近些年来，一些无人驾驶汽车研发者和媒体人，受一些外来因素影响，经常把他们刚刚研发出来的，行驶起来非常别扭、毫无机动性和灵活性可言的所谓无人驾驶汽车，放在低速状态，将通过视线良好路口、弯道以及障碍物等特别明显危险地点的场景展示出来，且把在这种低速状态通过明显危险地点场景里行驶的无人驾驶汽车作为成果展示到大众面前，并且不切实际地、滔滔不绝地大讲特讲，不惜笔墨、连篇累牍地大写特写。对这种无人驾驶汽车过度地进行包装。似乎他们就认为这样的雏形机器已经很接近于真正的无人驾驶汽车了，似乎再不需要花大力气就可以堂而皇之地进入无人驾驶的神圣殿堂。岂不知，真正的无人驾驶汽车能在开放的道路上行驶，汽车的智能状况，几乎就得接近于人工驾驶或者超越人工驾驶水平。

这里特别需要说明的是，汽车在道路上行驶，驾驶人在“全部预防”主导下，不时地、重复地做着安全通过危险地点、避免事故的工作，归结起来就是四种方法：1、加速调整，首先通过；2、减速调整，对方先行；3、相互配合，谨慎通过；4、减速接近，准备停车。需要说明的一点是，驾驶人根据情况变化运用加速调整时，有时是在原来车速基础上的加速；有时是在原来车速基础上减速后的加速；有时是速度变化不明显或者没有变化，但在思想上却明确经历了加速或减速调整，把汽车的机动性与灵活性体现的淋漓尽致。

一、客观实际是研究无人驾驶汽车的基础

很多驾驶人员在公路混合交通、高速公路交通、城市道路交通三大类环境中，面对五种“危险结构”覆盖的所有明显危险地点与潜在危险地点，在“全部预防”主导下，都能把配合四种安全通过危险地点的方法所需要使用和调整控制的油门、喇叭、转向、制动、灯光、离合器等，掌握得出神入化，使整个行驶过程平稳、流畅，没有紧急制动、来不及制动以及躲闪危险等危险行为，真可谓人车合一。而从目前媒体演示的无人驾驶汽车的状况和目前我们常见到的人工驾驶水平相比较，我们敢说，或许30年后，甚至更长一段时间也不会出现能够完全达到人类驾驶水平的无人驾驶汽车。

我们之所以能这样说，主观的原因是几十年来，我们的团队通过驾车、乘车以及和不少驾驶人交流经验发现总结，认识到，研究无人驾驶汽车的工作是细致而又漫长的，而研究的基础则是从客观实际出发，去研究道路交通的实际情况及其特点，研究安全驾驶的规律，研究《道交法》，研究正常人非正常驾驶的原因等等，在掌握了这些客观实际情况的基础上，再把人工智能可用于汽车上质优价廉的技术（叶檀女士，对华为的这一技术有较详细的表述），即：看得远、看得清、算得快、算得准、无盲区等优势，怎么更具有针对性，更能发挥其优势，运用到汽车的驾驶领域中来。这个过程首先需要把高科技的辅助技术手段（语音警示、图像警示、声光警示等）运用到人工驾驶中来，然后逐渐将这些发现目标的警示技术和汽车运行机械操作系统有机地结合起来，达到接近于或超越于人工驾驶水平的驾驶。

我们有这种构想还来源于一个客观原因，是认真读取了一本《深度学习——智能时代的核心驱动力量》的书，这书是专门写给“门外人”了解人工智能的。书中在预计将来人工智能可能遇到的几个瓶颈时讲到：“总结出一个一百步法则，也就是说人工智能使用的算法，在运行了数十亿个步骤之后却常常得不出一个正确的结论，而人的大脑往往只需要经历大概一百个步骤通常就会得出一个正确结论。”书中还讲到：“人类大脑执行运算的次数是每秒钟四千四百亿次……今天的人工智能虽然可以模拟上亿个神经元，但是和真正的人脑相比，规模还仅仅是1%。”因此应该清楚，人工智能在某些方面辅助驾驶人驾驶是可行的，而要完全达到人脑水平的驾驶实在是太遥远了。

