自動駕駛汽車測試技術(shù)與應(yīng)用進展

余卓平， 邢星宇， 陳君毅

(同濟大學(xué) 汽車學(xué)院，上海 201804)

自動駕駛汽車測試與評價是自動駕駛研發(fā)中的重要環(huán)節(jié)，也是自動駕駛技術(shù)發(fā)展的重要支撐.伴隨著高級駕駛輔助系統(tǒng)(ADAS)和高等級自動駕駛系統(tǒng)(美國汽車工程師學(xué)會(SAE)L3～L5，見表1)的開發(fā)和應(yīng)用，產(chǎn)生了很多新的測試需求.在美國和歐盟開展的眾多項目中，對ADAS功能做了詳盡研究，并形成了相應(yīng)的測試方法和標準[1-2].與ADAS功能不同，高等級自動駕駛系統(tǒng)可以在特定環(huán)境下完全替代人類駕駛員進行車輛操控，由于駕駛控制權(quán)發(fā)生轉(zhuǎn)移，高等級自動駕駛系統(tǒng)將面臨環(huán)境不確定性帶來的諸多挑戰(zhàn)，如多變的氣象條件、道路環(huán)境以及無法預(yù)知的車輛行為等.因此，采用預(yù)先設(shè)定的用例進行測試將很難滿足自動駕駛功能的測試需求.學(xué)者們從多個方面開展了自動駕駛汽車測試技術(shù)的研究工作，歸納為以下三個方面：①測試方法，即滿足特定功能需求的具體測試方案；②測試工具，即滿足特定環(huán)境需求的測試設(shè)備和平臺；③測試加速，即能夠提高測試效率的方法和手段.本文將從以上三個方面對自動駕駛汽車測試技術(shù)的研究現(xiàn)狀進行闡述，并分析不同測試方法、測試工具和測試加速的適用范圍及局限.

表1 SAE自動駕駛功能分級[3]

1 測試方法

測試方法主要指測試內(nèi)容的組織形式以及開展測試的途徑.一方面，就自動駕駛功能的特點而言，在車輛進入完全自動駕駛狀態(tài)后，車輛一切行為均是系統(tǒng)自主決策的結(jié)果，因此測試方法必須提供車輛自主決策的自由度，保證車輛性能得到體現(xiàn)；另一方面，從測試的可重復(fù)性、可控性等需求出發(fā)，又希望測試對象在特定條件下被測試.根據(jù)上述兩方面需求，按照測試方法對測試輸入和測試過程要求的不同，可以將測試方法分為基于用例的測試方法、基于場景的測試方法和公共道路測試方法.三種測試方法的對比如表2所示.

表2 三種測試方法對比

1.1 基于用例的測試方法

基于用例的測試方法是指通過預(yù)先定義的測試用例來測試車輛的某項功能是否滿足特定條件下需求的方法.測試用例是指為某個特殊目標而編制的一組測試輸入、執(zhí)行條件以及預(yù)期結(jié)果，以便測試某個程序路徑或核實是否滿足某個特定需求[4].該測試方法的特點就是對測試過程和測試結(jié)果有明確的要求，如對自動緊急制動(AEB)的測試，在不同條件下通過制動使車輛避免與障礙物發(fā)生碰撞，來證明功能有效.

美國較早開展的CAMP項目[5]，對26輛裝備了前向碰撞預(yù)警系統(tǒng)(FCW)的車輛進行了場地測試和評價.針對類似功能的另一個項目中[6]，對FCW的三種不同預(yù)警算法行了測試，測試用例源于100-Car研究中產(chǎn)生的83個危險場景.在其他一些項目中[7-8]，基于典型危險和事故場景，對交叉口碰撞避免系統(tǒng)(CICAS)、動態(tài)制動輔助(DBS)以及預(yù)碰撞緊急制動(CIB)等進行了測試.

