应对海量数据挑战，如何基于Euro NCAP标准开展高效智驾测试与评估？

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。

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。