能得出这种结论，是我们的团队数十年来始终致力于研究道路交通安全问题，并著有《道路交通事故预防规律——三点两段定律》、《道路行车事故预防基本规律》、《整体安全是〈交法〉的灵魂》等7本书和3部动画片及170多篇文章。积累了一定的道路交通安全方面的经验，并初步形成了一定的理论基础。尤其是近年来，我们又把精力投入到关注研究无人驾驶汽车方面的事情上来。对清华大学计算机系教授，中国人工智能产业创新联盟专家委主任，邓志东老师题目为《无人驾驶近在咫尺，AI智慧真的能媲美人类司机》的演讲，我们认为是目前在国内外听到为数不多的一次很客观实际的演讲，其中邓老师讲的“完全人类水平的无人驾驶汽车，L5自动驾驶汽车，应该说还遥遥无期”，反映出了一个学者实事求是的科学态度。特别是邓老师讲的“人类驾驶永远是我们无人驾驶的标杆和榜样，但是我们自动驾驶现在要追求的是怎样去替代正常人的非正常驾驶。联合国有个数据，2018年全球因为道路交通事故死亡人数135万，平均每一天是3700人死亡，那么其中这个原因90%以上都是因为正常人的非正常驾驶……我们实际上现在目前的自动驾驶，就是要力图解决这个90%，……”他的论述对攻坚道路交通安全难题，和如何运用高科技来解决这些难题指明了方向，起到了关键的作用。

二、用自动驾驶技术解决非正常驾驶问题的途径

邓老师讲的“我们实际上现在目前的自动驾驶，就是要力图解决这90%，而不是真正与正常人的正常开车相媲美，所以，产业关注的焦点，目前限定在L3、L4（人工智能自动驾驶技术），尤其限定在L4”这一构想，就是如何将自动驾驶技术来辅助驾驶人进行安全驾驶。我们认为是针对性强、用时短、见效快、既省物力又省人力的远见卓识，特别是让广大驾驶人、管理者、汽车制造商和自动驾驶研究人员及关注道路交通安全的人士感到，这种自动驾驶的切入点，是目前最切实可行、能解决90%以上正常人非正常驾驶问题的途径。如果只是把自动驾驶局限在限定区域、限定功能，例如只是在港口道路、示范园区及特定道路等较封闭的小交通环境范围使用自动驾驶，那么，对于力图解决90%以上正常人的非正常驾驶引发的事故问题，是不切实际的。

正常人的非正常驾驶问题，在三大交通环境，不管是道路宽阔人车稀少还是道路狭窄人车稠密，不管是良好天气还是恶劣天气，也不管是白天还是夜间等，任何一种可能情况都会存在。也就是说，如果要能把三大交通环境中存在的任何一种正常人的非正常驾驶问题全部统计出来一并加一解决，才算是解决了90%以上的正常人的非正常驾驶问题。千头万绪，要做到这些，工作量是极其庞大的。何况，情况是千变万化的，且各种情况的排列、组合是无穷无尽的，是不可能完全统计出来的。因此，先把智能辅助人工驾驶引入，是容易办到的，也是当务之急，也是切实可行的。

我们提出问题，目的是为了解决问题，少走弯路，是要助邓老师的研究团队一臂之力。

我们认为，研究自动驾驶，用于解决90%以上的正常人的非正常驾驶引发的交通事故，根本问题是首先必须弄清楚道路交通安全的问题，因为绝大多数驾驶人面对三大交通环境中的任何一种可能情况都长期做到了安全驾驶。所以，问题的关键是我们首先要搞清楚正常人的正常驾驶所遵循的行车规律到底是什么？正常人的非正常驾驶所犯错误的深层次原因到底是什么？只有弄清楚了这些问题的前因后果，才能知道应该在什么地方下手。才能明确怎样把自动驾驶运用于辅助驾驶人的安全驾驶上来，逐步达到解决90%以上正常人的非正常驾驶问题。

（一）正常驾驶遵循的规律

驾驶过程中，只要前方出现将要与己发生或相会、或超越、或通过关系的车辆、行人、路口、弯道、盲区等相遇的对方时，彼此之间必定存在发现点、分界点、危险点（简称“三点”）。三点划分的区段便是“安全区”与“制动非安全区”（简称“非安全区”）。只有在“安全区”采取预防措施，并延续过“非安全区”，安全通过危险点，才能避免事故，这是客观现实形成的一条客观规律。这条规律称为“三点两段定律”（简称“三点两段”），如图1、图2、图3、图4所示。

驾驶人就是这样在“发现对方——采取措施——延续措施——通过危险点——发现对方——采取措施——延续措施——通过危险点……”的循环过程来完成安全驾驶全程的，这就是正常人的正常驾驶所遵循的规律。

