自动驾驶缩写术语完整入门教程:从 CCS、ODD、SOTIF 到 DPM、DS、TTC 一文讲清
自动驾驶缩写术语完整入门教程:从 CCS、ODD、SOTIF 到 DPM、DS、TTC 一文讲清
学习自动驾驶时,很多小白最头疼的不是算法本身,而是各种缩写。
比如:
- CCS 是 Corner Case Scenario,还是 Combined Charging System?
- ODD 和 OOD 是不是一个东西?
- ADS、ADAS、AD、AV 有什么区别?
- TTC、PET、DRAC 都是安全指标,它们分别看什么?
- DPM、MPI、MTBI 这些路测指标到底怎么理解?
- DS、RC、IP、SR 这些整体驾驶性能指标又是什么?
这篇文章面向自动驾驶小白,把自动驾驶领域常见缩写按逻辑重新整理一遍。
核心原则是:
不要孤立记缩写,要看它出现在什么语境里。
同一个缩写,在不同场景下可能完全不是一个意思。
一、先理解自动驾驶缩写的分类逻辑
自动驾驶缩写大致可以分成 10 类:
| 类别 | 主要内容 | 典型缩写 |
|---|---|---|
| 系统级概念 | 自动驾驶等级、系统边界、驾驶任务 | AD、AV、ADAS、ADS、ODD、DDT |
| 场景测试 | 场景挖掘、仿真、开环闭环 | CCS、SBT、FS、LS、CS、OL、CL |
| 安全标准 | 功能安全、预期功能安全、安全论证 | FuSa、SOTIF、HARA、ASIL、FMEA |
| 风险指标 | 衡量危险程度和冲突风险 | TTC、THW、PET、DRAC |
| 传感器与定位 | 摄像头、雷达、定位、地图 | LiDAR、RADAR、GNSS、IMU、SLAM |
| 感知算法 | 检测、分割、跟踪、BEV、占用 | OD、BEV、Occ、MOT、NMS |
| 感知指标 | 目标检测、跟踪、分割指标 | IoU、AP、mAP、NDS、MOTA |
| 预测规划控制 | 轨迹预测、行为规划、运动控制 | ADE、FDE、MPC、PID、LQR |
| 端到端与大模型 | E2E、模仿学习、强化学习、多模态模型 | E2E、IL、RL、VLM、VLA |
| 整体性能与路测 | 整车表现、接管、脱离、驾驶分数 | DS、RC、SR、DPM、MPI、MTBI |
小白学习时建议按这个顺序记:
系统概念 → 场景测试 → 安全指标 → 感知预测规划 → 整体性能指标 → 路测运营指标。
二、CCS 到底是什么意思?
CCS 是一个非常典型的“多义缩写”。
在自动驾驶领域,它可能有多种意思。
| 缩写 | 全称 | 中文含义 | 常见语境 |
|---|---|---|---|
| CCS | Corner Case Scenario | 角落场景 / 长尾场景 / 极端场景 | 场景挖掘、长尾数据、安全测试 |
| CCS | Critical Concrete Scenario | 关键具体场景 | 场景测试、仿真测评 |
| CCS | Cruise Control System | 定速巡航系统 | ADAS、传统车辆控制 |
| CCS | Combined Charging System | 组合充电系统 | 电动车充电接口、充电协议 |
在你学习自动驾驶的场景挖掘、仿真、测评、安全验证时,CCS 最常见的理解是:
Corner Case Scenario / Critical Concrete Scenario,即长尾关键场景或安全关键场景。
例如:
- 鬼探头
- cut-in 加塞
- 前车急刹
- 无保护左转
- 行人突然横穿
- 施工区域改道
- 强逆光下行人误检
- 雨雾天气感知失效
- 多车博弈导致规划犹豫
这些场景的共同特点是:
出现频率低,但风险高,自动驾驶系统容易失败。
所以 CCS 是场景挖掘和安全测试中的核心概念。
三、自动驾驶系统级缩写
这一类缩写用来描述“系统是什么、能做什么、在哪些条件下工作”。
1. AD、AV、ADAS、ADS
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| AD | Autonomous Driving | 自动驾驶 | 泛指自动驾驶技术本身 |
| AV | Autonomous Vehicle | 自动驾驶车辆 | 具备自动驾驶能力的车辆 |
| ADAS | Advanced Driver Assistance Systems | 高级驾驶辅助系统 | 辅助驾驶员驾驶,驾驶责任通常仍在人 |
| ADS | Automated Driving System | 自动驾驶系统 | 可以在特定条件下执行完整动态驾驶任务的系统 |
这几个词最容易混淆。
简单理解:
ADAS 是辅助人开车,ADS 是系统自己执行驾驶任务。
常见 ADAS 功能包括:
- ACC:自适应巡航
- AEB:自动紧急制动
- LKA:车道保持辅助
- TJA:交通拥堵辅助
而 ADS 更接近真正意义上的自动驾驶系统。
2. SAE L0-L5
| 缩写 | 含义 | 解释 |
|---|---|---|
| L0 | 无自动化 | 人完全驾驶 |
| L1 | 驾驶辅助 | 系统辅助横向或纵向控制 |
| L2 | 部分自动化 | 系统可同时控制方向和速度,但人仍需监控 |
| L3 | 有条件自动驾驶 | 特定条件下系统驾驶,需要时人接管 |
