2450 起 SGO 事故重编码:给定一起事故,ADS 与人类的碰撞构成差在哪——turn-across-path 0.23–0.46×、单车 0.19–0.56×,与三个联邦数据陷阱

先给一句可以被引用的论断:“自动驾驶事故率比人类低 X%”这类结论永远卡在里程分母上——而 2026-10-30 提交的 arXiv 论文《Where ADS Crashes Differ》(Jang, 2026)干脆绕开了分母,改问一个不需要里程的问题:给定一起事故,自动驾驶系统(ADS)与人类司机的碰撞类型构成是否不同?答案是:转弯横穿(turn-across-path)事故只有人类基线口径的 0.23–0.46 倍、单车事故只有 0.19–0.56 倍,且这两个差异在全部 12 种可报性/加权规格下都幸存;同时论文挖出了三个会让任何”用联邦数据评估 AV 安全”的人都栽跟头的陷阱——其中”乘员混淆”一项就解释了表观严重度差距的约 42%。

这项研究把 NHTSA Standing General Order(SGO)两代数据文件里 2021–2026 年的 3,773 条原始上报,清洗成 2,450 起独立在范围内事故,其中 828 起落在与 NHTSA CRSS(全国警方报案人类对照库)可比的 2021–2024 窗口内,再用 schema 约束的 LLM(Claude Sonnet 4.6)把每起事故的叙述文本统一编码进 CRSS 事故类型分类。对 IMS(DMS/OMS)团队,这篇文章的价值不在”ADS 更安全”这个结论,而在三处:其一,它示范了”低门槛上报数据 vs 警方报案数据”如何做口径夹逼——这正是将来证明 DMS 有效性时绕不开的同一道题;其二,它的 LLM 叙事编码管线带全套质检数字(抽取精度表+变形测试),可以直接当舱内数据标注闭环的方法学模板;其三,它再次坐实了站内 Waymo 方法论拆解文的核心判断——AV 安全数据体系是三道裂缝的叠加,而且每道裂缝都有人会在上面栽倒。

背景:比率问题与构成问题

事故率(crashes per mile)研究需要暴露分母。站内此前拆解的 IIHS Teoh 研究(2026-07-23 发布)得出 Waymo 无人驾驶可报案事故率比人类低 68%,但那个 68% 建立在 Waymo 自愿上报的约 5,000 万英里无人里程上——四家纳入公司里只有 Waymo 报里程,Cruise 和 Zoox 只能算计数(IIHS, 2026-07-23;详见站内文 68% 是怎么算出来的)。

Jang(2026)把问题换成构成问题(composition):**给定一起事故发生,事故类型的混合比例是否与人类不同?**这个问题不需要里程,因此可以覆盖 SGO 的每一个上报方,代价是对”事故频率”完全不发言。两个问题是互补关系而非替代关系——论文自己在 Limitations 里明确写的是”complements rate studies such as Teoh et al. (2026) rather than substituting for them”(Jang, 2026)。

表格来源:IIHS, 2026-07-23;Jang, 2026(arXiv:2610.42121)。

核心机制:从 3,773 行到 828 起,再靠”夹逼”活下来

数据漏斗

论文把 SGO 两代数据文件合并后走了一条五级清洗链(Jang, 2026):

flowchart TD
    A[SGO 原始上报 3773 行<br/>两代文件 2021-2026] --> B[按 Report ID 去重取最高版本<br/>3336 行]
    B --> C[ADS 确认介入 3253 → 公共道路 3031]
    C --> D[独立事故去重 2668 起<br/>Same Incident ID + 5 组人工核并]
    D --> E[叙述排除 218 起:<br/>38 非事故 + 11 私人场地 + 174 ADS 未介入]
    E --> F[全量语料 2450 起]
    F --> G[可比窗口 2021-2024:<br/>828 起 × CRSS 对照]

来源:Jang, 2026(arXiv:2610.42121),数字为论文原文清洗链各步计数。

注意窗口内只有 828 起——2,450 起中的 1,622 起(约三分之二)落在 2021–2024 之外,因为人类侧 CRSS 目前只有到 2024 年的发布(Jang, 2026)。所有”幸存的差异”都只在这个 828 起的窗口内成立。

LLM 编码管线与它的质检账本

每起 SGO 事故只有一段运营商自己写的自由文本叙述,类型学各说各话。论文用 schema 约束的 LLM(Claude Sonnet 4.6,Messages API,单一必需 tool,max_tokens 2048)把叙述编码进 CRSS 事故类型分类,主批次 2026-09-17 完成,9 月增量发布的 335 起于 09-24 补抽(Jang, 2026)。

关键是它没有只报准确率,而是把质检账本摊开(Jang, 2026):

