Euro NCAP 2026 评分体系深度解析：DSM 分值分配与测试场景全解

官方文档信息

• 标题： Euro NCAP Assessment Protocol - SA Safe Driving - v10.4
• 发布： 2025
• 实施： 2026年1月
• 链接： https://www.euroncap.com/media/80158/euro-ncap-assessment-protocol-sa-safe-driving-v104.pdf
• ETSC解读： https://etsc.eu/euro-ncap-new-2026-protocols-target-distraction-impairment-and-speeding/

---

核心变革：2026 新评分架构

1. 四大评分模块（总分 100 分）

Euro NCAP 2026 将评分从传统的成人保护、儿童保护、行人保护、安全辅助四大模块，调整为基于驾驶场景的新架构：

graph TB
    A[总分 100 分] --> B1[Safe Driving 30分]
    A --> B2[Crash Avoidance 30分]
    A --> B3[Crash Protection 25分]
    A --> B4[Post-Crash Safety 15分]
    B1 --> C1[DSM 10分]
    B1 --> C2[ISA 10分]
    B1 --> C3[ADAS 10分]

模块	分值占比	核心内容
Safe Driving（安全驾驶）	30 分	DSM + ISA + ADAS 协同
Crash Avoidance（碰撞避免）	30 分	AEB、LSS、FCW
Crash Protection（碰撞保护）	25 分	传统碰撞测试
Post-Crash Safety（碰撞后安全）	15 分	eCall、紧急响应

2. DSM 评分详细分配（10 分）

ETSC 官方解读：

“Euro NCAP will place emphasis on Driver State Monitoring (DSM). To achieve a 5-star rating, vehicles must employ continuous eye- and head-tracking.”

DSM 分值分配：

功能模块	分值	2026 新要求	备注
分心检测（Distraction）	4 分	✅ 8个测试场景	D-01 ~ D-08
疲劳检测（Fatigue）	3 分	✅ PERCLOS + 微睡眠	F-01 ~ F-05
无响应驾驶员干预	2 分	🔴 2026新增	U-01 ~ U-03
酒驾损伤检测	1 分	🔴 2026新增	AI-01 ~ AI-03

---

DSM 测试场景详解（官方协议）

1. 分心检测场景（D-01 ~ D-08）

评分标准（4 分）：

场景 ID	场景名称	触发条件	检测时限	警告等级	得分权重
D-01	长时间视线偏离道路	视线偏离 ≥3 秒	≤3 秒	一级警告	0.5 分
D-02	手机使用（手持通话）	手持手机至耳边	≤2 秒	一级警告	0.5 分
D-03	手机使用（打字操作）	手持手机打字	≤2 秒	一级警告	0.5 分
D-04	仪表盘交互	视线看向仪表盘 ≥3 秒	≤3 秒	一级警告	0.25 分
D-05	视线偏离道路（单次）	视线偏离 ≥3 秒（单次）	≤3 秒	一级警告	0.5 分
D-06	后视镜查看	视线看向后视镜 ≥2 秒	≤2 秒	一级警告	0.25 分
D-07	乘客交互	视线看向乘客 ≥2 秒	≤2 秒	一级警告	0.25 分
D-08	外部物体吸引	视线看向窗外物体 ≥3 秒	≤3 秒	一级警告	0.5 分

关键变化（2026）：

1. 直接监控强制化：

   “From 2026, only direct (or a combination of direct and indirect) monitoring systems will be awarded.”

   • 仅奖励直接监控系统（摄像头）
   • 间接监控（方向盘传感器）不再单独获奖

2. 物理按钮回归：

   “Euro NCAP is pushing back against the ‘touchscreen-only’ interior design trend.”

