遵循交通规则还不足以让机器像人一样开车。
工程师一直在推动自动驾驶汽车的使用。逻辑也很简单：为汽车配备摄像头和各类检测器，跟踪周围所有物体，教车载计算机了解交通规则，让它们自行导航到目的地。
这样的想法大致合理，并不神奇，只是对人类驾驶的模仿。不过，机器驾驶无法模拟人类复杂的社交能力。譬如，无法与他人进行眼神交流以确认谁拥有通行权，难以理解周边车辆、行人的行为或手势，因此常有一些愚蠢表现。这些交流示意难以用清晰明确描述，即使在人眼中很“简单”，也隐藏着非常复杂的社交规则。
2016年冬，汽车进入城市。澎湃新闻记者 周平浪 图
社交互动的规则，是当前阻碍自动驾驶实现的一个深坑。例如，人行横道边上，行人低头看手机，人类司机会根据自身的经验，来判断此人是站在原地不动，还是心不在焉边看手机边准备过马路；而机器驾驶难以对此作出判断。即便机器驾驶能够判断这类场景，也难免滑入被路人故意设好的社交陷阱。这已被诸多试验证明。
自动驾驶车辆各类检测器的数据质量与费用比较的趋势，
source：Autonomous Cars, Robotaxis & Sensors 2022-2042，Dr James Jeffs，2021.8
因此，制造检测器、计算芯片、自动驾驶组件的公司，这两年已取代自动驾驶整车公司，成为资本宠儿。许多人已把自动驾驶行业类比为手机行业。在手机行业里，要么成为有生态圈的苹果、谷歌等，要么成为做芯片、重要元器件的供货商，否则，只能赚点组装厂的微薄利润。即便打着高科技旗号，也改变不了以摆弄螺丝刀为核心技术的角色。
也许，自动驾驶的产业格局，已经快要成型了。
人类司机和自动驾驶车辆遵守交通规则的过程
自动驾驶车辆的种类很多。有常见的小汽车、出租车、公共汽车，还有这几年成为投资重点的货车、外卖快递投递车和农用机械拖拉机等。凡是公共道路上使用的运载工具，大致都可归入自动驾驶车辆（vehicles）。
公共道路上场景的不确定性和其数量的无尽性，迫使自动驾驶车辆不能像普通的自动化机械一样，设定好确定的场景，按照固有流程解决。场景的即时性和多样性，使得自动驾驶车辆遵守交通规则，也必须经过和人类司机一样的过程，也即：发现 -> 理解 -> 决策 -> 行动。用自动驾驶车辆的语言来翻译，则为：探测到（sensing）、理解（perception）、地图重构（mapping）、行为规划（planning）、行驶（piloting）。交通规则和社交的作用，通常出现在这个过程中的理解（perception）、地图重构（mapping）、行为规划（planning）三个环节。
人类司机和自动驾驶车辆反应过程的对比：（a）人类司机的反应过程
人类司机和自动驾驶车辆反应过程的对比：（b）自动驾驶车辆的“反应”过程
自动驾驶车辆对现实世界规则的理解方式
自动驾驶车辆对现实世界的理解，是基于对周边环境的探测，通过探测、理解得出判断结论，譬如所在位置，是市中心还是郊区，是交叉口、停车场还是路段，当前路段限速是多少，等等。
对现实世界的规则理解，相当于设定好自动驾驶车辆使用的交通规则。不过，仍然存在一些行为，自动驾驶车辆虽能探测，但难以理解其规则。譬如有后车或对向车辆频繁切换近光灯远光灯形成闪烁的提醒，或前车后窗贴着“我是新手”、“Baby in car”等文字表达的规则需求。
2021年，国内发生了几起L2级别自动驾驶车辆在高速公路的交通事故。其中一起，是在施工作业区撞到施工车辆；还有一起，是追尾撞上一辆开得较慢的货车。其问题应该都出在“理解”上。自动驾驶不能理解施工作业区是什么，不能理解跟在开得慢的货车后会追尾。
