{"name":"智能网联汽车测试员题库","level":"一级 / 二级 / 三级 / 四级 / 五级","org":"人力资源和社会保障部门","count":300,"questions":[{"id":1,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB（自动紧急制动）功能测试时，目标假车与测试车之间的碰撞时间（TTC）应通过以下哪种方式获取最为可靠？","options":["由测试车CAN总线读取的制动减速度积分推算","由场地RTK差分定位系统输出的两车实时位置差计算","由目标假车内置的加速度传感器数据反推","由驾驶员主观判断并按下计时器记录"],"answer":[1],"explanation":"TTC是评估AEB触发时机的核心参数，需基于两车精确的相对位置和相对速度计算。RTK差分定位可提供厘米级实时位置，是封闭场地测试的标准手段。A项：CAN减速度积分只能得到自车运动状态，无法获取两车相对距离。C项：假车加速度传感器仅反映假车运动，缺少自车位置信息。D项：人工计时误差大且无法反映连续TTC变化，不满足测试精度要求。","tier":"基础"},{"id":2,"type":"single","stem":"智能网联汽车路测数据回传时，以下哪种数据脱敏处理方式符合个人信息保护的基本要求？","options":["对行人面部和车牌进行模糊化处理后再上传","将原始视频加密后直接上传至云端存储","仅删除GPS坐标中的小数点后两位","对驾驶员姓名做哈希处理后保留原始视频"],"answer":[0],"explanation":"路测数据涉及行人面部、车牌等个人信息，上传前应进行不可逆的模糊化或去标识化处理。B项：加密上传不等于脱敏，云端仍可解密获取原始个人信息。C项：删除坐标精度不涉及面部和车牌等直接标识符。D项：仅哈希姓名但保留原始视频，面部信息仍可识别个人身份。","tier":"基础"},{"id":3,"type":"single","stem":"在智能网联汽车测试中，以下哪项属于功能安全（ISO 26262）范畴而非预期功能安全（SOTIF）范畴？","options":["摄像头在逆光场景下漏检前方静止车辆","制动执行器因随机硬件失效导致制动力丢失","激光雷达在雨雾天气下点云密度下降","感知算法对异形障碍物分类置信度不足"],"answer":[1],"explanation":"功能安全关注由电子电气系统故障（如硬件随机失效）导致的危害，制动执行器硬件失效属于典型功能安全范畴。A项：逆光漏检属于性能局限而非故障，归SOTIF。C项：雨雾导致点云下降是传感器物理局限，归SOTIF。D项：算法对异形障碍物分类不足属于性能不足，归SOTIF。","tier":"基础"},{"id":4,"type":"single","stem":"对自动驾驶车辆进行封闭场地测试时，以下哪种场景属于必须设置的边缘危险工况？","options":["前方车辆正常匀速行驶","行人从遮挡物后方突然横穿道路","交通信号灯由绿变黄","车辆在直道上以限速行驶"],"answer":[1],"explanation":"边缘危险工况指发生概率低但风险高的场景，行人从遮挡物后方突然横穿属于典型的“鬼探头”边缘场景。A项：匀速跟车是常规工况。C项：信号灯变黄是常见交通场景，不属于边缘危险工况。D项：直道限速行驶是基础工况。","tier":"基础"},{"id":5,"type":"single","stem":"智能网联汽车测试中发现毫米波雷达在隧道内出现大量虚假目标，以下哪种处置方式最符合工程实践？","options":["直接判定雷达硬件故障并返厂维修","结合多帧聚类和RCS阈值过滤静态虚假回波","关闭雷达仅依赖摄像头完成隧道内感知","将雷达安装角度向上调整以减少地面反射"],"answer":[1],"explanation":"隧道内多径反射产生虚假目标是毫米波雷达的已知物理现象，应通过信号处理手段（多帧聚类、RCS阈值）抑制。A项：虚假目标是环境导致的，并非硬件故障。C项：关闭雷达会降低感知冗余度，增加安全风险。D项：调整安装角度会影响正常探测范围，且不能根本解决多径反射问题。","tier":"进阶"},{"id":6,"type":"single","stem":"在自动驾驶数据采集车上，工控机记录的多路传感器数据出现时间戳跳变，以下哪种原因最可能导致该现象？","options":["传感器分辨率设置过高","PTP时钟同步主从切换或网络抖动","存储硬盘剩余空间不足","摄像头曝光时间设置过短"],"answer":[1],"explanation":"时间戳跳变通常与时钟同步机制异常有关，PTP主从切换或网络抖动会导致时间同步短暂失锁。A项：分辨率影响数据量但不直接导致时间戳跳变。C项：存储不足会导致丢帧而非时间戳跳变。D项：曝光时间影响图像亮度，与时间戳无关。","tier":"基础"},{"id":7,"type":"single","stem":"智能网联汽车测试员在开放道路测试前进行车辆检查，以下哪项检查内容直接关系到测试数据的法律有效性？","options":["确认车载空调制冷效果正常","确认数据记录设备时间与标准时间同步","确认座椅调节到舒适位置","确认车载音响音量适中"],"answer":[1],"explanation":"测试数据要作为事故回溯或法律证据，记录设备的时间必须与标准时间同步，否则数据时间链无法采信。A项：空调制冷与数据法律有效性无关。C项：座椅舒适性属于人机工程，不影响数据有效性。D项：音响音量与测试数据无关。","tier":"基础"},{"id":8,"type":"single","stem":"在智能网联汽车测试方案设计中，以下哪种做法最能有效覆盖感知系统的长尾场景？","options":["仅在晴天白天进行标准道路测试","基于场景库进行参数化泛化生成大量变体场景","只测试车辆最高时速下的表现","由测试员随机选择测试路线"],"answer":[1],"explanation":"长尾场景覆盖需要系统性方法，基于场景库进行参数化泛化（如改变光照、角度、速度）可高效生成大量边缘场景。A项：仅晴天白天无法覆盖雨雾、夜间等长尾条件。C项：只测最高时速遗漏了低速和中等速度下的场景。D项：随机路线缺乏系统性和可重复性，难以保证覆盖率。","tier":"基础"},{"id":9,"type":"multi","stem":"智能网联汽车测试数据采集过程中，以下哪些措施有助于保证采集数据的完整性和可回溯性？","options":["为每帧数据打上统一时间戳并记录传感器ID","定期校验存储介质的写入错误率","将原始数据与处理后数据混合存储在同一目录","记录采集时的车辆状态和软件版本信息","在数据回放时允许手动修改时间戳以对齐画面"],"answer":[0,1,3],"explanation":"数据完整性和可回溯性要求时间戳统一、存储可靠、上下文信息完整。A项：统一时间戳和传感器ID是数据对齐和溯源的基础。B项：定期校验写入错误率可及时发现存储损坏。D项：记录车辆状态和软件版本是复现测试条件的关键。C项：原始数据与处理后数据混存易造成版本混乱，不利于回溯。E项：手动修改时间戳会破坏数据原始性，违反可回溯原则。","tier":"进阶"},{"id":10,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿测试时，目标假人从遮挡车辆后方突然出现，测试员发现车辆制动时机明显晚于预期，此时最应先核查的测试条件是","options":["假人触发位置与预设横穿路径起点的偏差","测试场当天风速是否超过传感器标定阈值","车辆胎压是否处于厂家推荐范围","假人服装颜色是否与背景对比度不足"],"answer":[0],"explanation":"知识点：AEB测试中触发位置直接决定TTC计算，位置偏差会导致制动时机判断错误。A项正确，因为假人实际出现位置偏离预设起点会改变真实TTC，是首要核查项。B项风速主要影响毫米波雷达杂波与激光雷达点云，但通常不会让制动晚于预期。C项胎压影响制动距离但不会显著推迟感知触发时刻。D项颜色影响视觉识别置信度，但假人通常配有雷达反射特性，不是首选核查项。","tier":"挑战"},{"id":11,"type":"single","stem":"对同一段城市道路进行自动驾驶数据采集时，激光雷达点云出现规律性条纹缺失，而摄像头与毫米波雷达数据正常，最可能的原因是","options":["激光雷达与摄像头外参标定文件被误替换","激光雷达旋转电机转速与出厂标称值不一致","毫米波雷达同频干扰导致点云后处理丢帧","组合导航差分链路中断造成时间戳跳变"],"answer":[1],"explanation":"知识点：激光雷达点云规律性条纹缺失多与扫描机构转速异常或编码器同步问题相关。B项正确，转速与标称值不一致会造成扫描线分布异常，形成规律条纹。A项外参标定错误会影响融合结果，但不会造成点云本身缺失。C项毫米波雷达干扰不会直接导致激光雷达点云丢帧。D项时间戳跳变影响同步，不会产生空间条纹缺失。","tier":"基础"},{"id":12,"type":"single","stem":"在自动驾驶测试数据回放中，发现车辆在隧道出口处频繁出现误识别为前方有静止车辆，而实车复现时该现象消失，最应优先排查的环节是","options":["回放所用感知模型版本与实车不一致","隧道内照明色温与实车测试时不同","回放时未接入实车CAN信号导致车速为零","数据采集时组合导航未完成收敛"],"answer":[0],"explanation":"知识点：数据回放复现差异常源于模型版本或配置不一致。A项正确，回放模型版本与实车不一致会直接导致感知输出差异。B项照明色温影响图像但实车同场景应同样存在。C项车速为零可能影响预测模块，但不会造成静止车辆误检。D项组合导航未收敛影响定位，不直接造成隧道出口误检。","tier":"挑战"},{"id":13,"type":"single","stem":"智能网联汽车测试方案中，为验证车辆在低能见度条件下的感知鲁棒性，最合理的变量控制方式是","options":["在同一路段依次改变能见度并保持车速与光照一致","在不同路段分别设置不同能见度并允许车速自然变化","在同一路段同时改变能见度与车速以覆盖更多工况","在不同路段固定能见度但改变光照与车速组合"],"answer":[0],"explanation":"知识点：变量控制要求单因素变化。A项正确，同路段依次改变能见度并控制车速、光照一致，可隔离能见度影响。B项路段不同引入道路几何差异，无法归因。C项同时改变能见度与车速无法区分主因。D项固定能见度却改变光照与车速，无法验证能见度单独作用。","tier":"进阶"},{"id":14,"type":"single","stem":"自动驾驶测试车在开放道路进行数据采集时，组合导航系统输出出现位置跳变，但IMU与轮速数据正常，最可能的原因是","options":["RTK差分基站切换导致固定解短暂丢失","激光雷达与IMU外参标定值被修改","摄像头曝光时间设置过长导致图像模糊","毫米波雷达安装角度发生轻微偏移"],"answer":[0],"explanation":"知识点：组合导航位置跳变常见于差分固定解丢失或基站切换。A项正确，RTK固定解短暂丢失会使位置输出跳变，而IMU与轮速仍正常。B项外参标定影响融合但不会使位置突然跳变。C项曝光影响视觉感知，与组合导航位置输出无直接关系。D项雷达角度偏移影响目标检测，不改变组合导航位置。","tier":"基础"},{"id":15,"type":"single","stem":"在智能网联汽车测试中，对同一场景进行多次重复测试以评估感知一致性，最应关注的统计指标是","options":["目标检测框与真值之间的IoU均值及方差","车辆制动减速度的峰值大小","测试路段长度与总测试时长","数据采集设备的存储容量占用率"],"answer":[0],"explanation":"知识点：感知一致性评估关注重复测试下检测结果的稳定性。A项正确，IoU均值反映准确度，方差反映一致性。B项制动减速度属于控制执行指标，不反映感知一致性。C项路段长度与时长是测试规模参数。D项存储容量与感知一致性无关。","tier":"基础"},{"id":16,"type":"single","stem":"某测试车在夜间无路灯路段进行行人检测测试，发现近处行人检测正常而远处行人频繁漏检，最可能的原因是","options":["摄像头自动增益在暗环境下抬高噪声底限","毫米波雷达对静态行人RCS过低","激光雷达在夜间点云密度下降","组合导航夜间定位精度降低"],"answer":[0],"explanation":"知识点：夜间暗环境下摄像头自动增益会放大噪声，降低远处低对比度目标信噪比。A项正确，增益抬高噪声底限导致远处行人漏检。B项毫米波雷达对静态行人RCS确实低，但近处也应受影响，与近处正常不符。C项激光雷达夜间点云密度通常不下降。D项组合导航定位精度与行人检测漏检无直接因果。","tier":"进阶"},{"id":17,"type":"single","stem":"在自动驾驶测试数据标注中，发现同一段激光雷达点云被两名标注员分别标出不同数量的锥桶，最应先检查的标注规范条目是","options":["点云中目标最小可标注点数的阈值定义","标注员是否使用同一版本标注软件","标注任务分配是否按路段随机拆分","标注结果是否经过二次交叉复核"],"answer":[0],"explanation":"知识点：标注一致性差异常源于目标纳入阈值定义不清。A项正确，最小可标注点数阈值不明确会导致锥桶数量标注不一致。B项软件版本可能影响界面但不直接决定数量。C项任务拆分方式影响效率，不决定标注数量。D项交叉复核是质量控制手段，不是差异根源。","tier":"进阶"},{"id":18,"type":"single","stem":"测试车辆在通过收费站时，自动驾驶系统频繁退出并提示需要人工接管，回放数据显示感知与规划均正常，最应优先排查的模块是","options":["车辆定位模块在收费站顶棚遮挡下的输出状态","毫米波雷达在金属栏杆环境下的虚警率","摄像头在逆光条件下的曝光策略","规划模块在窄通道下的路径搜索算法"],"answer":[0],"explanation":"知识点：收费站顶棚遮挡易导致GNSS多径或失锁，定位状态异常会触发系统退出。A项正确，定位输出异常是系统退出的常见直接原因。B项雷达虚警影响感知但回放显示感知正常。C项逆光影响视觉，但回放感知正常。D项规划算法在窄通道可能保守，但回放规划正常。","tier":"基础"},{"id":19,"type":"single","stem":"在智能网联汽车测试中，需验证车辆对施工区锥桶引导线的跟随能力，测试方案中锥桶间距的设置应优先依据","options":["车辆最小转弯半径与感知有效检测距离","测试场最大允许车速与路面附着系数","锥桶颜色与路面标线的对比度","数据采集频率与存储带宽"],"answer":[0],"explanation":"知识点：锥桶间距需保证车辆能连续感知并规划出可行轨迹。A项正确，最小转弯半径决定轨迹可行性，感知有效距离决定提前发现。B项车速与附着影响制动，不直接决定间距。C项颜色对比影响识别但非间距主因。D项采集频率与带宽与间距设置无关。","tier":"基础"},{"id":20,"type":"single","stem":"自动驾驶测试车在雨天进行数据采集，发现激光雷达点云在远处出现大量噪点，而近处点云正常，最合理的处置是","options":["对远处点云按距离分段设置滤波阈值并记录天气标签","直接关闭激光雷达仅使用毫米波雷达与摄像头","提高激光雷达发射功率以穿透雨滴","降低车辆车速以减少雨滴相对运动"],"answer":[0],"explanation":"知识点：雨天远处激光点云噪点增多，需按距离分段滤波并保留天气标签用于后续训练。A项正确，分段滤波加天气标签是合理处置。B项关闭激光雷达会丢失关键数据，且天气场景正需多传感器。C项提高发射功率不能穿透雨滴，反而增加回波噪声。D项降速减少相对运动但无法消除雨滴噪点。","tier":"挑战"},{"id":21,"type":"multi","stem":"在智能网联汽车测试数据采集与故障分析中，以下哪些做法有助于定位感知模块的偶发漏检问题（多选）","options":["对漏检时刻前后多帧数据进行时间对齐并比对传感器原始输入","记录漏检发生时的车辆姿态、光照与天气等环境元数据","在漏检路段重复采集并统计漏检率随距离与角度的分布","仅保存漏检帧的最终感知输出以节省存储空间","将漏检样本直接并入训练集而不做场景归类"],"answer":[0,1,2],"explanation":"知识点：偶发漏检定位需要多帧对齐、环境元数据与重复统计。A项正确，多帧对齐可比对原始输入定位差异。B项正确，环境元数据帮助复现条件。C项正确，重复采集统计分布可量化漏检规律。D项错误，仅保存最终输出丢失原始输入，无法定位。E项错误，不做场景归类直接并入训练集无法针对性改进且可能引入噪声。","tier":"进阶"},{"id":22,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿试验时，目标假人从车辆左前侧突然弹出，测试员首先应确认的试验前提是","options":["假人触发时刻与车辆纵向距离已按试验大纲标定","车辆已切换至人工驾驶模式并由安全员接管","车载数据记录仪已开启且时间戳与场端同步","试验区域风速低于传感器标称工作上限"],"answer":[0],"explanation":"AEB试验的核心变量是触发时刻与纵向距离（TTC），必须按大纲标定，否则试验无效；B项AEB试验通常在自动驾驶或辅助驾驶模式下进行，人工接管反而偏离试验条件；C项数据记录仪同步是数据有效性前提，但不是AEB功能触发的前提；D项风速影响传感器但并非AEB试验成立的首要条件。","tier":"挑战"},{"id":23,"type":"single","stem":"智能网联汽车测试员在采集激光雷达点云时发现同一静止目标在连续帧中距离读数逐渐增大，最可能的原因是","options":["雷达安装支架发生机械松动导致外参漂移","点云运动畸变未做时间同步补偿","目标表面反射率低于雷达探测阈值","点云聚类算法将目标误分为两个簇"],"answer":[0],"explanation":"连续帧距离读数单调增大通常指向外参随振动漂移，属于机械安装问题；B项运动畸变表现为单帧内形状拉伸，不会造成跨帧距离持续增大；C项反射率低表现为点云缺失或稀疏，不是距离读数漂移；D项误分簇会导致目标分裂，不改变距离读数趋势。","tier":"进阶"},{"id":24,"type":"single","stem":"在自动驾驶测试车辆上开展CAN总线数据采集，测试员需要记录刹车踏板开度信号，应优先选择的采集方式是","options":["通过OBD接口读取整车CAN上的踏板开度报文","在踏板传感器信号线上并联高阻探头直接采样","通过摄像头拍摄仪表盘刹车指示灯状态","通过车载以太网抓取ADAS域控制器的输出指令"],"answer":[0],"explanation":"刹车踏板开度通常作为整车CAN报文广播，通过OBD读取是最直接且不干扰原车电路的方式；B项并联探头会引入负载并可能影响传感器信号，且不便于解析物理量；C项指示灯状态只有开关量，无法获得开度数值；D项域控制器输出指令不等于原始踏板开度，存在映射偏差。","tier":"进阶"},{"id":25,"type":"single","stem":"测试员在夜间城市道路场景采集前视摄像头数据时，发现画面中路灯区域出现大面积过曝，导致车道线识别率下降，最合理的处置是","options":["调整摄像头曝光策略并补充HDR模式重新采集","降低车辆行驶速度至20km/h以下重新采集","关闭摄像头自动增益并保持固定曝光时长","将采集时段改到白天以避开路灯干扰"],"answer":[0],"explanation":"过曝导致车道线丢失属于动态范围不足，应调整曝光策略并启用HDR以保留高光与暗部细节；B项降速不能解决过曝问题；C项固定曝光在夜间会顾此失彼，暗区更差；D项改时段回避了夜间场景，无法覆盖目标工况。","tier":"挑战"},{"id":26,"type":"single","stem":"智能网联汽车测试员在分析AEB误触发数据时，发现车辆在通过金属井盖上方时出现制动请求，最应优先排查的传感器是","options":["毫米波雷达","前视摄像头","超声波雷达","GNSS接收机"],"answer":[0],"explanation":"金属井盖对毫米波雷达回波强，易被误判为障碍物，是AEB误触发的典型来源；B项摄像头对井盖通常不产生距离误判；C项超声波雷达探测距离短，不用于AEB主目标检测；D项GNSS提供定位，不直接触发制动请求。","tier":"进阶"},{"id":27,"type":"single","stem":"在自动驾驶测试中，测试员需要评估车辆对施工锥桶的识别稳定性，下列哪项指标最能反映识别结果的时序一致性","options":["连续帧中锥桶检测框的IoU均值","单帧锥桶检测的置信度最大值","锥桶首次被检出的距离","锥桶检测的平均绝对误差"],"answer":[0],"explanation":"时序一致性关注跨帧检测结果的稳定性，IoU均值可衡量相邻帧检测框的重叠程度；B项置信度最大值只反映单帧最优情况；C项首次检出距离反映探测能力而非一致性；D项平均绝对误差通常用于回归量，不能直接反映检测框时序稳定。","tier":"基础"},{"id":28,"type":"single","stem":"在智能网联汽车测试中，针对V2X通信丢包率测试，测试员在固定路段反复行驶采集数据，下列哪种做法最能保证丢包率统计的有效性","options":["在同一路段以相同车速和相同发送周期多次往返采集","在不同路段各采集一次并取平均","在同一路段仅采集一次但延长采集时间","在不同时间段采集但合并所有路段数据"],"answer":[0],"explanation":"丢包率受车速、发送周期和路段环境影响，控制变量并多次往返可提高统计有效性；B项不同路段引入额外变量；C项单次长时间采集仍受单次环境波动影响；D项合并不同路段会掩盖路段差异。","tier":"进阶"},{"id":29,"type":"single","stem":"测试员在自动驾驶测试车辆上发现激光雷达与摄像头融合后的目标位置在纵向存在系统性偏差，最应先检查的环节是","options":["两传感器联合标定的外参矩阵","摄像头的白平衡参数","激光雷达的旋转频率","融合算法的目标跟踪门限"],"answer":[0],"explanation":"纵向系统性偏差通常源于外参标定不准，应先检查联合标定外参矩阵；B项白平衡影响颜色不影响几何位置；C项旋转频率影响点云密度而非系统偏差；D项跟踪门限影响关联成功率，不产生固定方向偏差。","tier":"进阶"},{"id":30,"type":"single","stem":"在测试自动驾驶车辆自动泊车功能时，测试员发现车辆在车位线模糊的地下车库无法完成泊入，但车位线清晰时正常，最可能的原因是","options":["视觉车位检测依赖清晰的车位线特征","超声波雷达在混凝土地面反射衰减过大","泊车路径规划算法未考虑地面坡度","车辆转向系统在低速时响应延迟"],"answer":[0],"explanation":"车位线清晰时正常、模糊时失败，说明检测环节依赖车位线视觉特征；B项超声波衰减会影响测距但不会因车位线清晰度改变；C项坡度问题与车位线清晰度无关；D项转向延迟在任何场景都会表现，不具选择性。","tier":"进阶"},{"id":31,"type":"single","stem":"测试员在采集自动驾驶车辆紧急制动数据时，需要同步记录制动踏板位移与减速度，为保证两路信号时间对齐，最可靠的做法是","options":["使用同一数据采集设备并采用统一硬件触发时基","分别用两台设备采集后按文件创建时间对齐","分别采集后按GPS秒脉冲对齐","分别采集后按人工打点标记对齐"],"answer":[0],"explanation":"同一采集设备统一硬件触发时基可保证两路信号采样时钟一致，时间对齐最可靠；B项文件创建时间精度低且受系统调度影响；C项GPS秒脉冲对齐精度受接收机抖动影响；D项人工打点误差大且不可重复。","tier":"进阶"},{"id":32,"type":"multi","stem":"在智能网联汽车开放道路测试中，测试员发现车辆频繁出现“幽灵刹车”，下列哪些排查方向是合理的","options":["检查毫米波雷达对金属护栏和井盖的回波是否被误判为障碍物","核查前视摄像头在隧道出入口的曝光切换是否产生虚假目标","确认融合算法是否将静止目标误关联为运动目标","检查制动执行器是否存在延迟导致误触发","核实测试员是否在测试中误触了接管按钮"],"answer":[0,1,2],"explanation":"幽灵刹车常见于雷达对强反射物的误检、摄像头曝光突变产生的虚假目标以及融合关联错误，A、B、C均为合理排查方向；D项执行器延迟只会影响制动响应时间，不会产生制动请求；E项误触接管按钮属于人为操作，不属于幽灵刹车的系统成因。","tier":"挑战"},{"id":33,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿试验时，目标假人应从车辆纵向中心线偏移多少距离横向穿出才符合常见测试规范要求","options":["从车辆中心线正前方0米处开始横穿","从车辆中心线偏移车辆半宽处开始横穿","从车辆中心线偏移3.5米车道边缘处开始横穿","从车辆中心线偏移5米路肩处开始横穿"],"answer":[0],"explanation":"知识点：AEB行人横穿试验中目标假人的起始位置。正确项对在目标假人应从车辆正前方纵向中心线上开始横穿，这样才能构成最典型的碰撞危险场景。错误项：偏移半宽会使假人从车侧出现，测试目标变成侧向识别；偏移3.5米使假人从相邻车道进入，属于相邻车道干扰场景；偏移5米属于路肩区域，不符合行人横穿典型工况。","tier":"进阶"},{"id":34,"type":"single","stem":"智能网联汽车测试中采集的CAN总线原始数据文件，若需要保证后续故障分析可追溯，最应优先记录以下哪项信息","options":["采集设备的品牌型号与固件版本","采集时刻的绝对时间戳与数据帧序号","采集人员的姓名与工作编号","采集现场的天气与光照条件"],"answer":[1],"explanation":"知识点：数据采集可追溯性的核心要素。正确项对在时间戳与帧序号是还原总线报文先后顺序、定位故障时刻的唯一依据。错误项：设备型号固件版本影响解析但无法定位时序；人员姓名属于管理信息，不解决时序还原；天气光照属于环境元数据，与CAN数据时序无直接关系。","tier":"基础"},{"id":35,"type":"single","stem":"在自动驾驶车辆路测中，激光雷达点云与摄像头图像的时间同步误差若达到80毫秒，最可能直接导致以下哪种后果","options":["点云与图像融合时目标位置出现明显错位","激光雷达测距精度下降一半","摄像头自动曝光频繁失败","组合导航定位漂移超过10米"],"answer":[0],"explanation":"知识点：多传感器时间同步对融合的影响。正确项对在80毫秒内车辆可能移动数米，融合时点云与图像的目标位置会产生明显错位。错误项：测距精度由激光雷达自身决定，与同步误差无关；曝光由摄像头内部算法控制，与同步无关；组合导航定位漂移主要受GNSS与IMU影响，非同步误差直接导致。","tier":"基础"},{"id":36,"type":"single","stem":"测试员在分析自动驾驶车辆一次非预期急刹数据时，发现AEB触发但毫米波雷达目标列表为空，下一步最合理的排查方向是","options":["直接判定为AEB误触发并提交软件缺陷","核查摄像头视觉目标是否被误识别为障碍物","重新标定毫米波雷达安装角度后复测","更换毫米波雷达硬件后重新采集数据"],"answer":[1],"explanation":"知识点：AEB多源触发逻辑的故障定位。