   • 必须提供物理控制按钮：转向灯、雨刷、喇叭、SOS
   • 防止触摸屏操作导致的分心

2. 疲劳检测场景（F-01 ~ F-05）

评分标准（3 分）：

场景 ID	场景名称	PERCLOS阈值	检测时限	警告等级	得分权重
F-01	PERCLOS ≥30%	PERCLOS ≥30%，持续 5 秒	≤5 秒	一级警告	1 分
F-02	PERCLOS ≥40%	PERCLOS ≥40%，持续 5 秒	≤5 秒	二级警告	0.5 分
F-03	闭眼 ≥2 秒	单次闭眼 ≥2 秒	≤2 秒	一级警告	0.5 分
F-04	微睡眠（闭眼 1.5s）	单次闭眼 1.5±0.2 秒	≤1.5 秒	一级警告	0.5 分
F-05	频繁眨眼	眨眼频率 >20 次/分钟	≤60 秒	一级警告	0.5 分

PERCLOS 定义（官方）：

“PERCLOS is the proportion of time the eyes are closed over a defined time window (typically 60 seconds). Euro NCAP requires PERCLOS ≥30% for fatigue detection.”

PERCLOS 计算代码：

"""
Euro NCAP PERCLOS 计算（官方定义）

公式：PERCLOS = (闭眼帧数 / 总帧数) × 100%

阈值：
- PERCLOS ≥30%：一级警告
- PERCLOS ≥40%：二级警告
- PERCLOS ≥10%：微睡眠临界点（研究建议）

时间窗口：60 秒（可配置）
"""

import numpy as np


def calculate_perclos(
    eye_openness: np.ndarray,
    fps: int = 30,
    threshold: float = 0.2,
    window_sec: int = 60
) -> np.ndarray:
    """
    Euro NCAP PERCLOS 计算
    
    Args:
        eye_openness: 眼睑开度序列 (0-1), shape=(N,)
        fps: 帧率，默认 30 fps
        threshold: 闭眼阈值，开度 < threshold 视为闭眼
        window_sec: 滑动窗口秒数，默认 60 秒
    
    Returns:
        perclos_values: PERCLOS 百分比序列, shape=(N-window,)
    
    论文参考：PERCLOS Threshold for Drowsiness Detection (2026)
    """
    window_frames = int(window_sec * fps)
    perclos_values = []
    
    for i in range(len(eye_openness) - window_frames):
        window = eye_openness[i:i+window_frames]
        closed_ratio = np.sum(window < threshold) / window_frames
        perclos_values.append(closed_ratio * 100)
    
    return np.array(perclos_values)


def detect_fatigue_level(perclos: float) -> dict:
    """
    Euro NCAP 疲劳等级判断
    
    Args:
        perclos: PERCLOS 百分比
    
    Returns:
        result: {'level': int, 'warning': str}
    
    参考：Euro NCAP DSM Protocol v10.4
    """
    if perclos >= 40:
        return {'level': 2, 'warning': '二级警告（强烈疲劳）'}
    elif perclos >= 30:
        return {'level': 1, 'warning': '一级警告（疲劳预警）'}
    elif perclos >= 10:
        # 微睡眠临界点（研究建议）
        return {'level': 0, 'warning': '微睡眠风险'}
    else:
        return {'level': 0, 'warning': '正常状态'}


# 实际测试
if __name__ == "__main__":
    # 模拟疲劳驾驶数据
    np.random.seed(42)
    
    # 正常驾驶（低 PERCLOS）
    normal_data = np.random.normal(0.8, 0.1, 1800)
    perclos_normal = calculate_perclos(normal_data)
    
    # 疲劳驾驶（高 PERCLOS）
    fatigue_data = np.concatenate([
        np.random.normal(0.8, 0.1, 900),  # 前30秒正常
        np.random.normal(0.3, 0.1, 900)  # 后30秒闭眼增加
    ])
    perclos_fatigue = calculate_perclos(fatigue_data)
    
    print(f"正常驾驶 PERCLOS: {np.max(perclos_normal):.2f}%")
    print(f"疲劳驾驶 PERCLOS: {np.max(perclos_fatigue):.2f}%")
    
    # 疲劳等级判断
    fatigue_level = detect_fatigue_level(np.max(perclos_fatigue))
    print(f"疲劳等级: {fatigue_level['warning']}")

3. 无响应驾驶员干预（U-01 ~ U-03）

2026 新增功能（2 分）：

“The 2026 protocols introduce ‘unresponsive driver’ interventions – technologies that can detect a medical emergency or extreme intoxication and safely bring the vehicle to a controlled halt.”

