Waymo用时间和地点重做自动驾驶安全比较,乘客和司机先面对什么变化

深夜市区道路、白天高速公路，波士顿和孟菲斯，面对的交通风险并不相同。如果一套自动驾驶系统主要跑在风险较低的道路和时段，却拿自己的平均事故率与全国所有人类驾驶混在一起比较，结论可能从一开始就不公平。

Waymo在2026年7月公布了两项已获《Traffic Injury Prevention》接收的研究，试图把自动驾驶安全比较做得更细：不仅看行驶里程，还要匹配时间、地点和道路类型。这件事的重要性不在于又多了一组漂亮数字，而在于自动驾驶开始进入更多城市之后，行业必须回答一个更难的问题：什么样的证据，才足以让一辆车真正撤掉安全员、载着普通乘客上路？

传统事故率通常用事故数除以行驶里程。它便于统计，也方便不同车辆之间比较，但会掩盖道路环境的差异。

Waymo在此次研究说明中举例称，在所分析的50个美国地区里，城市地面道路的人类驾驶致命事故率是高速公路的2.3倍。不同城市之间的差异也很大：孟菲斯地面道路的人类驾驶致命事故率，是波士顿的8.4倍。

这并不意味着波士顿司机一定更优秀，也不能直接证明某个城市更危险。道路设计、车速、出行时间、行人密度、天气、交通管理和统计口径都会影响结果。它说明的是，不能把所有里程当成完全相同的实验单位。

两项研究采用的思路，是把人类事故数据库与更细的交通流量数据结合起来，估算人们在什么地点、什么时间和什么道路上驾驶，再建立相匹配的人类基准。自动驾驶车辆在哪些区域运行，就应该与这些区域里相近条件下的人类驾驶比较。

这相当于把问题从“机器和全体司机谁的平均分更高”，改成“在近似考场、近似题目和近似难度下，双方表现如何”。比较条件越接近，安全结论才越有解释力。

Waymo此前已经持续发布自动驾驶里程和事故数据。其安全影响页面使用车辆实际运行地区的警方事故记录与行驶里程数据，尝试让机器与人类驾驶处在可比条件下。2026年3月，Waymo还表示，其系统在相同驾驶条件下涉及严重伤害或致命伤害的事故，比人类驾驶基准少92%。

这些结果有参考价值，但仍要看清证据边界。

首先，这些数据主要来自Waymo已经运营的区域和它能够进入的运行设计域。自动驾驶不是在任何道路、任何天气和任何突发情况下都拥有同样能力。一个系统在凤凰城、旧金山、洛杉矶和奥斯汀积累的表现，不能不经验证就外推到所有城市。

其次，此次两项新研究由Waymo研究人员完成。论文获得同行评审期刊接收，提高了方法透明度，却不等于所有结论都已被独立机构重复验证。企业数据能证明其公开披露的研究结果，监管部门、学界和公众仍需要持续检查数据定义、事故报告门槛与未覆盖场景。

最后，平均事故率无法替代具体能力审查。美国国家公路交通安全管理局在2026年7月致行业的信中指出，自动驾驶车辆曾出现驶入紧急事件现场、阻挡救护车或消防车通道，以及未能正确识别闪灯、烟雾、火焰和交通锥等情况。低平均事故率与个别高风险能力缺口可以同时存在。

因此，更细的安全基准解决的是“怎样比较”问题，不是一次性解决“是否绝对安全”。

7月8日，Waymo宣布准备在丹佛、拉斯维加斯、圣迭戈和坦帕开展完全无人驾驶运营，初期从内部员工乘坐开始；公司同时开始让新车型现代IONIQ 5在安全员在场情况下进行自动驾驶验证。

这一步把安全评估从研究问题变成了运营问题。四座城市的气候、道路结构和出行节奏并不相同。丹佛有低温和降雪，拉斯维加斯有高温、夜间旅游交通和密集上下客，坦帕面临强降雨，圣迭戈则有复杂的高速与城市道路衔接。系统在一个城市积累的里程，不能自动兑换成另一个城市的安全信用。

一套更可信的扩城流程，至少要经过连续环节：

1. 先确定车辆允许运行的区域、道路、天气与时段。 2. 用当地人类事故和交通流量建立可比基准。 3. 在安全员在场时验证新城市和新车型。 4. 逐步撤掉安全员，并持续公开事故与异常数据。 5. 对紧急车辆、施工和极端天气等薄弱场景单独评估。

对乘客而言，这意味着“无人驾驶”不是一个简单开关。应用里显示可以叫车，只能说明服务被允许在某个范围运营，不能说明车辆拥有全场景能力。乘客更需要知道的是运营边界、异常时如何求助、事故后由谁联系和处理。

对监管人员和城市管理者而言，任务也从审核一款产品，变成持续审核一套动态系统。软件会更新，车辆平台会更换，运营区域会扩大，人类交通基准也会变化。安全许可不能只在上线前检查一次。

自动驾驶扩城最容易引发的讨论，是出租车和网约车司机会不会被替代。但在当前阶段，更可能先发生的是工作被重新分层。

车辆里不再坐着安全员，不代表运营体系里没有人。车队仍需要清洁、充电、检修、远程支持、道路救援、事故处置和客户服务。新城市上线还需要地图验证、站点管理和与当地应急部门协作。部分驾驶劳动会减少，维护和运营岗位会增加，但两者对技能、地点和数量的需求并不一一对应。

职业司机承担的压力也不会平均出现。自动驾驶通常先进入路线相对明确、订单密集、车辆调度效率较高的区域。机场接驳、热门商圈和固定城市片区可能较早感受到竞争；复杂郊区、跨区域长途、需要人工协助的乘客服务，短期内仍更依赖司机。

价格变化同样取决于运营成本，而不是仅仅省掉驾驶员工资。车辆传感器、计算平台、保险、远程支持、维修、清洁、充电和低利用率都会形成成本。若车队规模扩大后单位成本下降，乘客可能获得更稳定或更便宜的服务；若高维护成本和监管要求长期存在，价格优势就未必迅速出现。

所以，对司机更现实的问题不是猜测某个职业何时消失，而是观察自动驾驶先覆盖哪些订单、哪些环节仍需要人工，以及新增岗位是否能被原有从业者进入。技术带来的效率收益与转岗成本，不会自然落在同一群人身上。

自动驾驶安全研究的下一阶段，不应只是争夺“比人类少多少事故”的标题。更重要的是把统计结论转化为可执行的责任边界。

当车辆遇到警车封路时，系统由谁判断是否继续通行？远程支持人员可以提供什么信息，能否直接控制车辆？软件更新后，原有安全结论是否仍然适用？发生事故时，车辆制造商、自动驾驶系统提供商、车队运营方和乘客分别承担什么责任？这些问题无法由一个平均事故率回答。

Waymo此次把时间和地点纳入基准，是一个有价值的进步。它提醒行业：自动驾驶是否安全，不能只看总里程，也不能把城市扩张本身当成能力证明。短期内，最可信的变化不是宣布机器已经全面胜过人类，而是让每次扩城、每种道路和每个薄弱场景都接受更接近真实条件的检验。

对普通乘客来说，值得关注的是透明的运行边界和异常处置；对职业司机来说，值得关注的是订单结构与转岗通道；对城市管理者来说，必须建立随软件、车型和区域变化而更新的监督机制。

自动驾驶真正进入日常交通，不只需要车辆会开，还需要社会知道它在哪些条件下会开、遇到什么会停、出了问题由谁负责。更精细的安全比较，正是把这个模糊承诺变成可检查事实的起点。