9月26日，在阿里云棲大會的自動駕駛專場上，千尋位置智能機器業務負責人裴世兵舉例說，在城市復雜的交通環境下，自動駕駛車輛周邊會有行人、外賣小車等，需要有緊急剎車預警、交叉路口防碰撞等預警，也要基于自身精準位置，結合探測傳感器，反向定位周邊車輛、行人的精準位置。
千尋位置高級算法專家孫海鵬說，自動駕駛車輛的智能算法，需要覆蓋匝道、居民區、收費站等數十種場景，經過車速異常、衛星系統故障等錯誤模式測試。通過這些真實場景和仿真錯誤場景的測試，才能驗證智能算法的穩定性和可靠性。
1
國內14城建造了自動駕駛測試基地，上海最早
據不完全統計，截至2019年，我國已有14個城市建造了測試基地，部分推出了自動駕駛政策。2016年6月，國內首個國家級智能網聯汽車(上海)試點示范區封閉測試區正式啟動，2017年12月，北京制定發布了《北京市關于加快推進自動駕駛車輛道路測試有關工作的指導意見(試行)》，是國內首個推出自動駕駛法規的城市。
數據顯示，北京的自動駕駛場景建造和法規制定進展最快，建造了五個自動駕駛測試場景，推出了四個文件，包含路測管理辦法、細則、評估內容和方法、測試場地技術要求。事實上，在國家級自動駕駛相關政策推出之前，國內不少城市已經推出了本地的自動駕駛路測相關規定，直到2018年4月11日，工業和信息化部公安部交通運輸部才推出了《智能網聯汽車道路測試管理規范(試行)》。
2
報告：谷歌遙遙領先，小馬智行和百度排名靠前
具體到自動駕駛車輛的能力，今年2月份，加州機動車管理部門(Department of Motor Vehicles)發布了《自動駕駛車輛接管報告》(Autonomous Vehicles Disengagement Reports 2018)，有28家企業遞交了測試結果。據報告顯示，在2017年12月至2018年9月期間，持有自動駕駛測試執照的467車輛在加州公開道路上進行了測試。
在此份報告中，人工干預次數(MPI, Miles per Intervention)是關鍵參考指標，可得出一輛自動駕駛車輛在平均行駛多長距離時，會有一次人工干預。加州機動車管理部門將人工干預定義為，當出現技術故障或安全問題時，自動駕駛車輛上的安全駕駛員需立即對車輛進行人工干預控制，停止自動模式。根據這一指標，谷歌的Waymo遙遙領先，Apple和Uber成為墊底企業。在中國企業中，小馬智行(Pony.ai)的MPI指標較高，隨后是百度、文遠知行。
令人奇怪的是，蘋果的排名倒數第二。據外媒報道，蘋果曾批評加州機動車管理部門的報告要求，認為應改正或明晰MPI的要求。
事實上，這也是不少人對此份報告的質疑，認為報告數據主要由企業自行上報，同時由于缺乏嚴謹的定義，各企業對MPI的定義不同。據外媒報道，2018年，報告中排名第二的通用汽車Cruise并沒有將一起人工干預自動駕駛車輛的事件放入報告統計中。通用汽車解釋說，當時安全駕駛員為了防止堵塞人行道，干預了自動駕駛車輛，并在舊金山闖了紅燈，這并非是出于安全考慮或系統故障而采取的干預行動。美國市場研究機構Navigant Research的高級分析師Sam Abuelsamid認為，這份報告毫無意義。
也有人認為這份報告是有價值的。美國咨詢公司高德納(Gartner)高級研究總監邁克爾·拉姆西(Michael Ramsey)接受外媒采訪時說，目前沒有其他可靠指標，這一報告是努力測量自動駕駛車輛能力的有趣開端。
3
自動駕駛車輛VS人類駕駛員：人類駕駛員勝!
回到最初的問題，自動駕駛車輛能躲避趕時間的外賣小哥嗎?為此，南都記者簡單對比了自動駕駛車輛與人類駕駛員的發生事故率，據外媒報道，在美國，人類駕駛員的平均水平是，開50.8萬英里就會發生一次較為嚴重的事故，相比之下，2015年谷歌自動駕駛車輛數據顯示，其車輛在自動模式下，每行駛約15.4萬英里，發生一次“小事故”。而加州機動車管理部門的2018年《自動駕駛接管報告》數據顯示，谷歌Waymo每1.1萬英里就發生一起人工干預事件，這還是2018年報告測試中的最好情況。
記者注意到，自動駕駛車輛的測試道路場景相對簡單，實際公開道路駕駛中情況將更加復雜。尤其是中國人口眾多，還有匆忙的外賣車輛，讓大眾用上自動駕駛車輛恐怕還為時尚早。