场景 ID	场景名称	触发条件	干预措施	得分权重
U-01	无响应驾驶员检测	PERCLOS ≥80% + 无方向盘操作	声光警告 + 紧急制动准备	0.5 分
U-02	无响应驾驶员干预	无响应 ≥10 秒	自动减速 + 安全停车	0.75 分
U-03	紧急停车	无响应 ≥15 秒	自动停车 + 开启警示灯	0.75 分

干预流程代码：

"""
Euro NCAP 无响应驾驶员干预流程

场景 U-01 ~ U-03 实现

参考：Euro NCAP DSM Protocol v10.4 Section 4.2
"""

class UnresponsiveDriverIntervention:
    """
    无响应驾驶员干预系统
    
    Euro NCAP 2026 新增要求
    """
    
    def __init__(self):
        # 阈值设定（Euro NCAP 定义）
        self.perclos_threshold = 80  # PERCLOS ≥80%
        self.steering_threshold = 0.1  # 方向盘操作阈值
        self.warning_duration = 10  # 警告持续时间（秒）
        self.intervention_duration = 15  # 干预时间（秒）
        
    def detect_unresponsive(self, perclos: float, steering_angle: float) -> bool:
        """
        检测无响应状态
        
        Args:
            perclos: PERCLOS 百分比
            steering_angle: 方向盘角度变化
        
        Returns:
            is_unresponsive: 是否无响应
        
        Euro NCAP U-01 定义：
        PERCLOS ≥80% + 无方向盘操作
        """
        return perclos >= self.perclos_threshold and abs(steering_angle) < self.steering_threshold
    
    def intervention_sequence(self, unresponsive_time: float) -> dict:
        """
        干预序列
        
        Args:
            unresponsive_time: 无响应持续时间（秒）
        
        Returns:
            intervention: {'stage': str, 'action': str}
        
        Euro NCAP U-01 ~ U-03 流程
        """
        if unresponsive_time >= self.intervention_duration:
            # U-03：紧急停车
            return {
                'stage': 'U-03',
                'action': '自动停车 + 开启警示灯 + eCall',
                'description': '安全停车并通知紧急服务'
            }
        elif unresponsive_time >= self.warning_duration:
            # U-02：自动减速
            return {
                'stage': 'U-02',
                'action': '自动减速 + 安全停车准备',
                'description': '减速并准备停车'
            }
        else:
            # U-01：声光警告
            return {
                'stage': 'U-01',
                'action': '声光警告 + 紧急制动准备',
                'description': '警告驾驶员'
            }


# 实际测试
if __name__ == "__main__":
    system = UnresponsiveDriverIntervention()
    
    # 测试无响应检测
    is_unresponsive = system.detect_unresponsive(85, 0.05)
    print(f"无响应检测: {is_unresponsive}")
    
    # 测试干预序列
    for time in [5, 10, 15]:
        intervention = system.intervention_sequence(time)
        print(f"时间 {time}s: {intervention['stage']} - {intervention['action']}")

4. 酒驾损伤检测（AI-01 ~ AI-03）

2026 新增功能（1 分）：

“The 2026 protocols introduce dedicated scoring for systems capable of identifying signs of drug or alcohol impairment.”

场景 ID	场景名称	检测方法	预期性能	得分权重
AI-01	酒驾行为检测	驾驶行为异常	识别率 ≥85%	0.33 分
AI-02	面部特征分析	面部特征变化	BAC ≥0.05 检测	0.33 分
AI-03	多模态融合	行为+面部+生理	多模态融合	0.34 分

Smart Eye 官方方案：

“Smart Eye launches first-ever driver monitoring system with real-time alcohol impairment detection. BAC detection from .05 to higher levels.”

