TCSAE《特定應用場景無人駕駛可信性評價 第3部分：感知結果》

ICS43.040.20

CCST39

團體標準

T/CSAExx—20xx

特定應用場景無人駕駛可信性評價

第3部分：感知結果

Evaluationoftrustworthinessforautonomousdrivinginspecific

applicationscenarios

Part3：perceptualresult

20xx-xx-xx發(fā)布20xx-xx-xx實施

中國汽車工程學會發(fā)布

T/CSAExx—20xx

目次

前言........................................................................II

引言.......................................................................III

1范圍.............................................................................4

2規(guī)范性引用文件....................................................................4

3術語和定義.......................................................................4

4縮略語...........................................................................4

5評價內容.........................................................................5

6評價流程.........................................................................6

7評價指標及計算方法................................................................6

8評價體系........................................................................18

附錄A（資料性）無人駕駛共享小巴在城市開放道路自主行駛場景下感知結果可信性評價示例23

參考文獻....................................................................28

I

T/CSAExx—20xx

特定應用場景無人駕駛可信性評價第3部分：感知結果

1范圍

本文件規(guī)定了特定應用場景無人駕駛感知結果可信性評價的評價內容、評價流程、評價指標及

計算方法、評價體系等內容。

本文件適用于具備4級及以上駕駛自動化系統(tǒng)（以下簡稱“系統(tǒng)”），運行在特定應用場景中具

備載人、載物及作業(yè)功能的無人駕駛車輛的研發(fā)、測試、監(jiān)管及商業(yè)化應用。

2規(guī)范性引用文件

下列文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中,注日期的引用文

件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）

適用于本文件。

T/CSAE316.1-2023智能網聯(lián)汽車環(huán)境感知系統(tǒng)預期功能安全第1部分：觸發(fā)條件分析與描

述方法

T/CSAE316.2-2023智能網聯(lián)汽車環(huán)境感知系統(tǒng)預期功能安全第2部分：乘用車測試與評價

方法

3術語和定義

下列術語和定義適用于本文件。

感知結果perceptualresult

在特定應用場景下，無人駕駛車輛收集車端自身傳感器、路側設備、其他信息基礎設備的環(huán)境

感知結果，并利用信息融合技術生成支撐無人駕駛的融合結果。如圖1所示。

圖1感知結果產生過程

4縮略語

下列縮略語適用于本文件。

AHP：層次分析法（AnalyticHierarchyProcess）

4

T/CSAExx—20xx

CI：一致性指標（ConsistencyIndex）

CR：一致性比率（ConsistencyRatio）

ID：信息去敏感化程度（InformationDesensitization）

SESPR：場景實體狀態(tài)感知結果誤差（SceneEntityStatePerceptionResult）

MAP：均值平均精度（MeanAveragePrecision）

PSPI：隱私安全保護強度（PrivacySecurityProtectionIntensity）

SECR：場景實體完備率（SceneEntityCompletenessRate）

5評價內容

準確性

特定應用場景無人駕駛采用多傳感器融合的方式，將不同傳感器的數(shù)據(jù)進行綜合分析和處理，

以獲取更準確的環(huán)境信息。

特定應用場景無人駕駛感知結果準確性的可信性評價內容為：

a)對某一同類型實體，在不同場景進行多次檢測、識別、融合結果的不確定性量化處理；

b)動態(tài)安全距離內感知系統(tǒng)對周圍環(huán)境中實體的平均感知精度；

c)動態(tài)安全距離內實測狀態(tài)與感知狀態(tài)之間的誤差。

實時性

特定應用場景無人駕駛傳感器通過不斷地采集周圍環(huán)境的數(shù)據(jù)，系統(tǒng)需要能夠迅速地對這些數(shù)

