自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。采用路测来优化自动驾驶算法耗费的时间和成本太高，旦开放道路测试仍受到法规限制，极端交通条件和场景复现困难，测试安全存在隐患。世界各国交通环境也大相径庭，形成全球通用的产业链体系比较困难。以上种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。因此，基于场景库的仿真测试是解决自动驾驶研发测试挑战的主要路线。
为提升智能网联汽车的测试验证效率，有企业和智能网联示范区开展了路测与虚拟仿真相结合的测试模式。我国也正在鼓励探索自动驾驶汽车与数字智能化道路有机融合的仿真技术。仿真技术在虛拟环境中模拟智能交通运行，为智能交通调度运营管理提供决策依据，助力智慧城市的建设。
报告核心内容
自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。但作为新兴事物，自动驾驶汽车仍面临着大量问题需要克服，如道路测试的时间样本、各国对于自动驾驶的法律容忍度、极端场景及危险工况的测试安全性、各国道路交通环境及习惯不同等问题，都给自动驾驶系统研发测试带来诸多困难。
目前基于场景库的仿真测试是解决自动驾驶路侧数据匮乏的重要路线。仿真测试主要通过构建虚拟场景库，实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试，满足自动驾驶测试的要求。场景库是自动驾驶仿真测试的基础，场景库对现实世界的覆盖率越高，仿真测试结果越真实。而且自动驾驶汽车研发的不同阶段对于场景库的要求也不同，需要场景库实现不同的测试功能。
在自动驾驶的开发流程中，纯模型仿真-软件在环仿真-半实物仿真-封闭场地道路测试-开放道路测试的开放流程是最经济、高效的开发流程。目前，自动驾驶仿真已经被行业广泛接受。
政策法规现状方面，在世界范围内，众多国家针对自动驾驶及相关功能有着不同的政策策略及法规专注度。
欧盟认为以协作、网联、自动为特征的出行模式是未来的交通系统发展趋势，但在智能网联汽车整体策略上态度相对保守。美国发展智能网联汽车拥有雄厚的产业优势，参与自动驾驶研发的企业涵盖芯片技术、算法开发、系统集成、电信运营、仿真测试、电子设备、整车制造及信息服务等领域，且全部为本土及国际高精尖企业及研究机构。日本方面，政府非常重视智能网联汽车的研发与应用，并认为加快L3、L4级别自动驾驶汽车的研发需要国家级场景库协助日本主导国际话语权。
标准发展现状方面，国际标准化组织ISO于2018年正式成立TC22/SC33 WG9自动驾驶场景工作组，制定自动驾驶测试场景相关标准。此工作组由中国牵头，汽车标准委员会秘书处王兆作为召集人，这是我国在ISO/TC22范畴内首次承担国际标准工作组召集人职责，是我国在汽车国际标准化方面迈出的重要一步。
仿真测试应用现状方面，目前自动驾驶仿真市场参与主体主要包括：科技公司、车企、自动驾驶解决方案、仿真软件企业、高校及科研机构、智能网联测试示范区。由于每个市场主体在自动驾驶仿真方面的技术基础不同，因此在推动自动驾驶仿真方面的研发及合作方式呈现不同模式。
对自动驾驶算法的开发来说，测试验证手段必不可少。引入虚拟仿真平台进行自动驾驶测试的核心目的，正是为了弥补实车测试的不足，提高自动驾驶汽车的安全性并接生测试时间和成本，快速推动自动驾驶汽车落地。
因此，自动驾驶方正面向的主要客户是有自动驾驶开发需求的汽车厂商、算法公司以及各类汽车测试场，从满足客户使用的需求来讲，自动驾驶仿真测试平台至少应该具备以下功能：满足自动驾驶感知、决策规划、控制全栈算法的闭环反正测试；满足汽车V字开发流程；加速自动驾驶算法迭代升级。
仿真测试平台技术架构与能力包括：虚拟场景构建、感知系统仿真、车辆动力学仿真、云加速仿真。
仿真测试平台的核心功能包括：超高还原度的仿真场景、利用路采数据生成交互性强和还原度高的交通场景、云端大规模并行加速提升仿真测试效率。
自动驾驶场景库是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要数据库，是定义自动驾驶汽车等级的关键数据依据。自动驾驶测试场景数据库主要通过虚拟仿真环境及工具链进行复现，建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。
道路测试转发成仿真测试场景，需要经历四个步骤：场景理解、特征提取、场景聚类、场景生成。
国内目前有中汽数据有限公司、中国汽车工程研究院股份有限公司、腾讯、百度等建立了自己的场景库。
场景库建设处于各自为战的状态。目前在自动驾驶仿真场景库建设方面，企业都投入大量资金与人才建立自己的场景库。由于厂商之间缺乏有效合作，场景数据格式不一致，很难形成全国统一的场景库。场景库不统一也导致了自动驾驶仿真测试评价、认证体系很难建立，阻碍了我国自动驾驶汽车的发展。
现实世界的汽车在驾驶过程中会遇到各种驾驶情景，人类经过不断学习与积累，可以很快掌握应对不同驾驶情景的能力，验证人类是否具备这种能力的办法是驾照考试。同样，自动驾驶汽车商用前也需要通过一系列方法评价其“驾驶能力”，如驾驶安全性及舒适性、驾驶协调性等。
由于事件和成本的限制，自动驾驶车辆无法进行重返的道路测试，因此当前普通共识是基于虚拟仿真的测试评价，充分验证自动驾驶汽车在自然驾驶场景、标准法规测试场景、危险工况场景、参数重组场景下的表现。利用仿真环境的真实性、可复现性、交互性、无限性、自动化等特点，自动驾驶系统可以得到客观的测试评价。
目前自动驾驶仿真测试已初步形成完整的产业链体系，形成了科技公司、自动驾驶解决方案商、仿真软件企业为主的上游仿真软件提供商，以车企、自动驾驶测试机构为主的仿真软件下游应用商。从产业链角度分析，目前自动驾驶仿真测试还存在诸多问题。
首先，仿真场景库建设与合作机制有待完善。
（1）场景库建设效率低、费用高。
（2）场景库规模不够大，多样性、覆盖性、可扩展性不强。
（3）场景有效性有待提高。
（4）测试场景中的测试真值及评估体系。
（5）场景库建立缺乏合作，资源重复性投入大。
其次，自动驾驶仿真测试评价体系缺乏规范。由于不同仿真软件系统架构及场景库构建方法的不同，导致很难建立统一规范的仿真测试评价体系。
测试场景库作为自动驾驶仿真的基础，是仿真建设的核心内容。针对目前场景库领域面临的问题，建议加强一下方面的工作。
第一，将仿真技术应用与交通行为管理和监督；第二，建立全国范围的基础场景库，同时鼓励发展个性化场景；第三，探索自动驾驶汽车与智慧交通、智慧城市有机融合的仿真技术；第四，建立仿真测试、认真、审查机制；第五，鼓励混行交通、人机交互等方面的仿真测试研究；第六，推动仿真技术的国产化。
文章已关闭评论！
