很长一段时间里，LCC 的能力一直被大家所忽略。
甚至我们经常被很多厂商以及工程师同学提到，“你们测 LCC 的出发点是什么？”
LCC 的核心能力非常简单，因为它是智能电动车时代“人均皆有”的功能，同时它也是衡量一个系统能力的基础，也是很多用户同学对智能驾驶的“第一印象”。
所以在 2023 年，我们并没有放弃对 LCC 的横评，而是将 XCX-Pilot Test 的测试标准升级到了 3.0，我们依旧延续新出行 LCC 智能驾驶评测维度，包括：
- 安全性
- 效率
- 舒适性
- 使用范围
写在最前：
XCX-Pilot Test 3.0 也是在 XCX-Pilot Test 2.0 的整体评测框架上做优化，这次共划分六大场景，包括加塞、跟车、绕行、大曲率弯道、路口以及施工。此外我们升级会更加聚焦几个核心：
-新增绕行场景、长距离连续弯道、错位路口、施工场景等。
-新增项目通过率以及冷汗指数 GAMP 评价。
-更聚焦系统通过策略，而不是聚焦在单一的通过性。相比过去针对「通过与不通过」，这次我们会结合「雷达图」更聚焦在系统的通过策略上，例如在某个场景中我们不会简单评判某个项目是否具备通过能力，而是会聚焦在系统的综合能力上。
例如路口中我们会考量系统的连贯性、通过性、跟车安全性以及安全交互能力四大指标，通过路口时是否连贯？是否会考虑跟车？跟车时是否会有安全的跟车机制？过不了的路口是否有让用户提前接管的安全交互？等等。我们希望让评测更为完整，这也是我们坚持做 GAMP 而不是打分制的核心。
一、LCC 为什么重要？
相比我们目前主流的高速 或者 城市 领航辅助驾驶，LCC 的能力虽然看起来非常基础，但它拥有几个功能特点：
-安全交互能力的不断升级。
相比以往，有了针对智能驾驶的 Orin 芯片、针对车机的高通 8155 芯片、激光雷达以及 BEV 等新算法的支持，不同车企在 SR 界面交互上也更为丰富。
在有更庞大的硬件支持下，BEV 、Occupancy 等算法的加入，让静态车道线、动态车辆、行人等目标物渲染更为丰富，比如小鹏在 XNGP 中也引入了基于无图化渲染的能力，让感知交互更为真实。
-拥有更高的使用范围。
相比城市、高速甚至泊车场景，LCC 的开启范围更大，不受限制于地图等条件，而这也是未来步入更高阶轻图化能力的基础。
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。
-通过策略的延伸。
相比通过边界，「通过策略 」也是我们权衡一套系统是否好用的重点。
比如在防加塞以及跟车上有不同思路，部分车企会选择较强的跟车策略，而部分车型会有与加塞车辆尝试做博弈，而部分车型会偏向保守派，而部分车型开始思考轻打方向盘避让等。
-衡量基础能力。
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 XNGP 、蔚来 NT2.0 平台、华为 ADS 2.0 以及理想的 AD Max等系统中，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。
二、加塞场景
在加塞项目中，我们依旧聚焦「加塞方向」「加塞速度」两个变量，来模拟四种常见的加塞场景。包括：
模拟日常加塞的场景：
- 侧后方快速车辆减速加塞（70km/h 减速到 40km/h 左右）
- 侧方车辆减速加塞（60km/h 减速到 40km/h 左右）
模拟堵车跟车时加塞场景：
- 低速跟车时遇探头车加塞（15km/h-20km/h 时速跟车）
模拟跟车起步时遇加塞场景：
- 跟车起步时遇探头车加塞
虽然这四种加塞场景不能代表日常行驶中我们遇到的所有加塞场景，但我们能够在场景中围绕几个考量因素，包括：
-响应时机。对不同方向、不同速度的车辆加塞动机的识别。无论是快速、低速甚至起步车辆，这也给感知系统带来较高的要求。
-舒适性。识别加塞车辆后系统的加减速舒适性。
-安全交互策略。对加塞车辆是否有清晰渲染以及有相关的提醒交互。
-应急机制。在较极端的加塞场景中部分系统会考虑相对应的紧急避让策略，例如触发方向、制动等进行避让，策略会更接近人为习惯，而不是直接触发紧急退出，把系统甩给驾驶者。
所以在评分机制中，我们会针对加塞场景中四个指标做 GAMP 的评价。
三、跟车场景
跟车舒适性我们也基于过去的项目，包括：
模拟堵车时的跟车场景：
- 连续加减速跟车
模拟夜间遇到静止车辆
- 80km/ 时速遇静止车辆
模拟遇占道车辆：
- 曲率弯道上识别 30% 占道车辆
模拟跟车起步时 系统的跟车及时性（防加塞策略）
- 前车起步，起步及时性