| L4 | 高度自动驾驶 | 特定 ODD 内系统完全负责驾驶 |
| L5 | 完全自动驾驶 | 不受 ODD 限制,任何道路和环境都能开 |
注意:
L2 不等于无人驾驶。
L2 系统即使能自动跟车、自动变道,驾驶责任通常仍然在人。
3. ODD 和 OOD
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| ODD | Operational Design Domain | 运行设计域 | 自动驾驶系统允许工作的边界 |
| OOD | Out-of-Distribution | 分布外 | 模型训练数据中没覆盖或很少覆盖的情况 |
ODD 是自动驾驶系统定义里的概念。
例如某个 Robotaxi 的 ODD 可能是:
- 上海嘉定区
- 白天或夜间良好照明
- 无暴雨、无暴雪
- 城市道路
- 速度不超过 60 km/h
- 高精地图覆盖区域
只要超出这些条件,比如暴雪、高速公路、无地图区域,就可能是 ODD 外。
OOD 是机器学习里的概念。
例如模型训练数据主要是晴天白天,突然遇到暴雨夜间施工路段,这对模型来说可能是 OOD 样本。
一句话区分:
ODD 是系统允许运行的边界,OOD 是模型数据分布外的情况。
4. DDT、OEDR、Fallback、MRM
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| DDT | Dynamic Driving Task | 动态驾驶任务 | 开车过程中需要完成的感知、决策、规划、控制任务 |
| OEDR | Object and Event Detection and Response | 目标与事件检测响应 | 识别车辆、行人、红绿灯、障碍物并做出反应 |
| DDT Fallback | Dynamic Driving Task Fallback | 动态驾驶任务后备处理 | 系统无法继续驾驶时的接管或降级处理 |
| MRM | Minimal Risk Maneuver / Minimal Risk Condition | 最小风险机动 / 最小风险状态 | 系统异常时安全减速、靠边、停车等处理 |
举个例子:
车辆在自动驾驶时突然发现前方传感器异常,如果系统判断无法继续可靠驾驶,就需要执行 MRM,比如打开双闪、减速、靠边停车。
5. 人机交互相关缩写
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| HMI | Human-Machine Interface | 人机交互界面 | 系统和驾驶员/乘客之间的信息交互 |
| TOR | Take-Over Request | 接管请求 | 系统要求驾驶员接管 |
| DMS | Driver Monitoring System | 驾驶员监控系统 | 检测驾驶员是否疲劳、分心、闭眼 |
| OMS | Occupant Monitoring System | 乘员监控系统 | 检测车内乘员状态 |
| HAD | Highly Automated Driving | 高度自动驾驶 | 通常接近 L4 语境 |
| FSD | Full Self-Driving | 完全自动驾驶 / 某些品牌功能名 | 要注意它可能是产品名,不一定等于 SAE L5 |
四、场景挖掘、仿真、测试缩写
这一组和 CCS 最相关。
自动驾驶系统不能只在普通场景中测试,还必须在各种复杂、危险、长尾场景中测试。
1. SBT 和 SBST
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| SBT | Scenario-Based Testing | 基于场景的测试 | 用典型场景、危险场景、长尾场景测试自动驾驶系统 |
| SBST | Search-Based Software Testing | 基于搜索的软件测试 | 用搜索算法自动寻找能让系统失败的场景 |
SBT 的核心思想是:
不要盲目跑很多公里,而是构造有价值的测试场景。
例如:
- 前车急刹
- 行人横穿
- 对向车占道
- 施工路段绕行
- 路口无保护左转
SBST 更进一步,会使用遗传算法、贝叶斯优化、强化学习等方法,自动搜索最危险的场景参数。
2. FS、LS、CS、CCS
这是场景测试中非常重要的一组概念。
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| FS | Functional Scenario | 功能场景 | 用自然语言描述的抽象场景 |
| LS | Logical Scenario | 逻辑场景 | 带参数范围的场景 |
| CS | Concrete Scenario | 具体场景 | 参数完全确定、可执行的场景 |
| CCS | Critical Concrete Scenario | 关键具体场景 | 从具体场景中筛出的危险场景 |
举例说明:
FS:功能场景
“前车突然 cut-in,自车需要减速避让。”
这是自然语言描述,没有具体速度、距离、角度。
LS:逻辑场景
- 前车速度:20-60 km/h
- 自车速度:30-80 km/h
- cut-in 距离:5-30 m
- 天气:晴天、雨天
