經濟觀察網 記者 劉曉林“原始數據的放開，是定位、分析、重現（撞車）原因的唯一途徑，如果不放開，是完全沒有這個（尋找撞車原因的）途徑的?！?月22日，在特斯拉提交河南事故車輛行車數據的當日，國內某高端智能電動車自動駕駛項目負責人何工在接受經濟觀察網記者采訪時作出如上表示。她認為，從自動駕駛軟件的基本邏輯來看，通過數據分析來判斷出事故原因是軟件問題還是人為操作問題的可能性是很大的。
但何工同時強調，數據分析難度的難度在于做數據分析的人首先要知道（特斯拉）這些數據的內部邏輯。另一位接受采訪的某車企技術項目主管工程師張江也表示，主動權仍掌握在特斯拉手中，如果算法或者是核心的邏輯不告知，第三方檢測機構仍難得出具體結論。
4月22日，隨著特斯拉方面向監管部門提交撞車事故前30分鐘的行車數據記錄，經過近5天的發酵后，特斯拉車展維權事件正在回歸到爭議的核心——事故原因的探究上。從這一點來說，車頂維權確實是有利的“助攻”。借助于監管部門和行政力量的介入，該事件正在朝著解決事件核心矛盾的方向發展。
從4月20日到4月22日，鄭州市鄭東新區市場監督管理局三次釋放對特斯拉事故投訴雙方的調節結果，從最初車主要求“提供車輛發生事故前半小時完整行車數據”但不同意第三方進行技術鑒定，而特斯拉出于信息安全拒絕提供數據開始；到該市場監管局責令特斯拉汽車銷售服務（鄭州）有限公司無條件向張女士（河南維權女車主）提供該車發生事故前半小時完整行車數據；再到特斯拉鄭州體驗中心中原福塔店最終于4月22日下午提交了行車數據，并對外公布了事發前1分鐘的數據?？梢钥闯?，在車主圍繞著“剎車失靈”進行的維權過程中，車主與特斯拉雙方的爭議在于數據的開放以及是否做第三方鑒定檢測上，而始終難以達成統一意見的背后，也顯示了對數據主動權的爭奪激烈性。
客觀而言，與此前多起特斯拉事故爭議不了了之不同，這一次，特斯拉首次在國內進行數據放開，不僅推動爭議朝著探尋事件真相的實質性角度發展，在整個自動駕駛技術的發展階段中，也具有里程碑意義。但與此同時，當爭議重新聚焦到技術和事故本身時，更大的矛盾或許才剛剛開始。事實證明，特斯拉公布事故前1分鐘行車數據后，車主方關于侵犯其隱私的觀點以及業界對特斯拉數據真實性的質疑也已經隨之出現。
事實上，從自動駕駛功能在量產車上應用以來，事故責任如何認定就已經成為最大爭議點。與燃油車車主可以借助工具通過車輛OBD接口讀取到行車電腦的數據不同，具有自動駕駛功能的車輛的行車數據如同飛機的“黑匣子”，屬于保密信息，并非車主自身所能獲取。
更重要的是，軟件決定汽車時代，數據是找到事故真相的關鍵，但數據能否“說實話”，以及數據對場景的覆蓋和還原真實度同樣存在爭議。
從4月22日至今，經濟觀察網記者采訪了多位國內自動駕駛領域的項目主管工程師，針對具有自動駕駛功能的車輛的事故責任認定，分別從行車數據取證、數據對場景的可復現性，以及事故責任認定的數據推理邏輯等多個側面進行了分析。從客觀公正以及保護采訪對象的角度出發，本文將完整呈現被采訪對象的觀點，不做點評。
某車企技術項目主管工程師張江：若不了解算法邏輯 第三方解讀“黑匣子”重現場景很難
經濟觀察網記者：雙方之前一直糾結于行車數據的開放，這個數據的開放很難嗎？
張江：是的，就像飛機的“黑盒子”一樣，這個核心數據也就是完整數據是需要內部的密碼或特殊權限才能訪問的，用戶自己無法下載。至于剎車的問題，這就看它控制器是怎么設置的，比如說碰撞信號，在發生事故之前多少毫秒以及在事故后多少毫秒的記錄它都應該有，加速等信號也應該是有儲存的，但控制器里面的信號，沒有權限是訪問不了的，讀不出來的。
所以這種事情，一旦你沒有視頻或者別的信號做監控的話，太難重現和還原（現場）了。讓消費者自己找證據太難了，廠家怎么可能隨便讓你拷數據？出了事故就去拷數據取證，對主機廠是不利的。即使第三方機構檢測，如果主機廠不把內部代碼開放給你也是很難檢測的。