正确项对在AEB可由视觉或雷达任一源触发，雷达列表为空时应先查视觉是否误识别。错误项：未排除视觉源就判定误触发不严谨；雷达列表为空不代表角度偏差；直接换硬件属于未定位先替换的错误做法。","tier":"挑战"},{"id":37,"type":"single","stem":"智能网联汽车测试方案中，针对自动泊车功能设计的测试用例，以下哪项最能覆盖“车位线被部分遮挡”这一边界场景","options":["在标准划线车位内进行垂直泊车测试","在车位线一侧被落叶覆盖的车位进行泊入测试","在无任何标线的空地尝试自动泊车","在相邻两车压线停放的车位进行泊入测试"],"answer":[1],"explanation":"知识点：自动泊车边界场景用例设计。正确项对在部分遮挡直接对应车位线识别不完整的边界条件。错误项：标准车位属于基础功能验证；无标线空地属于无车位场景，与部分遮挡不同；相邻车压线属于空间受限场景，非标线遮挡。","tier":"进阶"},{"id":38,"type":"single","stem":"在进行自动驾驶车辆数据回放分析时，若发现回放轨迹与实车轨迹在弯道处偏差逐渐增大，而直线段基本一致，最可能的原因是","options":["回放时使用的车辆运动学模型参数中轴距设置偏小","回放所用的IMU数据采样率低于实车记录值","回放时未加载实车的方向盘转角信号","回放所用地图的弯道曲率标注有误"],"answer":[0],"explanation":"知识点：轨迹回放中运动学模型参数对弯道的影响。正确项对在轴距偏小会使模型预测的转弯半径偏小，弯道累积偏差增大而直线段不受影响。错误项：采样率低会导致整体抖动而非仅弯道偏差；未加载转角信号会导致完全无法还原转向；地图曲率有误会同时影响弯道与直线段定位。","tier":"挑战"},{"id":39,"type":"single","stem":"智能网联汽车测试中，使用RTK差分定位时，若车辆驶入高楼密集区域后定位精度从厘米级骤降到米级，最合理的解释是","options":["RTK基站与车辆之间的差分数据链路中断","车辆IMU零偏在短时间内发生了显著变化","车载激光雷达的点云匹配出现累计误差","车载摄像头在阴影区域丢失车道线"],"answer":[0],"explanation":"知识点：RTK定位精度骤降的典型原因。正确项对在高楼遮挡下差分链路或卫星信号受遮挡导致RTK失锁，精度退化到米级。错误项：IMU零偏变化是缓慢过程，不会瞬间导致米级跳变；激光雷达点云误差影响感知不影响RTK解算；摄像头丢车道线与RTK定位精度无直接关系。","tier":"进阶"},{"id":40,"type":"single","stem":"在自动驾驶测试中记录到一段数据：车辆在绿灯路口停车等待超过30秒后仍不启动，此时最应优先核查的是","options":["交通信号灯识别模块输出的灯色与置信度","车辆纵向控制模块的油门标定参数","高精地图中该路口的停止线坐标","毫米波雷达对前方车辆的目标跟踪状态"],"answer":[0],"explanation":"知识点：绿灯不启动问题的排查顺序。正确项对在信号灯识别输出错误或置信度过低会直接导致车辆判定不可通行。错误项：油门标定影响加速响应不影响起步决策；停止线坐标错误会导致越线而非不启动；前方车辆跟踪在无前车时不是主因。","tier":"挑战"},{"id":41,"type":"single","stem":"测试员需要验证自动驾驶车辆在隧道出入口的感知鲁棒性，以下哪种测试设计最能复现“进出隧道瞬间光照突变”的影响","options":["在晴天正午于隧道口以恒定车速往返行驶并连续采集","在夜间关闭车灯驶入隧道并记录感知输出","在雨天于隧道内部进行静态感知标定","在阴天于隧道口停车后开启远光灯测试"],"answer":[0],"explanation":"知识点：隧道出入口光照突变场景的测试设计。正确项对在晴天正午明暗对比最强，往返行驶可连续采集进出瞬间的感知数据。错误项：夜间关灯无法复现强光到暗的突变；隧道内静态标定不涉及出入口光照；停车开远光属于对向眩光测试，非进出突变。","tier":"进阶"},{"id":42,"type":"single","stem":"在自动驾驶车辆道路测试中，安全员发现车辆在无保护左转时反复出现“犹豫—加速—急刹”的振荡行为，最恰当的下一步处置是","options":["立即接管并记录该场景数据后上报分析","继续观察直至车辆自行完成左转以收集完整数据","手动调整车辆决策模块的冲突消解阈值","将该路口从测试路线中永久移除"],"answer":[0],"explanation":"知识点：测试中出现决策振荡时的安全处置流程。正确项对在振荡行为存在安全风险，应立即接管并保留数据供后续分析。错误项：继续观察可能引发事故；现场手动改参数属于违规干预且破坏可追溯性；永久移除路线会丢失该关键场景的覆盖。","tier":"挑战"},{"id":43,"type":"single","stem":"某测试团队在夜间测试自动紧急制动时，发现车辆对横穿行人的制动距离明显大于白天，排查后最可能的原因是","options":["夜间摄像头对行人检测的召回率下降导致触发延迟","夜间路面温度降低使轮胎附着系数下降","夜间毫米波雷达对行人RCS回波增强","夜间车辆大灯使激光雷达点云密度上升"],"answer":[0],"explanation":"知识点：夜间AEB性能下降的感知原因。正确项对在夜间光照不足使视觉行人检测召回率下降，AEB触发变晚导致制动距离增大。错误项：温度对附着影响有限且非主因；RCS增强反而有利于检测；点云密度上升也有利于感知，均不解释制动距离增大。","tier":"挑战"},{"id":44,"type":"multi","stem":"在智能网联汽车测试数据采集环节，为保证后续故障分析的有效性，以下哪些做法是必要的","options":["同步记录车辆CAN总线、感知与定位等多源数据","为每段数据保存采集时的车辆状态与场景标签","仅保留触发故障前后各1分钟的数据以节省存储","在采集设备上使用统一时间基准进行时钟同步","将原始数据压缩后覆盖写入同一文件循环使用"],"answer":[0,1,3],"explanation":"知识点：测试数据采集的完整性要求。正确项：多源同步记录可还原故障全貌；保存状态与场景标签便于检索复现；统一时间基准是跨传感器对齐的前提。错误项：仅保留故障前后1分钟可能丢失故障诱因；循环覆盖同一文件会破坏原始数据不可篡改性与可追溯性。","tier":"进阶"},{"id":45,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从遮挡车辆后方突然出现，这种布置方式主要考查的是","options":["传感器对遮挡后突然出现目标的识别响应能力","车辆在直线路段保持车道的能力","驾驶员接管方向盘的平均反应时间","毫米波雷达对静止金属目标的测距精度"],"answer":[0],"explanation":"知识点是AEB测试场景设计中的'遮挡突然出现'要素，用于考查感知系统对视野盲区突现目标的识别与响应。车辆保持车道属于LKA测试内容，与AEB横穿场景无关；驾驶员接管反应时间属于人机共驾或接管测试，不是AEB自动制动场景的考查点；静止金属目标测距精度是雷达单项性能测试，不涉及行人突然横穿。","tier":"挑战"},{"id":46,"type":"single","stem":"采集智能网联汽车路测数据时，若CAN总线报文时间戳与激光雷达点云时间戳未做统一时钟同步，对后续故障分析造成的最直接影响是","options":["无法准确判断感知结果与车辆状态在时间上的对应关系","激光雷达点云的点数会明显少于正常采集时的点数","CAN报文的物理层电平会超出标准规定的范围","组合导航的卫星定位精度会下降到无法定位"],"answer":[0],"explanation":"知识点是多传感器数据采集中的时间同步。未统一时钟会使不同传感器数据在时间轴上错位，故障复现和因果分析时无法确认感知与车辆动作的先后对应。点云点数由激光雷达自身扫描决定，与时间戳同步无关；CAN电平是物理层电气特性，不受时间戳影响；卫星定位精度取决于天线、环境与算法，与数据时间戳同步无直接关系。","tier":"进阶"},{"id":47,"type":"single","stem":"对自动驾驶车辆进行故障分析时，发现某次急刹事件中AEB触发而驾驶员并未踩制动踏板，若要判断是真实危险触发还是误触发，最应优先核查的数据是","options":["事发前一段时间的目标检测置信度与相对距离变化曲线","事发后车辆的轮胎磨损程度与制动片厚度","事发当天测试场地的环境温度与风速记录","事发后驾驶员对本次事件的个人主观描述"],"answer":[0],"explanation":"知识点是AEB触发原因的数据回溯分析。判断真实危险还是误触发，核心是复现感知目标的存在性、置信度及与自车的相对运动趋势。轮胎磨损和制动片厚度是事后机械状态，不能说明触发原因；环境温度与风速通常不决定该次AEB逻辑是否应触发；驾驶员主观描述缺乏客观数据支撑，不能作为首要判据。","tier":"挑战"},{"id":48,"type":"single","stem":"在智能网联汽车测试方案中设计'跟车切入'场景时，前车从相邻车道切入本车道后随即减速，该场景主要考核的是","options":["自车对切入目标的识别时延与纵向跟车距离控制","自车对交通信号灯颜色的识别准确率","自车在弯道中保持横向居中行驶的能力","自车对路侧限速标志的读取与响应"],"answer":[0],"explanation":"知识点是跟车切入场景的考核目标。前车切入并减速，重点考查感知对切入目标的识别时延以及纵向控制能否保持安全跟车距离。信号灯颜色识别属于交通信号识别测试；弯道横向居中属于车道保持或横向控制测试；路侧限速标志读取属于标志识别测试，均与切入跟车场景的核心考核点不同。","tier":"进阶"},{"id":49,"type":"single","stem":"某测试车辆在开放道路测试中频繁出现'幽灵刹车'，回放数据发现毫米波雷达在空旷路段输出异常目标，而摄像头与激光雷达均未检出该目标，下一步最合理的处置是","options":["对毫米波雷达原始回波与目标跟踪逻辑进行单独排查","直接更换摄像头并重新标定外参","关闭激光雷达点云输出以降低融合干扰","提高AEB触发速度阈值以减少刹车次数"],"answer":[0],"explanation":"知识点是多传感器融合中的单传感器异常定位。摄像头与激光雷达均未检出而雷达单独输出目标，问题最可能在雷达回波或跟踪逻辑，应单独排查。更换摄像头与外参标定针对的是视觉问题，与本现象不符；关闭激光雷达点云会破坏融合输入，属于掩盖而非定位问题；提高触发阈值会降低安全裕度，不能解决异常目标来源。","tier":"挑战"},{"id":50,"type":"multi","stem":"在智能网联汽车测试数据采集与故障分析流程中，为保证后续能有效复现问题，下列做法中合理的有哪些","options":["记录测试场景配置与车辆软件版本信息","同步保存各传感器原始数据与融合后结果","为每次测试分配唯一标识并关联日志文件","仅保存触发故障时刻之后的数据片段","将不同次测试数据混在同一目录且不区分时间"],"answer":[0,1,2],"explanation":"知识点是测试数据采集的可复现性要求。记录场景配置与软件版本、同步保存原始与融合数据、给每次测试唯一标识并关联日志，都是保证可复现和可追溯的必要做法。仅保存故障时刻之后的数据会丢失事发前因，无法复现；不同次数据混放且不区分时间会造成数据归属混乱，均不利于问题复现。","tier":"挑战"},{"id":51,"type":"single","stem":"对自动驾驶车辆进行数据采集时，激光雷达点云与摄像头图像的时间戳对齐误差过大，最可能直接导致下列哪类问题","options":["组合导航的卫星定位精度下降","多传感器融合感知的目标关联出现错位","车辆CAN总线的报文丢失率上升","车载以太网的带宽占用率超标"],"answer":[1],"explanation":"知识点：多传感器时间同步对融合感知的影响。正确项对在点云和图像代表同一时刻的场景，时间戳不对齐会使同一目标在不同传感器中的位置无法正确关联。卫星定位精度由GNSS/IMU决定，与视觉时间戳无关；CAN报文丢失是总线负载或线束问题；以太网带宽是传输层指标，均不是时间对齐的直接后果。"},{"id":52,"type":"single","stem":"在智能网联汽车道路测试中，安全员发现车辆即将驶入施工封闭车道但规划模块未发起变道，此时安全员的首要处置动作是","options":["立即接管转向将车辆驶离封闭车道","先踩下制动踏板降低车速再判断后续操作","按下数据记录按钮保存当前场景数据","通过语音提示系统向车内乘客播报风险"],"answer":[1],"explanation":"知识点：测试安全员接管处置程序。正确项对在先制动降速可争取时间并降低碰撞能量，是接管的标准第一步。直接接管转向可能在高速下引发失稳或与相邻车道车辆冲突；记录数据是事后动作，不能消除当前风险；语音播报是辅助功能，不解决车辆运动控制问题。"},{"id":53,"type":"single","stem":"对自动驾驶感知模型进行实车数据回灌测试时，若发现模型在回灌中表现明显优于实车路测，最可能的原因是","options":["回灌数据的时间同步精度高于实车采集","回灌所用数据与模型训练数据存在场景重叠","实车路测时的传感器标定参数未正确加载","回灌服务器的GPU算力高于车端计算平台"],"answer":[1],"explanation":"知识点：数据回灌测试的有效性边界。正确项对在回灌数据若与训练集场景重叠，模型相当于见过答案，性能被高估。时间同步精度影响的是融合一致性，不是模型泛化表现；标定参数错误通常使实车和回灌都变差；GPU算力影响推理速度，不改变模型精度。"},{"id":54,"type":"single","stem":"在智能网联汽车测试方案中，为验证车辆在隧道出入口的感知稳定性，下列哪种测试用例设计最符合场景覆盖原则","options":["只在正午晴天条件下测试隧道入口","分别在晴天正午、阴天傍晚测试进出隧道双向","只在隧道出口方向测试并记录光照变化","在夜间无照明条件下测试隧道内部路段"],"answer":[1],"explanation":"知识点：场景覆盖的维度设计。正确项对在进出双向加不同光照条件，覆盖了隧道场景中光照突变和方向两个关键维度。只测入口或只测出口遗漏另一方向；只测正午晴天遗漏傍晚逆光等高风险光照；只测隧道内部不含出入口光照突变，偏离测试目的。"},{"id":55,"type":"single","stem":"自动驾驶车辆在测试中出现定位跳变，排查时发现GNSS信号良好但组合导航输出轨迹有瞬时偏移，下一步最应优先检查的是","options":["激光雷达与车体坐标系的标定外参","IMU与GNSS之间的时间同步与杆臂参数","摄像头曝光时间是否与环境光照匹配","规划模块的路径平滑滤波系数设置"],"answer":[1],"explanation":"知识点：组合导航定位跳变的故障定位。正确项对在GNSS良好而组合输出跳变，常见原因是IMU与GNSS时间不同步或杆臂（安装位置差）未正确补偿。激光雷达外参影响感知目标位置，不直接造成定位跳变；摄像头曝光影响图像质量；规划滤波只影响路径平滑，不改变定位源头。"},{"id":56,"type":"single","stem":"在智能网联汽车测试数据采集中，为分析一次误制动事件，最需要优先保证记录的数据是","options":["事发前若干秒的原始传感器数据与CAN报文","事发后车辆的维修保养记录","测试员对事发过程的口头回忆描述","车辆当天的累计行驶里程统计"],"answer":[0],"explanation":"知识点：事件数据采集的完整性要求。正确项对在误制动分析需要事发前的原始感知输入和车辆状态，才能复现触发逻辑。维修保养记录与本次事件无因果关系；口头回忆存在主观偏差且不可复现；累计里程是统计量，不含事件细节。"},{"id":57,"type":"single","stem":"对自动驾驶车辆进行换道功能测试时，下列哪项指标最能反映换道决策的安全裕度","options":["换道完成所需的总时间","换道过程中与目标车道后车的车头时距","换道时方向盘的最大转角","换道过程中车辆纵向加速度峰值"],"answer":[1],"explanation":"知识点：换道安全评价指标。正确项对在车头时距直接反映与后车的冲突风险，是安全裕度的核心度量。换道总时间反映效率；方向盘最大转角反映操控平顺性；纵向加速度峰值反映舒适性，三者均不直接度量与后车的安全距离。"},{"id":58,"type":"single","stem":"在智能网联汽车测试场进行V2X通信测试时，若车辆在路口未能收到路侧单元发送的信号灯相位信息，首先应排查的环节是","options":["车载OBU的发射功率是否设置过高","路侧RSU与OBU的通信频段及协议配置是否一致","车辆组合导航的定位精度是否达标","车载显示屏的界面刷新率是否正常"],"answer":[1],"explanation":"知识点：V2X通信链路故障排查。正确项对在收不到消息首先确认收发两端频段和协议栈配置匹配，这是链路建立的前提。发射功率过高会造成干扰但通常仍能收到；定位精度影响消息内容中的位置有效性，不影响接收；显示屏刷新率是显示层问题。"},{"id":59,"type":"single","stem":"测试自动驾驶车辆的自动泊车功能时，车位线被部分遮挡，车辆反复调整却无法入库，正确的测试记录方式应是","options":["判定该场景为失败并直接结束本次测试","记录遮挡比例、调整次数与最终结果作为边界场景数据","手动移开遮挡物后重新测试并记录成功结果","忽略遮挡因素只记录最终是否泊入成功"],"answer":[1],"explanation":"知识点：边界场景测试数据记录规范。正确项对在边界场景的价值在于记录系统能力边界，遮挡比例和调整次数是复现和归因的关键。直接判失败会丢失边界信息；移开遮挡物改变了测试条件，结果不可比；只记结果无法分析失败原因。"},{"id":60,"type":"single","stem":"在自动驾驶测试中评估感知模块的漏检率时，下列哪种统计口径最容易导致漏检率被低估","options":["将远距离小目标与近距离大目标合并统计","按目标类别分别统计漏检并加权汇总","以每帧为单位统计漏检目标数","将雨雾天气样本单独分层统计"],"answer":[0],"explanation":"知识点：感知性能统计口径的影响。正确项对在远距离小目标漏检率高，与近距离大目标合并后会被稀释，导致整体漏检率被低估。按类别分别统计再汇总更精细；按帧统计是常见口径；分层统计是为了暴露恶劣天气下的差异，不会低估。"},{"id":61,"type":"multi","stem":"在智能网联汽车测试数据采集系统中，下列哪些做法有助于保证采集数据在事后分析中的可追溯性","options":["为每段数据记录采集时的车辆软件版本号","为每段数据记录传感器标定参数与生效时间","采集时统一使用固定文件名不记录时间信息","将原始数据与处理后数据混存于同一目录","为每段数据记录测试场景编号与测试员信息"],"answer":[0,1,4],"explanation":"知识点：测试数据可追溯性要素。正确项对在软件版本、标定参数、场景编号与人员信息是复现和归因的必要元数据。固定文件名不带时间会导致无法定位数据对应时刻；原始与处理后数据混存会破坏数据血缘，两者都降低可追溯性。"},{"id":62,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从遮蔽车辆后方突然出现，测试员发现车辆制动触发时机明显晚于预期，首先应核查的测试输入是","options":["假人弹出速度与触发时刻是否与场景文件一致","车辆雷达对假人的反射截面积标定值","测试场当天风速对假人运动轨迹的影响","车载摄像头对假人服装颜色的识别置信度"],"answer":[0],"explanation":"知识点是AEB测试中场景执行一致性核查。AEB触发时机直接由目标出现时刻与相对运动速度决定，先核对场景文件与假人弹出参数是否一致，才能判断是车辆问题还是场景执行问题。B项雷达RCS标定影响探测距离但通常已在测试前完成且不会造成突然明显延迟；C项风速对地面假人轨迹影响有限且不是首要核查项；D项服装颜色主要影响分类置信度而非触发时机。"},{"id":63,"type":"single","stem":"对智能网联汽车进行数据采集时，需要同步记录摄像头、激光雷达和CAN总线数据，为保证多源数据时间对齐，工程上通常采用的做法是","options":["以各传感器本地时钟分别打时间戳后按帧率插值对齐","统一由车载域控制器提供PTP或gPTP时钟源进行硬件触发同步","以摄像头曝光时刻为基准，其余传感器按最近帧就近匹配","在数据回放阶段用软件按文件创建时间排序对齐"],"answer":[1],"explanation":"知识点是多传感器时间同步。硬件级PTP/gPTP统一时钟加触发同步可将各传感器时间戳误差控制在微秒级，是自动驾驶数据采集的常规方案。A项各传感器独立时钟会累积漂移，插值无法消除系统性偏差；C项就近匹配在高速场景下会产生数十毫秒错位；D项文件创建时间与采样时刻无关，不能用于对齐。"},{"id":64,"type":"single","stem":"自动驾驶测试车在开放道路采集数据时，组合导航系统输出的定位质量因子突然由固定解降为浮点解，但车辆仍在正常行驶，测试员正确的处置是","options":["立即靠边停车并重启组合导航系统","在数据记录中标记该时段并继续采集，同时记录周边环境","忽略该变化，因为浮点解仍可满足定位精度","将定位模式强制切换为仅惯导推算以维持输出"],"answer":[1],"explanation":"知识点是组合导航固定解与浮点解的含义及数据采集处置。浮点解精度下降但仍可用，正确做法是标记异常时段并记录环境以便后续筛选，而不是中断测试。A项重启会丢失连续数据且未必解决遮挡问题；C项浮点解精度通常为分米至米级，不能默认满足测试要求；D项纯惯导推算误差会随时间快速发散。"},{"id":65,"type":"single","stem":"在智能网联汽车测试中，需要评估感知算法对远距离小目标检测能力，设计测试用例时应优先控制的自变量是","options":["目标物与自车距离及目标物在图像中的像素高度","测试道路的曲率半径与路面附着系数","自车车速与横摆角速度的耦合关系","激光雷达点云密度与摄像头曝光时间"],"answer":[0],"explanation":"知识点是感知测试用例的自变量设计。评估远距离小目标检测，核心自变量是距离及由此决定的目标像素高度，其他因素应作为受控量。B项道路曲率与附着系数属于行驶工况变量，不是本项能力的主变量；C项横摆耦合影响的是运动学而非检测距离本身；D项传感器参数属于采集配置，不应在同一能力评估中作为自变量变化。"},{"id":66,"type":"single","stem":"智能网联汽车测试员在分析一次低速跟车场景的急刹数据时，发现AEB日志中目标ID在相邻两帧之间发生了跳变，最可能导致该现象的原因是","options":["毫米波雷达与摄像头融合时目标关联门限设置过严","CAN总线报文周期抖动导致目标ID重排","制动执行器响应延迟造成目标丢失","数据采集存储时文件分片写入导致帧序错乱"],"answer":[0],"explanation":"知识点是多传感器融合目标跟踪与数据关联。关联门限过严会使同一目标在相邻帧无法匹配而分配新ID，造成跳变。B项CAN周期抖动影响信号时序但不改变目标ID分配逻辑；C项执行器延迟属于控制链路，不直接影响感知层ID；D项文件分片影响存储顺序而非在线跟踪结果。"},{"id":67,"type":"single","stem":"在智能网联汽车测试方案中，为验证车辆对施工区域锥桶的绕行能力，场景设计里必须明确且不能省略的要素是","options":["锥桶的摆放间距、数量与车辆初始速度","测试驾驶员的安全驾龄与培训记录","测试场地的土壤类型与排水条件","车辆OTA升级的历史版本号"],"answer":[0],"explanation":"知识点是绕行场景测试方案要素。锥桶间距、数量决定可通行空间，初始速度决定绕行轨迹与时机，是场景可复现的关键要素。B项驾驶员资质属于测试组织要求但不属于场景要素；C项土壤排水与绕行能力验证无直接关系；D项OTA版本影响软件逻辑但不属于场景设计必须明确的要素。"},{"id":68,"type":"single","stem":"测试员在分析自动泊车数据时发现车辆多次在车位线模糊区域泊入偏移，查阅感知日志显示车位角点检测置信度在0.4至0.5之间波动，合理的改进验证方向是","options":["增加车位线清晰场景的样本以提升整体置信度阈值","引入超声波雷达与视觉融合以补偿模糊区域角点检测","提高泊车路径规划的最大曲率限制","降低车辆低速行驶时的转向电机响应速度"],"answer":[1],"explanation":"知识点是自动泊车感知融合与模糊场景处理。视觉角点置信度低时，引入超声波雷达测距可补偿模糊区域，是常见工程方案。A项增加清晰样本不能解决模糊区域泛化；C项最大曲率限制影响路径可行性而非感知精度；D项转向响应速度属于控制参数，不解决角点检测问题。"},{"id":69,"type":"single","stem":"智能网联汽车在隧道内行驶时GNSS信号丢失，测试员发现车辆定位出现明显横向漂移，此时评价定位模块表现的合理依据是","options":["惯导与轮速里程计组合推算的累计误差是否在允许范围内","GNSS失锁瞬间的卫星数量是否大于12颗","隧道内照明条件对摄像头车道线识别的影响","车辆是否在失锁前完成了地图匹配"],"answer":[0],"explanation":"知识点是GNSS失锁下的定位降级与评价。隧道内定位主要依靠惯导与轮速里程计组合推算，评价其累计误差是否满足要求是合理依据。B项卫星数量是失锁前状态，不能评价失锁后表现；C项照明影响的是视觉车道线而非定位模块本身；D项地图匹配在失锁前完成不能解释失锁后的漂移。"},{"id":70,"type":"single","stem":"在智能网联汽车测试数据采集中，需要记录车辆CAN信号用于故障复现，关于采样与存储的做法正确的是","options":["按信号变化边沿触发记录以节省存储空间","以固定周期轮询并记录原始报文与时间戳","仅记录故障码出现前后各一秒的片段","将CAN信号降采样到1Hz后与视频合并存储"],"answer":[1],"explanation":"知识点是CAN数据采集与故障复现要求。故障复现需要完整原始报文与精确时间戳，固定周期记录可保留完整时序。A项边沿触发会丢失稳态信息且难以还原总线负载；C项仅记录故障前后片段会遗漏故障酝酿过程；D项降采样到1Hz会丢失关键报文，无法复现控制时序。"},{"id":71,"type":"single","stem":"测试员在开放道路测试中遇到车辆突然退出自动驾驶并提示接管，回放数据显示感知与规划模块均正常，最应优先检查的环节是","options":["自动驾驶系统与底盘执行器之间的握手信号与使能条件","激光雷达点云在退出前是否出现丢帧","规划模块的轨迹点密度是否满足控制要求","高精地图是否在退出点附近存在版本更新"],"answer":[0],"explanation":"知识点是自动驾驶退出故障的链路排查。感知规划正常却退出，常见原因是执行器握手信号或使能条件不满足。B项点云丢帧会先在感知输出上体现；C项轨迹点密度影响控制平滑性而非退出逻辑；D项地图版本更新可能影响规划但通常表现为规划异常而非直接退出。"},{"id":72,"type":"multi","stem":"智能网联汽车测试方案中，为评估车辆在雨天场景下的感知鲁棒性，下列哪些措施属于合理的数据采集与验证设计","options":["在可控淋雨环境中按不同雨强分级采集多传感器数据","记录雨刷工作状态与摄像头曝光参数的联动关系","仅在自然降雨天气下等待合适雨量进行采集","对同一场景在干湿两种路面条件下重复采集对照","将雨天数据与晴天数据混合训练后直接评价鲁棒性"],"answer":[0,1,3],"explanation":"知识点是雨天感知鲁棒性测试设计。