研究：自动驾驶多数场景下发生事故次数少于人类驾驶，但光线不足时除外-电子工程世界

6 月 19 日消息，当地时间 18 日，《自然・通讯》刊登了题为“自动驾驶与人类驾驶车辆事故的匹配案例对照分析”的最新技术研究。

该研究称，自动驾驶车辆在大多数场景下比人类驾驶车辆的事故更少，但在光线不足的情况下和转弯时除外 —— 此时自动驾驶比人类驾驶更难应对。

上述结论是中佛罗里达大学的两名研究员穆罕默德・阿卜杜勒-阿提（Mohamed Abdel-Aty）和丁胜宣（音译，Shengxuan Ding）提出的。两人收集了加州和美国国家公路交通安全管理局（NHTSA）的 2100 起事故数据，这些事故涉及配备了某种程度的自动驾驶或驾驶辅助技术的车辆。他们还收集了 35000 多起涉及非辅助人工驾驶的事故数据。

两名研究人员使用了统计匹配方法，来寻找在相似情况下发生的事故（相似因素包含路况、天气、时间及事故发生的位置，如十字路口或直道）。

Abdel-Aty 表示，总体结果表明，自动驾驶汽车“在大多数情况下通常表现出更高的安全性”。但分析还发现，自动驾驶汽车在黎明和黄昏时发生碰撞的风险是人工驾驶的五倍，在转弯时发生事故的几率几乎是人工驾驶的两倍。

丁胜宣表示，提高自动驾驶汽车在黎明和黄昏或转弯条件下的安全性非常重要，“关键策略包括增强天气和照明传感器，以及有效整合传感器数据。”

关键字：自动驾驶引用地址：研究：自动驾驶多数场景下发生事故次数少于人类驾驶，但光线不足时除外

上一篇：WePilot 高阶智能辅助驾驶解决方案丨文远知行确认申报2024金辑奖·
下一篇：特斯拉涉嫌垄断汽车维修和零部件，美国法官裁定车主可集体诉讼

推荐阅读最新更新时间：2026-03-21 11:02

规划模块在自动驾驶系统中主要干了啥事？

规划模块在自动驾驶系统中主要用来执行决定“行驶路径”与“行驶方式”的任务。它接收来自定位、感知、地图、预测等模块的信息，进行综合处理后，制定出一条既符合法规、保障安全，又尽可能舒适高效的行驶路线。规划模块并不直接控制车辆的转向或油门刹车动作，它提供的是参考路径与速度曲线，由控制器据此转化为具体的转向角与油门刹车指令。通过这样的分工协作，自动驾驶系统得以在复杂的交通环境中，将所感知的外部世界“翻译”为可实际执行的行驶动作。规划模块在车内如何工作？规划模块所承担的任务是多层次、多尺度的。从层级上看，可分为全局规划、行为规划与局部轨迹规划三个层面。全局规划负责从宏观层面确定自起点至终点的整体路线，它依赖路网地图与导航数据

[汽车电子]

规划模块在<font color='red'>自动驾驶</font>系统中主要干了啥事？

Waymo：“可验证安全”的自动驾驶人工智能

Waymo发布了一篇技术文章《Demonstrably Safe AI For Autonomous Driving》，随着Uber带着全球的Robtaxi探讨“能力”“规模”“商业化”的时候，Waymo 要开始重点强调“可验证的安全”？为什么它已经累计行驶超过 1 亿英里、并在真实运营中显著降低事故率，却依然要拆开系统、公开其 AI 架构细节？理解这些问题，其实是要解决Waymo和特斯拉的分歧，才能看清 Waymo 最新自动驾驶路线。自动驾驶被称为现实世界中最难的 AI 问题，现在不仅仅是端到端模型像不像人，在Robotaxi的领域，问题是能否“被证明是安全的”。 Waymo 的核心判断非常明确，安全是从

[汽车电子]

Waymo：“可验证安全”的<font color='red'>自动驾驶</font>人工智能

马斯克亲测无安全员Robotaxi自动驾驶网约车，直言体验“完美”

12 月 26 日消息，科技媒体 ilovetesla 昨日（12 月 25 日）发布博文，报道称特斯拉首席执行官埃隆・马斯克（Elon Musk）与 AI 总监阿肖克・埃卢斯瓦米（Ashok Elluswamy）近日在奥斯汀实测了无安全员的 Robotaxi 自动驾驶网约车服务。此次测试的关键突破在于“主驾无人”且“无安全员监控”。马斯克坐在副驾驶位完成了全程，他用“完美驾驶（Perfect driving）”来形容车辆的表现。为佐证马斯克的体验，特斯拉 AI 总监阿肖克・埃卢斯瓦米同步公开了一段第一视角视频，视频拍摄于 Robotaxi 后排，完整记录了车辆在奥斯汀真实交通环境中的运行状态。IT之家附上相关视频如下：

[汽车电子]

如何应对自动驾驶感知不一致的问题?

