公开说明：研究结论基于172例ADAS-TO与2例BATON复核；本Space只公开可再分发的172例ADAS-TO个案。BATON受控访问视频与原始文件未被复制。

从174个案例看：该预测什么，怎样解释原因

这批材料最有价值的成果，是把“道路上发生了什么、驾驶员做了什么、系统当时开着什么”逐例对应起来。174例均已有独立分析，但不能统称为174次高风险自动驾驶接管：其中有较可信的风险响应，也有正常停车转弯、已有人工操作、阈值误报和证据不足的片段。

主报告包含 ADAS-TO 172例、BATON 2例。ADAS-TO按你确定的规则保留：锚点前10秒内已记录的两列提示文字为空；不足10秒的覆盖单列说明，不补认缺失部分。BATON缺少两列提示字段，无法通过相同的无提示确认。没有增加“驾驶员动作必须早于退出”的筛选条件。

逐例视频与图文目录 · 697页完整个案报告（公开版未随包提供） · 可筛选研究总表（公开版未随包提供） · 11例重点疑问复核

先用这五组案例建立印象

另看两个容易混淆的情况：0031、0191存在较有依据的近距跟车，但纵向激活标志为0；这不等于驾驶员从已开启的自动纵向控制中接管。0222的行人横穿在较早退出之后才清楚可见，也不能直接解释更早那次退出。

全部样本的数据给了什么提醒

下表从174份事实表统一汇总。“前10秒”指锚点前已覆盖的[-10,0)记录；不是每例首次人工动作前10秒。它描述这批已筛选案例，不是数据集总体的风险发生率，也不是高风险认证数量。

TTC采用有效前车、距离大于2米且相对速度小于-0.5米/秒时的恒速外推；此统一统计无本车速度门槛。BATON原初筛还要求本车速度大于5米/秒，两个口径在个案中分别给出。完整值、有效点数、连续命中估计时长见总表“量化特征”。

预测任务先明确“要预测的动作”

当前元数据锚点不总是首次人工操作：有的驾驶员早已转向，有的是第二次脚刹，有的只有控制状态变化。0229全窗刹车标志一直为真，就不能把0秒标成新踩刹。为预测任务校正动作标签，不改变本次样本纳入清单。

建议先选一个明确目标开展基线：预测某类场景中下一次可观察的人工制动开始，同时单列当时的横向、纵向和巡航状态。这样目标可核查，也便于分清人工驾驶中的风险响应和辅助驾驶中的干预。若论文必须研究“接替自动控制”，再在具体任务中区分接替哪一轴；不要把所有退出都合并成同一个动作。

可用输入优先保留三组：道路与对象（路口、边界、前车制动灯、横向进入对象）；运动趋势（车速、距离、接近速度及其连续变化）；场景开始前已知的控制模式。缺目标、低频采样和覆盖不足要作为可见的缺失信息保留。

每例已有“可见线索、可用信息、信息泄漏风险、具体局限”。总表将它们逐条展开，供确定训练窗口时逐例核查。图中最早看到的时刻只代表所查看帧中的最早观察，不是环境事件真实起始的精确标注。

实际划分窗口时，以选定的动作时刻为终点向前留出预测间隔。例如比较提前0.5、1、2秒的窗口，但这些只是待验证设置，并非已证明能达到的提前量。10Hz车况、4Hz雷达等低频数据不能支持毫秒级因果结论。对已发现视频与日志时序疑问的案例，暂不计算精确跨模态提前量。

不能作为提前预测输入的内容包括：定义标签的退出状态、目标动作已经开始后的刹车/施力、接管后的最低TTC和最大减速度、事后才出现的车辆或行人。已有动作历史是否可用取决于目标是“首次介入”还是“下一次动作”，必须在任务定义中写清楚。

致因辨识怎样落到标签

每例提供两条带支持证据和替代解释的假说，共348条；同时有904条可并存的场景/行为标签。它们是可追溯的研究注释，不是经过访谈、干预实验或反事实验证的因果真值。

建议采用四层描述：外部情境 → 可观测风险变化 → 驾驶员动作 → 控制状态变化。另列当时的辅助能力、证据质量与未知项。先判断各层分别有何证据，再讨论是否支持某种因果联系。

例如0132：前车减速及红灯情境 → 持续接近、动作前低TTC → 驾驶员制动 → 控制退出。它支持“接近前车促成人工制动”的假说；但还不能证明“系统必然不会制动”或“不接管必然碰撞”。相反，BATON两例更像普通入场机动伴随巡航关闭，不能借一个低时距点补出紧急避险原因。

总表“致因假说”的支持和替代解释应同时保留。后续如做人工复标，可把“明确可见事实、合理假说、未知”分开记录；不要把推测原因用确定标签覆盖原事实。

下一步按这个顺序做

1. 先把任务定窄而可核查。 用本报告逐例挑出与目标匹配的样本，明确预测人工动作还是某轴退出。保留原174例总库，训练子集另建清单并逐项写明依据。
2. 补匹配的对照窗口。 从相同驾驶员、道路类型、速度和控制模式中取未发生目标动作的窗口。只用这174个已筛选事件，无法验证真实运行中的误报率。
3. 固定分组后再训练小模型。 同驾驶员、同路线、相邻片段不能跨训练和测试；BATON两例同驾驶员且同商铺入口，不能充当独立场景泛化证据。先比较运动趋势、视觉线索及二者结合，报告召回、单位时间误报和提前量。
4. 把解释和因果证明分开。 先检查模型依据是否发生在动作之前、是否对应可见对象；证明特定系统缺陷导致接管，则还需要功能配置、同步时钟、轨迹/距离或干预实验等独立证据。

本轮完成的是逐例证据整理与研究基础，没有训练新的模型，也没有把L2辅助驾驶数据包装成L4全自动驾驶实证。对于全自动驾驶课题，这些案例可帮助确定要关注的场景与变量；系统能力、责任边界和干预机制仍需要在目标L4场景中验证。

已复核但仍不能确定的事项

11例重点疑问已重新核对源文件、视频副本、事件锚点及日志覆盖，结果见复核记录。复制一致不能证明原数据集多模态同步；缺车辆接口、独立时钟或运动测量时，不人为平移时间、修正转角零点或认证瞬时减速度尖峰。这些未知项已经保留在个案及总表中。

依据：本地174份个案分析和事实表；研究总表来源清单、控制层级核查、事件锚点与覆盖核查。