具体说来，自动驾驶车辆安装的许多检测器，采集到的数据并不是实体，只是散点或图片。这无数的散点和图片，需通过处理，才能对应可被机器理解的实体，如障碍物、车辆、行人、标志、标线等。而将散点变成实体，这项“理解”的工作，当下大部分由专业厂商供货的组件完成。今年在高速公路上发生事故的两辆车，虽然整车厂商不同，刚好用的是同一家供货商的组件。这些不常见的道路元素，未曾让这些组件识别过，机器自然无法将探测到的散点“理解”为交通锥、货车尾部。
要改正这样的问题，当前对自动驾驶车辆来说，并不算难。而如果交通规则出现太多变化，对自动驾驶是难题，对人类司机也同样是难题。
譬如，国内施工作业区虽已有许多规范约束，但也在操作层面存在不同理解。经常会遇到这种情况，许多未经培训的基层人员，根本不了解规范和技术要求，按自己的理解，摆出各种“花式”施工作业区。
交通规则的统一，要体现为交通控制设施的统一。当前各类“花式”的交通设施，如彩色斑马线、彩虹标线、隧道灯光诱导等，充满歧义，形成干扰，即便专业工作者也难以分清其含义，何况自动驾驶车辆。
例如，路上的诱导灯，无特殊事件发生时也会闪烁，形成的视觉污染和心理压迫，对人类司机无疑是干扰，既没有传递有效信息，还增加驾驶任务的负担，使其判断容易出错。对自动驾驶的影响也同样巨大，机器不得不在一堆混乱的光线中，提取信息含义，分辨闪烁原因。
这样的做法，会混淆人们对闪烁含义的理解。路侧不停闪烁，到底是有事情发生，还是上了个花式交通设施，刷刷存在感？如果没事路侧就闪烁，那些停在路边打双跳灯的车辆，还能传递出“有事发生”的信息吗，路上还会安全吗？
自动驾驶车辆对现实世界的理解，是模拟人类司机对现实世界的理解而形成的。路上规则如果出现逻辑混乱，聪明人或许可以取巧猜到，而自动驾驶车辆只是机器，并无灵机一动的可能，无法逾越规则歧义导致的混乱深坑。因此发生事故也是可预期的。
当前急需的，是统一交通控制设施的规则和使用，如交通标志、标线、信号灯等这些设施，使其逻辑合理且容易阅读识别，有效传达交通规则信息。
只有路上的规则清晰、明确且统一，才会为人类驾驶或自动驾驶的安全提供保障。
交通设施｜自动驾驶：交通规则的难题
自动驾驶车辆如何将探测到的散点转换成实体，如障碍物、车辆、车道等source: How AI Improves Radar Perception for Autonomous Vehicles，NVIDIA DRIVE Labs, 2021.4(01:26)自动驾驶地图重构过程的规则嵌入
自动驾驶车辆使用的地图，和人类使用的地图不同。机器不会去了解与其任务无关的信息，不会关心偶遇的饭店、公园这些人类觉得有趣的地方。但是，机器需要知道：自己在哪里，在哪条车道上；障碍物有哪些，离自己多远；周边车辆或行人的下一步趋势是什么；当前应该遵守哪些交通规则，规则是什么样的，等等。
因此，自动驾驶地图是实时的距离地图。对汽车来讲，关心的是当前车道和交通规则；对投递车来讲，关心的是当前人行道和规则。
每家自动驾驶车辆厂商，都有自己的地图解决方案。有些选择先详细测量再实时添加信息的方式，形成自动驾驶地图；而有些主要利用探测设备实时生成构建自动驾驶地图。早几年被认为有前景的自动驾驶地图产业，现在差不多被包含在自动驾驶车辆厂商里，没法独立存在。也许过几年还会变，谁知道呢？
