En los últimos años, la percepción centrada en la visión ha desempeñado un papel crucial en tareas de conducción autónoma, abarcando funciones como la detección 3D, la construcción de mapas y la predicción de movimientos. Sin embargo, la implementación de enfoques centrados en la visión en escenarios prácticos se ve obstaculizada por una latencia sustancial, a menudo desviándose significativamente de los resultados obtenidos a través del entrenamiento offline. Esta disparidad surge del hecho de que los referentes convencionales para la percepción de conducción autónoma realizan predominantemente evaluaciones offline, pasando por alto en gran medida las preocupaciones de latencia prevalentes en la implementación del mundo real. Aunque se han propuesto algunos referentes para abordar esta limitación mediante la introducción de métodos de evaluación efectivos para la percepción en línea, no consideran adecuadamente las complejidades introducidas por la complejidad de los flujos de información de entrada. Para abordar esta brecha, proponemos el referente Autonomous driving Streaming I/O (ASIO), con el objetivo de evaluar las características de entrada en streaming y el rendimiento en línea de la percepción centrada en la visión en la conducción autónoma. Para facilitar esta evaluación en diversos flujos de entrada en streaming, establecemos inicialmente un conjunto de datos basado en el CARLA Leaderboard. En consonancia con las consideraciones de implementación del mundo real, desarrollamos además métricas de evaluación basadas en la complejidad de la información específicamente adaptadas para las entradas en streaming y el rendimiento en streaming. Los resultados experimentales indican variaciones significativas en el rendimiento del modelo y en la clasificación bajo diferentes despliegues de cámaras principales, subrayando la necesidad de tener en cuenta exhaustivamente las influencias de la latencia del modelo y las características de entrada en streaming durante la implementación del mundo real. Para mejorar de manera consistente el rendimiento en streaming en distintas características de entrada en streaming, introducimos un interruptor de columna vertebral basado en las características identificadas de entrada en streaming. La validación experimental demuestra su eficacia en mejorar perpetuamente el rendimiento en streaming en distintas características de entrada en streaming.