在过去这段时间里，我们从踩点到最终测试人均共跑了将近 3000 公里，耗时近一周，我们正为大家做新一轮的 LCC 大横评。
「什么才是最好用的“LCC”？」
这也是今年智能驾驶的一大热题，而随着 XCX-Test 续航测试标准升级后， XCX-PILOT 的测试标准也升级到了 2.0 版。
本来想通过一篇长动态和大家分享关于我们为什么还要继续测 LCC ，但和大家分享的东西有很多，特别是结合我们最近到场地验证我们的测试项目，有很多思考想和大家分享。
我们在这篇文章中想和大家讨论三个问题：
- 我们现在为什么还是想和大家讨论 LCC ？而不是高速 NoA ?
- XCX-Pilot 为什么一直不设置总分制打分？如果不打分，我们会怎么评价？
- LCC 好不好用 我们是如何思考的？
一、我们为什么还是想和大家讨论 LCC ？
相信大家会有所疑惑，为什么在接近 2022 年年末，新出行 XCX-PILOT 的升级不是做高速领航辅助驾驶，而还是 LCC ？并且测试距离要这么长？
LCC 的迭代其实也反映了系统的基础结构，而城市 NGP、高速 NGP 是特定范围内的代表场景，而 LCC 有三个特点：
- 使用范围更大
- 边界更广
- 更能衡量基础能力
第一 LCC 的使用范围更“大”。
LCC 的渗透率相比过去都有了极大的提升，同时它的学习成本也比较低，用户范围覆盖更大。
同时在 LCC 开启时，它并不会受到高精地图的限制，也就是使用范围也大。
例如在高速领航辅助驾驶中，系统更依赖于高精地图的能力，通过地图提供先验信息“指挥”系统变道、上下匝道等，而 LCC 开启环境更大，基本上只要车道线清晰就能开启。
根据使用范围大这一特点，我们这次测试并不只是局限在场地测试，而是覆盖了国道、高速以及场地测试等场景，也验证了 LCC 在不同环境下的表现，包括长途使用时的居中性、加减速舒适性、可用范围、连续性体验等。
第二是可探索的边界更“广”。
LCC 在使用范围大的前提下，它使用的边界其实也会更广。
另外是 LCC 更利于我们主动设置条件进行评测。
相比在高速 NoA 等场景下我们“被动”去体验不同，LCC 更有利于我们去“主动”探索系统的边界，在封闭场地中我们可以灵活变动测试条件，另外也方便我们去验证不同系统的行驶策略。
例如这次我们的一部分车型搭载了激光雷达，但具体有哪些差异化体验，我们也做了不同验证得出结果。
例如在过十字路口时我们也发现不同车型有不同执行策略，部分车型采用的是自行延长本车道线通过无标线路口，有些则是会参考对向路口的车道线等等。
在验证上，我们在前期设置项目时会率先踩点，充分验证测试条件来确保测试可行。
同时在测试中我们在部分项目中也做了验证，例如我们发现某车型在黑夜中无法识别静止物体，但我们在白天做了验证，发现可以识别，也就说明系统缺乏夜间场景。例如在跟车通过路口时，我们也验证了如果前车驶离，是否会影响系统过十字路口的策略等等。
我们发现不同激光雷达的车型对激光雷达的介入范围不同，能明显感受到激光雷达的使用场景有较大区别，而部分基于重感知的车型针对车辆近距离环境的盲区也有惊喜表现。
第三是 LCC 衡量系统的“地基”。
LCC 是所有辅助驾驶功能的基础，更能衡量硬件与软件结构的基础能力。
例如小鹏 LCC-L 、蔚来 NT2.0 平台等车型中，基本都是算法框架重写，新架构无论是硬件以及软件架构都是与未来 L4 级别系统是同源的。
它们就像是智能驾驶的「地基」，并且遵循木桶效应，地基能力越强、短板越少，也意味着能够支撑着系统走得更远。
我们这次有入门级的博世打包系统的车型，同时也有高阶硬件能力的车型，大家所面临的“答卷”都是一样的，那是否会不公平呢？
我们会在“答卷”中设置了基础型题目以及奥数题题目，例如有基础的加塞项目也有难度更高的起步时遇到加塞车辆等项目。
部分入门级的车型虽然拿不到“奥数题”的分数，但能够确保基础题，例如能通过基础项目，在较高难度的项目中有安全的提醒，也是一种值得肯定的表现。而部分吹嘘具备“高端”能力的车型，可能也会在基础题目中“栽倒”！
第四是 LCC 更强调人机共驾能力。
在完全自动驾驶未到来之前，人机共驾依旧贯穿整个辅助驾驶，除了权衡安全与性能需求，同时也要考量人机共驾能力。
在高速 NoA 等场景中很难做到人机共驾，驾驶者可主动干预的机会不多，而 LCC 可干预范围更大。所以此次在 LCC 中也看中接管后 LCC 的即时恢复能力，例如人为接管 LCC 后是否能即时恢复等等。
二、XCX-Pilot 为什么一直不设置总分制？
另外一个质疑点是为什么新出行 XCX-Pilot Test 为什么不设置“总分制”呢？
