TCSAE《特定应用场景无人驾驶可信性评价 第2部分：信息基础设施数据》编制说明

《特定应用场景无人驾驶可信性评价第2部分：信息基

础设施数据》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2部分：信息基础设施数据》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2023-68。

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，深圳市城

市交通规划设计研究中心股份有限公司、国汽（北京）智能网联汽车研究院有限公

司、燕山大学、云控智行科技有限公司、中信科智联科技有限公司、上海保隆汽车

科技股份有限公司、高新兴科技集团股份有限公司、深圳市迪派乐智图科技有限公

司、北京万集科技股份有限公司、上海淞泓智能汽车科技有限公司、西安工业大学

等11家单位起草。

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2部分：信息基础设施数据》。

1.2编制背景与目标

《车联网（智能网联汽车）产业发展行动计划》提出2020年后推动车联网产业

实现跨越发展，技术创新、标准体系、基础设施、应用服务和安全保障体系全面建

成，高级别自动驾驶功能的智能网联汽车逐步实现规模化商业应用。交通运输部于

2020年12月发布的《关于促进道路交通、自动驾驶技术发展和应用的指导意见》，

明确要加强自动驾驶技术研发，推动自动驾驶技术试点和示范应用。2023年12月

交通运输部发布的《自动驾驶汽车运输安全服务指南（试行）》提出，使用自动驾驶

汽车从事城市公共汽电车客运经营活动的，可在物理封闭、相对封闭或路况简单的

固定线路、交通安全可控场景下进行。

从实际商业化进程方面来看，自动驾驶落地方案不断完善，万亿级市场空间正

在打开，“单车智能+车路协同”成为发展新风向，当前我国正在积极研发与测试L4

级自动驾驶技术。业界普遍认为自动驾驶的下半场在于商业化，商业化的决胜点在

于运营。无人驾驶信息基础设施数据服务是国内外自动驾驶领域的重要研究内容，

对无人驾驶运行的信息基础设施架构进行可信分级、可信性评价，对提高无人驾驶

车辆运营效率等具有重要意义。

本标准通过专项研究无人驾驶技术的应用场景，综合业主方的实际需求，制定

1

面向特定场景的可信服务原则，通过集成并整合各类可信服务数据，定义无人驾驶

信息基础设施数据服务具备的可信服务内容，结合道路环境、自然环境和车辆算法

行为决策特征，解析特定应用场景中管理者对无人驾驶系统的实际需求，形成无人

驾驶信息基础设施数据服务的可信性评价方法，提升无人驾驶服务效率，实现服务

的安全可信性，弥足了特定应用场景中支持无人驾驶运行的信息基础设施数据与无

人驾驶车辆互信互认的标准空白。

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，

调研参观了无人驾驶落地项目、智能网联汽车项目与车路协同项目等，并开展了信

息基础设施的架构研究，并开展了支撑无人驾驶运行的信息基础设施数据收集与分

类研究工作。

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，以可靠可用、

及时准确、透明可释、安全合规为关键组成要素，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，进一步明确了支

撑无人驾驶运行的信息基础设施可信性评价研究重点。

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。

2023年5月至7月，深圳市城市交通规划设计研究中心股份有限公司联合主要

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。

2

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2部分：信息

基础设施数据》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。

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2部分：信息基础设施

数据》起草任务书号为2023-68。牵头单位开始组建标准工作组，并进行标准学习。

2023年9月1日，牵头单位深圳市城市交通规划设计研究中心股份有限公司展

开标准草案内部制定研讨会，参加本次会议的有深圳市城市交通规划设计研究中心

股份有限公司、同济大学共2家单位参与标准研讨会。重点讨论了标准草案的范围、

评价对象、评价指标以及测试方案，搭建标准草案框架。

2023年9月15日，牵头单位深圳市城市交通规划设计研究中心股份有限公司

重点检索整理了现有的信息基础设施数据相关标，结合各个起草单位提供的工程经

验，编制完成标准草案框架。

2023年10月至16月，牵头单位深圳市城市交通规划设计研究中心股份有限公

司、国汽（北京）智能网联汽车研究院有限公司、燕山大学、云控智行科技有限公

司、中信科智联科技有限公司、上海保隆汽车科技股份有限公司、高新兴科技集团

股份有限公司、深圳市迪派乐智图科技有限公司、北京万集科技股份有限公司、上

海淞泓智能汽车科技有限公司、西安工业大学进行线上会议研讨，编制完成了初步

的标准草案。

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

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）明确标准研究对象为在特定应用场景无人驾驶的信息基础数据，调整标

