中國自動駕駛仿真藍(lán)皮書

1、 中國自動駕駛仿真藍(lán)皮書 目 錄 TOC o 1-3 h z u HYPERLINK l _Toc66971304 中國自動駕駛仿真藍(lán)皮書 PAGEREF _Toc66971304 h 1 HYPERLINK l _Toc66971305 第一章、自動駕駛仿真測試的意義 PAGEREF _Toc66971305 h 3 HYPERLINK l _Toc66971306 第二章、國內(nèi)外自動駕駛仿真測試發(fā)展現(xiàn)狀 PAGEREF _Toc66971306 h 5 HYPERLINK l _Toc66971307 第三章、自動駕駛仿真測試平臺環(huán)境 PAGEREF _Toc66971307 h 14 H

2、YPERLINK l _Toc66971308 第四章、場景庫體系建立與開放 PAGEREF _Toc66971308 h 19 HYPERLINK l _Toc66971309 第五章、自動駕駛測試評價體系 PAGEREF _Toc66971309 h 27 HYPERLINK l _Toc66971310 第六章、中國自動駕駛仿真測試展望 PAGEREF _Toc66971310 h 29自動駕駛汽車在真正商業(yè)化應(yīng)用前，需要 經(jīng)歷大量的道路測試才能達(dá)到商用要求。采用 路測來優(yōu)化自動駕駛算法耗費(fèi)的時間和成本太 高，且開放道路測試仍受到法規(guī)限制，極端交 通條件和場景復(fù)現(xiàn)困難，測試安全存在隱患。

3、 世界各國交通環(huán)境也大相徑庭，形成全球通用 的產(chǎn)業(yè)鏈體系比較困難。以上種種問題使得自 動駕駛產(chǎn)業(yè)鏈的全球化發(fā)展和技術(shù)交流面臨眾 多實(shí)際問題。因此，基于場景庫的仿真測試是 解決自動駕駛研發(fā)測試挑戰(zhàn)的主要路線。自動駕駛仿真測試已經(jīng)被行業(yè)廣泛接受。 目前自動駕駛算法測試大約 90% 通過仿真平臺 完成，9% 在測試場完成，1% 通過實(shí)際路測完 成。第一章、自動駕駛仿真測試的意義1.1 自動駕駛商業(yè)化面臨路測數(shù)據(jù)匱乏的挑戰(zhàn)自動駕駛汽車在真正商業(yè)化應(yīng)用前，需要經(jīng)歷大量的道路測試才能達(dá)到商用要求。但作為新興事物，自動駕駛汽車仍面臨著大量問題需要克服，如道路測試的時間成本、各國對于自動駕駛的法律法規(guī)容忍度、

4、極端場景及危險工況的測試安全性、各國道路交通環(huán)境及習(xí)慣不同等問題，都給自動駕駛系統(tǒng)研發(fā)測試帶來諸多困難。采用路測來優(yōu)化自動駕駛算法耗費(fèi)的時間與成本太高。自動駕駛屬于人工智能范疇，仍處于不斷發(fā)展階段。根據(jù)美國蘭德公司的研究，自動駕駛算法想要達(dá)到人類駕駛員水平至少需要累計(jì) 177 億公里的駕駛數(shù)據(jù)來完善算法。如果配置一支 100 輛自動駕駛測試車的車隊(duì)，每天 24 小時不停歇路測，平均時速 25 英里（40 公里）每小時來計(jì)算，需要 500 多年的時間才能完成目標(biāo)里程，期間所耗費(fèi)的時間和成本是難以承受的。自動駕駛相應(yīng)交通法規(guī)及保險理賠機(jī)制的缺失制約了自動駕駛汽車路測的大范圍開展。由于自動駕駛汽車尚

5、不能保證絕對安全，我國政府對開放自動駕駛道路測試保持謹(jǐn)慎的態(tài)度，僅依靠部分開放道路以及智能網(wǎng)聯(lián)測試區(qū)進(jìn)行路測，難以滿足自動駕駛汽車旺盛的測試需求。主要體現(xiàn)在以下四個方面：自動駕駛汽車路測缺乏法律依據(jù)。目前在絕大部分公開道路，尤其是高速公路上測試自動駕駛汽車仍然缺乏法律依據(jù)，阻礙了測試的進(jìn)度。自動駕駛路測車輛禁止載人載貨，導(dǎo)致測試不全面?，F(xiàn)行規(guī)定明確禁止測試過程中搭乘與測試無關(guān)的人員或貨物，阻礙了測試主體開展更豐富的自動駕駛技術(shù)性測試。 自動駕駛汽車事故責(zé)任劃分缺乏法律依據(jù)。由于自動駕駛汽車的駕駛主體是自動駕駛系統(tǒng)或自動駕駛服務(wù)商，和現(xiàn)行人類駕駛員為主體的交通法規(guī)體系存在很大差別。侵權(quán)責(zé)任法、道

6、路交通安全法等法規(guī)中有關(guān)機(jī)動車交通事故的責(zé)任體系將不再適合，導(dǎo)致目前自動駕駛汽車的相關(guān)法律糾紛出現(xiàn)無法可依的局面。自動駕駛汽車缺乏相應(yīng)的保險理賠機(jī)制。自動駕駛汽車突破了有關(guān)機(jī)動車保險的規(guī)定，使得目前的自動駕駛汽車“無險可投”，增加了測試企業(yè)及其他交通參與者的風(fēng)險。極端交通條件和危險場景復(fù)現(xiàn)困難，而且測試安全存在隱患。自動駕駛汽車在實(shí)際道路行駛過程中，極端交通條件和危險場景可遇不可求，且安全問題也是一大困擾。根據(jù)美國國家公路交通安全管理局（NHTSA）的統(tǒng)計(jì)數(shù)據(jù)，汽車平均行駛 43.6 萬英里（70 萬公里）才會發(fā)生一起事故，平均行駛 1 億英里（1.6 億公里）死亡大約 1 人。此外，自動駕駛

7、汽車測試行業(yè)依然沒有就測試的安全性等標(biāo)準(zhǔn)達(dá)成一致，制約了自動駕駛的研發(fā)測試。形成全球認(rèn)可的自動駕駛產(chǎn)業(yè)鏈體系比較困難。由于世界各國社會和經(jīng)濟(jì)環(huán)境千差萬別，各地區(qū)的道路環(huán)境和交通習(xí)慣也大相徑庭。中國的城市道路中快遞、外賣、行人混行情況普遍存在，對于自動駕駛汽車的感知決策能力提出了更高的要求。而且中國的道路交通標(biāo)志、標(biāo)線設(shè)置不規(guī)范情況普遍存在，不同地區(qū)之間也有差別。國內(nèi)與國外的交通標(biāo)志標(biāo)線顏色、文字說明等方面也存在差別，這些在短期內(nèi)很難得到改變。上述種種問題使得自動駕駛產(chǎn)業(yè)鏈的全球化發(fā)展和技術(shù)交流面臨眾多實(shí)際問題。1.2 基于場景庫的仿真測試成為自動駕駛研發(fā)的關(guān)鍵（略）目前基于場景庫的仿真測試是解

8、決自動駕駛路測數(shù)據(jù)匱乏的重要路線。仿真測試主要通過構(gòu)建虛擬場景庫，實(shí)現(xiàn)自動駕駛感知、決策規(guī)劃、控制等算法的閉環(huán)仿真測試，滿足自動駕駛測試的要求。場景庫是自動駕駛仿真測試的基礎(chǔ)，場景庫對現(xiàn)實(shí)世界的覆蓋率越高，仿真測試結(jié)果越真實(shí)。而且自動駕駛汽車研發(fā)的不同階段對于場景庫的要求也不同，需要場景庫實(shí)現(xiàn)不同的測試功能。1.3 仿真測試與道路測試結(jié)合推動自動駕駛研發(fā)在自動駕駛的開發(fā)流程中，純模型仿真軟件在環(huán)仿真半實(shí)物仿真封閉場地道路測試開放道路測試的開發(fā)流程是最經(jīng)濟(jì)、高效的開發(fā)流程。目前自動駕駛仿真已經(jīng)被行業(yè)廣泛接受。例如美國自動駕駛領(lǐng)軍企業(yè) Waymo 旗下的仿真平臺 Carcraft 每天150 億英

