TCSAE《特定應用場景無人駕駛可信性評價 第2部分：信息基礎設施數(shù)據(jù)》編制說明

《特定應用場景無人駕駛可信性評價第2部分：信息基

礎設施數(shù)據(jù)》編制說明

一、工作簡況

1.1任務來源

《特定應用場景無人駕駛可信性評價第2部分：信息基礎設施數(shù)據(jù)》團體標準

是由中國汽車工程學會批準立項。文件號中汽學標【2023】180號，任務號為2023-68。

本標準由中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟提出，中國汽車工程學會歸口，深圳市城

市交通規(guī)劃設計研究中心股份有限公司、國汽（北京）智能網(wǎng)聯(lián)汽車研究院有限公

司、燕山大學、云控智行科技有限公司、中信科智聯(lián)科技有限公司、上海保隆汽車

科技股份有限公司、高新興科技集團股份有限公司、深圳市迪派樂智圖科技有限公

司、北京萬集科技股份有限公司、上海淞泓智能汽車科技有限公司、西安工業(yè)大學

等11家單位起草。

2023年11月17日，召開標準啟動會，起草工作組采納工作組建議將標準名稱

修改為：《特定應用場景無人駕駛可信性評價第2部分：信息基礎設施數(shù)據(jù)》。

1.2編制背景與目標

《車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)發(fā)展行動計劃》提出2020年后推動車聯(lián)網(wǎng)產(chǎn)業(yè)

實現(xiàn)跨越發(fā)展，技術創(chuàng)新、標準體系、基礎設施、應用服務和安全保障體系全面建

成，高級別自動駕駛功能的智能網(wǎng)聯(lián)汽車逐步實現(xiàn)規(guī)?；虡I(yè)應用。交通運輸部于

2020年12月發(fā)布的《關于促進道路交通、自動駕駛技術發(fā)展和應用的指導意見》，

明確要加強自動駕駛技術研發(fā)，推動自動駕駛技術試點和示范應用。2023年12月

交通運輸部發(fā)布的《自動駕駛汽車運輸安全服務指南（試行）》提出，使用自動駕駛

汽車從事城市公共汽電車客運經(jīng)營活動的，可在物理封閉、相對封閉或路況簡單的

固定線路、交通安全可控場景下進行。

從實際商業(yè)化進程方面來看，自動駕駛落地方案不斷完善，萬億級市場空間正

在打開，“單車智能+車路協(xié)同”成為發(fā)展新風向，當前我國正在積極研發(fā)與測試L4

級自動駕駛技術。業(yè)界普遍認為自動駕駛的下半場在于商業(yè)化，商業(yè)化的決勝點在

于運營。無人駕駛信息基礎設施數(shù)據(jù)服務是國內(nèi)外自動駕駛領域的重要研究內(nèi)容，

對無人駕駛運行的信息基礎設施架構(gòu)進行可信分級、可信性評價，對提高無人駕駛

車輛運營效率等具有重要意義。

本標準通過專項研究無人駕駛技術的應用場景，綜合業(yè)主方的實際需求，制定

1

面向特定場景的可信服務原則，通過集成并整合各類可信服務數(shù)據(jù)，定義無人駕駛

信息基礎設施數(shù)據(jù)服務具備的可信服務內(nèi)容，結(jié)合道路環(huán)境、自然環(huán)境和車輛算法

行為決策特征，解析特定應用場景中管理者對無人駕駛系統(tǒng)的實際需求，形成無人

駕駛信息基礎設施數(shù)據(jù)服務的可信性評價方法，提升無人駕駛服務效率，實現(xiàn)服務

的安全可信性，彌足了特定應用場景中支持無人駕駛運行的信息基礎設施數(shù)據(jù)與無

人駕駛車輛互信互認的標準空白。

1.3主要工作過程

1.3.1預研階段

2022年11月14日，依托重點研發(fā)項目參與單位形成了本標準的編制組，通過

開展標準編制組內(nèi)部線上會議，明確了無人駕駛可信性需求，即安全與效率，基于

需求開展了前期的廣泛調(diào)研工作，收集現(xiàn)有無人駕駛可信性評價相關標準與研究，

調(diào)研參觀了無人駕駛落地項目、智能網(wǎng)聯(lián)汽車項目與車路協(xié)同項目等，并開展了信

息基礎設施的架構(gòu)研究，并開展了支撐無人駕駛運行的信息基礎設施數(shù)據(jù)收集與分

類研究工作。

2022年11月24日，標準編制組以線上線下相結(jié)合的方式開展全體會議，討論

并明確了無人駕駛可信性的內(nèi)涵，即以安全可控和自主高效為核心，以可靠可用、

及時準確、透明可釋、安全合規(guī)為關鍵組成要素，隨即開展了可信性評價指標的調(diào)

研工作。

2023年2月10日，標準編制組在招商局檢測車輛技術研究院有限公司開展線

下會議，參觀了無人駕駛測評基地與無人駕駛小巴示范運營項目，進一步明確了支

撐無人駕駛運行的信息基礎設施可信性評價研究重點。

2023年3月17日，標準編制組在上海市嘉定區(qū)參與了重點研發(fā)項目啟動會議，

并聽取了行業(yè)專家的建議，將評價重點聚焦于特定應用場景無人駕駛的可信性評價。

2023年4月25日，標準編制組在北京市開展了為期兩天的無人駕駛相關企業(yè)

調(diào)研工作，先后參觀了北京車網(wǎng)科技發(fā)展有限公司、國汽（北京）智能網(wǎng)聯(lián)汽車研

究院有限公司、中國信息通信研究院以及北京萬集科技股份有限公司等企業(yè)，明確

了行業(yè)發(fā)展動態(tài)，并邀請相關調(diào)研企業(yè)共同參與標準編制工作。

2023年5月至7月，深圳市城市交通規(guī)劃設計研究中心股份有限公司聯(lián)合主要

標準編制單位，在前期大量調(diào)研的基礎上，開展標準草案撰寫與立項申請材料的準

備工作。

2

2023年7月18日，標準編制組在上海市嘉定區(qū)組織為期三天的集中辦公工作，

修改完善標準草案與立項申請材料。

1.3.2立項階段

2023年7月21日，在安慶市國汽大有時空科技（安慶）有限公司召開標準立

項審查會議，專家組一致同意《特定應用場景無人駕駛可信性評價第2部分：信息

基礎設施數(shù)據(jù)》標準立項，建議中國汽車工程學會將該項目列入2023年標準制定計

劃。

2023年8月16日，中國汽車工程學會下達2023年第三批中國汽車工程學會標

準制修訂項目計劃，《特定應用場景無人駕駛可信性評價第2部分：信息基礎設施

數(shù)據(jù)》起草任務書號為2023-68。牽頭單位開始組建標準工作組，并進行標準學習。

2023年9月1日，牽頭單位深圳市城市交通規(guī)劃設計研究中心股份有限公司展

開標準草案內(nèi)部制定研討會，參加本次會議的有深圳市城市交通規(guī)劃設計研究中心

股份有限公司、同濟大學共2家單位參與標準研討會。重點討論了標準草案的范圍、

評價對象、評價指標以及測試方案，搭建標準草案框架。

2023年9月15日，牽頭單位深圳市城市交通規(guī)劃設計研究中心股份有限公司

重點檢索整理了現(xiàn)有的信息基礎設施數(shù)據(jù)相關標，結(jié)合各個起草單位提供的工程經(jīng)