进一步讲，以上图示表明“危险结构”是“三点两段”的整体外在表现，“三点两段”是“危险结构”的内在量化。只有通过“危险结构”、“三点两段”，才能量化出正常人的正常驾驶与正常人的非正常驾驶之间的差别，才能看清楚道路交通危险所在，才能明确道路交通安全驾驶是有完整而简明的程序的。“危险结构”、“三点两段”是科技人员研究自动驾驶的根据。这个由人工驾驶总结出来的，要求必须遵循的行车规律或规范，也是科技人员研究自动驾驶应该参考的，或应该遵循的，科学的依据。

需要说明的是：

（1）根据“三点两段”，驾驶人在应发现对方时所驾车所在地点的车速量化出的“安全区”与“非安全区”的距离（大型车70km/h遇对方的“非安全区”距离约50米 ，由分界点到应发现对方地点的距离是“安全区”的距离），明确告诉驾驶人，“非安全区”不是使用紧急制动的路段，在“非安全区”使用紧急制动、来不及制动以及躲闪危险等行为是理智控车能力滑向零的表现，是在“安全区”没有采取预防措施，驶入“非安全区”和危险点范围感觉到危险时的下意识行为，是事故的影子。

（2）长期以来，人们总希望紧急制动时在原地就能让汽车立即停住。如果真是那样的话，道路上就没有危险了，也就不需要制定法律法规了，无人驾驶汽车也早就满世界地跑起来了。但是那只不过是一厢情愿的幻想而已，在客观实际中却是绝对不可能的。由于车辆运动起来动能惯性的存在，故行车途中，只要发现对方，就有“非安全区”存在，不管无人驾驶研究人员用什么高科技，只能缩短人的反应时间——车的反应距离，但是缩短不了制动蹄片接触到制动鼓必须要的时间，缩短不了车轮开始在道路上拖印的这段距离。因此，在“安全区”的无人驾驶汽车如果没有预防措施，则“非安全区”肯定无预防措施在此延续，而这时一旦有车辆或行人阻断危险点上的交通，无人驾驶汽车肯定会撞上去的。所以说，无人驾驶汽车设计的制动理念，免不了也得参照“三点两段”这样的行车规律。

（二）非正常驾驶所犯错误的原因

多年来，发生事故的驾驶人大都说：我在自己车道，我没有超速，我行驶方向前方是绿灯信号等，总之，我是正常行驶，事故是对方的错误造成的。这样一来，吸取事故教训便无从谈起。

如果按照发生事故的驾驶人所说的那样，自认为自己是在“遵守秩序”的情况下发生事故的认知去认识事故，那后果是很乱套的。这种认识，造成了驾驶人认识上的模糊不清，特别是对刚考取驾照的人影响最大。

事故果真只是对方出错造成的吗？《道交法》总则第一条，这一纲领性的规定中明确了“维护道路交通秩序”，这是最基本的“预防”；紧随其后的又一个“预防”，这是基本“预防”之上防备对方出错的“预防”，二者（简称“全部预防”）是一个不可分隔的整体，离开“全部预防”，谁的安全也无法保证。“全部预防”贯穿于整部法规之中，是通过“三点两段”落到实处的，应以“全部预防”的眼光看待整部法规之中的条条款款。只用“遵守秩序”的基本预防，而不做防备对方出错的“预防”，这本身就违背了法规，是错误的。这就是正常人的非正常驾驶所犯的错误，是酿成事故的根本原因。明白了这一点儿，人们才会真正明白何为“安全驾驶”。

明白了何为“安全驾驶”，自然就明白了何为正常驾驶，具体讲，驾驶人安全通过危险点，要经过：1、发现情况；2、思考危险；3、调整车速；4、安全通过。这“四个步骤”。凡在“安全区”应发现情况地点发现了情况，其后2、3、4步才能合理产生，这是对正常人正常驾驶的最基本要求；凡在“安全区”应发现情况地点没有发现情况，其后2、3、4步便无从谈起，这是正常人非正常驾驶常犯的错误。正常驾驶在“安全区”要完成“四个步骤”的前3步，“非安全区”延续前3步中的“思考危险”与“调整车速”（措施），直至安全通过最后危险点。