現在國家正在推行法規，就是針對氣囊控制器推出EDR法規（Event Data Recorder汽車事故數據記錄器，俗稱汽車‘黑匣子’或‘碰撞記錄器’，是集成在安全氣囊控制單元內的一個軟件模塊，用于記錄車輛碰撞前、碰撞時、碰撞后三個階段中對應時間序列的車輛動力學數據以及汽車單元內不同控制模塊的數據），規范緊急制動數據的記錄。因為以前發生各種碰撞事故之后，你調取數據的時候，主機廠是不給你提供的，因為法規沒有要求，所以廠家不會讓你把核心數據調出來。
經濟觀察網記者：特斯拉這種情況，委托第三方檢測機構進行檢測的話，得出結果的可能性大嗎？
張江：第三方很多東西是不好檢測的，因為現在硬件可能本身是沒問題的，而軟件的問題，如果算法或者是核心的邏輯他（特斯拉）不告訴你，你咋檢測？智能汽車的軟件設計并不都是一個算法邏輯。即使告知邏輯，但是深度開發的東西也會有所篩選地告知，所以說主動權還是掌握在他們（車企）手里。
經濟觀察網記者：有車主舉例稱其他品牌的“剎車門”事件花了8個月才找出來問題所在，所以擔心特斯拉也會存在這種問題，非常難找到問題所在。
張江：這種（特斯拉）事件與之前其他品牌出現過的剎車事件還不同，之前是一種機械式的，所以可以另找一輛同樣的車去做測試，再現當時的場景。但特斯拉這是軟件控制的，你很難再現當時場景的。因為它摻雜了自動駕駛，它有時候是程序在起作用，所以你要界定什么時候是機器在起作用，什么時候是人起作用。但這很難界定。
所以現在對這種智能汽車的碰撞事故，是沒有辦法通過以前的那種檢測方法來判定原因的，因為都涉及到軟件的問題。而且每一家（車企）的算法應該都是不一樣的。
經濟觀察網記者：隨著自動駕駛功能的普及，事故責任的認定是不是正在成為一個很難解決的伴生難題？
張江：我理解，自動駕駛的算法永遠無法實現100%的場景覆蓋。因為實際場景的復雜程度遠遠超出它錄進去的那些，即使將來通過AI學習也很難滿足全部覆蓋?，F在在法規的碰撞測試中，無論哪種碰撞開發的工程實驗，設定的也就是幾十種路況和場景，而現實場景永遠是最復雜的，有成百上千種可能，而且機器和人的判斷還是不一樣的。所以相關法規需要及時跟上，現在這一塊還是空白的。
國內某高端智能電動車自動駕駛項目負責人何工：數據能回答是否存在“剎車失靈”
經濟觀察網記者：在目前的情況下，數據開放是舉證并弄清撞車事故真相的唯一途徑嗎？
何工：原始數據放開是定位、分析、重現這個（撞車）原因的唯一的途徑，如果不放開，是完全沒有這個（尋找撞車原因的）途徑的。因為解決問題的前提是要定位問題，定位問題的前提是要能夠復現問題（還原現場），所以現在拿到這個原始數據，首先是為了要把它復現出來，就是把那個場景重現出來，我們只能根據這個模擬的信號，就當時是一個什么樣的情況，自動駕駛給了個什么信號或者人為操作給了個什么信號，最終導致了這樣一個結果。就是所有的原始數據是來幫助做這部分工作的，把它復現出來，然后假如能復現了，再根據復現的這個邏輯，就能定位這個問題。
也就是說，數據打開了，有可能還是不能完全100%地推斷出一個結果，但是如果不給到這個數據，那就是完全沒有辦法（進行推斷）。所以，對于復現問題、定位問題，和最終解決問題來說，數據放開是唯一的途徑。沒有數據的話，沒法分析，結論也就出不來，也就無法舉證。
但是數據放開之后，究竟能不能判定是人為原因，還是自動駕駛軟件的誤操作或者這個軟件的原因，這也不能說死。因為從特斯拉前幾次的失控案例中來看，其實最后的結論也是加了一部分推斷的，但是這個推斷結合車主的描述，是可行的。也就是說，它其實是有一部分主觀判斷在里面，只不過這個判斷正好跟這個車主的證詞吻合，所以采用了車主的證詞，也不是完全100%依照車的這個信號來做結論的。
經濟觀察網記者：車主認為是軟件導致剎車失靈，如果存在這種情況，對行車數據分析可以證實這一點嗎？
