自動駕駛汽車在真正商業化應用前，需要經歷大量的道路測試才能達到商用要求。采用路測來優化自動駕駛算法耗費的時間和成本太高，旦開放道路測試仍受到法規限制，極端交通條件和場景復現困難，測試安全存在隱患。世界各國交通環境也大相徑庭，形成全球通用的產業鏈體系比較困難。以上種種問題使得自動駕駛產業鏈的全球化發展和技術交流面臨眾多實際問題。因此，基于場景庫的仿真測試是解決自動駕駛研發測試挑戰的主要路線。

為提升智能網聯汽車的測試驗證效率，有企業和智能網聯示范區開展了路測與虛擬仿真相結合的測試模式。我國也正在鼓勵探索自動駕駛汽車與數字智能化道路有機融合的仿真技術。仿真技術在虛擬環境中模擬智能交通運行，為智能交通調度運營管理提供決策依據，助力智慧城市的建設。

報告核心內容

一、自動駕駛仿真測試的意義

自動駕駛汽車在真正商業化應用前，需要經歷大量的道路測試才能達到商用要求。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，如道路測試的時間樣本、各國對于自動駕駛的法律容忍度、極端場景及危險工況的測試安全性、各國道路交通環境及習慣不同等問題，都給自動駕駛系統研發測試帶來諸多困難。

目前基于場景庫的仿真測試是解決自動駕駛路側數據匱乏的重要路線。仿真測試主要通過構建虛擬場景庫，實現自動駕駛感知、決策規劃、控制等算法的閉環仿真測試，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，場景庫對現實世界的覆蓋率越高，仿真測試結果越真實。而且自動駕駛汽車研發的不同階段對于場景庫的要求也不同，需要場景庫實現不同的測試功能。

在自動駕駛的開發流程中，純模型仿真-軟件在環仿真-半實物仿真-封閉場地道路測試-開放道路測試的開放流程是最經濟、高效的開發流程。目前，自動駕駛仿真已經被行業廣泛接受。

二、國內外自動駕駛仿真測試發展現狀

政策法規現狀方面，在世界范圍內，眾多國家針對自動駕駛及相關功能有著不同的政策策略及法規專注度。

歐盟認為以協作、網聯、自動為特征的出行模式是未來的交通系統發展趨勢，但在智能網聯汽車整體策略上態度相對保守。美國發展智能網聯汽車擁有雄厚的產業優勢，參與自動駕駛研發的企業涵蓋芯片技術、算法開發、系統集成、電信運營、仿真測試、電子設備、整車制造及信息服務等領域，且全部為本土及國際高精尖企業及研究機構。日本方面，政府非常重視智能網聯汽車的研發與應用，并認為加快L3、L4級別自動駕駛汽車的研發需要國家級場景庫協助日本主導國際話語權。

標準發展現狀方面，國際標準化組織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標準。此工作組由中國牽頭，汽車標準委員會秘書處王兆作為召集人，這是我國在ISO/TC22范疇內首次承擔國際標準工作組召集人職責，是我國在汽車國際標準化方面邁出的重要一步。

仿真測試應用現狀方面，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、仿真軟件企業、高校及科研機構、智能網聯測試示范區。由于每個市場主體在自動駕駛仿真方面的技術基礎不同，因此在推動自動駕駛仿真方面的研發及合作方式呈現不同模式。

三、自動駕駛仿真測試平臺環境

對自動駕駛算法的開發來說，測試驗證手段必不可少。引入虛擬仿真平臺進行自動駕駛測試的核心目的，正是為了彌補實車測試的不足，提高自動駕駛汽車的安全性并接生測試時間和成本，快速推動自動駕駛汽車落地。

因此，自動駕駛方正面向的主要客戶是有自動駕駛開發需求的汽車廠商、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該具備以下功能：滿足自動駕駛感知、決策規劃、控制全棧算法的閉環反正測試；滿足汽車V字開發流程；加速自動駕駛算法迭代升級。

仿真測試平臺技術架構與能力包括：虛擬場景構建、感知系統仿真、車輛動力學仿真、云加速仿真。

仿真測試平臺的核心功能包括：超高還原度的仿真場景、利用路采數據生成交互性強和還原度高的交通場景、云端大規模并行加速提升仿真測試效率。

四、場景庫體系建立與開放

自動駕駛場景庫是智能網聯汽車研發與測試的基礎數據資源，是評價智能網聯汽車功能安全的重要數據庫，是定義自動駕駛汽車等級的關鍵數據依據。自動駕駛測試場景數據庫主要通過虛擬仿真環境及工具鏈進行復現，建設虛擬場景數據庫是連接場景數據與場景應用的關鍵橋梁。

道路測試轉發成仿真測試場景，需要經歷四個步驟：場景理解、特征提取、場景聚類、場景生成。

國內目前有中汽數據有限公司、中國汽車工程研究院股份有限公司、騰訊、百度等建立了自己的場景庫。

場景庫建設處于各自為戰的狀態。目前在自動駕駛仿真場景庫建設方面，企業都投入大量資金與人才建立自己的場景庫。由于廠商之間缺乏有效合作，場景數據格式不一致，很難形成全國統一的場景庫。場景庫不統一也導致了自動駕駛仿真測試評價、認證體系很難建立，阻礙了我國自動駕駛汽車的發展。

五、自動駕駛測試評價體系

現實世界的汽車在駕駛過程中會遇到各種駕駛情景，人類經過不斷學習與積累，可以很快掌握應對不同駕駛情景的能力，驗證人類是否具備這種能力的辦法是駕照考試。同樣，自動駕駛汽車商用前也需要通過一系列方法評價其“駕駛能力”，如駕駛安全性及舒適性、駕駛協調性等。

由于事件和成本的限制，自動駕駛車輛無法進行重返的道路測試，因此當前普通共識是基于虛擬仿真的測試評價，充分驗證自動駕駛汽車在自然駕駛場景、標準法規測試場景、危險工況場景、參數重組場景下的表現。利用仿真環境的真實性、可復現性、交互性、無限性、自動化等特點，自動駕駛系統可以得到客觀的測試評價。

六、中國自動駕駛仿真測試展望

目前自動駕駛仿真測試已初步形成完整的產業鏈體系，形成了科技公司、自動駕駛解決方案商、仿真軟件企業為主的上游仿真軟件提供商，以車企、自動駕駛測試機構為主的仿真軟件下游應用商。從產業鏈角度分析，目前自動駕駛仿真測試還存在諸多問題。

首先，仿真場景庫建設與合作機制有待完善。

（1）場景庫建設效率低、費用高。

（2）場景庫規模不夠大，多樣性、覆蓋性、可擴展性不強。

（3）場景有效性有待提高。

（4）測試場景中的測試真值及評估體系。

（5）場景庫建立缺乏合作，資源重復性投入大。

其次，自動駕駛仿真測試評價體系缺乏規范。由于不同仿真軟件系統架構及場景庫構建方法的不同，導致很難建立統一規范的仿真測試評價體系。

測試場景庫作為自動駕駛仿真的基礎，是仿真建設的核心內容。針對目前場景庫領域面臨的問題，建議加強一下方面的工作。

第一，將仿真技術應用與交通行為管理和監督；第二，建立全國范圍的基礎場景庫，同時鼓勵發展個性化場景；第三，探索自動駕駛汽車與智慧交通、智慧城市有機融合的仿真技術；第四，建立仿真測試、認真、審查機制；第五，鼓勵混行交通、人機交互等方面的仿真測試研究；第六，推動仿真技術的國產化。