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)?，F(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，場景可以認為是自動駕駛汽車行駛場合與駕駛情景的有機組合。
1.2 場景的要素
??確定場景要素是進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，標準法規(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）》提出了包括交通標志和標線的識別及響應(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)測試需求進行測試場景的隨機生成，短時間內(nèi)生成大量測試場景；另一種方式是參照整車強化腐蝕測試方法所提出的危險場景強化生成方法。
? 1、測試場景隨機生成
??測試場景隨機生成的技術(shù)路線主要包括以蒙特卡洛模擬法、快速搜索隨機樹為代表的基于隨機采樣的生成方法，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，使用場景隨機生成的方式仍可能面臨大量計算的困擾，危險場景強化生成的方法可以很好的解決這個問題。
2、危險場景強化生成
??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)境模型多進行單獨構(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)境模型的耦合機理，進而，對駕駛?cè)恕④囕v、環(huán)境的影響因素進行全面分析，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準工具鏈。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準工具鏈。（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)隨機生成機制。根據(jù)場景要素組合準則與約束關(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)隨機生成機制，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（6）建立（molex連接器）自動駕駛汽車虛擬測試標準體系。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)，建立測試標準體系。
??