展开一点讲，做到正常驾驶还必须清楚，在道路上凡“发现情况”与“思考危险”两步几乎能在同一时间里完成的，都属于“明显危险结构”范围中的危险，如图5所示，在一乡间小路与公路形成的交叉路口，小路上有一接近路口的骑车人，他只要进入驾驶人的视线，驾驶人从他行进方向上即刻便知其前方是小路口，“发现情况”与“思考危险”两步几乎能在同一时间里完成的，如果骑车人与汽车处在同一方向前方公路右边的非机动车道上，如图6所示，驾驶人第一步发现骑车人，第二步再把骑车人与其左前方较隐蔽的乡间小路口联系起来（明确骑车人与其左前方较隐蔽的乡间小路口的组合形成了骑车人向左改变方向阻断交通的客观条件），其间有明显的时间推移过程，“发现情况”与“思考危险”两步不能在同一时间里完成。

凡“发现情况”与“思考危险”两步几乎能在同一时间里完成的都属于“明显危险结构”范围中的危险。凡“发现情况”与“思考危险”明显的两步不能在同一时间里完成的都属于“潜在危险结构”范围中的危险。“潜在危险结构”，分为“一般危险结构”、“特殊危险结构”、“最危险结构”和“后视危险结构”四种。这四种“危险结构”的不同特点：“一般危险结构”是由行进两方形成的，“特殊危险结构”是由行进两方+或较隐蔽的乡间小路口，或较隐蔽的路面损坏小凹坑，或较隐蔽的路面小体积堆放物等形成的，“最危险结构”是由行进三方形成的，“后视危险结构”是由前车与其后车辆或行人形成的。这四种“危险结构”的共同特点：一是危险地点都不直观明确，二是都形成于有利于提高车速的交通环境。

以上所述，是我们几十年来通过驾车、乘车及和不少驾驶人交流经验发现总结的，道路上的车辆、行人、路口、弯道、不良天气等能与汽车形成的“危险结构”只有“明显危险结构”、“一般危险结构”、“特殊危险结构”、“最危险结构”和“后视危险结构”这五种。除此之外还没有发现第六种“危险结构”。五种“危险结构”覆盖了道路上所有引发事故的危险点，而安全通过危险点的方法就是“四个步骤”中第三步“调整车速”即1、加速调整，首先通过；2、减速调整，对方先行；3、相互配合，谨慎通过；4、减速接近，准备停车。这四种。除此之外还没有发现第五种安全通过危险点的方法。

总之，“四个步骤”及四种通过危险点的方法，都是在“全部预防”主导下，通过“三点两段”落到实处的，特别是不管所驾车速度变化是否明显或者有没有变化，驾驶人在思想上都明确经历了“四个步骤”。

“全部预防”、“三点两段”、“危险结构”、“四个步骤”及四种通过危险点的方法，给驾驶人和研究自动驾驶技术的人员提供了道路交通安全驾驶程序，使正常人的正常驾驶更加完善，使正常人的非正常驾驶得到遏制，使研究自动驾驶技术的人员研究方向更加明确具体。

（三）用自动驾驶优先解决道路交通事故最为突出的三个问题

我们前面已经讲清楚了，正常人的正常驾驶所遵循的规律“三点两段”，正常人的非正常驾驶所犯错误的原因，“潜在危险结构”是预防危险的难点及对“四个步骤”的量化，由此我们认为，只有“全部预防”与自动驾驶（人工智能）看得远、看得清、算得快、算得准、无盲区的优势在“三点两段”中形成合力，才能解决90%以上正常人的非正常驾驶引发的事故。因为人工智能现在还缺乏人的“理解”能力，单凭它是很难把“全部预防”在“三点两段”中落到实处的。也就是说在“三点两段”中以“全部预防”为主，以自动驾驶为辅，首先解决预防引发道路交通事故最惨、最多的三大危险情况，然后再逐步解决其它危险情况引发的事故。

用人工智能辅助驾驶人安全驾驶，把先进科学技术引入驾驶领域，使科学技术和人类驾驶总结出的规律有机结合起来，是驾驶领域进步发展的一个体现。由于完全达到人类驾驶水平的L5自动驾驶技术目前还存在一定的短板，用人工驾驶和智能辅助相结合的办法是一种较好的选择。我们设想，把智能辅助优先用在解决这三个方面的安全问题上，是解决道路交通安全的当务之急，重中之重，也是最容易见到成果的好办法。就是1、首先要把目光聚焦在“潜在危险结构”中超车时有对面来车这一引发事故后果最为惨烈的情况上；2、聚焦在预防“潜在危险结构”中汽车前方路边相同方向或相对方向骑车人左转横穿道路进入较隐蔽乡间小路口（包括隔离带缺口）这一引发事故率最高的情况上；3、聚焦在预防“潜在危险结构”中高速公路出口这一在高速公路上引发事故占比最多的情况上。

