TCSAE《特定应用场景无人驾驶服务可信性评价 第1部分：总体评价》编制说明

《特定应用场景无人驾驶服务可信性评价第1部分：总

体评价》编制说明

一、工作简况

1.1任务来源

《特定应用场景无人驾驶可信性评价第1部分：总体评价》团体标准是由中国

汽车工程学会批准立项。文件号中汽学标【2023】180号，任务号为2023-067。本

标准由中国智能网联汽车产业创新联盟提出，中国汽车工程学会归口，同济大学、

燕山大学、深圳市城市交通规划设计研究中心股份有限公司、西安工业大学、上海

淞泓智能汽车科技有限公司、招商局检测车辆技术研究院有限公司等10余家单位联

合起草。

2023年11月17日，召开标准启动会，起草工作组采纳工作组建议将标准名称

修改为：《特定应用场景无人驾驶可信性评价第1部分：总体评价》。

1.2编制背景与目标

从政策导向的角度来看，2019年9月由中共中央、国务院印发的《交通强国建

设纲要》提出要加强智能网联汽车（智能汽车、自动驾驶、车路协同）研发。由国

家发改委、工信部、科技部等11个部委于2020年2月24日联合发布的《智能汽车

创新发展战略》提出，到2025年，应实现高度自动驾驶市场化应用，形成法规标准

体系。2021年10月，北京市发布《北京市智能网联汽车政策先行区无人化道路测

试管理实施细则》，在国内首开乘用车无人化运营试点。2023年2月，上海市为了

进一步规范和促进浦东新区无驾驶人智能网联汽车创新应用，推动产业高质量发展，

立法《上海市浦东新区促进无驾驶人智能网联汽车创新应用规定》。

从市场驱动的角度来看，特定应用场景无人驾驶落地方案不断完善，万亿级市

场空间正在打开，当前我国正在积极研发与测试L4级自动驾驶技术。2023年7月，

北京开放车内无人商业化试点，2023年7月，上海发放无驾驶人道路测试牌照，2022

年8月，武汉开放全无人自动驾驶商业化出行服务，特定应用场景无人驾驶基本实

现准商业化运营。

然而在示范运营过程中，面向动态复杂不确定的实际交通环境，存在大量未知

不安全的长尾场景，使得无人驾驶车辆在应用中存在适应性差、安全性弱的问题。

面向无人驾驶的无人化、商业化需求，亟需拓展现有的测试评价体系。在此背景下，

1

本标准依托十四五国家重点研发计划国家质量基础设施体系专项“人车路协同无人

驾驶可信性评价关键技术与标准研究”基于有限类型场景，构建人车路协同无人驾

驶可信性评价体系。提出以安全可控与自主高效为核心，以透明可释、数据可护、

责任可溯为关键要素的无人驾驶可信性内涵。形成了面向特定应用场景无人驾驶整

车运行的可信性评价标准，支撑无人驾驶规模商用，成为现有测评体系的必要补充。

具体来说，通过专项研究无人驾驶技术的应用场景特征，结合无人驾驶可信性

评价实际需求，通过集合道路环境、自然环境和车辆算法行为决策特征，解析特定

应用场景中可信性内涵以及管理者对无人驾驶系统的实际需求，形成面向L4及以

上高等级无人驾驶整车运行能力的可信性评价方法，实现无人驾驶运行安全可控与

服务自主高效的有效评价。

1.3主要工作过程

1.3.1预研阶段

2022年11月14日，依托重点研发项目参与单位形成了本标准的编制组，通过

开展标准编制组内部线上会议，明确了无人驾驶可信性需求，即安全与效率，基于

需求开展了前期的广泛调研工作，收集现有无人驾驶可信性评价相关标准与研究，

调研参观了城市开放道路无人驾驶出租车、无人农场等示范运营项目。

2022年11月24日，标准编制组以线上线下相结合的方式开展全体会议，讨论

并明确了无人驾驶可信性的内涵，即以安全可控和自主高效为核心，以透明可释、

数据可护和责任可溯为关键组成要素，随即开展了可信性评价指标的调研工作。

2023年2月10日，标准编制组在招商局检测车辆技术研究院有限公司开展线

下会议，参观了无人驾驶测评基地与无人驾驶小巴示范运营项目，进一步明确了无

人驾驶可信性评价的研究重点。

2023年3月17日，标准编制组在上海市嘉定区参与了重点研发项目启动会议，

