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，現泛指生活中特定的情景。隨著科技的發展，場景的概念逐漸應用于工業生產的開發測試過程中。?

??基于場景的測試最先應用于軟件系統的開發，“場景”用來描述系統的使用方式、使用要求、使用環境，以及構想更多可行的系統。現階段在自動駕駛領域，“場景”尚沒有明確統一的定義。但根據RAND、PEGASUS等不同機構的定義，其核心要素上是一致的：都包含道路環境要素、包含其他交通參與者、包含車輛駕駛任務，同時，這些要素都會持續一定時間、具有動態變化的特性。

??場景是自動駕駛汽車與其行駛環境各組成要素在一段時間內的總體動態描述，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節。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境要素2大類，其中，測試車輛要素又包括測試車輛基礎要素、目標信息以及駕駛行為3類；交通環境要素包括天氣和光照、靜態道路信息、動態道路信息和交通參與者信息4類。

1.3 場景的數據來源

??自動駕駛測試場景的數據來源主要包括真實數據、模擬數據和專家經驗等三個部分，具體內容如圖

??真實數據來源主要包括自然駕駛數據、事故數據、路側單元監控數據，以及駕駛人考試、智能汽車封閉試驗場測試、開放道路測試等典型測試數據。典型的自然駕駛場景數據采集車輛配置如圖4所示。

??模擬數據：模擬數據來源主要包括駕駛模擬器數據和仿真數據。駕駛模擬器數據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、可重復性好，可以進行大范圍的以及危險和極限工況的駕駛人在環測試。

? 專家經驗數據是指通過以往測試的經驗知識總結得到的場景要素信息，標準法規測試場景是典型的專家經驗場景數據來源。目前，世界各國已有80余類自動駕駛測試法律法規。我國最新發布的《智能網聯汽車自動駕駛功能測試規程（試行）》提出了包括交通標志和標線的識別及響應等在內的34個測試場景。

1.4 場景的處理方式

??不同數據來源之間的場景數據格式及類型存在差異，且原始數據中存在大量無效數據、錯誤數據，需要對場景數據進行適當的處理才能形成真正可用的自動駕駛汽車測試場景。根據現有的典型場景數據處理方式，本文總結歸納提出了如圖5所示的場景數據處理流程。

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境搭建測試場景的快速性與可重復性，根據測試需求進行測試場景的隨機生成，短時間內生成大量測試場景；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習的方法等。

??相比在現實世界搭建真實測試場景，在虛擬環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良好，則通常情況下其系統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者的關注。

三、?研究展望

??雖然各國學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）場景解構與自動重構技術。真實交通場景復雜多變，數據量龐大，應根據場景要素分析，進行場景特征要素提取，實現場景解構。同時，場景要素復雜繁多，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。如何根據測試需求自動重構測試場景是目前亟待解決的關鍵問題。

（2）人-車-環境系統一體化高置信度建模。當前人、車、環境模型多進行單獨構建，彼此之間的耦合聯系尚未明確，應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境模型的耦合機理，進而，對駕駛人、車輛、環境的影響因素進行全面分析，搭建構建人-車-環境一體化高置信度模型。

??