吉林大學教授朱冰在“第二屆全球智能汽車前沿峰會（GIV2019）”做《基于場景的自動駕駛汽車虛擬仿真測試研究》演講，他認為基于場景的虛擬仿真測試，是未來自動駕駛汽車測試的一個發(fā)展趨勢，也是必由的途徑。只有通過全行業(yè)的共同努力，建立自動駕駛汽車仿真測試的標準體系，完善在自動駕駛產(chǎn)品落地之前整個測試評價的方法體系，利用有限的場景和特征去反映無限豐富的世界。


自動駕駛仿真測試的研究背景和意義

自動駕駛汽車從技術的成熟到最終的產(chǎn)品落地，其中有一個非常關鍵的環(huán)節(jié)，那就是測試評價。自動駕駛汽車的測試評價和傳統(tǒng)汽車的測試評價有非常大的差別，目前車輛測試評價需要對人和車是分別進行測試評價。

人具有知識的泛化和推理能力，考駕照只需簡單的場景，就可以在上路開了。人可以去應對無限復雜、無限豐富的場景。隨著自動駕駛的發(fā)展，通過環(huán)境狀態(tài)傳感感知系統(tǒng)引入了復雜的行駛環(huán)境，這個過程中人的能力不斷被削弱、機器的功能不斷被加強，機器要去面對或處理更為豐富的場景。

理論上來講，一個完全自動駕駛的汽車，需要能夠獨立應對所有可能遇到的場景，這個其實就給我們自動駕駛汽車的測試評價帶來了非常大的挑戰(zhàn)，也就是說行駛環(huán)境的影響不斷被強化。

在自動駕駛汽車行駛環(huán)境里包含著非常多的道路、周邊的交通、氣象等等非常多的要素，對于自動駕駛汽車來講，它既要面對環(huán)境的復雜性和不可預知性，同時對于它自己本身的傳感系統(tǒng)，還要面臨著這種環(huán)境感知的不確定性和不完整性。

因此，對于自動駕駛汽車來講，最重要的就是它的環(huán)境。因為環(huán)境具有高度的不確定性、不可重復性、不可預測性和不可窮盡等等這樣的特征，這些都為自動駕駛汽車帶來了非常大的挑戰(zhàn)。

自動駕駛汽車可能遇到的一些場景，包含危險駕駛、極限駕駛工況、特殊的駕駛場景、密集的車輛、混雜的交通、復雜的地形及道路結構。這些情況在道路或者場地測試中很難遇到。要想通過場地或者道路測試的方法來對自動駕駛汽車的安全性和可靠性進行一個完備的驗證，幾乎是一個不可能完成的任務，必須去尋找新的測試評價方法和手段。

通過對無窮的行駛環(huán)境進行有限的映射，基于這種駕駛場景數(shù)據(jù)庫提取典型的測試場景，對自動駕駛汽車進行仿真測試，已成為一個重要的途徑。它可以對自動駕駛汽車的場景進行靈活的配置，利用有限的場景去映射無限豐富的世界，同時具有高效的測試效率，測試重復性強、測試安全可靠、成本低，非常重要的一點，它還可以進行自動測試和加速測試，這些都是我們自動駕駛汽車所必須要實現(xiàn)的一些功能。

測試場景及要素

場景是自動駕駛汽車與其行駛環(huán)境各組成要素在一段時間內的總體的動態(tài)描述，這些組成要素由所期望檢驗的自動駕駛汽車的功能決定。簡言之，行駛場合、駕駛情景之間的有機結合。

對于自動駕駛汽車仿真測試的場景來講，應滿足各個要素特征可以被量化，同時可以在目前技術基礎和測試軟件上可以復現(xiàn)，在一定程度上呈現(xiàn)應保持高保真的要求。

場景可以認為是影響和判定自動駕駛功能與性能因素的集合，把行駛環(huán)境進行一個多維的映射，包括幾何的映射、物理的映射、圖像的映射、概率的映射，這樣就會得到駕駛場景的特征，共同組成了場景的特征。

有了具體特征就可以探索場景要素，朱教授認為測試場景應該實現(xiàn)無限世界的有限映射，還要實現(xiàn)邏輯抽象和充分覆蓋。測試場景分為兩塊，1.交通環(huán)境要素，天氣和光照、靜態(tài)道路信息、動態(tài)道路信息、交通參與者信息；2.測試車輛基礎信息，測試車輛、測試車輛目標信息、測試車輛駕駛行為，這些共同組成了測試場景的要素集合。

