Ashok은 Robotaxi 가 현재까지 주행한 380,000 마일의 무인 주행에서 완벽한 안전 기록을 유지하고 있다고 언급했습니다. 하지만 많은 관찰자들은 심각한 사고가 시간문제일 뿐이라고 우려하고 있습니다.
이러한 우려는 비합리적이지 않습니다. 서비스가 확장되고 누적 주행 거리가 늘어남에 따라 첫 번째 주요 사고는 통계적으로 불가피해집니다. 중요한 질문은 그러한 사고가 발생할지 여부가 아니라, 언제, 그리고 어느 정도의 심각도로 발생할지입니다.
이전 분석에서 우리는 Ashok이 밝힌 주간 성장률과 설치된 Cybercab 생산 용량을 사용하여 Robotaxi 의 예상 주행 거리 궤적을 모델링했습니다. 이 예측을 공개된 NHTSA 데이터와 결합하면 시간이 지남에 따라 다양한 심각도의 사고에 Robotaxi 가 연루될 확률을 추정할 수 있습니다.
한 가지 분명히 해야 할 점은, 다음에 제시되는 수치는 순수한 과실 비율이 아니라 연루율이라는 점입니다. 이는 누가 주된 책임이 있는지와 관계없이, Robotaxi 가 사망자나 부상자를 발생시키는 사고에 존재할 가능성을 나타냅니다. 이는 미래의 안전 성능을 판단할 수 있는 현실적인 기준선을 제공합니다.
1부 – 인간 기준선: 오늘날의 도로 안전
먼저 미국 고속도로교통안전국(NHTSA)의 가장 최근 상세 국가 통계부터 살펴보겠습니다.
2023년 승용차는 미국 전체 차량 주행 거리의 약 89%를 차지했습니다. 이 차량 탑승자의 경우 비율은 다음과 같습니다.
절대적인 수치로는 약 2.9조 마일의 승용차 주행 거리에서 약 24,000명의 탑승자 사망자와 195만 건의 경찰 신고 부상자가 발생한 것에 해당합니다.
경찰에 신고된 부상은 KABCO 척도로 분류됩니다.
이 분석의 나머지 부분에서는 "모든 승용차" 비율(1억 마일당 사망자 0.83명, 부상자 68명)을 인간 기준선으로 채택합니다. 그런 다음 성숙한 Robotaxi 시스템이 이 인간 평균보다 10배 더 안전할 것이라고 가정합니다. 이는 업계에서 일반적으로 언급되는 야심 찬 목표이며( Waymo 도 자체 안전 보고서에서 벤치마크로 사용한 수치입니다).
이 10배 가정은 이후의 통계적 예측의 기초가 됩니다.
2부 – 사고가 포아송 과정을 따르는 이유
교통 사고는 엄청난 주행 거리에 비해 드문 사건입니다. 사건이 드물고, 독립적이며, 대략 일정한 평균 비율로 발생할 때, 주어진 노출량(여기서는 마일)에서 발생하는 사건 수는 포아송 분포로 잘 설명됩니다.
포아송 과정에서 M 마일 후에 정확히 k 개의 사건을 관찰할 확률은 다음과 같습니다.
여기서 λ는 마일당 예상 사건 수입니다.
우리는 주로 최소 하나의 사건이 발생할 확률에 관심이 있습니다. 이는 간단히 사건이 0건일 확률의 여집합입니다.
λ 구하는 방법
1부의 NHTSA 데이터에서 우리는 이미 인간이 운전하는 승용차의 사건 간 평균 마일 수를 알고 있습니다. 따라서 마일당 사건 발생률은 역수입니다.
동등하게, 발표된 비율이 1억 마일당 제공되는 경우:
기준선(모든 승용차)의 경우:
- 사망: λ_인간 = 0.83 / 10⁸ = 마일당 8.3 × 10⁻⁹
- 부상(모든 심각도): λ_인간 = 68 / 10⁸ = 마일당 6.8 × 10⁻⁷
Robotaxi 가 10배 더 안전하다고 가정하기 때문에, 이 비율을 10으로 나누면 됩니다.
이를 앞의 식에 대입하면 누적 주행 거리 M 이후 최소 하나의 사고가 발생할 확률이 나옵니다.
이것이 다음 섹션의 모든 예측에 사용되는 공식입니다.
3부 – 첫 번째 사고가 발생할 가능성이 있는 시점
이제 2부의 포아송 공식을 관심 있는 네 가지 결과 범주에 적용할 수 있습니다.
- 사망 (K)
- 중상 / 쇠약성 부상 (A)
- 경상 / 비쇠약성 부상 (B)
- 가능성 있는 부상 (C)
1부의 인간 기준선 비율에 10배 안전 가정을 적용하여 각 범주에 대한 별도의 사건 발생률 λ를 얻습니다. 첫 번째 그래프는 누적 무인 Robotaxi 주행 거리에 따른 최소 하나의 사건 발생 확률을 보여줍니다.
주행 거리에서 달력 시간으로
이전 기사에서 우리는 Ashok이 밝힌 두 자릿수 주간 성장률을 사용하여 주간 무인 주행 거리의 미래 모델을 구축했습니다. 이 모델은 주당 약 2,400대의 Cybercab 생산 능력( Tesla 의 연간 125,000대 가이던스)과 하루 차량당 200마일의 높은 가동률 가정에 의해 제약됩니다.