9、里，相比之下，去年 6 月的數(shù)據(jù)是 100 億英里。除 Waymo 外，通用旗下的 Cruise、AutoX、小馬智行等國內(nèi)外自動駕駛解決方案商也在進(jìn)行大量的仿真測試，以完善自己的自動駕駛系統(tǒng)，仿真測試已經(jīng)成為自動駕駛商用最重要的測試。在仿真場景中，普通場景下的自動駕駛算法已經(jīng)比較完善，突破難點(diǎn)在于一些極端場景（corner cases）。由于極端場景在現(xiàn)實(shí)中可遇不可求，利用仿真平臺可以便捷生成，所以業(yè)界共識是加大仿真測試在自動駕駛測試中的占比。目前自動駕駛算法測試大約 90% 通過仿真平臺完成，9% 在測試場完成，1% 通過實(shí)際路測完成。仿真測試結(jié)果可以在封閉場地進(jìn)行測試認(rèn)證，此外在道路測試

10、基礎(chǔ)上總結(jié)出危險場景，反饋到仿真測試與封閉場地測試中，最終形成評價結(jié)果，逐步完善評價準(zhǔn)則和測試場景庫，實(shí)現(xiàn)了仿真測試、封閉場地測試、道路測試的測試閉環(huán)，推動技術(shù)迭代升級。隨著仿真技術(shù)水平的提高和應(yīng)用的普及，行業(yè)旨在達(dá)到通過仿真平臺完成 99.9的測試量，封閉場地測試完成0.09，最后 0.01到實(shí)路上去完成，這樣可以使自動駕駛汽車研發(fā)達(dá)到更高效、經(jīng)濟(jì)的狀態(tài)。第二章、國內(nèi)外自動駕駛仿真測試發(fā)展現(xiàn)狀2.1 政策法規(guī)現(xiàn)狀在世界范圍內(nèi)，眾多國家針對自動駕駛及相關(guān)功能有著不同的政策策略及法規(guī)專注度。歐盟認(rèn)為以協(xié)作、網(wǎng)聯(lián)、自動為特征的出行模式是未來的交通系統(tǒng)發(fā)展趨勢，但在智能網(wǎng)聯(lián)汽車整體策略上態(tài)度相對保守

11、。美國發(fā)展智能網(wǎng)聯(lián)汽車擁有雄厚的產(chǎn)業(yè)優(yōu)勢，參與自動駕駛研發(fā)的企業(yè)涵蓋芯片技術(shù)、算法開發(fā)、系統(tǒng)集成、電信運(yùn)營、仿真測試、電子設(shè)備、整車制造及信息服務(wù)等領(lǐng)域，且全部為本土及國際高精尖企業(yè)及研究機(jī)構(gòu)。日本方面，政府非常重視智能網(wǎng)聯(lián)汽車的研發(fā)與應(yīng)用，并認(rèn)為加快L3、L4級別自動駕駛汽車的研發(fā)需要國家級場景庫協(xié)助日本主導(dǎo)國際話語權(quán)。各國與地區(qū)在仿真測試技術(shù)路線上都形成了跨領(lǐng)域、跨行業(yè)的合作共贏模式。歐盟大力推進(jìn)各成員國、各企業(yè)機(jī)構(gòu)之間的協(xié)調(diào)統(tǒng)一、成果共享；美國與日本企業(yè)組建跨國、跨行業(yè)聯(lián)盟，發(fā)揮各自優(yōu)勢并分擔(dān)研發(fā)成本。我國智能網(wǎng)聯(lián)仿真測試產(chǎn)業(yè)發(fā)展迅速，技術(shù)創(chuàng)新活躍，產(chǎn)業(yè)規(guī)模不斷擴(kuò)大，但也存在頂層設(shè)計(jì)欠缺

12、、部分關(guān)鍵技術(shù)缺失、標(biāo)準(zhǔn)法規(guī)滯后等問題。我國擁有全球最大汽車市場，強(qiáng)大的信息通信產(chǎn)業(yè)以及完備的計(jì)算機(jī)科學(xué)人才等良好基礎(chǔ)，積極擴(kuò)充合作和行業(yè)聯(lián)盟有助于跟上國際合作潮流。隨著自動駕駛技術(shù)的發(fā)展，具備自動駕駛功能的汽車已經(jīng)逐漸成為研發(fā)熱點(diǎn)，世界各國均針對自動駕駛制定了相應(yīng)戰(zhàn)略方針，系統(tǒng)安全性是當(dāng)前國際法規(guī)研究的重點(diǎn)。在聯(lián)合國層面，世界車輛法規(guī)協(xié)調(diào)論壇 WP.29 成立了自動駕駛汽車工作組（GRVA），該工作組正在進(jìn)行自動駕駛相關(guān)安全法規(guī)的制定。在 GRVA 子工作組 VMAD 自動駕駛安全驗(yàn)證方法中，形成了以道路測試、場地測試、仿真測試、審核與驗(yàn)證、交通場景等為支撐的“多支柱驗(yàn)證方法”，仿真及虛擬測

13、試逐漸成為被國際認(rèn)可的自動駕駛功能驗(yàn)證中必不可少的一環(huán)。2020 年中國作為聯(lián)合主席成員國，參與起草 GRVA 子工作組 FRAV自動駕駛車輛的通用功能性要求草案，此草案從系統(tǒng)安全、設(shè)計(jì)運(yùn)行域、故障保護(hù)響應(yīng)、目標(biāo)事件檢測和響應(yīng)、人機(jī)交互界面及操作員信息等方面提出了對自動駕駛功能安全的要求。2020年6月，WP.29世界車輛法規(guī)協(xié)調(diào)論壇通過了世界上首個針對Level 3級自動駕駛車輛有約束力的法規(guī)UN Regulation on Automated Lane Keeping Systems(ALKS)，此條款從 2021 年 1 月正式開始生效。此條款規(guī)定了自動駕駛車輛開啟自動車道保持功能的具體

14、需求、移交條件及干預(yù)條件，其中重點(diǎn)約束了車載顯示器、人機(jī)交互條件、與駕駛員車輛控制權(quán)移交、駕駛員沒有做出正確判斷后的系統(tǒng)退出機(jī)制等。牽頭此草案的國家為日本和德國，通過此條款后，日本、法國、荷蘭以及加拿大等國已經(jīng)確立了此草案與當(dāng)?shù)胤ㄒ?guī)的生效關(guān)系，英國同樣承諾在預(yù)設(shè)的 300 英里公開測試道路上及相關(guān)區(qū)域進(jìn)行相應(yīng)測試。此外，此法規(guī)同時著重描述了此自動駕駛功能與多支柱法之間的關(guān)系，提出了具體的道路測試、場地測試、仿真測試、審核與驗(yàn)證具體的映射關(guān)系，進(jìn)一步確立了多支柱法中不同條件的交互關(guān)系。此外針對安全及相應(yīng)問題，提出了以下幾點(diǎn)要求：發(fā)生碰撞情況下的緊急情況的處理機(jī)制，需要利用仿真進(jìn)行相應(yīng)測試；系統(tǒng)失

15、效條件下，要求駕駛員取回控制權(quán)及相應(yīng)條件；提出系統(tǒng)移交條件以及駕駛員無回應(yīng)時的系統(tǒng)保護(hù)的風(fēng)險條件；安裝車輛駕駛員就位識別系統(tǒng)，識別駕駛員就位以及其控制意圖識別；車輛車載自動駕駛信息存儲系統(tǒng)，以及其相應(yīng)信息記錄機(jī)制；車輛出售前車輛性能及表現(xiàn)需求聲明，提出配備此功能車輛的表現(xiàn)需求及后續(xù)保養(yǎng)需求等。此法規(guī)的發(fā)布，對國內(nèi)自動駕駛標(biāo)準(zhǔn)法規(guī)的制定同樣具有借鑒意義。2.2 標(biāo)準(zhǔn)發(fā)展現(xiàn)狀國際標(biāo)準(zhǔn)化組織 ISO 于 2018 年正式成立 TC22/SC33 WG9 自動駕駛場景工作組，制定自動駕駛測試場景相關(guān)標(biāo)準(zhǔn)。此工作組由中國牽頭，汽車標(biāo)準(zhǔn)委員會秘書處王兆作為召集人，這是我國在 ISO/TC22（道路車輛委員

16、會）范疇內(nèi)首次承擔(dān)國際標(biāo)準(zhǔn)工作組（WG）召集人職責(zé)，是我國在汽車國際標(biāo)準(zhǔn)化方面邁出的重要一步。WG9 工作組下一步工作重點(diǎn)是形成現(xiàn)階段工作情況報告，盡快制定完成和發(fā)布該系列標(biāo)準(zhǔn)，為國際相關(guān)標(biāo)準(zhǔn)法規(guī)及產(chǎn)業(yè)應(yīng)用提供支持。自動駕駛場景工作組已于2019年通過了四項(xiàng)標(biāo)準(zhǔn)以及一項(xiàng)預(yù)留標(biāo)準(zhǔn)的立案，具體標(biāo)準(zhǔn)見下表，其中，34505 “基于場景的自動駕駛系統(tǒng)的評測體系”為預(yù)留草案。中國國內(nèi)在仿真測試行業(yè)中，逐步認(rèn)識到相關(guān)重要性，2020 年，由中國汽車技術(shù)研究中心有限公司撰寫的自動駕駛測試場景技術(shù)發(fā)展與應(yīng)用出版上市，此書籍由全國汽車標(biāo)準(zhǔn)技術(shù)委員會 (SAC/TC 114) 及其智能網(wǎng)聯(lián)汽車分技術(shù)委員會 (SC