准名称为《特定应用场景无人驾驶可信性评价第2部分：信息基础设施数据》；2）

3

基本认可标准框架，进一步完善评价指标，建议考虑数据的完整性、一致性、新鲜

性，以满足更高效的数据交互和协同工作需求。；3）明确数据内容与场景的关系，

由于信息基础设施进行数据交互的对象种类比较多，通过《合作式智能运输系统车

用通信系统应用层及应用数据交互标准》的第一阶段、第二阶段中的场景数据内容，

来明确评价维度。4）下阶段工作安排。会后，根据会上反馈意见，牵头单位进一步

明确任务分工，修改完善标准草案。

2023年11月23日，牵头单位深圳市城市交通规划设计研究中心股份有限公司、

赛孚希、万集科技、云控智行、上海保隆、国汽智能网联等单位召开线上标准讨论

会，深入探讨标准的研制内容。1）明确各个架构的组成部分，对信息基础架构与人

车路协同的架构的关系进行分析，形成完善的架构设计；2）针对标准中的数据类别

内容，提出了参考自动驾驶相关的标准草案进一步完善，如T/CSAE158-2020《基

于车路协同的高等级自动驾驶应用层数据交互内容》；3）明确了数据与指标之间的

关联关系，避免了数据与指标之间存在模糊现象；4）下阶段工作安排。会后，根据

会上反馈意见，牵头单位进一步明确任务分工，并对草案的研制内容修订形成共识。

2023年12月8日，牵头单位深圳市城市交通规划设计研究中心股份有限公司、

国汽（北京）智能网联汽车研究院有限公司、燕山大学、云控智行科技有限公司、

中信科智联科技有限公司、上海保隆汽车科技股份有限公司、高新兴科技集团股份

有限公司、深圳市迪派乐智图科技有限公司、北京万集科技股份有限公司等单位在

线上开展标准讨论会，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

标准的第一稿草案稿。

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。

4

2024年2月5日，线上召开起草工作组全员标准研讨会，参加本次会议的企业

有：深圳市城市交通规划设计研究中心股份有限公司、国汽（北京）智能网联汽车

研究院有限公司、燕山大学、云控智行科技有限公司、中信科智联科技有限公司、

上海保隆汽车科技股份有限公司、高新兴科技集团股份有限公司、深圳市迪派乐智

图科技有限公司、北京万集科技股份有限公司、上海淞泓智能汽车科技有限公司、

西安工业大学。会上牵头单位介绍了本标准的总体修改进展和后续工作计划，针对

标准的重点技术内容进行了汇报和讨论。并于2月5日至3月1日在起草工作组内

征求意见，牵头单位根据起草工作组内反馈意见，对标准内容进行修改，形成公开

征求意见稿、并提交学会。

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

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。

本标准参考了车路协同云控基础平台的架构设计，合作式智能运输系统车用通

信系统应用层及应用数据交互标准的数据交互内容，车载信息交互系统信息安全技

术要求及试验方法的评价体系，定义并规范了信息基础设施的架构、信息基础设施

数据的类型与内容、评价流程、评价指标及计算方法和评价体系等技术内容，最终

建立一套服务于特定应用场景无人驾驶信息基础设施数据可信性评价的评价体系。

2.1.1通用性原则

本标准分为信息基础设施架构与数据体系、评价内容、评价流程、评价指标及

计算方法和评价体系等技术内容，适用于支持无人驾驶运行的信息基础设施数据的

分类分级可信性评价。

5

2.1.2指导性原则

本文件的制定，提出了对于无人驾驶特定应用场景信息基础设施数据服务的可

信性评价方法，与现有的自动驾驶测试三支柱评价方法互补，填补了特定应用场景

中支持无人驾驶运行的信息基础设施数据与无人驾驶车辆互信互认的标准空白，能

够指导制定一套完善的全方面、多维度的无人驾驶信息基础设施服务评价体系，提

高无人驾驶车辆安全驾驶和服务质量，更好地为出行者提供服务。

2.1.3协调性原则

本标准以规范评价无人驾驶信息基础设施服务可信性评价为目标，以探索无人

驾驶信息基础设施等新模式、新场景赋能行业发展为目标，在满足《智能网联汽车

道路测试与示范应用管理规范（试行）》、《自动驾驶汽车运输安全服务指南（试

行）》、《智能网联汽车开放道路测试评价总体技术要求》、《北京市智能网联汽

车政策先行区无人接驳车管理细则（道路测试与示范应用）》、《上海市智能网联