来源:Jang, 2026(arXiv:2610.42121)。

双层可报性夹逼

SGO 的上报门槛远低于警方报案门槛——这是所有”SGO 数据 vs 警方数据”对比的根本噪声源。论文的做法是不选边,而是把可报性定义夹逼起来:只要一个差异在”客观严重度下限”(Tier A:受伤 B 级或更重 / 拖车 / 气囊起爆,拖车又分任意拖车/对方拖车/无拖车三种)与”理性人裁定”(Tier B:LLM 按理性人标准判 yes/maybe/no,合规误差 <1%)两种定义下都成立,才声称差异存在(Jang, 2026)。Tier B 的产出还能与 IIHS 独立算的边际做校验:yes-or-maybe 份额 26.8% vs IIHS 的 21.6%,警方介入梯度 0.133/0.238/0.497 vs IIHS 的 0.16/0.42/0.68——方向一致,绝对水平略高(Jang, 2026)。

实验与证据

幸存所有规格的两个构成差异

在 828 起窗口内、以”车上无人”(no onboard,None 或远程)为主定义、与 CRSS 人类对照(未加权 + 熵平衡两种)合计 12 种规格下,只有两项差异在每一种规格里都幸存(Jang, 2026):

来源:Jang, 2026(arXiv:2610.42121)。严格定义下 OR 点估计分别为 0.37 与 0.15。

诚实的注脚必须跟上:每个幸存单元格背后的 ADS 计数很小——转弯横穿每规格仅 1–8 起、单车仅 1–12 起(Jang, 2026)。稳健性检查中,单车抽取精度 0.843/召回 1.000(系统性多报),校正后比值进一步降到 0.16–0.48;转弯横穿若用结构化左转/掉头字段做包围界检验,未加权 CRSS 下为 0.57–0.82,但在熵平衡 CRSS 臂上包围界越过了 1(1.24/1.35)——即该发现在加权臂上不能独立于抽取环节成立(Jang, 2026)。论文没有把话说满,这是它比多数 SGO 二手分析可靠的地方。

追尾 0.121:ADS 更多是停下来被撞的那一方

用准诱导暴露(quasi-induced exposure,利用双车事故中无责一方反推暴露占比的技术)分析严重度下限以上的追尾事故:ADS 车辆作为主动撞击方的比值是 0.121(95% CI [0.05, 0.23]),人类基线归一为 1.000(Jang, 2026)。该比值在不同可报性定义下为 0.077–0.150,严格定义下 0.114,剔除占主导的运营商后 0.143——方向全部一致。

条件序列分析同样指向”ADS 常处于静止/低速被撞位”(Jang, 2026):

来源:Jang, 2026(arXiv:2610.42121)。

论文同时给出了反向校验:如果 ADS 车辆被撞的频率也高于其暴露占比,这个 0.121 会高估 ADS-人类差异(Jang, 2026)。

严重度:42% 的表观差距来自空车

这是全文对行业叙事杀伤力最大的一张表(Jang, 2026):

来源:Jang, 2026(arXiv:2610.42121)Table 5。原始差距 0.375(0.656−0.281),只用载客 ADS 对比人类后收窄到 0.218——乘员混淆解释了表观严重度差距的约 42%。

机制不神秘:无人驾驶事故中 52.1% 车上没人(对照:有人监督模式仅 2.9%)——空车重新调度车撞了也往往没有人可受伤。论文指出 IIHS 此前已识别该混淆但按”不可调整”处理,本文给出了量化(Jang, 2026)。同时它也标注了调整引入的选择效应:载客 ADS 车都在营收行程上,路线/时段/速度与空车不同(本文推测:这意味着 0.438 仍不是”纯技术”严重度,含了运营场景构成)。

三个联邦数据陷阱

来源:Jang, 2026(arXiv:2610.42121)。

三个陷阱的共同根源是同一件事:SGO 是为缺陷追踪与召回执法设计的系统,不是为安全比较设计的(IIHS, 2026-07-23;站内 Waymo 文 Part 1 已展开)。任何想拿 SGO/CRSS 数据做结论的人——评级机构、媒体、监管者、也包括要向上证明 DMS 有效性的我们——都会在某一层撞上其中至少一个。

与已有方案的关系:这篇论文和 IIHS 68% 怎么拼

flowchart LR
    Q[AV 安全证据体系] --> R1[比率问句<br/>需要 VMT 分母]
    Q --> R2[构成问句<br/>不需要分母]
    R1 --> S1[IIHS Teoh 2026<br/>仅 Waymo 可算率<br/>68% 更低 / Austin +4%]
    R2 --> S2[Jang 2026<br/>覆盖全部 SGO 上报方<br/>转弯横穿 0.23-0.46x / 单车 0.19-0.56x]
    S1 --> C[互为稳健性检验:<br/>构成差异与比率结论不矛盾<br/>单车类两个研究同向]
    S2 --> C

