要判斷智能駕駛汽車有什么樣的功能、能達到什么性能，很重要的環節就是場景。

一輛傳統燃油汽車在上市之前要經歷殘酷的考驗：整車可靠耐久性測試、整車排放耐久性和極端環境耐久性測試。

如今，智能網聯汽車的研發方興未艾。除了傳統汽車的“考試科目”之外，智能網聯汽車要想真正飛入尋常百姓家，必須在更為復雜的場景中完成技術考核。智能網聯汽車的開發、測試場景如何搭建？

在第五屆智能網聯汽車技術年會（CICV 2018）上，北京航空航天大學交通科學與工程學院院長鄧偉文教授就“面向智能駕駛的場景構建關鍵技術”話題進行了主題演講。

北京航空航天大學交通科學與工程學院院長 鄧偉文教授

惡劣工況下的評測系統開發

汽車的行駛環境極其復雜，無限豐富，里面包括行駛、交通等等，通過低成本的傳感，它的誤差、噪聲、干擾不完整性帶來了對于環境的高度不確定性。

因為，鄧偉文認為，智能網聯汽車很重要的挑戰，就在復雜環境底下，惡劣工況底下、危險的條件底下，怎么來開發、測試和評價這個系統。

“場景是智能網聯汽車產品定義與質量保障的關鍵。”鄧偉文說， 從自動駕駛來講，對技術進行產業化，形成產品，最終要判斷智能駕駛有什么樣的功能和達到什么性能，中間很重要的環節就是場景。

鄧偉文表示，自動駕駛常講的自動避撞、巡航、換道、泊車、人機交互能力等。“這些能力我們希望通過場景的量化，對于這些能力進行量化，為相關產品真正上路做好鋪墊。”

如何構建智能汽車的場景搭建？

在鄧偉文看來，場景的研究歸納成幾個方面，一是場景的定義與架構的研究，場景及其場景庫的構建，有了這個定義架構之后，怎么構建這個場景。最后就是基于場景庫進行測試和評價，構成場景研究的幾個關鍵的方面。

從層次架構上來講，最底層部分的就是道路拓撲結構，有靜態的物體，像障礙物、車道線等等，還有上面的交通流，特別是氣象，這上面是動態情景，構成了場景的層次結構。

“場景是行駛場合和駕駛情景的組合，它能深刻的受環境的影響，比如道路、交通、天氣、光照等因素，構成了整個場景的概念。”鄧偉文說。

另外一方面，從場景架構來看，有不同的行駛場合，像高速公路，鄉村道路，城市工況，機場、碼頭、封閉園區等。鄧偉文說：“在這個環境下，怎么駕駛、駕駛任務、駕駛速度、駕駛的模式一起構成了整個場景的三維的架構。”

數字虛擬場景可以彌補場景庫局限性

場景數據庫需要數百億的里程數來測試，所以場景的數量從公里數的角度來講是巨大的，一部分來自于事故的重構，封閉場地，開放道路各自有特點，比如開放道路很好的能夠體現出隨機性、復雜性、典型性區域特點出來。

“但場景同樣有局限性。”鄧偉文認為不僅有數量上的局限。還有內容上的局限，包括危險的、機械的場景。“標注的困難，人工數據采集、自動標注都是問題。”

因此，數字系統模擬的場景可以彌補未知危險極限的場景。鄧偉文說，通過實驗室模擬系統得到的相關數據也將構成場景庫里的重要組成部分。

鄧偉文列舉了數字虛擬場景構建的一些實例，包括不同天氣，不同光照，交通等，還包括通過航拍采集數字地圖，進行虛擬場景構建的一個情景。

“通過虛擬樣本訓練深度學習的模型，用真實的數據庫進行訓練，通過我們采集的道路數據進行模型的算法訓練，可以看到兩個結果高度一致。”鄧偉文說。