自动驾驶车辆的地图重构，即是交通规则在实时地图的具象化，也是对其他用路人基于规则的短时趋势预测，为自身行为的决策规划做基础。譬如，在进入一个交叉口的过程中，自动驾驶车辆要判断探测到的所有实体，哪些是障碍物，哪些是用路人，还有通过标志标线信号灯形成当前的交通规则。
在与交通规则相关的交通控制设施中，标线差不多是最普遍也最重要的设施，无论对人类司机还是对自动驾驶车辆。可惜，我国的交通标线实际应用技术上仍存在许多缺憾，难以对开车形成较好的支持。
譬如，一到下雨天，就看不清标线，也分不清车道，下雨天的事故或拥堵，一多半可以怪在标线上；又譬如，路上经常出现左边是黄线，右边也是黄线，而司机对黄线的理解是分隔对向交通流，而两边都是黄线，司机就会怀疑自己是不是跑错车道；或者，到了交叉口前，由于入口车道增加，原来连续的纵向标线断掉了，该怎么走，通行权在哪里，缺乏清晰的指示。
路上大部分交通规则，是用标线表达。每一条标线都有含义，自动驾驶车辆需要识别出来，并添加到自动驾驶地图，构建出规则地图。有规则，才能预测他人的行为，才能决定自身行为。这是人类的开车逻辑，也是机器开车的逻辑。
在规则基础上，预测他人的短时趋势，这是地图重构要做的。预测趋势，对机器的挑战，远比人类要大。人类在驾驶中，一眼可以看清谁会影响到自己；而机器驾驶，要对所有探测到的车辆、行人等编好号，根据规则来预测这些实体的下一步路径。对在车道里行走的车辆，则是通过车道的规则来判断，譬如左转车道的车辆应该会向左转，右转车道的向右转；路段上打着转向灯的车辆，则打算换车道行驶，等等。
不过，万一碰到人用手势、眼神或文字来表达的协商，譬如微微点头或友好微笑，礼让别的车先走，则会难倒机器驾驶。因为，这些手势、眼神、文字包含当地社交文化或行为所处的背景含义。目前，一些自动驾驶车辆已看得懂停车的指挥手势，但还没有车辆能看懂人的眼神交流，或一些微小动作的含义。幸好，眼神交流协商通行权的场景，通常出现在停下时，看不懂的后果，多半只是延迟一会儿，没有太多安全上的问题。
当前有许多车辆厂商放出在国内测试自动驾驶的视频。有时会看到压标线实线的场景，也会看到交叉口转弯时轨迹不合理越过中心实线的场景。这些视频中的违反交通规则行为，虽然大部分不严重，但足以说明，其在自动驾驶地图重构时，放弃了对一些交通规则的嵌入。这也许是由于当时当地交通规则本身不合理，也许是厂商在国内测试时不理解交通控制设施的重要性，从而忽视了规则地图的完整性。不过，在这样环境下测试出的车辆，会不会给用户带来罚单或惹事呢？
一些自动驾驶厂商对这些避而不谈，把话题引到智能网联或车路协同，以解决自动驾驶能力不足。但是，规则如果缺失，唯一方法是补齐规则，标线断了划标线，标志丢了立标志，加上一大堆貌似高科技的设备也不能找回规则。
自动驾驶车辆行为规划过程中的规则考量
行动规划的前提是安全，自身安全和他人安全，这对人和机器都一样。
除确保安全以外，行驶的意图和通行权（right of way）是其他两个约束条件。例如，在交叉口打算右转弯，这是行驶意图；判断自己是否在右转弯车道或最右侧车道，信号灯或标志是否允许右转弯，行驶路径上有没有行人或非机动车等，这是通行权是否获得的判断。然后，在确保安全和获得通行权的前提下，根据意图规划下一步行为，即右转弯。
在规划行为的过程中，自动驾驶车辆需要纳入计算的，不仅是明确的规则以描述安全和通行权问题，还包括隐形的规则，参与到安全与否、通行权获得与否的判断过程。