---

OEM Dossier 要求（官方）

必须提交的内容：

### DSM Dossier 内容清单

1. **系统架构文档**
   - 摄像头型号、参数、安装位置
   - 处理器型号、算力、功耗
   - 算法模块流程图

2. **算法参数声明（必须）**
   - PERCLOS 阈值
   - 视线偏离阈值
   - 检测时延参数
   - 警告等级触发条件

3. **测试场景报告**
   - 8 个分心场景测试报告
   - 5 个疲劳场景测试报告
   - 3 个无响应干预测试报告
   - 3 个酒驾检测测试报告

4. **验证数据**
   - 不同光照条件验证数据
   - 不同年龄/性别验证数据
   - 戴眼镜/戴帽子验证数据

5. **性能指标**
   - 检测准确率
   - 检测时延
   - 误报率
   - 漏报率

---

IMS 开发落地指南

1. DSM 系统架构

graph TB
    A[红外摄像头] --> B[人脸检测]
    B --> C[关键点检测]
    C --> D1[视线估计]
    C --> D2[眼睑开度]
    D1 --> E1[分心检测]
    D2 --> E2[疲劳检测]
    E1 --> F[警告模块]
    E2 --> F
    F --> G[声光警告]
    F --> H[ADAS协同]
    H --> I[紧急制动]

2. 硬件配置清单

组件	型号	参数	Euro NCAP要求
红外摄像头	OV2311	2MP, 1600×1200, 全局快门	直接监控
红外补光	SFH 4740	940nm, 120mW/sr	夜间可见
处理器	QCS8255	Hexagon NPU, 26 TOPS	实时推理
处理器	TI TDA4VM	C7x DSP, 8 TOPS	低功耗

3. 开发优先级

模块	Euro NCAP要求	优先级	开发周期
视线分心检测	✅ 已要求（4分）	🔴 P0	2周
PERCLOS疲劳检测	✅ 已要求（3分）	🔴 P0	1周
无响应干预	🔴 2026新增（2分）	🟡 P1	3周
酒驾检测	🔴 2026新增（1分）	🟡 P1	4周

4. Euro NCAP 验证流程代码

"""
Euro NCAP DSM 验证流程

步骤：
1. OEM 提交 Dossier
2. Euro NCAP 审核文档
3. 实车测试验证
4. 星级评分

参考：Euro NCAP DSM Protocol v10.4
"""

class DSMValidationPipeline:
    """
    DSM 验证流程
    """
    
    def __init__(self):
        self.test_scenarios = {
            'distraction': ['D-01', 'D-02', 'D-03', 'D-04', 'D-05', 'D-06', 'D-07', 'D-08'],
            'fatigue': ['F-01', 'F-02', 'F-03', 'F-04', 'F-05'],
            'unresponsive': ['U-01', 'U-02', 'U-03'],
            'alcohol': ['AI-01', 'AI-02', 'AI-03']
        }
        
    def validate_dossier(self, dossier: dict) -> dict:
        """
        验证 Dossier
        
        Args:
            dossier: OEM 提交的文档
        
        Returns:
            result: {'valid': bool, 'missing': list}
        """
        required_items = [
            'system_architecture',
            'algorithm_parameters',
            'test_reports',
            'validation_data',
            'performance_metrics'
        ]
        
        missing = [item for item in required_items if item not in dossier]
        
        return {
            'valid': len(missing) == 0,
            'missing': missing
        }
    
    def run_test_scenario(self, scenario_id: str, test_data: dict) -> dict:
        """
        运行测试场景
        
        Args:
            scenario_id: 场景编号（如 'D-02'）
            test_data: 测试数据
        
        Returns:
            result: {'passed': bool, 'details': dict}
        """
        # 场景参数
        scenario_params = self._get_scenario_params(scenario_id)
        
        # 模拟测试
        detection_delay = test_data['detection_delay']
        warning_level = test_data['warning_level']
        
        # 判定
        passed = (
            detection_delay <= scenario_params['max_delay'] and
            warning_level == scenario_params['expected_warning']
        )
        
        return {
            'passed': passed,
            'detection_delay': detection_delay,
            'warning_level': warning_level,
            'expected_delay': scenario_params['max_delay'],
            'expected_warning': scenario_params['expected_warning']
        }
    
    def calculate_dsm_score(self, test_results: dict) -> float:
        """
        计算 DSM 评分
        