17、 34) 秘書處統(tǒng)籌組織規(guī)劃，同濟(jì)大學(xué)、華為技術(shù)有限公司、吉林大學(xué)、上汽集團(tuán)前瞻技術(shù)研究部、中國第一汽車集團(tuán)、中國汽車技術(shù)研究中心有限公司、國汽智聯(lián)、阿里巴巴菜鳥網(wǎng)絡(luò)等單位作為各章節(jié)主要編寫單位，共計(jì)來自于 30 余家骨干單位近百名專家參與撰寫。此書作為 2019 年至今為止在仿真測試方面，涵蓋最多的成員單位，最為集中的體系與內(nèi)容，逐步將會成為仿真測試行業(yè)中標(biāo)準(zhǔn)的先行團(tuán)隊(duì)。后期相應(yīng)研究標(biāo)準(zhǔn)將按照自動駕駛測試場景技術(shù)發(fā)展與應(yīng)用逐步形成標(biāo)準(zhǔn)化內(nèi)容。針對此方向標(biāo)準(zhǔn)，全國汽車標(biāo)準(zhǔn)技術(shù)委員會 (SAC/TC 114) 已于 2019 年在全國范圍內(nèi)成立自動駕駛汽車仿真測試標(biāo)準(zhǔn)化需求研究項(xiàng)目組，由中國汽車

18、技術(shù)研究中心有限公司牽頭組建。此項(xiàng)標(biāo)準(zhǔn)將在仿真測試通用要求、測試工具、測試流程等方面開展標(biāo)準(zhǔn)化研究工作，并組織項(xiàng)目組成員進(jìn)行仿真測試與實(shí)車測試對比試驗(yàn)，用以驗(yàn)證仿真測試的真實(shí)性、可重復(fù)性等。后續(xù)該項(xiàng)目組將按照規(guī)劃按時完成研究報告，并同步開展相關(guān)標(biāo)準(zhǔn)預(yù)研工作。除 ISO 外，其他國家與組織也針對自動駕駛測試場景展開了研究。2016 年，德國聯(lián)邦經(jīng)濟(jì)與能源部（BMWi）啟動 PEGASUS 項(xiàng)目，旨在開發(fā)一套自動駕駛功能測試程序，以促進(jìn)自動駕駛技術(shù)的快速落地。PEGASUS 項(xiàng)目內(nèi)容包括定義自動駕駛車輛在仿真、測試場地以及實(shí)際環(huán)境中的測試與實(shí)驗(yàn)標(biāo)準(zhǔn)流程；開發(fā)一個持續(xù)的和靈活的工具鏈以維護(hù)自動駕駛開

19、發(fā)與驗(yàn)證；在開發(fā)早期的階段集成測試；創(chuàng)建跨整車廠的方法來維護(hù)高度自動駕駛功能等。PEGASUS 項(xiàng)目于 2019 年 5 月結(jié)項(xiàng)，其中一項(xiàng)重要研究成果就是 OpenCRG、OpenDRIVE、OpenSCENARIO三項(xiàng)駕駛場景仿真格式標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)已于 2018 年正式從戴姆勒和 VIRES 轉(zhuǎn)交 ASAM 進(jìn)行下一步標(biāo)準(zhǔn)維護(hù)與開發(fā)。以此為契機(jī)，ASAM 于 2018 年新開創(chuàng)一類標(biāo)準(zhǔn)仿真，用于制定和協(xié)調(diào)自動駕駛領(lǐng)域的相關(guān)仿真標(biāo)準(zhǔn)。德國自動化及測量系統(tǒng)標(biāo)準(zhǔn)協(xié)會（ASAM）是一家非政府的汽車領(lǐng)域標(biāo)準(zhǔn)化制定機(jī)構(gòu)，1998 年由數(shù)位行業(yè)專家為標(biāo)準(zhǔn)化 ECU 開發(fā)與測試中的數(shù)據(jù)交互而創(chuàng)立，致力于實(shí)現(xiàn)開

20、發(fā)流程中各環(huán)節(jié)的數(shù)據(jù)信息自由交換。截至 2019 年，共有來自亞洲、歐洲、北美洲的 295 家整車廠、供應(yīng)商及科研機(jī)構(gòu)加入成為會員。ASAM 推出的標(biāo)準(zhǔn)涉及多個汽車標(biāo)準(zhǔn)領(lǐng)域，包括仿真、車聯(lián)網(wǎng)、測量與校準(zhǔn)、診斷、自動化測試、軟件開發(fā)、ECU 網(wǎng)絡(luò)和數(shù)據(jù)管理與分析等。隨著自動駕駛技術(shù)的發(fā)展，仿真測試對于自動駕駛的安全落地至關(guān)重要，ASAM 發(fā)布的 OpenX 標(biāo)準(zhǔn)得到了全球廣泛關(guān)注，熱度逐漸提升。成員單位提出希望制定更多的仿真領(lǐng)域標(biāo)準(zhǔn)，并以 OpenX 命名，其中還包括Open LABEL。2019 年 10 月，由寶馬開發(fā)的 OSI 標(biāo)準(zhǔn)正式移交 ASAM 進(jìn)行維護(hù)與開發(fā)。至此，ASAM 啟動的

21、OpenX 包含標(biāo)準(zhǔn)達(dá)到了 5 項(xiàng)（見圖表 6）。同時隨著全球自動駕駛測試需求的提升，更多的標(biāo)準(zhǔn)提案與計(jì)劃已經(jīng)提上日程。2020 年是自動駕駛應(yīng)用落地的重要開端，也是 OpenX 標(biāo)準(zhǔn)體系應(yīng)用推廣的重要一年。目 前， 在 ASAM 仿 真 驗(yàn) 證 領(lǐng) 域，OpenX 系 列 標(biāo) 準(zhǔn) 主 要 包 括 OpenDRIVE、OpenSCENARIO、OpenSimulation Interface（OSI）、OpenLABEL 和 OpenCRG 五大板塊。在仿真測試的整體流程中，OpenDRIVE 和OpenSCENARIO針對仿真場景的不同數(shù)據(jù)格式進(jìn)行統(tǒng)一；OpenLABEL將對于原始數(shù)據(jù)和場景

22、給出統(tǒng)一的標(biāo)定方法；OSI 連接了自動駕駛功能與仿真工具，同時集成了多種傳感器；OpenCRG 則實(shí)現(xiàn)了路面物理信息與靜態(tài)道路場景的交互。中國的駕駛場景極具特色，不僅道路結(jié)構(gòu)、交通標(biāo)志、交通信號燈等形態(tài)各異，人車混流的交通狀況也為構(gòu)建動態(tài)仿真場景增加了許多難度。為了更有針對性地解決與中國特色場景相關(guān)的諸多問題，ASAM 標(biāo)準(zhǔn)協(xié)會于 2018年與中汽中心下屬中汽數(shù)據(jù)有限公司（以下簡稱“中汽數(shù)據(jù)”）開展技術(shù)交流。中汽數(shù)據(jù)在駕駛場景、模擬仿真等領(lǐng)域取得的進(jìn)展得到了 ASAM 的高度認(rèn)可。2019 年 9 月，中汽數(shù)據(jù)與 ASAM 聯(lián)合發(fā)表聲明，共同組建 C-ASAM 工作組。針對 ASAM Open

23、X 模擬仿真測試場景標(biāo)準(zhǔn)，C-ASAM 工作組將整合中國智能網(wǎng)聯(lián)汽車行業(yè)，利用國際合作平臺價值，實(shí)現(xiàn)互通互利，攜手共進(jìn)，達(dá)成共贏的局面。針對以上研究內(nèi)容，從以下幾大方面進(jìn)行拓展（見圖表 7）。目前 C-ASAM 工作組成員包括上汽集團(tuán)、騰訊、華為、百度、賽目、四維圖新、北京航空航天大學(xué)等 20 余家中國企業(yè)與研究機(jī)構(gòu)，共同為中國在相應(yīng)標(biāo)準(zhǔn)中發(fā)聲，成為中國對標(biāo)國際標(biāo)準(zhǔn)內(nèi)容的重要工作組。基于數(shù)據(jù)接口和格式等仿真驗(yàn)證領(lǐng)域的共性問題，ASAM 引入的 OpenX 系列標(biāo)準(zhǔn)填補(bǔ)了行業(yè)多項(xiàng)空白。該系列標(biāo)準(zhǔn)的推出與完善，使得仿真測試場景中各要素之間的隔閡逐漸被打破，原本孤立的各環(huán)節(jié)的貫通與交互成為可能。而隨