據(jù)進行處理和分析，及時更新車輛的狀態(tài)和感知結果。

特定應用場景無人駕駛感知結果實時性的可信性評價內容為：

a)實際接收到數(shù)據(jù)量在系統(tǒng)規(guī)定時間內接收到數(shù)據(jù)量的占比；

b)從獲取到感知結果，到計算出感知結果后的時間戳誤差；

c)是否可以預測其他交通參與者的行為狀態(tài)。

穩(wěn)定度

特定應用場景無人駕駛穩(wěn)定感知結果意味著感知系統(tǒng)在各種環(huán)境和情況下都能夠準確地感知周

圍環(huán)境，避免因外界因素的干擾而導致數(shù)據(jù)誤判或錯誤的決策。若感知結果不穩(wěn)定，系統(tǒng)可能會出

現(xiàn)頻繁的誤判和漂移現(xiàn)象，導致車輛行駛不穩(wěn)定甚至發(fā)生事故。

特定應用場景無人駕駛感知結果穩(wěn)定度的可信性評價內容為：

a)感知系統(tǒng)對同一場景的感知結果的離散程度；

b)動態(tài)安全距離內動態(tài)場景中實體多次統(tǒng)計感知的離散程度。

完整度

特定應用場景無人駕駛傳感器通過采集周圍環(huán)境的數(shù)據(jù)來了解車輛所處的場景和狀態(tài)，而數(shù)據(jù)

感知結果的完整度則決定了系統(tǒng)對周圍環(huán)境的理解程度。

特定應用場景無人駕駛感知結果完整度的可信性評價內容為：

a)動態(tài)場景中所有實體感知的精度和完整程度；

b)動態(tài)場景中安全距離內數(shù)據(jù)的完整性和標簽責任歸屬度；

c)交通流環(huán)境的復雜程度。

失效度

特定應用場景無人駕駛感知結果失效度是指系統(tǒng)在某些情況下無法獲取、分析和處理數(shù)據(jù)的比

例或程度。在系統(tǒng)中，如果數(shù)據(jù)感知結果數(shù)據(jù)失效，將導致車輛無法準確地感知周圍環(huán)境，從而可

能導致行駛意外或事故的發(fā)生。

特定應用場景無人駕駛感知結果失效度的可信性評價內容為：感知系統(tǒng)由于檢測、識別或融合

模型不可靠而導致的感知結果不準確失效的概率。

安全性

5

T/CSAExx—20xx

特定應用場景無人駕駛需要保證數(shù)據(jù)在獲取、傳輸和存儲過程中的安全性，必須符合相關法律

法規(guī)，系統(tǒng)可以更好地保護數(shù)據(jù)的隱私信息，保障車輛的安全行駛。

特定應用場景無人駕駛感知結果安全性的可信性評價內容為：

a)感知結果數(shù)據(jù)安全加密程度；

b)隱私處理后圖像數(shù)據(jù)中依舊存在的敏感信息數(shù)量的占比；

c)圖像數(shù)據(jù)流中需要被隱私處理的圖像數(shù)量的占比；

d)隱私處理后圖像數(shù)據(jù)與原始圖像數(shù)據(jù)的相似程度；

e)隱私數(shù)據(jù)量的占比。

6評價流程

特定應用場景無人駕駛感知結果應按照以下流程開展可信性評價，評價流程如圖2所示。流程為。

a)科學選取評價指標及基礎數(shù)據(jù)；

b)按照7的要求開展評價指標計算，獲得單項指標值；

c)按照8.1的要求確定各單項指標權重，按照8.2的要求開展單維度評價；

d)按照8.3的要求開展綜合評價，獲得可信性評價結果。

開始

單維度評價

準確性準確性

二級指標計算指標評價

實時性實時性

二級指標計算指標評價

穩(wěn)定度穩(wěn)定度

二級指標計算指標評價

完整度完整度

二級指標計算指標評價

失效度失效度

二級指標計算指標評價

安全性安全性

二級指標計算指標評價

綜合評價

評價結果

結束

圖2特定應用場景無人駕駛感知結果評價流程

7評價指標及計算方法

6

T/CSAExx—20xx

準確性(Accuracy,A.)

7.1.1感知結果認知不確定度

7.1.1.1釋義

感知結果認知不確定度表示檢測、識別、融合結果的不確定性。在實際場景中，必然會遇到檢

測或識別模型未遇到的數(shù)據(jù)，即訓練集分布之外的數(shù)據(jù)；在這種情況下，檢測或者識別模型給出的

結果的置信度一般降低，但檢測率/識別率不一定降低，感知結果具有一定的不確定性。

7.1.1.2計算方法

以圖像數(shù)據(jù)感知結果為例，對同一類型實體在不同場景下進行?次檢測，每次檢測結果為

?1,?2,?3,...,??，計算檢測結果落入感知統(tǒng)計均值??誤差3%范圍內的檢測精度均值。

圖像數(shù)據(jù)的感知結果認識不確定度計算方法見公式1：

∑????(??≤?≤cr)

?=?=1?······························································(1)

?