明确的规则，通常是以标志、标线、信号灯表示，司机或机器一看就明白。而隐形的规则，则是开车社会习俗和文化形成的。譬如，即便有通行权，司机也不会做那些明知可以避让，却贸贸然撞行人、非机动车的行为。针对这些隐形的规则，有些厂商(Mobileye等)提出几条行为规划安全原则，大致可用文字说明如下（具体规则用数学和物理公式描述）：
规则 1. 不要撞到前面的车（保持纵向距离）；
规则 2. 不要鲁莽的切入其他车道（保持横向距离）；
规则 3. 获得通行权并不是通行的全部条件；
规则 4. 低能见度或者视距遮挡视线不佳的区域，要遵守防御性驾驶原则；
规则 5. 如果能规避车祸且不引起其他事故，必须采取规避行为。
这些自动驾驶车辆认为的隐形规则，只是人类社会开车时默认的社交礼仪，譬如跟车需要保持两三秒的车距，避免急刹后追尾这样的默认规则。这些规则，已被自动驾驶车辆厂商采用。
实际上，不同厂商采用不同的隐性规则，总体会比这些更多。无论哪个国家或地区，纸面上的交通规则，要远少于大家认可约定俗成的规则。这也是自动驾驶曾经或正在面临的规则困境。默认规则有哪些，需要在各地实践中逐步添加。
自动驾驶车辆需要考虑的“隐性”安全规则
source: Implementing the RSS Model on NHTSA Pre-Crash Scenarios，Mobileye an Intel Company，2019(02:42)
2021年，国内发生了几起L2级别自动驾驶车辆在高速公路的交通事故。其中一起，是在施工作业区撞到施工车辆；还有一起，是追尾撞上一辆开得较慢的货车。其问题应该都出在“理解”上。自动驾驶不能理解施工作业区是什么，不能理解跟在开得慢的货车后会追尾。
具体说来，自动驾驶车辆安装的许多检测器，采集到的数据并不是实体，只是散点或图片。这无数的散点和图片，需通过处理，才能对应可被机器理解的实体，如障碍物、车辆、行人、标志、标线等。而将散点变成实体，这项“理解”的工作，当下大部分由专业厂商供货的组件完成。今年在高速公路上发生事故的两辆车，虽然整车厂商不同，刚好用的是同一家供货商的组件。这些不常见的道路元素，未曾让这些组件识别过，机器自然无法将探测到的散点“理解”为交通锥、货车尾部。
要改正这样的问题，当前对自动驾驶车辆来说，并不算难。而如果交通规则出现太多变化，对自动驾驶是难题，对人类司机也同样是难题。
譬如，国内施工作业区虽已有许多规范约束，但也在操作层面存在不同理解。经常会遇到这种情况，许多未经培训的基层人员，根本不了解规范和技术要求，按自己的理解，摆出各种“花式”施工作业区。
交通规则的统一，要体现为交通控制设施的统一。当前各类“花式”的交通设施，如彩色斑马线、彩虹标线、隧道灯光诱导等，充满歧义，形成干扰，即便专业工作者也难以分清其含义，何况自动驾驶车辆。
例如，路上的诱导灯，无特殊事件发生时也会闪烁，形成的视觉污染和心理压迫，对人类司机无疑是干扰，既没有传递有效信息，还增加驾驶任务的负担，使其判断容易出错。对自动驾驶的影响也同样巨大，机器不得不在一堆混乱的光线中，提取信息含义，分辨闪烁原因。
这样的做法，会混淆人们对闪烁含义的理解。路侧不停闪烁，到底是有事情发生，还是上了个花式交通设施，刷刷存在感？如果没事路侧就闪烁，那些停在路边打双跳灯的车辆，还能传递出“有事发生”的信息吗，路上还会安全吗？