可控淋雨分级、记录雨刷与曝光联动、干湿对照重复采集都是合理设计。C项仅依赖自然降雨无法保证雨强可控与可复现；E项混合训练后直接评价会混淆训练与测试边界，无法单独评估雨天鲁棒性。"},{"id":73,"type":"single","stem":"在智能网联汽车封闭测试场进行自动紧急制动系统测试时，目标假车与测试车辆之间的相对位置应优先使用哪种设备进行高精度同步记录","options":["测试车辆上的组合惯导系统","测试场地的路侧毫米波雷达","目标假车内置的GPS模块","测试场地的视频监控系统"],"answer":[0],"explanation":"知识点是AEB测试中主车运动数据的采集来源。组合惯导可提供主车厘米级定位与姿态，是测试主车运动轨迹的标准设备。路侧毫米波雷达精度和刷新率不足以作为主车位置基准；目标假车GPS只能记录假车位置且精度低；视频监控无法提供厘米级同步数据。"},{"id":74,"type":"single","stem":"对智能网联汽车进行数据采集时，若需要记录CAN总线上的原始报文并包含时间戳，应选用以下哪种工具","options":["CAN总线分析仪配合记录软件","OBD诊断仪读取故障码","万用表测量总线电压","示波器抓取单路波形"],"answer":[0],"explanation":"知识点是CAN总线原始数据采集。CAN总线分析仪可监听并记录带时间戳的原始报文，是采集CAN数据的标准工具。OBD诊断仪只能读取标准故障码和部分PID；万用表只能测电压；示波器只能看单路电平波形，无法解析报文。"},{"id":75,"type":"single","stem":"在自动驾驶数据回放分析中，若发现感知模块输出的目标ID在连续帧间频繁跳变，最可能的原因是","options":["目标跟踪算法中的ID关联逻辑不稳定","激光雷达点云密度设置过高","组合惯导的定位精度达到厘米级","车辆CAN总线负载率低于30%"],"answer":[0],"explanation":"知识点是感知跟踪模块的ID跳变故障定位。目标ID频繁跳变通常是跟踪算法中数据关联或匹配逻辑不稳定导致。点云密度过高不会导致ID跳变；定位精度高是正常状态；CAN负载率低与感知ID跳变无直接关系。"},{"id":76,"type":"single","stem":"智能网联汽车测试方案中，为验证车辆在雨雾天气下感知系统的可靠性，以下哪种测试设计最合理","options":["在封闭场地用喷淋系统模拟不同降雨强度并同步采集感知数据","仅在自然降雨天气下进行实车道路测试","在晴天用软件注入雨雾噪声到感知输入","在实验室用台架模拟传感器信号衰减"],"answer":[0],"explanation":"知识点是环境适应性测试方案设计。封闭场地喷淋可控制降雨强度并重复采集，兼顾可控性与真实性。仅靠自然降雨不可控且不可重复；纯软件注入噪声不能验证真实传感器在雨雾中的物理衰减；台架模拟缺少真实场景综合影响。"},{"id":77,"type":"single","stem":"在自动驾驶测试数据中，若发现车辆在隧道出口处频繁出现车道保持功能退出，最应优先分析的是","options":["隧道出口光照突变对摄像头成像的影响","隧道内GPS信号丢失的持续时间","车辆在隧道内的平均车速","隧道出口处的路面坡度值"],"answer":[0],"explanation":"知识点是车道保持功能在光照突变场景下的失效分析。隧道出口强光突变会使摄像头过曝或致盲，导致车道线识别失败。GPS丢失影响定位但不直接导致车道保持退出；平均车速和坡度不是该现象的首要原因。"},{"id":78,"type":"single","stem":"在智能网联汽车测试中，采集激光雷达点云数据时发现点云在特定角度出现固定缺失，最可能的原因是","options":["激光雷达该角度被车体或支架遮挡","激光雷达的IP地址配置错误","采集电脑的硬盘剩余空间不足","点云数据的时间戳格式不统一"],"answer":[0],"explanation":"知识点是激光雷达点云缺失的故障定位。固定角度缺失通常是机械遮挡导致。IP配置错误会导致无法通信而非固定角度缺失；硬盘空间不足影响存储但不改变点云角度分布；时间戳格式问题不影响点云空间完整性。"},{"id":79,"type":"single","stem":"某测试车辆在跟车场景中频繁出现急刹，回放数据显示前车减速时本车TTC计算值异常偏小，最可能的问题是","options":["本车对前车相对速度的估计偏大","本车雷达安装高度偏低","前车尾部反光率过高","测试道路的限速值设置偏低"],"answer":[0],"explanation":"知识点是TTC计算异常的故障分析。TTC=相对距离/相对速度，相对速度估计偏大会使TTC偏小从而触发急刹。雷达安装高度偏低主要影响探测角度；前车反光率过高可能造成雷达误检但不会直接使相对速度偏大；道路限速值与TTC计算无关。"},{"id":80,"type":"single","stem":"在智能网联汽车道路测试中，车辆经过大型金属广告牌附近时GPS定位出现跳变，以下哪种处置最合理","options":["记录该场景并融合惯导与轮速里程计数据进行定位补偿","立即关闭GPS并仅依靠摄像头进行定位","将车辆停在广告牌下等待GPS恢复","提高GPS模块的更新频率至100Hz"],"answer":[0],"explanation":"知识点是多源定位在GPS受干扰时的处置。金属广告牌造成多径干扰，应记录场景并用惯导与轮速里程计融合补偿。仅靠摄像头定位可靠性不足；停在广告牌下不会解决多径；提高更新频率不能消除多径误差。"},{"id":81,"type":"multi","stem":"在智能网联汽车测试数据采集方案中，以下哪些措施有助于保证多传感器数据的时间一致性","options":["使用统一时钟源对传感器进行授时","在数据记录时为每帧数据打上硬件时间戳","将不同传感器数据先分别存储再按文件创建时间对齐","采用PTP协议同步车载以太网传感器","在采集软件中设置固定延时对雷达数据做偏移补偿"],"answer":[0,1,3],"explanation":"知识点是多传感器时间同步方法。统一时钟源授时、硬件时间戳、PTP协议都是保证时间一致性的正确手段。按文件创建时间对齐精度低且不可靠；固定延时补偿无法适应动态变化的延迟，不能保证一致性。"},{"id":82,"type":"single","stem":"智能网联汽车测试中，为验证车辆在隧道内失去GNSS信号后的定位连续性，最合理的测试方案设计是","options":["在隧道入口前开启组合导航并记录进入隧道后里程计与IMU的推算轨迹偏差","在隧道内临时加装GNSS信号转发器使定位模块始终有星历可用","在隧道出口处停车等待定位模块重新收敛后再继续测试","将测试车驶入隧道后在路侧架设UWB基站替代卫星定位"],"answer":[0],"explanation":"知识点是GNSS拒止环境下的定位连续性验证。A项正确，因为组合导航测试的核心就是记录卫星失锁后航位推算的漂移量。B项错在转发器会伪造卫星信号，无法反映真实失锁场景；C项错在停车等待收敛不能验证行驶过程中的连续性；D项错在UWB基站属于额外增强手段，不能替代对车载组合导航自身性能的考核。"},{"id":83,"type":"single","stem":"对自动驾驶车辆进行数据采集时，摄像头、激光雷达和CAN总线数据的时间戳同步误差应优先通过什么方式消除","options":["以激光雷达的硬件触发脉冲作为主时钟源对齐各路数据","以工控机操作系统时间为基准统一给所有数据打时间戳","在每路数据采集后由软件根据缓存队列顺序重新排序","以CAN总线报文中的整车时间为基准反推传感器时刻"],"answer":[0],"explanation":"知识点是多传感器时间同步。A项正确，因为激光雷达的硬件触发脉冲抖动最小，适合作主时钟源。B项错在操作系统时间受调度和中断影响，抖动大；C项错在缓存队列只解决顺序不解决时刻偏差；D项错在整车时间频率低且不连续，无法对齐高频传感器。"},{"id":84,"type":"single","stem":"在智能网联汽车测试中，发现毫米波雷达在金属井盖上方出现持续虚假目标，最恰当的初步排查方向是","options":["检查雷达安装俯仰角是否因振动偏离标定值导致多径反射增强","降低雷达发射功率以减小地面回波强度","在井盖表面喷涂吸波材料后重新测试","将雷达工作频段切换到另一频点避开井盖反射"],"answer":[0],"explanation":"知识点是毫米波雷达虚假目标的多径与安装角度分析。A项正确，因为俯仰角偏移会增强地面多径，是常见根因。B项错在降功率会同时削弱真实目标探测；C项错在改变环境不是车辆测试应做的排查；D项错在频点切换需重新标定，且不解决安装问题。"},{"id":85,"type":"single","stem":"对自动紧急制动系统进行场地测试时，目标假车被撞后出现横摆，最可能影响测试有效性的因素是","options":["假车牵引系统在碰撞瞬间未及时脱开导致拖拽力不对称","测试车辆制动管路压力不足导致制动力偏小","目标假车表面反射特性与真实车辆差异过大","场地路面附着系数低于试验规范要求"],"answer":[0],"explanation":"知识点是AEB场地测试中目标物牵引系统的干扰。A项正确，因为牵引绳未脱开会给假车附加不对称拖拽，造成横摆。B项错在制动压力不足影响的是本车减速度而非假车姿态；C项错在反射特性影响的是感知识别距离；D项错在路面附着影响制动距离，不直接造成假车横摆。"},{"id":86,"type":"single","stem":"智能网联汽车测试数据回放时，发现同一段场景在仿真环境中车辆频繁急刹，而实车未出现，首先应核对","options":["仿真所用感知输入是否与实车记录的目标位置和速度一致","仿真车辆的制动执行器响应延迟是否设置得比实车更小","仿真场景中的路面附着系数是否设置得比实车更高","仿真软件的渲染帧率是否低于实车摄像头帧率"],"answer":[0],"explanation":"知识点是仿真与实车一致性排查。A项正确，因为感知输入不一致会直接导致决策差异。B项错在响应延迟更小一般使制动更晚而非更早；C项错在附着更高会减少急刹；D项错在渲染帧率影响画面不影响目标级输入。"},{"id":87,"type":"single","stem":"在采集自动驾驶车辆CAN总线数据用于故障分析时，发现某报文周期由20ms变为随机抖动，最可能的原因是","options":["该报文发送节点出现总线负载过高或软件任务调度异常","CAN总线终端电阻由120欧姆变为60欧姆","采集设备的采样率设置高于报文发送频率","整车低压蓄电池电压略低于标称值"],"answer":[0],"explanation":"知识点是CAN报文周期抖动的故障定位。A项正确，因为负载过高或调度异常会破坏周期稳定性。B项错在终端电阻错误通常引起通信错误帧或反射，而非周期抖动；C项错在采集采样率不影响报文自身发送周期；D项错在电压略低一般不影响正常节点周期。"},{"id":88,"type":"single","stem":"对车道保持系统进行测试时，车辆在弯道内侧标线磨损路段频繁退出，正确的处置是","options":["记录退出点并采集该路段标线图像，分析感知置信度阈值是否过高","直接降低车道保持的转向力矩上限以延长系统工作时间","将测试路线改为标线清晰路段后重新统计退出率","提高摄像头曝光时间以增强磨损标线的对比度"],"answer":[0],"explanation":"知识点是车道保持功能边界测试与数据分析。A项正确，因为应先定位感知置信度与标线质量的关系。B项错在降低力矩不解决识别问题；C项错在更换路线会掩盖边界问题；D项错在提高曝光在强光下会过曝，且不解决磨损本质。"},{"id":89,"type":"single","stem":"对自动驾驶域控制器进行故障注入测试时，模拟摄像头丢帧最合理的注入位置是","options":["在摄像头与域控制器之间的链路层按设定概率丢弃数据帧","在域控制器应用层随机丢弃已解析的目标列表","在摄像头内部图像信号处理器中关闭坏点校正","在整车CAN总线上周期性发送错误帧"],"answer":[0],"explanation":"知识点是故障注入的层级选择。A项正确，因为链路层丢帧最接近真实摄像头链路故障。B项错在应用层丢目标列表属于感知后处理，不是摄像头丢帧；C项错在坏点校正关闭不产生丢帧；D项错在CAN错误帧影响的是总线通信而非摄像头链路。"},{"id":90,"type":"multi","stem":"在智能网联汽车测试数据采集与故障分析中，下列哪些做法有助于提高问题复现率","options":["完整记录传感器原始数据与整车总线数据并保持时间同步","为每次测试建立包含场景、参数和软件版本的测试记录","仅保存故障发生前5秒的截断数据以节省存储","在复现时尽量保持与首次测试相同的环境与驾驶操作","将多次不同版本的数据混合统计以扩大样本量"],"answer":[0,1,3],"explanation":"知识点是问题复现的数据与过程管理。A项正确，原始数据加同步是复现基础；B项正确，完整记录便于追溯变量；D项正确，控制环境与操作可提高复现率。C项错在截断数据可能丢失故障前因；E项错在混合版本会引入混杂，降低可复现性。"},{"id":91,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB（自动紧急制动）功能测试时，目标假车与测试车之间的初始距离应如何设定才能保证有效触发且不产生碰撞风险？","options":["根据测试车最高车速计算制动距离后乘以1.5倍安全系数设定","统一设定为100米以确保所有车速下均能触发","由测试员在测试开始前目视估计并手动标记","根据目标假车的宽度和颜色对比度动态调整"],"answer":[0],"explanation":"AEB测试中初始距离需根据测试车速对应的制动距离加安全余量计算，乘以1.5倍安全系数是行业通行做法，既能保证系统有时间响应又留有安全裕度。选项B统一100米不适用于低速或高速场景，可能过近或过远；选项C目视估计无法保证可重复性和安全性；选项D假车宽度和颜色与初始距离设定无关，属于无关参数。"},{"id":92,"type":"single","stem":"智能网联汽车测试中，当毫米波雷达在雨雾天气下出现大量虚警目标时，测试员首先应排查的环节是？","options":["检查雷达安装角度是否因振动发生偏移","更换更高频率的雷达传感器模块","降低车辆CAN总线的通信波特率","关闭雷达数据融合模块单独测试摄像头"],"answer":[0],"explanation":"雨雾天气虚警增多时，首先应确认雷达安装角度是否偏移，因为角度偏差会导致杂波反射被误判为目标，这是最常见的可排查原因。选项B更换传感器模块属于最后手段而非首要排查步骤；选项C降低CAN波特率与雷达虚警无直接关系；选项D关闭融合模块单独测试摄像头不能解释雷达虚警问题。"},{"id":93,"type":"single","stem":"在自动驾驶数据采集过程中，发现激光雷达点云与摄像头图像的时间戳偏差持续超过50毫秒，最可能导致的下游问题是？","options":["多传感器融合时目标位置出现重影或漂移","激光雷达的测距精度下降至厘米级以下","摄像头自动曝光策略失效导致图像过暗","组合导航系统的航向角输出出现累积误差"],"answer":[0],"explanation":"激光雷达与摄像头时间戳偏差过大会导致融合算法将不同时刻的目标位置关联到同一帧，产生重影或漂移。选项B测距精度由激光雷达自身硬件决定，与时间戳同步无关；选项C自动曝光由摄像头内部算法控制，不受时间戳偏差影响；选项D组合导航航向角误差与IMU和GNSS相关，与视觉-激光时间同步无直接因果。"},{"id":94,"type":"single","stem":"智能网联汽车道路测试中，安全员发现车辆在通过无标线交叉路口时频繁出现方向盘小幅抖动，最合理的初步分析方向是？","options":["检查横纵向控制模块的决策输出是否存在频繁切换","检查轮胎气压是否低于标准值导致转向阻力变化","检查车载娱乐系统是否占用了过多计算资源","检查雨刮器电机是否对转向系统产生电磁干扰"],"answer":[0],"explanation":"无标线路口方向盘抖动通常源于感知或决策模块在路径选择上频繁切换，导致控制输出震荡。选项B轮胎气压影响的是转向手感和油耗，不会在特定场景下频繁抖动；选项C娱乐系统占用资源可能影响整体性能但不会精确表现为路口抖动；选项D雨刮器电机电磁干扰属于极端偶发情况，不是该场景的合理首要排查方向。"},{"id":95,"type":"single","stem":"在智能网联汽车测试方案中，为验证车辆对“前方车辆突然切出”场景的响应能力，测试用例设计时应重点控制哪个变量？","options":["切出车辆的速度和切出时机相对于测试车的TTC值","测试车所在车道的路面附着系数和坡度","测试场地周围基站的数量和通信频段","测试车车载摄像头的分辨率和帧率"],"answer":[0],"explanation":"前方车辆突然切出场景的核心变量是切出车辆的横向速度、切出时刻以及两车之间的碰撞时间（TTC），这直接决定测试车是否有足够时间响应。选项B路面附着系数和坡度影响制动效果但不是该场景的核心控制变量；选项C基站数量和频段与V2X通信相关，与切出场景无关；选项D摄像头参数是固定配置，不作为场景变量控制。"},{"id":96,"type":"single","stem":"智能网联汽车测试员在分析一段城市道路测试数据时，发现车辆在绿灯亮起后延迟约2秒才起步，最可能的数据异常来源是？","options":["感知模块对交通灯状态的识别结果存在帧间跳变","车辆定位模块的RTK差分信号出现短暂中断","毫米波雷达对前方静止车辆的漏检","车载屏幕的渲染帧率低于30帧每秒"],"answer":[0],"explanation":"绿灯亮起后延迟起步通常是因为感知模块对交通灯状态的识别在红绿之间出现帧间跳变，决策模块需要多帧确认才执行起步。选项B定位中断影响的是位置精度，不会专门导致起步延迟；选项C前方静止车辆漏检会影响跟车或避撞，与绿灯起步无关；选项D屏幕渲染帧率影响人机交互显示，不影响车辆控制决策。"},{"id":97,"type":"single","stem":"在进行智能网联汽车数据回放分析时，发现同一段路测数据中车辆轨迹在某个弯道处出现不自然的折线跳变，首先应检查的是？","options":["定位数据中该时段是否存在卫星信号遮挡或跳变","车辆的轮胎磨损程度是否导致里程计误差累积","数据回放软件的版本是否支持该车型的协议","测试员在采集时是否误触了紧急停车按钮"],"answer":[0],"explanation":"弯道处轨迹折线跳变最常见的原因是定位信号在该路段被遮挡或出现多路径效应导致位置跳变。选项B轮胎磨损影响里程计精度是缓慢累积误差，不会产生突变折线；选项C回放软件版本影响的是数据能否正确解析，不会只在弯道处出现跳变；选项D紧急停车按钮触发会产生明确的停车事件而非轨迹折线。"},{"id":98,"type":"single","stem":"智能网联汽车测试中，用于评估感知算法在夜间场景下行人检测能力的指标，以下哪个最能反映漏检风险？","options":["夜间行人检测的召回率","夜间行人检测的平均精度均值","夜间行人检测的推理耗时","夜间行人检测的边界框回归损失"],"answer":[0],"explanation":"召回率反映所有真实行人中被正确检测出的比例，召回率低直接意味着漏检风险高。选项B平均精度均值综合了精确率和召回率，不能单独反映漏检；选项C推理耗时衡量速度而非检测完整性；选项D边界框回归损失衡量定位精度，与是否漏检无直接对应关系。"},{"id":99,"type":"single","stem":"智能网联汽车测试员在标定多传感器外参时，发现激光雷达与组合导航之间的外参标定结果在每次重新标定后差异较大，最可能的原因是？","options":["标定场地内存在大量动态目标干扰了特征匹配","组合导航的IMU零偏未经过充分预热和补偿","激光雷达的点云输出频率设置过高","标定软件使用的坐标系定义与车辆不一致"],"answer":[1],"explanation":"IMU零偏在未充分预热和补偿时会导致姿态角输出不稳定，从而使每次标定得到的激光雷达-组合导航外参不一致。选项A动态目标干扰会影响特征匹配，但通常可以通过滤波处理，不是导致每次差异大的主因；选项C点云频率过高影响数据量但不直接导致外参标定结果波动；选项D坐标系定义不一致会导致系统性偏差而非每次随机差异。"},{"id":100,"type":"single","stem":"在智能网联汽车测试中，车辆在隧道内行驶时GNSS信号丢失，此时组合导航系统主要依靠什么维持定位输出？","options":["IMU和轮速计进行航位推算","激光雷达与高精地图进行匹配定位","摄像头识别隧道壁面纹理进行定位","V2X路侧单元发送的定位修正信息"],"answer":[0],"explanation":"GNSS信号丢失时，组合导航系统切换到惯性导航模式，依靠IMU和轮速计进行航位推算来维持短时定位输出。选项B激光雷达与高精地图匹配是另一种定位方式，但不是组合导航系统在GNSS丢失时的默认切换策略；选项C隧道壁面纹理重复且缺乏特征，不适用于稳定定位；选项D隧道内通常没有V2X路侧单元覆盖，且V2X定位修正不能替代GNSS。"},{"id":101,"type":"single","stem":"智能网联汽车测试员在分析一起低速跟车场景的异常制动数据时，发现AEB在无碰撞风险时触发，回放数据显示毫米波雷达探测到一个静止金属井盖，最合理的解释是？","options":["雷达将井盖的强反射回波误判为车辆目标","摄像头将井盖阴影识别为行人","激光雷达将井盖点云聚类为车辆","超声波雷达将井盖回波识别为障碍物"],"answer":[0],"explanation":"毫米波雷达对金属物体反射强烈，静止金属井盖可能产生类似车辆的强回波，若雷达的目标分类逻辑不完善，容易将其误判为车辆目标从而触发AEB。选项B摄像头识别阴影为行人与金属井盖无关；选项C激光雷达点云聚类通常能区分井盖和车辆的三维形状；选项D超声波雷达探测距离短，主要用于泊车场景，不参与高速AEB触发。"},{"id":102,"type":"single","stem":"对智能网联汽车进行封闭场地测试时，若需验证车辆在低附着路面下的制动稳定性，以下哪项测试条件设置最为合理","options":["在干燥沥青路面上以80km/h实施紧急制动","在洒水后的玄武岩砖路面上以60km/h实施紧急制动","在压实雪面上以100km/h实施紧急制动","在湿滑环氧地坪上以30km/h实施点刹"],"answer":[1],"explanation":"知识点是低附着路面制动测试的条件设计。玄武岩砖洒水后附着系数稳定在0.3左右，是行业常用的低附路面模拟方式，60km/h在安全可控范围内。干燥沥青附着系数过高，无法体现低附工况；压实雪面附着系数过低且100km/h超出封闭场地常规安全限速；环氧地坪湿滑但30km/h点刹无法有效考核制动稳定性。"},{"id":103,"type":"single","stem":"在自动驾驶数据采集过程中，激光雷达点云与摄像头图像的时间同步误差应优先通过哪种方式控制","options":["在每帧数据中记录各自采集时刻的绝对时间戳","将激光雷达帧率强制设置为与摄像头帧率相同","对摄像头图像进行插值以匹配激光雷达帧时刻","在数据回放时按文件创建时间对齐两路数据"],"answer":[0],"explanation":"知识点是多传感器时间同步。记录各传感器采集时刻的绝对时间戳（通常为GPS/PTP授时）是事后对齐和实时融合的基础。强制帧率相同不能消除触发时刻的相位差；图像插值只能改变图像序列，无法解决雷达侧时刻偏差；按文件创建时间对齐精度极低，文件写入时刻与采集时刻无关。"},{"id":104,"type":"single","stem":"智能网联汽车测试报告中的故障分析章节，对某一感知失效事件进行根因定位时，以下哪项做法符合测试数据分析规范","options":["直接引用驾驶员口述作为失效原因结论","将同类失效事件合并统计后推断共性原因","仅凭单次失效的最后一帧数据判定原因","以仿真复现结果替代实车数据作为依据"],"answer":[1],"explanation":"知识点是故障根因分析方法。对同类失效事件合并统计可排除偶发噪声，发现共性触发条件，是规范的根因分析路径。驾驶员口述主观性强不能作为技术结论；仅凭最后一帧无法还原失效过程；仿真复现可作为辅助验证，但不能替代实车数据作为根因依据。"},{"id":105,"type":"single","stem":"在智能网联汽车测试方案中设计危险场景用例时，以下哪种做法最能保证用例的可复现性","options":["由测试员根据经验临场摆放锥桶和假车","固定场景要素的初始位置与触发条件参数","每次测试前重新随机生成障碍物运动轨迹","依靠被测车辆自身感知结果动态调整场景"],"answer":[1],"explanation":"知识点是测试用例可复现性设计。固定场景要素初始位置和触发条件参数，才能保证不同轮次测试输入一致，结果可对比。临场摆放引入人为差异；随机生成轨迹使输入不可控；依赖被测车感知动态调整场景，等于让被测对象参与定义输入，破坏可复现性。"},{"id":106,"type":"single","stem":"对自动驾驶车辆进行数据回灌测试时，将实车采集的传感器数据注入被测算法，以下哪项是必须保证的前提条件","options":["回灌数据的传感器标定参数与采集时一致","回灌所用工控机的CPU型号与实车相同","回灌数据的存储格式与训练集格式相同","回灌环境的温度与实车采集时温度相同"],"answer":[0],"explanation":"知识点是数据回灌测试的输入一致性。传感器标定参数决定数据在统一坐标系下的几何关系，若与采集时不一致，融合结果会系统性偏移。CPU型号影响算力但不决定数据几何正确性；存储格式可转换，不影响物理含义；环境温度对回灌数据本身无直接影响。"},{"id":107,"type":"single","stem":"在智能网联汽车测试中，对AEB系统进行行人横穿场景测试时，以下哪项参数组合最能反映系统触发时机的优劣","options":["碰撞发生时的车速与气囊展开时间","系统发出制动请求时刻的TTC值","测试结束后车辆停止位置与行人距离","行人假人移动速度与车辆加速度"],"answer":[1],"explanation":"知识点是AEB触发时机评价指标。TTC（碰撞时间）是衡量制动请求发出早晚的核心指标，TTC越大说明系统越早识别风险。气囊展开时间反映碰撞后结果而非触发时机；停止位置受制动力和路面影响，不能单独评价触发时机；假人速度和车辆加速度是场景输入或响应量，不是触发时机指标。"},{"id":108,"type":"single","stem":"智能网联汽车测试员在采集CAN总线数据时，发现某报文周期由10ms变为20ms，以下哪项分析方向最为合理","options":["判定为总线负载过高导致报文丢失","检查发送该报文的ECU是否进入降级模式","认为采集设备采样率设置过低造成","直接将该报文从数据集中剔除后继续测试"],"answer":[1],"explanation":"知识点是CAN报文周期异常的故障分析。报文周期由固定值变为两倍，常见原因是发送节点进入降级或跛行模式后降低发送频率。总线负载过高通常表现为偶发丢帧而非稳定周期翻倍；采集设备采样率低会导致漏采，但不会使周期稳定变为整数倍；直接剔除会丢失关键故障信息。"},{"id":109,"type":"single","stem":"在智能网联汽车测试方案中，对同一功能分别开展仿真测试、封闭场地测试和公开道路测试，三者关系设计最合理的是","options":["三者独立并行，各自出具结论互不参照","仿真先行筛选场景，场地验证边界，道路确认泛化","道路测试优先，仿真和场地仅用于补充数据","场地测试替代仿真，道路测试替代场地测试"],"answer":[1],"explanation":"知识点是X在环测试体系的层级关系。