📚 课程目录第1章课程导入

1. 课程导入

商用车智能驾驶正在从“能演示”走向“能运营”。与乘用车相比，商用车的质量更大、轴距更长、载荷变化更剧烈，制动距离、侧倾风险和盲区范围都显著不同；同时，干线物流、港口集卡、矿区运输、城市环卫等场景对连续作业时长、油耗/电耗和运营效率有硬性约束。因此，商用车智能驾驶道路测试工程不是简单地把乘用车的测试方法搬过来，而是围绕“车—路—云—货—场”构建一套可验证、可复现、可追溯的工程体系。

本课程的核心命题是：如何用有限的测试里程、测试场地和测试时间，证明一辆商用车在真实道路与作业场景中“足够安全、足够可靠、足够好用”。这要求我们既懂车辆动力学与传感器，也懂场景建模、数据闭环与安全论证。

一、学习目标：从“会开车”到“会证明安全”

完成本课程后，学习者应达到四个层次的目标。第一层是概念层：理解 ODD（运行设计域）、ODD 边界、最小风险状态、安全冗余、接管率、MPI（每次干预里程）等术语的工程含义。第二层是方法层：掌握场景库构建、测试用例设计、实车测试执行、数据采集与回灌的基本流程。第三层是工具层：能使用 CAN 总线记录仪、RTK 差分定位、目标物假车、数据标注与仿真平台完成一次闭环测试。第四层是论证层：能依据测试结果撰写测试报告，说明测试覆盖度、通过准则与残余风险。

需要特别强调的是，商用车测试工程师的最终交付物不是“跑了很多公里”，而是一份可被第三方理解与复核的安全证据链。证据链的每一环都要回答：测了什么、怎么测的、结果如何、边界在哪。

二、核心概念：ODD、场景与安全冗余

ODD（Operational Design Domain）是智能驾驶系统被设计为可安全运行的条件集合，包括道路类型、天气、光照、交通密度、速度范围、地理围栏等。商用车 ODD 往往比乘用车更“窄而深”：例如港口内集卡可能限定在封闭区域、低速、固定路线，但要求 24 小时连续作业和精准对位。

场景（Scenario）是 ODD 的具体化。一个完整场景通常包含道路几何、交通参与者、环境条件和自车任务。测试用例则是场景的可执行版本，需明确初始状态、触发条件、预期行为和通过判据。

安全冗余指在感知、决策、执行任一环节失效时，系统仍能进入最小风险状态。商用车因制动距离长，冗余设计必须更早介入。下表给出商用车与乘用车在测试关注点上的典型差异。

维度	乘用车典型关注	商用车典型关注
质量与载荷	空载/半载为主	空载、满载、偏载、变载
制动距离	较短，响应快	显著增长，需提前预警
运行场景	城市道路、高速	干线、港口、矿区、环卫
作业要求	舒适性、通行效率	连续作业、精准停靠、编队
失效后果	乘员风险	乘员+货物+道路设施风险

三、整体框架：五层测试体系

本课程将商用车智能驾驶道路测试工程拆解为五个相互衔接的层次，形成从需求到证据的闭环。下图展示了该框架的核心结构与数据流向。

五层之间不是单向流水线，而是双向闭环：实车测试发现的问题会反向修正场景库和 ODD 定义，仿真结果也会指导实车测试的优先级排序。测试工程师需要同时具备“向下钻取”和“向上归纳”的能力。

四、方法流程：一次完整测试的六个步骤

明确测试目的：是验证新版本感知算法，还是评估某类危险场景的通过率？目的决定用例选择与通过准则。
选择测试环境：封闭场地适合可重复的危险场景，公开道路适合长尾与自然驾驶数据采集，仿真适合大规模参数扫描。
配置测试车辆与设备：确认传感器标定、CAN 记录、RTK 定位、视频采集和安全员接管装置工作正常。
执行测试并记录：按用例逐条执行，记录时间戳、车辆状态、接管事件和异常现象。
数据回放与判定：将实车数据回灌至仿真或离线分析工具，判定是否满足通过准则。
输出报告与问题单：形成测试报告，对未通过项建立问题单并跟踪闭环。

以下是一个典型的测试记录配置片段，用于说明实车测试中需要同步记录的关键信号：

# 测试记录配置示例（CAN + 定位 + 视频）
can_channels:
  - chassis_speed        # 车速
  - steering_angle       # 转向角
  - brake_pressure       # 制动压力
  - accel_pedal          # 加速踏板
  - ad_mode              # 自动驾驶模式
gnss:
  type: RTK
  rate_hz: 100
  fields: [lat, lon, alt, heading, speed]
camera:
  front: 1920x1080@30
  left_rear: 1280x720@30
event_trigger:
  takeover: true         # 安全员接管事件
  hard_brake: "accel < -3.0 m/s^2"
  timestamp_sync: PTP

五、案例与场景：港口集卡的低速精准对位

以港口内集卡为例，其 ODD 可定义为：封闭港区、低速（≤25 km/h）、固定路线、无社会车辆、允许雨雾天气但需降速。测试重点不是高速避障，而是精准停靠、箱区识别、与岸桥/场桥的协同。一次典型测试用例可设计为：集卡满载 40 英尺集装箱，在能见度 200 米的雨雾条件下，从等待区行驶至目标箱区，要求停车横向误差小于 10 厘米、纵向误差小于 20 厘米，且全程无接管。

这类场景的误区是只测“成功一次”。工程上更关注重复性与边界退化：连续 50 次对位的误差分布、雨雾加大后的接管率、传感器被泥水遮挡后的降级策略。只有把边界条件测出来，才能说明系统的真实能力。

常见误区一：把“测试里程”当作安全证明。里程长不等于覆盖全，未覆盖的 ODD 边界才是风险集中区。误区二：只记录成功案例，忽略接管与降级事件。误区三：仿真通过后直接跳过实车验证，忽略传感器真实噪声与执行器延迟。

六、行业价值：从合规到运营效率

商用车智能驾驶道路测试工程的行业价值体现在三个层面。第一是安全合规：满足法规对自动驾驶功能测试与安全评估的要求，为产品准入提供依据。第二是研发提效：通过场景库与数据闭环，把实车测试聚焦到高价值用例，降低无效里程与开发成本。第三是运营赋能：测试中积累的 ODD 边界、能耗数据和接管规律，可直接用于车队调度、路线规划和保险定价。

对学习者而言，本课程希望建立一种工程思维：任何结论都要有数据支撑，任何数据都要有场景上下文，任何场景都要有明确的通过准则。掌握这套方法，才能在商用车智能驾驶从示范走向规模运营的过程中，真正承担起测试验证的关键角色。