吴俊贤 王雪松:自动驾驶汽车交通事故深度调查方法

自动驾驶技术作为智能交通领域的核心发展方向，正逐步改变着传统的交通模式，为提高交通效率、减少人为因素导致的交通事故带来了新的可能。然而，由于技术的复杂性和不成熟性，自动驾驶汽车在测试及实际运行过程中仍不可避免地发生交通事故。这些事故不仅对人员安全和财产造成损失，也对自动驾驶技术的公众接受度和行业发展产生重要影响。因此对自动驾驶汽车交通事故的深度调查显得尤为重要。在国际研究方面，德国仅针对传统交通事故开展深度调查；^[1][2]美国加州尽管明确自动驾驶事故采集模板，但均未形成深度调查专业团队和保障机制。^[3]国内自动驾驶汽车交通事故与传统交通事故的调查方法基本一致，缺乏针对性的自动驾驶汽车事故数据采集标准和调查流程，无法体现自动驾驶汽车事故特征。^[4]

因此，建立一套完善、科学的自动驾驶汽车交通事故深度调查方法，对于准确分析事故原因、追溯责任主体、优化车辆设计和运营管理、完善相关法规标准具有至关重要的作用。本文系统梳理和阐述自动驾驶汽车事故深度调查的具体流程与方法，为自动驾驶汽车事故调查工作提供参考。

自动驾驶汽车交通事故深度调查是一个系统性的工作，针对新增的自动驾驶汽车交通事故，为实现对事故成因的科学、全面、深入地分析，明确责任归属，并为技术改进与法规完善提供可靠依据，形成了一套完整的调查体系，确保调查工作兼具全面性与准确性。该流程旨在超越传统事故处理模式，整合多学科专业知识与多维数据资源。总体流程以及相关责任人如图1所示。

事故前准备工作中，交通工程师和执法人员协同配合，一方面需要共同参与调查表格的制作；另一方面需要联合开展执行人员培训。

调查表格以《道路交通事故信息调查》（GA/T 1082―2021）为基础，分为简易事故、一般事故、一次死亡3人以上事故。其中，简易事故适用于财产损失事故，以及受伤当事人伤势轻微，各方当事人一致同意适用简易程序处理的伤人事故，仅包含事故基本信息和当事人及车辆信息；一般事故指的是针对简易程序以外的事故，包含事故基本信息、当事人信息、车辆信息、交通环境信息；一次死亡3人以上事故需突破“单点追责”思维，从车辆、道路、人、管理四个维度构建因果链，从基本信息、车辆信息、交通设施信息、交通参与者信息、各部门信息展开详细调查。

在道路交通事故信息调查表格基础上，需要准备《自动驾驶汽车补充信息表》，具体内容包括自动驾驶汽车制造商、软件版本信息；自动驾驶系统信息；自动驾驶汽车感知系统信息；自动驾驶汽车零部件信息；自动驾驶汽车燃料种类；自动驾驶汽车测试类型；自动驾驶汽车驾驶里程、测试里程、载客情况、营运情况；自动驾驶汽车运动学数据。^[3]

事故现场是获取第一手信息的关键场所，现场调查的质量直接影响后续调查分析的准确性。当自动驾驶汽车发生交通事故后，现场调查工作除了要填写常规的道路交通事故信息调查表外，还需专门填写自动驾驶汽车现场调查补充信息表。

道路交通事故信息调查表主要记录事故的基本信息，如事故发生的时间、地点、天气状况、涉事车辆数量等。而自动驾驶汽车现场调查补充信息表则针对自动驾驶汽车的特殊性，详细记录车辆编号、车辆识别码、号牌号码等信息，这些信息对于后续追溯车辆信息、关联车辆数据具有重要意义。

此外，调查团队可采用无人机拍摄事故现场路口、路段的图像，通过高空视角全面记录事故现场的整体环境，包括道路布局、交通标志标线、周边建筑物等。同时，对事故现场的痕迹进行深度调查，这些痕迹包括碰撞点的位置和形态、车辆的行驶痕迹、事故产生的散落物分布、道路设施的损坏情况以及事故发生时的交通流状态等。调查人员对现场痕迹进行细致的测量和记录，并绘制出精确的现场图，为后续的事故分析和场景重建提供直观、准确的基础资料。如图2所示：

事后深度调查是在现场调查的基础上，通过多种手段获取更全面的信息，并进行深入分析，以明确事故的原因和责任。事后深度调查主要包括事后问卷调查、事后数据采集两个部分。

4.1事后问卷调查

事后问卷调查从多个维度收集与事故相关的信息，主要包括回访调查、车辆调查和人员调查。

回访调查是对交通事故参与者进行的回访，调查对象涵盖自动驾驶汽车的安全员和乘客、其他交通参与者等。调查内容涉及事发前人员的活动情况和状态，如是否疲劳、是否有分心行为等；事发时人员的反应，如是否采取了制动、避让等措施；以及事后人员的行为，如是否及时报警、救助伤员等。通过回访调查，能够了解事故发生前后人员的动态，为分析事故原因提供人员方面的线索。