在歐盟較早開展的一些項目中[9]，對緊急制動(AEB)等功能進行了測試.在ASSESS項目[10]中，通過對德國、法國、瑞典等多個國家事故數(shù)據(jù)的研究，獲得了發(fā)生頻率較高、傷害程度較為嚴重的五類事故場景，并測試了AEB在不同車速下是否能夠緊急制動從而避免撞上前車.在PreVAL項目中[11]，對碰撞避免、車道保持、換道輔助、盲點預(yù)警等八類ADAS功能進行測評，為每一類功能都設(shè)定了特定的測試條件矩陣，通過虛擬測試、場地測試等多種手段測試ADAS功能是否達到預(yù)期要求.interactIVe項目[12]采用了類似的方案，測試的功能包括彎道速度控制、換道碰撞避免、后向碰撞避免等ADAS功能.

基于用例的測試方法主要適用于功能相對單一，并且有明確應(yīng)用條件和預(yù)期結(jié)果的各類功能測試與驗證.主動安全和ADAS功能的測試，以及自動駕駛開發(fā)階段的單項功能測試，均可應(yīng)用基于用例的測試方法.由于測試輸入、測試條件和結(jié)果明確且可控，因此該測試方法可重復(fù)性強、效率高.對于測試輸入和測試條件的確定，目前主要依賴于危險數(shù)據(jù)、事故數(shù)據(jù)、理論分析以及模擬試驗數(shù)據(jù)的分析，但是前期的數(shù)據(jù)采集和分析成本相對較高，并且獲得的數(shù)據(jù)存在局限性.基于用例的測試方法在應(yīng)用于功能相對復(fù)雜和綜合的自動駕駛系統(tǒng)時存在一定不足：首先，該方法只能對某項功能進行測試，而無法測試多項功能的綜合表現(xiàn)；其次，由于對測試結(jié)果有著明確的要求，自動駕駛系統(tǒng)的自主決策能力難以體現(xiàn).

1.2 基于場景的測試方法

基于場景的測試方法是指通過預(yù)先設(shè)定的場景，要求車輛完成某項特定目標或任務(wù)來對系統(tǒng)進行測試的方法.場景描述了特定時間段內(nèi)發(fā)生的事件過程，目前暫未形成場景的確切定義，但一般將場景理解為多個事件順序發(fā)生而構(gòu)成的序列，并會延續(xù)一段時間[13]，或簡單理解為事件的劇本，描述一定空間和時間范圍內(nèi)的所有環(huán)境以及交通參與者的狀態(tài)、行為過程及目的.圖1展示了一個典型的多車交互場景.該測試方法的特點在于對測試結(jié)果沒有明確要求，在不違背給定目標或任務(wù)的情況下，自動駕駛系統(tǒng)可以自主選擇采取何種方式來處理當前狀況，具有很高的自由度.

圖1 換道場景示意圖

在基于場景的測試方法的應(yīng)用方面，最典型的是美國國防高級研究計劃局(DARPA)舉辦的無人車挑戰(zhàn)賽(DARPA Challenge)和中國自然科學(xué)基金委員會主辦的中國未來挑戰(zhàn)賽.在場地內(nèi)模擬多種交通場景和環(huán)境，要求車輛完成特定任務(wù)來對車輛進行測評，比賽中人為干預(yù)會被罰分，比賽車輛具備完全的自主決策權(quán).2007年11月舉辦的第三屆DARPA Challenge賽事中，重點關(guān)注車輛在模擬城市環(huán)境中的自主行駛能力以及與其他車輛的交互能力[14]，自動駕駛系統(tǒng)需要對周圍環(huán)境做出綜合判斷并選擇合適的操縱行為.2017年11月在常熟舉辦的第九屆中國未來挑戰(zhàn)賽，同樣考察了在真實交通流中無人車與社會車輛和周圍環(huán)境的交互能力，設(shè)置多種城鄉(xiāng)道路模擬環(huán)境，考察自動駕駛汽車在多種場景下的應(yīng)對能力[15].

歐盟在近幾年開展的研究項目中集中解決基于場景的測試方法和技術(shù).AdaptIVe項目[16]開展了基于場景的小規(guī)模道路測試，運用場景識別與時序分段技術(shù)對自然駕駛數(shù)據(jù)進行場景劃分，主要解決特定測試需求下的最小測試里程問題.在最近開展的PEGASUS項目[17]中，為解決基于場景的測試方法的測試輸入問題，研究者對項目進行了定義和分級，從功能場景、邏輯場景到具體場景，描述的抽象程度越來越低，同時場景數(shù)量隨之增加，以此形成場景測試的初始條件，作為自動駕駛車輛的起始工況.