仿真可低成本大批量筛选场景，封闭场地在安全可控下验证边界工况，公开道路验证真实交通泛化能力，三者递进互补。三者独立并行无法形成证据链；道路优先成本高且风险大；后两者不能相互替代，因为仿真无法完全还原真实物理与交通交互。"},{"id":110,"type":"single","stem":"在智能网联汽车测试数据采集时，若RTK定位出现固定解丢失并转为浮点解，以下哪项处理方式最符合数据质量管理要求","options":["继续采集并在后处理时统一修正坐标","标记该时段数据质量并在分析时降权使用","立即停止整车测试等待定位恢复固定解","用IMU积分结果直接替换该时段定位数据"],"answer":[1],"explanation":"知识点是定位数据质量管理。浮点解精度低于固定解但仍有参考价值，标记质量并降权使用可保留数据又避免误用。后处理统一修正无法恢复已丢失的整周模糊度；立即停止测试会过度中断，且浮点解未必完全不可用；IMU积分存在累积漂移，不能直接替换绝对定位。"},{"id":111,"type":"single","stem":"某测试团队在公开道路测试中，车辆在无保护左转场景下反复出现犹豫停车，回放数据显示感知目标跟踪ID频繁跳变，以下哪项是最可能的故障环节","options":["规划模块的代价函数权重设置过大","定位模块的航向角输出存在高频抖动","感知模块的多目标跟踪数据关联不稳定","控制模块的横向执行器响应延迟过高"],"answer":[2],"explanation":"知识点是自动驾驶模块故障定位。跟踪ID频繁跳变直接指向多目标跟踪中的数据关联环节，目标身份不稳定会导致规划反复重新评估。代价函数权重过大会表现为保守而非ID跳变；定位航向抖动影响的是自车状态而非目标ID；横向执行器延迟影响的是控制跟踪精度，不产生目标ID跳变。"},{"id":112,"type":"multi","stem":"在智能网联汽车封闭场地测试中，为保障测试员与设备安全，以下哪些措施属于测试前必须确认的项","options":["测试区域入口设置物理隔离与警示标识","遥控急停装置功能经测试确认可用","被测车辆安全员完成当日酒精检测","测试场景假人电池电量充足","数据采集设备存储空间已清空"],"answer":[0,1,2],"explanation":"知识点是封闭场地测试安全前置条件。物理隔离与警示防止无关人员进入；急停装置是失控时的最后保障；安全员酒精检测属于人员适任要求。假人电量影响场景执行但不属于安全前置项；存储空间影响数据记录，清空与否不构成安全风险。"},{"id":113,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从遮挡车辆后方以5 km/h速度横穿，车辆以40 km/h接近，测试员发现车辆直到假人进入车道中心线后才触发制动，按标准流程下一步应先做什么","options":["复测同一场景并提高车速至50 km/h验证制动边界","检查假人横穿触发时机是否与预设的TTC阈值一致","直接判定AEB功能不合格并出具报告","关闭AEB重新标定毫米波雷达安装角度"],"answer":[1],"explanation":"知识点是AEB测试中触发时机与预设TTC阈值的一致性核查。正确项对：先核查触发时机与测试方案预设阈值是否一致，才能判断是系统问题还是场景设置问题。A项错在未定位原因就提高车速会扩大变量；C项错在未排除场景设置误差就下结论；D项错在未确认原因就改动硬件标定。"},{"id":114,"type":"single","stem":"智能网联汽车测试员在采集激光雷达点云数据时，发现同一静止目标在相邻两帧中的距离读数出现约0.3 m的跳变，而车辆处于静止状态，最可能的原因是","options":["激光雷达安装支架存在高频振动","点云数据未做运动补偿","目标物体表面反射率随角度变化","多传感器时间同步存在毫秒级偏差"],"answer":[0],"explanation":"知识点是激光雷达静态测量跳变的常见成因。正确项对：车辆静止时出现帧间跳变，优先排查安装支架振动导致的位姿抖动。B项错在车辆静止无需运动补偿；C项错在反射率变化影响强度而非距离跳变；D项错在时间同步偏差在静止时不会造成距离跳变。"},{"id":115,"type":"single","stem":"在自动驾驶数据采集车上，摄像头、激光雷达和组合惯导通过PTP同步，测试员发现点云与图像融合后目标边缘出现约两帧的错位，应优先检查的环节是","options":["摄像头的自动曝光参数是否频繁变化","PTP主时钟是否被切换为从时钟源","激光雷达的扫描帧率是否设置为10 Hz","组合惯导的杆臂参数是否录入正确"],"answer":[1],"explanation":"知识点是多传感器时间同步中PTP主从时钟异常导致的时间错位。正确项对：主时钟被切换会造成时间基准漂移，引发融合错位。A项错在曝光变化影响图像质量而非时间对齐；C项错在帧率设置不直接造成固定两帧错位；D项错在杆臂参数影响空间对齐而非时间错位。"},{"id":116,"type":"single","stem":"测试员在夜间无路灯路段进行车道保持测试，车辆频繁在车道内小幅左右修正，白天同一路段表现正常，最应先排查的传感器是","options":["前向毫米波雷达","前视摄像头","超声波雷达","GNSS接收机"],"answer":[1],"explanation":"知识点是车道保持功能对前视摄像头的依赖及夜间光照影响。正确项对：车道线识别主要靠前视摄像头，夜间照度不足导致识别抖动。A项错在毫米波雷达不识别车道线；C项错在超声波用于近距泊车；D项错在GNSS不提供车道内横向定位精度。"},{"id":117,"type":"single","stem":"在智能网联汽车测试中，测试员需要验证车辆在隧道出入口的定位连续性，最合适的测试方法是","options":["在隧道内单点停留5分钟记录定位输出","沿隧道出入口路线往返多次采集定位轨迹","关闭GNSS仅用IMU推算隧道内位置","在隧道口放置RTK基站增强信号"],"answer":[1],"explanation":"知识点是隧道场景定位连续性测试方法。正确项对：往返多次采集可覆盖进出隧道过渡段，评估定位跳变与连续性。A项错在单点停留无法评估过渡过程；C项错在关闭GNSS无法验证真实融合策略；D项错在隧道内GNSS本身不可用，增强无意义。"},{"id":118,"type":"single","stem":"测试员对某自动驾驶车辆进行故障注入测试，向CAN总线注入转向角信号超范围值，车辆应进入的合理降级状态是","options":["保持当前转向角并继续自动驾驶","退出自动驾驶并提示驾驶员接管","自动切换至备用转向传感器继续行驶","提高转向电机扭矩以抵抗异常信号"],"answer":[1],"explanation":"知识点是故障注入后自动驾驶系统的合理降级策略。正确项对：转向信号超范围属于安全相关故障，应退出自动驾驶并请求接管。A项错在维持异常转向角有安全风险；C项错在未确认备用传感器有效性就切换；D项错在对抗异常信号可能加剧危险。"},{"id":119,"type":"single","stem":"测试员在分析一次自动紧急制动误触发数据时，发现毫米波雷达在空旷路段将高架桥金属护栏识别为车辆目标，最有效的改进措施是","options":["提高雷达发射功率以增强回波","调整雷达安装俯仰角并优化静态目标过滤","降低AEB触发车速阈值","增加摄像头权重并关闭雷达输入"],"answer":[1],"explanation":"知识点是毫米波雷达对金属护栏的虚警抑制。正确项对：护栏回波属于静态多径干扰，需通过安装角度与静态目标过滤策略优化。A项错在提高功率会加剧虚警；C项错在降低阈值不解决误识别；D项错在关闭雷达输入会削弱感知冗余。"},{"id":120,"type":"single","stem":"在智能网联汽车道路测试中，测试员发现车辆在通过无标线十字路口时出现犹豫停车，而高精地图显示该路口有通行权，最可能的原因是","options":["高精地图版本与车端不一致","路口信号灯相位读取延迟","车辆纵向控制标定过于保守","V2X路侧单元未广播通行信息"],"answer":[0],"explanation":"知识点是高精地图版本一致性对路口通行决策的影响。正确项对：地图版本不一致会导致通行权信息缺失或冲突，引发犹豫。B项错在信号灯延迟影响的是信号路口；C项错在保守标定通常表现为减速而非犹豫停车；D项错在V2X未广播不必然导致停车。"},{"id":121,"type":"single","stem":"测试员在采集自动驾驶车辆CAN数据时，需要记录某次AEB触发前后的完整信号，采样率设置最合理的是","options":["与CAN报文周期一致即可","不低于报文周期的两倍","固定为1 Hz以节省存储","按视频帧率30 Hz设置"],"answer":[1],"explanation":"知识点是CAN信号采集的奈奎斯特采样原则。正确项对：采样率不低于报文周期两倍才能无失真还原信号。A项错在等于报文周期会漏采；C项错在1 Hz远低于报文频率；D项错在按视频帧率与CAN信号无关。"},{"id":122,"type":"single","stem":"在自动泊车测试中，测试员发现车辆对相邻车位的两轮摩托车识别不稳定，最合适的改进测试方案是","options":["增加摩托车与车辆的横向间距","在测试场景中加入不同姿态与颜色的摩托车","提高泊车超声波雷达的发射频率","降低泊车路径规划的曲率约束"],"answer":[1],"explanation":"知识点是感知鲁棒性测试的场景覆盖设计。正确项对：通过多姿态多颜色样本覆盖识别边界，定位感知弱点。A项错在改变间距不解决识别问题；C项错在超声波频率非识别主因；D项错在路径曲率影响控制而非识别。"},{"id":123,"type":"single","stem":"测试员在夏季正午进行高速公路自动驾驶测试，发现前视摄像头逆光时车道线识别距离明显缩短，正确的处置是","options":["调高摄像头增益以增强逆光图像","记录该光照条件下的识别距离作为边界数据","将摄像头安装位置下移避开阳光","在测试报告中标注该路段不适合自动驾驶"],"answer":[1],"explanation":"知识点是感知边界数据的采集与记录。正确项对：逆光属于典型感知边界场景，应记录识别距离等量化数据。A项错在调高增益会引入噪声；C项错在改动安装位置需重新标定，非现场处置；D项错在以单次表现否定整段道路。"},{"id":124,"type":"single","stem":"在智能网联汽车封闭场地测试中，用于记录车辆CAN总线原始报文并支持后续离线回放分析的主要设备是","options":["总线数据记录仪","毫米波雷达目标模拟器","GNSS差分基准站","驾驶机器人转向执行器"],"answer":[0],"explanation":"CAN总线数据记录仪用于采集和存储总线报文，支持离线回放；毫米波雷达目标模拟器用于生成虚拟目标回波，不记录报文；GNSS差分基准站提供定位差分改正数，不采集CAN报文；驾驶机器人转向执行器用于控制方向盘，不承担数据记录功能。"},{"id":125,"type":"single","stem":"对智能网联汽车进行前向毫米波雷达标定，要求车辆处于水平地面且轮胎气压正常，主要目的是","options":["保证雷达探测距离达到最大值","保证雷达安装角度基准与车辆坐标系一致","降低雷达对相邻车道车辆的误报率","缩短雷达从休眠到工作的启动时间"],"answer":[1],"explanation":"水平地面和标准胎压保证车辆姿态与设计坐标系一致，使雷达标定角度准确；探测距离由雷达功率和天线决定，与地面水平关系不大；降低相邻车道误报主要靠标定后的角度修正，不是水平地面的直接目的；启动时间由雷达固件和供电决定。"},{"id":126,"type":"single","stem":"在自动驾驶数据采集车上，摄像头、激光雷达和组合惯导的采集时间戳需要统一到同一时间基准，通常采用的做法是","options":["各传感器分别使用本机晶振时钟并事后按帧号对齐","统一由组合惯导的PPS信号触发各传感器打时间戳","以摄像头曝光时刻为基准反向推算其他传感器时间","由工控机CPU时间周期性广播给各传感器打时间戳"],"answer":[1],"explanation":"组合惯导的PPS秒脉冲精度高且与UTC同步，用它触发各传感器打时间戳可实现硬件级时间同步；各用本机晶振会引入漂移；以摄像头曝光为基准无法解决激光雷达和惯导的同步；CPU广播时间受操作系统调度影响，精度不足。"},{"id":127,"type":"single","stem":"某测试车在开放道路进行L2级跟车测试时，前方车辆突然 cut-in，车辆制动响应明显迟滞，回放数据显示感知目标出现到制动请求发出间隔约800ms，最应优先排查的环节是","options":["制动执行器的液压建压速度","感知融合模块的目标输出延迟","轮胎与路面的附着系数","安全员接管请求的提示音音量"],"answer":[1],"explanation":"800ms延迟发生在感知到决策之间，应优先排查感知融合模块的目标输出延迟；制动执行器建压速度影响的是决策后执行延迟；附着系数影响制动距离不影响请求发出时刻；提示音音量与制动请求时序无关。"},{"id":128,"type":"single","stem":"在智能网联汽车测试中，对激光雷达点云进行运动畸变校正时，需要引入的外部信息是","options":["车辆CAN总线上的轮速与方向盘转角","激光雷达内部温度传感器读数","摄像头图像的曝光增益值","毫米波雷达的目标距离列表"],"answer":[0],"explanation":"运动畸变校正需要知道每个激光点采集时刻的车辆位姿变化，轮速和方向盘转角可推算短时运动；雷达内部温度影响测距精度但不用于去畸变；摄像头曝光增益与点云无关；毫米波目标列表不是位姿信息。"},{"id":129,"type":"single","stem":"智能网联汽车测试中，对同一段场景分别用实车和仿真进行测试，发现仿真中车辆通过路口的时间明显短于实车，首先应检查的仿真参数是","options":["仿真步长设置是否过大","仿真场景中的光照强度","仿真车辆的涂装颜色","仿真软件的品牌版本号"],"answer":[0],"explanation":"仿真步长过大会导致积分误差累积，使车辆运动被加速或时间被压缩；光照强度影响摄像头仿真但不直接改变通过时间；涂装颜色不影响动力学；软件品牌版本号与时间偏差无直接因果关系。"},{"id":130,"type":"single","stem":"在智能网联汽车道路测试中，安全员发现车辆即将误闯红灯，此时正确的处置顺序是","options":["先接管转向避让，再踩制动踏板","先踩制动踏板减速，再视情况接管转向","先按下紧急停止按钮，再回正方向盘","先鸣笛提示周围车辆，再等待系统自行纠正"],"answer":[1],"explanation":"误闯红灯时首要任务是减速停车，先制动再判断是否需要转向避让；先转向可能引发侧向碰撞；紧急停止按钮通常用于更危急的失控场景，且按后转向可能锁死；鸣笛等待系统纠正会错过最佳制动时机。"},{"id":131,"type":"single","stem":"对自动驾驶车辆进行感知系统标定后，验证标定效果最直接的指标是","options":["摄像头图像的分辨率","激光雷达点云的单帧点数","已知目标在融合结果中的位置误差","组合惯导的卫星可见数量"],"answer":[2],"explanation":"标定验证关注坐标系一致性，已知目标位置误差可直接反映标定精度；图像分辨率由相机决定；点云点数由雷达线数决定；卫星可见数反映定位环境，不反映感知标定。"},{"id":132,"type":"single","stem":"在智能网联汽车测试数据回放分析中，发现某段激光雷达点云在车辆转弯时出现明显拖尾，最可能的原因是","options":["点云未做运动畸变校正","激光雷达被泥水遮挡","组合惯导的航向角漂移","点云强度阈值设置过高"],"answer":[0],"explanation":"转弯时车辆姿态变化快，若未按每点采集时刻做运动畸变校正，点云会出现拖尾；泥水遮挡表现为点云缺失或噪点；航向漂移影响全局定位但不会形成局部拖尾；强度阈值影响点云筛选不影响几何形状。"},{"id":133,"type":"single","stem":"智能网联汽车测试方案中，为验证自动紧急制动系统对静止车辆的响应，在封闭场地设置目标车时，正确做法是","options":["目标车使用充气模型以降低碰撞损伤","目标车使用真实车辆并保持可移动状态","目标车使用金属板以增强雷达反射","目标车使用软质目标且符合法规要求的反射特性"],"answer":[3],"explanation":"法规测试要求软质目标且反射特性接近真实车辆，兼顾安全和雷达识别；充气模型反射特性可能不达标；真实车辆碰撞风险高；金属板反射过强会导致雷达识别异常。"},{"id":134,"type":"single","stem":"自动驾驶测试车在隧道内出现GNSS信号丢失，组合惯导进入惯导递推模式，此时测试员应重点关注","options":["摄像头自动曝光是否频繁变化","惯导递推的位置漂移速率","毫米波雷达的目标数量","车内显示屏的亮度设置"],"answer":[1],"explanation":"GNSS丢失后组合惯导靠递推维持定位，漂移速率决定能安全行驶的距离；摄像头曝光变化与定位无关；雷达目标数量反映感知不反映定位；显示屏亮度与定位无关。"},{"id":135,"type":"single","stem":"在智能网联汽车封闭场地测试中，用于记录车辆CAN总线原始报文的时间戳精度通常要求达到","options":["毫秒级","微秒级","秒级","分钟级"],"answer":[1],"explanation":"知识点：CAN总线数据采集的时间同步精度要求。微秒级时间戳才能准确关联多传感器数据并还原报文时序，毫秒级在高速报文密集场景下会产生时序混淆；秒级和分钟级精度远不足以支撑自动驾驶数据融合分析。"},{"id":136,"type":"single","stem":"自动驾驶数据采集车在隧道内行驶时GNSS信号丢失，此时组合导航系统维持定位精度的核心依据是","options":["轮速计与IMU的航位推算","摄像头车道线匹配定位","V2X路侧单元广播坐标","激光雷达点云地图配准"],"answer":[0],"explanation":"知识点：GNSS拒止环境下的组合导航原理。IMU提供角速度和加速度，轮速计提供位移增量，二者航位推算可短时维持定位；摄像头车道线匹配在隧道内无标线或照明差时失效；V2X依赖路侧设备覆盖，隧道内通常无部署；激光雷达点云配准在长隧道中特征重复易误匹配。"},{"id":137,"type":"single","stem":"对自动驾驶感知模型进行实车数据回灌测试时，发现同一段数据两次回灌结果不一致，最可能的原因是","options":["模型推理存在随机丢弃且未固定随机种子","激光雷达点云在回灌时被重新采集","车辆底盘CAN信号在回灌时丢失","回灌数据的时间戳被重新生成"],"answer":[0],"explanation":"知识点：模型回灌测试的可复现性控制。若模型含Dropout等随机操作且未固定随机种子，两次推理结果会不同；回灌使用已录制数据不会重新采集点云；回灌时CAN信号来自记录文件不会丢失；时间戳重新生成只影响对齐不影响推理输出。"},{"id":138,"type":"single","stem":"在自动驾驶测试场景库中，用于描述'前车突然切出后本车紧急制动'的场景要素组合应包含","options":["本车速度、前车切出时机、目标车道车辆状态、路面附着系数","本车颜色、前车品牌、天气温度、驾驶员性别","测试日期、测试地点、测试人员、测试时长","车辆VIN码、保险单号、年检日期、行驶里程"],"answer":[0],"explanation":"知识点：场景要素的结构化描述。场景库需包含动态要素（速度、切出时机、目标车道状态）和静态环境要素（路面附着系数）才能复现；颜色、品牌、温度、性别等不影响场景逻辑；日期、地点、人员、时长属于测试管理信息；VIN、保险、年检、里程属于车辆行政信息。"},{"id":139,"type":"single","stem":"自动驾驶车辆在进行夜间城市道路测试时，摄像头出现大量鬼影和眩光，最有效的测试改进措施是","options":["增加多帧曝光融合并标定夜间ISP参数","提高摄像头安装高度以避开对向车灯","将摄像头帧率从30fps提升到60fps","在镜头前加装普通透明保护玻璃"],"answer":[0],"explanation":"知识点：夜间摄像头成像质量优化。鬼影和眩光源于强光源在镜头内的多次反射，多帧曝光融合配合夜间ISP参数标定可有效抑制；提高安装高度无法消除对向车灯直射；提高帧率不解决光学串扰；普通透明玻璃会加剧反射，应使用镀膜减反玻璃。"},{"id":140,"type":"single","stem":"在自动驾驶数据采集过程中，发现激光雷达点云出现规则性条纹缺失，最可能的故障环节是","options":["激光发射模块中某个通道老化失效","IMU零偏未标定导致姿态漂移","组合导航天线馈线接触不良","摄像头与激光雷达外参标定偏差过大"],"answer":[0],"explanation":"知识点：激光雷达点云异常的模式识别。规则性条纹缺失对应特定激光通道不工作，通常是发射模块通道老化；IMU零偏导致的是整体点云倾斜或漂移；GNSS馈线问题影响定位不影响点云结构；外参偏差表现为点云与图像错位而非条纹缺失。"},{"id":141,"type":"single","stem":"自动驾驶测试车辆在雨天行驶时，毫米波雷达出现大量虚假目标，最可能的原因是","options":["路面积水飞溅形成的多径反射","雷达天线罩表面被雨水冲刷干净","车辆行驶速度低于雷达最小探测速度","前向摄像头被雨滴遮挡触发融合降级"],"answer":[0],"explanation":"知识点：毫米波雷达在降水环境下的干扰机理。路面积水飞溅形成移动水幕，雷达波经水幕和地面多次反射产生多径虚假目标；天线罩干净有助于减少衰减而非产生虚假目标；低速不影响雷达探测静止目标；摄像头遮挡影响视觉分支，不会直接产生雷达虚假点。"},{"id":142,"type":"single","stem":"在自动驾驶接管测试中，安全员从收到接管请求到完成接管的反应时间应重点统计的指标是","options":["从听觉告警发出到方向盘扭矩超过阈值的时长","从车辆启动到第一次制动的总时长","从测试开始到测试结束的历时","从点火到空调达到设定温度的时长"],"answer":[0],"explanation":"知识点：接管反应时间的定义与测量。接管反应时间指接管请求发出到驾驶员实际施加控制（如方向盘扭矩超阈值）的时间间隔；启动到制动总时长混入了非接管阶段；测试总历时是管理指标；空调升温时间与接管无关。"},{"id":143,"type":"multi","stem":"在智能网联汽车测试数据采集方案设计中，为保证多传感器数据可融合，必须满足的条件包括","options":["各传感器数据带统一时间基准的时间戳","采集前完成传感器间外参标定","各传感器采样率完全一致","数据存储采用同一文件格式","采集时关闭车辆所有其他电子设备"],"answer":[0,1,3],"explanation":"知识点：多传感器数据采集的融合前提。统一时间基准的时间戳是融合对齐的基础；外参标定决定空间对齐；统一文件格式便于同步读取。采样率不必完全一致，融合算法可做插值或降频处理；关闭其他电子设备既不现实也无必要，CAN等信号本身还需采集。"},{"id":144,"type":"single","stem":"在智能网联汽车封闭测试场进行 AEB 行人横穿试验时，目标假人触发后车辆未制动，测试员首先应记录并复核的关键数据是哪个时间量","options":["假人开始移动至车辆前保险杠到达碰撞点的时间","假人开始移动至车辆发出制动请求的时间","车辆发出制动请求至减速度达到峰值的时间","假人开始移动至测试员按下紧急停止的时间"],"answer":[1],"explanation":"知识点是 AEB 测试中感知—决策—执行链路的时间分解。正确项为假人移动至制动请求的时间，反映感知与决策是否在预期窗口内触发。错误项一测的是整体通过时间，无法定位是否未触发；错误项二测的是执行阶段，未触发时该值不存在；错误项三测的是安全干预时间，与系统是否响应无关。"},{"id":145,"type":"single","stem":"对同一段城市道路进行自动驾驶数据采集时，若将激光雷达点云与相机图像做时间同步，应优先依据的同步基准是","options":["相机曝光开始时刻的硬件触发信号","激光雷达旋转一周的起始角度脉冲","组合导航输出的 UTC 秒脉冲","工控机接收数据包的系统时间戳"],"answer":[2],"explanation":"知识点是多传感器时间同步的基准选择。正确项为组合导航 UTC 秒脉冲，因其为全系统统一且可溯源的时间源。错误项一仅代表单相机曝光起点；错误项二只表示雷达自身扫描周期；错误项三受操作系统调度延迟影响，不能作为跨传感器同步基准。"},{"id":146,"type":"single","stem":"在自动驾驶路测数据回放时发现车辆在隧道出口处频繁出现急减速，回放日志显示感知目标数量正常，最应优先排查的环节是","options":["激光雷达点云在强光下的测距噪声","相机自动曝光恢复过程中的图像过曝","毫米波雷达对隧道壁的多径反射","组合导航在隧道内的定位漂移"],"answer":[1],"explanation":"知识点是隧道出口光照突变对相机感知的影响。正确项为自动曝光恢复导致的短时过曝，会造成目标置信度骤降而目标数量统计仍正常。错误项一激光雷达受强光影响较小；错误项二多径反射在隧道内持续存在，不解释出口处突变；错误项三定位漂移不会直接引起目标数量正常下的急减速。"},{"id":147,"type":"single","stem":"智能网联汽车测试方案中，为验证感知系统在雨天的鲁棒性，选择降雨模拟装置时最需要与真实降雨建立对应关系的参数是","options":["雨滴的化学成分与电导率","单位时间单位面积的降雨量与雨滴谱","喷淋水的温度和管路压力","降雨模拟区域的面积与风速"],"answer":[1],"explanation":"知识点是降雨模拟的可比性参数。正确项为降雨量与雨滴谱，二者决定雨滴尺寸分布和光学衰减程度。错误项一化学成分对毫米波影响有限；错误项二温度压力是装置工况而非降雨特征；错误项三面积风速影响均匀性但不表征降雨强度本身。"},{"id":148,"type":"single","stem":"对自动驾驶车辆进行底盘线控转向测试时，测试员发现方向盘转角指令与实际前轮转角在小角度区存在固定偏差，最可能的原因是","options":["转向电机温度过高触发降额","前轮定位参数中前束值偏差","方向盘转角传感器零点未标定","线控转向系统的通信周期抖动"],"answer":[2],"explanation":"知识点是线控转向小角度固定偏差的故障定位。正确项为转角传感器零点未标定，固定偏差正是零点偏移的典型特征。错误项一温度降额表现为增益变化而非固定偏差；错误项二前束偏差影响直行稳定性但不产生固定转角偏差；错误项三通信抖动造成随机误差而非固定偏差。"},{"id":149,"type":"single","stem":"在自动驾驶数据采集车上，为满足后续事故复现所需的绝对时间可追溯性，最关键的配置是","options":["各传感器使用同一品牌的采集卡","所有数据统一打上 GNSS 授时时间戳","工控机开启网络时间协议校时","数据存储采用 RAID 冗余阵列"],"answer":[1],"explanation":"知识点是数据采集的时间可追溯性。