汽车测试与应用管理办法》、《上海市智能网联汽车示范运营实施细则》等管理制

度要求的基础上，充分参考T/CSAE53-2020《合作式智能运输系统车用通信系统

应用层及应用数据交互标准》的数据交互内容，GB/T38667-2020《信息技术大数

据数据分类指南》的数据分类方法，《2022北京市高级别自动驾驶示范区数据分

类分级白皮书》的数据分类分级体系，T/CSAE53-2020《合作式智能运输系统车用

通信系统应用层及应用数据交互标准》的特定应用场景与数据关系，T/ITS

0136.1-2022《车路协同云控基础平台》的架构设计，GB/T36344-2018《信息技术

数据质量评价指标》、GB/T43557-2023《信息安全技术网络安全信息报送指南》

的评价指标体系与评价流程，进一步明确了无人驾驶信息基础设施服务的可信性评

价体系。

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无人驾驶信

息基础设施服务的现状，并注重技术前瞻性，具有普遍适用性。

2.2标准主要技术内容

本标准共分为8章，内容包括范围、规范性引用文件、术语和定义、缩略语、

信息基础设施架构、数据评价要素、可信评价可信因子、评价指标与体系及计算方

法共8个部分。

2.2.1信息基础设施架构

6

以5G、物联网、工业互联网、卫星互联网为代表的通信网络基础设施所构成的

异构网络，无人驾驶车辆在执行驾驶任务下的基础设施支持系统，主要由人车路协

同系统中的中心子系统与路侧子系统构成，包含云控平台、路侧计算单元、路侧感

知设施、交通安全与管理设施、路侧通信设施等。

2.2.1.1人车路协同系统总体架构

由不同种类的通信技术和设备组成的异构网络中，无人驾驶车辆在运行过程中

产生的数据设备所构成的系统架构，包含了中心子系统、路侧子系统、智能运输子

系统三个部分，系统架构如下图。

a)中心子系统：包含云控平台与相关第三方平台，提供设备接入管理、数据汇聚

共享、业务支撑和相关服务。

b)路侧子系统：包含路侧计算单元、路侧通信设施、路侧感知设施、交通安全与

管理设施、其他附属设施、车载系统、出行者子系统，涵盖道路的交通信息感

知、车辆协同配合的路侧设施与系统，实现向车辆发送高精度地理信息、定位

辅助信息、交通规则信息、交通环境信息、基础设施信息、实时交通状态、危

险预警提示等内容，以辅助车辆实现精确定位，及时掌握路段层面信息，扩展

感知范围等，实现人车路之间协同运行。

c)智能运输子系统：包括车载子系统与出行者子系统。车载子系统涵盖OBU或其

他车载智能终端，同时还可包括车载计算控制模块、车载网关、路由器等关键

组件。出行者子系统包含出行者携带的多种信息终端或其他信息处理设备。

注：1）图中所示为系统的逻辑架构关系图，部署架构以实际为准

图1人车路协同系统总体架构

2.2.2信息基础设施数据对象

由于信息基础设施数据类别广泛，本标准从协同感知数据，协同业务数据，协

同管控数据三个维度对数据进行分类与定义，本标准中详细列举的数据类型可覆盖

《合作式智能运输系统车用通信系统应用层及应用数据交互标准（第一阶段）》、

7

《合作式智能运输系统车用通信系统应用层及应用数据交互标准（第二阶段）》共

29个场景，并具备面向更多场景扩展的能力。信息基础设施数据对象覆盖的应用场

景示意图如下：

图2可信性评价的数据对象覆盖合作式智能运输系统共29个应用场景

2.2.3信息基础设施数据特征与数据类型

信息基础设施的数据种类繁多，包含环境感知数据、交通路况数据、设施监控

数据、信号有限数据、差分数据、编队控制数据、高精度地图数据、用户数据等。

根据信息基础设施与无人驾驶车辆的数据交互时长与交互范围，使用历史数据分析

与专家经验综合的方式对长时动态，长时静态，短时动态，短时高频四类特征的数

据进行分类计算设计，以降低评价的复杂度。总共分为四类：长时动态、长时静态、

短时动态、短时高频。

a)长时动态数据

信息基础设施长时间跨度内发生变化的数据，反映系统、过程或行为的演变趋势。

b)长时静态数据

信息基础设施长时间保持相对稳定的数据，反映系统或实体在静态状态下的特征和属性。

c)短时动态数据

信息基础设施短时间内发生快速变化的数据，通常用于捕捉系统或过程的瞬时动态性。

d)短时高频数据

信息基础设施在短时间内以较高频率采集的数据，用于捕捉系统或事件的高频率波动和变化。

2.2.4信息基础设施数据评价要素

2.2.4.1可靠可用

信息基础设施产生的数据应该最大程度上保证可靠与可用程度，在各种复杂工