基于場景的測試方法的優(yōu)勢在于該測試方法只規(guī)定了測試的初始條件，不預(yù)設(shè)測試過程以及測試結(jié)果，可以提供自動駕駛系統(tǒng)自主決策的自由度，能夠?qū)ψ詣玉{駛系統(tǒng)多種功能的綜合性能進行測試，因此更適合高等級自動駕駛系統(tǒng)的測試需求.為了滿足多種環(huán)境感知傳感器的測試需求，同時提供自動駕駛系統(tǒng)決策所需的自由度，測試場景的設(shè)計勢必更加復(fù)雜，環(huán)境要素更加豐富，因此測試場景的構(gòu)建是該測試方法的一大挑戰(zhàn).與基于用例的測試方法類似，基于場景的測試方法同樣需要分析多種來源數(shù)據(jù)以確定測試場景的內(nèi)容以及測試初始條件.場景采集和分析的成本較高，目前主要通過自然駕駛數(shù)據(jù)、事故數(shù)據(jù)的研究，或者從大量的模擬試驗數(shù)據(jù)中尋找典型場景，理論分析也是一種很重要的場景獲得手段[18].

1.3 公共道路測試方法

公共道路測試是指在現(xiàn)實道路和真實交通環(huán)境下開展的測試.該測試方法與上述兩種方法相比存在特殊性，主要體現(xiàn)在該測試方法是結(jié)合特定測試環(huán)境的專用測試方法，無法推廣到其他測試工具.公共道路可以提供完全真實的、非人工模擬的交通場景，所有交通參與者、氣候條件、道路條件都真實存在，不受人為控制.由于所有事件均是隨機發(fā)生的，因此測試中無法預(yù)設(shè)測試初始條件，車輛在公共道路行駛的過程均是測試過程，從而對自動駕駛系統(tǒng)提出了更高的要求.

梅賽德斯-奔馳于2013年用一輛S500轎車完成了一段103 km的全自動駕駛道路測試[19].整個測試路線途經(jīng)25個城鎮(zhèn)和主要城市，覆蓋了很多復(fù)雜的交通場景.美國谷歌公司的Waymo自動駕駛汽車研發(fā)團隊是最早開展全自動駕駛道路測試的團隊之一.截至2017年10月，Waymo自動駕駛汽車在美國的4個州、20個城市完成了超過5.6×106km的道路測試.在測試過程中，由經(jīng)過嚴格培訓(xùn)的測試工程師負責(zé)監(jiān)測和記錄自動駕駛汽車的行為，尋找車輛表現(xiàn)不佳或無法應(yīng)對的特殊場景，針對性地改進和調(diào)整軟件算法，對功能進行迭代和優(yōu)化[20].除谷歌外，沃爾沃、通用汽車等廠商都先后在美國開展了自動駕駛的公共道路測試.

公共道路測試能夠提供真實的交通環(huán)境，滿足環(huán)境感知系統(tǒng)、決策規(guī)劃系統(tǒng)的測試需求，理論上是進行自動駕駛測試的最佳方式.該測試方法的主要不足在于測試周期長、效率低，測試成本巨大，同時必須考慮安全風(fēng)險問題以及法律法規(guī)的限制.根據(jù)美國國家公路交通安全管理局(NHTSA)2013年的統(tǒng)計數(shù)據(jù)，平均每530 000英里(1英里=1.609 km)出現(xiàn)一次機動車碰撞事故，而平均每99 000 000英里才出現(xiàn)一次致死事故[21],因此車輛在道路中實際行駛時是極少遇到危險狀況和事故的.從統(tǒng)計學(xué)角度出發(fā)，要驗證自動駕駛汽車比人類駕駛更安全，理論上應(yīng)至少進行99 000 000英里以上的公共道路測試[22]，這是一個無比巨大的測試里程.因此，單純依靠公共道路測試方法來測試自動駕駛系統(tǒng)并不具備可操作性.