自动驾驶车辆对现实世界的理解，是模拟人类司机对现实世界的理解而形成的。路上规则如果出现逻辑混乱，聪明人或许可以取巧猜到，而自动驾驶车辆只是机器，并无灵机一动的可能，无法逾越规则歧义导致的混乱深坑。因此发生事故也是可预期的。
当前急需的，是统一交通控制设施的规则和使用，如交通标志、标线、信号灯等这些设施，使其逻辑合理且容易阅读识别，有效传达交通规则信息。
只有路上的规则清晰、明确且统一，才会为人类驾驶或自动驾驶的安全提供保障。
交通设施｜自动驾驶：交通规则的难题
自动驾驶车辆如何将探测到的散点转换成实体，如障碍物、车辆、车道等source: How AI Improves Radar Perception for Autonomous Vehicles，NVIDIA DRIVE Labs, 2021.4(01:26)自动驾驶地图重构过程的规则嵌入
自动驾驶车辆使用的地图，和人类使用的地图不同。机器不会去了解与其任务无关的信息，不会关心偶遇的饭店、公园这些人类觉得有趣的地方。但是，机器需要知道：自己在哪里，在哪条车道上；障碍物有哪些，离自己多远；周边车辆或行人的下一步趋势是什么；当前应该遵守哪些交通规则，规则是什么样的，等等。
因此，自动驾驶地图是实时的距离地图。对汽车来讲，关心的是当前车道和交通规则；对投递车来讲，关心的是当前人行道和规则。
每家自动驾驶车辆厂商，都有自己的地图解决方案。有些选择先详细测量再实时添加信息的方式，形成自动驾驶地图；而有些主要利用探测设备实时生成构建自动驾驶地图。早几年被认为有前景的自动驾驶地图产业，现在差不多被包含在自动驾驶车辆厂商里，没法独立存在。也许过几年还会变，谁知道呢？
自动驾驶车辆的地图重构，即是交通规则在实时地图的具象化，也是对其他用路人基于规则的短时趋势预测，为自身行为的决策规划做基础。譬如，在进入一个交叉口的过程中，自动驾驶车辆要判断探测到的所有实体，哪些是障碍物，哪些是用路人，还有通过标志标线信号灯形成当前的交通规则。
在与交通规则相关的交通控制设施中，标线差不多是最普遍也最重要的设施，无论对人类司机还是对自动驾驶车辆。可惜，我国的交通标线实际应用技术上仍存在许多缺憾，难以对开车形成较好的支持。
譬如，一到下雨天，就看不清标线，也分不清车道，下雨天的事故或拥堵，一多半可以怪在标线上；又譬如，路上经常出现左边是黄线，右边也是黄线，而司机对黄线的理解是分隔对向交通流，而两边都是黄线，司机就会怀疑自己是不是跑错车道；或者，到了交叉口前，由于入口车道增加，原来连续的纵向标线断掉了，该怎么走，通行权在哪里，缺乏清晰的指示。
路上大部分交通规则，是用标线表达。每一条标线都有含义，自动驾驶车辆需要识别出来，并添加到自动驾驶地图，构建出规则地图。有规则，才能预测他人的行为，才能决定自身行为。这是人类的开车逻辑，也是机器开车的逻辑。
在规则基础上，预测他人的短时趋势，这是地图重构要做的。预测趋势，对机器的挑战，远比人类要大。人类在驾驶中，一眼可以看清谁会影响到自己；而机器驾驶，要对所有探测到的车辆、行人等编好号，根据规则来预测这些实体的下一步路径。对在车道里行走的车辆，则是通过车道的规则来判断，譬如左转车道的车辆应该会向左转，右转车道的向右转；路段上打着转向灯的车辆，则打算换车道行驶，等等。
不过，万一碰到人用手势、眼神或文字来表达的协商，譬如微微点头或友好微笑，礼让别的车先走，则会难倒机器驾驶。因为，这些手势、眼神、文字包含当地社交文化或行为所处的背景含义。目前，一些自动驾驶车辆已看得懂停车的指挥手势，但还没有车辆能看懂人的眼神交流，或一些微小动作的含义。幸好，眼神交流协商通行权的场景，通常出现在停下时，看不懂的后果，多半只是延迟一会儿，没有太多安全上的问题。
