标签: 智驾

一、前言 随着自动驾驶技术的快速发展， 庞大的测试数据 和 复杂的场景需求 为 性能与安全评估 带来了巨大挑战。如何 高效管理海量数据 、 挖掘关键场景 ，并满足以 Euro NCAP （European New Car Assessment Programme，欧洲新车安全评鉴协会）为代表的严格评估标准，已成为行业亟待解决的核心问题。 这不仅关乎技术研发的效率与精度，更是智能驾驶车辆进入市场、提升竞争力的关键前提。 本文我们将围绕如何应对海量数据所带来的挑战进行探讨，分享提高场景测试与性能安全评估的见解。 二、场景测试与性能评估的挑战 在自动驾驶技术的研发与测试过程中， “场景” 是一个核心概念，也是验证自动驾驶系统性能和安全性的关键手段之一。无论是行业专家还是普通关注者，谈及自动驾驶测试时，都会提到“场景”以及“基于场景的测试”。 图 1自动驾驶场景概念图 场景 通常由 静态要素 （道路、交通标志、建筑物等）、 动态目标 （车辆、行人等）、 环境条件 （天气、光照等）、 行为模式 （变道、急刹车等）组成，旨在描述车辆可能面临的各种复杂情况。由于内容极为丰富， 国际标准ISO 34501通过四层抽象分级模型 对其进行分类，即 功能场景 、 抽象场景 、 逻辑场景 和 具体场景 ，后两者便是当下关注的重点。 图 2四层抽象分级模型与场景测试挑战 对于测试而言，除了在各个场景下的性能表现，通常还得 满足一些法规或者评估标准 。例如，对于车辆的安全性而言，最广为人知的便是 Euro NCAP的评级。 Euro NCAP的评级结果 不仅会为消费者选购车辆提供重要参考，也是诸多汽车制造商和技术开发者研发过程中明确的安全目标。无论是传统燃油车还是智能驾驶车辆，获得Euro NCAP的高评分都是进入欧洲市场、提升市场竞争力的重要前提。 然而，随着自动驾驶技术的高速发展，测试需求与标准的日益复杂化，自动驾驶研发与测试中所产生的数据日益增加，对逻辑场景与具体场景的需求也逐步攀升，这也就为场景测试带来了 诸多挑战： a）海量的测试数据与场景 自动驾驶测试需要处理极其庞大的场景库和测试数据，如何高效地管理和利用这些数据成为一大难题。 b） 指标分析与数据管理的难度 随着测试指标的逐渐增加，如何对测试结果进行全面、准确的分析，以及如何高效地管理测试数据，都是亟待解决的问题。 c）性能与安全评估方法的效率 自动驾驶系统的性能和安全性评估需要高效快捷的方法，以应对大规模测试的需求。 d）真实场景向仿真场景的转换 为了实现重复测试，需要将真实场景高效地转化为仿真场景，即LogSim到WorldSim的转化。 e）高昂的测试成本 应对上述种种挑战需要投入大量的资源，包括人力、时间和资金。 面对这些挑战， 我们尝试在云端搭建一个模块化的数据管理与场景挖掘平台，并集成Euro NCAP 道路稳健性协议 （包括速度辅助系统、车道支持系统和辅助驾驶），进而实现了 高效场景测试与性能安全评估。 图 3数据管理与场景挖掘概览 三、数据管理与高效分析方法 在自动驾驶测试中，海量的驾驶数据与复杂的场景构建是基础，同时也是挑战。如何高效地管理这些数据，并从中提取出有意义的场景，成为 验证自动驾驶系统性能与安全性 的关键环节。3、4章节将从 数据管理、聚合分析、场景提取与评估技术 以及 场景导出 四个方面， 详细探讨如何高效处理海量数据并挖掘关键场景。 1、数据管理技术：高效处理海量信息 对于场景测试或者以Euro NCAP为代表的性能评估而言，通常会产生大量的驾驶数据，例如 Euro NCAP 2026年新版安全驾驶汽车辅助协议（Safe Driving Vehicle Assistance） 就明确提出部分功能的评估需要满足至少2000公里的测试。 面对海量的驾驶记录与复杂的场景需求，数据管理需要兼顾高效性、灵活性与协作性。对此，我们尝试基于云搭建模块化的数据管理平台，旨在实现驾驶数据的高效处理、评估与检查。 a)驾驶数据摘要与高级查询 通过鼠标单击查看驾驶记录的摘要信息，获取清晰的驾驶数据概览，并采用事件（Event）、操作设计域（ODD）或场景（Scenario）三类标签，以组合的方式快速查询需要的驾驶记录。 图 4快速摘要与高级查询 b)可视化界面与团队协作 基于相机视角、感知还原、GPS轨迹、车辆速度等多维度创建可视化界面，对场景进行深入分析。同时，采取URL分享的方式，实现团队成员之间的高效协作与共同分析数据。 图 5自定义可视化界面 2、聚合分析技术：从海量数据中洞察规律 除了单一场景的快速查询与分析，针对 海量驾驶数据的整体规律分析 同样至关重要。为此，我们使用聚合分析的方法，通过 多级指标（Metrics） 对驾驶数据进行整理、分类和聚类分析，加速发现数据中的潜在规律。 图 6聚合分析 a)多级指标的灵活分析 通过采取感知、行为、舒适度等多级指标进行分析。例如，当想要了解“自动驾驶系统开启状态”、“特定速度区间”、“白天”的违规率，就可以设定对应指标，构建指标矩阵与直方图，随着指标的增加，矩阵与直方图会产生动态变化，得以快速掌握概况以及各个指标下统计出的违规率。 b)一键聚类与场景跳转 聚合分析技术能够基于指标矩阵对驾驶记录进行自动聚类，并支持关键场景的快速跳转。单击矩阵中的特定数值即可直接查看对应的场景列表，并快速跳转到可视化界面，查看场景细节，进行深入分析。 