14% 성장률을 중앙 시나리오로 하고, 제한된 주간 마일을 누적하면 달력 시간에 따른 누적 주행 거리 궤적이 생성됩니다. 이 누적 주행 거리를 포아송 공식에 대입하면 시간의 함수로서 각 사고 유형의 확률을 얻을 수 있습니다.
이 궤적에서 50% 확률 임계값은 대략 다음과 같이 도달합니다.
Waymo 의 현재 누적 주행 거리
규모를 위해 Waymo 의 대략적인 누적 완전 무인 주행 거리를 주행 거리 차트에 표시했습니다.
Waymo 의 공식 안전 영향 대시보드는 2026년 3월까지 2억 2,060만 마일의 승객 전용 주행을 보고합니다. 최근 주당 약 400만 마일의 승객 전용 주행 속도를 기준으로 2026년 중반/후반으로 추정하면 약 2억 8천만 ~ 3억 마일의 유료 주행 거리가 됩니다. 여기에 공차 회송 및 대기 마일을 고려하여 보수적으로 두 배를 적용하면 약 6억 마일의 총 자율 주행 거리로 추정됩니다.
Waymo 의 실제 실적
공개 SGO / NHTSA의 Waymo 사고 보고를 KABCO 척도에 매핑하면 대략 다음과 같은 그림을 얻을 수 있습니다.
주요 관찰 사항:
- 보고된 부상 사례의 대다수는 낮은 심각도 범주(C 및 B)에 속합니다.
- Waymo 자체 안전 연구는 확인된 경찰 신고 A 또는 K 사례만 "중상 또는 그 이상"으로 취급합니다.
- 2억 2천만 마일 이상의 승객 전용 주행에서 Waymo 는 동일한 운행 지역 내 인간 기준선보다 중상 이상 사고가 약 94% 적고, 모든 심각도의 부상 사고가 약 82% 적은 것으로 보고합니다.
- 이러한 비교는 과실 여부와 관계없이 이루어집니다. 소수의 심각한(A) 및 사망(K) 사고에서 공개된 정보에 따르면 Waymo 차량이 주된 과실 당사자가 아닌 경우가 일반적이었습니다.
이러한 실제 기록은 Robotaxi 에도 적용되는 중요한 차이점을 보여줍니다. 충분한 규모에서는 사고 연루가 통계적으로 불가피해집니다. 결정적인 질문은 동일한 거리를 주행하는 인간 운전자에 비해 시스템의 과실이 적고, 심각한 결과를 덜 초래하는지 여부입니다. 여기서 개발된 포아송 프레임워크는 단순히 10배 안전 가정 하에 Tesla Robotaxi 가 언제부터 동일한 범주의 사건에 직면하기 시작할 것으로 예상되는지 계산합니다.
누적 주행 거리 그래프에서 볼 수 있듯이, 무인 차량 군단이 수억 마일에 도달하면 10배 안전 가정 하에서도 심각한 사고 및 사망 사고에 연루되는 것이 통계적으로 불가피해집니다. 따라서 Waymo 의 기록은 포아송 모델이 해당 규모에서 예측하는 바와 일치합니다. 더 이상 그러한 사건의 발생 여부가 아니라, 시스템이 얼마나 자주 과실이 있는지, 그리고 그 심각도 프로필이 인간 운전자와 어떻게 비교되는지가 중요한 질문입니다.
결론
우리는 시스템이 궁극적으로 평균 인간 운전 승용차보다 10배의 안전성 향상을 달성한다고 가정하고, 다양한 심각도의 사고에 Robotaxi 가 연루될 확률을 모델링했습니다. 이 가정을 이전 분석에서 개발된 주행 거리 궤적과 결합하면 명확한 정량적 예측을 얻을 수 있습니다. 낮은 심각도의 부상은 2027년 상반기에, 심각한 부상은 그해 후반에, 그리고 중앙 성장 시나리오의 경우 2027년 말경에 사망 사고가 발생할 가능성이 있습니다.
Waymo 의 실제 기록은 동일한 모델이 수억 마일의 누적 주행 거리에서 예측하는 바와 일치합니다. 인간 운전자보다 훨씬 안전한 시스템이라도 충분한 규모에서는 심각한 사고와 치명적인 사고에 연루될 것입니다. 통계는 이것이 불가피함을 보여줍니다.
두 가지 중요한 차이점이 남아 있습니다. 첫째, 이러한 예측은 연루에 관한 것이지 과실에 관한 것이 아닙니다. 둘째, 최초의 과실 사망 사고도 통계적으로 언젠가는 불가피합니다. 유일한 변수는 그것이 대중의 기술 경험과 비교하여 언제 발생하는지입니다.
이것이 Tesla 의 핵심 전략적 과제입니다. 첫 번째 과실 사망 사고는 많은 사람들이 이미 Robotaxi 를 사용해보고, 일상적인 성능을 신뢰하며, 인간 운전 대비 안전성을 이해할 수 있을 만큼 늦게 발생해야 합니다. 비유는 상업용 항공입니다. 현대 여객기에서도 여전히 사망자가 발생하지만, 사망률은 승객 마일 1억 마일당 약 0.01명으로, 10배 더 안전한 Robotaxi (약 1억 마일당 0.08명 사망)보다도 대략 한 자릿수 낮습니다. 사회는 잔여 항공 위험을 받아들이는데, 그 이점이 크고 상대적 안전성이 잘 확립되어 있기 때문입니다. Robotaxi 도 첫 번째 명백한 과실 사망 사고가 발생할 때까지는 입증된 대규모 성능이라는 동일한 기반이 필요합니다.
그것이 Tesla 가 넘어야 할 문턱입니다.