并听取了行业专家的建议，将评价重点聚焦于特定应用场景无人驾驶的可信性评价。

2023年4月25日，标准编制组在北京市开展了为期两天的无人驾驶相关企业

调研工作，先后参观了北京车网科技发展有限公司、国汽（北京）智能网联汽车研

究院有限公司、中国信息通信研究院以及北京万集科技股份有限公司等企业，明确

了行业发展动态，并邀请相关调研企业共同参与标准编制工作。

2

2023年5月至7月，同济大学与燕山大学等主要标准编制单位在前期大量调研

的基础上，开展标准草案撰写与立项申请材料的准备工作。

2023年7月18日，标准编制组在上海市嘉定区组织为期三天的集中办公工作，

修改完善标准草案与立项申请材料。

1.3.2立项阶段

2023年7月21日，在安庆市国汽大有时空科技（安庆）有限公司召开标准立

项审查会议，专家组一致同意《特定应用场景无人驾驶可信性评价第1部分：总体

评价》标准立项，建议中国汽车工程学会将该项目列入2023年标准制定计划。标准

编制组在专家组的建议下，将标准内容聚焦于特定应用场景无人驾驶整车运行能力

的可信性评价。

2023年8月16日，中国汽车工程学会下达2023年第三批中国汽车工程学会标

准制修订项目计划，《特定应用场景无人驾驶可信性评价第1部分：总体评价》起

草任务书号为2023-067。牵头单位在原有编制组的基础上组建标准工作组，并进行

标准相关内容学习。

2023年9月25日，牵头单位同济大学与燕山大学等组内单位开展线上第一次

标准讨论交流会，交流内容主要围绕标准的指标选取原则展开。并明确了指标选取

应遵循一致性、协调性、易用性三大原则，要求指标可测量、可计算、可审查，指

标应精简，支撑无人驾驶整车运行可信性评价。

2023年10月，牵头单位同济大学重点检索整理了现有的无人驾驶可信性评价指

标体系，结合可信人工智能、软件可信性等其他行业的相关指标，完成了标准初稿

的撰写工作。

2023年10月23日，牵头单位同济大学与燕山大学等组内单位开展线上第二次

标准讨论交流会，重点讨论了安全可控、自主高效、透明可释、数据可护、责任可

溯等五个一级指标以及70余个二级评价指标组成的可信性评价指标体系，进一步明

确了指标体系的修改方向。

2023年10月至11月，牵头单位同济大学、燕山大学联合编制完成了标准草案。

2023年11月17日，在上海同济大学嘉定校区召开了标准启动会，参加本次会

议的有上海淞泓、宇通客车、招商车研、同济大学、西安工业大学、深城交、燕山

大学、中移（上研）、赛孚希、复运科技、上海海事大学、中国汽研、电科智能、

山东大学、招商车研、万集科技、云控智行共17家单位参与标准研讨会。本次会议

3

重点讨论了标准的研制背景、标准的框架结构及标准主要技术内容，形成了一下主

要结论：1）基本认可标准框架，进一步完善评价指标，并协调与其余4项可信性评

价标准的协调性；2）标准内容应突出特定应用场景，兼具通用性、独特性、实用性；

建议本标准只提供可信评价框架；3）根据本次研讨会内容，各标准起草组召集相关

成员单位继续讨论完善草案稿；4）起草工作组和相关企业进一步沟通标准调研时间。

2023年12月5日，牵头单位同济大学、燕山大学召开线上第三次标准讨论会，

深入探讨各类评价指标计算方法和评分标准，最终讨论形成标准草案稿。

2024年1月24日，在深圳南山区科技生态园召开了“人车路协同无人驾驶可

信性评价关键技术与标准研究”讨论会，参加本次会议的有：上海淞泓、招商车研、

同济大学、燕山大学、深城交、西安工业大学、上海电科、招商交科、山东大学、

中移（上海）共10家企业参与标准研讨，会上就本标准的各类评价指标进行了深入

讨论。

2024年1月29日，在上海同济大学嘉定校区召开了“人车路协同无人驾驶可

信性评价关键技术与标准研究”集中办公会，参加本次会议的有：上海淞泓、招商

车研、同济大学、深城交、西安工业大学、上海电科、招商交科共7家企业参与标

