2017年2月初，美国加州车辆管理局(DMV)披露了11家自动驾驶系统公司的年度路测数据，包括梅赛德斯、谷歌母公司 Alphabet 旗下 Waymo、通用汽车旗下 Cruise、特斯拉、BMW、福特(实际有数据报告的公司有9家，本田和大众汽车去年并未在加州进行测试)等。其中每家公司“脱离报告”的数据特别值得关注与探讨。
在加州DMV的法规中，对于自动驾驶测试定义了一个专有名词“脱离(Disengagement)”，以此来衡量自动驾驶技术的成熟度。
自动驾驶模式中的“脱离”是指在自动驾驶测试中，系统无法进入自动驾驶模式或终止自动驾驶模式改由人工控制的情况，即车辆驾驶员必须手动接管驾驶的情况。
根据相关法律法规，从2015年开始，获得自动驾驶牌照并在加州测试的公司每年都要向DMV汇报路测数据，今年是第二次提交。报告主体内容包括：自动驾驶汽车路测里程、脱离次数和原因等，亦即脱离报告(Disengagement Report)。脱离报告数据是一个衡量自动驾驶汽车实际运行性能的重要指标，在某种程度上来说
，受试车辆脱离的次数越少，表示自动驾驶系统越稳定，因此可以把脱离报告看作自动驾驶系统公司的路测成绩单。
一、9家公司的系统脱离报告关键指标
加州定义的“Program Participant Annual Reporting of Disengagement”里，内容主要是技术失效原因造成的系统脱离(Failure of the Autonomous Technology Detected)和车辆安全运行状态，需要测试员进行立即接管(Safe Operation Requires Control by the Driver)两种。前者要求自动驾驶系统需要有完整的诊断机制，后者是对高阶自动驾驶车辆测试员的要求，即自动驾驶测试员需要根据自身的判断对车辆进行介入，手动控制车辆。除此以外报告里面要求：
·总的系统脱离报告
·脱离时的环境和测试条件
·当时的位置和环境(比如高速路、乡村道路和停车设施)
·气候条件、道路环境的简要介绍
·总的每台车的在公共道路条件下所行驶的里程
·自动驾驶提示报警到驾驶员接管的时间间隔
在DMV公布的测试报告里， 每家公司实际提供的信息都有差异，汇总这9家公司脱离报告中的关键数据如下表：
表：九家自动驾驶公司2016年加州路测关键数据汇总对比汽车厂商
二、Google/Waymo自动驾驶系统路测关键数据分析
从上表的数据对比能够看出来，
过去1年多时间里，Google在自动驾驶的路测方面处于领先水平，不仅测试里程数达到635868英里，而且“脱离”频率为5128，也就是说每5128英里需要人工干预一次。对比分析Google近这两年的数据里面可以看到很多进步：
·2016年 Waymo 无人驾驶车辆在行驶里程增加50% 的情况下，因为自动驾驶系统的内生软件和硬件的失效原因导致的需要让驾驶员接管的情况大幅减少，从原来的每千英里平均0.8次下降到了0.2次；
·Waymo自动驾驶系统性能的优化，使得驾驶员观察到的情况和安全阈值与自动驾驶的情况更为接近，从而降低了人为介入的次数；
·整个系统对加州的天气适应性更好了。
Waymo自动驾驶2015年和2016年部分测试指标对比
从Google/Waymo 2016年造成系统脱离的具体原因看，软件故障、自动驾驶系统对车辆的有些机动操控和对周围环境的感知差异占到了整个脱离原因的绝大部分。
Google/Waymo的系统脱离原因占比
三、当前自动驾驶测试所处级别的判断
从路测成绩最好的Google/Waymo的整个测试和运行的情况，Google/Waymo系统是按照L3级的模式来进行测试的，对安全测试员的要求甚至需要L2级，亦即驾驶员需要更多地关注甚至参与到驾驶测试过程中。
·在整个系统设计上，Google/Waymo采取了两套自动驾驶的系统，在诊断上做了千项/秒[Tina1] 的查询方式：
o 主控制和备份控制系统需要通信确认
o 车辆传感器输出错误和其他放置的感知数据(加速度计+GPS)
o 转向和刹车系统的状态反馈信息自动驾驶
Google 自动驾驶系统的运行方式概览
·正因为在测试过程中有以上这些诊断要求，所以在系统出现问题的时候需要驾驶员立即接管，实际的接管时间如图4所示
o 发生系统退出的道路场景中，大部分是城市街道道路；
o 安全驾驶员需要对测试车辆的运行情况予以负责，所以从故障灯亮起到驾驶员接管的时隔，大部分都在2秒之内；
o 在两次高速道路中，反应的时间为0.1和1.1秒
软件故障出现之后驾驶员的接受时间统计
Vinayak V. Dixit等去年12月发表的一篇名为《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》的文章中，基于Mercedes-Benz公司和Google公司的自动驾驶测试数据，分析了两家的系统在不同诱因和不同的道路条件下，对系统脱离做出响应的时间做了一些分布对比，见下图。研究者将两家公司的各类脱离反应响应时间数据进行合并分析发现，无论是不同的诱因(行人、骑行者、其他车辆的非常规行为等)还是不同的道路条件(城市街道与非城市街道)下，两家公司的系统的脱离后响应时间均值都没有统计学差异。
不同分类的响应时间的概率密度
从广义是来看，这些车企在测试的和在做的，都是探测从L2级到L3级，自动驾驶车辆会遇到哪些问题。这些实验驾驶员都得用着L2级的心思来探测周边环境，把他的反应和自动驾驶的性能进行结合对比。在报告里面，Google/Waymo开发的这个基于事件记录信息和后续回放仿真的系统(power simulator program)，就是整个测试改进的重要手段了。
在《Autonomous Vehicles: Disengagements, Accidents and Reaction Times》一文中列举了DMV发布的2014年9月到2015年11月的自动驾驶试验车辆发生的事故，这些事故多数系在城市街道交叉口附近的低速情况下发生。其实后来Google汇报的最多，也占了挺大的一部分，分析这些公开数据，有助于我们可以找到自动驾驶车辆在公共道路试跑的真实效果，以及寻求解决所存在问题的方法。
自动驾驶车辆涉及的事故
四、对自动驾驶技术发展的展望
1) 目前，自动驾驶实验车辆的技术所能达到的最高的水准也只是L3这个阶段，所以各个车企都在努力；如果媒体过度渲染其技术水平，那么在各种系统脱离和系统性能缺陷下，驾驶员是要自己负责的。
2) 在发展自动驾驶技术的时候，可以借鉴DMV的做法，给一些定性的要求，让测试企业逐渐把自动驾驶的一些基本信息予以公布，让消费者逐渐了解整个系统的成熟度。
3) 整个自动驾驶的开发和验证方法，可以说与之前有挺大的区别，也不仅仅是依靠传统的Tier1的技术成熟和演进，也需要新的工具和新的机制，这些都需要有个建立的过程，甚至是整个开发的形式与生态的存在形式。