式中：??——檢測精度的左邊界，值為0.1≤??0.97≤?2，單位：%；

??——檢測精度的右邊界，值為?*1.03≤1，單位：%；

?——感知結果的統(tǒng)計次數(shù)，單位：次；

??——第?次感知結果，單位：%；

?——一種類型數(shù)據(jù)的感知結果認知不確定度，單位：%。

雷達點云數(shù)據(jù)、速度位置數(shù)據(jù)等其他類型感知結果的認知不確定度均可按照公式1來計算。設共

有?種類型，其認知不確定度分別為?1,?2,...???1,??；感知結果認知不確定度計算方法見公式2：

1

?=∑??····································································(2)

??=1?

式中：?——多種類型數(shù)據(jù)的感知結果認知不確定度，單位：%；

?——類型數(shù)量，單位：個；

??——第?種類型的認知不確定度值，單位：%。

7.1.1.3評價準則

根據(jù)7.1.1.2計算得感知結果認知不確定度，再使用最小-最大規(guī)范化方法，將感知結果認知不

確定度線性映射到評分分值區(qū)間，可得評分分值。感知結果認知不確定度評分標準見表1。

表1感知結果認知不確定度評分標準

感知結果認知不確定度(%)評分分值（分）

100100

[90,100)[90,100)

[80,90)[80,90)

[70,80)[70,80)

[60,70)[60,70)

[0,60)0

7.1.2感知結果平均精度

7.1.2.1釋義

感知結果平均精度表示感知系統(tǒng)在多次動態(tài)安全距離內對周圍環(huán)境中實體目標的綜合檢測精度，

安全距離內的實體不能出現(xiàn)漏檢和誤檢，評價感知系統(tǒng)的健壯程度。檢測的精度越高，表示系統(tǒng)的

檢測效果越好，獲得的結果越可靠。

7.1.2.2計算方法

感知結果平均精度計算方法見公式3：

1

∑??(?)

︱︱?∈??

???=??····························································(3)

?

式中：???——均值平均精度，單位：%；

??(?)——在某個分類下的檢測精度，單位：%；

7

T/CSAExx—20xx

?——統(tǒng)計測試次數(shù)，單位：次；

??——分類的總數(shù)，單位：個。

7.1.2.3評分標準

根據(jù)7.1.2.2計算得感知結果平均精度，再使用最小-最大規(guī)范化方法，將感知結果平均精度線

性映射到評分分值區(qū)間，可得評分分值。感知結果認知不確定度評分標準見表2。

表2感知結果平均精度評分標準

感知結果平均精度(%)評分分值（分）

100100

[90,100)[90,100)

[80,90)[80,90)

[70,80)[70,80)

[60,70)[60,70)

[0,60)[0,60)

7.1.3場景實體狀態(tài)感知結果誤差

7.1.3.1釋義

場景實體狀態(tài)感知結果誤差表示動態(tài)安全距離內實測狀態(tài)與感知狀態(tài)之間的誤差。將場景中的各類

實體狀態(tài)屬性分為動態(tài)屬性和靜態(tài)屬性，交通參與者中車輛行人的速度、加速度等動態(tài)屬性，道路交通

流中紅綠燈、停車、轉彎、限速標志等靜態(tài)屬性。

7.1.3.2計算方法

設共有?個實體，第?個實體有共有?個狀態(tài)屬性，每個狀態(tài)屬性的實測狀態(tài)為??，感知預測狀態(tài)

為??作為參考值，場景實體狀態(tài)感知結果誤差計算方法見公式4：

?1??????

∑?=1×∑?=1︱︱

?????=???·······················································(4)

?

式中：?????——場景實體狀態(tài)感知結果誤差，單位：%；

?——場景實體數(shù)量，單位：個；

??——每個狀態(tài)屬性的實測狀態(tài)，單位：無；

?——第i個實體的狀態(tài)屬性數(shù)量，單位：個；

??——感知結果預測狀態(tài)，單位：無。

7.1.3.3評分標準

根據(jù)7.1.3.2計算得場景實體狀態(tài)感知結果誤差，再使用最小-最大規(guī)范化方法，將場景實體狀

態(tài)感知結果誤差線性映射到評分分值區(qū)間，可得評分分值。場景實體狀態(tài)感知結果誤差評分標準見

表3。

表3場景實體狀態(tài)感知結果誤差評分標準

場景實體狀態(tài)感知結果誤差(%)評分分值（分）

1000

[90,100)[0,20)

[80,90)[20,40)

[70,80)[40,60)

[60,70)[60,80)

[0,60)100

實時性(RealTime,RT.)

