量产L3自动驾驶真的来了，如何成为一名合格的 “安全把关人”？

自动驾驶汽车包含了环境感知、决策规划、执行控制一整个功能链，是一个非常复杂的电子产品。在广泛应用之前，每个环节都要经过严苛的测试验证。当前行业标准尚未形成，传统测试验证也无法满足需求，因此急需一套全新的方法来检验自动驾驶的技术实力。关于新型的自动驾驶环境感知测试验证，有一些信息需要与公众分享。

什么是面向量产的自动驾驶？

在介绍验证测试之前，我们先来回答什么是“面向量产的自动驾驶”。

很多Demo车已经实现了L3、L4的自动驾驶功能，因此给我们带来一种未来已来的错觉。事实上，我们距离量产还有很远的路要走，而且Demo之后的工作，只会更加复杂。

一款真正安全、面向量产的自动驾驶车一定要满足三个条件：

第一，自动驾驶系统必须要满足传统汽车行业对电子产品的相关标准和规范，包括AEC-Q100/200, IATF16949等。

例如有的电子原件温度适用范围为-40度到125度，在震动环境中可以长时间正常稳定工作，系统必须满足电磁兼容的要求等……这些是从传统汽车行业沿用下来的“老规矩”。

第二，整个自动驾驶系统达到功能安全的要求，也就是保证功能的安全和可靠性。

其中功能安全国际标准ISO26262对不同安全级别产品的开发、测试验证都做了很详细的定义。功能安全标准的提出，直接把自动驾驶的技术门槛抬高了一大截。

比如，整个L3自动驾驶系统必须达到ASIL D安全级别的需求，要求对整个环境感知和控制执行做冗余设计。具体到环境感知层面，需要雷达，激光雷达，摄像头等不同类型的传感器来确保环境感知的安全可靠。

对于单个传感器，比如激光雷达，可以分解为ASIL B安全级别，这要求传感器有很强的自检能力，传感器需要时刻知道自己所处的状态，哪些检测是可靠的，哪些检测是不可靠的，并及时上报给中央ECU。

第三，环境感知能力和功能必须通过一个KPI（Key Performance Indicator）考核，我们可以称为“自动驾驶感知系统的评价体系”。

自动驾驶系统的量产，需要对单个传感器提出KPI要求，比如环境感知的检测率、误报率必须处于一个规定的可接受数值区间，传感器检测目标物体的位置和速度必须达到一定的精度要求。同时，经过传感器融合以后，整个环境感知系统同样需要满足一定的KPI要求，这个要求会比单个传感器的要求更加严格，而且覆盖面更广。

在当下，随着自动驾驶的演进，未来将会在全球范围内，逐渐形成一套统一的规范和标准。

上述三点对于L3、L4的自动驾驶来说，都还没有实现。

因为较之高级驾驶辅助系统（ADAS），L3、L4自动驾驶汽车的感知技术更加复杂。行业仍然在等待适于集成、高性能、符合车规的激光雷达，以及满足功能安全和安全KPI考核的传感器融合系统。未来3-5年，我们会迎来L3、L4自动驾驶汽车在全球范围的大爆发。正式量产之前，感知系统都要通过“自动驾驶感知系统的评价体系”的考核。

L3-L4自动驾驶需要新型的测试验证

目前业内针对自动驾驶测试验证一般会用几种方法，包括虚拟仿真测试（软件在环测试、硬件在环测试、车辆在环测试、驾驶员在环测试）、封闭区域测试、真实道路测试。

其中，虚拟仿真测试使用计算机来搭建模拟的驾驶场景，这种测试方法对平台开发（例如开发激光雷达算法的通用部分）会有一定帮助，可以节约前期的测试成本，但是尚无法满足产品量产测试的需要。只有将产品放到真实的交通环境测试，才能获得感知系统的真实表现。

目前行业缺乏一家客观中立的第三方，来帮助大家完成L3-L4自动驾驶量产前的测试验证。

自动驾驶传感器融合测试验证车

但是作为产品量产前的安全“把关人”，测试验证方并不是一个轻易能胜任的角色，相反，基于大数据的自动化测试验证可能是目前自动驾驶行业技术门槛要求最高的新兴领域。和传统的测试验证不同，新型的环境感知测试验证提出了更多挑战：

第一， 要求测试者具有很强的算法开发能力。

在自动驾驶环境感知测试中，需要建立一整套“客观真值”（ground truth）参考系统。这些客观真值一方面可以用来训练机器学习算法，另一方面可以用来验证现有感知算法的表现。

目前量产ADAS产品的阶段，我们尚且可以通过人工标注的方式得到客观真值。但这种人工标注方式不但有大量的人工费用支出，更重要的是十分耗时。

到L3和L4自动驾驶，需要采集上百万公里，数千小时的真实道路数据用于测试。此时如果继续依赖人工标注的方式，可能会耗费数年时间，无法满足量产开发的时间要求。

因此，行业迫切需要一套依靠自动化的标注算法建立客观真值。

第二，新型测试验证需要高度自动化的测试验证流程和高度集成的测试工具开发的能力。

新型测试验证涉及的数据规模非常大，目前某国际知名主机厂要求5000小时的真实采集数据必须在几天时间内完成算法的测试验证并给出评价结果。

这部分会涉及整个工具链高度集成和自动化，目标是实现高度自动化的测试验证流程——当测试者点一个按钮，工具就会自己运行。

这要求整个测试流程的定义必须非常清晰，工具的开发、集成要紧贴流程需求，最后完成IT构架硬件的集成。

第三，测试者需要掌握大数据分析和挖掘的能力。

未来新型测试验证的数据量庞大，因此如何准确定位所需的测试场景和测试数据，如何利用这些数据来服务于自动驾驶功能的开发，都需要测试者具备大数据分析和挖掘的能力，从大量数据中迅速准确定位到我们需要的数据。

测试方在上述三点都要具有足够的积累。未来的自动驾驶企业需要在算法开发能力、测试验证能力、大数据分析和挖掘能力三个方面，夯实自己的核心竞争力。

结语

对于自动驾驶行业的领先者来说，自动驾驶量产系统解决方案的研发工作可能已经逐步实现，然而余下的量产前算法开发和测试验证工作，却才刚刚开始。每一款产品需要到真实环境中经历各种各样的场景案例，然后身经百战，最后登上舞台

没有一个相对省时省力的方式，可以绕过自动驾驶的测试验证环节快速完成量产。因为与安全有关的每一步，都不容我们寻找捷径。