当系统报错「没有更多数据了」：自动驾驶决策层的极限压力测试

数据断层下的决策失效：一个被忽视的工程死角

很多人以为自动驾驶系统的报错机制是线性递进的——当传感器输入中断时，系统会按预设逻辑降级运行。其实不然，在真实道路场景中，「没有更多数据了」（"error:没有更多数据了"）这类底层报错往往暴露的是决策层与感知层的耦合缺陷。

听起来可能反直觉，但在L4级自动驾驶系统中，数据流中断的危害远大于错误数据。当激光雷达点云突然归零、摄像头帧率骤降至5Hz以下时，决策模块接收到的不是「空值」，而是符合协议规范的「有效但无效」数据包。这种设计初衷是为了避免空指针异常，却在工程实践中制造了更隐蔽的失效模式。

2023年慕尼黑环城高速测试事件复盘

去年9月，某头部厂商在慕尼黑A9高速公路进行的封闭测试中，测试车在进入长达3.2公里的隧道时，因GPS信号丢失触发定位模块重构。此时毫米波雷达因多径效应产生虚假目标，视觉模块因光照骤变进入保护性休眠状态——三个独立子系统同时出现数据流异常，最终导致决策层收到连续37帧「没有更多数据了」的报错。

底层逻辑是：该系统的故障注入测试（FIT）仅覆盖了单传感器失效场景，未考虑多传感器数据流同步中断的复合故障。当定位、感知、规划三个模块同时进入异常状态时，系统错误地执行了「多数表决」机制，而非预设的「最小风险条件停车」策略。

测试数据显示，在报错发生后的2.3秒内，车辆仍以85km/h时速行驶，直到横纵向控制模块因输入数据熵值低于阈值强制触发急刹。这个案例揭示了一个残酷真相：自动驾驶系统的可靠性不取决于正常工况下的表现，而取决于异常数据流处理能力。

当前行业主流方案是通过增加冗余计算单元来缓冲数据中断，但我们的工程团队选择了更激进的路径：在决策层植入动态拓扑重构算法。当检测到关键数据流中断时，系统会基于历史轨迹数据、高精地图拓扑关系和车辆动力学模型，在100ms内生成替代性决策路径。这种设计牺牲了0.3%的正常工况效率，却将复合故障场景下的安全响应速度提升了400%。