亮道智能在做感知能力测试验证时，需要得到自然驾驶环境的客观真值（Ground Truth）。

这些真值一方面可以作为评价感知能力的“参考答案”，输出评价感知算法表现的KPI报告。另一方面也可以用来提取不同城市的驾驶行为分析报告，为自动驾驶功能开发提供必要的数据支撑。 

2018年至今，亮道智能在全球范围内为多家主机厂提供城市自然驾驶行为数据分析服务。上个月，我们已经完成了2019年全球10个城市及周边地区的自然驾驶行为数据分析工作，重点针对的是各国高速路和快速路场景。 我们分析了北京和柏林两个首都人民的驾驶行为数据，在这里和大家分享一些有趣的事实。 

△亮道智能在中德两地的测试验证车辆平台。

都是首都，谁还能逃脱“受堵”的命运？ 

你也许有过困在北京车流中进退两难的情况。数据告诉我们，北京环路的平均车速只有39km/h，6%的时间堵车堵到熄火，能够卡着限速（一般是80km/h）跑环路的机会屈指可数。 

不过你可能不知道，柏林的高速路也会堵成“停车场”。 

我们统计了柏林市内及外围高速路的驾驶行为，虽然超过一半的时间里，大家能毫无压力地跑上70km/h，但是趴窝不动的情况居然也占到了5%。

曾经有机构制作了欧美交通拥堵排行榜，柏林顺利入选过Top 25。

柏林司机“切入”习惯更好

 无论在中国还是德国，研究自动驾驶的工程师们都很关注“切入”（Cut-in）场景。我们把“切入”这个动作进一步拆分，去发现北京和柏林司机的习惯差异。 

比如司机爱从哪侧超车。

中国和德国都是左舵行驶国家，因此左侧超车切入会更加安全。柏林左侧切入的数量明显多于右侧切入，司机的超车安全意识更胜一筹（右侧切入的情况只占到总数的25%）。 

在北京开车要警惕“紧急加塞”

 一次“切入”会用多长时间？

带着这个问题，我们定义了“切入”的起止点，用自动化工具统计了每一次完整切入的用时。

目前亮道智能定义了多种Full Cut-in的场景，我们的自动化工具可以精确提取不同类型的Cut-in数据，生成统计分析。 在我们的定义中，用时0-1s的切入紧急且危险，2s-4s的切入比较安全。我们可以看到用时小于1s的切入次数占比，北京为11%，柏林为6%。 

考虑到堵车时更容易出现缓慢加塞，以及会有高速行驶时快速切入，远距离跟车时快速切入的情况……亮道智能工程师也进一步加入了车速和跟车距离等参数来挖掘数据价值。

 北京司机可能更谨慎 

北京驾驶员开车时可能会比较紧绷。因为低速开车或近距离跟车时，依然有很多车辆切入本车的所在车道。

 复杂路况培养了北京司机的谨慎性格。因为担心追尾，北京司机被“加塞”时，主动制动减速的情况（55%）要比较柏林司机（10%）多很多。刚被加塞时，大家就开始主动刹车。 而高达90%的柏林司机在遇到行车被“加塞”时，一开始是不会主动制动的。

（说明：由于保密原因，所有数据都经过了脱敏处理。）

如何获得这些有趣的结论？

如果你想知道这些结论的来源，欢迎了解亮道智能的整套数据处理、分析方案。 数据处理的最终成果，是获得高质量的真值。我们的一款产品自动化真值生成工具GTG，核心技术是自主研发的传感器算法，可以高效准确地完成标注工作。

目前，亮道智能已经针对市面上能拿得到的高线数激光雷达，开发了通用化的算法。为了更好满足客户的标注需求，我们也在做视觉算法的积累。

△高线数激光雷达与ibeo 6个4线激光雷达的融合算法展示

△激光雷达与视觉的融合算法展示

如果你是一位研发人员，想从海量数据中找出重点关注的驾驶场景，做针对性的算法开发。你只要登录亮道智能大数据线上管理系统（LD Big Data Platform），勾选 ODD（Operational Design Domain）来配置场景条件，就能获得想要的有效数据。 

我们总结的这些配置条件来自实战项目经验，作为标准机构ASAM的成员单位，我们参与了OPEN系列标准的制定，一直对自动驾驶场景库标准保持着密切关注。

 提交工单之后，你就只要放心把工作交给亮道智能基于私有云的自动化场景提取工具（LD Scenario）和场景分析工具（LD Scenario Statistics）。最后在大数据线上管理系统查收可视化的驾驶行为分析图表即可。 

△通过亮道智能大数据线上管理系统生成驾驶行为分析图表 

正是因为更好的算法，以及环环相扣的自动化工具，我们努力提供可靠的数据输入，让客户在分析使用大数据时更加流畅便捷。

小结 

法律法规、交通密度，包括交通标志、基础设施等因素，都在影响着当地的驾驶行为。 L3和更高级别的自动驾驶汽车真正商用以后，要在中国不同地区、全球不同城市开启自动驾驶功能。研究不同地区的自然驾驶习惯，是自动驾驶量产开发的一项基础工作。 亮道智能会不断升级核心技能，用更精准、更丰富的数据，为自动驾驶量产开发提供更有价值的信息。