7.2.1感知結果更新頻率

7.2.1.1釋義

8

T/CSAExx—20xx

感知結果更新頻率是指在規(guī)定的時間內實際接收到的總數(shù)據(jù)量占系統(tǒng)在規(guī)定時間內需要接收到

總數(shù)據(jù)量的比例。比例越低，采樣頻率越低。

7.2.1.2計算方法

感知結果更新頻率計算方法見公式5：

???_????

???????=×100%...................................................................(5)

??????

式中：???????——感知結果更新頻率，單位：%；

???_????——為在規(guī)定的時間內實際接收到總數(shù)據(jù)量，單位：無；

??????——系統(tǒng)在規(guī)定時間內需要接收到總數(shù)據(jù)量，單位：無。

7.2.1.3評分標準

根據(jù)7.1.1.2計算得感知結果更新頻率，再使用最小-最大規(guī)范化方法，將感知結果更新頻率誤

差線性映射到評分分值區(qū)間，可得評分分值。感知結果更新頻率評分標準見表4。

表4感知結果更新頻率誤差評分標準

感知結果更新頻率(%)評分分值（分）

100100

[90,100)[90,100)

[80,90)[80,90)

[70,80)[70,80)

[60,70)[60,70)

[0,60)[0,60)

7.2.2感知結果延時誤差

7.2.2.1釋義

感知結果延時誤差是指從獲取到感知數(shù)據(jù)，到感知結果處理完成后的時間戳誤差，重點評價感

知系統(tǒng)的時效性。

7.2.2.2計算方法

感知結果延時誤差計算方法見公式6：

????=???????????······························································(6)

式中：????——感知結果延時誤差，單位：ms；

??????——開始處理感知結果前的時間戳，單位：ms；

????——獲得感知結果后的時間戳，單位：ms。

7.2.2.3評分標準

根據(jù)7.2.2.2計算得感知結果延時誤差，再使用最小-最大規(guī)范化方法，將感知結果延時誤差線

性映射到評分分值區(qū)間，可得評分分值。感知結果延時誤差評分標準見表5。

表5感知結果延時誤差評分標準

感知結果延時誤差（ms）評分分值（分）

1000

[90,100)[0,20)

[80,90)[20,40)

[70,80)[40,60)

[60,70)[60,80)

[0,60)100

7.2.3行為可預測度

7.2.3.1釋義

9

T/CSAExx—20xx

車輛感知系統(tǒng)是否可以預測交通參與者的行為狀態(tài)。

7.2.3.2計算方法

行為可預測性計算方法見公式7：

1????????????????

?????????=?×∑?=1·················································(7)

?????????????

式中：?????????——行為可預測度，單位：%；

?——車輛感知系統(tǒng)是否對交通參與者的后續(xù)行為進行預測，單位：無；

?——進行行為預測的交通參與者的數(shù)量，單位：個；

???????????????——對第i個交通參與者的行為預測值，單位：無；

????????????——第個交通參與者的行為真實值，單位：無；

7.2.3.3評分標準

根據(jù)7.2.3.2計算得行為可預測度，再使用最小-最大規(guī)范化方法，將行為可預測度線性映射到

評分分值區(qū)間，可得評分分值。行為可預測度評分標準見表6。

表6行為可預測度評分標準

行為可預測度(%)評分分值（分）

100100

[90,100)[90,100)

[80,90)[80,90)

[70,80)[70,80)

[60,70)[60,70)

[0,60)[0,60)

穩(wěn)定度(Stability,S.)

7.3.1識別結果離散程度

7.3.1.1釋義

識別結果離散程度是通過檢測結果的???計算得到。平均檢測方差的值越小，表示系統(tǒng)在不同場

景下的檢測差異越小，得到的結果越可靠，反之，則結果越不可靠。

7.3.1.2計算方法

識別結果離散程度計算方法見公式8：

∑?(???????)2

?2=?=1?·····························································(8)

?