况与极限环境下应保证传输数据具备真实的置信度与纠错能力，并能保证尽可能向

使用者提供舒适的体验，指标包括可靠性，自主性。具体体现为：

a)系统中的数据在生命周期内的真实且可以被使用者依赖的程度

b)系统中产生的数据在各种复杂环境下具有自我修复能力的程度

2.2.4.2及时准确

针对无人驾驶运行场景数据交互的复杂与多变问题，系统应具有较强的数据处

理能力，以此保证基础设施系统对数据的响应速度和处理效率，减少人为干预和错

误，以实现更高效的数据交互和协同工作，及时准确性包括完整性，一致性，新鲜

性，具体体现为：

8

a)系统所收集和处理的数据在生命周期内没有出现丢失或者损坏的程度

b)系统中产生的在生命周期内通过不同方式取出来的数据不能是冲突的程度

c)系统中所使用数据的及时性和更新的程度

2.2.4.3透明可释

数据交互和处理的过程是透明和可解释的，通过日志记录、审计跟踪等手段，

以便用户了解数据使用的情况和结果，提高用户对数据处理过程和结果的理解和信

任度，降低不确定性和风险，从而促进更好的数据交互和协同工作。数据的透明可

释包括可理解性、可预测性、可复现性，具体体现为：

a)系统中所产生数据可以被使用者理解的程度

b)系统中的数据在生命周期内具有规律以便于被使用者进行预测的程度

c)系统中的数据在被使用者接受后可以被反向解析出来原始数据的程度

2.2.4.4安全合规

数据交互过程中保证免受各种恶意代码与网络攻击，并且符合相关法律法规和

规定，保证不会涉及用户隐私暴露的能力。数据的安全合规包括安全性、合法合规

性、隐私保护性、可追溯性，具体体现为：

a)系统中产生的数据免受网络攻击、恶意软件和未经授权的访问的程度

b)系统中的数据处理和使用中具备符合适用的法律法规和规定的程度

c)系统中的数据通过数据加密、匿名化技术、访问控制和数据去标识化等措施对

交通参与者的隐私保护的程度

d)系统中的数据来源、收集、传输和处理的过程是否可以被准确记录和跟踪的程

度

2.2.5总体评价

针对单工况单一数据评价，总体使用层次分析法完成，首先分别计算二级指标

得分并归一化，然后按照相应的可信因子进行加权求和计算得出一级指标的可信度。

采用雷达图展示多个维度下的指标得分，雷达图的面积反应了信息基础设施数据的

可信度水平。

将每个单项评价可信度得分在雷达图上进行绘制，每个维度都对应一个轴线，

轴线的顶点表示该维度下的最高得分，将各个单项评价可信度用不同颜色或不同形

状的线段连接成一个多边形，从而形成一个雷达图，生成信息基础设施数据的可信

度结果，如下图所示。

9

图3评价模型关系

图4综合评价模型可信度雷达图（示意图）

最后综合考虑四个维度的重要性，得出单一工况下单一数据的可信程度，综合

评价公式如下：

10

=(*α60+*β61+*γ62+*δ63)*100%

——可靠可用得分

——及时准确得分

——透明可释得分

——安全合规得分

α60——可靠可用因子

β6——及时准确因子

γ62——透明可释因子

δ63——安全合规因子

2.2.6可信性指标传递

无人驾驶车辆在行驶过程中，需要接受信息基础设施上的各类数据，不同的数

据之间可能存在着一定的依赖关联关系。这些依赖关系包含直接依赖关系与间接依

赖关系。直接依赖关系指数据运算需要前面的数据部分或全部提供，才进行相关的

运算。间接依赖关系指数据运算存在着多层的递进关系，需要前面的多层递进数据

部分或全部提供，才进行相关的运算。

数据的依赖关系会导致数据的使用过程中存在着可信度递减效应，为了更为准

确地表达数据的可信性，将采用传递可信性和独立可信性互相结合的方式对数据可

信性进行评价。

2.2.6.1独立可信性(Independentcredibility,IC)

独立可信性取决于数据可靠可用性，及时准确性，透明可释性，安全合规性。

数据的独立可信性得分通过单工况评价方法计算得出。

2.2.6.2传递可信性(Transmissioncredibility,TC)

传递可信性可量化数据从源头依赖数据到当前数据经过的每个节点或阶段的可

信性损失。通过传递可信性，评估数据在传输过程中的递减效应，进一步评估数据

的可信性。其计算方式如下：

传递可信性=

：表示数据在每个节点的独立可信性，0<=<=1。

2.3关键技术问题说明

面向特定应用场景无人驾驶的信息基础设施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，其建设和发展需要攻克

