数据与服务

自动驾驶安全测试专用事故场景库

依托 2016 年至今多地交通管理部门协同采集与深度调查机制，汇聚 1983 起真实交通事故样本，按 46 类数据表、3800 余个变量字段组织道路环境、交通参与者、车辆运动、碰撞过程和伤害后果。通过事故重建形成碰撞前关键时间窗内的轨迹、速度、交互关系和可回放场景输入，为自动驾驶安全测试提供真实风险牵引的数据底座。

数据基础	2016 年至今多地深度调查，1983 起事故样本
数据结构	46 类数据表，3800+ 变量字段，覆盖人-车-路-环境-伤害
核心能力	事故重建、轨迹还原、冲突提取、仿真回放
适用场景	AEB、FCW、ACC、行人保护与交互风险评估

申请数据

面向自动驾驶测试的交通事故场景构建技术

面向仿真测试需求，将真实事故深度数据转化为逻辑场景、参数空间和可执行仿真场景。通过视频标定、道路几何重建、车辆运动学约束和碰撞过程校核，搭建可复现的典型事故场景，支持传感器参数设置、事故可避免性分析、伤害减免量化和算法边界验证。

构建链路	事故重建、逻辑场景抽取、参数化建模、仿真验证
测试对象	感知、预测、规划、控制与整车安全策略
输出形式	场景文件、参数表、轨迹数据、评价指标
服务价值	支撑典型工况复现、长尾风险补充与测试规程研究

申请服务

智能汽车测试评价服务平台

通过百度 Apollo 与 CARLA 自动驾驶仿真平台，结合事故场景库和自动驾驶实车运行数据，形成面向智能汽车的测试评价服务。平台可围绕开放道路运行、仿真回放、云控与路侧设备联调开展场景驱动测试，输出安全边界、接管与风险响应、场景通过率和问题定位建议，为开放道路选线、道路智能化改造和车辆安全运行验证提供依据。

平台基础	百度 Apollo、CARLA、事故场景库与实车运行数据
服务范围	仿真回放、开放道路测试、云控平台与路侧设备联调
评价指标	场景通过率、风险等级、响应时延、冲突避免能力
交付内容	测试评价方案、问题清单、风险边界与改进建议

申请服务

典型场景泛化测试方法

面向自动驾驶系统在真实环境中的泛化能力评价，对典型事故场景中的速度、距离、视野遮挡、交通参与者行为和道路条件等危险参数进行离散化与组合扩展。结合群体智能搜索和危险空间探索，识别算法在不同参数组合下的能力边界，帮助加速测试流程并支撑测试标准、评价规程和安全阈值研究。

方法特点	典型场景参数化、危险参数离散化、边界搜索
测试价值	加速场景覆盖，发现长尾风险与薄弱工况
适用环节	软件闭环、整车在环、虚实结合与实车验证
输出结果	泛化场景集、危险参数区间、能力边界与评价报告

申请服务