24、著我國汽車仿真驗(yàn)證領(lǐng)域的國際化接軌進(jìn)程將加快，OpenX 系列標(biāo)準(zhǔn)的影響也將不斷擴(kuò)展。2.3 仿真測試應(yīng)用現(xiàn)狀目前自動駕駛仿真市場參與主體主要包括：科技公司、車企、自動駕駛解決方案商、仿真軟件企業(yè)、高校及科研機(jī)構(gòu)、智能網(wǎng)聯(lián)測試示范區(qū)。由于每個市場主體在自動駕駛仿真方面的技術(shù)基礎(chǔ)不同，因此在推動自動駕駛仿真方面的研發(fā)及合作方式呈現(xiàn)不同模式。2.3.1 科技公司（略）科技公司在仿真方面起步相對較晚，在汽車功能探索方面經(jīng)驗(yàn)較少，但是具備大數(shù)據(jù)優(yōu)勢，軟件開發(fā)能力強(qiáng)。自動駕駛汽車相比傳統(tǒng)汽車，對軟件的需求更大，科技公司進(jìn)行仿真軟件的探索，目的是進(jìn)入市場龐大的汽車行業(yè)，建立更大的數(shù)據(jù)平臺，形成新的業(yè)務(wù)增長

25、點(diǎn)。目前自動駕駛仿真科技公司主要包括騰訊、百度、華為、阿里等。2.3.2 整車企業(yè)路測和仿真測試同步進(jìn)行是整車企業(yè)的最佳選擇，而自動駕駛汽車在真正實(shí)現(xiàn)落地之前，需經(jīng)過眾多功能與安全測試，路測就是其中一環(huán)。由于路測效率較低，目前很多車企都傾向于選擇自動駕駛仿真測試與路測相結(jié)合的方式來完成落地前的測試工作。當(dāng)前全球各大車企正在用仿真測試?yán)锍虂砣〈徊糠謱?shí)際路測里程，即自動駕駛測試 90% 通過模擬仿真平臺完成，9% 通過測試場完成，1% 通過實(shí)際道路測試完成。模擬仿真測試已經(jīng)成為加速自動駕駛技術(shù)研發(fā)和測試落地的重要手段?？紤]到車企自身軟件開發(fā)能力弱，無法獨(dú)立完成仿真測試，一般通過和科技公司或者自動

26、駕駛仿真軟件企業(yè)合作，利用后者仿真軟件進(jìn)行自動駕駛汽車開發(fā)，如上汽與 TAD Sim，江淮與 Prescan（見圖表 12）。2.3.3 自動駕駛解決方案商自動駕駛解決方案商主要針對自身需求研發(fā)定制化仿真軟件，較少對外提供仿真服務(wù)，但借助于充足的資金、人才集聚力及自身研發(fā)驅(qū)動力，在自動駕駛仿真方面具有很強(qiáng)的創(chuàng)新能力。各領(lǐng)先自動駕駛解決方案商都有自身仿真測試軟件，如 Waymo、Cruise、小馬智行、AutoX 等。Waymo 借助大量虛擬仿真里程完善自動駕駛技術(shù)。Waymo 作為世界最領(lǐng)先的自動駕駛解決方案商，其核心競爭力是 Carcraft 仿真軟件系統(tǒng)。Carcraft 可以完成從場景采

27、集、場景庫建立、仿真、測試結(jié)果反饋等一系列流程。如 Carcraft 可以將測試車在真實(shí)道路上遇到的場景直接在模擬器中進(jìn)行模糊化，形成虛擬場景，同時程序員也可以將多種情況進(jìn)行疊加，創(chuàng)造出各種極端場景。Carcraft 進(jìn)行模擬后得到的數(shù)據(jù)又可以反饋給真實(shí)世界的測試車輛，如此循環(huán)迭代，使得 Waymo 自動駕駛車輛越來越完善。Carcraft 現(xiàn)有一支由 25000 臺汽車組成的虛擬車隊(duì)，這些虛擬汽車每天 24 小時運(yùn)行在 Carcraft 仿真系統(tǒng)，每天可在虛擬世界行駛 2000 萬英里的里程。截止 2020 年 4 月已完成了 150 億英里的仿真測試?yán)锍?，遙遙領(lǐng)先于其他公司。Cruise

28、利用仿真系統(tǒng)（Matrix）與路測結(jié)合，重點(diǎn)突破車輛表現(xiàn)欠佳區(qū)域及危險場景。Cruise 自動駕駛仿真具備以下四個特點(diǎn) ：第一，能對路測過程中車輛表現(xiàn)欠佳的區(qū)域，在仿真器中復(fù)現(xiàn)這段路線以提升自動駕駛軟件的性能。第二，可以在仿真器中復(fù)現(xiàn)危險場景，如無保護(hù)左轉(zhuǎn)、不遵守交通規(guī)則的行人及車輛等，驗(yàn)證自動駕駛汽車的應(yīng)變能力。第三，能通過不斷地訓(xùn)練讓仿真器成為新的數(shù)據(jù)機(jī)，用仿真數(shù)據(jù)反哺路測工作。第四，仿真器既能保障乘客安全，也能兼顧舒適性。據(jù) Cruise 介紹，其每天能完成 3 萬次仿真測試。小馬智行實(shí)行軟件快速迭代升級的自動駕駛仿真方式。新開發(fā)功能或者 bug 修復(fù)后，首先會在仿真系統(tǒng)進(jìn)行模擬測試，測

29、試完成后進(jìn)行場地測試或者路測，如果測試結(jié)果不符合預(yù)期重新進(jìn)行代碼修改。如果測試結(jié)果符合預(yù)期，通常在一天內(nèi)可以完成測試，然后每周會同步到所有測試車輛，并且每個工程師可單獨(dú)、并行執(zhí)行，保證了自動駕駛開發(fā)的快速迭代升級。小馬智行仿真系統(tǒng)測試場景通過兩種方式建立。第一，通過路測獲得所有重要的場景并數(shù)字化處理收入場景庫，后續(xù)所有代碼的改動都會重新測試所有的重要場景。第二，由于現(xiàn)實(shí)中場景收集的局限性，仿真系統(tǒng)還可以創(chuàng)造一些場景。AutoX 通過自動駕駛車輛與仿真大數(shù)據(jù)云平臺協(xié)同，驅(qū)動自動駕駛落地。AutoX 擁有一支 RoboTaxi 自動駕駛乘用車隊(duì)，搭載 AutoX 硬件系統(tǒng)，每天收集真實(shí)世界的海量數(shù)

30、據(jù)。仿真大數(shù)據(jù)云平臺通過對車隊(duì)收集的真實(shí)世界海量測試運(yùn)營數(shù)據(jù)進(jìn)行數(shù)據(jù)加工和壓縮、質(zhì)量監(jiān)督、自動標(biāo)注、結(jié)構(gòu)化測試，并通過仿真平臺以 1000 倍量級對真實(shí)路采數(shù)據(jù)進(jìn)行混合仿真，生產(chǎn)出更大量級、更高難度的虛實(shí)混合仿真數(shù)據(jù)。由此，AutoX 打造了可拓展、可衡量的分布式仿真平臺，并且支持大規(guī)模手工和自動場景的產(chǎn)生。2.3.4 仿真軟件企業(yè)仿真軟件企業(yè)可分為傳統(tǒng)仿真軟件企業(yè)、初創(chuàng)企業(yè)兩大類（見圖表 13）。傳統(tǒng)仿真軟件企業(yè)由于技術(shù)積累比較深厚，進(jìn)入自動駕駛仿真具有先天優(yōu)勢，而且合作伙伴較多，二次開發(fā)具有優(yōu)勢。初創(chuàng)企業(yè)由于起步晚，技術(shù)積累較弱，國內(nèi)企業(yè)和國外的差距較大，但依靠雄厚的資金和人才集聚力，創(chuàng)業(yè)