2 測試工具

測試工具可以滿足不同測試階段、不同測試環(huán)境需求的測試，一些測試工具的采用可以大大提高測試的可重復(fù)并降低風(fēng)險，同時便于數(shù)據(jù)的采集.根據(jù)測試環(huán)境的真實程度或者不同的實際在環(huán)硬件數(shù)量，測試工具可以分為虛擬仿真測試、硬件在環(huán)測試、整車在環(huán)測試和封閉場地測試(見表3).不同的測試方法可以結(jié)合不同的測試工具使用.

2.1 虛擬仿真測試

虛擬仿真測試是純數(shù)字仿真測試工具，由模擬場景、車輛動力學(xué)模型、傳感器模型、規(guī)劃決策算法等組成，可以對自動駕駛汽車的各個系統(tǒng)以及整車進行仿真測試.虛擬仿真測試一般應(yīng)用在功能開發(fā)早期階段，在沒有實物硬件的情況下，對系統(tǒng)的策略算法進行驗證.

表3 不同測試工具的比較

利用一些現(xiàn)有的虛擬仿真軟件，可以實現(xiàn)自動駕駛的仿真測試.PreScan[23]是一款被廣泛應(yīng)用的虛擬仿真軟件，可以對簡單的交通場景進行模擬，但PreScan軟件最早是為碰撞前場景和ADAS功能設(shè)計的，因此只能應(yīng)對簡單的交通場景，環(huán)境仿真水準一般，建模效率低.SiVIC軟件[24]與PreScan軟件類似，但可以提供更加真實的、種類更齊全的傳感器模型，并可以通過第三方軟件如RTMap(real time map)記錄傳感器生成的數(shù)據(jù).Rossetti[25]利用SUMO(simulation of urban mobility)軟件和USARSim(unified system for automation and robot simulation)軟件聯(lián)合仿真方法實現(xiàn)了大尺度交通網(wǎng)下的多輛自動駕駛車輛的仿真測試(見圖2).谷歌搭建了專用的虛擬測試環(huán)境Carcraft，基于Waymo自動駕駛汽車安裝的環(huán)境感知傳感器系統(tǒng)采集的數(shù)據(jù)，結(jié)合高精度地圖信息，完整地“復(fù)制”了真實世界的道路交通環(huán)境，在仿真環(huán)境下25 000輛自動駕駛汽車每天可以行駛800萬英里.表4總結(jié)了上述軟件的差異.

表4 不同類型仿真軟件比較

虛擬仿真測試可以擺脫對真實測試環(huán)境和硬件的需求，測試效率極高，測試成本和測試風(fēng)險非常低.虛擬仿真測試的主要問題在于：一方面，測試結(jié)果嚴重依賴于傳感器模型和車輛模型的正確性，不正確或錯誤的仿真模型將導(dǎo)致錯誤的結(jié)果；另一方面，現(xiàn)實場景在仿真環(huán)境中的快速還原難以實現(xiàn).為了應(yīng)對該問題，歐盟在PEGASUS項目中開發(fā)了一種場景記錄文件格式OpenScenario[26]，可以將采集的場景數(shù)據(jù)生成場景文件并應(yīng)用于不同的模擬仿真軟件.

圖2 基于SUMO和USARSim聯(lián)合仿真的大尺度路網(wǎng)下的仿真測試

Fig.2 Virtual tests on large scale road network based on SUMO and USARSim co-simulation

2.2 硬件在環(huán)測試

硬件在環(huán)測試中，自動駕駛系統(tǒng)的部分部件或系統(tǒng)是真實的，而環(huán)境是虛擬的.自動駕駛汽車的環(huán)境感知系統(tǒng)、決策規(guī)劃系統(tǒng)和控制執(zhí)行系統(tǒng)均可實現(xiàn)硬件在環(huán)測試.

攝像頭在環(huán)測試是比較容易實現(xiàn)的測試系統(tǒng)，將被測攝像頭放置在顯示場景的屏幕前，并構(gòu)建攝像頭測試黑箱(見圖3)，測試攝像頭在不同場景下的感知與認知能力[27].超聲波雷達硬件在環(huán)測試需要專門的目標物超聲波信號模擬設(shè)備，對不同的車輛和障礙物的雷達波反射特性進行模擬，形成被測超聲波雷達的回波信號[28].將不同的部件或系統(tǒng)進行整合，可以構(gòu)建硬件在環(huán)集成測試系統(tǒng).福特公司[29]利用CarSim-Simulink聯(lián)合仿真，基于動力總成和底盤硬件在環(huán)平臺，對自動駕駛的路徑跟隨算法進行了試驗.

