【自动驾驶仿真测试场景】
作者 ：胡说
出品 ：汽车电子与软件
本文内容重点探讨了自动驾驶汽车测试场景的本质、功能及其应用范围、观察角度以及数据来源等关键要素。
01.
场景要素和场景分类
在进行测试场景构建时，首先需要明确测试场景所涵盖的要素。
真实世界的场景多样性丰富多端，在现实中呈现为错综复杂的形态。将场景进行分解分析以获取其实质构成要素，则是实现现实世界场景降维和抽象的关键方法。
为了便于对各要素进行分析与组织, 需要对场景要素实施分类处理. 在不同组织结构的影响下, 场景要素划分呈现出多样化的特征. 基于自动驾驶测试的需求, 场景要素可划分为两类: 环境类与作业类.
基于场景要素的核心属性分析，我们可以将其主要分为静态要素与动态要素两大类；从其空间关系角度展开划分，则可分为道路要素、交通参与者要素以及气象因子等多个维度。这些场景要素构成了测试场景构建的基础性作用，并对其自动驾驶功能的测试与评估具有重要意义；同时，在测评体系中占据重要地位。
完整且系统的测试场景要素主要包括:
特定区域内的固定元素 包括：道路类别、交通标志、地物特征以及固定障碍等。特定时间段内的移动元素 包括实时交通指示设备以及通信网络数据等。
行驶环境中的人行道参与主体 ：包括机动车、非机动车以及行人等不同类别。而待测车辆不归类于此类别中，主要原因在于其行为并非预先定义好。
该行驶环境下的气象因素 ：涵盖太阳辐照度（阳光强弱）、气温（冷热程度）、空气湿度（潮湿程度）以及天气状况（阴晴雨雪）等因素。
车辆的初始状****态： Ego被测车辆的初始状态、目标和行为要素等。
测试场景进行分类。具体分类方法包括以下几类:
将测试场景按照数据来源进行分类。例如自然驾驶数据、危险工况数据以及标准法规等来源构建的测试场景主要针对自动驾驶功能的性能和安全水平进行评估。
根据道路结构层次进行机械能分类，包括基础路网场景、非结构化道路场景、静态场景以及动态场景等多种类型。这些不同级别的测试场景主要服务于功能开发各阶段的需求。
3.按测试场景表征的抽象程度进行分类，如逻辑场景、功能场景、具体场景。
4.按测试场景的应用方式进行分类，如仿真测试场景和场地测试场景等。
5.按测试场景所包含的要素属性特征角度进行分类，如结构化道路场。
02.
测试方法
测试场景研究方法论旨在探讨测试场景的构成部分分类、搭建方式与技术手段以及应用核心技术分析。
2.1测试场景生成步骤
为了实现测试场景构建的目的，需要遵循数据采集、数据的分析与挖掘以及场景生成这三个阶段。这些阶段可以通过虚拟仿真技术和物理测试方法，在实验环境中标示出相应的场景。
2.2测试用例设计理论方法
在测试用例设计理论框架中,其方法种类繁多且各有特点.具体而言,常见的包括正交实验法、边界值分析法、等价类划分法以及判定表法等,其中较为常用的方法还有错误猜测技术.
对比测试 枚举测试 覆盖测试 阿拉斯加测试方法等。
2.3常见测试理论方法
**正交实验法：**这是一种系统化的方法遵循正交表原则来进行测试用例构建过程。该方法通过涵盖不同因素的各种组合情况选择有限数量的测试样本,从而使得所选测试用例数量减少的同时提升了整体效率。
边界值分析法： 边界值分析法是一种基于系统边界的测试用例设计方法。它通过选择系统输入的边界值和特殊值作为测试用例，并以此检验系统的极端情况下的行为特性
等价类划分法： 等价类划分法是一种依据输入数据特性进行分类处理的测试用例设计策略。该方法通过将输入数据分为若干不同的等价类，并选取代表每个类别的测试用例来实现全面覆盖。
判定表法： 判定表法是一种依据系统规则的测试用例设计体系。该方法通过建立一个判断表格来组织系统的输入条件与输出结果，并以此为基础选择相应的测试案例。
错误推测测试技术： 错误推测法是一种基于错误假设的设计模式。它通过模拟系统可能产生的错误行为来设计相应的测试用例用于验证系统的容错能力。
03.