31、公司在自動駕駛仿真軟件研發(fā)方面有望迅速崛起。在全球主流自動駕駛仿真軟件企業(yè)中，美國和德國占據(jù)全球企業(yè)總數(shù)一半以上。通過圖表 13 可以發(fā)現(xiàn)，在 22家仿真軟件企業(yè)中，有8家來自美國，占總數(shù)的36%，顯示了美國在自動駕駛領(lǐng)域的世界領(lǐng)先地位。來自德國有7家占總數(shù)的 32%，主要是德國在傳統(tǒng)仿真軟件領(lǐng)域的堅(jiān)實(shí)基礎(chǔ)促進(jìn)了自動駕駛仿真的發(fā)展。中國有 3 家自動駕駛仿真軟件初創(chuàng)企業(yè)，但在汽車傳統(tǒng)仿真領(lǐng)域存在短板，在自動駕駛仿真方面積累薄弱，創(chuàng)新性不足。2.3.5 高校及科研機(jī)構(gòu)高校及科研機(jī)構(gòu)主要應(yīng)用自動駕駛仿真軟件進(jìn)行前瞻性、基礎(chǔ)性研究，但很難形成成熟的商業(yè)化產(chǎn)品。國內(nèi)從事自動駕駛仿真研究的高校及科研機(jī)構(gòu)

32、主要包括：清華大學(xué)、同濟(jì)大學(xué)、北京航空航天大學(xué)、吉林大學(xué)、天津大學(xué)、長安大學(xué)、南京航空航天大學(xué)、武漢理工大學(xué)等。武漢理工大學(xué)開發(fā)的仿真測試平臺，可以實(shí)現(xiàn)HIL、路徑規(guī)劃及跟蹤測試、高速場景下的高速編隊(duì)自動駕駛技術(shù)，并且實(shí)現(xiàn)了仿真場景構(gòu)建、自動駕駛傳感器性能及算法評價，為自動駕駛的量產(chǎn)評價提供指導(dǎo)。吉林大學(xué)在基于場景的自動駕駛虛擬仿真測試體系方面，應(yīng)用 Panosim 仿真平臺實(shí)現(xiàn)了車輛及動力學(xué)模型、靜態(tài)虛擬場景、動態(tài)虛擬場景、模擬環(huán)境傳感、智能駕駛系統(tǒng)等的仿真，形成了完整的自動駕駛汽車虛擬仿真測試環(huán)境。在國外，西班牙巴塞羅那自治大學(xué)、德國國家宇航中心開發(fā)的自動駕駛仿真軟件已經(jīng)得到應(yīng)用。西班牙巴

33、塞羅那自治大學(xué)開發(fā)的 CARLA，支持傳感器、環(huán)境狀態(tài)、動靜態(tài)交通參與者、地圖的靈活配置；德國國家宇航中心開發(fā)的自動駕駛仿真開源平臺 SUMO，支持微觀連續(xù)交通流仿真，可自動生成道路網(wǎng)絡(luò)，也可外接其他交通模擬器，如Vissim。2.3.6 智能網(wǎng)聯(lián)測試示范區(qū)智能網(wǎng)聯(lián)測試示范區(qū)建設(shè)已形成一定規(guī)模。目前全國有 10 余家國家級和數(shù)家省級智能網(wǎng)聯(lián)測試示范區(qū)，主要通過對 5G、V2X 車路協(xié)同、模擬仿真、車聯(lián)網(wǎng)等新技術(shù)的部署和應(yīng)用，為自動駕駛、網(wǎng)聯(lián)通信供應(yīng)商等提供系統(tǒng)測試服務(wù)，推動汽車、信息通信、道路設(shè)施等內(nèi)容的綜合標(biāo)準(zhǔn)體系的建立。為推動智能網(wǎng)聯(lián)汽車的仿真測試工作，已有企業(yè)和智能網(wǎng)聯(lián)示范區(qū)開展了路測與

34、虛擬仿真相結(jié)合的測試。如騰訊已和國家智能網(wǎng)聯(lián)汽車（長沙）測試區(qū)合作，建立了湖南省 智能網(wǎng)聯(lián)汽車仿真實(shí)驗(yàn)室 項(xiàng)目，基于高精度地圖和模擬仿真技術(shù)，對測試區(qū)的地理全貌進(jìn)行數(shù)字化建模，實(shí)現(xiàn)在仿真環(huán)境下進(jìn)行安全、高效的智能汽車實(shí)驗(yàn)。西門子全球仿真及測試技術(shù)（成都）研發(fā)中心與中德智能網(wǎng)聯(lián)汽車試驗(yàn)基地合作，將為后者提供仿真測試技術(shù)平臺，助力智能網(wǎng)聯(lián)汽車、車聯(lián)網(wǎng)標(biāo)準(zhǔn)及測試驗(yàn)證發(fā)展。第三章、自動駕駛仿真測試平臺環(huán)境3.1 仿真測試平臺功能需求（略）對自動駕駛算法的開發(fā)來說，測試驗(yàn)證手段必不可少。引入虛擬仿真平臺進(jìn)行自動駕駛測試的核心目的，正是為了彌補(bǔ)實(shí)車測試的不足，提高自動駕駛汽車測試的安全性并節(jié)省測試時間和成

35、本，快速推動自動駕駛汽車落地。因此，自動駕駛仿真面向的主要客戶是有自動駕駛開發(fā)需求的汽車廠商、算法公司以及各類汽車測試場，從滿足客戶使用的需求來講，自動駕駛仿真測試平臺至少應(yīng)該具備以下功能。3.1.1 滿足自動駕駛感知、決策規(guī)劃、控制全棧算法的閉環(huán)仿真測試3.1.2 滿足汽車 V 字開發(fā)流程3.1.3 加速自動駕駛算法迭代升級3.2 仿真測試平臺技術(shù)架構(gòu)與能力3.2.1 虛擬場景構(gòu)建自動駕駛汽車的仿真測試，首先需要模擬構(gòu)建出與真實(shí)世界一致的車輛運(yùn)行場景，而場景的構(gòu)建可以分為靜態(tài)場景構(gòu)建和動態(tài)場景構(gòu)建兩個層面。3.2.2 感知系統(tǒng)仿真感知系統(tǒng)的仿真，可以分為三個層次，其一直接仿真?zhèn)鞲衅魇盏降男盘?/p>

36、，例如直接仿真攝像頭檢測到的光學(xué)信號，或者雷達(dá)超聲波和電磁波信號，這種方法叫做物理信號仿真；其次把傳感器探測的單元拆掉，直接仿真控制電控嵌入式系統(tǒng)中專門的數(shù)字處理芯片的輸入單元，這叫做原始信號仿真；最后一種傳感器目標(biāo)仿真，傳感器感知和決策如果是分為兩個不同層級的芯片來做，那么可以將傳感器檢測的理想目標(biāo)直接仿真到?jīng)Q策層算法輸入端。感知系統(tǒng)仿真的對象主要包括攝像頭、毫米波雷達(dá)、激光雷達(dá)三大類主流車端傳感器。影響感知系統(tǒng)仿真結(jié)果的兩大主要因素，首先是仿真場景重建的真實(shí)性，這一點(diǎn)在上一節(jié)虛擬場景構(gòu)建中已經(jīng)提及；另一個因素是各類傳感器模型，在相同的仿真環(huán)境中，傳感器模型越精確，仿真結(jié)果越接近現(xiàn)實(shí)。1.

37、攝像頭仿真攝像頭仿真的一般方法是基于環(huán)境物體的幾何空間信息構(gòu)建對象的三維模型，直白一點(diǎn)就是生成逼真的圖像。根據(jù)物體的真實(shí)材質(zhì)與紋理，并通過計(jì)算機(jī)圖形學(xué)對三維模型添加顏色與光學(xué)屬性等，來模擬實(shí)現(xiàn)圖像合成。通常情況下，顏色、光學(xué)屬性等元素會基于游戲渲染引擎來得到，百度阿波羅采用 Unity 3D，騰訊 TAD Sim 引入了虛幻引擎 UE4。攝像頭仿真通過坐標(biāo)系轉(zhuǎn)換的方法，將三維空間中的點(diǎn)通過透視關(guān)系變換為圖像上的點(diǎn)。之后，還需要對相機(jī)鏡頭的結(jié)構(gòu)與光學(xué)特性，內(nèi)部數(shù)據(jù)采集過程進(jìn)行仿真，例如焦距、畸變、亮度調(diào)節(jié)、Gamma 調(diào)節(jié)、白平衡調(diào)節(jié)、色彩空間、景深、高動態(tài)范圍（HDR）色調(diào)的調(diào)整等。攝像頭仿真

