Die Sicherheitsvorteile von FSD (Autonomes Fahren - überwacht) werden durch den Vergleich zu manuell gesteuerten Tesla-Fahrzeugen mit und ohne aktive Sicherheitsfunktionen deutlich. Dies ist die direkteste und statistisch aussagekräftigste Vergleichskonfiguration, da sie mit derselben Fahrzeugflotte und denselben Telemetrie-Kanälen erstellt wird.
Zudem teilen sich Tesla-Fahrzeuge die Strasse mit vielen Verkehrsteilnehmern in Fahrzeugen von Fremdmarken. Zu diesem Zweck ist es umsichtig, die Sicherheit von FSD (Überwacht) anhand der allgemeinen Sicherheit der Strassen in den USA zu bewerten. Ein quantifizierbares Mittel dafür ist die Schätzung der US-Kollisionsrate anhand der von der US-Regierung veröffentlichten Daten, die die beste verfügbare Quelle darstellen. Zur Ermittlung des US-Durchschnitts hat Tesla wie unten erläutert US-Behördendaten verwendet, um die insgesamt gefahrenen Meilen (Zähler) und die Gesamtzahl der in eine Kollision verwickelten Fahrzeuge (Nenner) zu schätzen.
Die US-Behörden veröffentlichen mehrere Datenquellen zur Analyse. Für die zurückgelegten Meilen insgesamt (Zähler) werden in der Forschung häufig die Jahresberichte über die zurückgelegten Fahrzeugmeilen (VMT) der Federal Highway Administration (FHWA) verwendet (die jüngste Veröffentlichung bezieht sich auf das Kalenderjahr 2024). Für die Gesamtzahl der an einer Kollision beteiligten Fahrzeuge (Nenner) zog Tesla drei Stichproben- und Meldesysteme heran: das Crash Report Sampling System (CRSS) der National Highway Traffic Safety Administration (NHTSA), das landesweit polizeilich gemeldete Unfallraten erfasst; zweitens das Crash Investigation Sampling System (CISS) der NHTSA, das Stichproben von polizeilich gemeldeten Kollisionen erfasst, bei denen mindestens ein Personenkraftwagen von der Unfallstelle abgeschleppt wurde; und drittens das Fatality Analysis Reporting System (FARS) der NHTSA, das landesweit Todesfälle misst. Unter diesen Stichproben- und Meldesystemen beinhaltet das CISS hauptsächlich Kollisionsschweregrade, die am ehesten mit Teslas Ansatz zur Erfassung schwerer Kollisionen übereinstimmen, da das CISS Kollisionen erfasst, bei denen mindestens ein Personenkraftwagen abgeschleppt wurde, und nicht auf die Folgen von Verletzungen beschränkt ist. Im Gegensatz dazu erfasst das CRSS in erster Linie Vorfälle, bei denen weder Airbags noch andere Rückhaltesysteme ausgelöst wurden (z. B. sind etwa 71,7 % der Unfälle im CRSS für 2023 reine Sachschäden, während Auslöseereignisse enger mit schwereren Aufprallwirkungen mit grösserem Verletzungspotenzial verbunden sind). Im weiteren Gegensatz hierzu ist FARS spezifisch für Kollisionen mit Todesfolge und erfasst hauptsächlich eine Teilmenge der schwersten Auslösungsereignisse sowie bestimmte Vorfälle ohne Auslösung oder schwer zu erkennende Vorfälle, die bestimmte Objekttypen betreffen.
Auf der Grundlage all dieser Datenarten teilt Tesla zur Berechnung des geschätzten „US-Durchschnitts“ die gefahrenen Autobahnmeilen (von allen gemeldeten Fahrzeugen), wie von der FHWA (US-Autobahnverwaltung) gemeldet, durch die geschätzte Gesamtzahl der von CISS-Vorfällen betroffenen Fahrzeuge (siehe Gesamtwert in Tabelle 3 der CISS-Berichte).
Die CISS- und FHWA-Datenbanken enthalten keine Aufschlüsselung in Autobahnen und Nicht-Autobahnen, die direkt mit den Tesla-Daten vergleichbar sind. Um eine Schätzungsgrundlage für die Aufschlüsselung der „durchschnittlichen Unfallrate in den USA“ nach Autobahn und Nicht-Autobahn zu gewinnen, hat Tesla den relativen Anteil der Gesamtunfallrate der manuell gesteuerten Tesla-Flotte sowohl für das Fahren auf Autobahnen als auch für das Fahren ausserhalb von Autobahnen berechnet. Wir haben diese Anteile dann auf die wichtigste Kollisionsrate des „US-Durchschnitts“ angewendet, um die „US-Durchschnitts“-Kollisionsrate für Fahrten auf Autobahnen und ausserhalb von Autobahnen zu schätzen. Tesla hat die dieselbe Methode angewendet, um die „US-Durchschnittsrate“ für „Geringfügige Kollisionen“ zu schätzen, indem wir das Verhältnis von geringfügigen Kollisionen zu den Gesamtunfällen in der manuell gefahrenen Tesla-Flotte verwendet haben. Die manuell gefahrene Tesla-Fahrzeugflotte stellt aufgrund ihrer Grösse (über drei Millionen Fahrzeuge in den USA), der geografischen Verteilung (in jedem US-Bundesstaat präsent) und der Zusammensetzung der Eigentümer (das Model Y war das zweitpopulärste Modell (ohne Pickups) in den USA in den Jahren 2023-2024) und Aktivität (über 30 Milliarden Meilen jährlich in den USA) eine angemessene Annäherung an diese Zahlen dar.
Tesla ist sich bewusst, dass jeder Abgleich von Daten potenziell zu negativen Reaktionen und Voreingenommenheit führen kann. Um die Genauigkeit und Integrität der Methode zu wahren, die wir zur Berechnung der US-Durchschnittswerte und zum Vergleich mit den Tesla-Kollisionsraten verwendet haben, haben wir jegliche Aufbereitung oder Anpassung von Daten bewusst auf ein Minimum und nur auf das Notwendige beschränkt, wie oben beschrieben. Dennoch beinhaltet die Methodik notwendige und unvermeidliche Annahmen, die auf Unterschiede in den Datenerhebungsmethoden von Tesla und den öffentlich zugänglichen Daten, die von der US-Regierung erhoben werden, zurückzuführen sind. Diese Annahmen können Einschränkungen in Bezug auf Meldekriterien, Schätzungen von nicht gemeldeten Vorfällen (die NHTSA schätzt, dass 60 % der Kollisionen mit ausschliesslich Sachschäden und 32 % der Unfälle mit Verletzungen nicht der Polizei gemeldet werden [Blincoe u.al. 2023]), Stichprobengrösse der Bundesdatenbank und Flottenverteilung enthalten. Einige dieser Einschränkungen können dazu führen, dass die US-Durchschnittsberechnung höher oder niedriger ausfällt, als im Fahrzeugsicherheitsbericht angegeben. Ungeachtet dieser Einschränkungen ist das Ausmass der verbesserten Sicherheit in der realen Welt durch FSD (Überwacht) klar und unbestreitbar. Dies wird im direktesten Vergleich zwischen Tesla-Fahrzeugen mit FSD (Überwacht) und solchen, die manuell gefahren werden, deutlich. Die durchschnittliche US-Schätzung (selbst mit ihren Einschränkungen) unterstreicht diese Schlussfolgerung lediglich.