2. 仿真可信度基础
在自动驾驶研发中，仿真不是“跑得通”就算有效。一个仿真结果能否被用于功能放行、算法迭代或安全论证，取决于它是否可信。仿真可信度（Simulation Credibility）是指：在特定应用目的和使用边界下，利益相关方对仿真结果正确性、充分性和适用性的信任程度。它不是仿真软件自带的属性，而是由模型、数据、场景、验证证据和评审过程共同支撑的结论。
核心判断：可信度 = 证据强度 × 与真实世界的一致性 × 对预期用途的覆盖度。缺少任何一项，仿真结论都只能作为参考，不能作为决策依据。
一、可信度的四个评估维度
评估仿真可信度时，通常从以下四个维度展开，它们分别回答不同问题：
- 模型正确性：数学模型、物理模型、传感器模型是否在数学和逻辑上正确，是否经过校核（Verification）。
- 数据可靠性：输入数据、标定参数、真值数据是否来源清晰、精度足够、时间同步正确。
- 场景代表性：仿真场景是否覆盖目标ODD中的关键工况、边缘案例和失效模式。
- 结果一致性：仿真输出与实车测试、台架测试或高置信度参考结果之间的偏差是否在可接受范围内。
这四个维度不是并列打分，而是形成证据链。模型正确但场景不覆盖，结论不可用；场景丰富但数据不可靠，结论同样不可信。
二、V&V与VV&A：三个容易混淆的概念
V&V是Verification and Validation的缩写，VV&A是Verification, Validation and Accreditation的缩写。两者关系密切，但范围不同。
| 概念 | 英文 | 核心问题 | 典型活动 |
|---|---|---|---|
| 校核 | Verification | 模型建对了吗？ | 代码审查、单元测试、数值收敛性检查、方程一致性验证 |
| 验证 | Validation | 模型像真实世界吗？ | 实车对比、传感器回放、场景复现、误差统计分析 |
| 认可 | Accreditation | 能用于这个用途吗？ | 评审、证据审查、置信度定级、使用边界确认 |
V&V关注“模型本身是否可靠”，VV&A进一步回答“在特定应用场景下是否被官方或组织认可”。在自动驾驶领域，主机厂和供应商通常要求仿真工具链通过VV&A流程后，才能进入功能安全或预期功能安全的证据链。
三、仿真置信度等级与适用场景
为了把可信度从定性判断变成可管理对象，工程上常将仿真置信度划分为若干等级。等级越高，所需证据越强，适用场景也越关键。
- L0 探索级：用于算法早期调试、可视化检查，不用于任何性能结论。
- L1 趋势级：用于相对比较，如A算法是否优于B算法，但不输出绝对安全指标。
- L2 工程级：用于功能迭代和回归测试，要求场景库稳定、模型经过基本校核。
- L3 验证级：用于功能放行支撑，要求与实车数据有统计一致性，关键场景误差可量化。
- L4 认证级：用于安全论证和法规提交，要求完整VV&A证据链、独立评审和可追溯性。
使用建议：不要用低置信度仿真结果去支撑高等级决策。例如，用L1趋势级仿真证明“AEB满足法规要求”是不成立的；反之，用L4认证级仿真去调试一个早期感知算法，成本过高且没有必要。
四、从证据到结论：可信度评估流程
可信度评估不是一次性动作，而是贯穿仿真生命周期的过程。典型流程如下：
- 明确预期用途和使用边界，确定目标置信度等级。
- 制定V&V计划，列出需要校核和验证的模型、数据和场景。
- 执行校核活动，确认模型实现与设计一致。
- 执行验证活动，将仿真结果与参考数据对比，计算误差指标。
- 汇总证据，进行VV&A评审，确定置信度等级。
- 记录使用限制和剩余风险，形成可信度档案。
可信度证据包示例：
- 模型校核报告：数值收敛、边界条件、单位一致性
- 验证报告：实车对比场景数 120，横向误差 RMSE 0.18 m
- 场景覆盖报告：ODD 覆盖率 87%，边缘案例 34 类
- 评审结论：置信度 L3，适用于城市NOA功能回归
- 使用限制：不适用于 80 km/h 以上高速场景五、案例：为什么同一仿真结果会被质疑
某团队用仿真验证AEB功能，结果显示碰撞避免率99.2%。但评审时被质疑，原因有三：第一，场景库中前车切出工况占比过高，缺少行人横穿和逆光场景；第二，雷达模型未经过实车标定，距离误差在雨雾条件下偏大；第三，仿真结果没有与实车AEB测试做统计对比。最终该仿真被定为L1趋势级，不能用于功能放行。
这个案例说明：可信度不是“仿真跑得好”，而是“证据链完整且与用途匹配”。
六、常见误区与复盘
- 误区一：把软件测试通过等同于仿真可信。软件测试只证明代码正确，不证明模型与真实世界一致。
- 误区二：只做验证不做校核。如果模型实现有误，再多的实车对比也可能掩盖系统性问题。
- 误区三：置信度等级一劳永逸。当ODD扩展、传感器配置变更或场景库更新时，置信度需要重新评估。
- 误区四：忽略使用边界。任何仿真都有适用范围，超出边界的结论必须降级使用。
复盘要点：可信度评估必须留下可追溯的证据。没有记录的证据等于没有证据；没有边界的结论等于危险结论。
总结来看，仿真可信度不是单一指标，而是一套围绕预期用途组织起来的证据体系。理解可信度定义、四个评估维度、V&V与VV&A的区别，以及置信度等级与适用场景的对应关系，是后续开展场景库建设、模型标定和虚实验证工作的前提。只有先回答“这份仿真结果能用来做什么”，才能正确决定“需要多少证据、达到什么等级”。