车辆调查主要是对事故车辆的损坏信息进行详细记录，包括车辆的碰撞区域、损坏的形变量、安全设备的配置情况以及是否存在质量缺陷等。这些信息有助于判断车辆在事故中的受损程度、安全性能表现以及是否因车辆自身问题导致事故或加剧事故后果。

人员调查则聚焦于事故人员的伤亡信息，记录损伤部位、严重程度、损伤类型和损伤原因等。这对于分析事故的严重程度、评估车辆的安全保护效果以及确定事故责任具有重要作用。

4.2事后数据采集

事后数据采集是获取事故相关客观数据的重要环节，所采集的数据种类繁多，且需要保证足够的时间覆盖范围。主要包括车辆/企业登记信息、视频监控数据、车载设备数据、平台数据、路侧设备数据等。

车载设备数据是其中的关键部分，主要包括自动驾驶汽车及碰撞对象的行车记录仪数据、事件数据记录系统（EDR）数据、自动驾驶数据记录系统（DSSAD）数据等。事件数据记录系统（EDR）能够记录车辆碰撞前、碰撞时的关键数据，如车速、制动状态、方向盘转角等；自动驾驶数据记录系统（DSSAD）则专门针对自动驾驶功能，记录自动驾驶系统的运行状态、决策过程等数据。

为了全面反映事故发生前后的情况，所有采集的数据至少需要覆盖事故发生前90s至事故发生后30s的时间范围。这一时间段不仅能够完整呈现事故发生前车辆的行驶状态、事件的酝酿过程，以及事故发生后的即时情况，也为事故分析提供充分的数据支持。^[2]

事后分析流程是对所收集到的信息和数据进行深入处理和分析的过程，主要包括事故致因分析以及事故深度调研报告输出两个流程。

5.1事故致因分析

结合事故数据采集信息，生成事故现场高精度平面图像，构建静态道路网络模型。利用PC-Crash自动驾驶仿真软件还原碰撞过程，构建动态事故场景模型，实现事故场景重建，在仿真环境中基于静态、动态场景模型重建事故场景；在时间和空间上的实现场景多因素泛化，仿真分析影响自动驾驶汽车安全和事故的多影响因素。这一过程能够直观地展现事故发生时车辆的运动轨迹、碰撞姿态等，帮助调查人员更好地理解事故的发生过程。

在仿真分析基础上，综合事故深度调查表单、事后调查信息以及事后数据分析结果，全面分析自动驾驶事故的致因。这一过程需要深入挖掘各种因素之间的关联，确定导致事故发生的直接原因和根本原因，为责任认定和提出防范措施提供依据。

5.2事故深度调查报告

针对单起自动驾驶汽车交通事故，在完成上述所有调查和分析工作后，需要形成一份完整的深度调查报告。该报告涵盖事故详细描述、事故原因分析、责任认定、问题与防范以及改善措施等内容。

事故详细描述部分清晰、准确地记录事故的基本情况，包括事故发生的时间、地点、涉事车辆和人员信息、事故经过等。事故原因分析部分基于调查和分析结果，详细阐述导致事故发生的各种因素，如人为因素、车辆因素、环境因素、系统因素等。责任认定部分根据事故原因和相关法律法规，明确各方在事故中的责任。问题与防范部分指出事故暴露出的在自动驾驶汽车设计、生产、运营、管理等方面存在的问题，并提出相应的防范措施。改善措施则针对发现的问题，提出具体的、可操作的改进建议，以避免类似事故的再次发生。

事故深度调查报告不仅是对单起事故的系统总结，也是为自动驾驶汽车行业的安全发展提供经验教训和改进方向的重要依据。

自动驾驶汽车交通事故深度调查是一项复杂而系统的工作，其流程涵盖了从事故发生后的现场调查到事后的全面调查分析，最终形成详细的调查报告。科学、规范的调查方法能够准确查明事故原因，明确责任主体，为制定防范措施和改善自动驾驶技术提供有力支持。随着自动驾驶技术的不断发展，事故调查方法也需要不断完善和创新，以适应新技术带来的挑战，保障自动驾驶汽车的安全运行，推动智能交通行业的健康发展。未来，还需要进一步加强跨部门协作、完善数据共享机制、提高调查技术水平，不断提升自动驾驶汽车交通事故深度调查的效率和准确性。

来源：《汽车与安全》