38、每一幀的原始數(shù)據(jù)一般可以使用 RGB 或 YUV 來表示。如需把仿真結(jié)果通過網(wǎng)絡(luò)實(shí)時傳給自動駕駛系統(tǒng)，一般可使用 H264 壓縮成視頻流，減少傳輸帶寬。攝像頭仿真需要障礙物的真值信息，包括位置、朝向、包圍盒、速度和類型等。除了對象檢測，攝像頭的仿真結(jié)果也會被用來訓(xùn)練其他計(jì)算機(jī)視覺算法，包括目標(biāo)跟蹤和語義分割等。2. 毫米波雷達(dá)仿真毫米波雷達(dá)仿真一般會根據(jù)配置的視場角和分辨率信息，向不同方向發(fā)射一系列虛擬連續(xù)調(diào)頻毫米波，并接收目標(biāo)的反射信號。不同車輛的雷達(dá)回波強(qiáng)度可使用微表面模型能量輻射計(jì)算方式，由車輛模型以及車輛朝向、材質(zhì)等計(jì)算。同一個障礙物會被多個調(diào)頻連續(xù)波探測到。對于毫米波雷達(dá)目標(biāo)級仿真，

39、則可以根據(jù)障礙物的徑向距離、距離分辨率和角度分辨率等信息對同一個障礙物的點(diǎn)進(jìn)行聚類并返回最終仿真結(jié)果。毫米波雷達(dá)仿真一般需要支持更改毫米波雷達(dá)安裝位置、角度、探測距離、探測角度、角度和距離分辨率、噪聲參數(shù)等。對于某些兼有長距和中距探測功能的毫米波雷達(dá)，仿真時則需要同時支持兩者的參數(shù)設(shè)置。3. 激光雷達(dá)仿真激光雷達(dá)仿真的思路是參照真實(shí)激光雷達(dá)的掃描方式，模擬每一條真實(shí)雷達(dá)射線的發(fā)射，與場景中所有物體求交。以一個 64 線、水平分辨率為 0.4、最大探測距離為 120 米的雷達(dá)為例，該雷達(dá)每一幀會發(fā)射出 57600 條射線(64*360/0.4) 與場景中所有物體求交，如果求得的交點(diǎn)位于最大探測距

40、離內(nèi)，則為有效點(diǎn)，對于 10HZ 的雷達(dá)來說，每秒需要發(fā)射 576000 條射線。針對微電子機(jī)械系統(tǒng)激光雷達(dá)（MEMS），技術(shù)方案原理上與上述方法一致，主要差異是，水平方向掃描不再是 360，而是可以指定掃描的水平角度范圍。激光雷達(dá)反射強(qiáng)度和不同物理材質(zhì)對激光雷達(dá)所使用的近紅外光線反射率有關(guān)。反射強(qiáng)度受到障礙物距離、激光反射角度以及障礙物本身的物理材質(zhì)影響。仿真時需要給場景資源設(shè)置合適的物理材質(zhì)，包括各種道路、人行道、車道線、交通牌、交通燈、汽車、行人等。每一種物理材質(zhì)的激光反射率都不相同，可以使用儀器提前測得每一種物理材質(zhì)的激光反射率，并記錄下來，也可以參照某些真實(shí)激光雷達(dá)的做法，將最終反射

41、強(qiáng)度歸一化到 0255。3.2.3 車輛動力學(xué)仿真自動駕駛汽車在仿真測試中，需要借助車輛動力學(xué)模型模擬車輛來客觀評價決策及控制算法。因?yàn)?，?fù)雜的車輛模型，可以保證車輛有良好的仿真精度，使被控制對象的反應(yīng)更貼近真實(shí)世界。車輛動力學(xué)模型是基于多體動力學(xué)搭建的模型，其中包含了車體、懸架系統(tǒng)、轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)、動力系統(tǒng)、傳動系統(tǒng)、車輛動力學(xué)系統(tǒng)、硬件 IO 接口等多個真實(shí)部件的車輛模型。將這些被控對象模型參數(shù)化之后，就可以把真實(shí)的線控制動、線控轉(zhuǎn)向系統(tǒng)和智能駕駛系統(tǒng)集成到大系統(tǒng)中共同做仿真測試。當(dāng)仿真端接收自動駕駛系統(tǒng)控制模塊給出的控制信號，主要包括油門、剎車、方向盤、檔位等，產(chǎn)生更新后的車輛位置和

42、姿態(tài)底盤總線參數(shù)，輸出給自動駕駛的各個模塊，來模擬車輛的整體行為。此外，在測試 L2、L3 輔助自動駕駛時，也可以接入車輛的各個模塊，例如轉(zhuǎn)向、動力傳動、制動等進(jìn)行直接的控制。目前，專業(yè)的車輛動力學(xué)仿真軟件，有 CarSim、CarMaker、VI-Grade、VeDYNA 和 PanoSim 等，仿真平臺可以接入這些成熟的車輛動力學(xué)模型進(jìn)行測試，能獲得比較逼真的控制效果，當(dāng)然目前有很多仿真平臺也在自行開發(fā)車輛動力學(xué)模型。比如，騰訊自動駕駛仿真平臺 TAD Sim 支持 27 自由度的車輛動力學(xué)模型，也支持接入 CarSim這類業(yè)內(nèi)頂尖的車輛動力學(xué)模型進(jìn)行仿真測試。3.2.4 云加速仿真仿真系

43、統(tǒng)在進(jìn)行仿真任務(wù)時需要訪問大量采集或者生成的數(shù)據(jù)，并根據(jù)生成的數(shù)據(jù)利用 CPU 和 GPU 資源對數(shù)據(jù)進(jìn)行再處理并還原，或者對已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行 GPU 渲染再現(xiàn)。這些仿真任務(wù)都需要依賴強(qiáng)大的計(jì)算和存儲能力。隨著仿真內(nèi)容的增加，單個計(jì)算機(jī)的性能很快成為了瓶頸，一個計(jì)算節(jié)點(diǎn)不可能獨(dú)立完成仿真任務(wù)。這就需要使用一種機(jī)制將仿真任務(wù)分配到多個機(jī)器上，并且讓所有機(jī)器協(xié)同工作，這樣做能夠降低單個機(jī)器的性能需求，從而使得大規(guī)模仿真任務(wù)得以實(shí)現(xiàn)?；谠朴?jì)算的分布式概念正好能夠幫助自動駕駛仿真系統(tǒng)達(dá)成這樣的目的，分布式計(jì)算是隨著互聯(lián)網(wǎng)行業(yè)的快速發(fā)展而產(chǎn)生的。隨著網(wǎng)絡(luò)速度的提高，服務(wù)器端對數(shù)據(jù)的存儲能力和算力需

44、求逐漸增加，傳統(tǒng)的服務(wù)器需要升級硬件滿足需求。集中式的硬件系統(tǒng)成本過高，于是分布式概念應(yīng)運(yùn)而生。分布式框架可以將計(jì)算和存儲任務(wù)進(jìn)行拆分，讓互相連接的每一臺機(jī)器承擔(dān)一部分的計(jì)算和存儲任務(wù)，并在需要的時候進(jìn)行數(shù)據(jù)的同步和收集，降低單個節(jié)點(diǎn)成本，提供系統(tǒng)整體的計(jì)算能力和存儲容量。仿真模擬多建立在對現(xiàn)實(shí)世界的模擬之上，需要依賴現(xiàn)實(shí)時間的流逝，但隨著硬件性能的提升，在某些模擬任務(wù)時，計(jì)算機(jī)在按照真實(shí)時間進(jìn)行模擬仿真時并沒有消耗其全部的性能。這時如果能夠讓計(jì)算機(jī)模擬的速度以高于真實(shí)時間的速率進(jìn)行，那么將能夠更好利用硬件優(yōu)勢，并提高模擬效率。在計(jì)算和存儲能力允許的情況下，仿真節(jié)點(diǎn)可以按照更高的頻率進(jìn)行仿真，

45、并在更短的時間內(nèi)完成仿真任務(wù)。但是為了保證仿真結(jié)果的一致性，各個仿真節(jié)點(diǎn)的加速程度又必須保持一致。因此為了同時滿足動態(tài)時間和數(shù)據(jù)一致性的需求。仿真系統(tǒng)需要引入虛擬時間用于節(jié)點(diǎn)之間的同步，而非真實(shí)時間。虛擬時間的優(yōu)勢在于不依賴真實(shí)時間，可快可慢。虛擬時間根據(jù)當(dāng)前仿真任務(wù)的完成情況隨時控制整個系統(tǒng)的運(yùn)轉(zhuǎn)速度，從而使得每一個節(jié)點(diǎn)在完成任務(wù)的同時保證整個系統(tǒng)的數(shù)據(jù)一致性。3.3 仿真測試平臺核心功能3.3.1 超高還原度的仿真場景自動駕駛仿真技術(shù)是計(jì)算機(jī)仿真技術(shù)在汽車領(lǐng)域的應(yīng)用，類似其它通用的仿真平臺，必須盡可能真實(shí)的還原現(xiàn)實(shí)環(huán)境，結(jié)合自動駕駛汽車的工作原理，還原應(yīng)該包含三個層面分別是：幾何還原、物理