圖3 攝像頭硬件在環(huán)仿真測試黑箱

理論上大部分硬件均可開展硬件在環(huán)測試，但部分硬件的在環(huán)測試技術(shù)手段相對復(fù)雜且成本很高，如激光雷達、紅外攝像頭等，還有部分部件開展在環(huán)測試的意義不大，如決策規(guī)劃系統(tǒng)硬件在環(huán)測試，雖然系統(tǒng)最終以硬件呈現(xiàn)，但是功能主要由軟件體現(xiàn)，因此較少有研究機構(gòu)開展相關(guān)工作.總體來說，硬件在環(huán)測試的應(yīng)用范圍仍比較有限.

2.3 整車在環(huán)測試

整車在環(huán)測試，即整車作為實物硬件被連接到虛擬的測試環(huán)境中進行測試，是比硬件在環(huán)測試更加復(fù)雜的測試工具.將所有部件、系統(tǒng)集成到車輛上進行測試，可以降低模型偏差帶來的不良影響，使測試結(jié)果更加可靠.整車在環(huán)測試目前有兩種方案，這兩種方案的特點和測試需求各不相同.

2.3.1封閉場地車輛在環(huán)測試

車輛在封閉的空曠場地上進行測試，場景仿真系統(tǒng)生成虛擬場景，由傳感器模型和傳感器信號模擬軟件生成基于虛擬場景的傳感器信號，并發(fā)送給車輛電子控制單元(ECU)，ECU根據(jù)環(huán)境感知數(shù)據(jù)進行決策規(guī)劃和任務(wù)執(zhí)行，同時場景模擬軟件讀取車輛GPS及航向信息用于更新參數(shù)，并根據(jù)新的位置信息給出傳感器模擬信號，如此往復(fù).Miquet等[30]在聯(lián)合研究項目中成功應(yīng)用該測試方法實現(xiàn)了自動駕駛汽車的測試驗證工作.

Butenuth等[31]應(yīng)用車輛在環(huán)測試平臺，利用虛擬仿真環(huán)境，復(fù)現(xiàn)了六類典型的自動緊急制動和緊急避讓功能的應(yīng)用場景，并對兩項ADAS功能進行了測試.Fayazi等[32]對交叉路口智能控制系統(tǒng)進行了測試和評價，考查了該智能交通系統(tǒng)在減少車輛制動、能源消耗和保證交通安全方面的效果.

2.3.2轉(zhuǎn)鼓平臺車輛在環(huán)測試

荷蘭國家應(yīng)用科學(xué)研究院天歐(TNO)公司研發(fā)的轉(zhuǎn)鼓平臺車輛在環(huán)測試，將裝備了傳感器的整車置于轉(zhuǎn)鼓平臺，被測車輛的絕對位置是固定不變的，利用機器人運動平臺系統(tǒng)，模擬周圍交通參與者與被測車輛的相對運動，實現(xiàn)車輛在環(huán)測試[23].該測試系統(tǒng)中，傳感器部件均為真實硬件，因此測試結(jié)果更加可靠(見圖4).

以上兩種在環(huán)測試方案在實際中均有應(yīng)用，但封閉場地車輛在環(huán)測試僅僅車輛是實際硬件，傳感器仍依賴于模型，真實度相比于轉(zhuǎn)鼓平臺略低，同時也不能克服場地受限的問題，難以實現(xiàn)一些較大尺度的交通場景.對于轉(zhuǎn)鼓平臺車輛在環(huán)測試，由于車輛是靜止的，因此無法考查控制執(zhí)行系統(tǒng)，而只能模擬車輛間的相對運動關(guān)系，對于周圍環(huán)境變化無法模擬.

a 仿真測試1b 仿真測試2

c 試驗平臺

2.4 封閉場地測試

封閉場地測試從環(huán)境到車輛系統(tǒng)均為實物.封閉場地測試依托于專用的封閉測試場地建設(shè)，強調(diào)環(huán)境和場景的還原和模擬能力，采用柔性化設(shè)計，保證自動駕駛車輛能夠在有限的場地條件下，盡可能多地經(jīng)歷不同環(huán)境和場景的測試.