驗，編制完成標準草案框架。

2023年10月至16月，牽頭單位深圳市城市交通規(guī)劃設計研究中心股份有限公

司、國汽（北京）智能網(wǎng)聯(lián)汽車研究院有限公司、燕山大學、云控智行科技有限公

司、中信科智聯(lián)科技有限公司、上海保隆汽車科技股份有限公司、高新興科技集團

股份有限公司、深圳市迪派樂智圖科技有限公司、北京萬集科技股份有限公司、上

海淞泓智能汽車科技有限公司、西安工業(yè)大學進行線上會議研討，編制完成了初步

的標準草案。

2023年11月17日，在上海同濟大學嘉定校區(qū)召開了標準啟動會，參加本次會

議的有上海淞泓、宇通客車、招商車研、同濟大學、西安工業(yè)大學、深城交、燕山

大學、中移（上研）、賽孚希、復運科技、上海海事大學、中國汽研、電科智能、

山東大學、招商車研、萬集科技、云控智行共17家單位參與標準研討會。本次會議

重點討論了標準的研制背景、標準的框架結(jié)構(gòu)及標準主要技術內(nèi)容，形成了一下主

要結(jié)論：1）明確標準研究對象為在特定應用場景無人駕駛的信息基礎數(shù)據(jù)，調(diào)整標

準名稱為《特定應用場景無人駕駛可信性評價第2部分：信息基礎設施數(shù)據(jù)》；2）

3

基本認可標準框架，進一步完善評價指標，建議考慮數(shù)據(jù)的完整性、一致性、新鮮

性，以滿足更高效的數(shù)據(jù)交互和協(xié)同工作需求。；3）明確數(shù)據(jù)內(nèi)容與場景的關系，

由于信息基礎設施進行數(shù)據(jù)交互的對象種類比較多，通過《合作式智能運輸系統(tǒng)車

用通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準》的第一階段、第二階段中的場景數(shù)據(jù)內(nèi)容，

來明確評價維度。4）下階段工作安排。會后，根據(jù)會上反饋意見，牽頭單位進一步

明確任務分工，修改完善標準草案。

2023年11月23日，牽頭單位深圳市城市交通規(guī)劃設計研究中心股份有限公司、

賽孚希、萬集科技、云控智行、上海保隆、國汽智能網(wǎng)聯(lián)等單位召開線上標準討論

會，深入探討標準的研制內(nèi)容。1）明確各個架構(gòu)的組成部分，對信息基礎架構(gòu)與人

車路協(xié)同的架構(gòu)的關系進行分析，形成完善的架構(gòu)設計；2）針對標準中的數(shù)據(jù)類別

內(nèi)容，提出了參考自動駕駛相關的標準草案進一步完善，如T/CSAE158-2020《基

于車路協(xié)同的高等級自動駕駛應用層數(shù)據(jù)交互內(nèi)容》；3）明確了數(shù)據(jù)與指標之間的

關聯(lián)關系，避免了數(shù)據(jù)與指標之間存在模糊現(xiàn)象；4）下階段工作安排。會后，根據(jù)

會上反饋意見，牽頭單位進一步明確任務分工，并對草案的研制內(nèi)容修訂形成共識。

2023年12月8日，牽頭單位深圳市城市交通規(guī)劃設計研究中心股份有限公司、

國汽（北京）智能網(wǎng)聯(lián)汽車研究院有限公司、燕山大學、云控智行科技有限公司、

中信科智聯(lián)科技有限公司、上海保隆汽車科技股份有限公司、高新興科技集團股份

有限公司、深圳市迪派樂智圖科技有限公司、北京萬集科技股份有限公司等單位在

線上開展標準討論會，深入探討各類評價指標計算方法和評分標準，最終討論形成

標準的第一稿草案稿。

2024年1月24日，在深圳南山區(qū)科技生態(tài)園召開了“人車路協(xié)同無人駕駛可

信性評價關鍵技術與標準研究”討論會，參加本次會議的有：上海淞泓、招商車研、

同濟大學、燕山大學、深城交、西安工業(yè)大學、上海電科、招商交科、山東大學、

中移（上海）共10家企業(yè)參與標準研討，會上就本標準的各類評價指標進行了深入

討論。

2024年1月29日，在上海同濟大學嘉定校區(qū)召開了“人車路協(xié)同無人駕駛可

信性評價關鍵技術與標準研究”集中辦公會，參加本次會議的有：上海淞泓、招商

車研、同濟大學、深城交、西安工業(yè)大學、上海電科、招商交科共7家企業(yè)參與標

準研討，會上牽頭單位進一步完善和修改了各類評價指標計算方法和評分標準，最

終討論形成標準第二稿草案稿。

4

2024年2月5日，線上召開起草工作組全員標準研討會，參加本次會議的企業(yè)

有：深圳市城市交通規(guī)劃設計研究中心股份有限公司、國汽（北京）智能網(wǎng)聯(lián)汽車

研究院有限公司、燕山大學、云控智行科技有限公司、中信科智聯(lián)科技有限公司、

上海保隆汽車科技股份有限公司、高新興科技集團股份有限公司、深圳市迪派樂智

圖科技有限公司、北京萬集科技股份有限公司、上海淞泓智能汽車科技有限公司、

西安工業(yè)大學。會上牽頭單位介紹了本標準的總體修改進展和后續(xù)工作計劃，針對

標準的重點技術內(nèi)容進行了匯報和討論。并于2月5日至3月1日在起草工作組內(nèi)