这三个方面的事故问题若能够在运用高科技进行辅助人工驾驶，使事故减少或趋近于杜绝，那就足于说明我们的着眼点是正确的，也会为我们进一步研究无人驾驶奠定一定的基础。也显示出我们运用高科技与人工驾驶取得了一定的成绩。

下面详细说明和分析这三种最为突出的事故情形和事故发生的原因，并且简要阐明引入高科技的切入点。

1.“最危险结构”中的最危险情况

不管所驾车行驶的道路上有无分道标线，若前方有两个运动体，所驾车与这两个运动体构成的结构称为“最危险结构”。“最危险结构”中三方都处在高速状态时，这是混合交通中的最危险情况，如超车一方是70km/h，被超车与对面来车都是60km/h，被超车与对面来车两车速度之和是120km/h，这是高速公路最高限速，最惨烈的道路交通事故就发生在“最危险结构”中的最危险情况，如图7所示。

图7所示是我国1949年建国以来死亡人数最多、最惨烈的一起车祸，是超越车和被超车与对面车形成“三点成一横线”最危险局面的情况下发生的。事故过程是：1991年10月30日，驾驶人李某驾驶大客车在贵州福泉境内沿金鸡岭路段公路右侧行驶，一辆由谢某驾驶的中巴客车从左侧后面超越上来。当中巴客车刚与大客车并驾齐驱之际，前方迎面驶来一辆北京212型吉普车。此时退避已经来不及，慌乱之中李某把大客车转向盘向右一拨，车身擦在路边的防护墩上，在一阵金属摩擦声中，中巴客车从大客车与吉普车中间即“三点”地点上挤过，带着车身两侧的伤痕冲过“三点”地点到前方停下来，而已紧靠右侧的大客车却似一匹脱缰的烈马奔向路右75米深的陡崖，跌落在长滩河里。这种最危险情况导致的车祸，造成59人遇难，成为我国2020年12月31日以前死亡人数最多的一起特大道路交通事故。

2014年8月9日16时25分，西藏自治区尼木县境内国道318线发生一起交通事故，一辆皮卡货车超越一辆旅游大巴车时与对面一辆越野车相撞，这种最危险情况导致的车祸，造成44人遇难，11人受伤。

2020年10月4日5时40分许，吉林松原扶余市514省道39公里处，一辆小型普通货车由西向东行驶，撞至前方同向行驶农用四轮拖拉机尾部，又行驶对向车道，与对面行驶的另一辆小型普通货车迎面相撞，这种最危险情况导致的车祸，造成18人遇难、1人受伤。

这种“最危险结构”中的最危险情况，由于超车一方影响了被超车与对向车当时车速，造成超车一方不能单方首先通过“三点”危险地点，因此时超车一方因纵横向选择余地受到严格限制，其理智控车能力会瞬间滑向零而使所驾车处在失控状态，随即引起被超车与对向车的失控，当“三点”危险地点不能通过，失控的三车十有八九会发生相撞，这时，不管车内人少还是人多，大都很难逃过一劫。

如何用人工智能辅助驾驶人预防“最危险结构”中的最危险情况呢？其过程应是，在“安全区”由智能系统确定“三点”危险地点，并计算出三方的速度及距“三点”危险地点的距离，如果超车一方影响了被超车与对向车当时车速，人工智能会马上用语音警示要求驾驶人立即放弃超车。人工智能在“安全区”做到这一点在技术上是不存在问题的，因为人工智能看得远、看得清、算得快、算得准、无盲区，不存在“四个步骤”1、2步不能在同一时间里完成的问题。至于“非安全区”延续2、3步“思考危险”与“调整车速”直至安全通过最后危险点，则由驾驶人通过“全部预防”来完成。当然，如果不影响被超车与对向车当时车速，就不会形成三方高速一起往“三点”地点聚集的情况，则不需要语音警示。