准研讨，会上牵头单位进一步完善和修改了各类评价指标计算方法和评分标准，最

终讨论形成标准第二稿草案稿。

2024年2月26日，牵头单位同济大学、燕山大学、上海淞泓等进行了线上标

准讨论会。会后，根据上海淞泓专家反馈意见，牵头单位修改了标准附录，调整了

标准框架结构，进一步完善了标准草案，完成标准草案征求意见第三稿。

1.3.3征求意见阶段（含征求意见时间及意见处理情况的说明）

无

1.3.4审查阶段（含审查结果及意见处理）

无

1.3.5报批阶段（含报批意见及处理）

无

1.3.6发布阶段

无

4

二、标准编制原则和主要内容

2.1标准制定原则

根据《中华人民共和国标准法》、《标准化工作导则第1部分：标准化文件的

结构和起草规则》（GB/T1.1-2020）进行编制。

本标准参考了可信人工智能评价体系及软件可信性评价体系，并基于特定应用

场景无人驾驶的发展现状与示范运营情况，定义并规范了特定应用场景无人驾驶可

信性总体评价的评价内容、评价流程、评价方法等技术内容，最终建立了一套面向

特定应用场景无人驾驶整车运行能力的可信性评价方法。

2.1.1通用性原则

本标准面向特定应用场景无人驾驶可信性总体评价需求，包括评价内容、评价

流程、评价方法等技术内容，适用于整车运行能力评价。

2.1.2指导性原则

本标准提出的特定应用场景无人驾驶可信性总体评价标准，为整车可信性评价

提供了具体的框架和指南，填补了相关领域的标准空白。在评价过程中，可以根据

实际情况进行适当的调整和细化，以满足特定应用场景的需求。从而，有助于确保

无人驾驶车辆在特定应用场景下的安全可控与自主高效。

2.1.3协调性原则

本标准与目前国内外发布的与无人驾驶可信性评价相关的标准协调统一，互不

冲突。针对L4级及以上高等级无人驾驶车辆在特定应用场景下整车运行的可信性

评价编制具体标准。

2.1.4兼容性原则

本标准提出的可信性评价指标与评价体系，充分考虑了当前国内外高等级无人

驾驶车辆测评的现状，并注重技术前瞻性，具有普遍适用性。

2.1.5规范性原则

本标准面向特定应用场景无人驾驶整车运行能力开展总体评价，明确了评价对

象与评价目的，提出了评价内容、评价流程、评价方法等技术内容，规范了总体评

价过程，满足规范性原则。

2.2标准主要技术内容

本标准规范了特定应用场景无人驾驶可信性总体评价流程，并将特定应用场景

无人驾驶可信性评价方法分为评价体系、单工况评价、多工况评价，设置安全可控、

5

自主高效、透明可释、数据可护、责任可溯五大一级指标，并规定了单工况下各个

指标的计算方法和评分标准及多工况综合评价的计算方法。

本标准共分为7章，规范了特定应用场景无人驾驶可信性总体评价流程，内容

包括范围、规范性引用文件、术语和定义、缩略语、评价内容、评价流程、评价方

法7个部分。

2.2.1评价内容

特定应用场景无人驾驶可信性评价内容主要包括全可控、自主高效、透明可释、

数据可护、责任可溯五大一级指标。

安全可控指在特定应用场景下，无人驾驶技术安全可控通常是指系统采用先进

的安全技术、设计合理、质量可靠，并且能够规避可能的安全风险。安全可控是无

人驾驶车辆能够运行的前提，如果不满足安全可控的要求，可能会导致车辆行驶不

稳定甚至发生事故。特定应用场景无人驾驶安全可控的可信性评价内容分为安全性、

可靠性、稳定性三大二级指标。

自主高效指无人驾驶系统在保证安全可控的前提下，应该具备能够在各种环境

和情景种智能、自主且有效率地执行任务的能力。一个自主高效的无人驾驶系统，

不仅能够独立完成复杂的行驶任务，而且能够在确保安全的前提下，优化行驶路径

和能源使用，减少交通拥堵，提高整体的行驶效率。特定应用场景无人驾驶自主高

效的可信性评价内容分为智能性、高效性、生态性、舒适性四大指标。

透明可释是指无人驾驶系统的工作原理、决策逻辑、数据处理等方面能够被清

晰理解和解释。这一特性使得系统的运行方式对用户、监管机构以及其他相关利益

方可见，而不是像黑盒子一样难以理解。透明可释性是为了提高系统的可信度、可