征求意見，牽頭單位根據(jù)起草工作組內(nèi)反饋意見，對標準內(nèi)容進行修改，形成公開

征求意見稿、并提交學會。

1.3.3征求意見階段（含征求意見時間及意見處理情況的說明）

無

1.3.4審查階段（含審查結(jié)果及意見處理）

無

1.3.5報批階段（含報批意見及處理）

無

1.3.6發(fā)布階段

無

二、標準編制原則和主要內(nèi)容

2.1標準制定原則

根據(jù)《中華人民共和國標準法》、《標準化工作導則第1部分：標準化文件的

結(jié)構(gòu)和起草規(guī)則》（GB/T1.1-2020）進行編制。

本標準參考了車路協(xié)同云控基礎平臺的架構(gòu)設計，合作式智能運輸系統(tǒng)車用通

信系統(tǒng)應用層及應用數(shù)據(jù)交互標準的數(shù)據(jù)交互內(nèi)容，車載信息交互系統(tǒng)信息安全技

術要求及試驗方法的評價體系，定義并規(guī)范了信息基礎設施的架構(gòu)、信息基礎設施

數(shù)據(jù)的類型與內(nèi)容、評價流程、評價指標及計算方法和評價體系等技術內(nèi)容，最終

建立一套服務于特定應用場景無人駕駛信息基礎設施數(shù)據(jù)可信性評價的評價體系。

2.1.1通用性原則

本標準分為信息基礎設施架構(gòu)與數(shù)據(jù)體系、評價內(nèi)容、評價流程、評價指標及

計算方法和評價體系等技術內(nèi)容，適用于支持無人駕駛運行的信息基礎設施數(shù)據(jù)的

分類分級可信性評價。

5

2.1.2指導性原則

本文件的制定，提出了對于無人駕駛特定應用場景信息基礎設施數(shù)據(jù)服務的可

信性評價方法，與現(xiàn)有的自動駕駛測試三支柱評價方法互補，填補了特定應用場景

中支持無人駕駛運行的信息基礎設施數(shù)據(jù)與無人駕駛車輛互信互認的標準空白，能

夠指導制定一套完善的全方面、多維度的無人駕駛信息基礎設施服務評價體系，提

高無人駕駛車輛安全駕駛和服務質(zhì)量，更好地為出行者提供服務。

2.1.3協(xié)調(diào)性原則

本標準以規(guī)范評價無人駕駛信息基礎設施服務可信性評價為目標，以探索無人

駕駛信息基礎設施等新模式、新場景賦能行業(yè)發(fā)展為目標，在滿足《智能網(wǎng)聯(lián)汽車

道路測試與示范應用管理規(guī)范（試行）》、《自動駕駛汽車運輸安全服務指南（試

行）》、《智能網(wǎng)聯(lián)汽車開放道路測試評價總體技術要求》、《北京市智能網(wǎng)聯(lián)汽

車政策先行區(qū)無人接駁車管理細則（道路測試與示范應用）》、《上海市智能網(wǎng)聯(lián)

汽車測試與應用管理辦法》、《上海市智能網(wǎng)聯(lián)汽車示范運營實施細則》等管理制

度要求的基礎上，充分參考T/CSAE53-2020《合作式智能運輸系統(tǒng)車用通信系統(tǒng)

應用層及應用數(shù)據(jù)交互標準》的數(shù)據(jù)交互內(nèi)容，GB/T38667-2020《信息技術大數(shù)

據(jù)數(shù)據(jù)分類指南》的數(shù)據(jù)分類方法，《2022北京市高級別自動駕駛示范區(qū)數(shù)據(jù)分

類分級白皮書》的數(shù)據(jù)分類分級體系，T/CSAE53-2020《合作式智能運輸系統(tǒng)車用

通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準》的特定應用場景與數(shù)據(jù)關系，T/ITS

0136.1-2022《車路協(xié)同云控基礎平臺》的架構(gòu)設計，GB/T36344-2018《信息技術

數(shù)據(jù)質(zhì)量評價指標》、GB/T43557-2023《信息安全技術網(wǎng)絡安全信息報送指南》

的評價指標體系與評價流程，進一步明確了無人駕駛信息基礎設施服務的可信性評

價體系。

2.1.4兼容性原則

本標準提出的可信性評價指標與評價體系，充分考慮了當前國內(nèi)外無人駕駛信

息基礎設施服務的現(xiàn)狀，并注重技術前瞻性，具有普遍適用性。

2.2標準主要技術內(nèi)容

本標準共分為8章，內(nèi)容包括范圍、規(guī)范性引用文件、術語和定義、縮略語、

信息基礎設施架構(gòu)、數(shù)據(jù)評價要素、可信評價可信因子、評價指標與體系及計算方

法共8個部分。

2.2.1信息基礎設施架構(gòu)

6

以5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)為代表的通信網(wǎng)絡基礎設施所構(gòu)成的

異構(gòu)網(wǎng)絡，無人駕駛車輛在執(zhí)行駕駛?cè)蝿障碌幕A設施支持系統(tǒng)，主要由人車路協(xié)

同系統(tǒng)中的中心子系統(tǒng)與路側(cè)子系統(tǒng)構(gòu)成，包含云控平臺、路側(cè)計算單元、路側(cè)感

知設施、交通安全與管理設施、路側(cè)通信設施等。

2.2.1.1人車路協(xié)同系統(tǒng)總體架構(gòu)

由不同種類的通信技術和設備組成的異構(gòu)網(wǎng)絡中，無人駕駛車輛在運行過程中

產(chǎn)生的數(shù)據(jù)設備所構(gòu)成的系統(tǒng)架構(gòu)，包含了中心子系統(tǒng)、路側(cè)子系統(tǒng)、智能運輸子

系統(tǒng)三個部分，系統(tǒng)架構(gòu)如下圖。

a)中心子系統(tǒng)：包含云控平臺與相關第三方平臺，提供設備接入管理、數(shù)據(jù)匯聚

共享、業(yè)務支撐和相關服務。

b)路側(cè)子系統(tǒng)：包含路側(cè)計算單元、路側(cè)通信設施、路側(cè)感知設施、交通安全與

管理設施、其他附屬設施、車載系統(tǒng)、出行者子系統(tǒng)，涵蓋道路的交通信息感

知、車輛協(xié)同配合的路側(cè)設施與系統(tǒng)，實現(xiàn)向車輛發(fā)送高精度地理信息、定位

輔助信息、交通規(guī)則信息、交通環(huán)境信息、基礎設施信息、實時交通狀態(tài)、危

險預警提示等內(nèi)容，以輔助車輛實現(xiàn)精確定位，及時掌握路段層面信息，擴展

感知范圍等，實現(xiàn)人車路之間協(xié)同運行。

c)智能運輸子系統(tǒng)：包括車載子系統(tǒng)與出行者子系統(tǒng)。車載子系統(tǒng)涵蓋OBU或其

他車載智能終端，同時還可包括車載計算控制模塊、車載網(wǎng)關、路由器等關鍵

組件。出行者子系統(tǒng)包含出行者攜帶的多種信息終端或其他信息處理設備。

注：1）圖中所示為系統(tǒng)的邏輯架構(gòu)關系圖，部署架構(gòu)以實際為準

圖1人車路協(xié)同系統(tǒng)總體架構(gòu)

