CIIS 2019 丨朱冰：基于场景的自动驾驶汽车虚拟仿真测试研究

10月26日-27日，由陕西省委网信办、陕西省工业和信息化厅、陕西省科学技术厅指导，中国人工智能学会主办，西安市委网信办、西安市科学技术局、西安国家民用航天产业基地管理委员会、京东云共同承办的2019第九届中国智能产业高峰论坛在“硬科技之都”--西安举办。在27日智能驾驶技术与产业创新论坛上上吉林大学智能网联汽车创新中心主任、教授朱冰为我们带来了题为“基于场景的自动驾驶汽车虚拟仿真测试研究”的精彩演讲。

朱冰 吉林大学智能网联汽车创新中心主任、教授

以下是朱冰的演讲实录：

今天我汇报的题目是《基于场景的自动驾驶汽车虚拟仿真测试研究》。

首先看一下研究背景和研究意义。在自动驾驶汽车从技术成熟到产业化落地的过程中，一个非常重要的环节就是测试评价。测试评价是我们必须要走的流程，但是对于测试评价来讲，我们面临着非常多的挑战。首先，左边是我们传统汽车测试评价的流程，这里很明显是一个二元独立的测试，也就是说人和机器是要分开进行测试的。驾驶人要通过驾照考试，车要通过强检。这里一个非常重要的前提和假设，就是默认我们人是具有知识的推理和泛化的能力，我们只要通过驾照考试中这么几个典型的场景测试就可以拿驾照上路开车了。而到了自动驾驶，就变成了人、车、环境、任务的强耦合系统，对于它的测试评价有非常多的新的挑战。随着智能化技术的不断提高，自动驾驶汽车通过环境状态传感感知系统引入了复杂的行驶环境，人的驾驶功能不断被削弱，这就要求机器必须面对和处理更为复杂的行驶环境。意味着在全自动驾驶的模式下，机器要能够处理所有复杂的行驶环境。行驶环境的影响不断被强化。

具体来看，汽车的行驶环境包含行驶的道路，周边的交通和气象条件等诸多因素，这里面除了有环境的复杂性与不可预知性，还包含了环境感知的不确定性和不完整性。行驶环境具有高度的不可重复性，不确定性，不可预测和不可穷尽等特征。

从这张图可以看到，整个汽车的行驶环境还包括许多危险驾驶或极限驾驶工况、特殊驾驶环境。以雨雪为例，这些天气条件对自动驾驶汽车环境传感有着非常大的影响，例如，雨滴多大多小对环境传感器的影响都不尽相同。而实际道路测试中，我们很难定量的测量不同雨滴大小的影响。总结来说，自动驾驶汽车单纯依靠传统的场地道路测试已经没有办法满足其测试需求，必须要去开创拓展新的测试方法和测试手段。

在模拟的环境下，将无穷的行驶环境映射到有限的场景库当中，利用驾驶场景数据库提取典型测试场景，对自动驾驶汽车进行虚拟仿真测试已经成为自动驾驶汽车测试的重要途径。

仿真测试具有如下优势：试验场景配置灵活，可以覆盖自动驾驶、交通事故等多个方面；测试效率高，重复性强，测试过程安全，测试成本低；可以实现自动测试和加速测试，这是自动驾驶汽车测试要解决的核心关键问题。

下面具体来讲一下这两个关键科学问题，一个是测试场景，一个是仿真测试。

首先看一下测试场景。业界关于场景目前还没有统一的定义，不同机构对场景都有自己的解读，但总体来讲对于场景核心要素，大家的理解还是比较的一致，比如说都包含道路环境要素、包含其他交通参与者、包含车辆驾驶任务，同时，这些要素都会持续一定时间、具有动态变化的特性。这是我们对场景的理解，场景是自动驾驶汽车与其行驶环境各组成要素在一段时间内的总体动态描述，这些要素组成由所期望检验的自动驾驶汽车的功能决定。简言之，场景可以认为是自动驾驶汽车行驶场合与驾驶情景的有机组合。场景的各个要素特征是可以被量化的。

同时，场景是影响和判定自动驾驶功能与性能因素的集合。这里，可以把行驶环境进行多维映射。我们具体面对不同的测试对象的时候还要具体问题具体分析，比如说不同的功能，不同的传感系统对于测试的要素选取都是不尽相同的，我们要做到有的放矢，根据被测试的对象确定需要测试的要素。

这是我们对整个测试要素做的一个梳理，整个测试场景包含两大块，一块是交通环境要素，另一块是测试车辆的要素。交通要素里边包含了天气、光照，以及静态的交通，动态的交通信息，还有交通参与者的信息。

