報告中這些提法，或許有堅實的理由。不過，對這個行業，仍顯得有點激進：首先是安全問題，激進可能導致事故。公眾能接受更頻繁的事故嗎，自動駕駛企業能承擔這一后果嗎?
加州機動車輛管理局的自動駕駛車輛脫線報告
加州機動車輛管理局(dmv.ca.gov)發布的2019自動駕駛車輛脫線報告(The autonomous vehicle disengagement reports)，對各家自動駕駛公司在當地測試并自主上報的安全員干預車輛情況進行了統計。
根據各家公司自主統計上報，百度的車輛每18050英里需進行一次干預，其次是谷歌姊妹公司Waymo，每次干預間隔達到13219英里，之后是CRUISE，AutoX，Pony.ai，然后是Nuro，Zoox和PlusAI，而國內還有一家在當地測試并自主統計上報的公司是滴滴，平均干預間隔為1535英里每次。
除平均干預里程間隔外，另一個引人注目的點，是該指標的進步速度。從媒體理出的加州DMV歷年統計的安全員干預情況表看，2018-2019年，有些公司的這一指標出現了驚人進步。但數據也引起一些專業人員對真實性的尖銳質疑。
脫線率(disengagement rates)已成為觀察自動駕駛車輛成熟度的指標。但這一指標還不夠，需參考測試所在公共道路的環境，比如，是人煙稀少的農村還是人口密集的城市。
當然，由于這些指標是自動駕駛公司自主上報，其數據真實性也一直備受質疑。
在《中國自動駕駛小汽車營運能力分析報告(2019-2020年度)》里，沒有提及這類指標，故而無從觀察是否具備取消安全員的可行性。目前唯一取消安全員的Waymo公司，其人工干預的平均間隔為13219英里。如果報告鼓勵取消安全員，那理應提出取消安全員的觀察指標，或提出其他步驟與衡量方法。
為什么需要安全員?
需要安全員的首要理由是安全。而對自動駕駛研發而言，安全員還有改進系統的作用。
美國道路安全保險研究所(IIHS)今年六月提交的一份報告認為，如果自動駕駛車輛能達到人的水平，那么自動駕駛汽車可能最多防止大約三分之一的車禍。這是對5000起撞車事故分析后得出的結論。這個結論打破了關于自動駕駛會徹底安全的斷論，也受到許多自動駕駛從業者的批評。
這份報告把事故因素分為五類：觀察錯誤、預測判斷錯誤、決策錯誤、執行錯誤、失能。這五類中，觀察錯誤的事故占23%，失能如酒駕或突發疾病占10%，這兩類事故不會在成熟的自動駕駛車輛上發生。而在預測判斷、決策和執行方面，目前看，自動駕駛還未達到人類水平，因此只能減少三分之一的事故。
而2018年3月Uber測試車的撞車死亡事故也可作為這一判斷的例證。事故前6秒，橫穿的行人和自行車被自動駕駛車輛標記為未知物體，在1.3秒前，自動駕駛車輛提醒緊急制動，但安全員未能做到，最后以63公里的時速撞擊了行人。
這起事故證明了自動駕駛車輛預測能力的嚴重缺陷。人類駕駛員面對未知物體的處理，要比自動駕駛車輛謹慎很多。正常的駕駛員，會關注并預測未知物體動向，無法判斷時，會采用保守方式規避，譬如剎車或變道遠離等。視頻顯示，事故前六分鐘到事故發生，該車安全員處在頻頻往下方看的分心狀態。而在警察的調查報告里，同樣場景的幾次試驗中，85%的駕駛人能在44米前看到行人并應對該場景。
而科技公司一直鼓吹，傳感器可看到人不能見的物體，并避開這些物體。這類宣傳讓一些安全員經常處在分心的工作狀態。輿論在對這起事故的反思里，還批評了科技公司采取捷徑獲得成功的冒進思維。