2.2.2信息基礎設施數(shù)據(jù)對象

由于信息基礎設施數(shù)據(jù)類別廣泛，本標準從協(xié)同感知數(shù)據(jù)，協(xié)同業(yè)務數(shù)據(jù)，協(xié)

同管控數(shù)據(jù)三個維度對數(shù)據(jù)進行分類與定義，本標準中詳細列舉的數(shù)據(jù)類型可覆蓋

《合作式智能運輸系統(tǒng)車用通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準（第一階段）》、

7

《合作式智能運輸系統(tǒng)車用通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準（第二階段）》共

29個場景，并具備面向更多場景擴展的能力。信息基礎設施數(shù)據(jù)對象覆蓋的應用場

景示意圖如下：

圖2可信性評價的數(shù)據(jù)對象覆蓋合作式智能運輸系統(tǒng)共29個應用場景

2.2.3信息基礎設施數(shù)據(jù)特征與數(shù)據(jù)類型

信息基礎設施的數(shù)據(jù)種類繁多，包含環(huán)境感知數(shù)據(jù)、交通路況數(shù)據(jù)、設施監(jiān)控

數(shù)據(jù)、信號有限數(shù)據(jù)、差分數(shù)據(jù)、編隊控制數(shù)據(jù)、高精度地圖數(shù)據(jù)、用戶數(shù)據(jù)等。

根據(jù)信息基礎設施與無人駕駛車輛的數(shù)據(jù)交互時長與交互范圍，使用歷史數(shù)據(jù)分析

與專家經(jīng)驗綜合的方式對長時動態(tài)，長時靜態(tài)，短時動態(tài)，短時高頻四類特征的數(shù)

據(jù)進行分類計算設計，以降低評價的復雜度?？偣卜譃樗念悾洪L時動態(tài)、長時靜態(tài)、

短時動態(tài)、短時高頻。

a)長時動態(tài)數(shù)據(jù)

信息基礎設施長時間跨度內(nèi)發(fā)生變化的數(shù)據(jù)，反映系統(tǒng)、過程或行為的演變趨勢。

b)長時靜態(tài)數(shù)據(jù)

信息基礎設施長時間保持相對穩(wěn)定的數(shù)據(jù)，反映系統(tǒng)或?qū)嶓w在靜態(tài)狀態(tài)下的特征和屬性。

c)短時動態(tài)數(shù)據(jù)

信息基礎設施短時間內(nèi)發(fā)生快速變化的數(shù)據(jù)，通常用于捕捉系統(tǒng)或過程的瞬時動態(tài)性。

d)短時高頻數(shù)據(jù)

信息基礎設施在短時間內(nèi)以較高頻率采集的數(shù)據(jù)，用于捕捉系統(tǒng)或事件的高頻率波動和變化。

2.2.4信息基礎設施數(shù)據(jù)評價要素

2.2.4.1可靠可用

信息基礎設施產(chǎn)生的數(shù)據(jù)應該最大程度上保證可靠與可用程度，在各種復雜工

況與極限環(huán)境下應保證傳輸數(shù)據(jù)具備真實的置信度與糾錯能力，并能保證盡可能向

使用者提供舒適的體驗，指標包括可靠性，自主性。具體體現(xiàn)為：

a)系統(tǒng)中的數(shù)據(jù)在生命周期內(nèi)的真實且可以被使用者依賴的程度

b)系統(tǒng)中產(chǎn)生的數(shù)據(jù)在各種復雜環(huán)境下具有自我修復能力的程度

2.2.4.2及時準確

針對無人駕駛運行場景數(shù)據(jù)交互的復雜與多變問題，系統(tǒng)應具有較強的數(shù)據(jù)處

理能力，以此保證基礎設施系統(tǒng)對數(shù)據(jù)的響應速度和處理效率，減少人為干預和錯

誤，以實現(xiàn)更高效的數(shù)據(jù)交互和協(xié)同工作，及時準確性包括完整性，一致性，新鮮

性，具體體現(xiàn)為：

8

a)系統(tǒng)所收集和處理的數(shù)據(jù)在生命周期內(nèi)沒有出現(xiàn)丟失或者損壞的程度

b)系統(tǒng)中產(chǎn)生的在生命周期內(nèi)通過不同方式取出來的數(shù)據(jù)不能是沖突的程度

c)系統(tǒng)中所使用數(shù)據(jù)的及時性和更新的程度

2.2.4.3透明可釋

數(shù)據(jù)交互和處理的過程是透明和可解釋的，通過日志記錄、審計跟蹤等手段，

以便用戶了解數(shù)據(jù)使用的情況和結(jié)果，提高用戶對數(shù)據(jù)處理過程和結(jié)果的理解和信

任度，降低不確定性和風險，從而促進更好的數(shù)據(jù)交互和協(xié)同工作。數(shù)據(jù)的透明可

釋包括可理解性、可預測性、可復現(xiàn)性，具體體現(xiàn)為：

a)系統(tǒng)中所產(chǎn)生數(shù)據(jù)可以被使用者理解的程度

b)系統(tǒng)中的數(shù)據(jù)在生命周期內(nèi)具有規(guī)律以便于被使用者進行預測的程度

c)系統(tǒng)中的數(shù)據(jù)在被使用者接受后可以被反向解析出來原始數(shù)據(jù)的程度

2.2.4.4安全合規(guī)

數(shù)據(jù)交互過程中保證免受各種惡意代碼與網(wǎng)絡攻擊，并且符合相關法律法規(guī)和

規(guī)定，保證不會涉及用戶隱私暴露的能力。數(shù)據(jù)的安全合規(guī)包括安全性、合法合規(guī)

