自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫體系建設(shè)方法綜述

摘 要：基于自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫可以有效加速測(cè)試進(jìn)度，提高測(cè)試的安全性和覆蓋度。對(duì)自動(dòng)駕駛中的場(chǎng)景進(jìn)行分析，論述了相關(guān)的場(chǎng)景定義、場(chǎng)景元素以及場(chǎng)景來源；對(duì)場(chǎng)景中的數(shù)據(jù)處理、特征提取、場(chǎng)景聚類進(jìn)行描述，總結(jié)提出自動(dòng)駕駛測(cè)試仿真場(chǎng)景庫的體系搭建方法，并對(duì)未來發(fā)展趨勢(shì)作了相關(guān)預(yù)期分析，可以為自動(dòng)駕駛測(cè)試開發(fā)提供參考和借鑒。

關(guān)鍵詞：自動(dòng)駕駛；仿真測(cè)試；場(chǎng)景庫體系；綜述

中圖分類號(hào)：U461.91 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1671-5276（2024）04-0271-05

Summary of Construction Method of Scene Library System Based on Automatic Driving Simulation Test

LIAO Yuan，CHU Guanyao，CHENG Qian

（China Automotive Engineering Research Institute Co.， Ltd.， Chongqing 401122， China）

Abstract：Since scene library based on automatic driving simulation test can effectively accelerate the test progress and improve the safety and coverage of the test， this paper analyzes the scene in automatic driving， discusses the relevant scene definition， scene elements and scene sources， describes the data processing， feature extraction and scene clustering in the scene， summarizes and proposes the system construction method of the simulation scene library of automatic driving test， and looks forward the trend of future development， which can be reference and lesson for the development of automatic driving test.

Keywords：autonomous driving; simulation test; scene library system; summarize

0 引言

自動(dòng)駕駛技術(shù)發(fā)展日益精進(jìn)，但其商業(yè)化落地需要經(jīng)過大量的測(cè)試驗(yàn)證。傳統(tǒng)的測(cè)試方法主要是利用搭載自動(dòng)駕駛功能的實(shí)車進(jìn)行道路測(cè)試。這種模式時(shí)間久、成本高、測(cè)試覆蓋度低，并且受到較多的限制，無法進(jìn)行極端邊界方面的測(cè)試^[1]。由此可見，單純依靠實(shí)車測(cè)試具有較大的局限性，不利于快速驗(yàn)證自動(dòng)駕駛功能的可靠性。針對(duì)實(shí)車測(cè)試的不足之處，仿真測(cè)試可以在實(shí)車測(cè)試之前進(jìn)行大量的虛擬測(cè)試，有效加速自動(dòng)駕駛技術(shù)開發(fā)，這使得仿真測(cè)試技術(shù)日益受到業(yè)界的關(guān)注和重視，國(guó)內(nèi)外科技公司、車企和高校均積極開展仿真測(cè)試場(chǎng)景方面的研究^[2]。

從目前仿真測(cè)試發(fā)展趨勢(shì)來看，仿真測(cè)試逐漸向以下幾個(gè)方面發(fā)展。1）基于云平臺(tái)的高并發(fā)測(cè)試、加速測(cè)試。云平臺(tái)具備海量數(shù)據(jù)存儲(chǔ)、處理和管理的能力，支持大規(guī)模仿真構(gòu)建，覆蓋海量駕駛場(chǎng)景；可有效建立城市級(jí)地理信息+虛擬交通流信息，可實(shí)現(xiàn)跨專業(yè)多用戶信息交互與共享。2）功能安全場(chǎng)景庫、V2X場(chǎng)景庫以及預(yù)期功能安全場(chǎng)景庫成為場(chǎng)景庫建設(shè)的重點(diǎn)內(nèi)容。3）不同廠商采用統(tǒng)一數(shù)據(jù)格式標(biāo)準(zhǔn)，共建基礎(chǔ)場(chǎng)景庫，形成通用的、可移植的模式。4）隨著車輛網(wǎng)聯(lián)化程度持續(xù)滲透，信息安全方向的驗(yàn)證測(cè)試與評(píng)價(jià)也必然是自動(dòng)駕駛仿真測(cè)試的一個(gè)重要模塊。