架构、交互数据、安全等方面众多关键技术，包括人车路协同技术、动态资源调度

技术、无人驾驶的数据驱动技术、无人驾驶安全评价技术、可信人工智能技术、综

合评价技术等。

11

2.3.1人车路协同

人车路协同（是一种先进的智能交通系统，以先进的信息技术、通信技术、控

制技术等应用于道路交通领域，实现车与车、车与路、车与人之间的实时信息共享

和协同决策，从而提升道路交通的安全性、效率和舒适性。借助C-V2X和4G/5G

通信技术，将“人-车-路-云”交通要素有机地联系在一起，实现车与车（V2V）、

车与道路（V2I，主要指道路各类系统和设备设施，如感知设施、气象检测器、状

态监测设备、交通诱导与控制设施等）、车与云（V2N，地图平台、交管平台、出

行服务平台等）和车与人（V2P）等的全方位协同配合（如协同感知、协同决策规

划、协同控制等），从而满足不同等级自动驾驶车辆应用需求（如辅助驾驶、高等

级自动驾驶），实现自动驾驶单车最优化和交通全局最优化发展目标。系统平台包

括交互子系统，负责和各个服务功能域进行数据交互，协同子系统，对各个服务功

能域所要访问的信息和控制进行初步筛选、优先级评定等操作。信息子系统和控制

子系统接口外部车辆、终端、职能部门以及服务提供商等等，收集信息以及发布控

制信息。

2.3.2动态资源调度技术

支撑无人驾驶应用需要快速、高效的资源调度机制，支撑系统运行大量应用，

以服务于无人驾驶汽车在各种交通场景正常运行。为消解高并发下各应用在资源使

用上的冲突和物理世界车辆行为的冲突，系统要根据云控应用对实时性、通信方式、

资源使用与运行方式等方面的要求，选择服务的运行地点及所分配的资源，保障服

务按需地实时可靠运行，保障所服务车辆的行车安全。相关技术工作包括，以平台

统一管理或自行管理的方式进行负载均衡、生命周期管理，并利用领域特定的规则

引擎按需调用云端车辆感知共享、增强安全预警、车辆在线诊断、高精度动态地图、

辅助驾驶、车载信息增强以及全局协同等资源。

2.3.3无人驾驶的数据驱动技术

无人驾驶的数据驱动技术是指利用大量的数据来训练和改进自动驾驶系统的技

术。这些数据可以包括传感器数据（如摄像头、雷达、激光雷达等）、车辆行驶数

据（如车速、加速度、转向角等）、地图数据、交通规则数据以及其他环境信息。

无人驾驶车辆通过其传感器系统收集周围环境的数据，包括路况、障碍物、行人、

车辆等信息。针对不同的驾驶任务需求，开展对数据资源的标注工作，即人工标记

每个数据样本中的对象、行为、道路标志等信息，以便训练模型能够理解和学习这

12

些信息。标注完成后，可以使用机器学习算法对这些数据进行训练，以构建无人驾

驶系统的各个模块，如目标检测、路径规划、环境感知等。训练好的模型需要进行

评估，以确保其在各种场景下的性能和安全性。

2.3.4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。

2.3.5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。

2.3.6综合评价技术

13

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

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

本标准对无人驾驶信息基础设施服务的可信性评价内容与指标体系进行了全面

研究，每一个评价指标的计算方法和评分标准经过了对国内外相关标准的充分调研，

并在工作组内进行了深入讨论，且进行了相应的技术验证，最终得出了当前的结论。