正确项为统一 GNSS 授时时间戳，可提供绝对时间基准并支持跨车比对。错误项一品牌统一不等于时间统一；错误项二网络校时精度受网络延迟影响；错误项三 RAID 只解决存储可靠性，与时间无关。"},{"id":150,"type":"single","stem":"自动驾驶测试车在开放道路发生轻微剐蹭后，测试员需要保存事故前后完整数据，正确的处置顺序是","options":["先断电保护现场，再拷贝数据，最后上报","先拷贝原始数据并校验，再上报并按流程处置现场","先上报等待指令，再根据指令决定是否拷贝","先恢复车辆至可行驶状态，再拷贝数据"],"answer":[1],"explanation":"知识点是事故后数据保全流程。正确项为先拷贝并校验原始数据，可避免断电或复位导致缓存丢失，再履行上报与现场处置。错误项一断电可能造成内存数据丢失；错误项二等待指令期间数据可能被覆盖；错误项三恢复行驶可能改变现场并覆盖数据。"},{"id":151,"type":"single","stem":"在自动驾驶感知测试中，评价目标检测算法在夜间场景的表现时，若只统计平均精度均值，最容易掩盖的问题是","options":["算法在不同类别间的精度不均衡","算法在低照度样本上的漏检集中现象","算法推理耗时随目标数量增加而上升","算法对远距离目标的定位误差增大"],"answer":[1],"explanation":"知识点是感知评价指标的选择偏差。正确项为夜间低照度样本的漏检集中现象，会被整体均值稀释。错误项一类别不均衡可由分类别指标发现，与夜间这一条件无关；错误项二属于实时性指标；错误项三属于定位指标，均不是仅看均值时被夜间条件掩盖的核心问题。"},{"id":152,"type":"single","stem":"智能网联汽车测试员在标定多线激光雷达与车辆坐标系外参时，通常需要车辆处于的状态是","options":["在平整地面上静止且轮胎气压正常","在坡道上静止以激励悬架","以低速匀速直线行驶采集","在转鼓试验台上模拟行驶"],"answer":[0],"explanation":"知识点是外参标定的车辆状态要求。正确项为平整地面静止且胎压正常，可保证车辆坐标系与地面关系稳定。错误项一坡道静止会引入俯仰角误差；错误项二低速行驶会增加运动畸变；错误项三转鼓上轮胎与滚筒接触会改变车身姿态。"},{"id":153,"type":"single","stem":"在自动驾驶功能测试中，若要在仿真环境中复现实车采集的传感器数据，对原始数据进行回灌时最需要保证的是","options":["回灌数据的文件格式与实车一致","回灌时间戳与仿真时钟严格对齐","回灌数据的总量不超过仿真内存","回灌使用的接口与实车接口相同"],"answer":[1],"explanation":"知识点是数据回灌的时序一致性。正确项为回灌时间戳与仿真时钟严格对齐，否则多传感器融合结果失真。错误项一格式一致不等于时序正确；错误项二数据量影响性能但不决定复现正确性；错误项三接口相同是工程便利，不是复现正确性的核心。"},{"id":154,"type":"single","stem":"某测试车在园区内进行无人配送测试，经过玻璃幕墙路段时激光雷达出现大量异常点，测试员判断属于典型的多径与镜面反射干扰，下一步最合理的处置是","options":["降低车速并在该路段标记为感知降级区域","立即更换更高线数的激光雷达","关闭激光雷达仅依靠视觉通过该路段","提高激光雷达的发射功率以穿透反射"],"answer":[0],"explanation":"知识点是感知受限场景的运营处置。正确项为降速并标记感知降级区域，属于风险可控的功能降级策略。错误项一更换硬件不能消除物理反射；错误项二关闭雷达会引入更大风险；错误项三提高功率无法解决镜面反射，反而可能增加干扰。"},{"id":155,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标物假人应从哪个方向进入车道才能复现标准横穿工况","options":["从车辆正前方静止出现","从车辆行驶方向左侧垂直进入","从车辆行驶方向右侧垂直进入","从车辆后方同向进入"],"answer":[1],"explanation":"知识点：AEB横穿测试工况中，标准行人横穿通常设定为从车辆行驶方向左侧或右侧垂直进入车道，以复现行人突然横穿的碰撞风险。正确项为左侧垂直进入，符合常见测试规程中横穿目标的运动方向设定。干扰项A正前方静止出现属于静止目标工况；C右侧垂直进入方向相反，不符合本工况设定；D后方同向进入属于追尾或后向场景，与横穿无关。"},{"id":156,"type":"single","stem":"对自动驾驶车辆进行数据采集时，若需要记录车辆在真实道路上的位置、姿态和运动轨迹，应优先选用哪种传感器组合","options":["单目摄像头与超声波雷达","GNSS与IMU组合","毫米波雷达与胎压传感器","激光雷达与雨量传感器"],"answer":[1],"explanation":"知识点：车辆位置、姿态和运动轨迹的采集依赖GNSS与IMU组合，GNSS提供绝对位置，IMU提供姿态和加速度信息。正确项GNSS与IMU组合可直接输出定位与姿态数据。干扰项A单目摄像头与超声波雷达主要用于感知障碍物和近距离测距，不能稳定输出全局位姿；C毫米波雷达与胎压传感器中胎压传感器与轨迹采集无关；D激光雷达与雨量传感器中雨量传感器与定位姿态无关。"},{"id":157,"type":"single","stem":"智能网联汽车测试中，当毫米波雷达在雨雾天气下出现大量虚假目标，最可能的原因是","options":["雷达天线被泥水遮挡导致回波增强","雨雾对毫米波的后向散射形成杂波","雷达工作频段被车载WiFi占用","目标反射截面积突然变大"],"answer":[1],"explanation":"知识点：毫米波雷达在雨雾天气中，水滴对毫米波的后向散射会形成杂波，导致虚假目标增多。正确项为雨雾后向散射形成杂波。干扰项A天线被泥水遮挡通常导致信号衰减而非回波增强；C车载WiFi频段与毫米波雷达频段不同，不会直接占用；D目标反射截面积变化与天气导致的虚假目标无直接因果关系。"},{"id":158,"type":"single","stem":"在自动驾驶测试数据回放时，发现规划模块输出的轨迹与感知模块输出的障碍物位置存在固定时间偏差，应首先检查哪个环节","options":["各传感器数据的时间戳同步机制","车辆轮胎气压是否一致","车载摄像头镜头是否清洁","高精地图版本是否为最新"],"answer":[0],"explanation":"知识点：多传感器数据融合中，时间戳同步是保证感知与规划一致性的基础，固定时间偏差通常指向同步机制问题。正确项为检查时间戳同步机制。干扰项B轮胎气压影响车辆动力学而非数据时间对齐；C镜头清洁影响图像质量但不造成固定时间偏差；D地图版本影响路径规划内容而非模块间时间偏差。"},{"id":159,"type":"single","stem":"智能网联汽车测试员在采集CAN总线数据时，若发现某报文周期由10ms变为20ms，最合理的初步判断是","options":["总线负载过高导致报文被延迟发送","该报文对应的ECU进入故障模式或降级运行","采集设备的采样率设置过低","CAN收发器终端电阻缺失"],"answer":[1],"explanation":"知识点：CAN报文周期变化通常反映发送节点的工作状态变化，周期由10ms变为20ms可能是ECU进入故障模式或降级运行。正确项为该ECU进入故障模式或降级运行。干扰项A总线负载过高可能导致延迟但通常不表现为稳定周期翻倍；C采集设备采样率低会导致丢帧而非周期变化；D终端电阻缺失会引起通信错误而非周期规律变化。"},{"id":160,"type":"single","stem":"在进行自动紧急制动系统测试时，若车辆在目标物前方突然出现时才触发制动，而标准要求提前预警，应优先排查哪个模块","options":["制动执行器的响应时间","感知模块的目标检测延迟","座椅安全带的预紧功能","车载娱乐系统的音量设置"],"answer":[1],"explanation":"知识点：AEB触发时机取决于感知模块对目标的检测与测距延迟，提前预警要求感知尽早输出目标信息。正确项为感知模块目标检测延迟。干扰项A制动执行器响应时间影响制动减速度而非预警提前量；C安全带预紧与AEB预警无关；D娱乐系统音量与AEB功能无关。"},{"id":161,"type":"single","stem":"测试自动驾驶车辆的城市道路跟车场景时，前车突然减速，本车却未及时减速，数据回放显示感知到前车但规划未输出减速指令，问题最可能出在","options":["感知模块的目标分类错误","规划模块的决策逻辑或接口异常","制动执行器的液压不足","激光雷达的安装角度偏移"],"answer":[1],"explanation":"知识点：感知已输出目标而规划未输出减速，说明问题在规划决策逻辑或感知到规划的接口传递。正确项为规划模块决策逻辑或接口异常。干扰项A感知分类错误与“已感知到前车”矛盾；C制动执行器液压不足会导致执行失败而非规划无指令；D激光雷达安装角度偏移会影响感知而非规划输出。"},{"id":162,"type":"single","stem":"智能网联汽车测试员在分析数据时，发现某段轨迹的横摆角速度信号噪声明显大于其他时段，最应优先核查的是","options":["该时段是否经过颠簸路面或急转弯","该时段是否开启了空调","该时段是否使用了远光灯","该时段是否播放了语音提示"],"answer":[0],"explanation":"知识点：横摆角速度信号噪声增大常与车辆实际运动状态相关，颠簸路面或急转弯会引起车身振动和传感器噪声。正确项为核查是否经过颠簸路面或急转弯。干扰项B空调、C远光灯、D语音提示均不直接影响横摆角速度传感器信号质量。"},{"id":163,"type":"single","stem":"智能网联汽车测试员在采集激光雷达点云时，发现点云在车辆正前方出现盲区，最可能的原因是","options":["激光雷达安装高度过低被保险杠遮挡","激光雷达的扫描频率设置过高","点云采集软件的颜色映射错误","车辆行驶速度过快导致点云稀疏"],"answer":[0],"explanation":"知识点：激光雷达正前方盲区常因安装高度过低被保险杠或车体遮挡，导致近距区域无点云。正确项为安装高度过低被保险杠遮挡。干扰项B扫描频率过高不会造成固定盲区；C颜色映射错误影响显示不影响点云覆盖；D速度过快导致点云稀疏但不会形成固定正前方盲区。"},{"id":164,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿测试时，目标假人应选择的触发方式是","options":["由牵引装置按设定速度横向拖出","由测试员突然推入车道","由遥控模型车搭载移动","由摆锤机构从侧面甩出"],"answer":[0],"explanation":"知识点：AEB行人测试的目标物触发方式。正确项：牵引装置能精确控制速度与轨迹，保证试验可重复。错误项：测试员推入无法复现设定速度且不安全；遥控模型车速度与姿态不受控；摆锤机构甩出轨迹不可控，均不符合可重复性要求。"},{"id":165,"type":"single","stem":"自动驾驶数据采集车在隧道内行驶时GNSS信号丢失，组合导航系统维持定位主要依靠","options":["轮速计与IMU的航位推算","摄像头识别车道线直接输出经纬度","V2X路侧单元广播的坐标","车载蓝牙与手机基站三角定位"],"answer":[0],"explanation":"知识点：组合导航在GNSS失锁时的定位原理。正确项：轮速计提供里程、IMU提供姿态与加速度，通过航位推算短时维持定位。错误项：摄像头输出的是车道相对位置而非经纬度；V2X广播坐标需路侧设备支持且非通用定位源；蓝牙与基站三角定位精度远不满足自动驾驶定位需求。"},{"id":166,"type":"single","stem":"在智能网联汽车测试中，为验证感知系统对逆光场景的鲁棒性，应优先设计的测试条件是","options":["低角度强光直射摄像头视场","夜间无路灯的纯暗环境","雨中开启雨刮的连续行驶","隧道出口的明暗交替路段"],"answer":[0],"explanation":"知识点：感知系统光学干扰测试条件设计。正确项：低角度强光直射直接制造逆光/眩光，针对性强。错误项：纯暗环境考核的是低照度而非逆光；雨中行驶考核的是雨滴与路面反射；隧道出口明暗交替考核的是曝光切换，均不是逆光专项。"},{"id":167,"type":"single","stem":"对自动驾驶域控制器进行CAN报文采集时，若发现某帧ID周期由10ms变为30ms且持续存在，首先应排查","options":["发送节点的任务调度或总线负载","接收端的过滤规则配置","CAN收发器的终端电阻阻值","整车电源电压的瞬时波动"],"answer":[0],"explanation":"知识点：CAN报文周期异常的故障定位。正确项：周期稳定偏移通常是发送节点软件调度或总线负载过高导致。错误项：接收端过滤规则只影响是否接收，不改变发送周期；终端电阻影响信号质量而非周期；电源瞬时波动通常造成偶发丢帧而非稳定周期变化。"},{"id":168,"type":"single","stem":"在开放道路进行自动驾驶路测时，安全员发现车辆在无保护左转中持续等待对向直行车流间隙，最合理的处置是","options":["人工接管并驶入路口完成左转","保持等待直至对向车流完全清空","切换至手动模式倒车退出路口","通过对讲机请求后台远程接管"],"answer":[0],"explanation":"知识点：开放道路测试中安全员的接管职责。正确项：无保护左转长时间等待会阻塞路口，安全员应及时人工接管完成动作。错误项：等待车流完全清空在现实中不成立且加剧拥堵；倒车退出路口会引发后车碰撞风险；远程接管响应延迟且不适用于路口实时操作。"},{"id":169,"type":"single","stem":"智能网联汽车测试方案中设置\"最小风险策略\"测试项，其核心验证目标是","options":["系统失效时车辆能安全停车或靠边","车辆在正常行驶时的最优路径规划","驾驶员接管请求的语音提示音量","车机娱乐系统在故障时的降级能力"],"answer":[0],"explanation":"知识点：最小风险策略（MRM）的定义与测试目标。正确项：MRM针对系统失效或超出ODD时使车辆达到最小风险状态。错误项：最优路径规划属于常规规划功能；语音提示音量属于人机交互细节；娱乐系统降级与行驶安全的最小风险状态无关。"},{"id":170,"type":"single","stem":"在自动驾驶数据回放分析中，将激光雷达点云与摄像头图像进行时间对齐时，应优先依据","options":["各传感器数据帧的硬件时间戳","数据文件写入磁盘的先后顺序","传感器上电启动的先后顺序","ROS节点订阅话题的先后顺序"],"answer":[0],"explanation":"知识点：多传感器时间同步方法。正确项：硬件时间戳反映采集时刻，是时间对齐的基准。错误项：磁盘写入顺序受缓存影响不代表采集时刻；上电顺序与数据采集时刻无关；话题订阅顺序是软件行为，与物理采集时刻无关。"},{"id":171,"type":"single","stem":"某测试车在雨天出现AEB误触发，回放数据显示毫米波雷达检测到虚假目标，最可能的原因是","options":["路面水膜产生的多径反射回波","摄像头镜头上的雨滴遮挡","激光雷达点云被雨滴散射衰减","超声波雷达受雨水温度影响漂移"],"answer":[0],"explanation":"知识点：毫米波雷达在雨天误触发的机理。正确项：水膜形成镜面反射，产生多径虚假回波被雷达误判为目标。错误项：镜头雨滴影响摄像头而非雷达；激光雷达散射导致的是点云稀疏而非雷达虚假目标；超声波雷达探测距离短，通常不用于AEB前方目标检测。"},{"id":172,"type":"single","stem":"在自动泊车功能测试中，车位线被部分遮挡时系统仍能完成泊入，说明系统具备","options":["基于障碍物与空间特征的车位推理能力","仅依赖完整车位线的视觉识别能力","依赖高精地图预先标注车位的能力","依赖停车场V2X推送车位坐标的能力"],"answer":[0],"explanation":"知识点：自动泊车车位识别能力分类。正确项：车位线不完整仍能泊入，说明系统融合了空间与障碍物特征进行推理。错误项：仅依赖完整车位线则遮挡时应失败；高精地图预标注和V2X推送属于外部先验，与视觉遮挡场景下的表现无直接因果关系。"},{"id":173,"type":"single","stem":"对自动驾驶车辆进行功能安全测试时，注入转向角传感器故障信号后车辆应进入降级模式，该测试属于","options":["故障注入测试验证安全机制","性能测试验证转向精度","耐久测试验证部件寿命","电磁兼容测试验证抗扰度"],"answer":[0],"explanation":"知识点：功能安全测试中的故障注入方法。正确项：人为注入传感器故障信号验证系统是否触发预期安全机制，属于故障注入测试。错误项：性能测试关注精度指标；耐久测试关注寿命；电磁兼容测试关注电磁干扰下的抗扰能力，均不涉及人为注入故障信号。"},{"id":174,"type":"single","stem":"在智能网联汽车测试报告中发现某场景通过率随测试次数增加而下降，最应优先检查","options":["场景参数随机化范围是否过宽","测试场地路面是否出现磨损","测试车辆轮胎气压是否一致","数据记录设备的存储是否写满"],"answer":[0],"explanation":"知识点：测试结果趋势异常的原因分析。正确项：通过率随次数下降常因场景参数随机化范围过宽，导致部分极端参数组合超出系统能力。错误项：路面磨损影响的是长期一致性而非随次数递增的下降趋势；胎压不一致应表现为整体偏差；存储写满会导致数据丢失而非通过率下降。"},{"id":175,"type":"multi","stem":"在智能网联汽车数据采集与故障分析中，下列做法有助于提升故障复现率的有","options":["同步记录传感器原始数据与车辆总线数据","在故障发生时保存前后一段时间的数据切片","对采集数据统一打上硬件时间戳","仅保存故障发生瞬间的单帧数据","用不同车辆分别采集不同传感器数据"],"answer":[0,1,2],"explanation":"知识点：提高自动驾驶故障复现率的数据采集策略。正确项：同步记录原始数据与总线数据可还原完整上下文；保存故障前后时间切片能覆盖诱因；统一硬件时间戳保证多源数据可对齐。错误项：仅保存单帧缺乏上下文难以复现；不同车辆分别采集破坏多传感器时空一致性。"},{"id":176,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从遮挡车辆后方突然出现，若想验证系统对“鬼探头”类边缘场景的响应边界，最应优先调整的测试变量是","options":["增大假人横穿速度并缩短其被遮挡后的暴露距离","提高测试车辆的最高设计车速并延长制动距离","增加路面湿滑程度并降低轮胎附着系数","调整环境光照至夜间并开启对向远光灯"],"answer":[0],"explanation":"知识点是AEB边缘场景测试变量设计。鬼探头场景的核心矛盾是暴露时间极短，因此缩短遮挡后暴露距离并提高假人横穿速度能直接压缩系统感知与决策窗口，命中响应边界；提高最高车速改变的是本车能量而非暴露时序；湿滑路面与低附着主要影响制动执行而非感知暴露；夜间远光属于光照干扰维度，不能直接验证暴露时间边界。"},{"id":177,"type":"single","stem":"对自动驾驶数据采集车回传的原始感知数据进行时间同步检查时，发现激光雷达点云与相机图像存在约80毫秒的固定时延，且该时延在多次回放中稳定复现，最可能的原因是","options":["两个传感器的硬件时间戳未统一到同一时钟源","点云数据在落盘时被压缩算法引入了丢帧","相机曝光时间设置过长导致运动模糊","组合导航的定位漂移造成空间对齐误差"],"answer":[0],"explanation":"知识点是多传感器时间同步。固定且可复现的时延通常来自时钟域不一致，即各传感器使用各自晶振计时而未统一到PTP或GPS时钟；压缩丢帧会表现为随机缺帧而非固定时延；曝光过长影响图像质量但不产生固定通道间时延；定位漂移属于空间误差，不会造成稳定时间差。"},{"id":178,"type":"single","stem":"在智能网联汽车测试中需要评估感知算法对远距离小目标的可探测性，下列指标中最能直接反映“漏检风险随距离增长”的统计量是","options":["按距离分桶统计的召回率曲线","全场景平均检测框IoU","单帧最大检测目标数量","推理耗时随距离的变化斜率"],"answer":[0],"explanation":"知识点是感知性能评估指标。按距离分桶的召回率能显示各距离段漏检比例，直接反映漏检风险随距离的变化；平均IoU衡量定位精度而非漏检；单帧最大目标数反映容量上限；推理耗时与探测能力无关。"},{"id":179,"type":"single","stem":"某测试车辆在城市道路测试中频繁出现“幽灵刹车”，回放数据显示毫米波雷达在空旷路段输出高置信度静止目标，最合理的下一步排查方向是","options":["检查雷达对井盖、金属护栏等静止强反射体的过滤逻辑","降低AEB触发阈值以增加系统灵敏度","更换更高线束的激光雷达提升点云密度","调整相机曝光以改善静止目标识别"],"answer":[0],"explanation":"知识点是传感器误检排查。空旷路段高置信度静止目标多由金属井盖、护栏等强反射体引起，应优先检查静止目标过滤与RCS门限逻辑；降低阈值会加剧误触发；换激光雷达不解决毫米波误检；相机曝光与雷达静止目标无关。"},{"id":180,"type":"single","stem":"在自动驾驶接管测试中，安全员从收到接管请求到实际握住方向盘并施加干预的时间应被记录为","options":["接管反应时间","最小风险策略执行时间","系统失效响应时间","人机共驾交接延迟"],"answer":[0],"explanation":"知识点是接管测试指标定义。接管反应时间定义为从接管请求发出到驾驶员开始有效干预的时间；最小风险策略执行时间是系统在无人接管时完成安全停车的时间；系统失效响应时间指系统自身故障到降级的时间；人机共驾交接延迟并非标准指标名称。"},{"id":181,"type":"single","stem":"对智能网联汽车进行封闭场地测试时，若测试用例要求验证车辆在车道线磨损严重路段的横向控制稳定性，下列场景设计中最能暴露感知退化问题的是","options":["选取车道线局部缺失且伴随强逆光的路段连续通过","选取车道线清晰但曲率半径极小的弯道","选取车道线完整但路面有积水的直线段","选取车道线清晰且限速标志密集的城市路段"],"answer":[0],"explanation":"知识点是横向控制测试场景设计。车道线磨损、局部缺失叠加逆光会同时削弱视觉车道线检测，最能暴露感知退化；清晰小曲率弯道主要考验控制算法；积水直线段影响附着而非车道线识别；限速标志密集与横向控制无关。"},{"id":182,"type":"single","stem":"在自动驾驶数据回灌测试中，将实车采集的传感器原始数据注入算法模块进行离线复现，这种方式相比实车道路测试的主要优势是","options":["可对同一场景进行参数化重复与边界条件遍历","能够完全替代实车测试以缩短开发周期","可验证执行器机械磨损对控制精度的影响","可获取真实交通参与者对测试车辆的行为反应"],"answer":[0],"explanation":"知识点是数据回灌测试特点。回灌可对同一段数据反复运行并遍历参数与边界条件，提升复现性与效率；它不能完全替代实车测试；无法反映执行器机械磨损；也无法获得真实交通参与者的互动反应。"},{"id":183,"type":"single","stem":"某L3级自动驾驶车辆在测试中触发接管请求后，驾驶员未在预期时间内响应，系统按设计执行了靠边停车并开启双闪，这一过程属于","options":["最小风险策略的降级运行","感知冗余切换机制","远程接管兜底流程","ODD边界动态扩展"],"answer":[0],"explanation":"知识点是最小风险策略。系统在驾驶员未接管时自主执行靠边停车并警示属于最小风险策略；感知冗余切换指传感器故障时的备份；远程接管需外部操作员介入；ODD扩展与降级停车相反。"},{"id":184,"type":"single","stem":"在智能网联汽车测试数据管理流程中，为满足事故追溯与算法迭代需求，对原始传感器数据与标注数据应采用的存储策略是","options":["原始数据与标注数据分别存储并建立版本与场景索引关联","原始数据压缩后覆盖存储以节省容量并保留最新标注","标注数据与原始数据合并为单一文件存储便于读取","仅存储标注数据并在需要时用仿真数据补全原始帧"],"answer":[0],"explanation":"知识点是测试数据管理。原始与标注数据分离存储并通过版本和场景索引关联，可保证可追溯与可复现；覆盖存储会丢失历史；合并单文件不利版本管理；仅存标注无法复现原始感知输入。"},{"id":185,"type":"single","stem":"在智能网联汽车测试中需要对同一感知算法在不同天气条件下的稳定性进行量化对比，下列做法最能控制变量且结论可辩护的是","options":["在相同路线与时段下分别采集晴天、雨天、雾天数据并统一标注规范","在不同城市随机采集各天气数据以增加样本多样性","仅在雨天采集数据并与仿真晴天数据直接对比","由不同安全员在各自习惯路段采集各天气数据"],"answer":[0],"explanation":"知识点是测试变量控制。相同路线与时段可减少交通流与光照等混杂因素，统一标注规范保证标签一致；不同城市随机采集引入过多混杂；仿真与实车直接对比缺乏可比性；不同安全员与路段引入人为与路线偏差。"},{"id":186,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从遮挡车辆后方突然出现，若测试员希望复现同一危险场景，最应优先保证哪项参数的一致性","options":["假人触发时刻的车速与相对距离","测试当日环境温度与风速","测试车辆轮胎品牌与胎压","假人服装颜色与外形尺寸"],"answer":[0],"explanation":"知识点是AEB测试场景复现的关键控制参数。AEB触发结果主要取决于自车速度、目标出现时刻的相对距离与运动状态，因此正确项是首要保证项。环境温度风速属于环境变量，会影响传感器但非场景几何复现的核心参数。轮胎品牌与胎压属于车辆状态变量，不是场景复现的决定因素。假人服装颜色与尺寸影响感知识别，但不是复现危险场景时序的第一控制量。"},{"id":187,"type":"single","stem":"对智能网联汽车进行数据采集时，若需要分析某次误制动事件中激光雷达与摄像头的时间戳对齐情况，应优先采集并保留哪类数据","options":["多传感器原始数据及硬件同步时间戳","CAN总线上的车辆故障码记录","驾驶员面部疲劳监测视频","高精地图的版本更新日志"],"answer":[0],"explanation":"知识点是多传感器时间同步与数据回放分析。分析误制动需要对比激光雷达点云与摄像头图像在同一时刻的感知结果，必须保留原始数据和硬件同步时间戳。CAN故障码用于诊断车辆系统故障，不能反映传感器时间对齐。驾驶员面部视频用于疲劳监测，与误制动时序分析无关。高精地图版本日志用于确认地图数据版本，不能解决传感器时间戳对齐问题。"},{"id":188,"type":"single","stem":"在自动驾驶测试车辆上，组合导航系统输出定位跳变，测试员检查发现GNSS信号良好但航向角持续漂移，最可能的原因是","options":["IMU零偏未标定或标定参数失效","激光雷达外参标定错误","毫米波雷达安装角度偏高","摄像头曝光时间设置过短"],"answer":[0],"explanation":"知识点是组合导航中IMU与GNSS的融合定位原理。