2.“特殊危险结构”中引发事故最多的情况

图6所示的情况，是“特殊危险结构”中引发事故最多的情况。2000年6月29日，山西电视台的一则报道说：“108国道祁县至介休路段是一条较高等级公路，这段路全长73公里，仅路口就有600多处，平均100多米就有一处，造成事故频发。”这种交通环境，汽车前方路边相同方向或相对方向的行人、骑自行车人以及人力小板车等，其一旦向左转向，瞬间就可阻断交通。据统计，2001～2003年，我国每年因道路交通事故造成的死亡人数超过了10万，其中48%是骑自行车者和行人，如果加上摩托车、拖拉机、农用运输三轮车等在此向左转向横穿道路与汽车相撞，那么，此处无疑是“特殊危险结构”中事故率最高的地点。

如何用人工智能辅助驾驶人预防“特殊危险结构”引发事故最多的情况呢？其过程应是，当汽车前方路边相同或相对方向出现低速运动体时，进一步观察低速运动体左前方是否存在较隐蔽的乡间小路口，一经人工智能确定存在小路口，立即在“安全区”用语音警示驾驶人注意，不存在小路口时则不需要警示。但驾驶人应清楚，不存在小路口的非机动车或行人是“一般危险结构”中的危险，对其不可放松警惕。

3.高速公路出口引发事故占比例最高的情况

根据公安部交管局的统计，高速公路上超过40%的事故，都发生在出入口区域内，尤以出口为甚。原因是，高速公路上车速较高，车道较多，显得出口道路狭窄，使那些在普通道路上危险性并不大的右边路口也变得十分危险了，具有了“特殊危险结构”的特点。一些驾驶人对此特点缺乏足够认识，造成没有及时发现出口，或因道路情况不熟，驶过了出口。没有及时发现出口或驶过出口后，又急速刹车，倒车，或者调头，想重新在道口下高速。这些错误行为，使出口成为了事故的高发区，如图8、图9所示。

2014年6月12日6时6分，某大学负责人，驾驶小客车在杭州绕城高速西线向北83公里、三墩主线出口处，从左向右违规变道，与右侧直行的大货车相撞，小客车翻滚几圈后被压在大货车下，造成小客车驾驶人不幸遇难，大货车驾驶人受伤。

2021年5月3日9时25分许，宁夏彭阳驾驶人马某龙驾驶牌号为宁AA3813的大客车，沿京藏高速公路由北向南行驶至1258公里4米处时，与前方宁夏西吉驾驶人马某远驾驶的宁AS286J号小客车（核载7人、实载7人）追尾碰撞，造成小客车上4人死亡、3人受伤。经初步调查，小客车驾驶人马某远在驾车错过高速公路出口后违法在高速公路行车道停车并准备倒车，是引发事故的重要原因。

凡在高速公路上行驶的驾驶人和乘车人，只要稍加留意就会发现很多出口附近都留有制动痕迹及纵向交错叠加的制动痕迹，由此便能想象出此处那些由于道路情况不熟悉，不能预先做好下道准备，或者行驶过了下道口再急于改变行车状况（急刹、变道、倒车、掉头）来下道这些错误行为而频频引发的危险。

如何用人工智能辅助驾驶人预防高速公路出口危险情况呢？其过程应是，当所驾车前方有车辆，并且车辆右侧存在出口时，智能系统立即在“安全区”用语音警示驾驶人注意，而不存在出口时则不需要警示。

以上三种情况是目前道路上易发生交通事故，也是驾驶人员应该引起重视的安全问题的重点，这也是我们研究自动驾驶的科技人员亟待着手解决的交通安全问题。

在这三种危险情况里边，相比较第三种危险情况涉及的因素比较少，问题解决起来难度相对要小一些。因此把第三种情况放在首位提早解决，也是能够使这一工作提早见到成果的。

上面，通过“危险结构”等把“全部预防”与人工智能看得远、看得清、算得快、算得准、无盲区的优势在“三点两段”中形成合力体现得一清二楚，并针对性极强地指出在有利于提高车速交通环境，如何预防事故后果最惨、事故率最高的三种危险情况，目的是让邓老师的研究团队把精力集中到难点问题上一举攻下它，最后，再用人工智能辅助驾驶人预防其他危险情况引发事故的问题就会轻松得多。

除了上面所列举的我们已经明确了的三种危险情况亟待用人工智能警示手段来提醒驾驶人员外，还需要在以下情况来警示驾驶人员。

如“最危险结构”中三方中有两方是高速行驶车辆，这时“三点”危险地点虽然容易确定，但这一地点是在行进中形成的，其潜在危险地点的危险性质没有变，所以需要人工智能警示注意这一危险地点。

