《针对高级别自动驾驶车辆的全球测试场景方案》白皮书

2022年3月，由中汽数据有限公司主办的智能驾驶泛场景数据体系发布会暨仿真技术国际研讨会在天津成功召开，《针对高级别自动驾驶车辆的全球测试场景方案》白皮书（以下简称“白皮书”）作为重要发布成果之一，得到了业内的官方关注。白皮书由中汽数据牵头，联合德国南德意志集团、美国密西根大学Mcity、荷兰国家应用科学院共同编写，提炼了高级别自动驾驶车辆国际协调认证和验证的测试用例生成概念及基本流程，形成全球首个横跨欧亚大陆的场景分析报告及涵盖中美欧通用的场景分析体系。

国际智能网联汽车合作联盟IAMTS(International Alliance for Mobility Testing and Standardization) 于2019年成立，目标是为了整合全球资源，构建智能网联汽车合作框架，建立自动驾驶汽车场景大数据库，共享虚拟仿真及场地道路测试资源，为智能网联汽车提供公正互认的测试评价方法和结果。目前全球会员单位33家，涵盖了汽车研发制造企业、智能驾驶领域系统及零部件供应商、学术研究机构等，目前共分如下5个工作小组：1.全球测试场景库；2.全球先进移动终端平台数据库；3.物理和仿真测试的相关性；4.网联安全测试；5.高级别自动驾驶车辆认证。其中，工作组1——“全球测试场景库”，旨在对世界不同地区的真实场景（及变种）进行概述，并支撑研发验证流程的研究。

本“白皮书”隶属于工作组1，由来自不同领域的专家组（欧洲、亚洲、美国的高级自动驾驶研究人员、开发人员和认证验证工程师）共同编纂完成，基于全球的驾驶场景数据，形成了适用于全球的场景描述、分析及验证体系，并面向高级别自动驾驶主要使用的三种验证模式（仿真验证、试验场及实验室验证、道路验证）进行了测试用例生成流程定义。

总体章节如下：

1) 介绍

2) 在全球范围内测试高级别自动驾驶车辆

3) 从测试用例中区分场景

4) 场景统计（欧洲示例）

5) 场景统计（美国和中国示例）

6) 我们学到了什么

7) 不同测试环境的组合

8) 仿真测试用例

9) 实验室测试用例

10)稳健的验证和发布决策

11)未来展望

12)参考文献

● 面向全球的场景描述、选择及测试用例

白皮书首先针对基于场景的测试验证流程提出了三个关键性问题：1.针对高级别自动驾驶特定功能及车辆应使用哪个测试场景；2.如何筛选并执行此场景关联的测试用例；3.如何客观计算该自动驾驶车辆的测试评分。

图1. 基于场景验证的三个关键问题

基于ASAM标准，白皮书讨论了场景描述要素及场景与测试用例的理论区分，进而提出对高级别自动驾驶中针对较为复杂的自动驾驶测试工况，在不同地域环境和不同驾驶规则下，建设通用性场景库及基于场景测试流程的重要性。

图2. 场景、设计运行范围、测试用例的关系

●特定场景的全球验证实践

白皮书基于对比不同国家（欧洲、中国、美国）的自然驾驶场景，对全球测试场景数据进行了统计及特征分析（其中包括欧洲11万公里，美国20万公里、中国10万公里的驾驶里程），进而生成了每个大陆的典型场景（切入、变线、行人横穿等）示例，再通过对示例场景类别及场景发生的频率进行统计，比较了其数量分布，同时描述了场景表征、场景内包含的特征等；白皮书还对场景统一参数定义、场景检测方法、典型场景进行了分析。

图3. 以切入场景为例，分析了基于关键参数相关维度的分布

● 基于场景的测试用例生成

基于全球典型场景分析，面向具体功能验证，白皮书首先在软件层面对待测功能进行仿真验证及变体规模性测试（车辆配置及场景参数）；随后在实验室验证中（HIL、VIL等）进行测试的复用及加速，对典型场景中自然驾驶数据进行排列组合为逻辑场景数据库，由ASAM OpenScenario标准格式的转换工具（如图5，中汽数据开发的仿真场景及测试用例生成工具AD Scenario），生成具备标准格式的仿真场景，并基于面向具体场景的随机模型，对其关键参数泛化而生成仿真测试用例，实现实验室环境的加速评估（如图6）；最后在测试场进行最终确认验证，并执行不可被仿真及实验室替代的测试用例。

图4. 实验室验证测试用例生成流程

图5. 仿真场景生成工具AD Scenario

图6. 基于随机模型实验室关键场景测试用例生成

● 鲁棒性验证

白皮书提出了“道路驾车技能”的评价标准，为高级别自动驾驶车辆的安全性能及反应能力做出了评估要求。

● 未来展望

基于目前的研究成果，工作组1的下一段工作将会根据在不同地区创建的已识别场景库，商定一套全球统一的场景库，并确定为特定高级别自动驾驶车辆选择子场景集的流程，定义所有场景选择测试用例的方法，定义涵盖安全和道路驾驶能力的性能指标等。

正如IAMTS执行委员会主席Alexander Kraus所述：“IAMTS将通过在全球范围内更加高效地探讨差异性以及共享从实际测试验证中取得的复杂信息，以加速智能网联汽车测试验证技术的协同发展”。