式中：?2——識別結果離散程度，單位：無；

????——第?次的???數(shù)值，單位：%；

???——感知結果平均檢測精度，單位：%；

?——檢測的次數(shù)，單位：次。

7.3.1.3評分標準

根據(jù)7.3.1.2計算得識別結果離散程度，再使用最小-最大規(guī)范化方法，將識別結果離散程度線

性映射到評分分值區(qū)間，可得評分分值。識別結果離散程度評分標準見表7。

表7識別結果離散程度評分標準

識別結果離散程度(%)評分分值（分）

[20,100)[0,80)

[0,20)(80,100]

7.3.2感知結果離散程度

10

T/CSAExx—20xx

7.3.2.1釋義

對同一個動態(tài)場景進行多次感知，在動態(tài)安全距離內對感知到的實體數(shù)量進行統(tǒng)計，評估感知

結果的離散程度。

7.3.2.2計算方法

感知結果離散程度計算方法見公式9：

1

?2=∑?(????)2······························································(9)

??=1?

式中：?——感知結果離散程度，單位：無；

??——第?次感知到的實體數(shù)量，單位：個；

??——實際場景中的實體數(shù)量，單位：個；

?——感知次數(shù)，單位：次；

7.3.2.3評分標準

根據(jù)7.3.2.2計算得感知結果離散程度，再使用最小-最大規(guī)范化方法，將感知結果離散程度線

性映射到評分分值區(qū)間，可得評分分值。感知結果離散程度評分標準見表8。

表8感知結果離散程度評分標準

感知結果離散程度(%)評分分值（分）

1000

[90,100)(0,10]

[80,90)(10,20]

[70,80)(20,30]

[60,70)(30,40]

[0,60)(40,100]

完整度(Integrity,I.)

7.4.1場景實體完備率

7.4.1.1釋義

場景實體完備率表示在動態(tài)場景中所有實體感知的完整性，實際得到的實體數(shù)量占所有實體數(shù)量的

百分比。車輛通過雷達、視覺等傳感器來獲取周圍行人、車輛、標識牌等實體類別屬性。動態(tài)安全距離

內和動態(tài)安全距離外設置不同的權重，重點評價動態(tài)安全距離內的實體感知完整性。

7.4.1.2計算方法

場景實體完備率????計算方法見公式10：

????

????=?1×100%+?2×100%···········································(10)

??2

式中：????——場景實體完備率，單位：%；

??——安全距離內感知到的實體數(shù)量，單位：個；

?——安全距離內實際實體數(shù)量，單位：個；

??——安全距離之外感知到的實體數(shù)量，單位：個；

?2——安全距離之外實際實體數(shù)量，單位：個

?1——安全距離內場景實體完備率權重，?1=0.75，單位：無；

?2——安全距離外場景實體完備率權重，?2=0.25，單位：無。

7.4.1.3評分標準

根據(jù)7.4.1.2計算得場景實體完備率，再使用最小-最大規(guī)范化方法，將場景實體完備率線性映

射到評分分值區(qū)間，可得評分分值。場景實體完備率評分標準見表9。

表9場景實體完備率評分標準

場景實體完備率(%)評分分值（分）

11

T/CSAExx—20xx

[90,100)100

[80,90)[80,90)

[0,80)[0,80)

7.4.2感知結果責任歸屬度

7.4.2.1釋義

感知結果責任歸屬度表示在正常運行或發(fā)生異常狀況后，用于衡量傳感器在傳輸中數(shù)據(jù)標簽的

完整性和一致性，重點評測安全距離內的責任歸屬度。

7.4.2.2計算方法

感知結果責任歸屬度?計算方法見公式11。

???

∑?=1

?=??·····························································(11)

????????????

式中：????????????——感知結果責任歸屬度，單位：無；

??——第?個傳感器實際數(shù)據(jù)中標簽的數(shù)量，單位：個；

??——第?個傳感器實際數(shù)據(jù)數(shù)量，單位：個；

?——傳感器數(shù)量，單位：個。

7.4.2.3評分標準

根據(jù)7.4.2.2計算得感知結果責任歸屬度，再使用最小-最大規(guī)范化方法，將感知結果責任歸屬

度線性映射到評分分值區(qū)間，可得評分分值。感知結果責任歸屬度評分標準見表10。

表10感知結果責任歸屬度評分標準

感知結果責任歸屬度評分分值（分）

1100

其他0

7.4.3感知環(huán)境復雜度

7.4.3.1釋義

感知環(huán)境復雜度表示在車輛行駛中車輛周圍環(huán)境的復雜程度。周圍的車輛行人越多，路況越復雜，

則環(huán)境復雜度越高。反之，在路況簡單，行人車輛少的地方，環(huán)境復雜度越低。

7.4.3.2計算方法

7.4.3.2.1靜態(tài)場景復雜度

靜態(tài)場景要素的類型和權重見表11，靜態(tài)復雜度系數(shù)計算方法見公式12：

?(12)

