主要观点总结
文章介绍了智能驾驶技术的发展现状，特别是智驾用户体验的提升对评测体系提出的新挑战。文章还详细描述了《CC-400A智驾评测体系》的构成及其亮点，包括场景一致性、内外三角模型、环境熵理念等。该体系综合运用主观指标与客观指标，尝试解决人机共驾时代智驾体验的关键问题，助力车企提升智驾产品竞争力。此外，文章还介绍了该体系的测试方法、专业性、行业积累以及合作案例等。
关键观点总结
关键观点1: 智能驾驶技术的发展现状和挑战
文章介绍了智能驾驶技术的蓬勃发展，尤其是AI大模型、无图方案的融入等新技术对车企和智驾领域带来的挑战。智驾用户体验的提升对评测体系提出了更高的要求，需要解决场景一致性、交互平衡等问题。
关键观点2: 《CC-400A智驾评测体系》的构成与亮点
文章详细描述了该评测体系的构成，包括场景模块、测试项、基础和高阶能力的区分等。其亮点在于综合运用主观指标与客观指标，解决人机共驾时代的关键问题，具有专业性、行业趋势跟踪和合作案例等。
关键观点3: 体系内的测试方法与评价公正性
文章介绍了该体系的测试方法，包括公共社会道路上的测试、环境熵理念的融入、主观感受评价等。同时，为了保证评价结果的公正性，该体系还采取了多种措施，如增大测试样本量、记录车辆智驾相关的软硬件数据等。
正文
在公共社会道路上驾驶，行车环境千变万化，即便同一路段下，也会遇到大相径庭的行车环境。所以我们通过融入环境熵理念，让场景可拆分可约束，我们把环境熵分为低/中/高三个等级，由基础环境状态、周边车辆状态、自车状态、驾驶员心理负荷状态进行场景一致性约束，在多车对比相同场景下，使用相同等级的环境熵进行对比，让评价结果更公正。
首先，我们把行业共识的核心三要素（安全/效率/舒适）进行拆分，在单个场景下均可得到6个维度的评价结果，可以更全面细致的看到核心三要素的表现。
其次，我们不仅有核心三要素组成的内三角模型，还有场景能力、HMI交互、DMS监测组合而成的外三角模型，这种双三角模型可以更完整的描绘出一台车的综合能力。
体系内每个叶子结点即实际测试项，每项5分制，根据每个叶子结点的不同特性，我们会有不同的小模型进行支撑，确保更贴合用户体验维度的合理评价。
以城市场景下的“非常规车道线行驶效率感”为例，我们考量在城市中较高频出现的5种非常规车道线的行驶效率感，在固定路段标点进行测试，通过测试用例进行有效约束，结合评测标准、实际体验、视频二次验证进行打分与点评，降低人为误判，尽量做到主观评测客观化，让评价结果更具参考意义。
为了让评价结果更科学更严谨更直观，我们把评测类型分为单车/多车异步/多车同步三种测试执行方式，进而更精准的对其用户体验表现进行评价与分析。
尤其是多车同步测试方式，我们开发了可完整代表用户体验的客观体系，在各场景下按照核心三要素进行标准化的客观指标拆分，可以深度挖掘各车差异化表现，从而用数据直观的表现各车在用户体验上的优势与不足。如城市各类路口的通过率，在环境熵的约束下，多车结果一目了然。
从客观数据中，我们也可以对标更多竞品或技术派系，从而发现不同维度下的本品差距，如高速“汇入匝道通过率”，截至2024年2月，国内某头部厂商的车型平均通过成功率已达为99.2%，对比效果一目了然。