46、還原以及邏輯還原。1. 幾何還原場景的幾何還原，主要是作用于三維場景仿真以及基于三維場景仿真的傳感器仿真。具體來說，幾何還原指的是如何盡可能好的還原出與現(xiàn)實(shí)世界各種屬性都一致的三維場景，而且依據(jù)使用需求的不同還原程度以及使用方式可以有相應(yīng)的差異。比如，如果需要運(yùn)行結(jié)果比較好的傳感器仿真，則需要非常精確的對三維場景進(jìn)行幾何還原，同時有著比較好的傳感器仿真模型，才能保證傳感器仿真無限接近現(xiàn)實(shí)世界的仿真結(jié)果。如果測試者并不關(guān)注傳感器仿真，而主要是想要對決策控制算法進(jìn)行仿真測試，那么對于周圍的環(huán)境場景就不需要非常精確的進(jìn)行幾何還原，但是需要對路面的道路屬性進(jìn)行比較精確的還原，才能保證汽車控制效果的真實(shí)

47、性。2. 物理還原在場景的幾何還原的基礎(chǔ)上，仿真測試平臺還需要完成物理還原，讓仿真世界重現(xiàn)真實(shí)世界的物理運(yùn)動規(guī)律。其主要作用是在重建的三維場景基礎(chǔ)上運(yùn)行自動駕駛的控制算法，以及車輛動力學(xué)的仿真，使車輛在仿真環(huán)境下遭受干擾時做出回應(yīng)以及車輛自身行為產(chǎn)生的后果都和真實(shí)世界保持一致。比如直射的陽光會對攝像頭造成干擾，雨雪天氣會延長剎車距離，汽車碰到墻體將無法穿越等，因此物理還原是控制算法必須具備的環(huán)節(jié)，舍此便無法評估自動駕駛決策控制算法的真實(shí)效果。3. 邏輯還原基于幾何還原和物理還原兩個層面，自動駕駛虛擬仿真平臺還需要完成邏輯還原，邏輯還原的主要作用是真實(shí)的生成場景內(nèi)的各種元素的邏輯行為，讓交通流車

48、輛、行人、非機(jī)動車等所有交通元素都遵循其在現(xiàn)實(shí)世界中的一般運(yùn)動規(guī)律。邏輯還原主要面向決策規(guī)劃算法的仿真，從邏輯層面為決策規(guī)劃算法的仿真測試自動生成真實(shí)度極高的測試場景。3.3.2 利用路采數(shù)據(jù)生成交互性強(qiáng)和還原度高的交通場景自動駕駛的仿真測試，需要以大量的路采數(shù)據(jù)為基礎(chǔ)構(gòu)建場景庫，無論是 OEM 廠商還是科技公司都會組建車隊(duì)去采集大量的道路數(shù)據(jù)。這些數(shù)據(jù)有很多種利用方式，最簡單、直白的使用方式是回放式仿真，將采集回來的數(shù)據(jù)直接回放一遍，評價自動駕駛算法是否能順利通過這些場景。純回放式的仿真只能滿足開環(huán)仿真的使用需求，因?yàn)槠渲兴袌鼍霸氐男袨槎际枪潭ǖ?，?dāng)自動駕駛算法發(fā)生改變，導(dǎo)致主車行為發(fā)生

49、變化之后，場景元素不會因?yàn)橹鬈囆袨榈母淖兌龀鱿鄳?yīng)的反應(yīng)，這時路采數(shù)據(jù)就無法繼續(xù)使用了。如果每測試一個場景都需要重新采集數(shù)據(jù)，那依然會耗費(fèi)大量的時間和人力成本，自動駕駛仿真平臺的實(shí)際價值也就會被大大削弱。因此以更高效的方式利用路采數(shù)據(jù)，智能化、自動化的生成還原度高、交互性強(qiáng)的交通場景，快速構(gòu)建場景庫，也是行業(yè)對自動駕駛仿真測試平臺的功能要求之一。3.3.3 云端大規(guī)模并行加速，提升仿真測試效率幾何、物理、邏輯三個層面的還原，再加上自動化生成場景的能力，構(gòu)建了自動駕駛仿真系統(tǒng)的基本屬性，可以很便捷又低成本的完成自動駕駛感知、決策規(guī)劃、控制算法的閉環(huán)仿真。但是自動駕駛汽車是由算法在操控，為了證明一

50、套算法的完備性，至少需要對數(shù)十萬測試場景進(jìn)行回歸測試，依靠本地測試逐個運(yùn)行數(shù)量如此龐大的測試場景，并不能在根本上解決自動駕駛測試的效率問題，因此云端高并發(fā)運(yùn)行測試場景，是自動駕駛仿真軟件的核心競爭力之一。以分布式架構(gòu)為顯著特征的云計(jì)算技術(shù)飛速發(fā)展，為自動駕駛大規(guī)模云端仿真測試提供了支撐，行業(yè)產(chǎn)生了更多高效的云端測試方法。騰訊自動駕駛仿真平臺 TAD Sim 探索出了一種城市型云仿真與場景型云仿真結(jié)合使用的測試方法，比較具有代表性。在 TAD Sim 中加載一個城市級別的高精度地圖，在其中部署大量自動駕駛主車以及交通流元素，進(jìn)行 724 小時的高并發(fā)測試，迅速找出自動駕駛算法處理不好的場景，并將

51、場景截取下來保存到場景庫，之后通過場景型云仿真測試完善算法，讓算法在仿真城市中更加游刃有余，兩種仿真模式相結(jié)合可以使測試效率提升數(shù)倍。第四章、場景庫體系建立與開放4.1 自動駕駛測試場景庫體系的搭建（略）自動駕駛測試場景庫是智能網(wǎng)聯(lián)汽車研發(fā)與測試的基礎(chǔ)數(shù)據(jù)資源，是評價智能網(wǎng)聯(lián)汽車功能安全的重要數(shù)據(jù)庫，是定義自動駕駛汽車等級的關(guān)鍵數(shù)據(jù)依據(jù)。自動駕駛測試場景數(shù)據(jù)庫主要通過虛擬仿真環(huán)境及工具鏈進(jìn)行復(fù)現(xiàn)，建設(shè)虛擬場景數(shù)據(jù)庫是連接場景數(shù)據(jù)與場景應(yīng)用的關(guān)鍵橋梁。由于基于里程的自動駕駛汽車測試存在時間長、成本高、效率低等問題，形成目前以場景測試為主的自動駕駛測試技術(shù)路線。隨著人工智能技術(shù)的發(fā)展，更高級別的自

52、動駕駛汽車成為可能，對測試場景也提出了更多要求。從ADAS只需滿足特定場景下的功能要求，到有限條件的自動駕駛（L3）系統(tǒng)、高度自動駕駛（L4）、完全自動駕駛（L5）系統(tǒng)等需要滿足各類場景的功能要求，導(dǎo)致自動駕駛汽車測試與驗(yàn)證的場景數(shù)量呈幾何級增加。總之，評價自動駕駛系統(tǒng)算法最重要的標(biāo)準(zhǔn)就是測試其是否能夠處理足夠多的場景，自動駕駛系統(tǒng)能處理的場景覆蓋范圍越大，自動駕駛汽車可行駛的邊界就越廣泛。4.1.1 場景庫的概念4.1.2 場景數(shù)據(jù)來源4.1.3 場景的自動化生成4.1.4 場景數(shù)據(jù)格式標(biāo)準(zhǔn)4.1.5 場景庫的搭建流程4.2 道路測試到場景轉(zhuǎn)化目前世界上道路測試及仿真測試最領(lǐng)先的企業(yè)非 Wa

53、ymo 莫屬，其道路測試和仿真測試?yán)锍虜?shù)均遙遙領(lǐng)先于競爭對手。截止2020年初，Waymo自動駕駛公開道路測試?yán)锍踢_(dá)到2000萬英里，其中2019年就完成了1000萬英里。截止 2020 年 5 月，Carcraft 仿真系統(tǒng)仿真里程總數(shù)已經(jīng)達(dá)到了 150 億英里。目前 Waymo 已在美國各城市部署了約 1000 輛汽車，并計(jì)劃在未來一兩年再增加數(shù)萬輛。Waymo 基于道路測試實(shí)現(xiàn)仿真場景的搭建。Waymo 通過在公共道路和封閉測試場地 Castle 進(jìn)行道路測試，積累成千上萬的場景數(shù)據(jù)，然后創(chuàng)建成虛擬的數(shù)字場景。在虛擬場景中，可以通過修改參數(shù)生產(chǎn)更多的場景，讓虛擬汽車在每一個場景中進(jìn)行學(xué)習(xí)