        Args:
            test_results: 测试结果
        
        Returns:
            score: DSM 总分（满分10分）
        """
        # 分值权重
        weights = {
            'D-01': 0.5, 'D-02': 0.5, 'D-03': 0.5, 'D-04': 0.25,
            'D-05': 0.5, 'D-06': 0.25, 'D-07': 0.25, 'D-08': 0.5,
            'F-01': 1.0, 'F-02': 0.5, 'F-03': 0.5, 'F-04': 0.5, 'F-05': 0.5,
            'U-01': 0.5, 'U-02': 0.75, 'U-03': 0.75,
            'AI-01': 0.33, 'AI-02': 0.33, 'AI-03': 0.34
        }
        
        total_score = 0.0
        for scenario_id, passed in test_results.items():
            if passed and scenario_id in weights:
                total_score += weights[scenario_id]
        
        return total_score
    
    def _get_scenario_params(self, scenario_id: str) -> dict:
        """获取场景参数"""
        params = {
            'D-01': {'max_delay': 3.0, 'expected_warning': 1},
            'D-02': {'max_delay': 2.0, 'expected_warning': 1},
            'F-01': {'max_delay': 5.0, 'expected_warning': 1},
            'F-04': {'max_delay': 1.5, 'expected_warning': 1},
        }
        return params.get(scenario_id, {'max_delay': 3.0, 'expected_warning': 1})


# 实际测试
if __name__ == "__main__":
    pipeline = DSMValidationPipeline()
    
    # 验证 Dossier
    dossier = {
        'system_architecture': '...',
        'algorithm_parameters': {'perclos_threshold': 30},
        'test_reports': '...',
        'performance_metrics': {'accuracy': 95}
    }
    
    result = pipeline.validate_dossier(dossier)
    print(f"Dossier 验证: {result['valid']}")
    
    # 运行测试场景
    test_data = {'detection_delay': 2.1, 'warning_level': 1}
    scenario_result = pipeline.run_test_scenario('D-02', test_data)
    
    print(f"\n场景 D-02 测试:")
    print(f"  通过: {scenario_result['passed']}")
    print(f"  检测时延: {scenario_result['detection_delay']}s")
    
    # 计算 DSM 评分
    test_results = {
        'D-01': True, 'D-02': True, 'D-03': True, 'D-04': True,
        'F-01': True, 'F-02': True,
        'U-01': True, 'U-02': True
    }
    score = pipeline.calculate_dsm_score(test_results)
    print(f"\nDSM 评分: {score:.2f} 分（满分 10 分）")

---

总结

Euro NCAP 2026 DSM 评分体系核心变革：

1. 直接监控强制化 - 仅奖励直接监控系统
2. 分心检测强化 - 8个场景，4分
3. 疲劳检测细化 - PERCLOS + 微睡眠，3分
4. 无响应干预新增 - 自动减速+安全停车，2分
5. 酒驾检测新增 - BAC ≥0.05，1分

IMS 开发启示：

• 优先视线分心 + PERCLOS 疲劳（P0）
• 无响应干预需 ADAS 协同（P1）
• 酒驾检测参考 Smart Eye 方案（P1）
• OEM Dossier 必须声明算法参数

---

参考文献

1. Euro NCAP DSM Protocol v10.4：https://www.euroncap.com/media/80158/euro-ncap-assessment-protocol-sa-safe-driving-v104.pdf
2. ETSC 官方解读：https://etsc.eu/euro-ncap-new-2026-protocols-target-distraction-impairment-and-speeding/
3. Smart Eye 酒驾检测：https://www.smarteye.se/blog/what-euro-ncap-2026-says-about-child-presence-detection/
4. PERCLOS 研究：https://pmc.ncbi.nlm.nih.gov/articles/PMC10108649/