想实现自动驾驶，首先要做的就是感知周围的环境，这一感知流程并不是仅靠一台摄像头或一个雷达就可以完成的。为了能够确保足够的安全，做到感知冗余，需要摄像头、激光雷达（LiDAR）、毫米波雷达、超声波传感器、惯性测量单元（IMU）等传感器组合起来工作。每一种传感器有自己的优势和局限，摄像头擅长捕捉颜色和形状，但在强光、夜间光线不足的时候会受影响；激光雷达能输出精确的三维空间点云，但在雨雪等恶劣天气下可能受到干扰；毫米波雷达对速度测量很稳健，但分辨率没那么高。这些数据融合起来，可以建立一个准确的环境认知模型，为车辆决策和控制提供可靠的基础，这个过程就是常说的“多传感器融合”。图片源自：网络传感器越多，代表着感知的信息

[汽车电子]

如何应对<font color='red'>自动驾驶</font>感知不一致的问题?

如何降低自动驾驶VLA大模型推理时延？

随着高阶自动驾驶迈向“端到端”阶段，VLA（Vision-Language-Action，简称VLA）正在成为自动驾驶的最佳模型方案。VLA大模型通过统一建模视觉感知、语义理解与逻辑决策，使自动驾驶能够像人一样具备语义理解与推理能力，已成为目前业界突破自动驾驶“长尾场景”挑战的关键。然而，VLA大模型参数规模增长至数十亿，多模态数据在异构算力间流转处理，模型延时普遍超100ms，难达实时需求，亟需软硬件系统优化解决车载端异构计算协同问题。浪潮信息研究团队开源面向VLA大模型的自动驾驶计算加速框架AutoDRRT 3.0。该框架基于浪潮信息自动驾驶车载计算平台EIS400，针对复杂语义推理及极端长尾场景，通过在计算效率、通

[汽车电子]

如何降低<font color='red'>自动驾驶</font>VLA大模型推理时延？

自动驾驶半固态激光雷达是如何工作的？

自动驾驶技术的提升很大程度上取决于传感器技术的突破。作为自动驾驶感知层级的核心组件，激光雷达（LiDAR）一直被誉为车辆的“眼睛”。它能够通过发射激光束并接收反射信号，在极短的时间内构建出周围环境的高精度三维模型。在激光雷达的多种技术路线中，半固态激光雷达正逐渐取代传统的旋转机械式激光雷达，成为乘用车前装量产市场的主流选择。从扫描原理看激光雷达的分类激光雷达的工作原理是飞行时间法（ToF），即通过测量激光脉冲从发射到接触物体反射回来的时间差，来计算目标的距离。然而，单一的测距点无法构成完整的视觉，必须通过某种扫描机制让激光束覆盖整个视野。 ToF原理，图片源自：网络根据这种扫描机制的差异，激光雷达

[汽车电子]

<font color='red'>自动驾驶</font>半固态激光雷达是如何工作的？

什么是VLM？为什么它对自动驾驶很重要？

VLM，即视觉语言模型，简单理解下，其就是把“看见的东西”和“说出来的话”放在同一个脑子里理解的模型。我们平时把相机拍到的画面交给视觉模型去做检测、分割、深度估计这些任务，语音或文本交给语言模型去处理。图片源自：网络 VLM则是把视觉信号和语言信号放一起训练，使其可以把画面用语言来描述，也能把一句话转化成对画面的关注点和推理。对于自动驾驶来说，这种能力并不只是多了一套“能说话”的模型，而是在很多复杂场景里，它能把单纯的像素识别提升为语义理解。VLM能告诉汽车的不仅是“前面有个物体”，还能明确“这个物体的行为和上下文意味着什么、会不会带来危险”。这种语义层面的理解，对决策端的稳健性和可解释性都很关键。 V

[汽车电子]

什么是VLM？为什么它对<font color='red'>自动驾驶</font>很重要？

自动驾驶横纵向控制模块主要做什么？

前言日子过得真快，算算从事自动驾驶系统开发已经近10年了。当初入门便是从控制算法开发做起的，从最初调试PID参数、搭建纯跟踪几何模型，到后来优化LQR权重、打磨MPC预测时域，踩过的坑、解决的难题不计其数。在自动驾驶技术从“概念”走向“量产”的过程中，感知、规划模块常常是大众关注的焦点，但真正将决策意图转化为车辆实际动作的，却是横纵向控制模块。今天我们就聊聊，这个“幕后英雄”般的横纵向控制算法，在自动驾驶中到底扮演着怎样的角色，以及那些工程上常用的控制算法各自的优劣。 01 模块式自动驾驶方案的整体构架聊横纵向控制之前，得先明确它在整个自

[汽车电子]

热门资源推荐
热门放大器推荐

小广播

热门活动

换一批

■你晒单我买单2026第1期报名中，DigiKey得捷带您畅享好物！

■有奖直播：AI基础设施技术测试周

■免费申请《一本书讲透汽车功能安全：标准详解与应用实践》，挑战《ISO26262标准》共读，赢好礼

■装备焕新月：e络盟Multicomp Pro系列产品，小投入，大升级 —— 装备焕新惊喜体验