自动驾驶车辆遇到警车和救护车警笛时会怎么做?

自动驾驶与人工智能
作者: Lütfi Mete Odabaşı
创建: 25 十月 2026

自动驾驶车辆能在 800 米外听到警报声,却还是停在消防车前面堵着路;它们有耳朵,却缺了反射神经.

分享此页面

自动驾驶汽车能探测到警笛声; Waymo的外部麦克风和Cerence的语音人工智能可以在最远800米的距离上做到这一点. 但探测到声音和做出正确反应并不是一回事: Robotaxi会停在消防车前面,堵住消防站出口,还会在等待警察手势时挡住紧急车辆的去路. 简而言之: 它们有耳朵,但反应能力仍然不足.

要点速览

Cerence的语音识别系统可以识别1500多种警笛声,并能在800米以上的距离进行探测.
2023年8月,在旧金山,一辆鸣笛的消防车撞上了一辆正在通过绿灯的无人驾驶Cruise车辆.
在发生75起以上事故后,NHTSA于2026年7月向自动驾驶汽车开发商发布了公开警告.
Waymo从2017年起就在训练其车辆识别消防车、救护车和警车.
从7月1日起,在加利福尼亚州,Robotaxi若阻碍紧急救援人员,可能会被处以罚款.

传感器包里有给警笛准备的耳朵吗?

想一想自动驾驶汽车是如何感知周围环境的: 激光雷达绘制三维地图,雷达覆盖远距离和恶劣天气,摄像头识别灯光,超声波传感器负责近距离探测. 很好,但这个传感器包有一个共同的弱点: 它们都依赖视线. 如果消防车在拐角后面,摄像头看到的就是一条空荡荡的街道. 正是在这个时候,声音派上了用场,因为警笛声可以从墙后传来,也可以来自视线之外. 就像你在拥堵的车流中关上车窗就听不到发动机声一样,道理相同.

正因如此,Waymo的车上装有外部麦克风; 它们被安置在车外,用于探测警笛和喇叭声. 当多个麦克风在不同时刻录制到同一声音时,就可以根据时间差计算出声音来自哪个方向. 也就是说,车辆不仅会说“有警笛声”,还会尝试判断它的方向以及是否有车辆正在驶近. 很酷,对吧? 现在我们来看看这套系统在现实世界中哪里会卡壳.

为什么识别警笛声这么难?

声音的频段几乎无时无刻不被城市噪音所覆盖: 拖拉机、摩托车、建筑工地、带低音炮的音乐. 再加上警报器本身种类繁多这一点. 专利记录中提到了两种基本的警笛模式: 缓慢摆动的"wail"和快速颤动的"yelp". 此外,最高声压通常集中在1000-2000 Hz频段,而这个频段恰好与城市噪音最密集的区间重叠. 为了让系统能够将警报声与噪音区分开,音频记录被切分成片段,转换为频谱图,再通过预先训练好的卷积神经网络进行处理. 听起来很复杂,因为它确实很复杂.

而真正困难的部分不是技术,而是运营层面: 当紧急车辆隐藏在建筑物、卡车或一排树木后面时, detection system就成了最薄弱的环节. 无论是软件领域还是学术研究中,这种"被遮挡车辆"的场景都被作为一个单独的问题来处理. 关于Nvidia紧急车辆检测专利的新闻中也重复着同样的结论: 自动驾驶车辆在识别紧急车辆并做出正确反应方面存在困难. 所以问题不在于"你看不见吗?",而在于"如果你看见了,你会怎么做?"

这些数字有多可靠?

声音识别系统承诺了惊人的成功率: 一项学术研究报告称,在10至50米的关键范围内,检测警报器存在的准确率超过99%. 但要注意: 但这个数字来自受控的数据集. 在真实的街道上,两个警报器同时鸣响,风声呼啸,车辆藏在一辆卡车后面. 制造商们强调的探测范围和准确度数值与日常交通中的实际表现之间的差距,是这个故事中最重要却最少被谈及的部分.

制造商们正如何尝试解决这个问题?

最有力的竞争者之一在声音方面. Cerence的紧急车辆检测系统Emergency Vehicle Detection (EVD)已在47个国家获得认证,并支持1500多种警报器声音; 借助车内麦克风可在300米处、借助外部麦克风可在800米以上距离进行检测. 配备外部麦克风的装置还能提供方向信息. Mercedes-Benz和BMW已将该系统集成到各自的自动驾驶项目中; 在自动驾驶出租车和自动驾驶卡车项目中我们也能看到它的身影. 也就是说,行业在某些时刻学会了"光靠摄像头不够,得给车辆装上耳朵".

而在Waymo方面,这个故事可以追溯到更早. 自2017年以来,该公司一直在训练其车辆识别消防车、救护车和警车; 传感器从不同的速度、距离和角度采集了样本. 公司还定义了一套行为层级,包括识别交通警察并等待其手势. 而Tesla的方法则不同: 它主要依赖摄像头和雷达,其基于声音的警报器检测能力并不明确. 据用户报告,从第13版开始,对于闪烁着警示灯的紧急车辆,车辆会做出靠边停车的行为; 在一次事件中,Full Self-Driving在红灯前停车时,为给驶来的救护车让路而变换了车道. 尽管如此,Tesla在这一领域尚未像Waymo和Cerence那样有具体的工程细节记录.

