越来越多的车企开始在智驾领域发力，卷硬件、堆算力，目的都是让车辆的驾驶辅助用起来更拟人，更像“老司机”。但“像老司机”这个描述过于泛泛，几分像？哪里像？用嘴根本说不清！有没有一套体系能够量化驾驶辅助系统的驾驶水平呢？
终于，有车以后联合北京智能车联基于中国智能网联汽车类人指数模型，要对这些“看起来很像老司机的车辆”进行一场真枪实弹的摸底考试，我们将这次考试简称为“类人测试”?！
怎么测？
北京智能车联基于真实世界交通场景构建了全息交通场景库，包含海量自然驾驶行为和真实交通流数据。通过挖掘这些数据提取人类驾驶特征参数，再基于特征参数从类人性角度出发，建立中国智能网联汽车类人指数模型，有车以后将使用该模型对车辆驾驶辅助功能进行类人性评价。
简单说:通过提取“老司机们”在场景库中的驾驶行为特征，建立中国智能网联汽车类人指数模型，再用该模型去评价车辆驾驶辅助系统。
此外无需担心建立的“老司机”模型不准，场景库使用无人机从高空持续采集真实数据，采集时长已突破2万小时，场景量接近500万个，“老司机”绝对地道！目前已经有近80款车型接受过测试。
本次测试选取车型为AITO 问界M5?2023款?纯电四驱智驾版，在中国智能网联汽车类人指数模型下，针对ACC自适应巡航进行8大维度测试，包括:不同时速下的横向识别、稳定跟车、跟车加速、减速、应对前方低速车辆、跟车起停、前车切入、切出。
“遥遥领先”89.4分破纪录！
直接了当出结论，AITO?问界M5?2023款?纯电四驱智驾版以总分89.4分的高分成绩，打破中国智能网联汽车类人指数模型下类人测试历史最高分纪录！
其中安全性相关项目得分率98.17%；舒适性相关项目得分率100%；效率相关项目得分率77.73%。
大家看到这无需关心得分由来，该部分会在文末给到明细，先看逐项解析！
优劣势简述:
稳定跟车:该项考验车辆跟车距离的类人性。问界M5跟车距离稳定，速率抖动极小，不同跟车距离挡位之间也有足够的差异，能匹配不同驾驶习惯。
跟车加速:该项考验高速行驶下，问界M5对前车加速的响应情况，加速是否及时。问界M5可以对远处车辆加速进行不错的识别，识别到前车加速后，响应迅速，后续加速动作非常柔和。
以60km/h时速，跟车距离3挡的表现来看，前车加速1.42秒后，问界M5开始加速，最大加速度为0.91m/s?，非常柔和，被前车拉开最大距离仅为41.21m，表现出色。
跟车减速:该项考验高速行驶下，问界M5对前车减速的响应情况，减速是否安全。问界M5最小跟车距离和老司机非常相似，减速及时，减速动作非常柔和。
以60km/h目标时速，跟车距离3挡的表现来看，前车减速1.38秒后，问界M5开始减速，最大减速度为0.91m/s?，非常柔和，减速后最小跟车距离为27.4m，表现出色。
前车低速:该项考验高速行驶时问界M5对前方低速车辆的响应。问界M5可以从很远的距离就探测到前方低速车辆，减速全程最小碰撞时间大于2.4秒，不会突破人类心理防线。
在背景车时速60km/h，问界M5时速90km/h，跟车距离3挡的追击场景下，问界M5距离背景车127.53m时就开始减速，开始减速后最大减速度仅为0.65m/s?，非常柔和，减速后最小间距为28.78m。
在该项中，问界M5全程将最小碰撞时间控制在大于2.4秒，减速及时，距离控制合理，不会突破人类心理防线。
横向识别:该项考验车辆对前车的识别范围。问界M5对前车识别准确，前车只需极小部分位于问界M5所在车道内，问界M5便可成功识别。
跟车起停:该项考验问界M5对前车状态的响应，停车后的间距是否合理。问界M5起步最大跟车距离表现中等偏上，仍有缩短空间。前车起步后它的响应较慢，在距离3挡的设置下，前车驶离2.06m后，问界M5才开始起步，此外其跟车刹停后与前车距离为9.04m，几乎为2倍车身长度，容易被加塞。
在该项中，问界M5的实际表现远没有40%的得分率那么不堪，最小碰撞时间为2.3秒，接近2.4秒的安全界限，实际不会感觉到很大的碰撞风险，不过它减速过程中1.82m/s?的最大减速度还有待提升，如果刹车更狠一些，最小碰撞时间就可以轻松达到2.4秒以上，但门槛就是门槛，低于门槛只能获得较低得分。
意外惊喜
此外本次测试我们还测试了问界M5在L2驾驶辅助开启状态下对于典型交通目标的识别情况，结果出色:机动车、成人、儿童，各角度自行车、踏板车、摩托车、不同数量桩桶均成功识别避让刹停，施工牌未识别出但成功避让刹停，三角牌识别不稳定，能做出刹车动作，即将刹停时识别跟丢，再次起步行驶。尽管离完美还差一点，但在目前所有测试过的车型中算最出色的之一。
各项得分明细及权重
欢迎评论区留言关注的车型，我们测测就来！