性、隱私保護性、可追溯性，具體體現(xiàn)為：

a)系統(tǒng)中產(chǎn)生的數(shù)據(jù)免受網(wǎng)絡攻擊、惡意軟件和未經(jīng)授權的訪問的程度

b)系統(tǒng)中的數(shù)據(jù)處理和使用中具備符合適用的法律法規(guī)和規(guī)定的程度

c)系統(tǒng)中的數(shù)據(jù)通過數(shù)據(jù)加密、匿名化技術、訪問控制和數(shù)據(jù)去標識化等措施對

交通參與者的隱私保護的程度

d)系統(tǒng)中的數(shù)據(jù)來源、收集、傳輸和處理的過程是否可以被準確記錄和跟蹤的程

度

2.2.5總體評價

針對單工況單一數(shù)據(jù)評價，總體使用層次分析法完成，首先分別計算二級指標

得分并歸一化，然后按照相應的可信因子進行加權求和計算得出一級指標的可信度。

采用雷達圖展示多個維度下的指標得分，雷達圖的面積反應了信息基礎設施數(shù)據(jù)的

可信度水平。

將每個單項評價可信度得分在雷達圖上進行繪制，每個維度都對應一個軸線，

軸線的頂點表示該維度下的最高得分，將各個單項評價可信度用不同顏色或不同形

狀的線段連接成一個多邊形，從而形成一個雷達圖，生成信息基礎設施數(shù)據(jù)的可信

度結(jié)果，如下圖所示。

9

圖3評價模型關系

圖4綜合評價模型可信度雷達圖（示意圖）

最后綜合考慮四個維度的重要性，得出單一工況下單一數(shù)據(jù)的可信程度，綜合

評價公式如下：

10

=(*α60+*β61+*γ62+*δ63)*100%

——可靠可用得分

——及時準確得分

——透明可釋得分

——安全合規(guī)得分

α60——可靠可用因子

β6——及時準確因子

γ62——透明可釋因子

δ63——安全合規(guī)因子

2.2.6可信性指標傳遞

無人駕駛車輛在行駛過程中，需要接受信息基礎設施上的各類數(shù)據(jù)，不同的數(shù)

據(jù)之間可能存在著一定的依賴關聯(lián)關系。這些依賴關系包含直接依賴關系與間接依

賴關系。直接依賴關系指數(shù)據(jù)運算需要前面的數(shù)據(jù)部分或全部提供，才進行相關的

運算。間接依賴關系指數(shù)據(jù)運算存在著多層的遞進關系，需要前面的多層遞進數(shù)據(jù)

部分或全部提供，才進行相關的運算。

數(shù)據(jù)的依賴關系會導致數(shù)據(jù)的使用過程中存在著可信度遞減效應，為了更為準

確地表達數(shù)據(jù)的可信性，將采用傳遞可信性和獨立可信性互相結(jié)合的方式對數(shù)據(jù)可

信性進行評價。

2.2.6.1獨立可信性(Independentcredibility,IC)

獨立可信性取決于數(shù)據(jù)可靠可用性，及時準確性，透明可釋性，安全合規(guī)性。

數(shù)據(jù)的獨立可信性得分通過單工況評價方法計算得出。

2.2.6.2傳遞可信性(Transmissioncredibility,TC)

傳遞可信性可量化數(shù)據(jù)從源頭依賴數(shù)據(jù)到當前數(shù)據(jù)經(jīng)過的每個節(jié)點或階段的可

信性損失。通過傳遞可信性，評估數(shù)據(jù)在傳輸過程中的遞減效應，進一步評估數(shù)據(jù)

的可信性。其計算方式如下：

傳遞可信性=

：表示數(shù)據(jù)在每個節(jié)點的獨立可信性，0<=<=1。

2.3關鍵技術問題說明

面向特定應用場景無人駕駛的信息基礎設施可信性評價作為充分考慮測評需求

的先進評價方法，融合了多種學科、不同領域的前沿技術，其建設和發(fā)展需要攻克

架構(gòu)、交互數(shù)據(jù)、安全等方面眾多關鍵技術，包括人車路協(xié)同技術、動態(tài)資源調(diào)度

技術、無人駕駛的數(shù)據(jù)驅(qū)動技術、無人駕駛安全評價技術、可信人工智能技術、綜

合評價技術等。

11

2.3.1人車路協(xié)同

人車路協(xié)同（是一種先進的智能交通系統(tǒng)，以先進的信息技術、通信技術、控

制技術等應用于道路交通領域，實現(xiàn)車與車、車與路、車與人之間的實時信息共享

和協(xié)同決策，從而提升道路交通的安全性、效率和舒適性。借助C-V2X和4G/5G

通信技術，將“人-車-路-云”交通要素有機地聯(lián)系在一起，實現(xiàn)車與車（V2V）、

車與道路（V2I，主要指道路各類系統(tǒng)和設備設施，如感知設施、氣象檢測器、狀

態(tài)監(jiān)測設備、交通誘導與控制設施等）、車與云（V2N，地圖平臺、交管平臺、出

行服務平臺等）和車與人（V2P）等的全方位協(xié)同配合（如協(xié)同感知、協(xié)同決策規(guī)

劃、協(xié)同控制等），從而滿足不同等級自動駕駛車輛應用需求（如輔助駕駛、高等

級自動駕駛），實現(xiàn)自動駕駛單車最優(yōu)化和交通全局最優(yōu)化發(fā)展目標。系統(tǒng)平臺包

括交互子系統(tǒng)，負責和各個服務功能域進行數(shù)據(jù)交互，協(xié)同子系統(tǒng)，對各個服務功

能域所要訪問的信息和控制進行初步篩選、優(yōu)先級評定等操作。信息子系統(tǒng)和控制

子系統(tǒng)接口外部車輛、終端、職能部門以及服務提供商等等，收集信息以及發(fā)布控

制信息。

2.3.2動態(tài)資源調(diào)度技術

支撐無人駕駛應用需要快速、高效的資源調(diào)度機制，支撐系統(tǒng)運行大量應用，

以服務于無人駕駛汽車在各種交通場景正常運行。為消解高并發(fā)下各應用在資源使

用上的沖突和物理世界車輛行為的沖突，系統(tǒng)要根據(jù)云控應用對實時性、通信方式、

資源使用與運行方式等方面的要求，選擇服務的運行地點及所分配的資源，保障服

務按需地實時可靠運行，保障所服務車輛的行車安全。相關技術工作包括，以平臺

統(tǒng)一管理或自行管理的方式進行負載均衡、生命周期管理，并利用領域特定的規(guī)則

引擎按需調(diào)用云端車輛感知共享、增強安全預警、車輛在線診斷、高精度動態(tài)地圖、

輔助駕駛、車載信息增強以及全局協(xié)同等資源。

2.3.3無人駕駛的數(shù)據(jù)驅(qū)動技術

無人駕駛的數(shù)據(jù)驅(qū)動技術是指利用大量的數(shù)據(jù)來訓練和改進自動駕駛系統(tǒng)的技

術。這些數(shù)據(jù)可以包括傳感器數(shù)據(jù)（如攝像頭、雷達、激光雷達等）、車輛行駛數(shù)

據(jù)（如車速、加速度、轉(zhuǎn)向角等）、地圖數(shù)據(jù)、交通規(guī)則數(shù)據(jù)以及其他環(huán)境信息。

無人駕駛車輛通過其傳感器系統(tǒng)收集周圍環(huán)境的數(shù)據(jù)，包括路況、障礙物、行人、

車輛等信息。針對不同的駕駛?cè)蝿招枨?，開展對數(shù)據(jù)資源的標注工作，即人工標記

每個數(shù)據(jù)樣本中的對象、行為、道路標志等信息，以便訓練模型能夠理解和學習這

12

些信息。標注完成后，可以使用機器學習算法對這些數(shù)據(jù)進行訓練，以構(gòu)建無人駕

駛系統(tǒng)的各個模塊，如目標檢測、路徑規(guī)劃、環(huán)境感知等。訓練好的模型需要進行

評估，以確保其在各種場景下的性能和安全性。

2.3.4無人駕駛安全評價技術

無人駕駛安全評價技術是一種系統(tǒng)性評估無人駕駛預期功能安全的方法，旨在

驗證無人駕駛車輛在各種路況和情境下的安全可靠性。預期功能安全的基本概念由

ISO21448提出和定義，旨在避免由于與其功能或其實現(xiàn)的功能不足導致危害所產(chǎn)

