2025年10月19日

由中国计算机学会（CCF）主办

技术论坛|智能驾驶的“可信刻度”：构建可量化、可验证的安全评价体系

在厦门市巨龙软件工程有限公司举行

论坛背景：

当前，智能驾驶技术正从功能驱动迈向安全驱动的新阶段。然而，行业面临的核心瓶颈在于“缺乏一把公认的‘尺子’来衡量系统的真实安全水平”。现有的评价方法多依赖于封闭场景下的功能测试，难以反映系统在开放道路下应对复杂随机风险的全局能力。这种“安全不可度量”的现状，引发了技术路径分歧、产品宣传模糊、责任界定困难、公众信任难以建立等一系列问题。因此，探索并推动建立一套覆盖系统全生命周期、能够真实反映其应对开放道路复杂场景能力的可量化、可验证安全评价体系，已成为行业破局的关键。

图1：论坛合影

论坛情况：

本次技术论坛由刘伟权（集美大学，CCF YOCSEF厦门学术秘书）、陈章汉（施耐德电气信息技术（中国）有限公司，CCF YOCSEF厦门副主席）担任执行主席。曹梦云（集美大学，CCF YOCSEF 厦门学术委员）、张东旭（翔安创新实验室，CCF YOCSEF厦门学术秘书）担任线上主席。

论坛伊始，两位执行主席介绍参会嘉宾并欢迎各位嘉宾的到来，同时介绍了本次论坛的背景及议程。随后，CCF YOCSEF厦门24-25主席周奕毅介绍了CCF YOCSEF自由平等的思辨文化、“承担社会责任，提升成员能力”的使命、以及CCF YOCSEF厦门的创办发展历程等。

图2：执行主席主持开场

图3：周奕毅介绍YOCSEF文化

1. 上半场：引导发言

引导报告1：《面向弱势道路使用群体防护的智能汽车安全技术研究》

厦门理工大学机械与汽车工程学院副院长韩勇教授做第一个引导发言报告。他在报告中强调，智能网联汽车的发展必须坚持以人为本，重点关注如何在中国复杂的交通场景中有效保护行人、骑行者等弱势道路使用者（VRUs），并系统性地提出了主被动安全一体化的技术框架。

韩勇教授指出，当前存在三大关键挑战：一是车辆与VRUs的碰撞机理尚不明确；二是VRUs在事故中的损伤机制复杂，精准评估困难；三是智能系统在遮挡、密集交通等复杂环境下，面临感知与决策的严峻考验。

在解决方案层面，其研究团队基于自主研发的VRU-TRAVi数据库，开展了深入的事故重建与数据分析工作，并取得系列成果：其一，开发了如TP-tiny等高效的轨迹预测模型，预测速度提升3至5倍；其二，建立了融合多体仿真与有限元分析的高精度事故重建方法，清晰揭示了致伤机制；其三，创新性地提出了头部加权损伤指标，为科学评估头盔防护性能及完善相关安全标准提供了关键依据。

在智能决策方面，其团队的研究聚焦于VRUs运动的不确定性，构建了基于碰撞风险评估的自动紧急制动避撞机制，并以此优化了智能车辆的纵向与横向协同控制策略，显著提升了系统的主动避障能力。

图4：韩勇教授做引导报告

引导报告2：《基于车-路-云一体化的道路综合动态监测及预警平台》

厦门金龙联合汽车工业有限公司专业总师蒋金博士做第二个引导发言报告，系统介绍了金龙公司开发的这一创新型智能交通管理系统。该平台通过深度融合大数据、人工智能等新技术，构建了覆盖“车-路-云”三级的全链路交通管理解决方案。

在核心技术层面，平台依托多源数据融合（包括车载环境语料、路侧设备、网联车辆及交管部门数据）与DeepSeek交通大模型，实现了多模态、多场景的智能交互。其关键技术引擎包括：基于LSTM-GRU的车流量预测模型、AM-MSCNN-LSTM的拥堵预测模型，以及DSTGCN事故概率预测模型，显著提升了交通态势的精准感知与前瞻预警能力。

