智駕測評中如何衡量自動駕駛的安全性？

智駕測評中衡量自動駕駛安全性的方式多樣，包括多種評估方法、關注危險接管里程等關鍵指標以及遵循科學全面的原則等。目前業界有 Real world test 等多種評估自動駕駛預期功能安全的方法，各有特點。同時，危險接管里程是重要指標，數值越大系統越安全，不同場景和車型的危險接管里程不同。此外，評估需遵循科學、客觀、全面原則，綜合多種測試方式。

目前業界所采用的多種評估自動駕駛預期功能安全的方法，都有著各自的優缺點。像Real world test（實際道路測試），能最真實地反映自動駕駛在現實環境中的狀況，但耗時耗力；Scenario based test（基于場景的測試），可針對性地對不同復雜場景進行模擬測試，不過難以涵蓋所有現實場景。Formal verification（形式驗證）依靠數學模型和邏輯推理來驗證安全性，具備嚴密性，可脫離實際場景的驗證總是存在一定局限性。Shadow mode（影子模式）能在不干擾正常駕駛的情況下收集數據評估，然而數據的全面性可能不足。Function based test（基于功能的測試）專注于各項功能是否達標，卻可能忽略功能間的協同及復雜環境影響 。

危險接管里程這一關鍵指標，直觀體現了自動駕駛系統的穩定性與安全性。在智駕眾測里，NOA智駕里程占比較高，可大部分危險接管事件發生在城區NOA場景，這表明城市環境的復雜性對自動駕駛系統是巨大挑戰。不同車型在城市和高速行駛時危險接管里程的差異，充分反映出各系統安全性表現參差不齊。

自動駕駛汽車安全性評估需嚴格遵循科學、客觀、全面原則。仿真測試能模擬復雜交通場景，為評估提供多維度數據，但終究無法完全復刻真實世界；實際路測雖能真實反映性能和安全性，可需要投入大量的時間和資源。

總之，在智駕測評中，衡量自動駕駛安全性是一個復雜且多元的過程。多種評估方法各有長短，危險接管里程等指標反映實際表現，科學全面的原則確保評估準確。只有綜合運用這些方式，才能更準確地衡量自動駕駛安全性，推動自動駕駛技術不斷發展完善。