在自动驾驶行业中，安全指标的量化体系长期缺乏统一标准。传统评估依赖被动的事后事故统计，但 Waymo 自 2024 年起逐步公开的 Safety Impact Data Hub 代表了一种范式转换 —— 从「出了多少事故」转向「规避了多少风险」。截至 2025 年 12 月，Waymo 的 rider-only（无人类安全员）运营里程已达 1.707 亿英里，这一规模足以支撑具备统计显著性的安全基线对比。
1. 核心指标体系：Incidents Per Million Miles（IPMM）
Waymo 采用每百万英里事件数（IPMM）作为标准化安全指标，这与航空业和安全关键系统领域的通行做法一致。该指标具备线性特性，便于跨时间段、跨地域的横向对比。
四项核心安全结果指标：
| 指标 | Waymo IPMM | 人类基准 IPMM | 降幅 |
|---|---|---|---|
| 严重伤害或更严重（Serious Injury+） | 0.02 | 0.22 | 92% |
| 任意伤害报告（Any Injury Reported） | 0.71 | 3.90 | 82% |
| 任意车辆气囊展开 | 0.28 | 1.63 | 83% |
| Waymo 车辆气囊展开 | 0.05 | 1.12 | 96% |
上述数据覆盖凤凰城、旧金山、洛杉矶、奥斯汀四大运营区域。需要注意的是，人类基准并非简单使用全国平均数据，而是采用基于当地警方报告 crash 数据的动态基准，并针对 Waymo 运营路线的空间分布做了加权调整。
2. 碰撞类型分类与规避效率
Waymo 将碰撞场景细分为 11 类，以下为代表性规避效果：
V2V Intersection（车辆对车辆路口碰撞）：Waymo 实际发生 10 起，预期基准 262 起，降幅 96%。这是最为显著的安全收益场景，路口恰恰是人类驾驶员注意力分散和决策错误的最高发区域。
Pedestrian（行人）：10 起 vs 66 起，降幅 92%。Waymo 的感知系统能够识别盲区内突然出现的行人，并在此类场景下执行受控停车策略。
Cyclist（骑行者）：7 起 vs 46 起，降幅 85%。该场景的挑战在于骑行者的轨迹预测不确定性更高，且体积小、速度快。
Single Vehicle（单车事故）：2 起 vs 46 起，降幅 96%。该类别涵盖了车辆冲出路面、撞击固定物等典型单车事故，Waymo 通过严格的速度限制和路径规划规避了大部分风险。
3. Delta-V Severity：碰撞严重度的量化补充
除传统的伤害结果指标外，Waymo 引入了 Delta-V（碰撞前后速度变化量）作为碰撞严重度的物理测量。对于每一起 SGO 报告的碰撞，系统使用基于传感器输入的脉冲 - 动量模型估算 Delta-V。
关键阈值：<1mph（约 1.6 km/h）
在全部运营区域内，43% 的 SGO 报告碰撞 Delta-V 低于 1mph，意味着碰撞仅造成轻微的表面损伤（如凹痕或划痕），几乎不存在人员受伤风险。分城市来看，旧金山的低严重度碰撞占比最高达 45%，这与该城市交通密度高、行驶速度普遍较低有关。
这一指标的工程意义在于：即便在「未能完全规避碰撞」的情况下，系统仍通过降低相对速度将碰撞后果控制在最小化。从安全工程角度看，这代表了两层防御 —— 第一层是避免碰撞发生，第二层是在碰撞不可避免时减轻后果。
4. 空间分布动态基准调整
传统安全对比中常见的问题是「不公平比较」：如果 Waymo 只在郊区低风险路段运营，与全城平均数据对比会天然占优。Waymo 的方法论采用了两项关键调整：
地域对齐：使用 Waymo 运营县内的警方 crash 数据和车辆行驶里程（VMT）构建基准，而非全国平均值。
动态空间加权：根据 Waymo 在各 S2 单元的实际行驶里程比例，对基准 crash 率进行加权。Chen et al.（2024）的 reweighting 方法确保了基准数据准确反映 Waymo 实际面临的道路环境风险。
这套方法论被称为 Retrospective Automated Vehicle Evaluation（RAVE），已被纳入 SAE J3016 相关的行业最佳实践清单。
5. 工程化启示
对于自动驾驶系统的安全工程实践，Waymo 的数据体系提供了可落地的参考框架：
安全目标设定：若将 0.71 IPMM 的任意伤害率作为同类系统的对标基准，意味着每百万英里应控制在不超过 1 起可归责伤害事件。对于尚处早期部署的厂商，可将「每千万英里无致伤事故」作为阶段性里程碑。
场景优先级：路口通行、行人交互、骑行者避让应作为核心功能验证场景，这些恰恰是人类驾驶最脆弱的环节，也是 Waymo 收益最显著的场景。
Delta-V 监控阈值：生产级系统应建立 Delta-V 分布的实时监控机制，当 <1mph 占比出现显著下降（如低于 35%），需触发系统级回滚审查。
数据透明度：NHTSA SGO 报告要求强制披露所有涉及人身伤害或气囊展开的碰撞，且披露阈值低于传统警方报告。工程团队应将此视为「过度报告」而非「过度合规」，其数据清洗后的基线更接近真实风险水平。
参考资料
- Waymo Safety Impact Data Hub（截至 2025 年 12 月数据）：https://waymo.com/safety/impact/
- Scanlon et al. (2024). Benchmarks for Retrospective ADS Crash Rate Analysis. Traffic Injury Prevention, 25(sup1), S51-S65.
- Kusano et al. (2025). Comparison of Waymo Rider-Only Crash Rates by Crash Type to Human Benchmarks at 56.7 Million Miles. Traffic Injury Prevention, 26(sup1), S8–S20.