在应用成效方面，平台已成功覆盖城市交通管理、智能公交、自动驾驶交互、停车管理、共享出行及交通枢纽客流疏导六大核心场景。通过云平台，实现了全域监控、数字孪生全息路口实时建模与单车实时调度。该平台已入选金砖国家示范项目，并创下8130小时安全运行零事故的记录，助力公交车事故率降低30%。此外，在泉州交警大队的实际应用中，平台有效将市民平均出行时间缩短5%，交通事故总数降低30%，展现出显著的社会与经济效益。

图5：蒋金博士做引导报告

引导报告3：《智能驾驶的可信刻度:从可验证安全到量化可信的体系构建》

重庆大学、重庆市学术技术带头人胡春强教授做第三个引导报告，系统阐述了智能驾驶的安全挑战与可信体系发展路径。他指出，在《国家综合立体交通网规划纲要》等国家级战略推动下，智能网联汽车产业虽发展迅速，但频发的事故案例也暴露了系统感知失效与责任界定模糊等严峻问题，凸显了构建一套可验证、可量化安全机制的紧迫性。

为此，胡春强教授创新性地提出了“可信刻度”这一核心概念，旨在为系统的安全性、可靠性与可解释性建立量化评估标准。该体系涵盖三大支柱：其一是“可验证安全”，即通过零知识证明、可信执行环境等技术确保系统行为可追溯、可证明；其二是“可解释信任”，利用因果图谱、可解释AI架构使AI决策过程透明可理解；其三是“量化可信”，借助多维指标体系、模糊聚合算法与信任推理模型，将抽象的“信任”转化为可度量的客观指标。

在技术层面，胡教授进一步剖析了实现“可信刻度”所面临的一系列挑战，如算法黑箱化、动态环境适应性等，并分享了相应的前沿应对思路。为支撑该体系的落地，其团队已在汽车操作系统与中间件、车载SOA服务化开发、智能驾驶AI模型闭环，以及数据安全与可信保障等关键技术上开展了深入研究，为可信体系的构建奠定了坚实基础。

展望未来，胡春强教授总结强调，“可信刻度”应成为定义智能驾驶安全的未来语言。行业需着力构建统一评测标准、加强数据隐私治理、发展协同计算技术，最终实现“安全可证、信任可量”的产业目标，通过系统回答安全验证、可信量化与动态评估三大核心问题，推动行业迈向可持续、可监管的发展新阶段。

图6：胡春强教授做引导发言

引导报告结束后，执行主席刘伟权、陈章汉，为三位引导发言嘉宾颁发感谢牌，感谢嘉宾们的精彩分享。

图7：执行主席为引导嘉宾颁发感谢奖牌

2. 下半场：思辨环节

中场休息后，是超燃大脑的思辨环节。论坛邀请的三位思辨嘉宾为：福建师范大学的熊金波教授、厦门质量监督检察院的陈良高级工程师、集美大学的陈家苇博士。来自校、企嘉宾围绕3个议题展开思辩共话智能驾驶安全，呈现了一场思想碰撞的盛宴。

图8：与会嘉宾精彩纷呈的思辨

议题1：全场景安全的实现路径:“场景覆盖”与“能力泛化’的权衡与融合

熊金波：智能网联汽车产业已进入多场景应用的新阶段，实现“全场景安全”成为当前的核心挑战。他认为，实现路径应首先聚焦于提升单车智能的“硬实力”，包括构建感知系统的冗余与融合机制、持续优化决策规划算法，以及强化预期性安全驾驶能力；其次，必须建立完善的测试验证与认证体系，以可量化的标准切实证明车辆的安全性与合规性。针对“场景覆盖”与“能力泛化”之间的核心矛盾，他强调其本质在于如何使汽车既能应对海量已知场景，又能灵活适应未知突发情况。解决这一矛盾，可能需要通过分层次系统架构设计、新型AI编程框架的引入，以及仿真与真实世界的闭环协同等技术路径持续推进，从而系统性地实现全场景安全。最后，他鼓励与会专家畅所欲言，在思维碰撞中凝聚共识、激发创新。

