一、前言

隨著自動駕駛技術的快速發展，龐大的測試數據和復雜的場景需求為性能與安全評估帶來了巨大挑戰。如何高效管理海量數據、挖掘關鍵場景，并滿足以Euro NCAP（European New Car Assessment Programme，歐洲新車安全評鑒協會）為代表的嚴格評估標準，已成為行業亟待解決的核心問題。

這不僅關乎技術研發的效率與精度，更是智能駕駛車輛進入市場、提升競爭力的關鍵前提。本文我們將圍繞如何應對海量數據所帶來的挑戰進行探討，分享提高場景測試與性能安全評估的見解。

二、 場景測試與性能評估的挑戰

在自動駕駛技術的研發與測試過程中，“場景”是一個核心概念，也是驗證自動駕駛系統性能和安全性的關鍵手段之一。無論是行業專家還是普通關注者，談及自動駕駛測試時，都會提到“場景”以及“基于場景的測試”。

圖 1自動駕駛場景概念圖

場景通常由靜態要素（道路、交通標志、建筑物等）、動態目標（車輛、行人等）、環境條件（天氣、光照等）、行為模式（變道、急剎車等）組成，旨在描述車輛可能面臨的各種復雜情況。由于內容極為豐富，國際標準ISO 34501通過四層抽象分級模型對其進行分類，即功能場景、抽象場景、邏輯場景和具體場景，后兩者便是當下關注的重點。

圖 2 四層抽象分級模型與場景測試挑戰

對于測試而言，除了在各個場景下的性能表現，通常還得滿足一些法規或者評估標準。例如，對于車輛的安全性而言，被大家知曉的便是Euro NCAP的評級。

Euro NCAP的評級結果不僅會為消費者選購車輛提供重要參考，也是諸多汽車制造商和技術開發者研發過程中明確的安全目標。無論是傳統燃油車還是智能駕駛車輛，獲得Euro NCAP的高評分都是進入歐洲市場、提升市場競爭力的重要前提。

然而，隨著自動駕駛技術的高速發展，測試需求與標準的日益復雜化，自動駕駛研發與測試中所產生的數據日益增加，對邏輯場景與具體場景的需求也逐步攀升，這也就為場景測試帶來了諸多挑戰：

a）海量的測試數據與場景
自動駕駛測試需要處理極其龐大的場景庫和測試數據，如何高效地管理和利用這些數據成為一大難題。

b） 指標分析與數據管理的難度
隨著測試指標的逐漸增加，如何對測試結果進行全面、準確的分析，以及如何高效地管理測試數據，都是亟待解決的問題。

c）性能與安全評估方法的效率
自動駕駛系統的性能和安全性評估需要高效快捷的方法，以應對大規模測試的需求。

d）真實場景向仿真場景的轉換
為了實現重復測試，需要將真實場景高效地轉化為仿真場景，即LogSim到WorldSim的轉化。

e）高昂的測試成本

應對上述種種挑戰需要投入大量的資源，包括人力、時間和資金。

面對這些挑戰，我們嘗試在云端搭建一個模塊化的數據管理與場景挖掘平臺，并集成Euro NCAP 道路穩健性協議（包括速度輔助系統、車道支持系統和輔助駕駛），進而實現了高效場景測試與性能安全評估。

圖 3 數據管理與場景挖掘概覽

三、數據管理與高效分析方法

在自動駕駛測試中，海量的駕駛數據與復雜的場景構建是基礎，同時也是挑戰。如何高效地管理這些數據，并從中提取出有意義的場景，成為驗證自動駕駛系統性能與安全性的關鍵環節。3、4章節將從數據管理、聚合分析、場景提取與評估技術以及場景導出四個方面，詳細探討如何高效處理海量數據并挖掘關鍵場景。