自動(dòng)駕駛場(chǎng)景中人-車-路-環(huán)境之間的相互作用可以從時(shí)間、空間的維度來分析，這是一個(gè)復(fù)雜的動(dòng)態(tài)關(guān)系模型，而基于這種關(guān)系模型形成的場(chǎng)景集是自動(dòng)駕駛仿真測(cè)試開發(fā)的基礎(chǔ)。但是，現(xiàn)實(shí)世界中的場(chǎng)景具有無限豐富、極其復(fù)雜、不可預(yù)測(cè)等特點(diǎn)，在虛擬環(huán)境中要完全復(fù)現(xiàn)這些場(chǎng)景是十分困難的。如何利用有限的測(cè)試場(chǎng)景去映射出無限豐富的世界是實(shí)現(xiàn)自動(dòng)駕駛測(cè)試驗(yàn)證的關(guān)鍵?；趫?chǎng)景庫的仿真測(cè)試是目前解決自動(dòng)駕駛路測(cè)數(shù)據(jù)匱乏的重要路線。場(chǎng)景庫中的測(cè)試場(chǎng)景對(duì)現(xiàn)實(shí)世界的覆蓋率越高，仿真測(cè)試結(jié)果的準(zhǔn)確性就越高。

為了解決傳統(tǒng)道路測(cè)試的一系列局限性問題，本文基于國(guó)內(nèi)外自動(dòng)駕駛仿真測(cè)試研究狀況，在第1節(jié)中針對(duì)場(chǎng)景作為自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫的主體進(jìn)行了多維度的描述，介紹了場(chǎng)景定義、場(chǎng)景元素以及場(chǎng)景的數(shù)據(jù)來源等內(nèi)容；在第2節(jié)中梳理了常見的數(shù)據(jù)處理方式，包括數(shù)據(jù)預(yù)處理、場(chǎng)景特征提取、場(chǎng)景聚類分析等；在第3節(jié)中總結(jié)歸納了自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫體系的搭建方法、分布式架構(gòu)以及基于場(chǎng)景的V字開發(fā)模型；在第4節(jié)中針對(duì)目前自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫的開發(fā)提出了研究方向及展望。

1 自動(dòng)駕駛仿真測(cè)試場(chǎng)景

1.1 場(chǎng)景定義

目前在自動(dòng)駕駛領(lǐng)域場(chǎng)景的定義尚未統(tǒng)一，ULBRICH等^[3]認(rèn)為場(chǎng)景是按照時(shí)間序列進(jìn)行發(fā)展的事件集合，全部場(chǎng)景均在同一個(gè)初始化時(shí)間序列的環(huán)境中進(jìn)行。GO等^[4]認(rèn)為場(chǎng)景是由參與者、背景信息和行動(dòng)或事件順序構(gòu)成的時(shí)間序列，簡(jiǎn)而言之，任何領(lǐng)域的場(chǎng)景要素都是一樣的，但是場(chǎng)景的使用卻大不相同。MENZEL 等^[5]將自動(dòng)駕駛場(chǎng)景分為3類，即功能場(chǎng)景、邏輯場(chǎng)景、具體場(chǎng)景。朱冰等^[6]認(rèn)為場(chǎng)景的本質(zhì)是自動(dòng)駕駛車輛在每個(gè)行駛時(shí)間戳與環(huán)境的動(dòng)態(tài)組合。

上述研究中對(duì)場(chǎng)景的核心認(rèn)知具有一致性，即場(chǎng)景包含測(cè)試車輛、其他交通參與者以及車輛環(huán)境，并且相互之間具有交互行為。由此可見，場(chǎng)景是時(shí)間序列中測(cè)試車輛和周圍環(huán)境各元素動(dòng)態(tài)組合的描述，其具有無限豐富、難以預(yù)測(cè)、不可窮盡等特點(diǎn)。

1.2 場(chǎng)景元素

對(duì)于場(chǎng)景元素的內(nèi)容和類型，各研究主體提出的定義也有所差異。SAUERBIER 等^[7]認(rèn)為場(chǎng)景元素包括測(cè)試車輛、交通環(huán)境元素、駕駛?cè)蝿?wù)信息和特定駕駛行為。GEYER等^[8]提出場(chǎng)景元素包括預(yù)定駕駛?cè)蝿?wù)、靜態(tài)場(chǎng)景元素和動(dòng)態(tài)場(chǎng)景元素。GROH等^[9]將場(chǎng)景元素分為靜態(tài)元素、動(dòng)態(tài)元素和環(huán)境元素。

