技术干货 | 自动驾驶仿真测试发展现状及未来趋势分析

自动驾驶仿真测试

主要是以数学建模的方式，将自动驾驶的应用场景进行数字化还原，建立尽可能接近真实世界的系统模型，无需实车，直接通过软件进行仿真测试便可达到对自动驾驶系统及算法的测试验证目的。

仿真测试的几种类型

模型在环仿真（MIL）— 软件在环仿真（SIL）— 硬件在环仿真（HIL）— 整车在环仿真（VIL）

自动驾驶系统开发V字流程

仿真测试的重要构成

场景库、仿真平台、评价体系。

其中，场景库是基础，仿真平台是核心，评价体系是关键；三者紧密耦合，相互促进。

自动驾驶仿真测试的重要构成，点击可查看大图

接下来我们就从场景库、仿真平台、评价体系这三个重要方面依次为大家展开介绍。

一、场景库

什么是场景库？

场景库是满足某种测试需求的一系列自动驾驶测试场景构成的数据库。场景库能够完成从场景数据的管理到场景测试引擎的桥接，实现从场景的自动产生、管理、存储、检索、匹配，到最后注入测试工具。

4种典型测试场景

（中汽中心基于数据来源不同的一种分类方法）：自然驾驶场景、危险工况场景、标准法规场景、参数重组场景。

四种典型测试场景，点击可查看大图

测试场景的数据来源

主要包括三大部分：真实数据、模拟数据以及专家经验。

● 真实数据

即现实世界真实发生的，经过传感器采集或以其它形式被记录保存下来的真实场景数据。包括自然驾驶数据、交通事故数据、路侧单元监控数据、封闭场地测试数据以及开放道路测试数据等。

● 模拟数据

主要包括驾驶模拟器数据和仿真数据。前者是利用驾驶模拟器进行测试得到的场景要素信息，后者是自动驾驶系统或车辆在虚拟仿真平台上进行测试得到的场景要素信息。

● 专家经验数据

基于专家的仿真测试经验总结归纳出来的场景要素信息，其中标准法规就是专家经验数据的典型代表。

测试场景数据来源，参考《自动驾驶系统功能测试第7部分：仿真测试（征求意见稿）》

场景库的搭建流程

● 确定单个虚拟场景的数据存储方式与标准；

● 构建单个自动驾驶虚拟测试场景；

● 在众多的虚拟测试场景中，根据特征标签选取适当场景作为场景库的组成部分。

自动驾驶测试场景构建流程（图片参考：中汽数据有限公司）

国内场景库发展现状

● 场景库的数据格式标准制定涉及国家多个部委，由于缺乏有效沟通协调机制，标准制定落后市场进展，故当前数据库的建设处于各自为战的状态；

● 场景库数据格式标准不统一，全国统一的场景库很难形成，进而又影响到了自动驾驶仿真评价、认证体系的建立。

附表. 中国典型场景库介绍

二、仿真平台

仿真平台典型架构

仿真平台一般包括仿真框架、物理引擎和图形引擎。其中仿真框架是软件平台的核心，支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿真等；

● 传感器仿真

支持摄像头、激光雷达、毫米波雷达以及GPS/IMU等传感器仿真。

● 车辆动力学仿真

基于多体动力学搭建的模型，将包括转向、悬架、制动、I/O硬件接口等在内的多个真实部件进行参数化建模，进而实现车辆模型运动过程中的姿态和运动学仿真模拟。

● 交通场景仿真

包括静态场景还原和动态场景仿真两部分。静态场景还原主要通过高精地图和三维建模技术来实现；动态场景仿真既可通过把真实路采数据经过算法抽取后，再结合已有高精地图进行创建，也可通过对随机生成的交通流基于统计学的比例，经过人工设置相关参数后自动生成复杂的交通环境。

● V2X仿真（通信仿真）

支持创建真实或虚拟传感器插件，使用户能够创建特殊的V2X传感器。既可以用来测试V2X系统，又可生成用于训练的合成数据。

仿真平台典型架构（图片参考-2019自动驾驶仿真技术蓝皮书）

国内典型自动驾驶仿真平台

附表. 国内典型自动驾驶仿真平台信息梳理

注：√- 有此功能   ×- 无此功能   — Unknown

国外典型仿真测试平台

附表. 国外典型自动驾驶仿真平台信息梳理

注：√- 有此功能   ×- 无此功能   — Unknown

国内科技公司–云仿真平台

传统的仿真测试一般是单机仿真测试，但高阶自动驾驶系统的商业化应用，需要进行庞大数量测试场景的仿真测试；海量的数据存储，运算及处理已经成为摆在自动驾驶研发道路上一道障碍，而云平台的分布式架构、加速计算能力以及高数据算力的特性，能够可以很好地解决这一问题，极大提升系统研发和验证测试的效率。