1、數據管理技術：高效處理海量信息

對于場景測試或者以Euro NCAP為代表的性能評估而言，通常會產生大量的駕駛數據，例如Euro NCAP 2026年新版安全駕駛汽車輔助協議（Safe Driving Vehicle Assistance）就明確提出部分功能的評估需要滿足至少2000公里的測試。

面對海量的駕駛記錄與復雜的場景需求，數據管理需要兼顧高效性、靈活性與協作性。對此，我們嘗試基于云搭建模塊化的數據管理平臺，旨在實現駕駛數據的高效處理、評估與檢查。

a) 駕駛數據摘要與高級查詢
通過鼠標單擊查看駕駛記錄的摘要信息，獲取清晰的駕駛數據概覽，并采用事件（Event）、操作設計域（ODD）或場景（Scenario）三類標簽，以組合的方式快速查詢需要的駕駛記錄。

圖 4 快速摘要與高級查詢

b) 可視化界面與團隊協作
基于相機視角、感知還原、GPS軌跡、車輛速度等多維度創建可視化界面，對場景進行深入分析。同時，采取URL分享的方式，實現團隊成員之間的高效協作與共同分析數據。

圖 5 自定義可視化界面

2、聚合分析技術：從海量數據中洞察規律

除了單一場景的快速查詢與分析，針對海量駕駛數據的整體規律分析同樣至關重要。為此，我們使用聚合分析的方法，通過多級指標（Metrics）對駕駛數據進行整理、分類和聚類分析，加速發現數據中的潛在規律。

圖 6 聚合分析

a) 多級指標的靈活分析

通過采取感知、行為、舒適度等多級指標進行分析。例如，當想要了解“自動駕駛系統開啟狀態”、“特定速度區間”、“白天”的違規率，就可以設定對應指標，構建指標矩陣與直方圖，隨著指標的增加，矩陣與直方圖會產生動態變化，得以快速掌握概況以及各個指標下統計出的違規率。

b) 一鍵聚類與場景跳轉

聚合分析技術能夠基于指標矩陣對駕駛記錄進行自動聚類，并支持關鍵場景的快速跳轉。單擊矩陣中的特定數值即可直接查看對應的場景列表，并快速跳轉到可視化界面，查看場景細節，進行深入分析。

四、場景挖掘、評估與ASAM OpenX場景導出

為了在大量駕駛數據的挑戰下提高場景測試與評估的效率，我們基于感知算法從原始駕駛數據中提取出場景，將原有的大量里程與時間濃縮為了一系列特定場景，并結合了自定義標準與Euro NCAP標準建立了多種預設評估方式，保障效率與準確性的同時盡可能節省時間與精力。

1、場景提取與評估技術：挖掘關鍵場景與性能見解

如何從大量的駕駛數中提取有意義的場景并進行性能評估，是自動駕駛測試的重要環節。我們通過對激光雷達、相機、GPS等原始傳感器輸入的數據進行感知，從真實或仿真數據中高效挖掘場景，提供多維度的性能與安全見解。

圖 7 場景挖掘流程示意圖

a) 自動清除空駛里程

駕駛數據中通常存在大量沒有特殊事件發生的空駛里程，占據了大量存儲空間但對測試無意義。我們通過設定場景提取的條件，例如自車速度、障礙物速度、自車與障礙物縱向距離等，自動剔除這些“空駛里程”，準確提取出常用場景（如SOTIF、ISO 26262、Euro NCAP等標準規定的場景），進而節省時間成本。

b) 性能與安全評估

提取的場景可以基于預設的Euro NCAP或自定義標準進行性能評估。例如，設定最大速度或碰撞時間（TTC）等指標，就可以快速篩選出不符合預期的場景，并通過可視化界面查看詳細信息。對于失敗的場景，一鍵點擊跳轉到數據管理與分析平臺，查看感知還原的場景、相機視頻、速度等細節進行深度分析。