?1=?∑?=1??log2??···························································

式中：?1——靜態(tài)場景復雜度系數(shù)，單位：無；

?——靜態(tài)場景復雜度中各個場景組成要素所對應分組標簽的類型總數(shù)，單位：無；

??——根據(jù)靜態(tài)場景復雜度構建的圖形結構中相同類型節(jié)點數(shù)與節(jié)點總數(shù)的比值，單位：

無；

不同靜態(tài)環(huán)境要素權重根據(jù)專家打分確定，靜態(tài)場景復雜度計算方法見公式13：

55

???????=?1×∑?=1(??∑?=1??)··················································(13)

式中：???????——靜態(tài)場景復雜度，單位：無；

??——靜態(tài)場景組成要素中第?個分組所對應的權重，單位：無；

??——靜態(tài)場景組成要素中第?個分組內各個場景組成要素所對應的預設分值之和，單位：

無。

表11靜態(tài)場景要素表

12

T/CSAExx—20xx

一級指標二級指標分數(shù)（0~10）

雙向5

路段三向6

四向7

雙車道（中心線）5

車道四車道（中心線）6

單車道（環(huán)島）7

警告標志5

禁令標志4

指示標志5

道路交通標志

指路標志6

施工標志7

輔助標志8

指示標線2

道路交通標線禁止標線2

警告標線5

機動車信號燈6

非機動車信號燈6

人行橫道信號燈7

交通信號燈方向指示信號燈7

車道信號燈5

閃光警告信號燈5

道路與鐵路平臺交叉口信號燈7

收費站8

其他設施公共汽車站5

減速帶5

停車場7

充電站6

其他設施

加油站5

錐形桶4

白天3

黑夜6

天氣

晴天3

雨雪霧6

7.4.3.2.2動態(tài)場景復雜度

動態(tài)場景復雜度與場景中的動態(tài)因素有關，復雜度與車輛和場景參與者的速度、兩者之間的距

離與夾角等存在某種數(shù)學函數(shù)關系，其中場景參與者為有可能與車輛產生互動的動態(tài)因素，包括但

不限于車輛、行人、自行車等。

將動態(tài)因素對車輛的影響作用視為環(huán)境復雜度的場效應機制，車輛與場景參與者之間的相對速

度與距離作為衡量場強度的指標，對環(huán)境復雜度的場分布進行數(shù)學描述，將動態(tài)因素進行抽象概括。

根據(jù)車輛屬性與交通參與者屬性初步形成具有場效應的復雜度引力模型結構體系，動態(tài)場景復雜度

計算方法見公式14。

????????=???1??2···························································(14)

式中：????????——動態(tài)場景復雜度，單位：無；

?1——測試車輛的屬性值，單位：無；

?2——交通參與者的屬性值，單位：無；

?——常數(shù)，單位：無。

車輛屬性值計算方法見公式15。

?1

?1=?1?1cos?······························································(15)

?1

式中：?1——車輛屬性值，單位：無；

?1——常系數(shù)，為調整模型規(guī)范的一個常數(shù)，單位：無；

?1——車輛的反應時間，單位：秒；

13

T/CSAExx—20xx

?1——車輛的行車速度，單位：km/h；

?1——車輛與交通參與者的距離，單位：m；

?——車輛與其他交通參與者之間的夾角，單位：度。

交通參與者屬性值計算方法見公式16。

?2

?2=?2?2···································································(16)

?2

式中：?2——交通參與者屬性值，單位：無；

?2——常系數(shù)，為調整模型規(guī)范的一個常數(shù)，單位：無；

?2——交通參與者的被感測時間，單位：秒；

?2——交通參與者的速度，單位：km/h；

?2——交通參與者的運動距離，單位：m。

7.4.3.2.3感知環(huán)境復雜度

根據(jù)靜態(tài)場景復雜度和動態(tài)場景復雜度計算得到感知環(huán)境復雜度，計算方法見公式17。

?=????????????????···························································(17)