因此，云平台仿真必将是未来自动驾驶仿真测试技术的发展趋势，同时也会是企业开展自动驾驶开发的核心技术壁垒之一。

附表. 国内科技公司云仿真平台信息梳理

三、仿真测试评价体系

仿真测试评价维度

仿真测试两个重要评价维度：真实性和有效性。

● 真实性评价

主要是针对场景库真实合理性的评价，分为场景信息真实度、场景分布真实度两方面。

真实度评价的两个维度

场景信息真实度：在场景构建过程中，需要合理准确地在虚拟环境中渲染测试场景中的静态环境要素（如交通设施、道路及障碍物等）、动态环境要素（动态指示设施、通信环境信息）、交通参与者要素（机动车/非机动车、行人等）以及气象环境要素（环境温度、光照条件、天气情况）等信息。

场景分布真实度：在参数重组场景中对于由特征元素组合和人工编辑合成的场景。由于人工修改参数后可能会出现真实世界不存在的场景，因此在人工编辑场景时，需参考真实世界场景的参数值范围合理设置参数重组场景。

● 有效性评价

目前尚无统一的有效性评价标准，当前可参考的标准如下：

仿真测试具体评价内容

具体评价内容：仿真测试自身评价以及自动驾驶车辆驾驶性能、驾驶协调性、标准匹配性、学习进化性等方面。

自动驾驶仿真测试评价项目，参考《2020中国自动驾驶仿真蓝皮书》

仿真测试评价标准示例

● 评价方法：（两种）

基于功能的评价方法：针对特定的自动驾驶功能，在给定测试场景的前提下，判断测试的自动驾驶汽车是否可以在该场景安全行驶。

基于场景的评价方法：将测试车辆置于测试场景中，在自动驾驶汽车能够安全行驶的前提下，判断该场景的复杂程度，如：周围环境的复杂程度或驾驶任务的复杂程度等。

● 评价指标：（两类）

通过性评价指标：针对自动驾驶做出判断以及规定场景内必须实现目标的评价。如：安全性、完备性、经济性、人工干预度等评价指标，量化上采取0/1机制。

性能评价指标：表征自动驾驶汽车在具体测试场景下预期功能实现的程度。如：智能性、舒适性、拟人性等评价指标，量化上采取差值机制。

* 评价标准参考《自动驾驶系统功能测试第7部分：仿真测试（征求意见稿）》

自动驾驶仿真测试发展面临的挑战

场景库建设

● 没有统一的数据格式标准，企业之间的场景库建设缺乏合作，资源重复性投入大；

● 场景库数据的标注、分析提取等环节仍然依靠大量人工，场景库建设效率低，成本高；

● 场景库的覆盖率依然不高，不足以覆盖常见的交通场景；

● 穷举覆盖全场景的测试用例与测试效率和测试精度如何平衡。

仿真平台

● 测试场景有限，在测试方法的标准化与仿真虚拟测试应用方面还较为薄弱；

● 目前尚无一款完美的自动驾驶仿真软件，能够实现所有模块的仿真测试功能，仍然需要多个仿真软件进行联合仿真；不同自动驾驶仿真软件，往往需要开发不同的仿真接口，不仅增加了时间成本，也增加了工程师的学习成本；

● 仿真环境缺乏现实世界物理现实的真实性和丰富性，并且训练效果有限，可扩展性差；

● 系统仿真软件也存在自身固有的弱点，如：仿真模型需要对边界条件进行明确的假设，但现实中这些边界条件不一定能明确或者不能真实地获取；

● 传感器模型、车辆动力学模型以及道路环境模型的准确性都会影响到仿真测试结果的准确性，因此，提高仿真测试结果的可信度也是当前一个较大的挑战。

测试评价体系

● 不同的企业采用的仿真软件系统架构和场景库构建方法不尽相同，导致很难建立统一规范的仿真测试评价体系；

● 仿真软件自身的真实性和有效性方面的评价尚无统一的标准规范，且车辆的学习进化性方面还缺乏相应评价标准。

自动驾驶仿真测试技术发展趋势展望

01

基于云平台的高并发测试、加速测试是仿真测试未来发展的重要方向，是自动驾驶仿真企业的核心竞争力之一。

02

功能安全场景库、V2X场景库以及预期功能安全场景库将是未来场景库建设的重点。不同厂商采用统一数据格式标准，共建基础场景库，形成通用的、可移植的场景库。

03

混合交通仿真测试将是未来自动驾驶仿真技术的一个重要研究领域。甚至还需要建立自动驾驶车辆在不同渗透率下的混合交通仿真模型。

04

数字孪生技术将是自动驾驶仿真测试发展道路上的一大助力，是仿真测试的增效利器。

05

信息安全方向的验证测试与评价也必然是未来自动驾驶仿真测试的一个重要研究方向。

图文综合整理自：九章智驾，作者：陈康成时代财经、证券日报之声、天眼查、中航锂电官网、 CBEA电池中国等，版权归原作所有