编者按：本文来自微信公众号“车东西”（ID:chedongxi），作者：晓寒，编辑：肖涵 ，未来汽车日报经授权发布。

特斯拉又出事故了！ 

据外媒报道，就在几天前，美国底特律一台白色Model Y在一个T字路口正面撞上了一台大型卡车。Model Y车头较低，其直接钻进了卡车底部车辆严重损毁。 

事故发生在当地时间凌晨3:20分左右，事发时车内一男一女两名乘客严重受伤，并被送往当地医院救治，卡车司机则并未受伤。 

▲近日特斯拉在底特律撞上白色卡车

2016年和2019年，特斯拉在美国出现过两次致命事故。都是在打开L2级自动驾驶系统的同时，车辆以垂直方向撞上了大型卡车，最终导致车内人员丧生。 

2020年，台湾一台Model 3在高速上也撞上了一台侧翻的卡车。 

▲2019年特斯拉事故车辆，驾驶员不幸丧生

▲2020年事故现场监控画面

这三起事故有很高的相似性，因此特斯拉再次发生类似事故后，也引起了强烈关注，同时又在不断提出一个灵魂问题：

为什么被称为量产车最强的L2级自动驾驶系统，却总是躲不开一台白色卡车？

答案其实并非是特斯拉技术不强，也根本不是白色卡车就是特斯拉的“天敌”。 

而是因为对静态车辆的检测，属于当下以“摄像头+毫米波雷达”作为主传感器的L2级自动驾驶方案的一个世界性难题，各家的系统对静止车辆都很头疼。 

比如今年2月份，一台蔚来ES8在开启L2级自动驾驶系统巡航时，先后撞了一个行人和一台静止的五菱宏光。（可参考文章《蔚来ES8开L2撞人又撞车，为啥装24个传感器都躲不开？》） 

01. 尚未确认特斯拉是否开启了L2

正如前文所言，这起事故之所以收到了中外一些媒体的关注，核心是因为特斯拉的车型曾经出现过开L2撞卡车，并致驾驶员丧生的严重事故。 

但从目前外媒的报道和推特上知情网友的消息来看，目前尚无法确认事故发生时车辆是否开启了L2级自动驾驶系统。 

▲事故现场

因此这起事故的原因并非与特斯拉L2级自动驾驶系统有关。 

当然，即使是2016年和2019年的两起致命撞卡车事故，从责任划分上来说也是驾驶员的问题。 

▲2016年类似事故现场

因为特斯拉的Autopilot系统属于L2级自动驾驶，一是只能在有限的场景下工作，二是需要驾驶员全程监控路况并随时准备接管。 

比如垂直方向有大型卡车时，就属于系统不工作的场景，需要驾驶员及时接管车辆。 

去年3月23日，美国国家运输安全委员会（NTSB）针对两起特斯拉Autopilot L2级自动驾驶系统致人死亡的事件发布了最终报告。报告表明，两起事故当中，驾驶员都过度依赖特斯拉L2级自动驾驶功能，从而出现注意力不集中的现象，最终导致事故发生。 

▲NTSB在其网站上的发布了最终调查报告

NTSB认为，卡车驾驶员在路口没有停车，直接左转驶入高速公路，属于危险驾驶行为。特斯拉Model 3驾驶员过度依赖特斯拉L2级自动驾驶技术，导致注意力不集中。NTSB最终认定，事故原因是特斯拉Autopilot L2级自动驾驶系统在驾驶员脱手时没有及时提醒，与设计使用条件不一致，最终导致发生碰撞事故。 

