一、自動駕駛測試場景
1.1 場景的定義
??“場景（Scenerio）”一詞來源于拉丁語（Olinda），意為舞臺劇，現(xiàn)泛指生活中特定的情景。隨著科技的發(fā)展，場景的概念逐漸應(yīng)用于工業(yè)生產(chǎn)的開發(fā)測試過程中。?
??基于場景的測試最先應(yīng)用于軟件系統(tǒng)的開發(fā)，“場景”用來描述系統(tǒng)的使用方式、使用要求、使用環(huán)境，以及構(gòu)想更多可行的系統(tǒng)。現(xiàn)階段在自動駕駛領(lǐng)域，“場景”尚沒有明確統(tǒng)一的定義。但根據(jù)RAND、PEGASUS等不同機(jī)構(gòu)的定義，其核心要素上是一致的：都包含道路環(huán)境要素、包含其他交通參與者、包含車輛駕駛?cè)蝿?wù)，同時，這些要素都會持續(xù)一定時間、具有動態(tài)變化的特性。
??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(nèi)的總體動態(tài)描述，這些要素組成由所期望檢驗的自動駕駛汽車的功能決定。簡言之，場景可以認(rèn)為是自動駕駛汽車行駛場合與駕駛情景的有機(jī)組合。
1.2 場景的要素
??確定場景要素是進(jìn)行基于場景的自動駕駛汽車虛擬測試的首要環(huán)節(jié)。本文綜合不同場景要素研究，提出了如圖2所示的場景要素具體情況。測試場景要素主要包括測試車輛和交通環(huán)境要素2大類，其中，測試車輛要素又包括測試車輛基礎(chǔ)要素、目標(biāo)信息以及駕駛行為3類；交通環(huán)境要素包括天氣和光照、靜態(tài)道路信息、動態(tài)道路信息和交通參與者信息4類。
1.3 場景的數(shù)據(jù)來源
??自動駕駛測試場景的數(shù)據(jù)來源主要包括真實數(shù)據(jù)、模擬數(shù)據(jù)和專家經(jīng)驗等三個部分，具體內(nèi)容如圖
??真實數(shù)據(jù)來源主要包括自然駕駛數(shù)據(jù)、事故數(shù)據(jù)、路側(cè)單元監(jiān)控數(shù)據(jù)，以及駕駛?cè)丝荚?、智能汽車封閉試驗場測試、開放道路測試等典型測試數(shù)據(jù)。典型的自然駕駛場景數(shù)據(jù)采集車輛配置如圖4所示。
??模擬數(shù)據(jù)：模擬數(shù)據(jù)來源主要包括駕駛模擬器數(shù)據(jù)和仿真數(shù)據(jù)。駕駛模擬器數(shù)據(jù)是利用駕駛模擬器進(jìn)行測試得到的場景要素信息。相比道路測試，駕駛模擬器測試安全、高效、可重復(fù)性好，可以進(jìn)行大范圍的以及危險和極限工況的駕駛?cè)嗽诃h(huán)測試。
? 專家經(jīng)驗數(shù)據(jù)是指通過以往測試的經(jīng)驗知識總結(jié)得到的場景要素信息，標(biāo)準(zhǔn)法規(guī)測試場景是典型的專家經(jīng)驗場景數(shù)據(jù)來源。目前，世界各國已有80余類自動駕駛測試法律法規(guī)。我國最新發(fā)布的《智能網(wǎng)聯(lián)汽車自動駕駛功能測試規(guī)程（試行）》提出了包括交通標(biāo)志和標(biāo)線的識別及響應(yīng)等在內(nèi)的34個測試場景。
1.4 場景的處理方式
??不同數(shù)據(jù)來源之間的場景數(shù)據(jù)格式及類型存在差異，且原始數(shù)據(jù)中存在大量無效數(shù)據(jù)、錯誤數(shù)據(jù)，需要對場景數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶幚聿拍苄纬烧嬲捎玫淖詣玉{駛汽車測試場景。根據(jù)現(xiàn)有的典型場景數(shù)據(jù)處理方式，本文總結(jié)歸納提出了如圖5所示的場景數(shù)據(jù)處理流程。
二、基于場景的自動駕駛加速測試