自動(dòng)駕駛測(cè)試車輛在行駛過程中會(huì)對(duì)周圍場(chǎng)景元素產(chǎn)生影響，同樣，周圍場(chǎng)景元素也會(huì)反過來影響測(cè)試車輛，即車輛本身屬性對(duì)場(chǎng)景構(gòu)成具有重大影響。對(duì)此，本文梳理了圖1所示的場(chǎng)景元素分類框架，將場(chǎng)景元素概括為兩大類：車輛和環(huán)境。其中，環(huán)境包括氣象、靜態(tài)環(huán)境、動(dòng)態(tài)環(huán)境和交通參與者；車輛包括靜態(tài)屬性、動(dòng)態(tài)屬性、駕駛?cè)蝿?wù)。

1.3 場(chǎng)景數(shù)據(jù)來源

目前國(guó)內(nèi)外已有部分機(jī)構(gòu)收集了相關(guān)數(shù)據(jù)，形成了仿真測(cè)試場(chǎng)景庫。美國(guó) NHTSA、德國(guó)KITTI、國(guó)內(nèi)的騰訊TAD Sim、百度 Apollo 等都為自動(dòng)駕駛測(cè)試開發(fā)了專門的場(chǎng)景數(shù)據(jù)收集系統(tǒng)，為仿真場(chǎng)景搭建提供數(shù)據(jù)支撐。仿真測(cè)試場(chǎng)景就數(shù)據(jù)來源來說，主要有真實(shí)數(shù)據(jù)和仿真數(shù)據(jù)^[10]，如圖2所示。

1）真實(shí)數(shù)據(jù)

自然駕駛數(shù)據(jù)、事故數(shù)據(jù)以及測(cè)試數(shù)據(jù)都可以作為真實(shí)數(shù)據(jù)來源。自然駕駛數(shù)據(jù)和事故數(shù)據(jù)作為真實(shí)數(shù)據(jù)的最常見形式，在研究中占有較大的比重。

自然駕駛數(shù)據(jù)一般是通過車載設(shè)備采集得到的^[11]，比如攝像頭、導(dǎo)航設(shè)備、雷達(dá)等傳感器在車輛正常行駛時(shí)采集數(shù)據(jù)。常見的自動(dòng)駕駛數(shù)據(jù)采集環(huán)境包括城市道路、高速道路等。

事故數(shù)據(jù)一般是從國(guó)家交通事故中進(jìn)行人為分析篩選得到的。目前許多國(guó)家和相關(guān)機(jī)構(gòu)都形成了一些交通事故數(shù)據(jù)庫，比如美國(guó)國(guó)家公路交通安全管理局的GES數(shù)據(jù)庫、德國(guó)的GIDAS 深度事故數(shù)據(jù)庫、國(guó)內(nèi)中汽技術(shù)研究中心的CIDAS事故數(shù)據(jù)庫。

2）仿真數(shù)據(jù)

仿真數(shù)據(jù)主要是指駕駛模擬器和軟件仿真形成的數(shù)據(jù)。

駕駛模擬器可以在仿真軟件中由真實(shí)測(cè)試人員駕駛來進(jìn)行數(shù)據(jù)采集，既有安全性又能保證一定的真實(shí)性。仿真軟件則是人為設(shè)定駕駛?cè)蝿?wù)，讓虛擬測(cè)試車輛在仿真環(huán)境下行駛，從而收集相關(guān)數(shù)據(jù)。仿真環(huán)境建立的核心是交通流建模和周圍靜態(tài)道路建模。

2 場(chǎng)景數(shù)據(jù)處理

要使用不同來源的數(shù)據(jù)進(jìn)行仿真場(chǎng)景庫建設(shè)的前提就是進(jìn)行數(shù)據(jù)處理，場(chǎng)景數(shù)據(jù)處理的關(guān)鍵是提取體現(xiàn)目標(biāo)場(chǎng)景的特征元素。