GNSS信号良好但航向持续漂移，通常指向惯性测量单元零偏未标定或标定失效，导致积分航向发散。激光雷达外参标定错误影响点云与车体坐标转换，不直接导致航向角持续漂移。毫米波雷达安装角度偏高影响目标探测角度，不主导组合导航航向。摄像头曝光时间过短影响图像亮度，与航向漂移无直接关系。"},{"id":189,"type":"single","stem":"智能网联汽车测试员在采集城市道路数据时，发现某段路测数据中目标检测框频繁在相邻帧之间跳动，首先应排查的是","options":["感知算法跟踪模块的帧间关联逻辑","车辆CAN总线报文发送周期","组合导航的GNSS更新频率","测试车辆空调系统工作状态"],"answer":[0],"explanation":"知识点是感知跟踪模块的帧间关联与目标ID稳定性。检测框频繁跳动通常源于跟踪模块帧间关联逻辑不稳定或匹配阈值设置不当。CAN报文发送周期影响车辆控制信号，不直接造成检测框跳动。GNSS更新频率影响定位，不主导目标框帧间跳动。空调系统工作状态与感知检测框稳定性无关。"},{"id":190,"type":"single","stem":"在智能网联汽车测试中，若需要验证车辆在隧道出口处从无GNSS信号到恢复定位的过渡表现，最合适的测试方法是","options":["在隧道内设置可编程GNSS信号衰减与恢复序列","在隧道出口处放置多个交通锥引导车辆","关闭车辆所有传感器仅依靠高精地图行驶","让驾驶员在出口处手动接管并记录时间"],"answer":[0],"explanation":"知识点是GNSS信号遮挡与恢复场景的测试设计。验证定位过渡表现需要在受控条件下模拟GNSS信号从丢失到恢复的过程，可编程衰减与恢复序列能精确控制信号状态。交通锥只能引导行驶路径，不能模拟GNSS信号变化。关闭传感器仅靠地图无法验证GNSS恢复过渡。人工接管记录时间属于主观操作，不能复现信号恢复过程。"},{"id":191,"type":"single","stem":"智能网联汽车测试员在分析一次低速跟车场景的急刹事件时，发现毫米波雷达输出的前车距离比激光雷达小约1.5米，最应先检查的是","options":["两个传感器的时间同步与坐标系对齐","毫米波雷达的发射功率等级","激光雷达的点云密度参数","车辆制动系统的液压响应时间"],"answer":[0],"explanation":"知识点是多传感器数据融合前的时间同步与空间对齐。两个传感器测距差异明显，首先应排除时间戳不同步和坐标系未对齐导致的比较基准错误。发射功率影响探测距离能力，不直接造成固定偏差。点云密度影响激光雷达分辨率，不解释与毫米波雷达的固定差值。制动液压响应属于执行环节，与传感器测距差值无关。"},{"id":192,"type":"single","stem":"在自动驾驶测试数据回放时，测试员发现车辆在回放中出现的制动点比实车记录晚约200毫秒，最可能的原因是","options":["回放系统未补偿感知到执行的端到端时延","回放使用的地图版本比实车旧","回放时车辆电池电量低于实车","回放视频的编码格式与实车不同"],"answer":[0],"explanation":"知识点是数据回放中的时延补偿。回放制动点晚于实车记录，通常因为回放系统未补偿从感知到执行链路的端到端时延。地图版本旧会影响路径规划，但不直接造成固定200毫秒延迟。电池电量影响动力系统，不解释制动点时间偏移。视频编码格式影响图像质量，与制动时序无关。"},{"id":193,"type":"single","stem":"智能网联汽车测试员在夜间测试中，发现车辆对向车道远光灯照射下摄像头出现大面积过曝，导致车道线识别丢失，最合理的临时处置是","options":["记录该场景并降低车速同时准备接管","立即关闭摄像头仅依靠激光雷达行驶","将车辆远光灯也打开以平衡光照","把摄像头曝光时间调到最长以增加亮度"],"answer":[0],"explanation":"知识点是夜间强光干扰下的测试安全处置。遇到摄像头过曝导致车道线丢失，应先记录场景、降低车速并准备接管，保证安全同时保留问题数据。关闭摄像头仅靠激光雷达会改变测试条件且可能引入新风险。打开远光灯会加剧对向眩光，不是合理处置。曝光时间调到最长会加重过曝，方向错误。"},{"id":194,"type":"single","stem":"在智能网联汽车测试方案中，若要对自动泊车功能进行边界测试，下列哪项场景最能暴露车位线残缺时的泊车失败风险","options":["车位线被部分遮挡且相邻车位有立柱","标准垂直车位两侧均无车辆","地面车位线颜色为白色且光照充足","车位后方为开阔空地无任何障碍物"],"answer":[0],"explanation":"知识点是自动泊车边界场景设计。车位线部分遮挡并伴随立柱，能同时考验感知对残缺线和近距离障碍的处理，最容易暴露失败风险。标准垂直车位无车辆属于常规场景，难度低。白色车位线光照充足属于理想条件，不能暴露边界问题。后方开阔空地不构成边界挑战。"},{"id":195,"type":"single","stem":"智能网联汽车测试员在采集数据时，需要确保数据可用于后续事故责任分析，最关键的数据属性是","options":["数据的完整性与不可篡改性","数据的压缩率与存储格式","数据的采集频率与分辨率","数据的文件名命名规则"],"answer":[0],"explanation":"知识点是事故责任分析对数据可信性的要求。责任分析需要数据完整且不可篡改，才能作为有效证据。压缩率与存储格式影响存储效率，不决定证据可信度。采集频率与分辨率影响数据质量，但不是责任分析最关键属性。命名规则便于管理，与证据效力无关。"},{"id":196,"type":"single","stem":"在智能网联汽车测试中，若车辆在跟车场景下频繁出现“幽灵刹车”，测试员排查后发现雷达对路边金属护栏产生了虚假目标，最有效的验证方法是","options":["在相同路段用不同雷达安装角度对比虚警率","提高车辆跟车速度以缩短反应时间","关闭雷达仅使用摄像头进行跟车","增加驾驶员接管频率以覆盖误刹"],"answer":[0],"explanation":"知识点是毫米波雷达虚警与安装角度的关系。怀疑金属护栏造成虚假目标时，应通过改变雷达安装角度对比虚警率来验证。提高跟车速度会增大风险，且不能验证虚警来源。关闭雷达改变系统配置，无法定位问题。增加接管频率只是规避，不能验证虚警原因。"},{"id":197,"type":"multi","stem":"智能网联汽车测试员在准备一次城市NOA功能测试时，下列哪些做法有助于保证测试数据的可追溯性","options":["为每次测试分配唯一任务编号并记录车辆配置","同步记录测试路线的高精地图版本与软件版本","在测试结束后统一补录驾驶员接管次数","将不同测试日期的数据存放在同一文件夹不区分","用手机拍摄仪表画面作为唯一数据来源"],"answer":[0,1],"explanation":"知识点是测试数据可追溯性的基本要求。唯一任务编号与车辆配置记录能关联测试条件，高精地图与软件版本记录能复现环境与算法状态，这两项有助于可追溯。测试结束后补录接管次数容易遗漏和出错，不能保证可追溯。不同日期数据混放不区分会破坏追溯性。手机拍摄仪表画面不能作为唯一数据来源，缺乏完整性和同步性。"},{"id":198,"type":"single","stem":"在智能网联汽车封闭测试场进行自动紧急制动系统（AEB）试验时，目标假车与测试车纵向对齐后，测试车应以何种方式驶向目标假车以获取有效制动触发数据？","options":["保持匀速直线行驶直至AEB触发","以恒定减速度逐渐减速接近目标","匀速接近后突然加速至设定车速","先加速到设定车速后松油门滑行接近"],"answer":[0],"explanation":"知识点：AEB封闭测试的车辆接近方式。AEB试验要求测试车以稳定设定车速匀速接近目标，才能获得可重复的触发时刻与制动距离数据。选项B恒定减速会让车速持续变化，无法评估固定车速下的响应；选项C突然加速改变了试验工况，触发条件不可控；选项D松油门滑行车速会自然衰减，接近速度不恒定，数据不可比。"},{"id":199,"type":"single","stem":"在采集智能网联汽车激光雷达点云数据时，若发现同一静止目标在连续多帧点云中出现位置轻微跳变，最应优先排查的环节是？","options":["点云时间戳与组合导航时间同步是否对齐","激光雷达的探测距离参数设置是否过大","目标检测算法中的聚类阈值是否偏小","点云数据是否经过降采样预处理"],"answer":[0],"explanation":"知识点：多传感器时间同步对点云稳定性的影响。静止目标位置跳变通常源于点云帧与车辆位姿时间戳不同步，导致坐标变换时引入运动误差。选项B探测距离参数影响的是可测范围而非位置抖动；选项C聚类阈值影响目标分割数量，不会使同一目标整体位移；选项D降采样只改变点密度，不改变目标几何中心位置。"},{"id":200,"type":"single","stem":"对智能网联汽车进行道路测试时，安全员在自动驾驶模式下将手虚搭在方向盘上，这一做法在测试记录中应如何认定？","options":["属于正常监控姿态，可记录为人工未接管","属于违规操作，应记录为人工干预事件","属于冗余控制，应记录为系统降级事件","属于测试策略，应记录为接管准备状态"],"answer":[1],"explanation":"知识点：自动驾驶测试中人工干预的判定标准。测试规范要求安全员在自动驾驶模式下不得对方向盘施加任何力矩，虚搭仍可能产生扭矩输入，干扰转向控制，因此应判定为人工干预。选项A忽略了虚搭可能引入的力矩；选项C系统降级指系统自身能力下降，与人员动作无关；选项D接管准备状态并非规范定义的事件类型，不能替代干预记录。"},{"id":201,"type":"single","stem":"在智能网联汽车测试数据回放分析中，发现感知模块输出的障碍物跟踪ID在同一目标被相邻两帧遮挡后发生跳变，这最可能影响下列哪项测试指标的统计？","options":["目标检测的召回率","多目标跟踪的ID保持率","车道线拟合的横向误差","车辆纵向控制的加速度波动"],"answer":[1],"explanation":"知识点：多目标跟踪评价指标。ID跳变直接对应跟踪连续性下降，应计入ID保持率（或ID switch）统计。选项A召回率统计的是是否漏检，与ID是否连续无关；选项C车道线拟合评价的是横向定位精度，与障碍物跟踪无关；选项D纵向加速度波动属于控制评价，不由跟踪ID跳变直接引起。"},{"id":202,"type":"single","stem":"智能网联汽车在雨雾天气进行测试时，摄像头图像出现整体对比度下降但毫米波雷达目标检测正常，此时最合理的测试记录方式是？","options":["判定摄像头故障并终止本轮全部测试","按天气条件标注并继续采集多传感器数据","仅记录雷达数据，丢弃受影响的图像帧","提高摄像头曝光增益后重新采集同一场景"],"answer":[1],"explanation":"知识点：恶劣天气下多传感器测试的数据记录原则。雨雾导致图像退化属于预期工况，应保留原始数据并标注环境条件，用于后续多传感器融合分析。选项A把工况影响误判为硬件故障，终止测试会丢失有效数据；选项C丢弃图像帧会破坏多传感器时间对齐；选项D调整曝光增益改变了原始成像条件，使数据不可复现。"},{"id":203,"type":"single","stem":"在智能网联汽车功能测试用例设计中，针对“前车突然切出后本车应加速至设定巡航速度”这一场景，用例的前置条件应明确哪项内容？","options":["本车处于自适应巡航激活且前方有稳定跟随目标","本车处于人工驾驶且驾驶员持续踩加速踏板","本车处于自动泊车状态且车速低于五公里","本车处于车道保持激活且无任何前方目标"],"answer":[0],"explanation":"知识点：测试用例前置条件的设定。该场景考察跟车目标消失后的巡航恢复逻辑，前置条件必须包含自适应巡航激活且存在被跟随的前车。选项B人工驾驶不涉及巡航恢复；选项C自动泊车与巡航功能无关；选项D无前方目标则不存在前车切出这一触发事件。"},{"id":204,"type":"single","stem":"智能网联汽车测试中，组合导航系统在隧道内出现定位漂移，出隧道后需要评估定位恢复能力，最合适的评价数据来源是？","options":["隧道内惯性测量单元的原始角速度积分","出隧道后首次卫星定位有效定位点","隧道内激光雷达点云匹配的位姿结果","出隧道后摄像头识别到的车道线距离"],"answer":[1],"explanation":"知识点：组合导航定位恢复的评价方法。定位恢复能力应以出隧道后重新获得有效卫星定位的时刻与位置误差来衡量。选项A惯性积分在隧道内会持续累积误差，不能代表恢复能力；选项C隧道内点云匹配结果反映的是隧道内定位保持，不是恢复；选项D车道线距离属于横向感知，不能直接评价全局定位恢复。"},{"id":205,"type":"single","stem":"在智能网联汽车测试车辆上安装数据采集设备时，将摄像头与激光雷达固定在同一刚性支架上，这一做法的主要目的是？","options":["降低设备供电系统的电磁干扰","保证两者相对外参在振动中稳定","提高摄像头图像的分辨率与帧率","减少激光雷达点云的运动畸变"],"answer":[1],"explanation":"知识点：多传感器外参标定的稳定性保障。共刚性支架可抑制车辆振动导致的相对位姿变化，维持外参有效。选项A供电干扰与机械安装方式无关；选项C图像分辨率由摄像头本身决定；选项D点云运动畸变取决于扫描频率与车辆运动补偿，不由支架刚性消除。"},{"id":206,"type":"single","stem":"智能网联汽车测试报告显示某次AEB测试中车辆未触发制动但未发生碰撞，回放数据显示目标在触发阈值前已被分类为“非危险目标”，这属于哪类问题？","options":["执行机构响应延迟","感知分类逻辑误判","制动管路压力不足","测试场景布置错误"],"answer":[1],"explanation":"知识点：AEB未触发的故障归因分析。目标被误分类为非危险目标，属于感知分类逻辑问题，导致决策层未发出制动指令。选项A执行机构延迟表现为已发指令但制动滞后；选项C压力不足表现为制动已触发但减速度不够；选项D场景布置错误属于试验设计问题，与目标分类结果无直接因果关系。"},{"id":207,"type":"single","stem":"在智能网联汽车测试中，需要对同一段路测数据分别用两种感知算法离线回放，为保证对比公平，最应保持一致的是？","options":["两种算法使用的输入数据时间戳与标定参数","两种算法在回放时的计算资源占用上限","两种算法输出的目标数量统计口径","两种算法在回放时的日志打印详细级别"],"answer":[0],"explanation":"知识点：离线回放对比试验的控制变量原则。算法对比必须保证输入数据与标定参数一致，否则差异无法归因于算法本身。选项B计算资源上限影响运行速度但不改变输入条件；选项C统计口径属于评价方法，应在对比前统一但非输入一致性；选项D日志级别不影响算法输出结果。"},{"id":208,"type":"single","stem":"智能网联汽车在开放道路测试中，车辆即将进入无保护左转路口，安全员发现对向有来车但系统仍计划左转，此时正确的处置是？","options":["立即接管并制动，记录为系统决策错误","等待系统自行判断，观察是否避让","轻踩加速踏板帮助车辆快速通过","切换至人工驾驶后继续完成左转"],"answer":[0],"explanation":"知识点：开放道路测试中安全员的接管职责。当系统决策存在碰撞风险时应立即接管并制动，同时记录该决策错误用于后续分析。选项B等待会错过避险时机；选项C加速通过会加大冲突风险；选项D切换人工后继续左转仍未消除对向来车冲突，且未及时制动。"},{"id":209,"type":"single","stem":"在智能网联汽车封闭测试场地进行AEB行人横穿场景测试时，目标假人应从车辆前方横向以规定速度移动，以下关于触发时机的设置哪项符合测试方案设计原则","options":["在车辆距离假人固定纵向距离时触发假人横穿","在车辆达到规定车速后由驾驶员手动触发假人横穿","在车辆进入场地后由安全员随机触发假人横穿","在假人到达道路中线时再启动车辆加速"],"answer":[0],"explanation":"知识点：AEB测试中目标物触发需与自车运动状态建立确定性时空关系，通常按固定纵向距离或TTC触发以保证可重复性。A项正确，固定距离触发可保证每次试验初始条件一致。B项错误，手动触发受人为反应影响，重复性差，不符合测试方案设计。C项错误，随机触发使试验条件不可控，无法复现和对比。D项错误，车辆加速时机由假人位置决定会颠倒主从关系，导致初始条件不一致。"},{"id":210,"type":"single","stem":"智能网联汽车测试中采集的CAN总线数据出现部分报文时间戳跳变，以下排查步骤中应优先执行的是","options":["检查数据采集设备的硬件时间同步配置","更换整车CAN总线终端电阻后重新采集","将采集数据导入仿真软件做信号回放","降低总线负载率后重新录制数据"],"answer":[0],"explanation":"知识点：数据采集时间戳异常首先要排查时间同步源与采集设备配置，这是数据可信度的基础。A项正确，时间戳跳变多源于采集设备未与整车时间源同步或同步配置错误。B项错误，终端电阻影响总线电气特性，通常导致报文丢失或错误帧，不会直接造成时间戳跳变。C项错误，回放不能解决时间戳本身错误，属于后续分析手段。D项错误，降低负载率可减少丢帧，但时间戳跳变与负载率无直接因果关系。"},{"id":211,"type":"single","stem":"在自动驾驶车辆开放道路测试中，安全员发现车辆对施工区锥桶识别延迟并伴有横向偏移，以下现场处置方式正确的是","options":["安全员立即接管并记录场景时间戳与车辆状态","安全员先通过语音提示车辆继续行驶观察表现","安全员关闭感知模块后由驾驶员人工驾驶返回","安全员远程通知后台工程师在线修改感知参数"],"answer":[0],"explanation":"知识点：开放道路测试出现功能异常时，安全员首要职责是保障安全并及时接管，同时保留现场数据用于故障分析。A项正确，接管并记录时间戳与状态是标准处置流程。B项错误，继续行驶观察会放大风险，不符合安全员职责。C项错误，关闭感知模块不能替代接管，且现场不具备排查条件。D项错误，在线修改参数属于开发行为，测试现场不允许未经流程变更车辆配置。"},{"id":212,"type":"single","stem":"智能网联汽车测试报告中对某一场景的通过判定采用多次重复试验，以下关于重复试验结果统计的说法正确的是","options":["应统计通过率并给出置信区间以支撑判定","只要有一次通过即可判定该场景测试通过","应取所有试验结果的平均值作为最终结论","重复次数越多越应直接采用最后一次结果"],"answer":[0],"explanation":"知识点：场景测试判定需基于统计显著性，通过率与置信区间是常用表达方式。A项正确，统计通过率并给出置信区间才能支撑可辩护的判定结论。B项错误，单次通过不能代表场景稳定通过，偶然性大。C项错误，通过与否是分类结果，取平均值没有物理意义。D项错误，最后一次结果不代表整体表现，不能作为判定依据。"},{"id":213,"type":"single","stem":"在智能网联汽车数据回灌测试中，将路采数据注入算法模块时发现感知输出与实车不一致，最可能的原因是","options":["回灌时未还原传感器安装标定参数","回灌数据的时间戳被重新排序","回灌使用的计算平台算力过高","回灌数据文件采用了压缩存储"],"answer":[0],"explanation":"知识点：数据回灌需还原传感器外参、内参及时间同步等条件，否则感知输入与实车不一致。A项正确，未还原标定参数会导致感知结果偏差。B项错误，时间戳排序影响时序逻辑，但通常不会造成感知输出系统性不一致。C项错误，算力过高不会导致结果与实车不一致，反而可能更快。D项错误，压缩存储只要解压正确不影响数据内容。"},{"id":214,"type":"single","stem":"智能网联汽车测试方案中设计跟车场景时，以下关于目标车减速方式的设置最有利于复现真实风险的是","options":["目标车以固定减速度制动至停止","目标车由驾驶员根据后车距离随机制动","目标车先加速再急减速制造突变","目标车保持匀速由自车主动靠近"],"answer":[0],"explanation":"知识点：跟车场景的可重复性与风险复现要求目标车运动可控，固定减速度便于参数化对比。A项正确，固定减速度制动可复现且便于分析自车响应。B项错误，随机制动引入人为不确定性，试验不可重复。C项错误，先加速再急减速改变了场景定义，难以与其他试验对比。D项错误，自车主动靠近属于前车匀速场景，不能考核前车减速工况。"},{"id":215,"type":"single","stem":"在智能网联汽车测试中，对激光雷达点云与摄像头图像进行融合验证时，以下检查项属于时空同步验证的是","options":["检查两传感器数据时间戳对齐及外参投影一致性","检查点云强度值是否在有效量程内","检查图像分辨率是否满足标注要求","检查点云帧率是否高于图像帧率"],"answer":[0],"explanation":"知识点：多传感器融合验证中时空同步包括时间戳对齐与空间外参投影一致性。A项正确，时间对齐和外参投影一致是时空同步的核心检查项。B项错误，点云强度量程属于单传感器数据质量检查。C项错误，图像分辨率属于单传感器成像质量检查。D项错误，帧率高低属于采集配置，不直接验证同步关系。"},{"id":216,"type":"single","stem":"智能网联汽车测试员在分析一次误制动事件时，发现毫米波雷达在金属井盖上方产生虚假目标，以下分析结论正确的是","options":["该现象属于雷达多径反射导致的虚警","该现象属于摄像头曝光不足导致的误检","该现象属于激光雷达标定偏差导致的偏移","该现象属于组合导航定位漂移导致的误判"],"answer":[0],"explanation":"知识点：毫米波雷达对金属目标易产生多径反射，形成虚假目标导致虚警。A项正确，金属井盖反射雷达波形成多径是典型虚警来源。B项错误，摄像头曝光不足影响图像识别，与雷达虚警无直接关系。C项错误，激光雷达标定偏差影响点云空间位置，不解释雷达虚假目标。D项错误，组合导航漂移影响定位，不直接产生雷达目标虚警。"},{"id":217,"type":"single","stem":"在智能网联汽车测试中设计自动泊车场景时，以下关于车位标线设置的做法正确的是","options":["按标准尺寸施划标线并保证光照条件一致","使用磨损严重的旧车位标线以贴近现实","在车位内放置随机障碍物以增加难度","将车位标线颜色改为与地面相近的灰色"],"answer":[0],"explanation":"知识点：自动泊车测试需控制车位几何尺寸与光照等边界条件，保证试验可重复。A项正确，标准尺寸标线加一致光照是受控试验的基本要求。B项错误，磨损标线引入不可控变量，不利于对比不同算法。C项错误，随机障碍物改变场景定义，应作为独立场景设计。D项错误，标线颜色与地面相近会人为降低可识别性，不属于标准设置。"},{"id":218,"type":"single","stem":"智能网联汽车测试数据管理要求对原始数据进行完整保存，以下做法符合数据可追溯要求的是","options":["记录采集时间地点车辆配置及数据校验值","仅保存经过算法处理后的结构化结果","按日期建立文件夹但不记录车辆配置","将原始数据转码为低码率视频以节省空间"],"answer":[0],"explanation":"知识点：数据可追溯要求记录采集元数据并保证数据完整性校验。A项正确，时间地点车辆配置与校验值共同构成可追溯信息。B项错误，仅保存处理结果无法回溯原始信号，不满足可追溯。C项错误，缺少车辆配置信息导致无法复现试验条件。D项错误，转码有损压缩会丢失原始信息，破坏数据完整性。"},{"id":219,"type":"single","stem":"智能网联汽车测试中，车辆在隧道内出现GNSS定位跳变，以下原因分析最合理的是","options":["隧道遮挡导致卫星信号多路径与失锁","隧道内温度升高导致IMU零偏增大","隧道内照明变化导致摄像头白平衡漂移","隧道内车流增大导致雷达探测距离下降"],"answer":[0],"explanation":"知识点：GNSS在隧道等遮挡环境易失锁并产生多路径，导致定位跳变。A项正确，遮挡与多路径是隧道内GNSS定位跳变的主因。B项错误，IMU零偏受温度影响但通常变化缓慢，不会造成GNSS跳变。C项错误，摄像头白平衡影响图像色彩，不直接导致GNSS定位跳变。D项错误，雷达探测距离与车流有关，与GNSS定位无关。"},{"id":220,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿试验时，目标假人应以何种方式触发才能复现标准场景中的典型失效边界？","options":["假人从遮挡车辆后方以恒定速度横向匀速进入车道","假人从路侧静止起步后按预设加速度横向移动","假人沿车道纵向后退至车辆前方再横向移动","假人从车道正前方静止站立等待车辆接近"],"answer":[1],"explanation":"知识点：AEB行人横穿测试场景设计。正确项对在按预设加速度横向移动可复现行人突然起步的典型失效边界；从遮挡车辆后方匀速进入属于标准CCRs场景；纵向后退再横向移动不符合横穿定义；静止站立属于静止目标场景而非横穿。"},{"id":221,"type":"single","stem":"采集智能网联汽车CAN总线数据时，若需同时记录原始报文与解析后的物理量，正确的做法是？","options":["仅记录解析后的物理量以节省存储空间","仅记录原始报文，事后用DBC离线解析","同步记录原始报文与带时间戳的解析结果","只记录变化量超过阈值的报文和解析值"],"answer":[2],"explanation":"知识点：CAN总线数据采集规范。正确项对在同步记录原始报文与带时间戳解析结果可保证可追溯与实时分析；仅记录物理量丢失原始帧无法复核；仅记录原始报文无法实时监控；只记录超阈值报文会遗漏关键上下文。"},{"id":222,"type":"single","stem":"智能网联汽车在开放道路测试中，激光雷达点云出现规律性拖尾，最可能的原因是？","options":["激光雷达与相机外参标定误差超限","车辆运动补偿未启用或时间同步偏差","雷达安装高度低于设计推荐值","点云滤波算法将地面点误判为障碍物"],"answer":[1],"explanation":"知识点：激光雷达点云异常诊断。正确项对在运动补偿未启用或时间同步偏差会导致运动物体点云拖尾；外参标定误差表现为融合错位而非拖尾；安装高度影响盲区不产生拖尾；地面点误判属于分割错误。"},{"id":223,"type":"single","stem":"对智能网联汽车毫米波雷达进行暗室测试时，为排除多径反射对目标检测的干扰，应优先调整？","options":["雷达发射功率至最大档位","吸波材料铺设角度与覆盖范围","目标模拟器的RCS设定值","雷达安装支架的金属材质"],"answer":[1],"explanation":"知识点：毫米波雷达暗室测试环境控制。正确项对在调整吸波材料角度与覆盖可抑制多径反射；提高发射功率会加剧反射；RCS设定影响目标强度不解决多径；支架金属材质属于安装问题。"},{"id":224,"type":"single","stem":"智能网联汽车测试中，GNSS信号在隧道内丢失后，组合导航系统应依靠什么维持短时定位精度？","options":["仅靠轮速计推算航位","IMU与轮速计紧组合推算","重启GNSS模块等待重新捕获","切换至视觉里程计单独输出"],"answer":[1],"explanation":"知识点：组合导航定位原理。正确项对在IMU与轮速计紧组合可在GNSS丢失时短时维持精度；仅轮速计无法感知航向变化；重启GNSS会中断输出；视觉里程计受隧道光照影响大且非首选。"