知道该车型的AEB速度上限是多少，是否超出了AEB的工作范围。

二、也有另一种可能。有工程师表示，目前除了理想和特斯拉自研的AEB，业内基本都是采用供应商的AEB方案，都需要依靠毫米波雷达来进行感知工作。这又回到了上文毫米波雷达对静止物体的识别问题。可能没有检测到目标物体。

以上均为根据实际信息的合理推测，真实原因等待官方调查结果。

推荐阅读：