德國(guó)PEGASUS項(xiàng)目中形成了自動(dòng)駕駛場(chǎng)景仿真數(shù)據(jù)處理的完整流程^[12]：數(shù)據(jù)生成—數(shù)據(jù)格式檢查—信息標(biāo)注—場(chǎng)景關(guān)聯(lián)度分析—場(chǎng)景發(fā)生概率分析—數(shù)字化聚類分析—生成測(cè)試場(chǎng)景。

百度Apollo對(duì)場(chǎng)景聚類方法進(jìn)行分析，提出了場(chǎng)景數(shù)據(jù)清洗、場(chǎng)景元素分析、數(shù)字化聚類等操作^[13]?；趪?guó)內(nèi)外對(duì)自動(dòng)駕駛場(chǎng)景數(shù)據(jù)的處理方法，可以得出數(shù)據(jù)處理過程主要包括數(shù)據(jù)預(yù)處理、特征提取、聚類分析。

2.1 數(shù)據(jù)預(yù)處理

不同數(shù)據(jù)來源的數(shù)據(jù)自然有格式、單位上的差異，并且原始數(shù)據(jù)也包括一些無效、錯(cuò)位的數(shù)據(jù)。因此有必要對(duì)傳感器收集的數(shù)據(jù)進(jìn)行清洗。

數(shù)據(jù)清洗主要是對(duì)冗余、缺失、異常的數(shù)據(jù)進(jìn)行數(shù)據(jù)修復(fù)，目前的數(shù)據(jù)清洗一般是算法加人工輔助的方式，數(shù)據(jù)清洗應(yīng)當(dāng)在滿足數(shù)據(jù)要求質(zhì)量的前提下盡可能降低清洗代價(jià)。設(shè)C_ost（x）和C_ost（s）分別表示單個(gè)數(shù)據(jù)元組和整個(gè)數(shù)據(jù)集的清洗代價(jià)，其數(shù)據(jù)表達(dá)式如下：

式中：x為分組后的單個(gè)數(shù)據(jù)元組；t_i是數(shù)據(jù)要素；t′_i是修復(fù)后數(shù)據(jù)要素；D是t_i與t′_i之間的距離；s是所有數(shù)據(jù)元組總和；φ（x）是x與全部數(shù)據(jù)元組總和的比。

2.2 特征提取

清洗后的數(shù)據(jù)要通過特征提取才能對(duì)場(chǎng)景進(jìn)行解耦。文獻(xiàn)[14]基于特征變量的統(tǒng)計(jì)分布，選擇某些場(chǎng)景組成要素，比如道路類型、車速等。文獻(xiàn)[15]選擇光照、道路類型等特征要素。目前對(duì)場(chǎng)景特征元素的提取都是根據(jù)主觀需求來確定，缺乏客觀依據(jù)。文獻(xiàn)[16]根據(jù)事故場(chǎng)景選擇對(duì)事故有影響的要素進(jìn)行多元 Logistics 回歸模型，其模型如下。

式中：Y表示事故場(chǎng)景的影響程度，其取值為i=1，2，3，…，A－1；α和β分別為回歸模型的截距和系數(shù)；X為影響事故程度的變量，N為變量X的數(shù)量。

2.3 聚類分析

由于各個(gè)特征要素之間單位各不相同，因此在聚類分析前需要進(jìn)行特征變量設(shè)置^[17]。根據(jù)特征變量的表現(xiàn)形式可以進(jìn)行靜態(tài)和動(dòng)態(tài)處理，靜態(tài)處理用常量表示狀態(tài)，比如天氣的晴和雨可以分別用0和1表示；動(dòng)態(tài)處理即元素狀態(tài)時(shí)刻發(fā)生改變，無法以常數(shù)表示，比如測(cè)試車速和目標(biāo)速度采用極差標(biāo)準(zhǔn)化來處理，可以使得動(dòng)態(tài)變量取值在0～1之間，標(biāo)準(zhǔn)化后的變量z_xy的計(jì)算表達(dá)式如下^[18]。