},{"id":225,"type":"single","stem":"在智能网联汽车测试报告中，对同一场景多次测试结果进行统计分析时，为描述离群测试对结论的影响，应优先给出？","options":["算术平均值与标准差","中位数与四分位距","最大值与最小值之差","众数与频数分布表"],"answer":[1],"explanation":"知识点：测试数据统计分析。正确项对在中位数与四分位距对离群值稳健；均值与标准差受离群值影响大；极差仅反映两端；众数不反映离散程度。"},{"id":226,"type":"single","stem":"智能网联汽车测试员发现车辆在雨天误触发FCW，首先应检查的是？","options":["毫米波雷达前保险杠安装角度是否偏移","摄像头镜头表面是否有水渍或污渍","FCW报警音量设置是否过低","制动系统液压压力是否正常"],"answer":[1],"explanation":"知识点：FCW误触发故障排查。正确项对在雨天镜头水渍是常见误触发原因；雷达角度偏移导致漏检而非误触发；报警音量与触发无关；制动液压不影响FCW判断。"},{"id":227,"type":"single","stem":"进行智能网联汽车V2X通信测试时，若发现消息接收率随车辆间距增大而骤降，最应优先排查？","options":["OBU天线驻波比是否超标","应用层消息发送频率是否过高","车辆电池电压是否偏低","路侧单元RSU的IP地址配置"],"answer":[0],"explanation":"知识点：V2X通信性能测试。正确项对在天线驻波比超标会导致辐射效率下降、距离敏感；发送频率过高影响时延不影响距离衰减；电池电压影响设备供电但非距离相关；IP配置影响连通性非距离衰减。"},{"id":228,"type":"single","stem":"智能网联汽车测试方案中，为验证自动泊车系统对低矮障碍物的识别能力，应选择的典型目标是？","options":["高度约15厘米的金属立柱","高度约60厘米的锥桶","高度约120厘米的假人","高度约200厘米的车辆模型"],"answer":[0],"explanation":"知识点：自动泊车低矮障碍物测试设计。正确项对在15厘米金属立柱代表低矮难检目标；60厘米锥桶高于多数超声波雷达盲区下限；假人与车辆模型属于常规目标无法验证低矮能力。"},{"id":229,"type":"single","stem":"在智能网联汽车测试数据回放时，发现感知结果与原始点云时间戳相差约100毫秒，正确的处理是？","options":["直接忽略该偏差继续回放","在回放工具中补偿时间戳偏移后回放","重新采集全部数据放弃该段","将感知结果时间戳改为点云时间戳"],"answer":[1],"explanation":"知识点：测试数据回放时间同步。正确项对在补偿时间戳偏移可还原真实时序；忽略偏差会导致错误分析；重新采集成本高且非必要；篡改时间戳会引入新错误。"},{"id":230,"type":"single","stem":"智能网联汽车测试中，对同一段城市道路连续采集的激光雷达点云进行时间同步检查，主要目的是确认","options":["各帧点云是否在同一坐标系下表达","点云时间戳与组合惯导时间戳是否对齐","点云强度值是否经过反射率标定","点云是否已完成地面点滤除"],"answer":[1],"explanation":"知识点是多传感器时间同步。时间同步检查关注的是不同传感器数据在时间轴上是否对齐，点云与惯导时间戳对齐属于该范畴；坐标系统一属于空间标定问题；强度标定属于雷达自身标定；地面滤除属于点云预处理，均与时间同步无直接关系。"},{"id":231,"type":"single","stem":"对自动驾驶车辆进行数据采集时，若发现CAN总线上某报文周期由20ms变为40ms且持续存在，测试员首先应记录并","options":["同步采集该报文的原始时间戳以定位抖动来源","重启整车电源以恢复正常报文周期","提高采集卡采样率以捕获更多报文","屏蔽该报文以避免影响后续分析"],"answer":[0],"explanation":"知识点是数据采集异常定位。周期异常首先需要保留原始时间戳证据以便追溯是发送端还是采集端问题；重启电源会破坏故障现场；提高采样率只能改变采集侧分辨率，无法解释发送周期变化；屏蔽报文会丢失关键数据。"},{"id":232,"type":"single","stem":"在智能网联汽车测试方案中，设计「前车静止、本车以40km/h接近」的CCRs场景时，目标车应设置为","options":["与地面固定且具备雷达反射特性的刚性目标","可被本车轻微推动以缓冲碰撞的软体目标","与真实车辆等重的可移动车辆模型","带有主动制动功能的移动平台"],"answer":[0],"explanation":"知识点是CCRs场景目标物要求。CCRs要求目标车静止且具有稳定雷达反射特性，刚性固定可保证位置与反射一致性；可推动软体主要用于碰撞缓冲，会改变位置；等重可移动模型多用于动态场景；带主动制动属于CCRm等动态场景需求。"},{"id":233,"type":"single","stem":"测试员在分析自动紧急制动误触发数据时，发现车辆在无目标空旷路段出现制动，回放显示毫米波雷达存在单帧强反射点，下一步最合理的分析动作是","options":["检查该帧点云与视觉感知结果是否时空对齐","直接判定为雷达硬件故障并更换雷达","调低雷达检测灵敏度以消除强反射","将该路段从测试路线中永久剔除"],"answer":[0],"explanation":"知识点是多传感器融合误触发分析。单帧强反射可能是鬼影或干扰，应先核对视觉等传感器在同一时空是否也有对应目标，判断是融合策略问题还是单雷达问题；直接换硬件缺少证据；调低灵敏度会降低真实目标检出；剔除路段回避了问题根因。"},{"id":234,"type":"single","stem":"智能网联汽车测试中，对摄像头图像进行标注时，若同一目标在连续帧中标注框发生跳变，最可能影响的是","options":["目标检测模型的训练稳定性","图像采集的曝光一致性","摄像头内参标定精度","数据存储的压缩比"],"answer":[0],"explanation":"知识点是标注质量对模型训练的影响。连续帧标注框跳变会使同一目标在不同帧的监督信号不一致，干扰模型学习；曝光一致性由采集端控制；内参标定属于几何标定；压缩比与标注无关。"},{"id":235,"type":"single","stem":"在智能网联汽车道路测试中，安全员发现车辆在通过无标线路口时横向控制出现轻微画龙，此时最合适的初步处置是","options":["记录发生路段与时间并触发数据回传，随后按流程接管","立即关闭横向控制功能并继续以人工驾驶完成剩余路线","原地停车等待远程协助确认后再继续","调整方向盘转角增益参数后继续测试"],"answer":[0],"explanation":"知识点是道路测试异常处置。轻微画龙属于需记录并保留证据的异常，触发回传便于后续分析，同时安全员按流程接管保证安全；直接关闭功能继续测试会丢失后续同场景数据；原地等待并非必要；调整参数属于改变被测状态，应在分析后由开发决定。"},{"id":236,"type":"single","stem":"智能网联汽车测试数据回传中，对视频流采用H.265编码相比H.264的主要优势是","options":["在同等画质下降低码率以节省带宽","消除视频帧间的时间戳误差","提高摄像头传感器的动态范围","实现多路视频的硬件级时间同步"],"answer":[0],"explanation":"知识点是测试数据回传编码。H.265通过更高效的预测与变换在同等画质下降低码率，利于带宽受限的回传；时间戳误差由采集与同步机制决定；动态范围属传感器特性；多路同步依赖硬件触发或PTP等机制，与编码标准无关。"},{"id":237,"type":"single","stem":"在自动驾驶数据采集车上，组合惯导与激光雷达的联合标定完成后，若车辆行驶中激光雷达点云在惯导坐标系下出现缓慢漂移，最可能的原因是","options":["标定外参随时间发生温漂或机械松动","激光雷达点云强度标定未完成","惯导的加速度计零偏未做温度补偿","点云地面滤除算法参数设置不当"],"answer":[0],"explanation":"知识点是外参标定稳定性。缓慢漂移多指向外参随温度或振动变化；强度标定影响反射率而非几何位置；加速度计零偏主要影响定位精度而非点云在惯导系下的几何一致性；地面滤除只改变点云子集，不会造成整体漂移。"},{"id":238,"type":"single","stem":"智能网联汽车测试方案中，用于评价感知系统在夜间无路灯条件下识别行人的能力，应优先选择的指标是","options":["不同距离下的行人检出率与误检率","白天与夜间识别结果的平均精度差值","单帧图像的行人检测耗时","行人检测框与真值的交并比均值"],"answer":[0],"explanation":"知识点是感知评价指标选择。评价夜间无路灯识别能力需在对应条件下统计检出率与误检率；平均精度差值用于对比昼夜差异而非评价夜间本身；单帧耗时属于实时性；交并比均值只反映定位精度，不反映漏检与误检。"},{"id":239,"type":"multi","stem":"在智能网联汽车测试数据采集过程中，为保障采集数据可用于后续故障分析，下列做法中合理的有","options":["同步记录传感器原始数据与车辆CAN总线数据","为每帧数据打上统一时间基准的时间戳","采集时同时记录天气、光照与道路类型等场景标签","仅保留经过算法处理后的目标列表以节省存储","将不同传感器的数据分别存储且不记录关联关系"],"answer":[0,1,2],"explanation":"知识点是采集数据完整性。原始数据与CAN同步、统一时间戳、场景标签都是故障复现与分析的必要信息；仅保留目标列表会丢失原始证据；分别存储且不记录关联关系会导致无法做时空对齐。"},{"id":240,"type":"single","stem":"智能网联汽车测试员在采集激光雷达点云时发现同一帧内近处地面点云出现同心圆状空洞，而远处点云正常，最可能的原因是","options":["激光雷达窗口镜片存在局部污渍遮挡","点云时间同步偏差超过10毫秒","车辆CAN总线负载率过高","组合导航RTK差分信号失锁"],"answer":[0],"explanation":"知识点是激光雷达光学窗口污染对近距离点云的影响。近处点云依赖大角度发射与接收，窗口局部污渍会遮挡近距回波形成同心圆空洞；时间同步偏差表现为点云整体错位或拖影；CAN负载率过高影响控制指令周期而非点云几何形态；RTK失锁影响定位精度，不改变单帧点云空间分布。"},{"id":241,"type":"single","stem":"在自动驾驶数据回灌测试中，将实车采集的传感器原始数据按时间戳回放给域控制器，发现感知结果与实车记录不一致，排查时首先应确认的是","options":["回灌数据的时间戳基准是否与域控制器时钟同源","回灌电脑的CPU核心数是否足够","实车采集时的天气状况是否一致","域控制器的外壳温度是否在允许范围"],"answer":[0],"explanation":"知识点是数据回灌的时间同步基准。回灌不一致最常见原因是时间戳基准不同源，导致融合模块拿到错位帧；CPU核心数影响回放速度但不改变单帧感知结果；天气属于采集场景属性，回灌时已固化在数据中；外壳温度影响芯片降频，通常表现为延迟而非结果差异。"},{"id":242,"type":"single","stem":"智能网联汽车测试员在夜间无路灯路段测试LDW车道偏离预警，车辆以60km/h压左侧白实线，系统未报警，但白天同一路段同一车速可正常报警，最应优先检查的是","options":["前视摄像头在低照度下的曝光增益与白线对比度","车辆横摆角速度传感器零点漂移","转向灯拨杆是否处于回位状态","车道线高精地图属性是否标注为实线"],"answer":[0],"explanation":"知识点是LDW依赖视觉车道线识别的光照鲁棒性。夜间无路灯时摄像头曝光增益不足或白线对比度下降会导致漏识别；横摆角速度漂移影响的是车辆姿态估计而非车道线检测；转向灯状态影响的是变道意图抑制逻辑，压线未打灯不触发抑制；高精地图实线属性与视觉LDW报警逻辑无关。"},{"id":243,"type":"single","stem":"在智能网联汽车测试中，需要验证ACC对前方慢速切入车辆的响应，测试员设置目标车以30km/h切入本车所在车道，本车以80km/h巡航，最应关注的评价指标是","options":["本车减速度峰值与TTC最小值","本车车道保持横向偏差","目标车切入时的转向灯持续时间","本车空调出风温度波动"],"answer":[0],"explanation":"知识点是ACC切入场景的核心评价指标。切入场景关注纵向控制安全，减速度峰值反映舒适性，TTC最小值反映碰撞风险；横向偏差属于LKA/LCC评价；转向灯持续时间是目标车行为设定参数；空调出风温度与ACC功能无关。"},{"id":244,"type":"single","stem":"智能网联汽车测试员在分析一次低速泊车刮擦事件时，发现超声波雷达在障碍物距离0.35米时才输出报警，而设计要求0.5米报警，最可能的原因是","options":["超声波雷达探头的安装高度偏离标定值","泊车控制器CAN报文周期被设置为100毫秒","车辆蓄电池电压在泊车时降至11.8伏","超声波雷达自检未通过但被上层忽略"],"answer":[0],"explanation":"知识点是超声波雷达探测距离与安装高度的关系。探头安装高度偏离标定值会改变声波反射路径，导致测距偏大、报警滞后；报文周期100毫秒影响的是报警刷新率而非触发距离；蓄电池电压11.8伏可能影响供电但通常先报故障；自检未通过会被上层记录故障码，不会表现为距离阈值偏移。"},{"id":245,"type":"single","stem":"在智能网联汽车测试方案中设计高速公路匝道汇入场景时，主车需从加速车道汇入车流，测试员设置主车加速车道末端速度为70km/h，目标车道后方来车速度90km/h，该场景主要考核的是","options":["主车对后方来车的间隙选择与速度协调能力","主车车道居中保持的横向控制精度","主车对匝道限速标志的识别准确率","主车雨刮器的自动开启时机"],"answer":[0],"explanation":"知识点是匝道汇入场景的考核目标。汇入场景核心是主车判断后方来车距离与速度，选择合适间隙并协调自身速度完成汇入；横向控制精度属于车道保持功能；限速标志识别属于交通标志识别功能；雨刮器属于车身舒适功能，与汇入决策无关。"},{"id":246,"type":"single","stem":"智能网联汽车测试员在采集CAN总线数据时，发现某ID报文周期从20毫秒变为40毫秒且偶发丢失，但总线负载率仅35%，最可能的原因是","options":["发送该报文的节点软件任务调度周期被修改","总线终端电阻从120欧姆变为60欧姆","整车电源电压在12伏至14伏之间波动","诊断仪同时连接占用了总线带宽"],"answer":[0],"explanation":"知识点是CAN报文周期异常的常见原因。周期从20毫秒变40毫秒且负载率不高，说明是发送节点任务调度周期被改；终端电阻变化会影响信号质量导致错误帧而非周期倍增；电源电压在正常范围波动不影响报文周期；诊断仪占用带宽会提高负载率，与35%不符。"},{"id":247,"type":"single","stem":"在智能网联汽车测试中，需要评估AEB对静止车辆的避撞能力，测试员设置本车以50km/h接近静止目标车，CCRs场景，若本车在TTC为0.6秒时才开始制动且未避免碰撞，最应优先核查的是","options":["AEB功能触发时距与制动执行器建压延迟","目标车尾部反光标识的逆反射系数","测试场路面摩擦系数是否达到0.8","本车轮胎胎压是否在标准范围"],"answer":[0],"explanation":"知识点是AEB避撞能力的触发与执行链路。TTC0.6秒才制动说明触发时距过晚或执行器建压延迟，应优先核查；反光标识影响目标识别但静止车通常由雷达识别；路面摩擦系数影响制动距离但0.8已属良好；胎压影响制动效能但不会导致触发时距大幅推迟。"},{"id":248,"type":"multi","stem":"智能网联汽车测试员在准备一次城市道路NOA测试时，需要确认测试车辆满足数据采集完整性要求，下列哪些检查项属于必须确认的内容","options":["各传感器原始数据的时间戳已统一到同一时钟源","数据采集设备的存储剩余容量满足本次测试时长","车辆VIN码与测试任务单中的车辆信息一致","测试员个人手机已连接车载蓝牙","车载空调设定温度与上次测试一致"],"answer":[0,1,2],"explanation":"知识点是NOA测试数据采集完整性的前置检查。时间戳统一保证多传感器融合可回灌，存储容量保证数据不中断，VIN与任务单一致保证数据可追溯；手机蓝牙连接与数据采集无关；空调温度不影响采集完整性。"},{"id":249,"type":"single","stem":"智能网联汽车测试员在测试记忆泊车功能时，车辆学习路线后再次进入同一地库，在同一个减速带前停车位置比学习时提前了1.5米，最可能的原因是","options":["视觉重定位特征匹配时减速带纹理被误匹配","车辆轮胎气压比学习时低了0.3巴","地库照明亮度比学习时提高了20%","泊车控制器软件版本从1.0升级到1.1"],"answer":[0],"explanation":"知识点是记忆泊车中视觉重定位的特征匹配。减速带纹理重复或相似会导致特征误匹配，使车辆误判已到达学习点而提前停车；胎压变化影响里程计但1.5米偏差过大；照明亮度提高通常改善匹配；软件版本升级若改变停车逻辑应表现为系统性偏移而非单点提前。"},{"id":250,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人应以何种运动方式触发才能最接近标准工况","options":["从车辆正前方静止开始突然起步","从路侧以恒定速度垂直横穿车道","从路侧变速跑入车道后停在路中","从对向车道斜向驶入本车道"],"answer":[1],"explanation":"知识点：AEB行人横穿场景的标准触发方式。正确项为假人以恒定速度垂直横穿，能稳定复现TTC触发条件；静止起步不符合横穿工况定义；变速后停在路中属静止目标场景；斜向驶入属于对向切入场景。"},{"id":251,"type":"single","stem":"采集自动驾驶路测数据时，若CAN总线报文出现周期性丢帧，最应先排查的环节是","options":["激光雷达点云时间戳对齐","总线负载率与终端电阻匹配","摄像头曝光参数配置","GNSS差分基站信号强度"],"answer":[1],"explanation":"知识点：CAN总线通信故障定位。丢帧多因负载过高或终端电阻不匹配；点云时间戳属感知同步；曝光参数属视觉；GNSS差分属定位，均与CAN丢帧无直接因果。"},{"id":252,"type":"single","stem":"智能网联汽车测试中，用于评价感知算法在雨雾条件下稳定性的指标是","options":["目标检测的平均精度均值","感知输出的帧率抖动","多传感器时间同步误差","定位结果的圆概率误差"],"answer":[0],"explanation":"知识点：感知算法性能评价指标。mAP直接反映不同天气下检测精度变化；帧率抖动属实时性；时间同步属融合前提；圆概率误差属定位精度。"},{"id":253,"type":"single","stem":"测试车辆在城市道路跟车时，毫米波雷达频繁将路边金属护栏识别为前方车辆，最有效的验证方法是","options":["提高雷达发射功率后复测","更换摄像头分辨率后复测","采集该路段雷达点云与真值对比分析","关闭雷达仅用视觉复测"],"answer":[2],"explanation":"知识点：雷达虚警问题的数据验证。采集点云与真值对比可定位虚警特征；提高功率可能加重虚警；换摄像头不解决雷达问题；关闭雷达属规避而非验证。"},{"id":254,"type":"single","stem":"智能网联汽车测试报告显示某版本在夜间场景下AEB误触发率升高，复核时应优先检查","options":["夜间光照标定与触发阈值参数","车辆轮胎气压与制动片磨损","测试驾驶员的操作习惯记录","测试场地的路面摩擦系数"],"answer":[0],"explanation":"知识点：AEB误触发归因。夜间误触发多与光照标定和阈值设置相关；轮胎、驾驶习惯、路面摩擦影响制动距离而非误触发。"},{"id":255,"type":"single","stem":"测试L3级自动驾驶系统接管请求时，驾驶员在请求发出后未及时接管导致碰撞，责任判定的关键依据是","options":["碰撞时车辆行驶速度","系统是否在接管请求前已识别风险","驾驶员是否开启车内娱乐系统","测试场地的天气状况"],"answer":[1],"explanation":"知识点：L3接管责任判定。系统是否提前识别并发出合理接管请求是责任划分关键；车速、娱乐、天气为背景因素而非核心依据。"},{"id":256,"type":"single","stem":"某测试车在隧道出口处GNSS信号恢复后出现定位跳变，正确的处置流程是","options":["立即切换纯惯导继续测试","停车检查并重启定位模块","记录跳变时段数据并复现分析","降低车速后继续原路线测试"],"answer":[2],"explanation":"知识点：定位跳变异常处置。应记录并复现分析以定位原因；纯惯导、重启、降速均属规避或临时措施，不能形成可追溯结论。"},{"id":257,"type":"single","stem":"在V2X测试中，车辆收到前方红绿灯信息但本车视觉未识别到红灯，正确的测试记录方式是","options":["以视觉结果为准忽略V2X信息","记录V2X与视觉不一致的时间戳与场景","立即判定V2X模块故障并停止测试","手动修改视觉识别结果使其一致"],"answer":[1],"explanation":"知识点：多源信息不一致的记录规范。应如实记录不一致时间戳与场景供分析；以某一源为准、立即判故障、手动修改均破坏数据真实性。"},{"id":258,"type":"single","stem":"智能网联汽车测试中，用于评估车辆在紧急避障时横摆稳定性的主要参数是","options":["横摆角速度与侧向加速度","纵向加速度与油门开度","方向盘转角与车速","制动踏板力与轮速"],"answer":[0],"explanation":"知识点：车辆横摆稳定性评价参数。横摆角速度与侧向加速度直接反映稳定性；纵向加速度、油门、转角、轮速为相关但不直接评价横摆稳定。"},{"id":259,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB（自动紧急制动）功能验证时，目标车辆以50km/h接近静止前车，测试员发现系统在碰撞前1.2秒才触发制动，而设计目标为1.8秒，最应先排查的环节是","options":["毫米波雷达对静止目标的识别置信度阈值","摄像头对前车尾灯的语义分割精度","制动执行器的液压响应延迟","V2X路侧单元的信号广播周期"],"answer":[0],"explanation":"知识点是AEB感知链路中静止目标识别。毫米波雷达对静止目标易与地面杂波混淆，常通过提高置信度阈值抑制虚警，但会导致触发过晚，因此应优先查此项；摄像头语义分割主要影响分类不影响测距触发时机；液压延迟通常在毫秒级，不足以造成0.6秒偏差；V2X与单车AEB触发无直接耦合。"},{"id":260,"type":"single","stem":"采集自动驾驶路测数据时，激光雷达点云与摄像头图像的时间戳偏差超过80ms，最可能导致下游融合算法出现的问题是","options":["点云与图像中的同一目标在融合后被判定为两个独立障碍物","激光雷达的点云密度在远距离处显著下降","摄像头图像出现运动模糊导致车道线识别中断","组合导航的航向角输出产生累积漂移"],"answer":[0],"explanation":"知识点是多传感器时间同步对融合的影响。时间戳偏差使同一目标在两种传感器坐标系中位置不一致，融合模块易将其关联为不同目标；点云密度下降是激光雷达固有距离特性与时间戳无关；图像运动模糊由曝光和相对运动决定；航向漂移属于惯导误差，与传感器间时间同步无直接关系。"},{"id":261,"type":"single","stem":"在智能网联汽车测试中，需要评估感知系统对‘cut-in’（旁车切入）场景的响应能力，以下测试用例设计最合理的是","options":["旁车以固定横向速度从相邻车道切入本车道前方，逐步缩短切入距离","旁车始终在本车道内以不同车速跟随，记录本车加减速","旁车从对向车道跨越双黄线驶入本车道，观察本车是否制动","本车在弯道中保持车道居中，记录方向盘转角波动"],"answer":[0],"explanation":"知识点是cut-in场景测试设计。cut-in核心是旁车横向切入本车道，需控制切入速度和距离以覆盖不同紧迫度；同车道跟车测试的是ACC跟随；跨双黄线对向切入属于违规逆向场景，不是标准cut-in；弯道居中测试的是横向控制。"},{"id":262,"type":"single","stem":"某测试员在雨天进行自动驾驶路测，发现毫米波雷达频繁出现虚假目标，以下处置措施中最符合测试规范的是","options":["记录环境条件与虚假目标特征，降低雷达灵敏度后复测并对比","直接关闭毫米波雷达，仅依靠摄像头完成剩余测试里程","用高压水枪冲洗雷达罩后继续测试，不改变其他条件","将测试车驶入隧道避雨，待雨停后重新开始全部测试"],"answer":[0],"explanation":"知识点是传感器异常时的测试处置。规范做法是记录工况、调整单一变量并复测以定位问题；直接关闭传感器会丧失测试完整性且改变系统配置；冲洗雷达罩不能消除雨滴对电磁波的散射，且未控制变量；驶入隧道改变场景，无法复现雨天工况。"},{"id":263,"type":"single","stem":"在自动驾驶数据采集系统中，CAN总线报文记录与视频流记录采用不同时钟源，事后分析时发现两者无法对齐，最有效的改进措施是","options":["在采集端为CAN报文和视频帧统一打上同一基准的硬件时间戳","提高视频编码的帧率至60fps以增加时间分辨率","将CAN报文采样周期从10ms缩短至5ms","把视频流分辨率从1080p提升至4K"],"answer":[0],"explanation":"知识点是数据采集中的时间同步机制。统一硬件时间戳是解决多源数据对齐的根本手段；提高帧率只增加采样密度，不解决时钟基准不同；缩短CAN周期同样不改变时钟源；提升分辨率与时间对齐无关。"},{"id":264,"type":"single","stem":"测试自动驾驶车辆在隧道出口处的感知性能时，最需要重点关注的光照变化引发的现象是","options":["摄像头自动曝光调整期间图像短暂过曝或欠曝导致目标丢失","激光雷达在隧道内因无GPS信号而无法输出点云","毫米波雷达在隧道壁多次反射后测距精度持续下降","超声波雷达在隧道出口因气压变化而误报障碍物"],"answer":[0],"explanation":"知识点是隧道出口光照突变对摄像头的影响。自动曝光需要调整时间，期间图像可能过曝或欠曝造成短时目标丢失；激光雷达不依赖GPS输出点云；毫米波雷达多径反射在隧道内确实存在，但出口处不是持续下降的主因；超声波雷达不受气压变化影响测距。"},{"id":265,"type":"single","stem":"在智能网联汽车测试方案中，为验证车辆在‘鬼探头’场景下的避险能力，以下场景要素设置最合理的是","options":["遮挡物后行人突然以步行速度横穿，本车以限速行驶且不提前减速","行人从远处缓慢走向车道边缘，本车提前减速观察","前车突然急刹，本车跟随制动并保持车道","本车在路口按导航转弯，行人遵守信号灯通行"],"answer":[0],"explanation":"知识点是鬼探头场景测试要素。