式中：?——感知環(huán)境復雜度，單位：無；

???????——靜態(tài)場景復雜度，單位：無；

????????——動態(tài)場景復雜度，單位：無。

7.4.3.3評分標準

根據(jù)7.4.3.2計算得感知環(huán)境復雜度，再使用最小-最大規(guī)范化方法，將感知環(huán)境復雜度線性映

射到評分分值區(qū)間，可得評分分值。感知環(huán)境復雜度評分標準見表12。

表12感知環(huán)境復雜度評分標準

感知環(huán)境復雜度評分分值（分）

[600,+∞]100

[300,600)90

[200,300)80

[100,200)60

[0,100)0

失效度(Unreliability,U.)

7.5.1感知結果失效率

7.5.1.1釋義

感知結果失效率是指在感知系統(tǒng)運行過程中，感知結果出現(xiàn)錯誤或失效的概率。錯誤和失效的

次數(shù)越多，感知結果失效率越高，得到的數(shù)據(jù)越不可信，反之，則感知結果失效率越低，數(shù)據(jù)越可

信。

7.5.1.2計算方法

感知失效次數(shù)?是由于檢測、識別或融合模型失效導致感知結果不準確或不可靠的次數(shù)。感知

結果失效率計算方法見公式18。

?

?=×100%································································(18)

?

式中：?——感知結果失效率，單位：%；

?——感知失效次數(shù)，單位：次；

?——總感知次數(shù)，單位：次。

7.5.1.3評分標準

14

T/CSAExx—20xx

根據(jù)7.5.1.2計算得感知結果失效率，再使用最小-最大規(guī)范化方法，將感知結果失效率線性映

射到評分分值區(qū)間，可得評分分值。感知結果失效率評分標準見表13。

表13感知結果失效率評分標準

感知結果失效率(%)評分分值（分）

1000

[90,100)[0,10)

[80,90)[10,20)

[70,80)[20,30)

[60,70)[30,40)

[0,60)100

安全性(Safety,S)

7.6.1感知結果保護強度

7.6.1.1釋義

感知結果保護強度表示數(shù)據(jù)進行加密的密鑰空間大小。密鑰空間大小是通過密鑰強度計算得到。

感知結果保護強度越高，表示系統(tǒng)的感知結果的安全性越高。

7.6.1.2計算方法

衡量加密算法的安全性的一個關鍵指標是密鑰強度，密鑰強度為?意味著破解密鑰的算法復雜度

為2?。

感知結果保護強度計算方法見公式19。

?=?(2?)·····································································(19)

式中：?——感知結果保護強度，單位：無；

?——計算函數(shù)，單位：無；

?——加密算法密鑰長度，單位：無。

根據(jù)數(shù)據(jù)加密標準要求，對于SECRET級別的密鑰強度要求128，對于TOPSECRET級別的密鑰

強度要求達到192，安全級別見表14。

表14安全級別

安全級別破解算法復雜度評分分值（分）

薄弱?(240)0

傳統(tǒng)?(264)60

基準?(280)70

標準?(2128)80

較高?(2192)90

超高?(2256)100

7.6.1.3評分標準

根據(jù)7.6.1.2計算得感知結果保護強度，再使用最小-最大規(guī)范化方法，將感知結果保護強度線

性映射到評分分值區(qū)間，可得評分分值。感知結果保護強度評分標準見表15。

表15感知結果保護強度評分標準

感知結果保護強度(%)評分分值（分）

1000

[60,100)（0,40]

[40,60)(40,60]

[20,40)(60,80]

[0,20)100

7.6.2信息去敏感化程度

15

T/CSAExx—20xx

7.6.2.1釋義

信息去敏感化程度表示在隱私處理后圖像數(shù)據(jù)中依舊存在的敏感信息數(shù)量的占比。信息去敏感

化程度越低，表示圖像數(shù)據(jù)信息越不合法合規(guī)。

其中隱私數(shù)據(jù)定義為：

個人隱私：交通參與者行人，交通參與者人臉信息

車輛隱私：車輪廓，車牌，環(huán)境車輛自身所攜帶的信息（電話號碼、廣告信息等）

公共隱私：路牌方向標識，環(huán)境建筑物名稱信息，廣告牌信息等

7.6.2.2計算方法

信息去敏感化程度計算方法見公式20。

???+?

?