接受性和可控性，确保用户对系统行为有充分的了解。特定应用场景无人驾驶透明

可释的可信性评价内容包含透明度以及可解释性两大指标。

数据可护指的是在无人驾驶系统中，对于系统行为的责任应该是能够被追溯和

确定的。在无人驾驶技术发生故障、事故或其他不良事件时，能够追踪到造成这些

事件的原因和责任，以便进行事故调查、责任认定和必要的法律程序。特定应用场

景无人驾驶责任可溯的可信性评价内容包含数据安全以及隐私保护两大指标。

责任可溯指的是在无人驾驶系统中，对于系统行为的责任应该是能够被追溯和

确定的。在无人驾驶技术发生故障、事故或其他不良事件时，能够追踪到造成这些

事件的原因和责任，以便进行事故调查、责任认定和必要的法律程序。特定应用场

6

景无人驾驶责任可溯的可信性评价内容包含可追溯性、可审计性、风险管理三大指

标。

2.2.2评价流程

特定应用场景无人驾驶可信性总体评价流程如下图所示：

测试数据开始

安全可控评价

是

是否发生碰撞

否

是否满足安全性否

其他要求

是

是否满足可靠性、否

可控性的要求

单工况评价

是

自主高效评价透明可释评价

数据可护评价责任可溯评价

多工况评价综合得分计算

可信性得分结束

图1特定应用场景无人驾驶可信性评价流程

特定应用场景无人驾驶可信性总体评价流程分为两个层次：单工况评价和多工

况评价，即单次测试评价和多次测试评价，评价体系架构（左）和流程（右）如上

图所示。用于评价的测试数据应由仿真测试或实车测试输出，且所有测试数据应属

同一被测车辆，并经同一测试平台测试获得。

2.2.3评价方法

特定应用场景无人驾驶可信性评价指标体系如下图所示：

7

图2特定应用场景无人驾驶可信性评价指标体系

其中，一级指标包括：（1）安全可控；（2）自主高效；（3）透明可释；（4）

数据可护；（5）责任可溯。

对应的二级指标包括：

（1）安全可控：安全性；可靠性；稳定性。

其中安全性包含碰撞频次、横向间距异常频次、纵向间距异常频次、纵向时距

异常频次四个三级指标；可靠性包含系统平均失效率、违规违章频次、异常低速行

驶距离、异常高速行驶距离四个三级指标；稳定性包含横摆角速度异常频次、横向

加速度异常频次、纵向加速度异常频次三个三级指标。

（2）自主高效：智能性；高效性；舒适性；生态性。

其中智能性含接管频次、自主完成任务成功率、突发状况响应时间、突发状况

合理响应频次、合作完成任务成功率五个三级指标；高效性包含行驶时间效率、平

均行程车速两个三级指标；舒适性包含横向加速度变化率峰值、纵向加速度变化率

峰值两个三级指标；生态性包含行驶里程与能量消耗比一个三级指标。

（3）透明可释：透明度；可解释性。

其中透明度含信息公开程度和文档记录水平两个三级指标；可解释性包含解释

满意度、用户理解度、用户依赖度三个三级指标

（4）数据可护：数据安全；隐私保护。

其中数据安全包含访问权限规范性以及数据危害抵抗性和全生命周期监控评估

三个三级指标；隐私保护包含隐私规程明确性、隐私规程公开性、隐私信息屏蔽率、

隐私特征屏蔽率、训练数据隔离率和隐私规程可维护性六个三级指标。

（5）责任可溯：可追溯性；可审计性；风险管理。

8

其中可追溯性包含责任主体记录完善性、问责关系记录于文档评价两个三级指

标；可审计性包含系统运行过程分析、系统输入输出查取以及系统输出异常判定三

个三级指标；风险管理包含风险识别评估能力、风险应对管理能力两个三级指标。

得到各个指标的评价方法后，可将各级评价指标进行归一化并利用层次分析法

得到单工况可信性总体评价，最终计算多工况平均性能、稳定性以及多工况可信性

总体评价。

2.3关键技术问题说明

特定应用场景无人驾驶可信性评价作为充分考虑测评需求的先进评价方法，融

合了多种学科、不同领域的前沿技术，包括无人驾驶安全评价技术、无人驾驶智能

性评价技术、可信人工智能技术、综合评价技术等。

2.2.1无人驾驶安全评价技术