我们在设置跟车场景中，主要也是抓取了几个核心考点，包括：
-响应时机。无论是跟车、识别静止车、占道车辆等，考验系统的响应时机；
-跟车舒适性。好的加减速舒适性既能提高舒适性、也确保安全系数。
-安全交互策略。同样跟车也需要交互提醒，例如提前预警、跟车预警等，更完整的交互策略也会带来安全感，降低冷汗指数。
-跟车及时性。跟车及时性有着较好的防加塞的作用，延迟度越低能有效防止被加塞的风险。
四、绕行
绕行此次作为我们独立的板块出现在我们这次横评中，我们更重要是要考量系统的绕行机制：
- 曲率弯道上识别 20% 占道车辆
- 压线占道车辆打开车门
- 探头车占道
- 绕行时占道车辆起步
过去 20% 占道中的占道车辆打开车门、探头车占道等我们主要考量系统是否能够对于特殊场景做感知，而绕行是应对更高阶能力的通行场景。
所以在绕行中我们设置的考点是：
-响应时机。相比常规的占道车辆，特殊占道车辆对感知系统也带来一定的挑战。
-加减速舒适性。识别占道车辆后，系统加减速舒适性。
-安全交互。识别占道车辆时系统的安全交互反馈。
-绕行侧向安全性。我们主要思考的是系统的绕行策略，是否是偏向机械式的绕行，绕行策略是否有旁车安全检测，是否灵活？这也对系统通行空间的判断有很高的要求。
五、大曲率弯道
相比过去常规的大曲率弯道，这次我们设置的弯道也同样具备特殊意义：
- 长距离连续弯道
- 大曲率弯道
长距离连续弯道是连续 S 弯道，弯道内的车道较宽，同时也带有左、右变换曲率，这个弯道我们更检验系统的稳定性以及规控上的加减速舒适性。
而大曲率在弯道两边会有隧道墙壁遮挡、围栏遮挡，考验系统对弯道的曲率、车道线感知能力。
所以这两个代表弯道中我们考点是：
-通过的连贯性。弯道内通过的连贯性我们主要考量系统在识别大曲率弯道后方向盘、加减速控制是否连续，这是建立用户信任的关键。
-居中能力。弯道内通过的居中性，判断系统是否会出现压线、侵占车道等行为。
-加减速舒适性。系统是否会出现断崖式减速或者反复加减速，带来体感上的不适。
-安全交互。我们更考量系统在无法通过时是否会有提早接管提醒等。
六、路口
由于路口是未来更高阶智能驾驶的基础，所以我们不仅保留了路口场景，还针对路口场景做了升级。
在路口上我们选择比较具代表性的「错位路口」，并且针对「跟车、不跟车」两大变量做考虑。
- 无跟车通过错位路口
- 跟车通过错位路口
- 跟随前车通过路口时，前车驶离
- 前车驶离后遇同行旁车
- 红绿灯识别与自动启停（待开放）
不跟车通过路口时，我们考验系统对远端车道线的检测能力，结合远端感知信息对行驶轨迹做规划。
跟车通过路口时，前车有比较好的参考性，所以我们主要判断系统跟车的策略。同时我们也验证在跟车时，前车驶离后对系统行驶轨迹的影响。
我们在不跟车时更考验系统对错位路口自找车道线的能力。而跟车时，我们则会考虑跟车时前车驶离后对系统通过的影响，以及在对侧向并行车辆的安全检测能力。
而红绿灯识别启停的功能由于目前开通该功能的车辆较少，我们也会在后续开放该功能。
所以在路口中的考点是：
-连贯性。通过错位路口时的连贯性，考验在车道线丢失后系统的加减速策略、通过性体验是否连贯。
-路口通过性。通过能力需要考验系统在不跟车、跟车场景中系统的通过策略。相比连贯性我们更注重在基础的通过性上。
-跟车安全性。在跟车通过路口时是否会被前车变道后带偏，如果不会带偏我们会考验系统的安全性，如果带偏离车道我们会考验系统的对侧向车辆的安全检测能力。
-安全交互。在系统退出前给予提醒或者提醒用户随时接管等，让驾驶者有一定心理预期，如果一旦车道线丢失系统就直接退出，则视为不安全交互范围。
七、施工场景
施工场景也是目前一大重要场景，我们也针对这个项目做了对应的升级：
从过去的斜列式桩桶我们升级为：
- 斜列式桩桶
- 横列式桩桶
- V 型桩桶
来考验系统对不同场景的通过能力。
由于 LCC 内是对本车道的识别，所以在考点中我们认为绕行不会作为决定的通过项，而是综合了四个考点：
-响应时机。在识别雪糕筒等障碍物时，系统的响应策略。
-舒适性。 识别加塞车辆后系统的加减速舒适性。
-安全交互。在遇到雪糕筒时是否会有相对应的安全交互提醒，包括接管、仪表模型渲染等。
-制动或绕行策略。是否有相对应的避让策略，避让策略是否及时、安全。
相比 2.0 标准，在 XCX-Pilot Test 3.0 中我们更侧重看到系统的综合能力，我们也不断优化、完整评测系统的通过能力、效率策略、安全边界以及舒适性范围。
期待不久的将来能够和大家见面。
{{detailStore.integral}}
积分赞赏人员
添加咨询车型