在便准的整体研制过程中，充分参考T/CSAE53-2020《合作式智能运输系统车

用通信系统应用层及应用数据交互标准》的数据交互内容，GB/T38667-2020《信息

技术大数据数据分类指南》的数据分类方法，《2022北京市高级别自动驾驶示范

区数据分类分级白皮书》的数据分类分级体系，T/CSAE53-2020《合作式智能运输

系统车用通信系统应用层及应用数据交互标准》的特定应用场景与数据关系，T/ITS

0136.1-2022《车路协同云控基础平台》的架构设计，GB/T36344-2018《信息技术

数据质量评价指标》、GB/T43557-2023《信息安全技术网络安全信息报送指南》

的评价指标体系与评价流程，进一步明确了无人驾驶信息基础设施服务的可信性评

价体系。

在上述内容的编制过程中，对指标的内容进行详细的调研。一级指标可靠可用

中的可靠性指标参考了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；

自主性指标参考了《T/ISC0043-2024软件代码自主率测评方法》、《T/SXSAE

14

002-2023自主式车路协同系统平台设计参考逻辑架构》、《T/ZKJXX00033-2023北

斗农机无人驾驶与自主作业系统技术规范》等文件中的内涵；

及时准确中的准确性参考了《GB/T42381.130-2023数据质量第130部分：主

数据：特征数据交换：准确性》、《团体标准T/CSAE172-2021电动乘用车剩余里

程准确度评价试验方法》、《北斗导航在无人驾驶的定位准确性》中的定义内涵与

使用；完整性指标参考了《GB/T34590.9-2017道路车辆功能安全第9部分：以汽

车安全完整性等级为导向和以安全为导向的分析》、《DB4403/T357-2023智能网

联汽车自动驾驶数据记录系统技术要求》、《T/ZSA153.1-2023自动驾驶公交车第

1部分:车辆技术要求》中数据完备率的似乎用；一致性指标参考了《T/SXSAE

001-2023自动驾驶车辆整车在环测试系统技术要求、测试流程及方法》、《T/ZSA

152-2023自动驾驶出租汽车测试运营规范与安全管理要求》、《T/CSAE268-2022智

能网联汽车自动驾驶地图路侧传感器数据交换格式》、《T/CMAX21005-2023自

动驾驶车辆编队行驶能力测试内容及方法》等文件中的数据交互定义与使用。新鲜

性指标参考了《T/SSIIA001-2024信息技术应用创新数据通信网络设备技术要求》、

《GB/T43269-2023信息安全技术网络安全应急能力评估准则》、《GB/T

28451-2023信息安全技术网络入侵防御产品技术规范》等文件中的实时可用内涵。

透明可释中的可理解性指标参考了《GB/T41813.2-2022信息技术智能语音交

互测试方法第2部分：语义理解》、《GB/T35300-2017信息技术开放系统互连用

于对象标识符解析系统运营机构的规程》、《GB/Z42885-2023信息安全技术网络

安全信息共享指南》、《GB/T38628-2020信息安全技术汽车电子系统网络安全指

南》等文件中数据的发送与接受中的可被解析规范；可预测性指标参考了《GB/T

41479-2022信息安全技术网络数据处理安全要求》、《GB/T39786—2021信息安

全技术信息系统密码应用基本要求》、《GB/T36344-2018信息技术数据质量评价

指标》、《GB/T40856-2021车载信息交互系统信息安全技术要求及试验方法》等

文件中指标的使用情况。可复现性指标参考了《GB/T41871-2022信息安全技术汽