无人驾驶安全评价技术是一种系统性评估无人驾驶预期功能安全的方法，旨在

验证无人驾驶车辆在各种路况和情境下的安全可靠性。预期功能安全的基本概念由

ISO21448提出和定义，旨在避免由于与其功能或其实现的功能不足导致危害所产

生的不合理风险。相关技术主要包括：SOTIF分析评估技术，即采用有效的安全分

析技术例如故障树分析、失效模式与影响分析、危害与可操作性分析；SOTIF验证

确认技术，即进一步发现不安全场景和证明SOTIF得到充分保障，须综合考虑所采

用技术的有效性、可行性和成本，如基于分析对比的验证、仿真和软硬件在环等技

术成本相对较低；近年来，基于场景的测试得到了广泛研究与实践，例如基于知识

驱动和数据驱动的特定场景或用例的生成等；SOTIF功能改进技术，主要分为三种

技术路线：第一、性能提升，如提高特定传感器或感知模型自身的性能上限；第二、

风险监测与防护；第三、功能冗余，如通过设冗余功能模块以改善整体性能表现。

第3节将针；SOTIF发布技术，旨在论证系统是否符合SOTIF发布准则，可通过上

述分析评估，设计改进和验证确认等活动形成完整安全文档，进而可利用目标结构

表示法、拓展证据网络等技术进行安全论证。

2.2.2无人驾驶智能性评价技术

无人驾驶智能性评价技术是一种评估无人驾驶车辆作为智能系统的任务决策能

力和复杂环境的认知和理解能力的技术，有利于促进汽车工业设计、生产和销售的

良性循环，刺激汽车生产商提高汽车智能化水平并为消费者购车时提供参考。无人

9

驾驶智能性一般可以认为是无人驾驶系统能够完成需要人类智能才能完成的任务，

技术内容包含评价指标以及评价方法。选取评价指标是无人驾驶智能性评价技术的

前提和基础，分为明确评价目标、评价对象、评价指标三个步骤；评价方法分为定

量评价方法和定性评价方法：定量评价方法采用数学的方法，收集和处理数据资料，

最终以精确的数值概括全部的评价信息，包括独立指标评价方法和联合指标评价方

法，具有包含层次分析法、客观赋权法、灰色关联度法、TOPSIS法等技术；定性

评价方法以归纳分析等非量化手段对自动驾驶车辆智能性进行评价，最终的评价结

果是宏观的智能性水平划分，而非精确的数值，具体技术例如蛛网模型，从一个原

点往外辐射出几条轴，每条轴代表一个决定智能性的关键技术，在每个轴上根据技

术成熟度分为若干个等级，最后把每条轴上的对应点连接起来构成蛛网的纬线，以

此评价智能性。

2.2.3可信人工智能技术

可信人工智能技术是一种注重透明度、责任、安全和隐私保护的人工智能技术

范式，旨在构建可被信任和可解释的AI系统。“可信性”的概念是在软件传统的

“可靠”“安全”等概念的基础上发展而来，人工智能系统作为软件系统的一种，

其可信性需要满足传统软件的要求，而作为人工智能系统，其可信性又要强调其本

身的特性和人的特征。人工智能系统可信证据是指可从人工智能系统中提取且用于

衡量人工智能系统可信性的相关指标。人工智能系统的可信性技术分为训练数据的

可信性度量、学习模型的可信性度量和预测结果的可信性度量，并基于此形成可信

度量模型，例如基于主观逻辑的神经网络可信量化框架、利用确定性逻辑和主观逻

辑开发的评估可信值的理论模型等。

2.2.4综合评价技术

综合评价技术指的是运用多个指标对多个评价对象进行综合性的统计评价的方

法，旨在从而来判断系统的整体性能。现代综合评价方法包括层次分析法、主成分

分析法、数据包络分析法、模糊评价法等。其中层次分析法是指将与决策总是有关

的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策

方法；主成分分析法是将其分量相关的原随机向量，借助于一个正交变换，转化成

其分量不相关的新随机向量，并以方差作为信息量的测度，对新随机向量进行降维

处理，再通过构造适当的价值函数，进一步做系统转化的方法；模糊分析法基于模

糊数学，不仅可对评价对象按综合分值的大小进行评价和排序，而且还可根据模糊

10