根據(jù)自動駕駛汽車的測試需求，在美國、歐盟等經(jīng)新建和改造后形成了一些專門的封閉測試場地，如由部分高速公路路段改造的 Smart Road 測試路段[33]，位于英國考文垂的 AstaZero[34]智能汽車試驗場地等.位于美國密西根的Mcity[35]是較為典型的自動駕駛汽車封閉測試場地.該測試場地由多種路面和道路要素構(gòu)成，包含水泥、瀝青等鋪裝路面以及泥土、碎石等非鋪裝路面.在試驗區(qū)內(nèi)設(shè)置了豐富的交通標志、車道線、信號燈等道路要素，以及隧道、環(huán)島、施工區(qū)等要素，在城市場景中搭建各種模擬建筑物，還有多種停車位、城市輔助設(shè)施等自動駕駛車輛在真實世界中可能遇到的道路元素，用于測試自動駕駛車輛的應(yīng)對狀況(見圖5).

封閉場地測試的弊端主要在于測試效率低，并存在一定的測試風(fēng)險.為提高測試效率，車輛一般需要先經(jīng)過虛擬測試、硬件在環(huán)測試等，篩選最為典型和具有測試價值的場景開展封閉場地測試，降低場地測試的周期.

圖5 Mcity自動駕駛汽車封閉測試場地

3 測試加速

測試加速即通過一定手段達到加快測試進程，提高測試效率的目的.隨著自動化等級的提高，自動駕駛系統(tǒng)的使用場景和所要應(yīng)對的情況也隨之變得多樣，從而造成測試用例和測試場景數(shù)量的急劇上升，因此通過一定手段提高測試效率以便降低測試周期和成本是非常必要的.目前，測試加速主要分為測試工具加速和測試過程加速.

3.1 測試工具加速

測試工具加速的出發(fā)點在于通過使用效率更高的工具以實現(xiàn)加速測試的目的.如本文第2節(jié)所述，虛擬測試工具的使用可以極大地提高測試效率，因此應(yīng)該充分發(fā)揮虛擬測試工具的作用.Wachenfeld等[36]提出了測試工具使用的基本原則，如圖6所示.圖6中，左上角為純虛擬仿真測試，右下角為純真實環(huán)境測試.通過虛擬仿真與真實硬件、環(huán)境的結(jié)合，既可以滿足測試真實度的要求，又可以兼顧測試效率的要求.越多采用虛擬測試環(huán)境，測試效率就越高，測試成本就越低；越多采用真實測試環(huán)境，測試效率就越低，成本就越高.因此，實際測試過程中，在滿足測試要求的情況下，應(yīng)盡量選擇虛擬仿真測試工具，避免大量使用真實環(huán)境測試.

圖6 測試工具加速[36]

測試工具使用的基本原則在眾多研究項目中均得到體現(xiàn).Eckstein等[37]提出了基于典型場景的循環(huán)迭代模型.該模型充分利用虛擬仿真平臺的高效性，將從自然駕駛數(shù)據(jù)、事故數(shù)據(jù)等初始數(shù)據(jù)中提取的大量用例在虛擬環(huán)境中進行復(fù)現(xiàn)、測試、篩選，然后挑選其中y/x00的典型用例，將這些典型用例經(jīng)硬件在環(huán)測試，再進一步驗證和篩選，得到其中z/y的用例，最后將少量的最為典型的用例在真實環(huán)境中進行驗證.通過以上各個階段的驗證和篩選，可以降低真實環(huán)境的使用，同時滿足功能驗證的需求(見圖7).Tatar等[38]結(jié)合虛擬場景自動生成技術(shù)對該模型進行了改進，在虛擬仿真的測試階段，依賴場景自動產(chǎn)生技術(shù)生成巨量測試場景.PEGASUS項目[17]在此基礎(chǔ)上進一步擴大數(shù)據(jù)的來源，并結(jié)合了專家理論分析產(chǎn)生的場景.