车数据处理安全要求》、《GB/T41479-2022信息安全技术网络数据处理安全要求》、

《GB/T37973-2019信息安全技术大数据安全管理指南》、《GB/T37932-2019信

息安全技术数据交易服务安全要求》等文件中的定义与内容。

安全合规中的安全性指标参考了《GB/T41479-2022信息安全技术网络数据处

理安全要求》、《GB/T39786—2021信息安全技术信息系统密码应用基本要求》、

15

《GB/T36344-2018信息技术数据质量评价指标》、《GB/T40856-2021车载信息

交互系统信息安全技术要求及试验方法》等文件中的定义与范围；合法合规性指标

参考了《GB/T41783-2022模块化数据中心通用规范》、《GB/T43557-2023信息

安全技术网络安全信息报送指南》、《GB/T39786—2021信息安全技术信息系统

密码应用基本要求》等文件中的定义规范。隐私保护性指标参考了《GB/T

40094.4-2021电子商务数据交易第4部分：隐私保护规范》、《DB4403/T361-2023

智能网联汽车数据安全要求》、《GB/T20281-2015信息安全技术防火墙安全技术

要求和测试评价方法》等文件中的规范范围。可追溯性指标参考了《T/ZMDS

20007-2023健康软件和健康IT系统安全性、有效性和网络安全—第1部分：原则

和概念》、《YD/T3751-2020车联网信息服务数据安全技术要求》、《GB/T42447-2023

信息安全技术电信领域数据安全指南》、《DB32/T4318.1-2022电子政务外网安

全大数据和运维保障平台接入规范第1部分：安全大数据平台》等文件中的溯源要

求。

2.5标准工作基础

编写组主要起草单位深圳市城市交通规划设计研究中心股份有限公司（以下简

称深城交），是全国规模最大、专业最全的城市交通完整解决方案提供者。在城市

交通基础设施数字化、智能化等研究领域全国领先，拥有综合交通大数据应用技术

国家工程实验室、交通运输部行业研发中心、广东省城市交通数字孪生重点实验室、

广东省交通信息工程技术研究中心等省部级以上科研平台。拥有交通监督检测大楼、

布龙试验室、深汕试验室、罗湖试验室四处办公及试验场地，面积约9000㎡，科

研及试验检测设备2000台套,以及道路智能巡检车、交通碳排放移动监测设备、微

波车检器、“深研”信号控制机等在内的各类实验设备。已汇聚百余城市的用地与

交通数据，50城的交通运行大数据，以及深圳全市60万栋建筑、13.9万运营车

辆GPS、9.42万路各类视频，以及历年交通工程检测等交通行业数据，为城市交

通数字孪生核心技术的研究和测试奠定了数据基础。

深城交是深圳市智能网联产业的带头企业。2019年在深圳市工信局等政府部门

的业务指导下，成立深圳市智能网联汽车产业创新促进会，成为第一届会长单位，

70+国内智能网联顶级企业加入深城交牵头建立的“智能网联汽车产业促进会”，

共同推动深圳建设车联网先导区建设。同年中标工信部2021年产业技术基础公共服

16

务平台“建设5G+车联网先导应用环境构建及场景试验验证公共服务平台项目”，

深城交领衔的联合体成为全国仅有的三家中标团队之一。此项目的开展，将为深圳

争创国家级车联网先导区再筑基石，对全市汽车产业转型升级，推动国内车联网技

术、应用、产业高质量健康发展，确立未来发展新优势具有重大意义。具有丰富的

智能网联汽车“车路云一体化”协同的产业落地与科研工作经验。

深城交深耕智能网联汽车管理政策及落地应用研究，全程参与起草市级智能网