系统	方法	关键数据
Cerence EVD	声音人工智能,车内和外部麦克风	1500多种警报器声音,800米以上探测,47个国家认证
Waymo	外部麦克风 (EAR) + 视觉识别,警用手势检测	自2017年起的紧急车辆训练
Tesla FSD	主要依靠摄像头和雷达	第13版引入靠边停车行为 (用户报告)

自动驾驶出租车为什么会在警报器面前卡壳? 具体案例

Siren sesini algılayan bir robotaksi, yangına koşan itfaiye aracının önünde kilitleniyor çünkü kuraları ezbere bilen bir makine, aciliyeti kavrayamıyor.

理论很美好,现实很残酷. 最引人注目的案例发生在2023年8月的旧金山: 一辆鸣笛并亮着灯光、正在赶赴紧急呼叫的消防车,撞上了一辆闯过绿灯的Cruise无驾驶人自动驾驶出租车,造成一人受伤. 想想看,这本是技术最应该察觉的东西 - 闪光灯、警报器、紧急车辆 - 而系统仍然做出了错误的判断.

Waymo一方也上演了类似的场景. 在奥斯汀,一辆空载的自动驾驶出租车挡住了正赶往酒店火警的消防车的去路; 车辆前后小幅挪动,鸣了喇叭,但始终没能正常让出道路. 2024年5月,达拉斯县的一名执法人员在一处致命建筑火灾附近遇到了一辆堵塞道路的空载Waymo. 旧金山的消防员也抱怨屡次被堵: 曾有记录显示,车辆堵住消防站的出口,救护车和消防车被挡在前面无法通行. 在一次事件中,消防员不得不亲自动手将车辆挪开. 一段按了30秒喇叭的自动驾驶出租车视频,其实还算其中最轻微的.

警方一方的情况也不乐观. 一家专注于执法领域的专业机构在2025年12月发布的报告证实,自动驾驶车辆在紧急车辆通行、道路封闭、口头指令和手势等混乱交通状况下会遇到问题. 就连美国司法部的警务部门也在2025年9月发布了一份指南,向警员讲解如何与自动驾驶系统互动. 国家正在训练自己的警察应对自动驾驶出租车 - 再读一遍这句话的荒谬之处.

监管机构何时介入?

耐心等待的官员们终于发声了. 2026年7月,美国联邦交通安全管理机构发现无驾驶员车辆阻碍执法部门和急救人员的明确模式后,要求相关公司迅速解决; 在超过75起事件之后,这与其说是温和的警告,不如说是一记响亮的批评. 同一时期,加利福尼亚州一项新规生效: 自7月1日起,自动驾驶出租车公司的车辆一旦阻碍警察或消防员,将面临处罚.

桌面上还流传着更严厉的构想: 有人提出了一项为自动驾驶出租车配置两种独立感知方式的法案,一个24小时第一响应者热线,以及强制将车辆限制在特定区域之外的地理围栏构想也在讨论之中. 这些还不是最终确定的法规,但它们指明了方向: 如果技术不能自我纠正,规则就会试图纠正它.

承诺与现实之间的差距: 是什么在驱动这个系统?

行业的承诺很明确: 多模态传感器融合和语音人工智能将解决问题,我们将为车辆赋予眼睛和耳朵. 而现实目前是这样的: 即使是能探测到情况的车辆,也可能无法做出正确反应; 它不让路,而是按喇叭,小幅挪动地干等,或者干脆完全死机. 站在一辆机器人出租车前的,目前最实际的解决方案依然是人类: Waymo为紧急救援人员发布的指南中定义了手动接管程序. 也就是说,消防员可以打开车门并接管控制. 从情感上讲有点扎心,但从工程角度看却很坦诚.

我的质疑是: 当99%的识别率和800米探测范围这样的数字被摆上台面时,街头实际表现仍未得到验证. NHTSA在超过75起事故后才介入,在我看来这正是该技术尚未达到运营成熟度的最有力证明. 大学的研究也指向同一方向: 汽车厂商必须改进对紧急车辆的检测和响应能力. 能听到警报声是好事,但消防车后面可能就是一条生命; 等待时间是以生命来衡量的.

总结: 耳朵装上了,反射还不够

自动驾驶车辆现在能听到警报声了——借助麦克风阵列、音频人工智能和视觉识别,这一关已经过了. 下一道门槛更难: 用可靠而迅速的反射对听到的警报声做出回应. 从2023年的Cruise事故到2026年的联邦警告,这条线表明这不是靠软件更新一夜之间就能解决的问题. 在我看来,停在机器人出租车前的消防车就是这项技术最诚实的成绩单——而它还没有及格.