式中：i表示數(shù)據(jù)樣本數(shù)量；y表示單個(gè)數(shù)據(jù)樣本特征變量個(gè)數(shù)。

對(duì)場(chǎng)景特征進(jìn)行數(shù)字化后進(jìn)行聚類分析。聚類分析的核心就是將相似度較高的對(duì)象或者元素分為一類，相似度較低的元素進(jìn)行拆分^[19]。聚類算法的主要流程如圖3所示。

3 仿真場(chǎng)景庫建設(shè)

仿真場(chǎng)景庫建設(shè)應(yīng)當(dāng)滿足自動(dòng)駕駛各個(gè)級(jí)別（L0—L5）測(cè)試需求^[20]，并符合以下要求。1）覆蓋面廣，包含自然駕駛場(chǎng)景、標(biāo)準(zhǔn)法規(guī)場(chǎng)景、功能安全場(chǎng)景、危險(xiǎn)場(chǎng)景、參數(shù)重組場(chǎng)景等場(chǎng)景，最大程度覆蓋現(xiàn)實(shí)世界可能出現(xiàn)的駕駛場(chǎng)景。2）擴(kuò)展性強(qiáng)，針對(duì)指定場(chǎng)景要素自動(dòng)進(jìn)行場(chǎng)景泛化處理，批量化生成測(cè)試用例。3）場(chǎng)景數(shù)量多，場(chǎng)景數(shù)量規(guī)模超過百萬級(jí)。4）兼容性好，支持各大主流仿真平臺(tái)和軟件。

3.1 場(chǎng)景庫體系搭建

自動(dòng)駕駛場(chǎng)景搭建流程如圖4所示，整個(gè)搭建過程由數(shù)據(jù)層貫穿到場(chǎng)景層^[21]。

1）數(shù)據(jù)層通過實(shí)車測(cè)試、仿真軟件采集構(gòu)建場(chǎng)景需要的數(shù)據(jù)源，然后對(duì)數(shù)據(jù)進(jìn)行冗余、確實(shí)、異常等預(yù)處理操作，最后將數(shù)據(jù)格式和參數(shù)統(tǒng)一化。

2）場(chǎng)景層將接受到的數(shù)據(jù)層數(shù)據(jù)進(jìn)行特征提取、數(shù)字化設(shè)置形成場(chǎng)景集，然后基于聚類處理形成多種邏輯場(chǎng)景，最后由仿真軟件構(gòu)建大量的具體場(chǎng)景形成場(chǎng)景庫。

3.2 分布式架構(gòu)

從數(shù)據(jù)—場(chǎng)景—場(chǎng)景庫的流程來看，整個(gè)數(shù)據(jù)系統(tǒng)要滿足數(shù)據(jù)處理、場(chǎng)景生成等要求^[22]，這些核心功能的實(shí)現(xiàn)需要依賴海量存儲(chǔ)和并行計(jì)算技術(shù)，單節(jié)點(diǎn)無法承擔(dān)海量數(shù)據(jù)和高性能并發(fā)的需求，需要將場(chǎng)景庫設(shè)計(jì)為多節(jié)點(diǎn)共分擔(dān)任務(wù)的架構(gòu)。這就需要采用分布式架構(gòu)，降低單個(gè)服務(wù)器的壓力，實(shí)現(xiàn)低時(shí)延、高可靠，其整體架構(gòu)設(shè)計(jì)如圖5所示。

3.3 基于場(chǎng)景庫的V字開發(fā)模型

自動(dòng)駕駛技術(shù)的演進(jìn)使得測(cè)試場(chǎng)景變得無限豐富，在道路測(cè)試中無法做到全覆蓋，如圖6所示，基于場(chǎng)景庫的開發(fā)模型具有更好的優(yōu)勢(shì)^[23]，其涵蓋虛擬測(cè)試和實(shí)車測(cè)試。虛擬測(cè)試包括模型在環(huán)測(cè)試（MIL）、駕駛員在環(huán)測(cè)試（DIL）、硬件在環(huán)測(cè)試（HIL）、車輛在環(huán)測(cè)試（VIL），實(shí)車測(cè)試包括封閉和開放道路測(cè)試^[24]。