陈家苇：能力泛化的核心在于数据驱动，只有获得足够充分的数据，模型才能持续优化、不断进步。他进一步以人类学习机制为例进行类比，强调我们之所以能够不断掌握新知识，正是通过经历多样场景并在实践中学会应对。他认为，尽管实现广泛场景覆盖的成本高、难度大，但这始终是不可或缺的基础；而能力泛化则是在此基础上不断拓展系统的感知边界与认知上限。最后他强调，唯有将场景覆盖与能力泛化这两方面深度结合，推动车辆之间的协同感知与协同决策，才能真正迈向智能驾驶系统持续进化的发展未来。

王宁：从三个维度分析了当前面临的核心挑战：数据产品、智能与数据融合，以及合作与发展意愿。他指出，在数据产品方面，尽管标注需求庞大，但各企业普遍采用自建体系，导致产品间缺乏互通性与共享基础；在智能与数据融合层面，实际应用中仍面临产品覆盖不全、高质量数据积累困难等现实瓶颈；而在合作机制方面，企业间尚未形成有效的协同发展意愿，加之IT产品与服务成本居高不下，进一步制约了整体能力的系统化提升。

杨波：从企业实践角度，全场景安全的实现路径背后牵涉诸多社会效益层面的考量。他强调，在技术研发与商业落地过程中，不能仅从企业自身出发，还需兼顾社会效益与公共价值，建立起企业视角与社会责任相协同的可持续发展机制。

蒋金：针对车路协同中的数据共享问题，需要明确三方面关键要素：清晰的推进模式、合作方的角色定位以及平台的开放标准。他强调产业发展需要整合项目资源，由车企或政府等牵头方协同高校力量共同推进；在资源利用上应依托现有客运车、交通车等实体资源，结合特定场景需求配置算法支持与人力资源。在技术架构方面，他提出可通过路端与云端负责消息预警，将核心计算任务合理分配至车端，从而有效控制系统成本、提升整体效率。

吴伶：在当前发展阶段，“实现全场景安全”更多被视为一种美好愿景而非可完全落地的目标，甚至在一定程度上具有“伪命题”的属性，在现有技术条件下难以明确其实现路径。但他同时强调，不应因此否定“全场景”这一方向的价值。他借用“古代登月”的比喻说明，尽管某些目标在某一时期看似遥不可及，却能为长远发展指引方向。在人工智能时代，应致力于赋予数据驱动产品以自主学习的能力，构建动态迭代的演进模式，使系统在不断自我优化的过程中逐步接近全域安全的目标。

议题2：安全智驾之基:如何建立“可量化、可验证”的智能驾驶安全评价体系?

陈良：智能驾驶的测试评价已成为行业重点关注方向，并已成立专门的分技术委员会聚焦该领域。他回顾了标准建设的进程：自2021年起，行业开始系统推进智能网联汽车评价方法与要求的制定；至2024年，已发布多项关键标准，其中L2级智能驾驶（如AD、AC功能）的评价方法已相对完善。与此同时，无人驾驶相关测试标准也在积极推进，覆盖道路实验、场地实验与仿真测试等多类场景。他特别强调，当前评价体系已不再局限于自动驾驶单一维度，而是延伸融合了传统汽车属性，并结合计算机、硬件等多学科要求，逐步构建起综合性的评价框架。在实践层面，中汽研等机构已开展IP化相关工作，行业也推出了全三级方案及相应的合规配置，这些均为当前关注重点。他也坦言，目前行业对智能驾驶测试评价的“成本”问题尚未形成共识，整体仍处于各企业积极探路、逐步推进的阶段。

