2. 基础概念

在场景覆盖度评估与数据补齐工程中，最容易被忽视的不是工具链，而是术语的边界。如果团队对“场景”的理解不一致，后续的覆盖度计算、缺口识别和补齐优先级都会失去共同基准。本节把五个核心术语放进同一张业务语境图中，帮助你在项目启动阶段就建立统一的语义坐标系。

一、核心术语的定义与业务语境

场景（Scenario）不是单条测试用例，也不是一段原始数据，而是“特定业务目标 + 环境条件 + 参与对象 + 预期行为”的组合描述。例如在自动驾驶领域，“雨天夜间、前方有静止故障车、本车时速60km/h”是一个场景；在推荐系统中，“新用户首次登录、无历史行为、浏览数码频道”也是一个场景。场景的关键特征是可枚举、可参数化、可判定。

场景覆盖度（Scenario Coverage）衡量的是“已具备有效数据或验证能力的场景”占“目标场景全集”的比例。它不是一个单纯的百分比，而是一个带权重的结构指标。因为不同场景的业务风险不同，简单计数会掩盖高风险场景的缺失。

数据缺口（Data Gap）指目标场景与现有数据之间在数量、质量或分布上的差异。缺口有三种典型形态：完全缺失（该场景没有任何数据）、数量不足（有数据但样本量低于阈值）、质量不达标（数据存在但标注错误、信噪比低或时间戳错乱）。

数据补齐（Data Completion）是针对已识别缺口，通过采集、合成、增强、迁移或标注等手段，使场景数据达到可用状态的过程。补齐不是“越多越好”，而是“按缺口类型选择最小成本路径”。

覆盖度指标（Coverage Metric）是把上述概念量化为可跟踪、可对比、可考核的数值体系，通常包括场景覆盖率、加权覆盖率、缺口密度、补齐收敛率等。

二、五个术语的关系结构

下面这张关系图把五个术语放进同一个数据流与决策闭环中。左侧是目标侧，右侧是执行侧，中间通过指标形成反馈。请重点观察“数据缺口”如何同时受“场景定义”和“覆盖度指标”影响，以及“数据补齐”如何反向更新覆盖度。

三、覆盖度指标的计算方法与参数

覆盖度指标的设计直接决定补齐工作的优先级。最基础的公式是：

场景覆盖率 = 已覆盖场景数 / 目标场景总数 × 100%

加权覆盖率 = Σ(场景权重 × 覆盖状态) / Σ(场景权重) × 100%
其中：覆盖状态 ∈ {0, 0.5, 1}，分别表示未覆盖、部分覆盖、完全覆盖

缺口密度 = 单位场景维度内的缺口数量 / 该维度场景总数

补齐收敛率 = 本轮补齐后覆盖度提升值 / 本轮补齐投入资源量

在实际项目中，建议至少维护三个维度的指标：广度（覆盖了多少类场景）、深度（每类场景的样本量是否达标）、质量（数据标注准确率与信噪比）。只盯广度会导致“有数据但不可用”，只盯深度会导致“局部过拟合”。

术语	核心问题	典型量化方式	常见误区
场景	我们要覆盖什么？	场景ID、参数组合、标签体系	把用例当场景，粒度过细
场景覆盖度	现在覆盖了多少？	覆盖率、加权覆盖率	只算数量，忽略权重
数据缺口	差在哪里？	缺口清单、缺口密度	把质量问题当成数量问题
数据补齐	怎么补？	补齐任务单、收敛率	盲目采集，不验证效果
覆盖度指标	怎么衡量好坏？	多维指标看板	单一指标驱动，导致失衡

四、案例：自动驾驶场景覆盖度评估

某自动驾驶团队在版本迭代前进行场景覆盖度评估。目标场景全集包含1200个参数化场景，按天气、道路类型、交通参与者、光照四个维度交叉生成。初始评估发现：

• 已覆盖场景数：780个，基础覆盖率65%；
• 但加权覆盖率仅52%，因为“雨天+夜间+行人横穿”等高权重场景大量缺失；
• 缺口清单显示：完全缺失场景142个，数量不足场景96个，质量不达标场景63个；
• 其中“雨天夜间行人横穿”场景仅有12条数据，远低于200条的阈值。

团队据此制定补齐策略：对完全缺失场景采用仿真合成，对数量不足场景采用实车采集，对质量不达标场景进行重新标注与清洗。经过两轮补齐，加权覆盖率提升至81%，缺口密度下降64%。这个案例说明：覆盖度指标必须带权重，缺口必须分类，补齐必须分策略。

五、常见误区与复盘要点

误区一：把场景等同于测试用例。测试用例是场景的一种实例化，但场景的粒度更粗、更稳定。如果直接把用例当场景，覆盖度会虚高，因为大量相似用例被重复计数。

误区二：只关注覆盖率数字，不关注缺口结构。覆盖率从60%提升到70%可能很容易，但剩下的30%往往是高风险、高成本场景。补齐工作应该优先处理高权重缺口，而不是追求数字好看。

误区三：数据补齐等于数据采集。采集只是补齐的一种手段。对于长尾场景，仿真合成、数据增强、迁移学习的成本可能更低。选择补齐路径时，要综合考虑场景稀缺度、采集成本、标注成本和验证周期。

误区四：指标一旦设定就不再调整。随着业务目标变化，场景权重和覆盖阈值都需要重新校准。建议每季度复盘一次指标体系的合理性，避免指标与业务脱节。

掌握这五个核心术语及其关系，是后续进行场景建模、缺口识别、补齐排期和效果评估的基础。术语统一了，团队才能在同一个坐标系里讨论“还差什么”和“先补什么”。