盖世汽车讯 12月4日，人工智能驱动的出行解决方案供应商Nexar发布首个针对自动驾驶汽车的真实世界可信度测试Nexar Apex，其基于Nexar的真实世界数据引擎（Real-World Data Engine）构建，其中该引擎每月采集超过1亿英里的最新道路数据。Nexar Apex以可衡量的、基于人类实际驾驶体验的性能标准取代了抽象的仿真假设，从而评估自动驾驶汽车何时真正具备上路行驶的条件。

图片来源： Nexar

多年来，自动驾驶技术的发展一直受到两种截然不同的智能来源的影响。人工智能建立在模拟世界和概率估计之上。而物理智能则源于观察人们在真实环境中的驾驶方式——其中蕴含的混乱、意外和细微差别是任何合成环境都无法完全复制的。仿真有助于训练模型，但它本身无法定义安全性。只有大规模、持续测量的真实世界数据才能使整个行业回归现实。

Nexar首席执行官Zach Greenberger表示：“仿真是一种训练工具，而非试验场。要使自主化在实际运营中可扩展，我们需要一个基于物理智能的基准——这种知识源于数十亿英里的真实里程和实际的人类决策。Nexar现在正为业界提供从理论安全到可信赖部署所需的权威数据。”

“里程与信心”的差距

自动驾驶汽车行业一直以来都严重依赖仿真环境来评估安全性。虽然这些仿真环境很有用，但它们难以反映真实驾驶行为的全部范围——例如，不规则的变道、难以预测的行人、突如其来的施工区域、异常天气以及构成真实道路的成千上万种极端情况。这种差距并非纸上谈兵；根据行业研究，要以强大的统计置信度证明自动驾驶汽车比人类驾驶员更安全，需要数亿至数十亿英里的真实道路行驶里程。由于缺乏一个基于现实的、共享的、客观的衡量标准，保险公司、监管机构和城市一直没有切实可行的方法来评估自动驾驶汽车的准备情况。

Nexar Apex改变了这一现状，它将自动驾驶汽车的安全性与最真实的物理智能来源——Nexar拥有的100亿英里真实道路人类驾驶数据——紧密联系起来。

向物理智能转型

Nexar Apex的核心是业内首个开放式机器性能测量方法。安全是相对的——要评判一个自动驾驶系统，必须将其与它旨在取代的人类进行比较。

该框架可通过Nexar的API访问，允许开发人员使用Nexar的BADAS模型查询其技术栈。该模型基于数百万次碰撞和险些碰撞事件进行训练，可量化人类的反应时间、预判模式以及避险行为。通过将自动驾驶汽车的输出与这组真实驾驶行为数据集进行比较，Nexar Apex建立了一个科学严谨的标准，为立法者、保险公司、开发人员以及最重要的公众提供了一种统一的方式来理解自动驾驶汽车模型的风险和收益。

基于数据的自动驾驶城市准备度指数

除了新的测试标准外，Nexar还推出了自动驾驶城市准备度指数（AV City Readiness Index），这是一个首创的模型，用于衡量一个城市在安全且经济可行地部署自动驾驶汽车方面的准备程度。

凤凰城的1英里与波士顿的1英里截然不同；运营复杂性因地理位置而异。Nexar使用从其真实世界数据引擎中提取的客观指标来消除这些差异，这些指标包括每百万英里碰撞事故数、急刹车密度、施工区域波动性以及其他预测信号，这些信号能够在事故发生前主动识别风险。

设定数据密度标准

为确保科学严谨性，Nexar仅评估其网络覆盖率至少达到99% 且数据每月更新的城市。这确保了该指数反映的是城市当前的实际情况，而非静态地图或过时的数据集，从而使运营商、监管机构和保险公司能够清晰地了解自动驾驶车队可以在哪些地区自信地扩展规模。

Nexar Apex和自动驾驶城市准备度指数共同构成了首个统一框架，为“里程与信心”问题带来客观清晰的答案。