智能驾驶如何搭建场景并设计创新性功能

智能化过程是包含了智能网联、智能座舱、自动驾驶等，在这一智能化驱使的大环境下，人们对于其所带来的产品需求层级及创新性将更加强烈。而当前的状态是量产功能的成熟度及创新性都没有完全符合人们预期，加之没有成熟/稳定的参考标杆，使得智能化对于场景设计和功能开发具有更多广泛的需求。而功能开发本身则需更多的从场景设计方面入手，不断将场景洞察转化为真实的用户利益。

场景设计在系统开发中的应用

基于上述理解，产品创新的关键在于两端：其一，是对种子用户生活方式/用车方式的洞察和预测，归零思考他们的体验要求；其二，是对标杆产品功能/技术/运营和体验趋势的深度梳理。“场景”是一切思考的关键载体，脱离场景去谈创新，跨职能团队既无法理解真实的需求，更难以达成共识。因此，构建“可执行的场景库”是构建智能驾驶功能的前提，并能有效指导后续产品创新工作的关键。所谓“可执行”是指场景库能够对应准确的功能和体验要求，不同场景之间在权衡取舍过程中具有可比性。



高度自动驾驶作为智能化的核心，其系统设计中比较关键的一环是需要设计比较完备的场景库。场景是自动驾驶系统开发及测试中相当重要的一环，自动驾驶的安全与质量需要确保自动驾驶测试场景具备多样性、覆盖性、典型性等特征，且这些特征可以影响到测试结果的准确性。

自动驾驶汽车在测试评价内容和形式相对于传统汽车都有明显不同的评价体系，其根本性的改变在于:自动驾驶更侧重于评价整车多传感器的配合以及传感器融合输出的感知、判断和决策能力。且自动驾驶汽车的测试场景需要具备多样化、典型性等特点，需要尽可能覆盖所有复杂的特殊场景；自动驾驶系统开发和测试的软件及硬件设备也都随之产生较大的变化。

撇开场景对于自动驾驶测试的构建与影响，本文将重点从自动驾驶系统开发层面上对如何设计自动驾驶场景库进行分析。旨在将自动驾驶的场景与用例分析应用效果应用在设计阶段以全方位提升用户体验，并有效的完善功能列表，让用户需求得以完整清晰的表达，最终辅助系统功能设计及测试验证。为了实现这一过程就需要进行“人-车-环境”有机融合的场景设计。



系统设计中的场景库搭建

自动驾驶汽车上路行驶时要面临的环境是各种各样且错综复杂的，单一的开发过程及测试体系是不可能对其一一穷尽的，因此可以按照一定的分类方法将各种测试场景进行分类。一般的场景搭建中包含了两大主要的单元：

1、场景要素单元

场景要素单元中比较关键的几个点包括场景对象、道路情况、环境要素、驾驶行为。

2、测试场景体系架构

场景体系架构可以将以上不同类别的场景要素排列组合，构成一个完整的场景库。如下描述了一个场景库基本的构建流程。

•  根据场景提取用例（痛点）

构建可执行场景库的第一步是完整的用户体验管理方法论。即，如何从场景出发，发现场景中的“关键要素”，以及服务于后续完整的用户体验及管理体系，这是构建场景库的前提。后续使用场景库的完整逻辑，决定了场景库架构的本身。

•  根据用例提取功能亮点

第二步是对场景的确切（符合执行逻辑的）定义。场景是由一组特定变量共同描述的，对应明确用户意图的，由特定事件触发的某种状态。基于场景的定义，需要形成分层的场景结构。分层实际是一种场景定义常用的方式，即将场景进行要素拆解，而拆解的过程实际是进行要素分级，一般情况下我们分为3个级别，如下图表示了一种场景结构。



比如，我们针对一种典型的自动驾驶功能场景进行场景拆解。这里我们设计一种用户驾驶需求为从一个地方A点对点驾驶到另一个目的地B。其间会经历从城市路段，驶入收费站，通过匝道并驶入高速路段，最终驶出收费站，驶出匝道到达目的地。那么路途中需要经历不同的天气、道路环境、动态车况及驾驶员使用情况。·那么通过对于如上信息的分解组合可以完全模拟出不同的路况场景环境。我们设计过程中针对这些场景环境需要分别搭建初始的应对策略。比如，在逆光环境且其他天气情况正常条件下，车辆驾驶进入较大曲率弯道中，无旁车切入干扰驾驶情况下，驾驶员此时未接管车辆控制，且有一定程度的分心。此时系统应该如何控制呢？我们此时可以控制车辆正常减速，对中并向驾驶员发出一定程度的报警或提示。

当然上述只是其中一种场景举例，我们在实际设计过程中还有很多其他场景组合，但能用到的场景组合在手动状态下无法穷举。因此，在实际场景搭建过程中我们不建议采用手动的方式进行组合搭建，更多的是采用机器运算的方法进行。该方法实际是利用输入的场景元素进行场景泛化，泛化后的场景几乎包含了该场景元素组合下的所有场景，当然可能存在不可理的场景组合，比如自车产生了较大的加速度，而用户使用车辆过程为驾驶员正在踩刹车踏板制动。因此，场景泛化后期需要设计合理的模型过滤出不合理的场景需求。