四、场景挖掘、评估与ASAM OpenX场景导出 为了在大量驾驶数据的挑战下 提高场景测试与评估的效率 ，我们基于感知算法从原始驾驶数据中提取出场景，将原有的大量里程与时间浓缩为了一系列特定场景，并结合了 自定义标准与Euro NCAP标准 建立了多种预设评估方式，保障效率与准确性的同时尽可能节省时间与精力。 1、场景提取与评估技术：挖掘关键场景与性能见解 如何从大量的驾驶数中提取有意义的场景并进行性能评估，是自动驾驶测试的重要环节。 我们通过对激光雷达、相机、GPS等原始传感器输入的数据进行感知，从真实或仿真数据中高效挖掘场景，提供多维度的性能与安全见解。 图 7场景挖掘流程示意图 a)自动清除空驶里程 驾驶数据中通常存在大量没有特殊事件发生的空驶里程，占据了大量存储空间但对测试无意义。我们通过设定场景提取的条件，例如自车速度、障碍物速度、自车与障碍物纵向距离等，自动剔除这些“空驶里程”，准确提取出常用场景（如SOTIF、ISO 26262、EuroNCAP等标准规定的场景），进而节省时间成本。 b)性能与安全评估 提取的场景可以基于预设的Euro NCAP或自定义标准进行性能评估。例如，设定最大速度或碰撞时间（TTC）等指标，就可以快速筛选出不符合预期的场景，并通过可视化界面查看详细信息。对于失败的场景，一键点击跳转到数据管理与分析平台，查看感知还原的场景、相机视频、速度等细节进行深度分析。 图 8自定义标准与Euro NCAP标准的场景评估 2、场景导出器：从LogSim到WorldSim的转换 为了推动 仿真测试的便捷化 ，我们基于相机图像、激光雷达点云、GPS定位信息等原始驾驶数据，通过内部的感知算法将其转化为仿真场景，完成了从 LogSim到WorldSim 的高效转换。转化后的仿真场景能够被导出为仿真所需的ASAM标准文件格式（OpenSCENARIO与OpenDrive），实现 数字孪生 。 图 9场景导出器：一键导出与自定义导出 数据输入支持 多种数据格式 （如RosBag、LCM、ADTF等），并可以根据需求 自定义导出场景的时间范围 （最长30秒），导出的场景文件可以直接导入支持标准OpenX格式文件的仿真器（如aiSim5），根据需要进行修改后运行仿真测试。 图 10联动aiSim仿真器的场景仿真示例 五、集成式Euro NCAP道路评估器 为了更快速且可靠地对驾驶系统性能安全进行评估，并帮助在未来 Euro NCAP的安全辅助评估中拿到高评分，数据管理与分析平台（DAP）内将集成Euro NCAP道路评估器（On-road Evaluator） ，获得基于海量驾驶数据的深刻见解。 1、基于Euro NCAP协议的三大评估板块 通过在数据管理与分析平台中 集成Euro NCAP道路评估器 ，可以支持对道路ADAS性能快速提供评估结果，减少评估时间和成本，同时确保严格遵守既定的标准，帮助在评定中获得 更高的星级。 图 11道路评估器三大评估板块 Euro NCAP道路评估器主要针对Euro NCAP 2026协议归纳出三大板块进行评估： a) SAS（Speed Assist System，速度辅助系统） b) LSS（Lane Support System，车道支持系统） c) AD（Assisted Driving，辅助驾驶） 这些板块进一步被 细分为多个功能模块 ，例如AEB（自动紧急制动）、LKA（车道保持辅助）、SLIF（速度限制信息功能）等，覆盖了智能驾驶车辆在不同场景下的关键安全功能。 2、Euro NCAP道路评估器工作流及特点 通过道路评估器可以 快速测试ADAS功能 ，例如SLIF与LKA，并快速评估Euro NCAP KPI，自动生成反馈报告，使得直击问题根源与优化系统性能变为可能，进而在最终评定中得以获得更高的星级。 图 12Euro NCAP道路评估器工作流程 道路评估器的工作流分为以下几个步骤： 1.基于参考传感器硬件设备采集驾驶数据 2.使用 Euro NCAP On-Road Evaluator 进行数据处理 3.基于 ODD 的 Euro NCAP 道路 KPI 评估 4.快速得到 KPI 计算和评分的反馈 通过上述工作流， Euro NCAP道路评估器 便能够做到在完全遵循Euro NCAP中关于SAS、LSS、AD的要求的前提下，基于操作设计域（ODD）对车辆进行快速评估，节省大量时间和资源。 图 13速度限制信息功能示意图（SLIF） 结合DAP的基础功能模块，道路评估器可以实现数据可视化、相机视图、数据管理的定制化功能， 如图13所示，便于深入研究特定的失败事件或异常场景。在此基础上，通过精确的评估算法，道路评估器能够避免代价高昂的返工，最大限度上节省该方面的成本。 六、总结 在自动驾驶技术的研发与测试中，场景测试是验证系统性能与安全性的核心手段 。康谋IVEX方案 通过高效的数据管理、场景挖掘与性能评估技术，解决了海量数据处理、复杂场景构建、高昂测试成本等难题，并 深度耦合Euro NCAP相关协议 ，推动基于真实世界场景的安全评估标准化。 通过 数据驱动 的方式，不仅提升了系统的测试效率，还能够助力智能驾驶车辆在Euro NCAP评定中获得更高评分，加速自动驾驶技术的研发与落地，为行业发展提供重要支撑。