圖7 場景循環(huán)迭代模型示意圖[37]

3.2 測試過程加速

測試過程加速是通過一定手段提高測試執(zhí)行過程的效率.測試過程加速一般依賴于虛擬測試環(huán)境的使用，這主要是由于虛擬測試環(huán)境的特性便于特殊測試條件的實現(xiàn)，進而對測試過程施加影響，因此更容易實現(xiàn)測試過程加速.Zhao[39]提出了自動駕駛汽車的測試加速理論.基于自然駕駛數(shù)據(jù)分析，應(yīng)用重要性抽樣等方法，在虛擬測試環(huán)境中放大危險場景發(fā)生的概率，提高車輛遇到的危險場景的頻次，從而在相同的測試里程下出現(xiàn)更多的危險場景，理想條件下可以縮短測試里程千倍以上.谷歌[20]則通過增加被測對象的數(shù)量來加快測試過程，在搭建的專用虛擬測試環(huán)境中，有25 000輛自動駕駛汽車不間斷行駛，同樣可以實現(xiàn)測試過程的加速.

4 分析與展望

自動駕駛汽車的測試依賴于測試方法、測試工具以及測試加速手段的綜合應(yīng)用，就目前國內(nèi)外研究現(xiàn)狀而言，構(gòu)建包含虛擬測試、硬件在環(huán)、整車在環(huán)和封閉場地形成的測試工具鏈是非常必要的，在選擇測試方法時需要綜合考慮應(yīng)用的測試環(huán)境、測試效率、測試成本等因素。圖8展示了不同測試方法在測試工具中的應(yīng)用以及測試效率.

圖8 測試方法與測試工具的結(jié)合應(yīng)用

從本文的分析來看，現(xiàn)階段自動駕駛汽車測試技術(shù)仍存在許多不足和局限性，主要體現(xiàn)在以下幾個方面：

(1) 測試方法方面.基于用例的測試方法不能完全滿足自動駕駛測試需求.基于場景的測試方法和技術(shù)亟待完善，場景提取、篩選以及測試場景的構(gòu)建是主要問題.現(xiàn)階段公共道路測試主要面臨安全風(fēng)險和法規(guī)約束，同時測試效率低、成本高，開展比較困難.

(2) 測試工具方面.必須構(gòu)建完整的測試工具鏈.目前虛擬仿真測試的主要弊端在于難以正確構(gòu)建傳感器模型，不能處理大尺度地圖和交通流.硬件在環(huán)測試和整車在環(huán)測試應(yīng)用均不成熟，亟待進一步研究.

(3) 測試加速方面.場景的篩選迭代方法是目前測試工具加速的主要應(yīng)用，但篩選過程中場景的取舍缺乏理論支持，存在忽視典型場景的風(fēng)險；通過增加測試對象實現(xiàn)測試過程加速是最直接有效的方式，但需要依托特殊的測試環(huán)境和設(shè)備，利用方法理論進行測試加速仍存在很大的研究空間和可能性.

針對以上應(yīng)用現(xiàn)狀的分析，認為未來自動駕駛汽車測試技術(shù)的發(fā)展重點應(yīng)圍繞以下三個方面：

(1) 測試方法上，需要進一步完善基于場景的測試方法，發(fā)展場景綜合構(gòu)建方法和場景復(fù)雜度評估理論，并建立場景定義標準，以加快場景測試方法的落地應(yīng)用.

(2) 測試工具應(yīng)著力發(fā)展硬件在環(huán)以及整車在環(huán)測試平臺，建立柔性化、可定制，能滿足不同硬件和車輛平臺測試需求的多功能硬件在環(huán)和整車在環(huán)測試平臺.提高虛擬環(huán)境的仿真程度，研究不同環(huán)境影響因素的構(gòu)建方法.

(3) 尋找更多測試加速方法，并探究測試加速的理論依據(jù)以及基于多種測試平臺的測試方法.

成熟的測試技術(shù)可以推動自動駕駛技術(shù)的發(fā)展和進步，反之則會成為測試技術(shù)發(fā)展的瓶頸，從自動駕駛汽車測試的需求出發(fā)，測試方法和測試工具的同步發(fā)展尤為重要，而其中基于場景的測試方法和基于虛擬仿真的硬件在環(huán)、整車在環(huán)測試技術(shù)是根基，將成為自動駕駛汽車測試技術(shù)發(fā)展的核心，是該領(lǐng)域的主要研究方向.