圖 8 自定義標準與Euro NCAP標準的場景評估

2、場景導出器：從LogSim到WorldSim的轉換

為了推動仿真測試的便捷化，我們基于相機圖像、激光雷達點云、GPS定位信息等原始駕駛數據，通過內部的感知算法將其轉化為仿真場景，完成了從LogSim到WorldSim的高效轉換。轉化后的仿真場景能夠被導出為仿真所需的ASAM標準文件格式（OpenSCENARIO與OpenDrive），實現數字孿生。

圖 9 場景導出器：一鍵導出與自定義導出

數據輸入支持多種數據格式（如RosBag、LCM、ADTF等），并可以根據需求自定義導出場景的時間范圍（最長30秒），導出的場景文件可以直接導入支持標準OpenX格式文件的仿真器（如aiSim5），根據需要進行修改后運行仿真測試。

圖 10聯動aiSim仿真器的場景仿真示例

五、集成式Euro NCAP道路評估器

為了更快速且可靠地對駕駛系統性能安全進行評估，并幫助在未來Euro NCAP的安全輔助評估中拿到高評分，數據管理與分析平臺（DAP）內將集成Euro NCAP道路評估器（On-road Evaluator），獲得基于海量駕駛數據的深刻見解。

1、基于Euro NCAP協議的三大評估板塊

通過在數據管理與分析平臺中集成Euro NCAP道路評估器，可以支持對道路ADAS性能快速提供評估結果，減少評估時間和成本，同時確保嚴格遵守既定的標準，幫助在評定中獲得更高的星級。

圖 11 道路評估器三大評估板塊

Euro NCAP道路評估器主要針對Euro NCAP 2026協議歸納出三大板塊進行評估：

a) SAS（Speed Assist System，速度輔助系統）

b) LSS（Lane Support System，車道支持系統）

c) AD（Assisted Driving，輔助駕駛）

這些板塊進一步被細分為多個功能模塊，例如AEB（自動緊急制動）、LKA（車道保持輔助）、SLIF（速度限制信息功能）等，覆蓋了智能駕駛車輛在不同場景下的關鍵安全功能。

2、Euro NCAP道路評估器工作流及特點

通過道路評估器可以快速測試ADAS功能，例如SLIF與LKA，并快速評估Euro NCAP KPI，自動生成反饋報告，使得直擊問題根源與優化系統性能變為可能，進而在最終評定中得以獲得更高的星級。

圖 12 Euro NCAP道路評估器工作流程

道路評估器的工作流分為以下幾個步驟：

1. 基于參考傳感器硬件設備采集駕駛數據

2. 使用 Euro NCAP On-Road Evaluator 進行數據處理

3. 基于 ODD 的 Euro NCAP 道路 KPI 評估

4. 快速得到 KPI 計算和評分的反饋

通過上述工作流，Euro NCAP道路評估器便能夠做到在遵循Euro NCAP中關于SAS、LSS、AD的要求的前提下，基于操作設計域（ODD）對車輛進行快速評估，節省大量時間和資源。

圖 13 速度限制信息功能示意圖（SLIF）

結合DAP的基礎功能模塊，道路評估器可以實現數據可視化、相機視圖、數據管理的定制化功能，如圖13所示，便于深入研究特定的失敗事件或異常場景。在此基礎上，通過精確的評估算法，道路評估器能夠避免代價高昂的返工，最大限度上節省該方面的成本。

六、總結

在自動駕駛技術的研發與測試中，場景測試是驗證系統性能與安全性的核心手段。康謀IVEX方案通過高效的數據管理、場景挖掘與性能評估技術，解決了海量數據處理、復雜場景構建、高昂測試成本等難題，并深度耦合Euro NCAP相關協議，推動基于真實世界場景的安全評估標準化。

通過數據驅動的方式，不僅提升了系統的測試效率，還能夠助力智能駕駛車輛在Euro NCAP評定中獲得更高評分，加速自動駕駛技術的研發與落地，為行業發展提供重要支撐。