值得单独指出:IIHS 研究里 Waymo 单车事故率低 85%(IIHS, 2026-07-23),本文在构成侧同样发现单车事故被低估代表(0.19–0.56×)——两条独立方法在”单车类”上同向,这是目前 AV 安全数据里少有的跨口径稳健信号(本文推测:这与 ADS 不疲劳/不分心/不酒驾直接相关,该类恰是 L4 消掉、而 DMS 在 L2/L3 治的病,参见站内 Waymo 文的判断)。

对 IMS 团队的启示

1. **口径夹逼方法学可以直接搬进 DMS 有效性证明。**将来任何”装了 DMS 后分心/疲劳相关事故下降”的论证都会撞上同一个结构问题:舱内告警日志的上报门槛远低于警方报案门槛,而警方数据里人类的事故本身就有一半没进库(IIHS, 2026-07-23)。Jang 的 Tier A 客观下限 + Tier B 理性人夹逼、以及”差异必须在所有规格下幸存才声称”的纪律,是可复用的验收协议骨架。
2. **LLM 标注管线的质检账本是模板,不是细节。**抽取精度逐字段列出(最弱的 acc_type_category 0.744 明示)、变形测试量化无关文本漂移(18%)、叙述漏报量化为下限——这套账本结构适用于任何用 LLM 做舱内数据/事故叙述标注的闭环。对照:本文若只报”LLM 编码准确率高”而不给 0.744 与 82% 两个数,结论可信度会完全是另一回事。注意温度 1.0 的复现性限制是论文自己承认的(Jang, 2026)。
3. **结构化字段比叙述文本可靠一个数量级,提交端就该抓。**striking_role 从叙述抽只有 27% 召回,而 SGO 结构化键本身就有该字段——对要设计上报接口的团队,启示是把关键判定字段(撞击方、可报性触发、乘员状态)做成结构化枚举,别指望下游从叙述里捞回来。乘员状态一项,SGO 的”是否所有乘员系了安全带”字段两代文件都带 No Passenger In Vehicle 显式取值、覆盖率 99.8%(Jang, 2026),这就是结构化字段救了整个 42% 分析的实例。
4. **对 L2/L3 的推论(本文推测):**构成研究目前只能覆盖 L4 为主的 SGO 语料,但三个陷阱里没有一个依赖”无人”状态——拖车实践混淆与乘员混淆在 L2(车上必然有人)侧同样存在,且方向相反:L2 车永远有人,表观严重度会系统性高于空车比例高的 L4 车队,拿 L4 车队数据外推 L2 安全叙事时必须先做乘员构成对齐。
5. **”被撞方比例”是新的有效性代理指标候选。**0.121 的追尾主动撞击比与四类场景的静止占比序列,给出了一个不依赖里程、可用车队日志自证的指标族(本文推测:舱内 DMS 与车身域数据对齐后,可按同构方法算自家车队的”主动撞击方占比”并与区域警方基线对齐)。

路线判断与开放问题

**判断:构成证据链正在成为 AV 安全叙事的第二支柱,而它是运营商无关的。**比率证据(68%)被锁死在唯一报 VMT 的 Waymo 身上;构成证据覆盖每个上报方,且论文的全部输入都是公开数据(SGO 文件 + CRSS),LLM 提示词与 schema 复现在附录 A(Jang, 2026)。可以预期后续会出现”按季度重跑”的构成监控——一旦有团队把它做成持续仪表盘,任何运营商的构成异常(比如某家刮擦占比异常)都会变成公开可比的信号。

开放问题:

• 转弯横穿发现在熵平衡 CRSS 臂上不能独立成立(包围界 1.24/1.35),等 CRSS 2025 年发布、窗口扩到 828 起之外后是否稳住,是第一个该复查的点(Jang, 2026)。
• acc_type_category 抽取精度 0.744 是全链最弱环节,论文未给出针对性修复;换更强模型或双通道编码能否把它抬到 0.85 以上,决定构成结论的整体带宽。
• 论文是单作者预印本,无 venue、无同行评议;温度 1.0 意味着重跑不会逐标签复现(Jang, 2026)——引用其数字时应保留这一前提。
• NHTSA 2025 年 SGO 修订后上报口径已收窄(IIHS, 2026-07-23 提及),两代文件间的口径漂移对时间趋势分析的影响,论文未量化。

参考

1. Jang, D. (2026). Where ADS Crashes Differ: A Harmonized Comparison Against Human Baselines. arXiv:2610.42121. https://arxiv.org/abs/2610.42121
2. IIHS (2026-07-23). Waymo’s driverless cars crash less often than people. https://www.iihs.org/news/detail/waymos-driverless-cars-crash-less-often-than-people
3. 站内:68% 是怎么算出来的:IIHS 首份 Waymo 事故率全口径拆解(2026-10-24). /blog-posts/2026-10-24-iihs-waymo-crash-rate-methodology-dms-oms-2026.md
4. 站内:IIHS 部分自动驾驶保障评级协议 V1 全文拆解(2026-10-20). /blog-posts/2026-10-20-003-iihs-partial-automation-safeguards-protocol-deep-dive-2026.md