基于如上分析，我们可以综合判定，场景搭建的过程需要充分的掌握场景本身、场景要素或场景因子、场景组合方法几个方面。而针对场景需求的相应定义，场景本身是无法穷举的，但为了描述产品定位问题，场景需要分为两层：一级场景需要是结构化的，由最关键的两个维度共同描述（用户、使用场合），这一层级决定了产品定位。二级场景指向具体功能开发，由影响功能目标的所有维度共同描述。

第三步是对场景的结构化描述以及每个场景下用户需求的梳理。场景对应着用户意图（也即用户任务），用户任务由对应着具体的功能和解决方案，这样场景库即可向下执行。此外，场景库必须是连续、可积累，并且面向整个体系开放式采集和动态管理的，并与主要系统充分连接。在智能化的过程中，产品定义依然是目标用户期望、使用场景、现有技术解决方案以及新技术/新解决方案之间的动态平衡. 也就是说，我们可以将产品定义过程抽象为目标用户、使用场景、功能组合与创新技术的动态匹配过程。这种抽象使数据采集、处理、跟踪更加标准化，使产品定义系统构建成为可能。



在解决特定用户、特定场景下的用户体验问题，我们需要拆解一级场景中具体的用户任务，解决这些用户任务的功能组合，以及支撑这些功能的具体配置（解决方案）。

基于场景定义及影子数据采集的功能开发

对于自动驾驶系统设计而言，需要基于产品定义流程、数据规范、使用场景，形成系统开发需求说明文档。在上述体系中，功能是对用户意图的响应，相当于是对用户意图的原子化，也是对用户意图的响应，是对用户需求的归零思考。为了实现车型功能子项，需要提前进行配置优化，其优化过程就是对功能实现选择的具体解决方案。



为了实现基于场景定义下的有效功能开发（包含流程定义、指定规范数据、定义有效应用场景），在上述体系中，需求与创意的采集是发现新需求、新场景的前提，具体操作需要拆解为以下几个步骤。

1、需求数据采集

可通过案头研究、电话访谈及微信小程序以及Web等社交方式作为端入口，获得更为广泛的数据源信息。

功能模型构建：

根据该数据源信息可构建原始系统功能模型。该功能模型同时需要结合用户调研、车型对标数据等作为需求输入。此外，基于前述场景搭建方法，将场景元素结合一定的规则进行有效的场景组合，最终定义合适的使用场景。其次，定义系统功能与数据来源映射关系，该定义方式是通过各数据源数据格式及要求进行的。然后，根据实际情况确定数据处理方式/算法，这样就搭建了一套简单的功能模型。

2、需求数据结构化

提供预先确立的结构化标签体系，使得数据提供者在数据最初录入时自动完成数据的分拣、结构化等相关工作。

进行有效的数据整合：

智能驾驶的未来开发方式是通过前期不断采集场景数据，并综合输入模型进行有效的整合，并进行有效的数据清洗与数据标准化/结构化。这一过程实际是将数据库中的现有数据和不断采集的更新数据进行有效整合后，形成相应的结构化数据，从而最终确保后期功能开发的有序性、完整性及合理性。

3、数据分发与研讨

根据在研产品的特点，对结构化的数据进行分发与研讨，探究背后实际场景、体验因子以及可实现的技术方案。

设计基于数据的原始功能：

原始功能是需要分发数据中的新场景、新用户任务、用户痛点、新创意、体验因子等几个方面的内容设计出原始的功能架构。该过程可以通过研讨的方式参照头脑风暴形式不断进行功能扩大化，将尽可能多的功能分类及功能数据进行有效解析。最终选择最优功能并提取出来进行后续详细的开发。

4、产品定义中的应用

最终，通过用户群、对标库、创意库的对接，完成在产品定义中的目标用户需求挖掘与管理。

迭代优化适应性系统功能：

开发有效的系统功能需要利用前述整合好的数据进行分析和策略设计。首先，进行数据试运行与算法迭代/优化。其次是按业务场景需求定义算法与展示策略，包括前端界面设计、后端功能设计，并最终形成结构化数据库。支撑系统功能开发、功能试运行、功能迭代优化等，最终，通过更新产品价值创造更佳用户体验。

总结

场景可以应用到整个标准的自动驾驶系统开发过程中以得到合适的产品，从概念阶段到产品开发，再到系统验证和测试。而在整个开发周期中，要求在不同抽象级别上对所用场景有一致性表述。其中，挖掘测试场景、丰富和完善测试技术是提高自动驾驶安全性能的极重要一步。首先，以路侧数据、车载数据、虚拟数据三种来源输入、存储场景源；其次，要通过场景挖掘、场景分类、场景演绎等方式有层级、有规划地构建场景库；最后将场景库应用于场景测试环节，包括软件在环、硬件在环、整车在环、封闭道路、开放道路五种。而系统设计中则需要更多的关注以上场景构建所带来的安全性、舒适性、新颖性等问题。