再如“特殊危险结构”中超车时，被超车前方道路上如果存在路面损坏形成的小凹坑、小体积的堆放物以及与公路颜色和周围环境色调相近、相似、驾驶人难以分辨的其它堆放物等危险地点的,需要人工智能警示；或者高速公路行车没有与前车保持安全距离的,需要人工智能警示；或者夜间远光灯150米照射范围以外存在障碍以及雨雾天气中存在障碍等都需要人工智能警示；还有向左或向右变更车道时后方有车辆高速临近的,需要人工智能警示；另外视线不良路段有运动体接近道路的,也需要人工智能警示等。

当然，有的驾驶人认为在高速公路上车速达到70km/h以上，混合交通公路上车速达到50km/h以上才需要人工智能警示，低于上述车速时则不需要人工智能警示。还有的驾驶人认为自己路况熟悉，行车经验丰富，反应快，动作快，完全能从容处理五种“危险结构”中的任何一种危险情况，那么，这样的优秀驾驶人员也可关闭人工智能辅助驾驶系统。关与不关，宜根据具体人具体情况而定，但最高原则是“保证行车安全”。

总之，运用人工智能辅助驾驶，应根据不同驾驶人的实际需要可随时调整，切实起到辅助作用，否则会适得其反，干扰驾驶人的正常驾驶。例如现在的导航系统在高速公路上，语音警示主路行驶的驾驶人“右侧有车辆汇入”。而实际情况：一是彼此横向安全间距至少在10多米以上，二是汇入车辆有时在主路车辆右侧前方180多米以外，三是汇入车辆有时在主路车辆右侧后方30多米以外，特别是白天，这样的警示，似乎对主道上行驶的车辆没有什么可以参考的价值，反而会使人产生排斥心态。所以预警系统应结合实际，做到切实可行，使智能警示系统真正起到作用。

（四）关于L4自动驾驶汽车应用范围

当驾驶人通过“全部预防”与人工智能辅助驾驶在“三点两段”中形成合力，防住了绝大多数事故时，还需不需要研究限定区域、限定功能的L4自动驾驶？我们认为不需要。当然，有人认为，通过L4自动驾驶，会从中获得一些L5自动驾驶研究所需数据。但问题的关键是限定区域、限定功能的L4自动驾驶应用范围，是仅局限在如港口道路、示范园区及特定道路等较封闭的小交通环境呢？还是要由此扩大到城市出租车和公交车等行驶道路开放的大交通环境呢？

具体分析如下：

1、限定区域、限定功能的L4自动驾驶行驶区域，是“明显危险结构”覆盖范围中少之又少的区域。就“明显危险结构”而言，其形成于不利于提高车速的交通环境，只占五种“危险结构”之一，而且不是汽车发挥主要经济效益的交通环境，所以，搞限定区域、限定功能的L4自动驾驶现实意义不大，而从中获得的一些L5自动驾驶研究所需数据也是不能够解决绝大多数问题的。

2、如果目的是将有L4自动驾驶功能的出租车和公交车，使用范围由限定区域、限定功能扩大到城市开放道路的大交通环境，那么单就投入的人力、物力、财力而言，是巨大的，是短时期内难以办到的，因为需要在城市建设适应L4自动驾驶与其他车辆行人配合L4自动驾驶行驶条件的道路和设施。

3、如果目的只是将有L4自动驾驶功能的出租车和公交车，使用范围稍微向城市开放道路扩大一些，我们认为，也是不行的。因为L4自动驾驶在城市开放道路上没有机动性与灵活性可言。驾驶人在城市形成“明显危险结构”占多数的交通环境下，尽管这种环境人车稠密，路口多，视线不良路段多等，是不利于提高车速的交通环境，但是一旦有提速条件，驾驶人即可提高车速，那怕这段距离不到百米，特别是在没有红绿灯与斑马线的道路上。驾驶人发现横过道路的行人基本就这四种表现：1、左右观察，停步在马路牙子上让车；2、左右观察，快速通过；3、左右观察，放慢脚步让车；4、没有左右观察通过。驾驶人针对这四种表现有四种安全通过方法：1、加速调整、首先通过（缩短互为障碍相互影响的时间）；2、减速调整，行人先行；3、相互配合，谨慎通过（指在扩大与行人横向安全间距的前提下适当提高车速通过）；4、减速接近，准备停车。如果L4自动驾驶能达到这个程度，就等于达到了L5自动驾驶的程度，否则，就达不到以上操作所预期的效果，使乘座在L4自动驾驶出租车和公交车上的乘客会感到非常别扭而生厌烦。所以，限定区域、限定功能的L4自动驾驶，仅仅是让人短暂的好奇而已。

