解读

面试官把“100万公里无事故”当成一次零失效观测，考察候选人能否用可靠性统计方法把“零事故”转化为“事故率λ的上限估计”，并给出符合国标、监管与商业落地要求的置信区间。核心难点在于：

1. 中国开放道路测试法规（《智能网联汽车道路测试管理规范》2021修订版）要求事故率≤1次/10万公里才能申请“示范应用”资格；
2. 100万公里零事故虽好看，但样本量仍有限，必须给出统计上保守、可解释、可审计的区间，而不是简单拍脑袋“0次”。
3. 作为Agent工程师，还需说明如何把该区间在线嵌入Agent的安全约束层，实现实时风险预算与策略降级。

知识点

1. 零失效可靠性估计：Clopper-Pearson精确置信上限、泊松近似、指数分布置信上限。
2. 中国监管红线：1次/10万公里 ≈ λ₀=1×10⁻⁵ 次/公里。
3. 置信水平选取：工信部现场评审常用95%单侧置信上限；若面向保险再保，需99%。
4. Agent安全对齐：把λ_upper转成实时风险预算R(t)=λ_upper·Δs，Δs为下一时刻规划里程，若R(t)>阈值立即触发最小风险策略（MRM）。

答案

步骤1：模型假设

• 事故服从齐次泊松过程，强度λ（次/公里）。
• 观测里程L=10⁶ km，事故数k=0。

步骤2：计算单侧95%置信上限
用泊松近似：k=0时，λ_upper = –ln(α)/L，取α=0.05，
λ_upper = –ln(0.05)/10⁶ ≈ 2.996×10⁻⁶ 次/公里
换算成“次/10万公里”单位：0.30次/10万公里

步骤3：与监管红线对比
国标要求≤1次/10万公里，0.30 < 1，统计上满足示范应用门槛，但需持续验证。

步骤4：给出完整表述
“在95%置信水平下，车辆真实事故率上限为0.30次/10万公里；我们有95%的把握认为其不高于该值，且低于国标限值。”

步骤5：Agent工程落地

• 把λ_upper=2.996×10⁻⁶写入安全约束配置文件，作为Safety Shield的输入。
• 每100 ms计算剩余风险预算：R_budget = 1 – exp(–λ_upper·Δs)，若连续3个周期超支，触发MRM靠边停车。
• 每新增1万公里无事故，自动在线更新λ_upper，实现持续学习又不失保守性。

拓展思考

1. 非齐次场景：若测试路线包含夜间、雨雾等子场景，需分层建立分层泊松模型，用经验贝叶斯对λ_i分别估计，再合并成加权上限。
2. 稀疏事故下的序贯检验：引入SPRT（序贯概率比检验），当累计里程达到1.34×10⁶ km仍零事故时，可在95%置信下拒绝λ≥1×10⁻⁵的假设，提前结束试验，节省测试成本。
3. 人机混合责任：若事故由人类安全员接管导致，需用竞争风险模型把“人为事故”从λ中剔除，否则会把人类失误算到Agent头上，导致过度保守。
4. 保险定价：再保公司通常要求99%置信，此时λ_upper= –ln(0.01)/10⁶=4.605×10⁻⁶，仍低于1×10⁻⁵，说明100万公里零事故已具备商业保险可保性，可反向推动城市级示范运营牌照发放。