编辑推荐：
为探究自动驾驶汽车（AVs）脱离问题，研究人员分析加州数据，发现多因素影响，强调多维视角对保障 AVs 安全意义重大。
# 自动驾驶汽车安全研究新发现：多维因素影响脱离报告
在科技飞速发展的今天，自动驾驶汽车（Automated Vehicles，AVs）逐渐走进人们的视野，它被视为未来交通的变革性力量，有望大幅减少交通事故，缓解交通拥堵，提升出行效率。然而，AVs 的安全性却成为横亘在其广泛应用前的一座大山，让公众对其又爱又怕。
目前，AVs 的安全问题备受关注，尽管倡导者认为其能减少人为失误导致的事故，但实际情况却并不乐观。在 AVs 的发展进程中，从较低等级向更高等级（如从 3 级向 4 级）过渡时，脱离（disengagement）现象频繁发生，这使得完全自动驾驶的实现困难重重。所谓脱离，指的是自动驾驶模式的关闭或自动驾驶系统（Automated Driving System，ADS）的故障，此时需要安全驾驶员接管车辆控制权 。这一现象不仅反映出技术层面的不足，更暗示着背后存在着复杂的社会、环境等多方面因素。
为了深入剖析这一难题，来自韩国科学技术院（Korea Advanced Institute of Science and Technology）和荷兰特温特大学（University of Twente）的研究人员 Dasom Lee、Le Anh Nguyen Long、Moon Choi 等开展了一项极具价值的研究。该研究成果发表在《Heliyon》杂志上，为我们理解 AVs 的安全问题提供了全新的视角。
研究人员在此次研究中，主要运用了数据收集与分析的方法。他们从加州机动车管理局（California Department of Motor Vehicles，CA DMV）下载了 2019 - 2022 年的脱离报告和自动驾驶里程报告，这些数据涵盖了所有在加州进行 AVs 测试的公司信息，具有全面性和权威性。在数据处理过程中，研究人员对变量进行了细致的定义和编码，将脱离的原因分为技术、环境、人类等类别，并设置了多个独立变量，如部门（sector）、位置（location）、年份（year）、年度总里程（Annual Total Mileage）和年度总脱离次数（Annual Total Disengagement）等。之后，通过二元逻辑回归分析，探究各因素与脱离现象之间的关系 。
研究结果
- 描述性统计：对数据进行描述性统计后发现，在导致脱离的原因中，技术问题最为常见，其次是人为因素和环境因素。从地点分布来看，高速公路和街道上的脱离次数较多，而停车场和乡村道路的脱离次数相对较少，这与传统车辆的事故率分布情况相似。
- 脱离发起：研究结果显示，不同部门在脱离发起方面存在差异。与小型专注于 AVs 的公司相比，通信服务部门的公司人类发起脱离的预测对数优势降低；而工业部门的公司则相反，其人类发起脱离的预测对数优势增加。同时，地点也与脱离发起相关，乡村道路和街道上人类发起脱离的对数优势低于高速公路。此外，较新的脱离事件更可能由人类发起，且 AVs 测试的年度总里程增加也与人类发起脱离的比率升高有关。
- 脱离原因：在分析脱离原因时，研究发现不同部门在报告技术、环境和人类相关脱离原因的可能性上存在差异。例如，通信服务部门的公司报告技术和环境相关脱离原因的预测对数优势较低。从地点因素来看，乡村道路上环境相关脱离的预测对数优势增加，街道上技术相关脱离的预测对数优势增加，而人类相关脱离的预测对数优势降低。随着年份的增加，技术和环境相关的脱离增加，而人类相关的脱离减少。年度总里程增加时，技术和环境相关脱离增加，人类相关脱离略有减少；年度总脱离次数增加时，技术和环境相关脱离减少，人类相关脱离增加 。
研究结论与意义
综合来看，该研究表明目前正在测试的 AVs 3 级技术存在多种与脱离相关的因素，技术、环境、人类和组织这四个因素均与脱离模式相关。这一研究结果意义重大，一方面，揭示了组织因素对脱离发起的影响，不同行业的公司由于发展方向、行业期望和企业价值观的不同，在脱离发起上表现出差异；另一方面，发现技术和环境引发的脱离随着时间增加，而人类相关脱离减少，这与人们原本认为技术进步会减少各类脱离的预期不符。研究人员推测，这可能是因为工程师将 AVs 技术引入了更复杂的社会环境，使得车辆面临更艰难的决策。
该研究强调了理解 AVs 脱离的多维性的重要性，单一的技术改进无法完全解决 AVs 的安全问题，需要从技术、环境和人类等多方面综合考量。这为未来 AVs 的技术研发、社会应用和政策制定提供了重要的参考依据，只有全面考虑这些因素，才有可能推动 AVs 技术向更高等级发展，实现真正安全、可靠的自动驾驶 。