生的不合理風險。相關技術主要包括：SOTIF分析評估技術，即采用有效的安全分

析技術例如故障樹分析、失效模式與影響分析、危害與可操作性分析；SOTIF驗證

確認技術，即進一步發(fā)現(xiàn)不安全場景和證明SOTIF得到充分保障，須綜合考慮所采

用技術的有效性、可行性和成本，如基于分析對比的驗證、仿真和軟硬件在環(huán)等技

術成本相對較低；近年來，基于場景的測試得到了廣泛研究與實踐，例如基于知識

驅(qū)動和數(shù)據(jù)驅(qū)動的特定場景或用例的生成等；SOTIF功能改進技術，主要分為三種

技術路線：第一、性能提升，如提高特定傳感器或感知模型自身的性能上限；第二、

風險監(jiān)測與防護；第三、功能冗余，如通過設冗余功能模塊以改善整體性能表現(xiàn)。

第3節(jié)將針；SOTIF發(fā)布技術，旨在論證系統(tǒng)是否符合SOTIF發(fā)布準則，可通過上

述分析評估，設計改進和驗證確認等活動形成完整安全文檔，進而可利用目標結(jié)構(gòu)

表示法、拓展證據(jù)網(wǎng)絡等技術進行安全論證。

2.3.5可信人工智能技術

可信人工智能技術是一種注重透明度、責任、安全和隱私保護的人工智能技術

范式，旨在構(gòu)建可被信任和可解釋的AI系統(tǒng)?！翱尚判浴钡母拍钍窃谲浖鹘y(tǒng)的

“可靠”“安全”等概念的基礎上發(fā)展而來，人工智能系統(tǒng)作為軟件系統(tǒng)的一種，

其可信性需要滿足傳統(tǒng)軟件的要求，而作為人工智能系統(tǒng)，其可信性又要強調(diào)其本

身的特性和人的特征。人工智能系統(tǒng)可信證據(jù)是指可從人工智能系統(tǒng)中提取且用于

衡量人工智能系統(tǒng)可信性的相關指標。人工智能系統(tǒng)的可信性技術分為訓練數(shù)據(jù)的

可信性度量、學習模型的可信性度量和預測結(jié)果的可信性度量，并基于此形成可信

度量模型，例如基于主觀邏輯的神經(jīng)網(wǎng)絡可信量化框架、利用確定性邏輯和主觀邏

輯開發(fā)的評估可信值的理論模型等。

2.3.6綜合評價技術

13

綜合評價技術指的是運用多個指標對多個評價對象進行綜合性的統(tǒng)計評價的方

法，旨在從而來判斷系統(tǒng)的整體性能。現(xiàn)代綜合評價方法包括層次分析法、主成分

分析法、數(shù)據(jù)包絡分析法、模糊評價法等。其中層次分析法是指將與決策總是有關

的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策

方法；主成分分析法是將其分量相關的原隨機向量，借助于一個正交變換，轉(zhuǎn)化成

其分量不相關的新隨機向量，并以方差作為信息量的測度，對新隨機向量進行降維

處理，再通過構(gòu)造適當?shù)膬r值函數(shù)，進一步做系統(tǒng)轉(zhuǎn)化的方法；模糊分析法基于模

糊數(shù)學，不僅可對評價對象按綜合分值的大小進行評價和排序，而且還可根據(jù)模糊

評價集上的值按最大隸屬度原則去評定對象的等級。綜合評價法的特點表現(xiàn)為評價

過程不是逐個指標順次完成的，而是通過一些特殊方法將多個指標的評價同時完成

的；且在綜合評價過程中，一般要根據(jù)指標的重要性進行加權處理；評價結(jié)果不再

是具有具體含義的統(tǒng)計指標，而是以指數(shù)或分值表示參評單位"綜合狀況"的排序。

2.4標準主要內(nèi)容的論據(jù)

本標準對無人駕駛信息基礎設施服務的可信性評價內(nèi)容與指標體系進行了全面

研究，每一個評價指標的計算方法和評分標準經(jīng)過了對國內(nèi)外相關標準的充分調(diào)研，

并在工作組內(nèi)進行了深入討論，且進行了相應的技術驗證，最終得出了當前的結(jié)論。

在便準的整體研制過程中，充分參考T/CSAE53-2020《合作式智能運輸系統(tǒng)車

用通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準》的數(shù)據(jù)交互內(nèi)容，GB/T38667-2020《信息

技術大數(shù)據(jù)數(shù)據(jù)分類指南》的數(shù)據(jù)分類方法，《2022北京市高級別自動駕駛示范

區(qū)數(shù)據(jù)分類分級白皮書》的數(shù)據(jù)分類分級體系，T/CSAE53-2020《合作式智能運輸

系統(tǒng)車用通信系統(tǒng)應用層及應用數(shù)據(jù)交互標準》的特定應用場景與數(shù)據(jù)關系，T/ITS

0136.1-2022《車路協(xié)同云控基礎平臺》的架構(gòu)設計，GB/T36344-2018《信息技術

數(shù)據(jù)質(zhì)量評價指標》、GB/T43557-2023《信息安全技術網(wǎng)絡安全信息報送指南》

的評價指標體系與評價流程，進一步明確了無人駕駛信息基礎設施服務的可信性評

價體系。

在上述內(nèi)容的編制過程中，對指標的內(nèi)容進行詳細的調(diào)研。一級指標可靠可用

中的可靠性指標參考了GB-T5080.7-1986設備可靠性試驗恒定失效率假設下的失效

率與平均無故障時間的驗證試驗方案、GBT21562-2008軌道交通可靠性、可用性、

可維修性和安全性規(guī)范及示例等對于可靠性的定義及系統(tǒng)失效率的相關評價方法；

自主性指標參考了《T/ISC0043-2024軟件代碼自主率測評方法》、《T/SXSAE

14

002-2023自主式車路協(xié)同系統(tǒng)平臺設計參考邏輯架構(gòu)》、《T/ZKJXX00033-2023北

斗農(nóng)機無人駕駛與自主作業(yè)系統(tǒng)技術規(guī)范》等文件中的內(nèi)涵；

及時準確中的準確性參考了《GB/T42381.130-2023數(shù)據(jù)質(zhì)量第130部分：主

數(shù)據(jù)：特征數(shù)據(jù)交換：準確性》、《團體標準T/CSAE172-2021電動乘用車剩余里

程準確度評價試驗方法》、《北斗導航在無人駕駛的定位準確性》中的定義內(nèi)涵與

使用；完整性指標參考了《GB/T34590.9-2017道路車輛功能安全第9部分：以汽

車安全完整性等級為導向和以安全為導向的分析》、《DB4403/T357-2023智能網(wǎng)