- 道路:城市主路
这是一个带参数范围的场景。
CS:具体场景
- 前车速度:42 km/h
- 自车速度:58 km/h
- cut-in 距离:12 m
- 天气:小雨
- 道路:三车道城市道路
这就是一次可以执行的具体仿真场景。
CCS:关键具体场景
如果上述具体场景导致自动驾驶系统急刹、碰撞、越线或接管,它就可能成为 CCS。
简单理解:
FS 是一句话,LS 是参数范围,CS 是具体实例,CCS 是危险实例。
3. 被测对象相关缩写
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| SUT | System Under Test | 被测系统 | 被测试的完整自动驾驶系统 |
| VUT | Vehicle Under Test | 被测车辆 | 被测试的车辆 |
| DUT | Device Under Test | 被测设备 | 被测试的传感器、芯片、域控等 |
| MUT | Module Under Test | 被测模块 | 被测试的感知、规划、控制等模块 |
| Ego | Ego Vehicle | 自车 | 自动驾驶系统所在车辆 |
| NPC | Non-Player Character | 背景交通参与者 | 仿真中的其他车、行人、骑行者 |
在仿真中,ego 是主角车,NPC 是周围交通参与者。
4. 开环、闭环和半闭环
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| OL | Open-Loop | 开环 | 模型输出不影响环境后续状态 |
| CL | Closed-Loop | 闭环 | 模型控制车辆,车辆行为会影响后续环境 |
| CL-NR | Closed-Loop Non-Reactive | 非响应式闭环 | ego 会动,但其他交通参与者不响应 ego |
| CL-R | Closed-Loop Reactive | 响应式闭环 | 其他交通参与者会响应 ego 行为 |
| Log Replay | Log Replay | 日志回放 | 重放真实路采数据,常用于开环或半开环测试 |
| Shadow Mode | Shadow Mode | 影子模式 | 系统后台运行但不控制车辆,用于对比和评估 |
一句话理解:
开环看模型像不像人类,闭环看模型自己开车会不会安全。
例如:
- 预测轨迹和真值轨迹的 L2 误差,是开环指标。
- 车辆在 CARLA 中是否撞车、是否完成路线,是闭环指标。
开环分数高,不代表闭环一定好。
因为闭环中模型一旦犯错,车辆会进入训练数据中没有出现过的新状态,后续错误可能被放大。
5. 在环测试缩写
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| MIL | Model-in-the-Loop | 模型在环 | 在模型级别测试算法逻辑 |
| SIL | Software-in-the-Loop | 软件在环 | 在软件环境中测试真实代码 |
| HIL | Hardware-in-the-Loop | 硬件在环 | 把域控、ECU 等硬件接入仿真 |
| VIL | Vehicle-in-the-Loop | 整车在环 | 真实车辆接入仿真或台架 |
| DIL | Driver-in-the-Loop | 驾驶员在环 | 人类驾驶员参与仿真 |
| XiL | X-in-the-Loop | 泛在环测试 | MIL、SIL、HIL、VIL、DIL 的统称 |
从左到右,测试越来越接近真实车辆:
MIL → SIL → HIL → VIL → 实车道路测试
五、ASAM / OpenX 标准缩写
自动驾驶仿真和场景测试离不开标准化。
| 缩写 | 全称 | 中文含义 | 解释 |
|---|---|---|---|
| ASAM | Association for Standardization of Automation and Measuring Systems | 自动化与测量系统标准协会 | 自动驾驶测试、仿真、测量领域的重要标准组织 |
| OpenX | OpenX Standards | OpenX 标准族 | 与道路、场景、标注、仿真接口相关的一组标准 |
| OSC | OpenSCENARIO | 开放场景标准 | 描述动态交通场景行为 |
| OSC DSL | OpenSCENARIO Domain Specific Language | OpenSCENARIO 领域专用语言 | 用于更复杂的大规模场景描述 |
| ODR / XODR | OpenDRIVE | 开放道路标准 | 描述道路、车道、路口、交通标志等静态道路结构 |
| OpenCRG | Open Curved Regular Grid | 开放路面网格 | 描述路面高程、摩擦、粗糙度等 |
| OpenLABEL | Open Labeling | 开放标注格式 | 描述对象、场景、传感器数据标注 |
| OpenODD | Open Operational Design Domain | 开放 ODD 描述 | 用标准方式描述运行设计域 |
| OSI | Open Simulation Interface | 开放仿真接口 | 仿真器、传感器模型、自 |