何工：如果存在“剎車失靈”的問題，數據里可以呈現剎車在什么情況下失靈，比如是否是ibooster（汽車線控制動系統，傳感器感知駕駛者踩下制動踏板的力度和速度,并將信號處理之后傳給電控單元出現問題）出現問題。找到這個對應的情況。就可以通過軟件上信號模擬的方式來進行檢測了。
汽車的外屆輸入信號分兩種：1、人為操控，比如制動踏板開度、方向盤轉動角度；2、傳感器信號輸入。這兩種輸入，都可以從數據中分析出來，從而模擬給出輸出，得到是否剎車失靈的結論。
經濟觀察網記者：也就是說，通過數據分析，能清楚地得出事故是軟件問題還是人為操作問題的結論？
何工：自動駕駛的某個模式一旦生效，在不接受人為操作的時候，是會有功能標志位的，數據能分析出來；再一個，在自動駕駛模式下，各種操作都是有標定的，有預期的速度及其他行為，這些結合起來分析，也基本能判斷是軟件問題還是人為操作問題。
更仔細地解釋一下就是，現在這種車有兩種控制方式，一種是自動駕駛生效，也就是說自動駕駛（系統）開始操控這個方向盤、操控油門、操控踏板，就不接受人為信號輸入了；還有一種方式就是人為操控，純接受人為信號的一個輸入，自己去踩（踏板）、自己去搬方向盤。
當自動駕駛生效的時候，它會有一個模式標志位，這個標志位比如說如果觸發唯一（模式）了，那這個時候駕駛者就可能就出現那種踩也踩不動，方向盤轉不動的感覺，因為它（車輛）不接受你的人為輸入，它有另外一種扭矩的輸入，所以說這個時候人會覺得很吃力，比如說有轉方向盤轉不動啊，剎車踩不動等等情況。
就算這種標志位分析的理論，覺得還不夠支撐的話，那還有一種邏輯判斷。因為自動駕駛每一個動作生效的話，比如它每一個轉角啊，速度啊，都是有它的標定的，什么場景下以多少角度、以多少速度、多少加速度，這種都是標定死了的。而人為操控是做不到這么準確的，比如說轉角，標定是30度，但人打（方向盤）的話，有可能40度就過去了，就是這種區別，數據也是能分析出來的。
經濟觀察網記者：特斯拉已經在4月21日向主管部門遞交了撞車事故發生前30分鐘的數據，并公布了事發前1分鐘的行車數據，請問您覺得接下來的數據分析有什么難度嗎？
何工：數據分析的難度是：做數據分析的人首先要知道（特斯拉）這些數據的內部邏輯，比如說哪個標志位的觸發，然后針對這個標志位一旦觸發了，它的各個型號的這個邏輯關系是什么？這些需要去梳理清楚。目前不太清楚國內有哪些機構有能力做這些分析。
經濟觀察網記者：特斯拉提到車主有超速，這會不會導致觸發自動駕駛唯一模式？
何工：超速不會觸發自動駕駛，至少現在在我知道的自動駕駛這幾大應用領域里，超速不屬于觸發自動駕駛接管的這么一個范疇。
經濟觀察網記者：此前多起特斯拉交通事故案例都在駕駛員是否“誤操作”上存在爭議，請問在自動駕駛模式觸發后，駕駛員有什么方式可以結束這種狀態嗎？
何工：人為控制的優先級是高于自動駕駛系統的，他（駕駛員）是有辦法來監控電腦的，而且目前在中國，自動駕駛只是一個輔助駕駛的模式，也就是說，人在任何時候介入、接管車輛的控制，自動駕駛都要讓步于人為的操控。
自動駕駛項目工程師孫豐：還原完整場景是挑戰
經濟觀察網記者：要從行車數據中分析出事發時車輛的具體操控狀況，目前來說，是不是需要非常頂級的專業高手。
孫豐：首先要對車輛動態分析和車輛系統要有比較深入的了解，這些數據相當于飛機“黑匣子”，但是和飛機不同的是，有些車輛可能只能記錄了自己的車輛信息，但是對于環境和其他交通參與者的信息未必記錄了，這樣對于還原當時的場景會有一些困難。
經濟觀察網記者：搭載自動駕駛功能的車輛是近幾年才開始大量出現，目前做這種事故的第三方鑒定很鮮見也有爭議，您怎么看？
孫豐：第三方（進行鑒定）有意義，但是要看是什么第三方，應該有一些國家機關具有這種技術實力。
（出于對采訪對象的保護，文中所涉皆為化名。）
