近期，安徽大学牵头在《Proceedings of the IEEE》（影响因子25.9）上发表了一篇关于自动驾驶安全高效行驶的论文。

这篇论文里有一个特别具体的数字——路权违规次数，1.8次。

你们可能不太清楚这个数字意味着什么。在同样的测试场景下，其他模型平均违规5.6次。降了将近68%。这个差距，不是小打小闹的优化，是直接砍掉了一大半。

这篇论文是安徽大学机器人学院王晓教授团队做的，跟江淮汽车、格里菲斯大学、澳门科技大学都有合作。他们提了一个框架，叫SF-HLDM，翻译过来就是“安全优先的类人决策”。但我更感兴趣的，是他们把“路权意识”这个东西量化了。

路权这东西，开过车的人都懂。有时候你让一下，对方就过了。有时候你该走就走，犹豫反而危险。但让机器理解这种默契？我一开始是存疑的。

翻了翻他们的技术路线，大概意思是，他们定义了什么叫“绝对路权区域”，然后搞了个“路权违规指数”来算车辆有没有遵守规则。就是把那些说不清道不明的驾驶默契，变成了能计算的东西。

还有一组数据也让我反复看了几遍。

平均车速提升了2.5%，但最小车头时距扩大了41.8%，平均加速度降了23.5%，偏航率降了60.5%。这几个数字放在一起看，就是这辆车学会了“该快就快、该慢就慢”。

我之前一直不太看好那种一味追求效率的自动驾驶方案。有些企业宣传自己的车多激进、多能钻空子，听起来很厉害。但坐过的人都知道，那种体验并不舒服。一脚油门一脚刹车，真地让人晕车。

这个SF-HLDM的思路不太一样。他们用的是一种分层结构，高层的变道、跟车策略，跟底层的方向盘转角、加速度控制是分开的。还有多目标奖励函数，同时考虑速度、舒适度、安全裕度和路权合规性。

不过，论文里提到的测试还是在CARLA仿真平台上跑的。虽然用了复杂城市地图和不同交通密度，但仿真终究是仿真。坦白讲，1.8次的路权违规是很漂亮，但放到来回穿梭的外卖电动车和加塞不断的早高峰，这个数字会变成什么样，后续还要看实际应用情况。