聯(lián)汽車自動駕駛數(shù)據(jù)記錄系統(tǒng)技術要求》、《T/ZSA153.1-2023自動駕駛公交車第

1部分:車輛技術要求》中數(shù)據(jù)完備率的似乎用；一致性指標參考了《T/SXSAE

001-2023自動駕駛車輛整車在環(huán)測試系統(tǒng)技術要求、測試流程及方法》、《T/ZSA

152-2023自動駕駛出租汽車測試運營規(guī)范與安全管理要求》、《T/CSAE268-2022智

能網(wǎng)聯(lián)汽車自動駕駛地圖路側(cè)傳感器數(shù)據(jù)交換格式》、《T/CMAX21005-2023自

動駕駛車輛編隊行駛能力測試內(nèi)容及方法》等文件中的數(shù)據(jù)交互定義與使用。新鮮

性指標參考了《T/SSIIA001-2024信息技術應用創(chuàng)新數(shù)據(jù)通信網(wǎng)絡設備技術要求》、

《GB/T43269-2023信息安全技術網(wǎng)絡安全應急能力評估準則》、《GB/T

28451-2023信息安全技術網(wǎng)絡入侵防御產(chǎn)品技術規(guī)范》等文件中的實時可用內(nèi)涵。

透明可釋中的可理解性指標參考了《GB/T41813.2-2022信息技術智能語音交

互測試方法第2部分：語義理解》、《GB/T35300-2017信息技術開放系統(tǒng)互連用

于對象標識符解析系統(tǒng)運營機構(gòu)的規(guī)程》、《GB/Z42885-2023信息安全技術網(wǎng)絡

安全信息共享指南》、《GB/T38628-2020信息安全技術汽車電子系統(tǒng)網(wǎng)絡安全指

南》等文件中數(shù)據(jù)的發(fā)送與接受中的可被解析規(guī)范；可預測性指標參考了《GB/T

41479-2022信息安全技術網(wǎng)絡數(shù)據(jù)處理安全要求》、《GB/T39786—2021信息安

全技術信息系統(tǒng)密碼應用基本要求》、《GB/T36344-2018信息技術數(shù)據(jù)質(zhì)量評價

指標》、《GB/T40856-2021車載信息交互系統(tǒng)信息安全技術要求及試驗方法》等

文件中指標的使用情況。可復現(xiàn)性指標參考了《GB/T41871-2022信息安全技術汽

車數(shù)據(jù)處理安全要求》、《GB/T41479-2022信息安全技術網(wǎng)絡數(shù)據(jù)處理安全要求》、

《GB/T37973-2019信息安全技術大數(shù)據(jù)安全管理指南》、《GB/T37932-2019信

息安全技術數(shù)據(jù)交易服務安全要求》等文件中的定義與內(nèi)容。

安全合規(guī)中的安全性指標參考了《GB/T41479-2022信息安全技術網(wǎng)絡數(shù)據(jù)處

理安全要求》、《GB/T39786—2021信息安全技術信息系統(tǒng)密碼應用基本要求》、

15

《GB/T36344-2018信息技術數(shù)據(jù)質(zhì)量評價指標》、《GB/T40856-2021車載信息

交互系統(tǒng)信息安全技術要求及試驗方法》等文件中的定義與范圍；合法合規(guī)性指標

參考了《GB/T41783-2022模塊化數(shù)據(jù)中心通用規(guī)范》、《GB/T43557-2023信息

安全技術網(wǎng)絡安全信息報送指南》、《GB/T39786—2021信息安全技術信息系統(tǒng)

密碼應用基本要求》等文件中的定義規(guī)范。隱私保護性指標參考了《GB/T

40094.4-2021電子商務數(shù)據(jù)交易第4部分：隱私保護規(guī)范》、《DB4403/T361-2023

智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全要求》、《GB/T20281-2015信息安全技術防火墻安全技術

要求和測試評價方法》等文件中的規(guī)范范圍。可追溯性指標參考了《T/ZMDS

20007-2023健康軟件和健康IT系統(tǒng)安全性、有效性和網(wǎng)絡安全—第1部分：原則

和概念》、《YD/T3751-2020車聯(lián)網(wǎng)信息服務數(shù)據(jù)安全技術要求》、《GB/T42447-2023

信息安全技術電信領域數(shù)據(jù)安全指南》、《DB32/T4318.1-2022電子政務外網(wǎng)安

全大數(shù)據(jù)和運維保障平臺接入規(guī)范第1部分：安全大數(shù)據(jù)平臺》等文件中的溯源要

求。

2.5標準工作基礎

編寫組主要起草單位深圳市城市交通規(guī)劃設計研究中心股份有限公司（以下簡

稱深城交），是全國規(guī)模最大、專業(yè)最全的城市交通完整解決方案提供者。在城市

交通基礎設施數(shù)字化、智能化等研究領域全國領先，擁有綜合交通大數(shù)據(jù)應用技術

國家工程實驗室、交通運輸部行業(yè)研發(fā)中心、廣東省城市交通數(shù)字孿生重點實驗室、

廣東省交通信息工程技術研究中心等省部級以上科研平臺。擁有交通監(jiān)督檢測大樓、

布龍試驗室、深汕試驗室、羅湖試驗室四處辦公及試驗場地，面積約9000㎡，科

研及試驗檢測設備2000臺套,以及道路智能巡檢車、交通碳排放移動監(jiān)測設備、微

波車檢器、“深研”信號控制機等在內(nèi)的各類實驗設備。已匯聚百余城市的用地與

交通數(shù)據(jù)，50城的交通運行大數(shù)據(jù)，以及深圳全市60萬棟建筑、13.9萬運營車

輛GPS、9.42萬路各類視頻，以及歷年交通工程檢測等交通行業(yè)數(shù)據(jù)，為城市交

通數(shù)字孿生核心技術的研究和測試奠定了數(shù)據(jù)基礎。

深城交是深圳市智能網(wǎng)聯(lián)產(chǎn)業(yè)的帶頭企業(yè)。2019年在深圳市工信局等政府部門

的業(yè)務指導下，成立深圳市智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新促進會，成為第一屆會長單位，