三、引发道路交通事故的三大类危险

因邓老师在演讲中列举了“酒后驾驶、疲劳驾驶、开斗气车等。我们认为有必要点一下引发道路交通事故的三大类危险。第一类是“明显危险结构”危险，第二类是“潜在危险结构”危险，这两大类危险在上面都提到了。第三类是无驾驶资格驾车造成的危险，具体指不管道路上有无对方，对方有无过错，凡在“危险结构”内、外任何地方，都有可能造成事故的危险行为，如酒后驾驶、疲劳驾驶、开斗气车，看着手机开车，还有驾驶安全设施不全或者机件不符合技术标准的车辆等。此外，无证驾驶、驾车不正视前方或与乘员聊天，以及边驾车边低头看导航仪、捡东西或清洁车内卫生等分心驾驶；服用国家管制的精神药品或者麻醉药品（包括毒品），或者患有妨碍安全驾驶的疾病的驾驶行为；或者货物捆扎不牢固等都是与酒后驾驶等行为同一性质的行为，是连基本“预防”都不做的行为。这种行为导致此时的车辆是失控制的，其经过的路段无安全可言。

然而，不管是过去还是现在，第三类危险引发的事故，在这三大类危险引发的事故占比中都是少数，尤其是近十年，对酒后驾驶加大处罚力度，对疲劳驾驶，如长途大客车、大货车要求至少是两名驾驶人，一些省市规定只要是夜间就不允许大客车在高速公路上行驶。还有机件故障问题，在道路上有时偶尔能看到驾驶人更换车胎外，因汽车质量发生故障的情况越来越少，还有“开斗气车”与看着手机开车等。随着道路上监控设备覆盖面的不断扩大以及很多车辆上都安装有摄像头等，这一切有力措施，使第三大类危险引发的事故呈直线下降，这些都是有据可查的。

以上所述，仅是点到为止，但有三点还是比较明确的： 一、明确了《道交法》第一条中明确的“全部预防”是通过“三点两段”落到实处的。二、明确了只有“全部预防”与人工智能在“三点两段”中形成合力，才能解决90%以上正常人的非正常驾驶问题，才能有效防住“潜在危险结构”中三大危险情况及其他危险情况引发的事故。三、明确了L5研究方向要围绕“全部预防”、“三点两段”进行。

总之，我们的目的是希望在有生之年，看到我国万车死亡率是全球最低的，看到虽然没有落地的L5，但是在研究方向上是明确具体的。邓老师在《2021科学跨年之夜》演讲中的一段话掷地有声：“为了中华民族，为了我们为人类文明做出更大的贡献，为了我们在技术上不受别人的卡脖子的压制，我相信我们在未来，会在科学探索的道路上越走越远，为了达到这样的目标，就需要你，需要我，需要我们大家共同努力！”

我们团队所研发出的道路交通安全理论与实践体系，目前，还是其他国家所不具备的。我们相信，这一体系与我国的智能研究的有机结合，其成果必定是“世界第一”。

附：几点建议与道路交通安全驾驶程序简表

希望大家不可忘记几点常识的建议。

1、人是会自觉不自觉犯错误的，预防对方出错是做到基本预防之上必不可缺少的预防。

2、人是理性运作的，而人工智能是程序运作的。没有理性功能的人工智能是不能代替人的，而只能为预防助手。

3、惯性定律是不可动摇的。车辆的运动惯性必然会产生惯性区，控制不当必然闯祸，制动数据是表示“非安全区”距离的；“非安全区”是研究安全驾驶问题的基础，又是出发点，也是归宿。

4、凡事都有规律可循，循则胜，违则败，“三点两段定律”不可违。

5、一切都要从客观实际出发，再先进的科学技术，离开实际，都是空中楼阁；用之得当则助力，用之不当则适得其反。

6、实事求是，具体问题，具体分析，是一切科学的根本；一切主观愿望，再美好也是空的。

7、凡事选向要对；不对，则南辕北辙。

图表中的A预防是指遵守秩序，B预防是指预防对方出错。在程序中用A预防+B预防表示“全部预防”。