评价集上的值按最大隶属度原则去评定对象的等级。综合评价法的特点表现为评价

过程不是逐个指标顺次完成的，而是通过一些特殊方法将多个指标的评价同时完成

的；且在综合评价过程中，一般要根据指标的重要性进行加权处理；评价结果不再

是具有具体含义的统计指标，而是以指数或分值表示参评单位"综合状况"的排序。

2.4标准主要内容的论据

本标准特定应用场景无人驾驶可信性评价指标体系的每一个评价指标的计算方

法、评分标准充分研究了国内外标准并在工作组内进行了充分的讨论，并进行了相

应的技术验证，最终形成了当前结论。

在上述内容的编制过程中，一级指标安全可控中安全性指标参考了TSHJX047

—2022智能网联汽车匝道场景交通和谐性测试与评价方法、GA/T1773.1—2021机

动车驾驶人安全文明操作规范第2部分：小型汽车驾驶等对于碰撞次数及横纵向

碰撞异常间距的相关规定；可靠性指标参考了GB-T5080.7-1986设备可靠性试验恒

定失效率假设下的失效率与平均无故障时间的验证试验方案、GBT21562-2008轨

道交通可靠性、可用性、可维修性和安全性规范及示例等对于可靠性的定义及系

统失效率的相关评价方法；稳定性的指标参考了《TransportationResearchPartC:

EmergingTechnologies》《ControlEngineeringPractice》等行业论文。

自主高效中智能性指标参考了《IEEETransactionsonIntelligentVehicles》、

《AppliedMechanicsandMaterials》等论文中的相关计算方法；高效性指标参考了

《IEEETransactionsonIntelligentTransportationSystems》、《TransportationResearch

PartB:Methodological》等高水平论文中的相关定义及量化方式；生态性指标设计参

考了GB/T19753-2021轻型混合动力电动汽车能量消耗量试验方法、GB/T

19233-2020轻型汽车燃料消耗量试验方法等相关国家标准；舒适性指标参考了

GB/T13441.4-2012机械振动与冲击人体暴露于全身振动的评价第4部分：振动

和旋转运动对固定导轨运输系统中的乘客及乘务员舒适影响的评价指南、《车辆动

力学控制与人体脊椎振动分析》等中的定义与计算方法。

透明可释中透明度指标参考了《EthicsguidelinesfortrustworthyAIAssmentlist

fortrustworthyartificialintelligence(altai)forself-assessment》、《软件可信性定量评

估：模型、方法与实施》等中对于透明度指标的定义以及文档记录水平评价内容；

11

可解释性指标参考了《DARPA’sExplainableArtificialIntelligenceProgram》、《Metrics

forExplainableAI:ChallengesandProspects》等中的定义。

数据可护的数据安全指标参考了CSAE267-2022智能网联汽车自动驾驶地图

数据质量规范、T/ISC-0011数据安全治理能力评估方法、《数据安全治理实践指南

1.0》等中计算方案；隐私保护指标参考了《华为隐私保护治理白皮书》、GB/T35273

信息安全技术个人信息安全规范。

责任可溯指标的设计思路与原则参考了《软件可信性定量评估：模型、方法与

实施》、《D:C-5.1MetricsforAccountability》等文件或行业论文；可追溯性指标具

体参考了《EthicsguidelinesfortrustworthyAI》《JRCSCIECEFORPOLICYREPORT

TrustworthyAutonomousVehicles》等行业论文，可审计性指标具体参考了《AI

AUDIT-WASHINGANDACCOUNTABILITY》《Auditingmachinele