測試場景數(shù)字化構建

有了這些要素怎么進行測試，業(yè)界要解決的最核心的關鍵的一個問題。朱教授認為可以分為兩大部分：第一，數(shù)據(jù)的采集；第二，數(shù)據(jù)的處理。

采集角度來講，包含真實駕駛數(shù)據(jù)的采集，還有是基于模擬的數(shù)據(jù)采集，還有一些是基于專家經(jīng)驗，比如現(xiàn)在的一些法規(guī)、標準。有了這些數(shù)據(jù)之后需要對數(shù)據(jù)進行處理。大體分為數(shù)據(jù)清洗，計算關鍵的復雜信息，做場景的標注，最后進行場景分類的規(guī)則和提取。

提取其實現(xiàn)在用的方法也不盡相同，比如有一些基于蒙特卡羅的采樣方法，還有一些基于窮舉的采樣方法，基于類似于矩陣測試、概率分布等等，這些都是從對應的場景庫當中提取出來所需要測試的一些場景，來組成測試案例，對它進行具體的測試。

虛擬仿真測試

整個虛擬仿真測試大體分為三大塊：第一塊，數(shù)字的虛擬仿真，就是傳統(tǒng)意義上的純粹的數(shù)字的仿真，建各種各樣的模型，進行離線的仿真測試。在離線仿真測試的基礎上，進行多物理系統(tǒng)在環(huán)的仿真測試，包含了環(huán)境感知系統(tǒng)的在環(huán)、以及決策規(guī)劃系統(tǒng)的在環(huán)、控制執(zhí)行系統(tǒng)的在環(huán)。還有一個比較流行的測試方法，我們叫做車輛在環(huán)，把車輛置于到在環(huán)的條件下，進行車輛在環(huán)的仿真測試。

在仿真測試里，根據(jù)自動駕駛測試的關鍵要素，需要建如下的模型，包含最傳統(tǒng)的車輛動力學模型、駕駛人模型、靜態(tài)環(huán)境模型、動態(tài)交通模型、環(huán)境感知傳感器模型。建模要關注兩方面，一個是計算效率、一個是計算精度，兩個是彼此制衡。

吉林大學團隊自主開發(fā)了一款基于虛擬仿真的模擬仿真平臺叫PANOSIM，可以面向自動駕駛汽車以及汽車電控系統(tǒng)開展從數(shù)字仿真到硬件在環(huán)、到車輛在環(huán)一套完整的測試平臺，已經(jīng)在國內國際的眾多車企得到了廣泛的應用。目前幾個案例，包括主動避撞、自適應巡航、車道保持等等。

除了純虛擬環(huán)境的測試之外，還有多物理系統(tǒng)在環(huán)的仿真測試，就是說要能夠進行化學感知系統(tǒng)、決策規(guī)劃系統(tǒng)、控制執(zhí)行系統(tǒng)的在環(huán)測試。

比如AAS測試，如果把AAS測試的70個工況在場地測試里邊完全做一次，大約需要一周左右的時間，但是如果通過硬件在環(huán)實驗平臺做測試的話，所有的工況通過自動測試的方法大約半個小時就可以測試出測試報告，所以就能夠大幅度提高測試效率。

比如相機在環(huán)，可以通過傳統(tǒng)的照片方式，以及虛擬圖像和真實圖像注入的方式，來給它一些場景的注入，檢測它基于視覺的自動駕駛功能。

吉林大學團隊也做了V2X的模擬，相當于車車通信信道模擬的方式，來進行模擬的測試，比如信道在干擾的情況下、在延遲的情況下，對于整個自動駕駛功能的一些影響，都可以進行在環(huán)的測試。

對于現(xiàn)在熱點的L3級的自動駕駛，人機共駕，朱教授團隊搭建了人機混合駕駛的平臺，來去檢測人和機器兩個之間的共駕的性能，這里面其實共駕分為幾大類，第一大類，對于單車的自動駕駛的一個功能，就是人和機器做駕駛權的切換，還有進行駕駛權的分配，以及面向混雜交通系統(tǒng)下的測試功能。

朱冰認為基于場景的虛擬仿真測試，是未來自動駕駛汽車測試的一個發(fā)展趨勢，也是必由的途徑，希望通過全行業(yè)的共同努力，來建立自動駕駛汽車仿真測試的標準體系，去完善在自動駕駛產(chǎn)品落地之前整個測試評價的方法體系，利用有限的場景和特征去反映無限豐富的世界。