一、自动驾驶测试场景

1.1 场景的定义

  “场景（Scenerio）”一词来源于拉丁语（Olinda），意为舞台剧，现泛指生活中特定的情景。随着科技的发展，场景的概念逐渐应用于工业生产的开发测试过程中。 

  基于场景的测试最先应用于软件系统的开发，“场景”用来描述系统的使用方式、使用要求、使用环境，以及构想更多可行的系统。现阶段在自动驾驶领域，“场景”尚没有明确统一的定义。但根据RAND、PEGASUS等不同机构的定义，其核心要素上是一致的：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。

  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。

1.2 场景的要素

  确定场景要素是进行基于场景的自动驾驶汽车虚拟测试的首要环节。本文综合不同场景要素研究，提出了如图2所示的场景要素具体情况。测试场景要素主要包括测试车辆和交通环境要素2大类，其中，测试车辆要素又包括测试车辆基础要素、目标信息以及驾驶行为3类；交通环境要素包括天气和光照、静态道路信息、动态道路信息和交通参与者信息4类。

1.3 场景的数据来源

  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，具体内容如图

  真实数据来源主要包括自然驾驶数据、事故数据、路侧单元监控数据，以及驾驶人考试、智能汽车封闭试验场测试、开放道路测试等典型测试数据。典型的自然驾驶场景数据采集车辆配置如图4所示。

  模拟数据：模拟数据来源主要包括驾驶模拟器数据和仿真数据。驾驶模拟器数据是利用驾驶模拟器进行测试得到的场景要素信息。相比道路测试，驾驶模拟器测试安全、高效、可重复性好，可以进行大范围的以及危险和极限工况的驾驶人在环测试。

  专家经验数据是指通过以往测试的经验知识总结得到的场景要素信息，标准法规测试场景是典型的专家经验场景数据来源。目前，世界各国已有80余类自动驾驶测试法律法规。我国最新发布的《智能网联汽车自动驾驶功能测试规程（试行）》提出了包括交通标志和标线的识别及响应等在内的34个测试场景。

1.4 场景的处理方式

  不同数据来源之间的场景数据格式及类型存在差异，且原始数据中存在大量无效数据、错误数据，需要对场景数据进行适当的处理才能形成真正可用的自动驾驶汽车测试场景。根据现有的典型场景数据处理方式，本文总结归纳提出了如图5所示的场景数据处理流程。

二、基于场景的自动驾驶加速测试

  基于场景的自动驾驶加速测试目前主要有两种方式：一种方式是基于虚拟环境搭建测试场景的快速性与可重复性，根据测试需求进行测试场景的随机生成，短时间内生成大量测试场景；另一种方式是参照整车强化腐蚀测试方法所提出的危险场景强化生成方法。

  1、测试场景随机生成

  测试场景随机生成的技术路线主要包括以蒙特卡洛模拟法、快速搜索随机树为代表的基于随机采样的生成方法，基于场景要素重要性层次分析的生成方法以及基于机器学习的方法等。

  相比在现实世界搭建真实测试场景，在虚拟环境进行测试用例的生成可以极大程度上减少时间以及资源上的消耗。然而，由于自然情况下事故的发生概率较低，使用场景随机生成的方式仍可能面临大量计算的困扰，危险场景强化生成的方法可以很好的解决这个问题。

2、危险场景强化生成

  若自动驾驶汽车在危险情况表现良好，则通常情况下其系统安全性也可以得到很好的保障。因此，测试危险场景下自动驾驶汽车的性能得到了越来越多学者的关注。

三、 研究展望

  虽然各国学者针对基于场景的自动驾驶汽车虚拟测试进行了广泛的研究，并取得了一定的成果，但目前的研究水平还无法满足自动驾驶汽车测试的迫切需求，世界范围内尚未建立完善的自动驾驶汽车虚拟测试评价体系。未来，在如下几个方面仍需进一步深入研究：

（1）场景解构与自动重构技术。真实交通场景复杂多变，数据量庞大，应根据场景要素分析，进行场景特征要素提取，实现场景解构。同时，场景要素复杂繁多，在测试不同的自动驾驶功能时，所需的场景要素类型不尽相同。如何根据测试需求自动重构测试场景是目前亟待解决的关键问题。

（2）人-车-环境系统一体化高置信度建模。当前人、车、环境模型多进行单独构建，彼此之间的耦合联系尚未明确，应通过传感器信号的路径损耗、阴影衰减和噪声建模，描述传感器模型与环境模型的耦合机理，进而，对驾驶人、车辆、环境的影响因素进行全面分析，搭建构建人-车-环境一体化高置信度模型。