??基于場景的自動駕駛加速測試目前主要有兩種方式：一種方式是基于虛擬環(huán)境搭建測試場景的快速性與可重復(fù)性，根據(jù)測試需求進(jìn)行測試場景的隨機(jī)生成，短時間內(nèi)生成大量測試場景；另一種方式是參照整車強(qiáng)化腐蝕測試方法所提出的危險場景強(qiáng)化生成方法。
? 1、測試場景隨機(jī)生成
??測試場景隨機(jī)生成的技術(shù)路線主要包括以蒙特卡洛模擬法、快速搜索隨機(jī)樹為代表的基于隨機(jī)采樣的生成方法，基于場景要素重要性層次分析的生成方法以及基于機(jī)器學(xué)習(xí)的方法等。
??相比在現(xiàn)實世界搭建真實測試場景，在虛擬環(huán)境進(jìn)行測試用例的生成可以極大程度上減少時間以及資源上的消耗。然而，由于自然情況下事故的發(fā)生概率較低，使用場景隨機(jī)生成的方式仍可能面臨大量計算的困擾，危險場景強(qiáng)化生成的方法可以很好的解決這個問題。
2、危險場景強(qiáng)化生成
??若自動駕駛汽車在危險情況表現(xiàn)良好，則通常情況下其系統(tǒng)安全性也可以得到很好的保障。因此，測試危險場景下自動駕駛汽車的性能得到了越來越多學(xué)者的關(guān)注。
三、?研究展望
??雖然各國學(xué)者針對基于場景的自動駕駛汽車虛擬測試進(jìn)行了廣泛的研究，并取得了一定的成果，但目前的研究水平還無法滿足自動駕駛汽車測試的迫切需求，世界范圍內(nèi)尚未建立完善的自動駕駛汽車虛擬測試評價體系。未來，在如下幾個方面仍需進(jìn)一步深入研究：
（1）場景解構(gòu)與自動重構(gòu)技術(shù)。真實交通場景復(fù)雜多變，數(shù)據(jù)量龐大，應(yīng)根據(jù)場景要素分析，進(jìn)行場景特征要素提取，實現(xiàn)場景解構(gòu)。同時，場景要素復(fù)雜繁多，在測試不同的自動駕駛功能時，所需的場景要素類型不盡相同。如何根據(jù)測試需求自動重構(gòu)測試場景是目前亟待解決的關(guān)鍵問題。
（2）人-車-環(huán)境系統(tǒng)一體化高置信度建模。當(dāng)前人、車、環(huán)境模型多進(jìn)行單獨(dú)構(gòu)建，彼此之間的耦合聯(lián)系尚未明確，應(yīng)通過傳感器信號的路徑損耗、陰影衰減和噪聲建模，描述傳感器模型與環(huán)境模型的耦合機(jī)理，進(jìn)而，對駕駛?cè)?、車輛、環(huán)境的影響因素進(jìn)行全面分析，搭建構(gòu)建人-車-環(huán)境一體化高置信度模型。
（3）構(gòu)建自動駕駛汽車虛擬測試標(biāo)準(zhǔn)工具鏈。目前，自動駕駛汽車的虛擬測試多參照“V”型流程，未來應(yīng)明確不同虛擬測試平臺之間的測試優(yōu)勢，采用接近服役條件下自動駕駛系統(tǒng)在環(huán)設(shè)計方法和多構(gòu)型執(zhí)行機(jī)構(gòu)一體化測試技術(shù)，建立統(tǒng)一、規(guī)范的自動駕駛汽車虛擬測試標(biāo)準(zhǔn)工具鏈。（4）不同自動駕駛汽車滲透率下的混合交通模擬與測試。建立不同自動駕駛汽車滲透率下的混合交通模型，分析不同自動駕駛汽車數(shù)量的交通態(tài)勢及車輛行為，進(jìn)行混合交通測試是未來自動駕駛虛擬測試一個新的研究領(lǐng)域。（5）建立測試案例動態(tài)自適應(yīng)隨機(jī)生成機(jī)制。根據(jù)場景要素組合準(zhǔn)則與約束關(guān)系，構(gòu)建多危險等級測試場景，建立測試案例動態(tài)自適應(yīng)隨機(jī)生成機(jī)制，并實現(xiàn)海量數(shù)據(jù)高速并發(fā)是自動駕駛虛擬測試未來的研究重點(diǎn)（6）建立（molex連接器）自動駕駛汽車虛擬測試標(biāo)準(zhǔn)體系。環(huán)境復(fù)雜度、任務(wù)復(fù)雜度、人工干預(yù)度、行駛智能性等方面均可以作為虛擬測試的評價內(nèi)容。未來應(yīng)研發(fā)適應(yīng)技術(shù)發(fā)展趨勢的虛擬測試評價體系架構(gòu)，建立測試標(biāo)準(zhǔn)體系。
??