在城区智能驾驶测试中，无保护左转场景（即无专用左转信号灯的路口，需自主判断对向车流、行人等动态障碍物并完成左转）是技术挑战极高的核心测试场景之一。
评判优劣的标准需从安全性、效率性、舒适性、合规性和鲁棒性五大维度综合评估，具体可细化为以下标准：
1. 安全性（核心指标）
+冲突规避能力
--是否准确识别对向直行车辆、行人、非机动车等动态障碍物，避免碰撞风险。
--能否预判对向车辆的意图（如加速抢行、减速让行）并做出安全响应。
--在视线遮挡（如被大车遮挡）时，能否通过渐进式试探或协同策略保障安全。
+防御性驾驶
-是否主动预留安全冗余（如保持横向/纵向安全距离）。
-对突发状况（如行人突然横穿、对向车辆违规变道）的响应是否及时且合理。
2. 决策效率与通行能力
+时机的合理性
--能否在复杂车流中快速找到合理通行窗口，避免过度保守（长时间停滞）或冒险（强行插入）。
--对动态车流的预测精度（如准确判断对向车辆到达路口的时间差）。
+通行流畅性
--左转过程是否连贯，避免反复启停或犹豫不决。
--在拥堵场景中能否通过“蠕行跟随”或协同交互逐步完成左转。
3. 舒适性（用户体验）
+运动控制的平顺性
--转向、加速/减速是否线性自然，避免急转、急刹或顿挫感。
--轨迹规划是否平滑，符合人类驾驶习惯（如合理利用路口空间，避免“直角转弯”）。
+心理预期匹配度
--驾驶策略是否符合乘客对“老司机”的预期（如合理让行、果断通过等）。
4. 法规与道德合规性
交通规则遵守
是否严格遵守路权规则（如礼让直行车辆、行人优先）。
是否按车道标线行驶，避免压线或侵占对向车道。
社会性交互能力
能否通过灯光（如转向灯）、车速或位置变化向其他交通参与者明确表达意图。
在路权模糊场景中是否体现“谦让性”（如避免与人类驾驶车辆争抢）。
5. 复杂场景鲁棒性
+极端场景覆盖
--在雨雪/夜间/强光等恶劣环境下的感知与决策稳定性。
--对路口异形结构（如多车道、不规则导流线）的适应能力。
+长尾场景处理
--能否应对边缘案例（如对向车辆连续抢行、行人闯红灯、外卖车辆“鬼探头”）。
--在系统部分失效（如传感器故障）时是否具备降级策略（如安全停车或人工接管提示）。
6. 人机交互与接管合理性
+接管必要性判断
--系统是否仅在真正高风险场景（如无法自主脱困）时请求人工接管。
--接管提示的清晰度与提前量（如避免紧急接管导致用户恐慌）。
+接管过渡平顺性
--人工接管过程中车辆控制权移交是否流畅，避免突兀的顿挫或延迟。
总结
无保护左转的优劣评判需结合定量指标（如平均通过时间、碰撞风险概率）与定性分析（如拟人化程度、场景泛化能力）。最终目标是实现安全与效率的平衡，同时满足用户对“类人驾驶”的体验期待。
测试中需覆盖高密度车流、弱势交通参与者干扰、极端天气等多变条件，以验证系统全场景能力边界。