鬼探头核心是遮挡后突然出现，需设置遮挡物和突然横穿；缓慢走向车道边缘属于可预见行为，不构成鬼探头；前车急刹测试的是跟车制动；行人遵守信号灯属于正常通行场景。"},{"id":266,"type":"single","stem":"分析自动驾驶车辆在城市道路测试中出现的‘误制动’事件时，若数据回放显示制动触发前感知模块输出了一帧置信度为0.35的‘行人’目标，而系统阈值设为0.3，最合理的初步结论是","options":["感知模块在该帧产生了低置信度误检，触发阈值偏低导致误制动","制动执行器出现故障，在无指令时自行动作","规划模块将行人目标误判为可通行区域","组合导航的定位漂移导致车辆偏离车道"],"answer":[0],"explanation":"知识点是误制动事件的数据回放分析。置信度0.35刚超过阈值0.3，说明是低置信度误检被放行；执行器故障不会有感知输出；规划模块误判可通行区域不会触发制动；定位漂移与制动触发无直接因果。"},{"id":267,"type":"single","stem":"在进行智能网联汽车V2X功能测试时，测试员发现车辆在路口未能收到红绿灯信息，但同路段其他测试车可以正常接收，最应先检查的是","options":["本车OBU的天线连接与接收通道是否正常","路侧RSU的发射功率是否被调低","红绿灯信号机的配时方案是否更改","本车组合导航的定位精度是否下降"],"answer":[0],"explanation":"知识点是V2X接收异常的排查顺序。同路段其他车正常说明RSU和信号机工作正常，问题在本车接收链路，应优先查OBU天线和接收通道；RSU功率、配时方案、定位精度在已排除路侧因素后不是首要排查对象。"},{"id":268,"type":"single","stem":"测试自动驾驶车辆在夜间无路灯路段对横穿行人的识别能力时，以下测试条件设置最可能有效暴露系统短板的是","options":["行人穿深色衣物从暗处横穿，本车开启近光灯以正常车速行驶","行人穿反光背心在路灯下横穿，本车低速行驶","行人在人行横道处等待，本车开启远光灯减速通过","行人穿浅色衣物在黄昏时分横穿，本车开启日间行车灯"],"answer":[0],"explanation":"知识点是夜间低照度行人识别测试设计。深色衣物、暗处、近光灯、正常车速组合最接近高风险真实场景，能暴露感知短板；反光背心和路灯会显著提升可见度；远光灯和人行横道等待降低难度；黄昏浅色衣物可见度较高。"},{"id":269,"type":"multi","stem":"在智能网联汽车测试数据采集过程中，以下哪些做法有助于保证后续故障分析时数据的可追溯性","options":["为每段数据记录采集时间、地点、天气和车辆配置信息","将感知原始数据与融合结果分别存储并建立关联索引","在数据文件中嵌入采集设备的固件版本和标定参数","为节省存储空间只保留故障发生前5秒的数据片段","统一使用车辆本地时钟为所有传感器数据打时间戳"],"answer":[0,1,2],"explanation":"知识点是测试数据可追溯性。记录场景元信息、分层存储并建索引、嵌入固件与标定参数都有助于复现和分析；只保留故障前5秒会丢失上下文；使用本地时钟打时间戳会因各传感器时钟漂移导致无法对齐，应使用统一基准时钟。"},{"id":270,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人从车辆右前侧静止状态突然弹出，测试员发现车辆制动响应正常但每次都晚于预期触发点，最应先核查的环节是","options":["假人弹出触发信号与车辆感知系统的时钟同步设置","车辆制动执行器的液压管路是否存在渗漏","毫米波雷达对静止目标的反射截面积标定值","测试场路面附着系数是否低于设计标准"],"answer":[0],"explanation":"知识点是测试触发时序与多传感器时钟同步。AEB测试中假人弹出时刻与感知系统时间戳必须对齐，触发晚通常源于同步偏差而非执行机构。制动管路渗漏会导致制动力不足而非触发晚；雷达对静止目标RCS标定影响的是能否识别而非触发时刻；路面附着系数影响制动距离不影响触发点。"},{"id":271,"type":"single","stem":"对某L2级量产车进行交通拥堵辅助TJA功能数据采集时，需要记录驾驶员脱手报警的触发时刻，最合适的信号采集方式是","options":["通过CAN总线读取方向盘扭矩传感器原始报文并打时间戳","用摄像头拍摄仪表盘报警灯亮起画面做人工标记","在方向盘上加装独立压力开关记录脱手时刻","读取车机娱乐系统日志中的报警提示记录"],"answer":[0],"explanation":"知识点是测试数据采集的准确性与时间精度。CAN报文含转向扭矩原始值且可硬件打时间戳，精度最高。摄像头人工标记有帧率与人为延迟；独立压力开关只能测有无接触不能反映扭矩阈值逻辑；娱乐系统日志非实时且可能不记录该报警。"},{"id":272,"type":"single","stem":"某自动驾驶测试车在开放道路采集数据时，发现激光雷达点云在隧道出口段出现大量噪点，而同一时段摄像头图像正常，最可能的原因是","options":["隧道内外光照突变导致激光雷达接收器增益调整滞后","隧道内多径反射在出口处叠加形成虚假回波","车辆GPS信号在隧道出口重新捕获产生定位跳变","毫米波雷达与激光雷达同频段造成相互干扰"],"answer":[0],"explanation":"知识点是激光雷达在光照突变环境下的接收器增益特性。出入隧道时背景光强剧变会使APD接收器自动增益调整滞后产生噪点。多径反射通常在隧道内持续存在；GPS跳变影响定位不影响点云质量；激光雷达与毫米波雷达频段不同不会同频干扰。"},{"id":273,"type":"single","stem":"在智能网联汽车测试中，对同一段感知算法输出进行离线回放验证时，为保证结果可复现，最关键的配置项是","options":["回放时使用的GPU型号与推理批处理大小","回放所用数据集的时间戳与传感器标定参数","回放软件的版本号与操作系统内核版本","回放时车辆模型的动力学参数设置"],"answer":[1],"explanation":"知识点是数据回放可复现性的核心要素。时间戳决定数据对齐，标定参数决定空间关系，二者缺失则结果不可复现。GPU型号、软件版本、动力学参数会影响性能但不决定感知结果的空间一致性。"},{"id":274,"type":"single","stem":"对自动泊车功能进行测试时，车辆在垂直车位反复出现泊入后车身偏斜，而超声波雷达测距数据正常，下一步最应检查的是","options":["泊车路径规划中航向角误差的累积与校正逻辑","超声波雷达探头表面是否存在泥污遮挡","车位线识别摄像头的外参标定是否准确","车辆后轴轮速传感器的脉冲当量是否一致"],"answer":[0],"explanation":"知识点是自动泊车路径规划与航向控制。测距正常但泊入偏斜，指向航向角累积误差未校正。探头泥污会直接导致测距异常；车位线识别用于搜索车位非泊入阶段；轮速脉冲当量影响里程推算但通常先影响直线行驶。"},{"id":275,"type":"single","stem":"某测试团队在采集高速公路跟车场景数据时，要求记录前车切入本车道后自车的反应时间，为准确界定切入时刻，应采用的判据是","options":["前车车轮压到本车道分道线的时刻","前车车身完全进入本车道后的时刻","自车摄像头首次检测到前车转向灯的时刻","自车雷达首次测到前车距离减小的时刻"],"answer":[0],"explanation":"知识点是跟车场景中切入事件的时间基准定义。行业通常以车轮压线作为切入起始。车身完全进入偏晚；转向灯不必然代表切入；距离减小可能是前车减速而非切入。"},{"id":276,"type":"single","stem":"智能网联汽车测试报告中，对某一场景的测试结果描述为'通过'，但未记录环境光照与路面湿度，这种记录方式最主要的问题是","options":["缺少测试可追溯性所需的环境边界条件","未记录测试驾驶员的接管次数与接管原因","未说明所用假人目标物的型号与运动参数","未附上测试车辆的软件版本与标定文件"],"answer":[0],"explanation":"知识点是测试记录的可追溯性与边界条件。光照与湿度直接影响感知与制动性能，属于必要环境边界。接管次数、假人型号、软件版本虽也应记录，但题干强调'通过'结论缺少环境条件支撑，核心问题是边界条件缺失。"},{"id":277,"type":"single","stem":"在测试自适应巡航ACC对静止车辆的识别能力时，测试员发现车辆对静止车辆均能识别，但对静止的异形障碍物如翻倒的摩托车无法识别，最可能的原因是","options":["训练数据中缺少异形静止障碍物的标注样本","毫米波雷达对静止目标的测距精度不足","ACC功能设计上不响应任何静止目标","摄像头曝光时间在白天环境下设置过长","激光雷达在远距离对小型目标的点云稀疏"],"answer":[0],"explanation":"知识点是感知算法对训练数据分布的依赖。对常规静止车辆可识别而对异形障碍物失效，典型是训练集缺少该类样本。雷达测距精度、ACC设计、曝光时间、点云稀疏均不能解释对静止车辆正常而对异形失效。"},{"id":278,"type":"single","stem":"某测试车在雨天进行车道保持测试时频繁出现车道线丢失报警，检查发现摄像头镜头有雨滴，但雨刮工作正常，最合理的处置是","options":["在摄像头镜头前加装加热除雨装置并复测","降低测试车速以减少雨滴相对运动影响","关闭车道保持功能改用人工驾驶完成测试","将摄像头安装位置从风挡内侧移至车顶"],"answer":[0],"explanation":"知识点是摄像头视窗污染对感知的影响及处置。镜头雨滴遮挡是直接原因，加装加热除雨可解决。降速不解决遮挡；关闭功能非测试目的；移至车顶改变安装位置需重新标定且非标准做法。"},{"id":279,"type":"single","stem":"对智能网联汽车进行功能安全测试时，需验证系统在单点故障下的降级行为，以下测试设计思路最符合要求的是","options":["人为断开某一传感器供电后观察系统是否进入预设安全状态","同时断开两个传感器验证系统是否仍能维持自动驾驶","在软件中屏蔽某一传感器的输出并观察算法是否报错","将车辆置于极端天气下观察多传感器同时失效的表现"],"answer":[0],"explanation":"知识点是功能安全单点故障与安全状态验证。单点故障测试应人为引入单一故障并验证降级到安全状态。同时断开两个属于多点故障；软件屏蔽不模拟真实硬件失效；极端天气是多因素叠加非单点故障。"},{"id":280,"type":"multi","stem":"在某城市道路进行自动驾驶测试时，车辆在无保护左转场景中多次出现犹豫不前导致后车鸣笛，测试员分析原因时应优先核查的环节包括","options":["左转意图决策模块对对向直行车速与距离的阈值设置","对向车辆轨迹预测模块的输出是否存在延迟","车辆转向执行器在低速下的响应死区","测试路段限速标志的识别结果是否准确","自车定位模块在高楼遮挡下的横向漂移量"],"answer":[0,1,2],"explanation":"知识点是无保护左转决策与执行链路排查。犹豫不前与决策阈值、轨迹预测延迟、转向低速死区直接相关。限速识别影响速度控制不决定左转犹豫；定位横向漂移主要影响车道保持而非左转决策时机。"},{"id":281,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿场景测试时，目标假人应从哪个位置开始移动才能复现标准横穿工况","options":["从车辆正前方纵向中线处静止起步","从车辆行驶方向侧向路缘以固定速度横穿","从对向车道斜向切入本车道","从本车道后方同向加速超越"],"answer":[1],"explanation":"知识点为AEB行人横穿测试的场景布置，标准横穿工况要求假人从车辆行驶方向侧向路缘以设定速度垂直横穿，用于考核车辆对侧向进入目标的识别与制动。从正前方纵向起步属于静止目标前车工况，不对应横穿；对向斜向切入属于交叉路口冲突工况；后方同向超越属于追尾或超车工况，均非横穿测试布置。"},{"id":282,"type":"single","stem":"采集自动驾驶路测数据时，若CAN总线报文的时间戳来自工控机本地时钟而激光雷达点云时间戳来自传感器内部时钟，后续融合前应优先做哪项处理","options":["将两路数据按各自帧率重采样到同一频率","对两路时间戳做时钟同步与统一时间基准对齐","对点云先做运动畸变校正再与CAN报文拼接","把CAN报文时间戳全部替换为点云的接收时刻"],"answer":[1],"explanation":"知识点是多传感器数据采集中的时间同步。不同时钟源的时间戳必须先做时钟同步并统一到同一时间基准，否则融合时会产生系统性时间偏差。重采样只解决频率不一致，不解决时钟基准不同；运动畸变校正是点云内部处理，不能消除跨传感器时钟偏差；直接替换时间戳会丢失CAN原始时序，且接收时刻不等于采样时刻。"},{"id":283,"type":"single","stem":"对自动驾驶车辆进行故障分析时，发现某次急刹事件同时出现毫米波雷达目标丢失和摄像头误检，最合理的下一步排查动作是","options":["直接判定为制动执行器响应异常并更换制动模块","调取该时段多传感器原始数据与融合中间结果做时间对齐复盘","仅回放摄像头视频确认画面中是否存在真实障碍物","提高毫米波雷达检测阈值后重复同一路段测试"],"answer":[1],"explanation":"知识点是多传感器故障的联合分析流程。出现多传感器同时异常时，应调取原始数据与融合中间结果做时间对齐复盘，判断是感知问题还是融合逻辑问题。直接更换制动模块跳过了感知层排查；只看摄像头视频无法解释雷达丢失；先调阈值属于未定位根因就改参数，可能掩盖问题。"},{"id":284,"type":"single","stem":"自动驾驶测试车辆在开放道路行驶中，安全员发现车辆对前方静止故障车持续接近且无减速意图，此时正确的处置顺序是","options":["先接管制动并鸣笛警示，再记录事件并靠边停车","先记录事件并拍照，再接管制动并靠边停车","先靠边停车再接管制动，最后记录事件","先鸣笛警示并闪灯，等待系统自行制动"],"answer":[0],"explanation":"知识点是测试过程中安全员的接管处置优先级。安全第一，应先接管制动并鸣笛警示避免碰撞，随后记录事件并靠边停车。先记录再接管会延误制动时机；先靠边停车无法在接近故障车时立即减速；等待系统自行制动在系统已无减速意图时风险极高。"},{"id":285,"type":"single","stem":"对自动驾驶车辆进行数据采集时，若需要复现某次感知误检，回放数据中必须包含哪类信息才能还原融合算法的输入","options":["仅包含各传感器的原始数据流","仅包含融合后的目标列表与轨迹","包含各传感器原始数据及对应时间戳","包含车辆控制指令与油门刹车开度"],"answer":[2],"explanation":"知识点是感知误检复现所需的数据要素。要还原融合算法输入，必须同时具备各传感器原始数据及其对应时间戳，才能按时间对齐重建融合输入。只有原始数据没有时间戳无法对齐；只有融合后目标列表丢失了原始输入；控制指令与开度属于执行层数据，不能还原感知融合输入。"},{"id":286,"type":"single","stem":"在设计智能网联汽车测试方案时，将同一场景的测试用例按参数边界划分为等价类，主要目的是","options":["减少测试用例数量并保持对边界缺陷的覆盖","提高单次测试的行驶速度以缩短周期","增加传感器采集的数据量以提升精度","确保每个参数都取到最大值和最小值"],"answer":[0],"explanation":"知识点是测试用例设计中的等价类划分。等价类划分的目的是用较少用例覆盖同类输入并保留边界缺陷检出能力。提高行驶速度与用例设计方法无关；增加数据量是采集量问题；取最大最小值属于边界值分析，是补充手段而非等价类划分的主要目的。"},{"id":287,"type":"single","stem":"自动驾驶车辆在雨天测试时出现车道线识别频繁跳变，排查发现摄像头镜头表面有水膜，最恰当的处理与验证方式是","options":["关闭车道保持功能后继续完成剩余里程","清洁镜头并在同一降雨条件下复测同一路段","调高车道线识别置信度阈值后直接采集数据","更换为激光雷达方案并停用摄像头数据"],"answer":[1],"explanation":"知识点是环境干扰导致感知异常的处置。镜头水膜属于可排除的外部干扰，应先清洁镜头并在相同降雨条件下复测同一路段以验证是否复现。关闭功能继续测试会丢失有效数据；调高阈值属于掩盖现象；直接更换传感器方案跳过了根因确认，均不是恰当处理。"},{"id":288,"type":"single","stem":"在自动驾驶数据采集系统中，为满足事后故障分析对数据完整性的要求，环形缓冲区通常采用哪种策略","options":["仅在新数据写入前覆盖最旧数据并持续记录","检测到触发事件后停止写入并锁定当前数据","按固定时间间隔清空缓冲区再重新写入","只保留最近一帧数据供实时控制使用"],"answer":[0],"explanation":"知识点是数据采集环形缓冲区的工作机制。环形缓冲区持续写入，写满后覆盖最旧数据，从而在触发事件时仍能保留事件前一段时间的数据。检测到事件后停止写入会丢失事件前数据；定期清空会造成数据断档；只保留最近一帧无法用于事后分析。"},{"id":289,"type":"single","stem":"在智能网联汽车测试场进行自动泊车测试时，车辆多次在车位线清晰的情况下泊入失败，最应优先检查的环节是","options":["车位线识别结果与泊车路径规划的坐标是否一致","车辆发动机功率是否满足低速扭矩需求","测试场地的风速是否超过车辆设计限值","安全员是否在车内保持双手离开方向盘"],"answer":[0],"explanation":"知识点是自动泊车失败的排查顺序。车位线清晰说明感知输入基本可用，泊入失败应优先检查感知输出的车位坐标与路径规划使用的坐标系是否一致。发动机功率影响动力但不影响泊入逻辑；风速对低速泊车影响很小；安全员手部状态属于操作规范，不是泊车失败的算法原因。"},{"id":290,"type":"multi","stem":"智能网联汽车测试数据采集方案中，下列哪些措施有助于保证多传感器数据在事后分析时可对齐使用","options":["统一各传感器的时间基准并记录同步信号","为每帧数据写入来源标识与采集序号","仅保存融合后的目标列表以节省存储空间","在数据包中记录触发事件前后的时间窗口","将不同传感器的数据分别存放在独立无时间戳文件中"],"answer":[0,1,3],"explanation":"知识点是多传感器数据采集的可对齐性保障。统一时间基准并记录同步信号、写入来源标识与采集序号、记录触发事件前后时间窗口，都有助于事后对齐分析。只保存融合后目标列表会丢失原始输入；分别存放在无时间戳文件中无法建立跨传感器对应关系。"},{"id":291,"type":"single","stem":"在智能网联汽车封闭测试场进行AEB行人横穿试验时，目标假人从遮挡车辆后方以5km/h速度突然出现，车辆以40km/h接近，测试员发现车辆未触发制动但数据记录仪显示AEB已发出制动请求，最可能的原因是","options":["雷达对假人RCS识别置信度低于触发阈值","摄像头被遮挡车辆阴影干扰导致目标分类为车辆","制动执行器响应延迟超过标定时间窗口","假人运动速度低于AEB功能设计的最低触发车速"],"answer":[3],"explanation":"知识点：AEB触发条件包含目标运动速度下限。正确项：多数AEB标定要求横穿目标速度高于某一阈值（如8km/h），5km/h可能落入低速过滤区间而不触发。错误项A：RCS低置信度通常导致不发出请求，与已发请求矛盾。错误项B：分类为车辆仍会触发FCW或AEB，不会只发请求不制动。错误项C：执行器延迟会导致请求已发但制动晚到，数据上应能看到制动压力建立，与题干不符。"},{"id":292,"type":"single","stem":"对某L2级辅助驾驶车辆进行高速公路跟车测试时，前车切出后本车立即加速至设定巡航车速，测试员认为该表现不符合预期，查阅需求文档发现设计意图是前车切出后应延迟2秒再恢复加速，该问题属于","options":["感知融合模块的目标丢失误判","规控模块的驾驶策略标定偏差","执行模块的加速度闭环响应超调","人机交互模块的提示时机错误"],"answer":[1],"explanation":"知识点：ACC跟车状态机中前车切出后的目标恢复策略属于规控标定。正确项：行为与需求文档不符且无感知误报，属规控策略参数标定问题。错误项A：前车切出是真实事件，感知无丢失误判。错误项C：响应超调是执行层动态特性，与延迟恢复策略无关。错误项D：HMI提示不改变纵向控制时序。"},{"id":293,"type":"single","stem":"在采集智能网联汽车路测数据时，需要同步记录激光雷达点云、摄像头图像和组合惯导位姿，若各传感器时间戳来自不同时钟源且未做硬件同步，最直接的后果是","options":["点云与图像融合时目标空间位置出现错位","组合惯导的航向角出现累积漂移","激光雷达点云密度在高速下显著下降","摄像头自动曝光在隧道口出现振荡"],"answer":[0],"explanation":"知识点：多传感器时空同步是融合前提。正确项：时间戳不同源会造成同一时刻目标在点云与图像中的位置不匹配。错误项B：航向漂移由惯导自身误差引起，与同步无关。错误项C：点云密度取决于线数与转速，不受时间戳影响。错误项D：曝光振荡是相机ISP策略问题。"},{"id":294,"type":"single","stem":"智能网联汽车测试员在分析一次低速泊车刮蹭事故数据时，发现超声波雷达在障碍物距离0.3m处仍输出有效距离，但泊车控制器未发出制动指令，最应优先排查的环节是","options":["超声波雷达探头表面是否被泥水覆盖","泊车控制器的障碍物距离阈值标定值","车辆CAN总线上超声波报文周期是否稳定","挡位信号与泊车使能信号是否同时有效"],"answer":[1],"explanation":"知识点：泊车辅助的触发依赖距离阈值标定。正确项：雷达已输出有效距离而控制器不动作，优先怀疑阈值标定过大或逻辑未使能。错误项A：探头污染会导致无输出或跳变，与持续有效输出不符。错误项C：报文周期异常会导致信号丢失而非稳定有效。错误项D：使能信号无效时控制器不会进入泊车模式，但题干已说明在泊车过程中。"},{"id":295,"type":"single","stem":"对某智能网联汽车进行C-V2X功能测试时，测试员在十字路口发现本车能收到红绿灯信号但HMI未显示绿波车速建议，检查发现信号来自路侧单元而建议算法运行在云端，最可能的原因是","options":["OBU与RSU的PC5直连链路未建立","车辆与云端的Uu链路出现高时延","红绿灯SPaT消息的协议版本不匹配","HMI渲染线程被其他应用抢占"],"answer":[1],"explanation":"知识点：绿波车速建议依赖云端计算后下发，属Uu链路业务。正确项：能收到SPaT说明PC5正常，但云端建议未达，优先怀疑Uu时延或断连。错误项A：PC5未建立则连SPaT也收不到。错误项C：协议不匹配会导致SPaT解析失败，与已收到矛盾。错误项D：HMI抢占通常表现为卡顿而非完全无显示。"},{"id":296,"type":"single","stem":"在智能网联汽车测试中，需要评估感知算法对远距离小目标（如200m外锥桶）的检测能力，下列采集方案中最能保证数据有效性的做法是","options":["在晴天正午沿直线路段以恒定车速多次往返采集","在黄昏逆光条件下采集并标注锥桶真值","在雨后湿滑路面采集并记录轮胎滑移率","在隧道出入口明暗交替处采集并同步曝光"],"answer":[0],"explanation":"知识点：感知能力评估需控制变量并保证目标可见性。正确项：晴天正午直线路段光照稳定、无遮挡，适合评估远距离检测极限。错误项B：逆光会引入干扰，适合鲁棒性测试而非能力基线。错误项C：湿滑路面影响动力学，与感知检测无关。错误项D：明暗交替考验曝光适应，不适合远距离小目标基线评估。"},{"id":297,"type":"single","stem":"智能网联汽车测试员在分析一次AEB误触发数据时，发现车辆在无任何障碍物的空旷路段突然制动，雷达输出显示前方存在一个静止目标，摄像头未识别到任何目标，最合理的初步判断是","options":["雷达对金属井盖的反射回波被误判为车辆","摄像头镜头被飞虫遮挡导致漏检","组合惯导的俯仰角误差造成目标虚警","制动踏板被驾驶员误触碰触发AEB"],"answer":[0],"explanation":"知识点：毫米波雷达对金属物体的强反射易造成静止目标虚警。正确项：井盖等金属物在特定角度下回波强，易被误判为车辆。错误项B：摄像头漏检不会使雷达产生目标。错误项C：俯仰角误差影响目标高度估计，不直接生成虚警。错误项D：驾驶员触碰踏板通常退出AEB而非触发。"},{"id":298,"type":"single","stem":"在智能网联汽车开放道路测试中，测试员发现车辆在通过无标线乡村道路时频繁向右侧偏移，查看感知数据发现车道线检测模块输出置信度极低但仍有输出，正确的处置方式是","options":["立即切换至人工驾驶并记录该场景数据","调整车道线检测置信度阈值至更低","关闭车道保持功能继续测试其他项目","在HMI上增加车道线丢失提示音"],"answer":[0],"explanation":"知识点：功能安全要求感知不可靠时应降级并接管。正确项：置信度极低仍输出属危险状态，应立即接管并记录用于后续改进。错误项B：降低阈值会放大误检风险。错误项C：关闭功能继续测试会遗漏该场景的安全验证。错误项D：仅加提示不解决控制层误用低置信度输出的问题。"},{"id":299,"type":"single","stem":"对某智能网联汽车进行数据回放分析时，测试员需要确认一次碰撞是否由感知漏检导致，下列数据组合中最能支持该判断的是","options":["碰撞前2秒激光雷达点云中目标点簇完整且跟踪ID连续","碰撞前2秒摄像头图像中目标被前车遮挡且无跟踪ID","碰撞前2秒毫米波雷达输出目标距离与相对速度","碰撞前2秒组合惯导输出车辆横摆角速度"],"answer":[1],"explanation":"知识点：事故归因需结合多源数据判断感知是否漏检。正确项：图像被遮挡且无跟踪ID，说明感知未建立目标，支持漏检判断。错误项A：点簇完整且ID连续说明感知已检出，不支持漏检。错误项C：雷达有输出说明至少一个传感器检出。错误项D：横摆角速度反映车辆运动，与感知漏检无直接关系。"},{"id":300,"type":"multi","stem":"在智能网联汽车封闭测试场进行AEB（自动紧急制动）功能测试时，下列数据采集方案中符合测试有效性要求的有哪些？","options":["同步采集车辆CAN总线中的制动压力信号与毫米波雷达目标距离信号，并用同一硬件时钟打时间戳","使用RTK差分定位记录自车轨迹，同时用高速摄像机记录目标假人运动，事后通过场记板对齐两路数据","仅依靠车载数据记录仪采集AEB触发时刻的加速度值，用视频回放判断目标是否在预期位置","在目标假人上安装IMU和GPS，与自车CAN数据分别独立存储，测试后按各自起始时刻手动对齐"],"answer":[0,1],"explanation":"知识点：智能网联汽车测试中多源数据同步采集与时间对齐的有效性要求。正确项0：同一硬件时钟打时间戳可保证CAN与雷达数据的时间同步，是AEB测试数据有效性的基础；正确项1：RTK与高速摄像机分属不同采集系统，用场记板提供共同时间参考事件实现事后对齐，是场地测试中可行的同步手段。错误项2：仅采集加速度并用视频回放判断目标位置，缺少目标距离等关键同步数据，无法精确判定AEB触发时刻与目标位置关系；错误项3：目标假人与自车数据独立存储且按各自起始时刻手动对齐，缺少统一时间基准，起始时刻误差会导致触发时刻与目标位置错位，数据不可用于定量分析。"}]}