4 結(jié)論及其展望

面對(duì)自動(dòng)駕駛技術(shù)的迭代演進(jìn)，自動(dòng)駕駛測(cè)試面臨諸多挑戰(zhàn)，開發(fā)仿真測(cè)試場(chǎng)景庫是自動(dòng)駕駛商業(yè)化落地的有效基石。目前國(guó)內(nèi)的研究人員也對(duì)仿真測(cè)試做了大量的研究，許多國(guó)內(nèi)公司正在逐步開發(fā)并完善自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫，以期應(yīng)對(duì)未來自動(dòng)駕駛測(cè)試需求。從當(dāng)前來看，仿真測(cè)試場(chǎng)景庫開發(fā)具有潛在的挖掘研究空間，可以從以下幾個(gè)方面著手。

1）開發(fā)國(guó)產(chǎn)仿真軟件。仿真技術(shù)是場(chǎng)景庫開發(fā)的重要環(huán)節(jié)，直接對(duì)仿真逼真度產(chǎn)生影響，但目前場(chǎng)景仿真技術(shù)難度大、成本較高，缺乏對(duì)中國(guó)典型場(chǎng)景的仿真測(cè)試，國(guó)外仿真軟件無法覆蓋中國(guó)道路場(chǎng)景特色，未來可以基于國(guó)內(nèi)仿真需求，開發(fā)中國(guó)特色的仿真軟件。

2）覆蓋邊緣極限場(chǎng)景。目前對(duì)正常駕駛場(chǎng)景的仿真較為常見，可以滿足基本的測(cè)試需求，但由于邊界場(chǎng)景數(shù)據(jù)源缺乏且構(gòu)建困難，邊緣極限場(chǎng)景豐富度尚有欠缺，而此類場(chǎng)景體現(xiàn)了整個(gè)仿真場(chǎng)景庫的完整度。需要針對(duì)此挑戰(zhàn)，以構(gòu)建邊界場(chǎng)景為目標(biāo)，衍生開發(fā)多種邊界場(chǎng)景。

3）提高場(chǎng)景生成和提取效率。由數(shù)據(jù)庫到場(chǎng)景庫的過程核心是實(shí)現(xiàn)場(chǎng)景庫的生成和測(cè)試過程的場(chǎng)景提取，由于場(chǎng)景生成過程較為復(fù)雜并且數(shù)據(jù)庫的規(guī)模龐大，導(dǎo)致其耗時(shí)久、效率低，為了進(jìn)一步提高測(cè)試效率，未來可以借助分布式加速引擎開發(fā)，加速場(chǎng)景生成和提取過程。

參考文獻(xiàn)：

[1] 馬依寧，姜為，吳靖宇，等. 基于不同風(fēng)格行駛模型的自動(dòng)駕駛仿真測(cè)試自演繹場(chǎng)景研究[J]. 中國(guó)公路學(xué)報(bào)，2023，36（2）：216-228.

[2] 李平飛，金思雨，胡文浩，等. 用于自動(dòng)駕駛仿真測(cè)試的車—車事故場(chǎng)景復(fù)雜度評(píng)價(jià)[J]. 汽車安全與節(jié)能學(xué)報(bào)，2022，13（4）：697-704

[3] ULBRICH S，MENZEL T，RESCHKA A，et al. Defining and substantiating the terms scene，situation，and scenario for automated driving[C]//2015 IEEE 18th International Conference on Intelligent Transportation Systems. Gran Canaria，Spain：IEEE，2015：982-988.

[4] GO K，CARROLL J M. The blind men and the elephant[J]. Interactions，2004，11（6）：44-53.

[5] MENZEL T，BAGSCHIK G，MAURER M. Scenarios for development，test and validation of automated vehicles[C]//2018 IEEE Intelligent Vehicles Symposium （IV）. Changshu，China：IEEE，2018：1821-1827.

[6] 朱冰，張培興，趙健，等. 基于場(chǎng)景的自動(dòng)駕駛汽車虛擬測(cè)試研究進(jìn)展[J]. 中國(guó)公路學(xué)報(bào)，2019，32（6）：1-19.

[7] SAUERBIER J，BOCK J，WEBER H，et al. Definition of scenarios for safety validation of automated driving functions[J]. ATZ Worldwide，2019，121（1）：42-45.

