綠燈不會讓世界變簡單
車輛接近路口時，行人站在路邊與朋友交談，下一秒可能走進斑馬線，也可能後退。攝影機看到姿態，雷達量到距離，地圖提供道路幾何，但沒有一個感測器能直接讀到人的意圖。自動駕駛面對的是多種可能，而非單一正確軌跡。
路口還會出現雨、逆光、施工圍欄、臨停車輛與臨時交通指揮。若系統只在乾燥、標線清楚的資料上表現良好，就不能推論到所有城市角落。公開討論安全時，應同時問「在哪些條件下測試」與「何時交還控制或停止服務」。
從感知到動作有多層誤差
感知系統先找出行人、車輛與障礙物，再跨影格追蹤位置；預測系統提出可能的行進路徑，規劃器比較煞車、繞行或等待。每層都依賴前一層的品質。若行人被車身遮住，只估計可見部分的位置，後續預測就可能偏離。
「偵測到行人」不等於「知道行人安全」。系統還要掌握速度、可行走空間、路緣高低、轉彎車軌跡與煞車距離。遇到不完整資訊，設計重點是給出足夠安全餘裕與可預期行為，而非用一個高信心標籤掩蓋盲區。
預測意圖不是猜心
模型可依姿態、朝向、步速與道路布局建立多個候選路徑。對看手機的行人、兒童或使用輔具的人，歷史資料中的「平均行為」可能不具代表性。好的預測不應要求所有人表現一致，而要承認行動速度與轉向可以不同。
車輛若永遠停住固然降低某些風險，卻可能造成後方追撞或堵住救援通道；若過度追求通行效率，又可能把風險轉嫁給步行者。這是安全策略的取捨，需要結合道路規則、可解釋測試與實際事故回饋。
路口四種不能忽略的訊號
用情境而不是漂亮影片驗證
一段順利穿越路口的影片不能證明系統可靠。測試應包含遮擋、夜間、濕滑路面、輪椅通行、違規轉彎、號誌故障與施工改道等情境，並描述系統失敗時會怎樣退化。重點不是「從未犯錯」，而是危險如何被辨識、限制與改正。
報告也應分清模擬、封閉場地與公共道路的結果。模擬能快速擴充邊界案例，但道路上的人、光線和社會互動仍需謹慎驗證。單一行駛里程總數不足以回答特定路口、特定使用者與少見事件的風險。
把路口視為共同設計的空間
自動駕駛不是獨立的車內問題。清楚標線、視距、合理速限、行人等待空間與執法環境，都會影響任何駕駛者的安全。技術公司應與道路管理者共享可用的風險觀察，而不是期待車輛模型自行修補所有基礎設施問題。
對一般人來說，最值得追問的是系統的運行設計域：允許在哪些道路、天氣與速度下使用？遇到域外條件時做什麼？能否記錄並調查近失事故？回答這些問題，比宣稱車輛「看懂了行人」更有實際意義。
以可退化行為定義安全，而非只看通過率
一套自動駕駛系統可以在大部分正常路口平順通行，卻在遮擋行人、臨時交警或標線磨損時做出危險選擇。驗收應把場景分為已知可處理、需要減速確認與必須停止服務三類，說清每一類在感測失效、定位偏移或地圖過時時如何退化。這不只是軟體問題：制動距離、車身尺寸與後方車流同時限制可選動作。系統若只能在特定城市、天氣與速度下運行，對外宣稱就應精確描述這個範圍。
行人安全評估尤其要避免只使用成人正常步速資料。輪椅轉向、兒童突然折返、手推車遮擋和使用手杖者的停頓，都會改變軌跡。收集相關影像時又必須保護路人隱私，限制保存與使用目的。道路管理者、車輛開發者與公共團體應共同檢查高風險路口，但不應把所有責任推給行人「要做得更可預測」。道路本來就是為不同能力和行為的人共享；技術的責任是承認這種不確定，而不是要求人像訓練資料一樣走路。 使用者看到的「完全自動駕駛」常忽略系統邊界：有的車需要人隨時監督，有的服務只在限定地區、速度和天候運行。宣傳和說明必須與實際運行設計域一致。若臨時施工讓道路標誌與地圖衝突，系統應有明確退場程序；若人類接管需要時間，車輛還必須先進入可保持安全的狀態。技術成熟度不能以一段成功載客影片判斷，而要看那些不順利的時刻如何被設計、記錄與改進。 因此，真正該公開的不是「車能認出多少人」，而是遇到不確定與超出設計範圍時採取什麼安全行動，以及事後如何讓外界檢查。
延伸參照：美國公路交通安全管理局：自動駕駛安全。連結用於理解相關治理或技術背景，不表示合作或認證。