芯耀
与非AI
159
在GB 44721-2026《智能网联汽车 自动驾驶系统安全要求》附录D中，对于自动驾驶残余风险接受准则，有如下要求：
其中，碰撞等事故率要求低于 10⁻⁴/h（万分之一每小时）。
对于面向城区运行的 Robotaxi，假设平均时速是 25 公里/小时，则按照国标碰撞事故率 10⁻⁴/h 折算，车队需达到“每 25 万公里发生 1 次碰撞”的安全水平。
那么，是不是实车测试50万公里，碰撞不超过2次，或者测试100万公里，碰撞不超过4次，就认为满足安全指标了？
本文以泊松分布的精确置信区间（Garwood法），分析如果要达到“每25万公里发生1次碰撞”的安全水平，需要进行多少公里的测试里程，以及对应最多允许出现多少次碰撞事件。
01方法论
1. 安全性能评价指标
我们在评价自动驾驶安全性能的时候，经常采用MPD（Miles Per Disengagement，平均每次脱离行驶里程 / 平均接管里程）作为指标。行业中也有使用 MPI（Miles Per Intervention，单次干预里程），含义基本一致。
MPD是加州DMV自动驾驶路测报告中采用的安全性/可靠性统计指标，其定义是：
其中，
Disengagement（脱离）是指：自动驾驶系统退出自动模式，需要安全员人工接管车辆控制权。
通常有两种“脱离”情况：1）系统自检发现故障，自动退出；2）安全员预判风险，主动手动接管（为保障安全）。
MPD数值越大，代表系统平均可以运行更远才需要一次人工接管，自动驾驶安全性能越强。
如果是考虑碰撞，则采用MPC（Miles Per Collision，单次碰撞里程，或者碰撞间隔里程），本文主要讨论碰撞场景，因此下文使用MPC。
2. 泊松分布的精确置信区间（Garwood法）
碰撞属于典型的稀有独立事件：单位里程内碰撞概率极低，且各次碰撞相互独立，因此总碰撞次数服从统计学中的泊松分布。
泊松分布的精确置信区间方法（也叫，Garwood法），专门用于量化“稀有事件计数”的随机误差，是交通安全与可靠性领域的标准统计方法。
1）精确置信区间（也叫Garwood置信区间）的定义：
设总行驶里程为 T，真实的单位里程碰撞率为 μ，则总里程内的期望碰撞次数为 λ = μ×T。
实际观测到的碰撞次数X ~ Poisson(λ) 。
通过观测到的 x 次碰撞，反推真实碰撞率 μ 的95%置信区间，即以95%的把握认定真实安全水平落于该区间之内，这个就是统计学中针对泊松分布的精确置信区间。
2）精确置信区间的计算方法：
对于观测到 x 次事件、总期望事件数为 λ 的情形，其95%置信区间可经卡方分布精确计算：
得到 λ 的置信区间后，除以总里程 T，即得到单位里程碰撞率 μ 的置信区间。
其中：α = 0.05（对应95%置信水平），因此 α/2 = 0.025, 1 - α/2 = 0.975
自由度为df的卡方分布的p分位数表示为：
卡方分布示意图如下，自由度df越大，曲线越趋近对称正态。
3）观测到的碰撞事件越多，随机波动的影响就越小：
泊松分布的标准差为√λ ，因此估计的相对误差为 √λ / λ = 1/√λ 。例如，观测到10次碰撞时，相对误差约为 1/√10 ≈ 31.6%；观测到100次碰撞时，相对误差约为 1/√100 ≈ 10%。
因此，观测到的碰撞事件越多，随机波动的影响就越小，对真实安全水平的估计就越精准，置信区间也就越窄。
假设对于一个真实MCP=10万公里的自动驾驶系统，不同总测试里程和碰撞次数的情况下，95%置信度MPC计算结果如下：
| 总测试里程 | 观测碰撞次数 | 每10万公里碰撞率置信区间 | 单次碰撞对应里程区间（MPC） |
|---|---|---|---|
| 50万公里 | 5次 | 0.32 ~ 2.33 次 | 4.3 ~ 30.8 万公里 |
| 100万公里 | 10次 | 0.48 ~ 1.84 次 | 5.4 ~ 20.8 万公里 |
| 200万公里 | 20次 | 0.61 ~ 1.54 次 | 6.5 ~ 16.4 万公里 |
| 500万公里 | 50次 | 0.74 ~ 1.33 次 | 7.5 ~ 13.5 万公里 |
| 1000万公里 | 100次 | 0.81 ~ 1.22 次 | 8.2 ~ 12.3 万公里 |
可以看到：随着观测碰撞次数增加，置信区间持续收窄，对真实安全水平的估计就越精准。
02满足国标需要的测试里程
如果要满足GB 44721-2026的碰撞等事故率要求低于 10⁻⁴/h（万分之一每小时）的要求，假设平均车速为25kph，基于Garwood置信区间，则需要满足：
在95%的置信水平下，真实碰撞率的单侧置信上限 ≤ 1次/25万公里。
根据泊松分布，对于观测到 x 次碰撞，总期望碰撞数的95%单侧置信上限为：
要满足“25万公里1次碰撞”的目标，总里程 T 需要满足：
即最小所需总里程：T最小 = 25 x λ上限。根据计算，在不同碰撞次数时，刚好能95%可靠证明“25万公里/次碰撞”所需的最多的碰撞次数和最少累积总里程如下：
| 观测碰撞次数 | 95%置信上限（总碰撞数） | 最少需要累积总里程 | 说明 |
|---|---|---|---|
| 0 次 | 3.00 次 | ~75 万公里 | 连续75万公里零碰撞，才能确信真实水平不低于25万/次 |
| 1 次 | 4.74 次 | ~119 万公里 | 跑119万公里仅发生1次碰撞，刚好达标 |
| 2 次 | 6.30 次 | ~157 万公里 | 每多1次碰撞，需多跑更多里程来维持置信度 |
| 3 次 | 7.75 次 | ~194 万公里 | - |
| 5 次 | 10.51 次 | ~263 万公里 | - |
| 10 次 | 16.96 次 | ~424 万公里 | 累计10次碰撞时，需要424万公里才能证明达标 |
| 20 次 | 29.06 次 | ~727 万公里 | - |
| 100次 | 118.08 次 | ~2952 万公里 | |
| 500次 | 538.38 次 | ~1.35 亿公里 | |
| 5000次 | 5117.89 次 | ~12.8 亿公里 |
跑更多的里程，当然意味着更高的成本。
因此实际测试中，按照上述表格，最理想的情况是测试75公里，一次碰撞都没有发生。如果在完成75公里之前，发生了1次碰撞，则需要继续测试到119公里。如果完成119公里之前又发生了第2次碰撞，则需要增加到157公里，以此类推。
03结语
论证自动驾驶的安全性非常复杂，碰撞指标是其中一个重要维度。
如果从Garwood置信区间的角度，测试需要达到约75万公里/0次碰撞，或者119万公里/1次碰撞，才能95%确信：自动驾驶系统满足25万公里/1次碰撞的真实MPC指标。
另外，我们经常会比较不同自动驾驶系统之间的性能，或者和人类驾驶员做对比。此时，必须要统一“碰撞类型”的口径以及相同的工况（ODD、时段、路面复杂度等），否则指标不具备可比性。
个人观点，未必准确，欢迎讨论。
我是雪岭，研究感知、控制和人工智能的技术、产品和应用，欢迎交流。
联系雪岭和全集索引请参考：https://my.feishu.cn/wiki/LixwwezROiXPwBkvS6ccfcaBn6d