54、。以四向停車點(diǎn)為例，Carcraft 可以生成 800 個場景。道路測試轉(zhuǎn)化成仿真測試場景，需要經(jīng)歷四個步驟：場景理解、特征提取、場景聚類、場景生成。場景理解。目前場景采集主要以視覺感知為主，場景理解就是要將采集的圖像的像素點(diǎn)進(jìn)行歸類，然后進(jìn)行目標(biāo)檢測、區(qū)域標(biāo)注、3D 重建。隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，基于機(jī)器學(xué)習(xí)的場景理解可以實(shí)現(xiàn)特征表示、模型學(xué)習(xí)、推理算法、理解評價等，基于機(jī)器學(xué)習(xí)的場景是未來發(fā)展方向。特征提取。在場景理解的基礎(chǔ)上，對場景中的動態(tài)、靜態(tài)元素進(jìn)行特征提取，然后進(jìn)行參數(shù)化描述。如果需要挖掘自然駕駛場景、危險場景等，可以梳理對應(yīng)場景的特征元素及特征量，從原始交通場景進(jìn)行數(shù)據(jù)挖掘可以獲

55、取相應(yīng)的場景數(shù)據(jù)。場景聚類。通過場景理解、特征提取后就可以形成大量的場景數(shù)據(jù)，如果不進(jìn)行歸類處理，場景將處于雜亂無章的狀態(tài)。這時候需要對場景進(jìn)行分類和聚類，讓具備相同特征信息的場景進(jìn)行聚類，反之進(jìn)行分類，這樣可以提高場景的測試效率，方便場景庫的管理。場景生成。道路測試覆蓋的場景很有限，難以覆蓋所有場景。根據(jù)道路采集數(shù)據(jù)進(jìn)行場景復(fù)現(xiàn)，可以使場景重現(xiàn)真實(shí)交通中的自然駕駛場景及危險工況場景。為了提高場景覆蓋率，可以根據(jù)場景元素的分類和特征，分析不同元素對自動駕駛車輛的影響，基于元素的關(guān)聯(lián)關(guān)系或人工經(jīng)驗(yàn)對場景進(jìn)行重新組合，可以生產(chǎn)新的場景。需要注意的是，在此過程中需要通過推演歸納進(jìn)行嚴(yán)謹(jǐn)?shù)脑亟M合，盡

56、量使場景的覆蓋率最大化。4.3 國內(nèi)典型場景庫國內(nèi)目前有中汽數(shù)據(jù)有限公司、中國汽車工程研究院股份有限公司、騰訊、百度等公司建立了自己的場景庫。4.3.1 中汽數(shù)據(jù)有限公司 - 場景案例庫中汽數(shù)據(jù)有限公司已初步建成覆蓋自然駕駛及標(biāo)準(zhǔn)法規(guī)的仿真測試場景庫。在自然駕駛仿真場景方面，截止2018 年底，中汽數(shù)據(jù)有限公司已采集超過 32 萬公里自然駕駛里程數(shù)據(jù)，地域覆蓋北京、天津、上海等重點(diǎn)城市，工況覆蓋高速、城市、鄉(xiāng)村、停車場等重點(diǎn)領(lǐng)域，環(huán)境覆蓋晴天、雨天、雪天、霧霾等多種天氣，范圍覆蓋典型場景、邊角場景、事故場景等多種類型。在標(biāo)準(zhǔn)法規(guī)仿真場景方面，中汽數(shù)據(jù)已基于 ISO、NHTSA、ENCAP、CN

57、CAP 等多項(xiàng)標(biāo)準(zhǔn)、評價規(guī)程構(gòu)建了 20余種標(biāo)準(zhǔn)仿真測試場景，支持 AEB、ACC、LKA、APA 等多種自動駕駛功能的仿真驗(yàn)證，同時貫通了標(biāo)準(zhǔn)場景的自動化測試流程。基于涵蓋多線激光雷達(dá)、帶融合算法的固態(tài)激光雷達(dá)、毫米波雷達(dá)、視覺感知傳感器和 GPS 慣導(dǎo)系統(tǒng)的高精度場景數(shù)據(jù)采集平臺，采集積累了國內(nèi)數(shù)據(jù)量最大的場景數(shù)據(jù)，采集范圍涵蓋全國大部分地區(qū)、各種道路類型。通過場景數(shù)據(jù)的分類、標(biāo)注、統(tǒng)計(jì)分析和重構(gòu)等理論方法及數(shù)據(jù)處理，建設(shè)形成了全國范圍覆蓋 26 種自動駕駛功能的場景庫。中汽數(shù)據(jù)基于多年的標(biāo)準(zhǔn)制定、國際合作和企業(yè)項(xiàng)目經(jīng)驗(yàn)，建設(shè)了一整套場景數(shù)據(jù)采集、場景分類、數(shù)據(jù)標(biāo)注、統(tǒng)計(jì)分析、場景重構(gòu)、大

58、數(shù)據(jù)管理體系，并開發(fā)了國內(nèi)一套較為成熟的場景工具鏈。中汽數(shù)據(jù)結(jié)合多源異構(gòu)的駕駛場景大數(shù)據(jù)，涵蓋實(shí)車采集的全國多個省市高速公路、城市、鄉(xiāng)村、停車場等駕駛場景，來支撐自動駕駛汽車的仿真開發(fā)與測試工作。同時，作為 C-ASAM 工作組組長單位以及 OpenSCENARIO 1.x 項(xiàng)目全球負(fù)責(zé)人，當(dāng)前采集體系及相應(yīng)場景數(shù)據(jù)均按照 OSC 格式數(shù)據(jù)及相應(yīng)地圖數(shù)據(jù)，完成全面的體系建設(shè)，形成一套由采集數(shù)據(jù)至仿真數(shù)據(jù)的完整場景體系?；谝陨系葦?shù)據(jù)來源，中汽數(shù)據(jù)結(jié)合多源異構(gòu)的駕駛場景大數(shù)據(jù)，涵蓋實(shí)車采集的全國多個省市高速公路、城市、鄉(xiāng)村、停車場等駕駛場景，來支撐自動駕駛汽車的仿真開發(fā)與測試工作。目前，中汽數(shù)據(jù)

59、具備自主化的仿真云平臺軟件工具、全流程的 X-In-The-Loop 在環(huán)仿真平臺集成技術(shù)及百萬量級的高級別自動駕駛仿真場景庫，以數(shù)據(jù)為核心的數(shù)據(jù)軟件化、軟件知識化、知識平臺化，構(gòu)建完整的從數(shù)據(jù)到仿真應(yīng)用工具鏈。4.3.2 中國汽車工程研究院股份有限公司 -“中國典型場景庫 V2.0”2019 年 10 月 11 日，中國汽車工程研究院股份有限公司（以下簡稱“中國汽研”）發(fā)布了“中國典型場景庫V2.0”。“中國典型場景庫 V2.0”，包括數(shù)百例標(biāo)準(zhǔn)法規(guī)場景、3000 例經(jīng)驗(yàn)式場景、5 萬例功能場景、150 例事故場景，同時附有詳細(xì)的場景庫構(gòu)建方法技術(shù)文檔，目前對外免費(fèi)公開 30 例場景文件。“

60、中國典型場景庫 V2.0”是參考德國 PEGASUS 項(xiàng)目的場景分類體系及 ASAM 推出的 OpenDRIVE 和OpenSCENARIO 仿真格式，構(gòu)建的具備中國駕駛場景特征的虛擬仿真場景?！爸袊湫蛨鼍皫?V2.0”總體方案，包括場景數(shù)據(jù)采集、場景分類提取、場景統(tǒng)計(jì)分析、虛擬場景轉(zhuǎn)換生成等，可應(yīng)用于 MIL、SIL、HIL 等虛擬仿真系統(tǒng)的測試?！爸袊湫蛨鼍皫?V2.0”數(shù)據(jù)來源主要包括標(biāo)準(zhǔn)法規(guī)、交通事故、人工經(jīng)驗(yàn)以及自然駕駛數(shù)據(jù)四大數(shù)據(jù)源，與中汽數(shù)據(jù)有限公司的場景庫劃分標(biāo)準(zhǔn)總體類似，但是中國汽研的人工經(jīng)驗(yàn)數(shù)據(jù)與中汽數(shù)據(jù)有限公司的參數(shù)重組測試場景有所區(qū)別?！爸袊湫蛨鼍皫?V2.0”四