其中一起事故，就是2019年3月1日出现的Model 3撞上卡车致使驾驶员死亡的事故。 

就算没有开启L2，那特斯拉的AEB自动紧急制动系统为什么也失灵了呢？ 

特斯拉的AEB系统可以手动关闭，因此如果驾驶员当时关闭了AEB，那么系统自然就不会工作了。 

02. 事故可能性分析 传感器配置要背锅

从美国监管机构的报告可以看出，垂直方向撞卡车的事故，明显是超过了特斯拉L2系统的工作范围，又加上驾驶员没有及时接管所造成的。

那么问题来了，为什么被公认为“量产车最强L2”的Autopilot系统，就是躲不开一辆活生生的大卡车呢？

与车东西此前报道蔚来ES8事故的结论一致：这起事故的根本原因是“摄像头+毫米波雷达”的传感器配置，很难识别静止车辆或缓行车辆。 

与Model 3一样，特斯拉Model Y周身搭载了8个摄像头，1个大陆的毫米波雷达，和12个超声波雷达。 

▲特斯拉传感器配置

在开启L2级自动驾驶系统（Autopilot、NOA或EAP系统）时，车辆主要依靠前视摄像头和毫米波雷达探测前方物体。 

特斯拉虽然是三目前视摄像头，但并没有使用立体视觉，三个摄像头主要是焦距不同，看的视野范围不同。 

所以总的来说，特斯拉与目前绝大部分L2级自动驾驶系统都一样，都是视觉+毫米波雷达的传感器方案。 

不管是使用基于规则的视觉算法还是使用深度学习技术，视觉在感知外界物体时永远做不到100%准确，甚至经常会出错。 

比如笔者自己的特斯拉在出地库时，就会莫名把墙壁识别为公交车。又比如最近很火的一个抖音视频中，特斯拉在空无一人的墓地，就莫名识别出了行人。 

▲特斯拉在无人墓地识别出行人

此外，还出现过把公交车身上的人物照片识别为行人、把路边广告屏幕上的停车标志识别为真实停车标志的案例。 

而靠反射毫米波来探测目标的雷达不会“见鬼”，前方有东西就有回波，没有东西就没有回波。 

正是因为视觉出错概率很高，雷达更“靠谱”，因此大部分L2系统会在视觉的基础上再引入毫米波雷达的探测结果进行验证。 

如果摄像头发现前方有车辆，雷达也确认了前车的位置和速度，就可以做出刹车的动作。 

如果用这些误识别的结果来做驾驶决策，显然会出现更多的问题。特斯拉自然知道这一点，因此在实际中并不会对纯视觉的感知结果进行反应。 

所以这起事故的原因就很明确了，不管视觉有没有识别到前车，一定是毫米波雷达没有给出结果，所以最终系统没有反应。 

03. 毫米波雷达天生缺陷 害怕静止车辆

毫米波雷达即然不会“见鬼”，那么为啥会识别不到前方的卡车呢？ 

东南大学国家毫米波重点实验室毫米雷达技术专家、毫米波雷达公司隼眼科技CTO张慧多次向车东西分析了背后的原因。 

从最底层的工作原理来说，毫米波雷达主要是依靠多普勒效应来感知移动目标。多普勒效应的特性是，动态对动态最容易感知、动态对静态较难感知、静态对静态极难感知。 

这是因为如果前方车辆静止，目标信息容易和地杂波等掺杂在一起，需要一定的算法才能从中分辨出目标。而如果是一个行驶中的汽车，基于其多普勒信息，从而比较好探测到目标。 

所以如果卡车静止或者移动速度很慢，雷达的算法就无法知道前方有物体。 

但这种可能性并不大，因为各大雷达公司已经做出了一些感知算法，可以识别静态物体。 

真正的难点是，现在的雷达没有高度信息，并且空间分辨率不足。 

没有高度信息，意味着雷达很难区分横穿马路的路牌和桥下的车；空间分辨率不足，意味着两个距离很近的物体，其回波会被混在一起，很难知道有几个目标。 

所以雷达公司和一些车企在拿到雷达的反射数据后，会通过算法直接将一些静止物体，或者疑似静止的物体过滤掉，以避免产生错误的反应。 

比如本次事故场景中，因为卡车是垂直Model Y方向行驶，如果同时行驶速度又很慢的话，因为缺乏径向多普勒分量，雷达的识别算法很容易将其当成静态目标过滤掉了。 

如果毫米波雷达把目标过滤掉了，所以不管视觉能否看到这台卡车，都不起用了。 

04. 结语：车企仍在不断优化L2级自动驾驶

回到这起事故，特斯拉当时是否开启了自动驾驶系统还没有确定，事故原因还需要等待当地警方和特斯拉官方调查。实际上，即便开启了L2级自动驾驶系统，白色卡车这一场景也有些极端。对目前量产L2级自动驾驶系统来说，还有不少场景无法处理。 

针对L2级自动驾驶系统存在的种种问题，车企也给出了自己的解决方案。一方面，自动驾驶算法不断优化，通过“影子模式”、上路测试等方法，让自动驾驶系统不断成熟，同时不断增加L2级自动驾驶的功能。另一方面，随着硬件成本的下降，不少车型已经规划搭载激光雷达，避免类似事故发生。