韩勇：交通参与者轨迹预测与碰撞风险量化应聚焦两大核心能力：一是轨迹预测，系统需能基于历史轨迹准确预测行人、电动两轮车等对象未来5秒内的运动路径，特别是针对电动两轮车在“过马路”等重点场景进行优化，以应对其5秒内可移动三四十米的动态特性；二是风险量化，通过真实事故数据对模型进行校准，使碰撞风险的量化结果更贴合实际交通情况，并确保离线环境下基于A版模型训练的评估体系具有稳定表现。

杨波：可在道路特定区域设置“电子围栏”，当接入北斗系统的电动两轮车进入该区域时，设备将自动向周边车辆发送基础安全提示。他强调，该机制通过运营方或第三方对个人敏感信息进行过滤，仅保留“有车辆进入”的匿名化安全数据，不关联任何具体身份信息，从而在提升道路协同安全的同时，有效实现隐私保护与数据利用的平衡。

郭丽清：构建可量化的安全评价体系需将每个抽象维度分解为具体可测的指标。她以“紧急制动合理性”为例，提出可将其细化为“误触发频率”、“制动响应时间”等具象参数，从而使“安全”这一抽象概念具备可度量、可比较的工程基础。她进一步指出，必须通过大量样本测试系统验证这些指标的可信度与有效性——前者确保评估结果稳定可靠，后者保证指标真实反映安全水平，从而避免评价体系流于形式，真正建立起科学、扎实的安全评价基准。

议题3：全生命周期可信赖保障:如何定义与保障“安全保质期”?

张龙晖：特斯拉在新车出厂时即预埋超出当前软件需求的传感器与算力硬件，通过明确界定每一代硬件的“算力上限”与“传感器感知范围”，确保其性能足以支撑未来3至5年的软件迭代，从而有效规避硬件过早过时的风险。与此同时，即便在支持FSD（完全自动驾驶）功能的系统中，特斯拉也通过车内提示与用户手册等方式，清晰界定功能的适用场景与用户须承担的监控责任。这种“不夸大能力、明确功能边界”的透明化做法，在尊重技术现实与法规要求的同时，反而增强了用户对其安全承诺的长期信任。

沈志荣：智能汽车的数字设备可靠性问题与传统机械故障存在本质差异。他强调，GPU、存储设备等数字元件的故障具有两大特征：一是隐蔽性强，数字设备可能出现“计算出错但显示正常”的情况，例如GPU在轨迹预测时发生内部运算错误，输出结果却仍符合表面逻辑，这类问题无法像方向盘跑偏等机械故障那样被直接察觉，往往只能在事故发生后通过溯源才能发现；二是连锁反应显著，当存储设备存入错误数据（如周边车辆的错误距离信息），后续调用该数据进行的决策将导致刹车时机判断、路径规划等核心功能接连出错，形成“一步错、步步错”的扩散效应，其影响范围更广、反应速度更快，对系统安全构成更深层次的威胁。

苏彦聪：用户所反馈的“响应速度变慢”或“感觉不安全”，本质上未必代表车辆硬件或功能已真正“过期失效”，而往往源于新旧车型之间的对比效应。新一代车型搭载的激光雷达与算力芯片在感知精度与决策速度上确实优于老款，这种“别人的车更好”的认知会无形中放大用户对自身车辆“不足”的敏感度，即便其性能仍符合原有安全标准。此外，随着车企持续为新车型推送软件优化（如更智能的跟车算法、更精准的障碍物识别），老车型受限于硬件算力可能无法适配这些更新，导致实际体验逐渐落后，进而使用户产生“我的车不再安全”的心理认知。这种由技术迭代与心理预期共同作用形成的感知落差，正是定义与管理“安全保质期”时必须考虑的关键因素。

图9：执行主席为思辨嘉宾颁发感谢奖牌

本次论坛已经圆满结束，思想的碰撞总是散发着迷人的魅力，各位嘉宾与YOCSEF委员的精彩发言让人意犹未尽。衷心感谢所有线上线下嘉宾以及CCF YOCSEF家人们的热情参与和精彩分享。让我们怀揣着期待，期待再次相聚，共同探索更多智慧的火花！