这是因为我们认为设置的每个测试内容分类都是各自独立的，所以无法设置权重，一旦偏袒就会有不公平的情况，也失去我们测评的意义。
有一个简单的例子，例如小鹏 P5 用的是一颗 30TOPS 算力的芯片，却能实现城区 NGP 或者 LCC-L 的功能，但如果按照总分计算，小鹏的硬件分肯定是目前几家中最低的，但是它所呈现的优势无法具体体现出来。
而如果某些车型硬件能力强悍，虽然拿到了高的硬件分，但是部分功能体验却不如其他车型。如果按照打分体系，用户无法感知到系统实际的能力表现，会产生混淆。
我们在实际的应用中发现，“边界”能力强的系统不一定好用，看似“基础”能力差的系统并不一是所有表现都是倒数第一，甚至还有“逆袭”的情况。
那我们有没有新的评分方式呢？
在 XCX-Pilot Test 升级后，我们采用了全新的评测标准，让大家能直观了解各个项目中系统的能力。
我们会在项目中设置了 G/A/M/P 四个等级评分，同时会将一个加塞场景拆分成几个小场景，以加塞中的近距离加塞为例，我们会拆分四个标准：
- G：识别速度接近人、减速舒适
- A：识别较晚、减速突兀
- M：识别晚于最佳时机、挑战心理防线人为介入
- P：出现漏检
为了能让大家更为直观的看到我们每个项目的结果，我们会在每个测试项目后不仅只有评级，同时还会有针对每台车型的表现作出评价。
三、LCC 好不好用 我们是如何思考的？
在过去的 LCC 上我们围绕的是「安全」与「舒适」两大维度展开，设置的场景也较为简单。
安全是系统的基础，舒适是系统“好用”的前提， 而在升级后我们在这两个维度基础上新增了「可用范围」以及「效率」。所以这次我们升级后主要围绕「安全、舒适、可用范围以及效率」四个维度升级展开。
基于安全、舒适下通过的项目越多，也意味着使用边界能力更强，系统的主动通过性越高，效率也会越高，例如部分车型在通过占道车辆中不是选择刹停，而是选择了绕行。
那我们重点升级了哪些项目？
1、加塞：新增「侧后方」、「动态」加塞
首先是加塞场景，我们新增了两个变量，一个是加塞方向，例如模拟「后方」、「侧方」加塞车辆，另一个变量是加塞速度，包括是「慢速」、「快速」以及「静止到起步」三个指标。
最终我们设置了快速斜后向加塞、慢速平移加塞、低速跟车时加塞、跟停前车时加塞四大场景，前两者是基础题，后两者堪称奥数题！
这几个加塞场景其实具有代表性外，实际上也是我们考量系统的“功底”。
视频上传成功
大家可能会好奇为什么只考量后方加塞？
相比普通前向加塞，后方加塞其实更考量系统对侧后方的检测能力，同时也考验前档摄像头的视场角覆盖范围，以此来更精确考量。
并且不仅需要“看得见”，而且要“刹得住”或者更高的要求，也就是“刹得舒服”，对系统“控制”能力有更高的需求。
另外在我们知道智能驾驶最难的点是靠近车辆最近的区域，这个区域也是感知系统的“盲区”。
例如在我们日常跟停前车堵车场景下，在前车起步后隔壁车道车辆突然起步加塞，这样的场景非常常见，但常常会出现漏检。
2、跟车舒适性：新增「动态跟随」
在跟车舒适性上，过去我们基础测试只是识别静止车辆，而在此基础上我们新增了频繁加减速跟车情况下的舒适性。
这也是模拟我们堵车场景下的频繁加减速，考验我们跟车时的加减速体验。
我们测试标准也更为极端，设置了0-20km/h 的频繁加减速，来看看跟车情况下的舒适曲线怎么样？
3、升级「占道」测试
在识别静止车辆上，我们也大大增加了难度。
首先是识别占道车辆，我们过去是设置30% 以及 50% 占道，新的测试标准我们升级了带曲率的 10% 占道、车辆压线占道后打开车门等场景。
占道其实考验的是对可通行空间的检测能力，而占道空间越小其实越考验系统的精准度，这也是我们取消了 50% 占道场景升级到 10% 占道的原因。
而选择带曲率的弯道识别是因为曲率会对视觉感知有“干扰”，车辆与车道线的贴合情况会产生错位，这也给感知系统的感知及时性带来压力。
而打开车门的场景是由于我们思考了伴随着激光雷达车型的普及，对停在路边的车辆打开车门时，激光雷达刚好补充了视觉的盲区，可以更直观构建 3D 空间能力。
带激光雷达的车型是否都能通过？没有激光雷达的车型是否就过不了呢？我们期待它们的表现。
4、不只是大曲率
在大曲率弯道上，我们也会此次测试做了相应的升级，我们寻找了一个快速弯道变化的大曲率弯道，非常规的大曲率弯道对摄像头的视场角覆盖需求更大，也考验规控底层能力，例如刹车是否舒适、是否触发系统退出等。
视频上传成功
……
敬请期待！
新出行多车横评也随即到来，我们也一同见证在智能电动车的迭代中，大家如何通过 XCX-Pilot Test 的“大考”，谁又会是最好用的 LCC 呢？
{{detailStore.integral}}
积分赞赏人员
添加咨询车型