想當然認為自動駕駛車輛會比人類駕駛安全，然后認為可以取消安全員，只能說明提出者對駕駛行為不了解。分解駕駛行為過程，就能了解自動駕駛能解決什么、不能解決什么，安全員又要做什么。
同樣的技術，也可用于改善現狀交通安全。中國一些機構提出取消安全員的想法，也說明了對交通安全的態度，再次驗證改善交通安全現狀的艱難。切勿讓想當然成為安全政策的主導思路。
安全員對自動駕駛車輛的好處，不只是避免事故，還有改進系統的作用。
上路的自動駕駛車輛，往往是只具備最低安全和最低能力的車輛系統。行駛過程中，會出現輕微的車道偏移、急剎、停頓、急加速、不合適變道等，不一定會造成風險，但仍不合適。安全員即便不干預，也可及時記錄感受，并理出細節，便于改善系統。
至于遠程安全員的提議，如果不拿出兩者駕駛行為上生理、心理數據來討論，很容易陷入口舌之爭。
車聯網是否有助于自動駕駛車輛的安全
車聯網技術在全球已進入大規模商用階段。完全自動駕駛車輛沒有明確的時間表，協同智能交通系統(C-ITS)已在一些國家的智慧城市建設重要路網進行了有限的投資建設。隨著達到成熟并商用，這些技術的相互融合，也是可預料的。不過，一些原則仍要清楚。
譬如，完全自動駕駛車輛只能依賴自身能力運行，不能依賴任何實時在線技術支持。也就是說，自動駕駛車輛無需依賴車聯網、智能交通系統的支持就可獨立運行，甚至是不能依賴車聯網、智能交通系統。
這個原則至關重要，也是這個行業的共識。這只需簡單證明。譬如，即便再過一百年，世界上也還會有超過一半的道路，是得不到車聯網通信或C-ITS支持的，它們仍是自動駕駛車輛需要獨立前往的道路。獨立完成自動駕駛，是自動駕駛車輛成立的前提。
如果上述邏輯成立，就意味著自動駕駛車輛的安全性不依賴于車聯網。車聯網也許有助于自動駕駛車輛的安全，但其作用絕對不是決定性的。這就好比一個人讀書好，主要取決于個人有多認真勤奮，而非買了多少本參考書。
不過，對車聯網、協同智能交通系統、自動駕駛車輛三個概念，當前的傳播上出現了很大程度的混淆。這可能與當前的兩個重大困境有關。
其一，中國車商要向高端發展的困境;其二，一些工程技術積累不能指導問題解決。對這兩個困境的討論，展開會有很大篇幅，此處只做簡單討論。
討論自動駕駛車輛時，如果不落到具體應用，而處于空泛的背景之中，就會導致概念混淆。這十年來，許多車商已將一些自動駕駛技術落到商用，并增加了車輛附加值，譬如車道保持輔助系統、車距保持和跟車輔助系統、自適應巡航控制、自助停車等，新的自動駕駛技術很快也會在新車上商用，譬如自動換道輔助系統、交通擁堵輔助系統等。這些是自動駕駛的組成部分，也是車輛的安全技術。
這些已商用的自動駕駛技術具體應用并未依賴車聯網和C-ITS。有什么理由說，自動駕駛車輛會需要車聯網和C-ITS呢?
自動駕駛成熟過程，實質是擬人化過程。這也是安全員之所以至關重要的原因。擬人化過程，是根據安全員的具體判斷改進每個發生的細節。機器與人相比，優勢是一次改進就永不犯錯、可全面發現環境信息且計算快等，但在判斷決策上仍需模擬人的思維模式。這個思維過程叫人因，已在交通安全領域發展多年，不僅可用于自動駕駛，還一直用于道路、車輛的設計和駕駛人的培訓。
這些技術一直存在，也在不停發展。我們的研發者了解這些嗎?
技術發展都有其歷史和內在邏輯。安全員的存在是自動駕駛技術發展的必經過程。這個崗位的出現或消失，也有其科學邏輯。如果要以取消安全員作為躋身自動駕駛領域第一梯隊的象征，那既缺乏工業化的思維，也缺乏對市場、科學和公眾的尊重。