联道路测试管理规范、管理条例等政策法规，为国家及各省市制定法规、条例、标

准等提供技术支持。2017年承担深圳市交委《新型交通基础设施及智能交通应用研

究》研究课题，提出现有交通基础设施在自动驾驶条件下应用中存在的问题，提出

近、中、远期交通基础设施更新、建设的需求及合理化建议，指引智能驾驶环境下

新型交通基础设施建设。2019年承担深圳市交委《自动驾驶道路设施建设标准研究》

和《深圳市道路智能交通设施建设技术规范标准研制》课题，起草《深圳市关于贯

彻落实<智能网联汽车道路测试管理规范(试行)>》的实施意见》，2022年由深城交

参与起草的《深圳经济特区智能网联汽车管理条例》等，具有丰富的智能网联汽车

领域标准制定工作经验。

三、主要试验（或验证）情况分析

3.1.场景描述

无人驾驶小巴在城市道路上行驶的场景包括但不限于复杂的十字路口、行人穿

越、车辆变道、交通信号灯遵守等。

在本示例中，无人驾驶小巴将对城市道路协作式交叉口通行场景开展可信性评

价，协作式交叉口通行是指装备有OBU的无人驾驶小巴和路侧设备（RSU）协作，

安全、高效通过交叉口，示例中特指无信号交叉路口的通行场景。无人驾驶小巴向

RSU发送车辆行驶信息，RSU根据车辆行驶信息、目标交叉路口的信号灯信息、其

他车辆上报的行驶信息、以及路侧感知信息，为无人驾驶小巴生成通过交叉路口的

通行调度信息并发送给无人驾驶小巴，调度无人驾驶小巴安全高效通过交叉口。

场景中涉及多种传感器数据，如摄像头、激光雷达、雷达等，用于感知周围环

境，做出实时决策并进行车辆控制。而行驶过程中的协同配合策略、综合评价不属

于本文件范围。

3.2.技术架构

无人驾驶小巴行驶过程中主要以单车智能为主，路侧与云端功能为辅，在数据交互

架构中，OBU实时收集无人驾驶小巴的感知数据与控制数据上传到中心子系统并与

RSU通信，RSU将路侧感知设备的各类数据进行汇集并运算与OBU通信，同时上

传到中心子系统。在此场景中需要计算无人驾驶小巴的全局路径规划，局部路径规

17

划，当前环境信息，周边人车行为意图，交通信号，交通标志等。如下图所示。

图5协作式交叉口通行场景的技术架构关系

3.3.交互过程

——无人驾驶小巴（ADB）从远处驶向无信号灯交叉路口，交叉路口附近设有

RSU；

——无人驾驶的普通车辆（ANV）从远处驶向无信号灯交叉路口，并且与ADB

在交叉路口相遇；

——ADB发送行驶状态信息、驾驶轨迹意图到RUS与中心子系统；

——中心子系统根据上报的行驶信息、当前路口其他车辆上报的行驶信息和意图

信息，以及路侧传，生成无人驾驶小巴及其他所有接近路口的车辆的驾驶引导信息；

——RSU将对应的引导信息发送给无人驾驶小巴；

——无人驾驶小巴根据路侧信息调整自身决策结果，优化全局与局部路径规划，

示意图如下图所示。

18

图6无人驾驶小巴在协作式交叉口通行场景示意图

3.4.数据内容

下图中，给出了各系统间以及系统内原始感知数据、决策规划数据、路侧控制

数据等的数据流向以及数据处理策略及控制数据生成位置的数据流。数据类型可以

包括感知数据、决策规划数据以及路侧控制数据。

图7数据交互架构

3.5.数据交互结果

信息基础设施通过路侧摄像头，全方位采集周围环境信息，对车辆进行感知分析，

通过目标跟踪技术实施跟踪各个车辆的在摄像头内的驾驶情况，基于不同摄像头之

间的协作互联，采用跨境跟踪技术进行跨域目标的跟随，还原车辆在交通场景中的

交通意图，分析交通路段内不同车辆的驾驶情况。当无人驾驶小巴士发出状态请求，

开展详细的引导信息分析，并根据现有的意图信息，对无人驾驶小巴士进行协作引

导。如下图所示。

19