有了这些要素之后我们就可以把要素进行随机的组合来生成我们需要测试的场景。自动驾驶测试场景的数据来源主要包括真实数据、模拟数据和专家经验等三个部分；假如说把自动驾驶测试做一个大球形，我们关心的就是发生危险的小球，或者边缘地带，如何把这些没有用的场景都剔除掉是我们现在研究的热点；有了这些数据之后怎么办，还需要对数据进行适当的处理才能形成真正可用的测试场景，数据处理的关键在于场景要素的解构与重构。

为了实现测试的标准化、通用化，测试需要满足一定的接口需求。这是我们正在开展的一些智能网联汽车仿真测试标准的工作，我们也在推动整个汽车行业的自动驾驶仿真测试标准。包括数字场景标准化构建，要实现测试的标准化、通用化，测试需要满足一定的需求，这是在标准里面明确定义的数据库的接口，仿真平台的接口、仿真结果的接口，以及自动化测试的接口。

有了场景就可以开展虚拟仿真测试了。

这是我们对仿真测试的理解和梳理，大致上可以分为三大块，数字虚拟仿真，核心是要建立不同的模型，包括车辆动力学模型，环境感知模型，环境模型等等，进行仿真测试。第二块我们称之为多物理系统在环模拟测试，具体可以分为环境感知系统在环，决策规划系统在环和控制执行系统在环。像相机、雷达等等都可以对它进行相应的模拟测试。最后一块是车辆在环测试，这也是面向自动驾驶汽车测试的新方法。它的好处是场景可以是虚构的，可以进行无限丰富的场景生成，但是它具体的轮地关系是真实的。

这是自动驾驶数字虚拟仿真测试关键技术，包含了道路模型、车辆模型、驾驶员模型，地图与定位模型，无线通讯模型，雷达模型，像机模型，天气模型，这些模型都要一一建立。而面向自动驾驶汽车测试，这些模型既要保证测试精度，同时也要保证测试效率。比如有些专注于做雷达研究的模型可能精度非常高，但是计算效率却很慢，这也不能满足我们做自动驾驶测试的需求，我们既要保证测试精度，同时也要保证测试效率。

这是我们VCI团队自主开发的自动驾驶虚拟仿真软件panosim，软件已经在国内国外的众多企业得到广泛应用，我们后续的虚拟测试研究都是基于这个仿真平台来做的。这是我们做仿真测试的几个典型案例。

有了这个仿真平台之后，我们进一步做了很多硬件在环的测试平台。首先是毫米波雷达在环测试平台。这是我们团队自主搭建的雷达在环实验平台。为了验证平台的效果，我们也把硬件在环测试和真正的雷达实车测试进行了效果对比，这里可以看到结果具有很高的一致性。

这是相机在环测试平台，这是一个真正的相机，屏幕中播放的可以是自己真实录的场景，也可以是虚拟的仿真场景，可以做车道保持、车道偏离预警等基于相机的自动驾驶系统的测试。

这是我们搭建的V2X在环测试平台，我们可以在实验室的环境下对V2X进行硬件在环测试，我们也是通过NI的信道模拟系统，实现了V2X信号的发射和接收，可以研究信道受到干扰的情况下自动驾驶系统的性能。

我们基于刚才提到的三种传感器，毫米波雷达、像机、V2X，正在探索多元信息融合系统在环测试方法。

我们也搭建了大量的控制执行系统在环测试平台，这里是接近服役条件下的制动执行系统测试平台。

在这个基础上，我们还深入探索了人机共驾系统的方法。目前，主机厂很多都在提，要在2020年实现L3级别的量产，而人机共驾系统的测试需求与传统的完全由人开的车和完全自动驾驶的车都不尽不同，我们对人机共驾系统测试需求做了梳理，对应的，我们也建立了驾驶人在环仿真测试平台，可以实现人机驾驶权的切换和共享，看人在接管时候关注的点是什么，判断接管的时间是不是合理。

我们还在进一步探索混杂交通系统下的自动驾驶测试，很多由人开和机器开的汽车混杂在一起的系统，会给驾驶安全带来新的风险。我们现在更多关注的是单车安全，在未来，不同数量的自动驾驶汽车，不同数量人驾驶的汽车在路上一起开的时候可能会产生非常多的新的问题。

这是我们和长春汽车检测中心一起在研究的车辆在环测试平台，可以通过刚才所说的相机、雷达在环的方式激活车辆自动驾驶功能，检测系统在EMC环境下的功能。

以上是我们VCI团队在自动驾驶测试领域的一些研究进展，未来，希望全行业一起共同努力，建立起基于场景的自动驾驶虚拟仿真测试体系。

（本报告根据速记整理）

CAAI原创 丨 作者朱冰

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会