[8] GEYER S，BALTZER M，F(xiàn)RANZ B，et al. Concept and development of a unified ontology for generating test and use-case catalogues for assisted and automated vehicle guidance[J]. IET Intelligent Transport Systems，2014，8（3）：183-189.

[9] GROH K，KUEHBECK T，F(xiàn)LEISCHMANN B，et al. Towards a scenario-based assessment method for highly automated driving functions[Z].[S.I.：s.n.]，2017.

[10] BATSCH F，KANARACHOS S，CHEAH M，et al. A taxonomy of validation strategies to ensure the safe operation of highly automated vehicles[J]. Journal of Intelligent Transportation Systems，2022，26（1）：14-33.

[11] 朱西產(chǎn)，劉智超，李霖. 基于自然駕駛數(shù)據(jù)的駕駛員緊急變道行為開環(huán)模型[J]. 汽車安全與節(jié)能學(xué)報(bào)，2015，6（4）：328-332.

[12] PARK M K，LEE S Y，KWON C K，et al. Design of pedestrian target selection with funnel map for pedestrian AEB system[J]. IEEE Transactions on Vehicular Technology，2017，66（5）：3597-3609.

[13] 劉杰. Apollo開放平臺(tái)的創(chuàng)新實(shí)踐[J]. 軟件和集成電路，2018（7）：38-39.

[14] 蘇江平，陳君毅，王宏雁，等. 基于中國(guó)危險(xiǎn)工況的行人交通沖突典型場(chǎng)景提取與分析[J]. 交通與運(yùn)輸，2017，33（增刊1）：209-214.

[15] 胡林，易平，黃晶，等. 基于真實(shí)事故案例的自動(dòng)緊急制動(dòng)系統(tǒng)兩輪車測(cè)試場(chǎng)景研究[J]. 汽車工程，2018，40（12）：1435-1446.

[16] 徐向陽，周兆輝，胡文浩，. 基于事故數(shù)據(jù)挖掘的AEB路口測(cè)試場(chǎng)景[J]. 北京航空航天大學(xué)學(xué)報(bào)，2020，46（10）：1817-1825.

[17] 康誠(chéng)，嚴(yán)欣，唐曉峰. 智能網(wǎng)聯(lián)汽車自動(dòng)駕駛仿真測(cè)試技術(shù)研究綜述[J]. 時(shí)代汽車，2022（22）：4-6.

[18] 蔣燕. 自動(dòng)駕駛仿真測(cè)試的關(guān)鍵場(chǎng)景生成工具設(shè)計(jì)與實(shí)現(xiàn)[D]. 南寧：廣西大學(xué)，2022.

[19] 鄢繼仁. 面向自動(dòng)駕駛仿真測(cè)試的動(dòng)態(tài)場(chǎng)景描述語言設(shè)計(jì)與實(shí)現(xiàn)[D]. 南寧：廣西大學(xué)，2022.

[20] 羅鐘林. 基于實(shí)時(shí)交通流映射的實(shí)車在環(huán)智能網(wǎng)聯(lián)汽車仿真系統(tǒng)研究[D]. 成都：電子科技大學(xué)，2022.

[21] 上官偉，李鑫，曹越， 等. 基于虛實(shí)結(jié)合的自動(dòng)駕駛仿真測(cè)試技術(shù)與應(yīng)用[C]//第十六屆中國(guó)智能交通年會(huì)科技論文集.長(zhǎng)沙：[s.n.]，2021：490-499.

[22] 曾德松，高琛，譚北海，等. 自動(dòng)駕駛仿真測(cè)試場(chǎng)景庫構(gòu)建研究[J]. 現(xiàn)代計(jì)算機(jī)，2021，27（31）：1-12，32.

[23] 王潤(rùn)民，趙祥模，徐志剛，等. 一種自動(dòng)駕駛整車在環(huán)虛擬仿真測(cè)試平臺(tái)設(shè)計(jì)[J]. 汽車技術(shù)，2022（4）：1-7.

[24] 王鳳嬌，宗巖，靳志剛，等. 自動(dòng)駕駛仿真測(cè)試場(chǎng)景設(shè)計(jì)[J]. 科學(xué)技術(shù)創(chuàng)新，2020（29）：100-101.

收稿日期：2023-02-09