当前有许多车辆厂商放出在国内测试自动驾驶的视频。有时会看到压标线实线的场景，也会看到交叉口转弯时轨迹不合理越过中心实线的场景。这些视频中的违反交通规则行为，虽然大部分不严重，但足以说明，其在自动驾驶地图重构时，放弃了对一些交通规则的嵌入。这也许是由于当时当地交通规则本身不合理，也许是厂商在国内测试时不理解交通控制设施的重要性，从而忽视了规则地图的完整性。不过，在这样环境下测试出的车辆，会不会给用户带来罚单或惹事呢？
一些自动驾驶厂商对这些避而不谈，把话题引到智能网联或车路协同，以解决自动驾驶能力不足。但是，规则如果缺失，唯一方法是补齐规则，标线断了划标线，标志丢了立标志，加上一大堆貌似高科技的设备也不能找回规则。
自动驾驶车辆行为规划过程中的规则考量
行动规划的前提是安全，自身安全和他人安全，这对人和机器都一样。
除确保安全以外，行驶的意图和通行权（right of way）是其他两个约束条件。例如，在交叉口打算右转弯，这是行驶意图；判断自己是否在右转弯车道或最右侧车道，信号灯或标志是否允许右转弯，行驶路径上有没有行人或非机动车等，这是通行权是否获得的判断。然后，在确保安全和获得通行权的前提下，根据意图规划下一步行为，即右转弯。
在规划行为的过程中，自动驾驶车辆需要纳入计算的，不仅是明确的规则以描述安全和通行权问题，还包括隐形的规则，参与到安全与否、通行权获得与否的判断过程。
明确的规则，通常是以标志、标线、信号灯表示，司机或机器一看就明白。而隐形的规则，则是开车社会习俗和文化形成的。譬如，即便有通行权，司机也不会做那些明知可以避让，却贸贸然撞行人、非机动车的行为。针对这些隐形的规则，有些厂商(Mobileye等)提出几条行为规划安全原则，大致可用文字说明如下（具体规则用数学和物理公式描述）：
规则 1. 不要撞到前面的车（保持纵向距离）；
规则 2. 不要鲁莽的切入其他车道（保持横向距离）；
规则 3. 获得通行权并不是通行的全部条件；
规则 4. 低能见度或者视距遮挡视线不佳的区域，要遵守防御性驾驶原则；
规则 5. 如果能规避车祸且不引起其他事故，必须采取规避行为。
这些自动驾驶车辆认为的隐形规则，只是人类社会开车时默认的社交礼仪，譬如跟车需要保持两三秒的车距，避免急刹后追尾这样的默认规则。这些规则，已被自动驾驶车辆厂商采用。
实际上，不同厂商采用不同的隐性规则，总体会比这些更多。无论哪个国家或地区，纸面上的交通规则，要远少于大家认可约定俗成的规则。这也是自动驾驶曾经或正在面临的规则困境。默认规则有哪些，需要在各地实践中逐步添加。
自动驾驶车辆需要考虑的“隐性”安全规则
source: Implementing the RSS Model on NHTSA Pre-Crash Scenarios，Mobileye an Intel Company，2019(02:42)
无论对人还是机器，规则都不应含糊，不应缺失细节，造成逻辑上的歧义甚至混乱。如今路上的交通拥堵和事故，或许有些和规则含糊有关。
这些含糊的交通规则，可能是因为宣传太少，也有可能是标准规范不严谨，甚至有可能是学者自己也没搞明白的原因。无论是哪种，都需要赶紧解决。
遵循交通规则虽然还不足以让机器像人一样开车，但交通规则含糊，则不足以让所有人安全开车。
（作者郭敏系杭州交通工程师）