70+國內(nèi)智能網(wǎng)聯(lián)頂級企業(yè)加入深城交牽頭建立的“智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)促進會”，

共同推動深圳建設車聯(lián)網(wǎng)先導區(qū)建設。同年中標工信部2021年產(chǎn)業(yè)技術基礎公共服

16

務平臺“建設5G+車聯(lián)網(wǎng)先導應用環(huán)境構(gòu)建及場景試驗驗證公共服務平臺項目”，

深城交領銜的聯(lián)合體成為全國僅有的三家中標團隊之一。此項目的開展，將為深圳

爭創(chuàng)國家級車聯(lián)網(wǎng)先導區(qū)再筑基石，對全市汽車產(chǎn)業(yè)轉(zhuǎn)型升級，推動國內(nèi)車聯(lián)網(wǎng)技

術、應用、產(chǎn)業(yè)高質(zhì)量健康發(fā)展，確立未來發(fā)展新優(yōu)勢具有重大意義。具有豐富的

智能網(wǎng)聯(lián)汽車“車路云一體化”協(xié)同的產(chǎn)業(yè)落地與科研工作經(jīng)驗。

深城交深耕智能網(wǎng)聯(lián)汽車管理政策及落地應用研究，全程參與起草市級智能網(wǎng)

聯(lián)道路測試管理規(guī)范、管理條例等政策法規(guī)，為國家及各省市制定法規(guī)、條例、標

準等提供技術支持。2017年承擔深圳市交委《新型交通基礎設施及智能交通應用研

究》研究課題，提出現(xiàn)有交通基礎設施在自動駕駛條件下應用中存在的問題，提出

近、中、遠期交通基礎設施更新、建設的需求及合理化建議，指引智能駕駛環(huán)境下

新型交通基礎設施建設。2019年承擔深圳市交委《自動駕駛道路設施建設標準研究》

和《深圳市道路智能交通設施建設技術規(guī)范標準研制》課題，起草《深圳市關于貫

徹落實<智能網(wǎng)聯(lián)汽車道路測試管理規(guī)范(試行)>》的實施意見》，2022年由深城交

參與起草的《深圳經(jīng)濟特區(qū)智能網(wǎng)聯(lián)汽車管理條例》等，具有豐富的智能網(wǎng)聯(lián)汽車

領域標準制定工作經(jīng)驗。

三、主要試驗（或驗證）情況分析

3.1.場景描述

無人駕駛小巴在城市道路上行駛的場景包括但不限于復雜的十字路口、行人穿

越、車輛變道、交通信號燈遵守等。

在本示例中，無人駕駛小巴將對城市道路協(xié)作式交叉口通行場景開展可信性評

價，協(xié)作式交叉口通行是指裝備有OBU的無人駕駛小巴和路側(cè)設備（RSU）協(xié)作，

安全、高效通過交叉口，示例中特指無信號交叉路口的通行場景。無人駕駛小巴向

RSU發(fā)送車輛行駛信息，RSU根據(jù)車輛行駛信息、目標交叉路口的信號燈信息、其

他車輛上報的行駛信息、以及路側(cè)感知信息，為無人駕駛小巴生成通過交叉路口的

通行調(diào)度信息并發(fā)送給無人駕駛小巴，調(diào)度無人駕駛小巴安全高效通過交叉口。

場景中涉及多種傳感器數(shù)據(jù)，如攝像頭、激光雷達、雷達等，用于感知周圍環(huán)

境，做出實時決策并進行車輛控制。而行駛過程中的協(xié)同配合策略、綜合評價不屬

于本文件范圍。

3.2.技術架構(gòu)

無人駕駛小巴行駛過程中主要以單車智能為主，路側(cè)與云端功能為輔，在數(shù)據(jù)交互

架構(gòu)中，OBU實時收集無人駕駛小巴的感知數(shù)據(jù)與控制數(shù)據(jù)上傳到中心子系統(tǒng)并與

RSU通信，RSU將路側(cè)感知設備的各類數(shù)據(jù)進行匯集并運算與OBU通信，同時上

傳到中心子系統(tǒng)。在此場景中需要計算無人駕駛小巴的全局路徑規(guī)劃，局部路徑規(guī)

17

劃，當前環(huán)境信息，周邊人車行為意圖，交通信號，交通標志等。如下圖所示。

圖5協(xié)作式交叉口通行場景的技術架構(gòu)關系

3.3.交互過程

——無人駕駛小巴（ADB）從遠處駛向無信號燈交叉路口，交叉路口附近設有

RSU；

——無人駕駛的普通車輛（ANV）從遠處駛向無信號燈交叉路口，并且與ADB

在交叉路口相遇；

——ADB發(fā)送行駛狀態(tài)信息、駕駛軌跡意圖到RUS與中心子系統(tǒng)；

——中心子系統(tǒng)根據(jù)上報的行駛信息、當前路口其他車輛上報的行駛信息和意圖

信息，以及路側(cè)傳，生成無人駕駛小巴及其他所有接近路口的車輛的駕駛引導信息；

——RSU將對應的引導信息發(fā)送給無人駕駛小巴；

——無人駕駛小巴根據(jù)路側(cè)信息調(diào)整自身決策結(jié)果，優(yōu)化全局與局部路徑規(guī)劃，

示意圖如下圖所示。

18

圖6無人駕駛小巴在協(xié)作式交叉口通行場景示意圖

3.4.數(shù)據(jù)內(nèi)容

下圖中，給出了各系統(tǒng)間以及系統(tǒng)內(nèi)原始感知數(shù)據(jù)、決策規(guī)劃數(shù)據(jù)、路側(cè)控制

數(shù)據(jù)等的數(shù)據(jù)流向以及數(shù)據(jù)處理策略及控制數(shù)據(jù)生成位置的數(shù)據(jù)流。數(shù)據(jù)類型可以

包括感知數(shù)據(jù)、決策規(guī)劃數(shù)據(jù)以及路側(cè)控制數(shù)據(jù)。

圖7數(shù)據(jù)交互架構(gòu)

3.5.數(shù)據(jù)交互結(jié)果

信息基礎設施通過路側(cè)攝像頭，全方位采集周圍環(huán)境信息，對車輛進行感知分析，

通過目標跟蹤技術實施跟蹤各個車輛的在攝像頭內(nèi)的駕駛情況，基于不同攝像頭之

間的協(xié)作互聯(lián)，采用跨境跟蹤技術進行跨域目標的跟隨，還原車輛在交通場景中的

交通意圖，分析交通路段內(nèi)不同車輛的駕駛情況。當無人駕駛小巴士發(fā)出狀態(tài)請求，

開展詳細的引導信息分析，并根據(jù)現(xiàn)有的意圖信息，對無人駕駛小巴士進行協(xié)作引

導。如下圖所示。

19