自动驾驶仿真测试的方向
在自动驾驶测试场景的标准化过程中
首先应制定一种通用的数据交换格式或协议,例如采用AVP（自动驾驶验证和验证）数据格式,从而使各采集设备和系统均能按照统一标准输出数据.这样就能使来自不同平台的数据得以相互理解和解析.
-
搭建标准化测试环境库：设立包含各类基础及特殊场景在内的标准化测试环境数据库，并详细说明每个场景所需的关键参数设置，以便在多种测试平台及解决方案中实现复现与验证过程。
-
搭建跨平台数据接口系统：通过开发统一的数据接入与转换工具实现多源数据对接与转换功能，并在不同平台间建立高效交互机制
-
建设一个基于云服务的数据共享平台或数据中心：依托先进的云服务技术, 构建一个安全可靠的云端数据存储与共享中心, 各参与方均可将符合标准的数据接入该平台, 促进数据资源的聚合与共享, 实现数据资产的有效整合与互操作性运营。
-
加强信息安全和个人隐私保护：在保障数据共享的过程中，采用严格的安全加密和脱敏措施以保障敏感信息的安全性，并遵循相关法律法规的要求。
6.主动参与行业组织与联盟：参与国内外自动驾驶技术标准组织与产业联盟，在推动标准化数据交换与接口规范的统一制定中发挥作用，并促进数据在各参与方之间的高效共享与统一管理。
04.
测试场景
将特定研究目标设置在具体情境中的场景被称为测试场景。通过将特定的研究对象置于具体情境中进行观察分析，则有助于形成系统性的研究结论。为了全面考察其行为特征及反应特性，在不同条件下对其运行机制展开深入探究具有重要意义
当场景被用于自动驾驶汽车测试时，则涉及不同场景下的行驶条件，并涵盖被测车辆在上述行驶环境下执行的操作行为。
行驶环境下 涵盖了基本的交通状况及参与者的行为模式。这种状况能够让观察者清晰地反映出真实世界中发生的各类场景及其演变过程
被测车辆 的目标和行为表征为目标和行为，在所指的行驶环境中应完成的任务或预期的目标。
上述两部分共同构成了某种特定测试场景。在该测试场景中，则可对待测车辆的特定功能在行驶环境下的表现进行评估与审查。
4.2 测试场景的作用
改写说明
通过被测车辆在测试场景中的表现，可以对车辆进行验证和评价。
4.3测试场景的尺度
测试场景的描述 即为特定时空范围内所涉及的道路交通状况与被测车辆所进行的各项测试任务。
在测试场景中包含了动态因素
测试场景的时间和空间尺度的大小是依据测试任务而确定的。
就时间维度来说，在突发避障情境下（如紧急避障场景），系统通常持续几秒钟即可完成任务；而在伴随车辆行驶的情况（如跟车行驶场景）下，则可能持续几分钟甚至几个小时的时间。就空间维度而言，在测试区域可能涉及一条道路或由多条道路组成的路网
4.4测试场景的视角
测试场景存在多种视角。
首先是研发人员或场景设计者的视角 。
在该视角下，可获取最完整的信息且为真实信息。该视角主要用以用于测试人员搭建测试场景并对其结果进行评价。
其次是被测车辆的视角 。
从这一角度来看，在这种情况下所掌握的信息显得不够全面。自动驾驶汽车主要依靠车载传感器以及无线通信设备等装置来收集周围行驶环境以及参与者的相关信息，并因此所获得的信息存在一定的局限性和误差性。这种分析角度是从车辆实际运行过程中的具体情况出发所建立的一种分析框架，在研究与分析车辆运行环境及驾驶任务时发挥着关键作用。
最后是其他交通参与者的视角。
如同对被测车辆所处视角而言，在这种情况下可获得的场景信息仍然存在不足之处。基于这一观察框架，则能够系统地评估和分析被测车辆在不同情境下的交通行为表现。
05.
测试场景的数据背景
为了生成测试场景, 可以通过分析与筛选现有的各类交通场景数据, 从而生成相应的测试场景. 同时也可以根据测试需求, 针对相关的理论知识与实践经验, 构建能够真实反映真实交通环境的测试场景.
06.
测试评估
自动驾驶汽车的功能构建与检验构成了较为完整的系统，在该状态下（即功能趋于完善时），则需要对其进行进一步的测试与评价以确保其完整性，并最终形成一个完整的闭环。
测试与评价的主要目标是通过车辆的表现来实现综合性能分析。以测试场景为基础的方法是一种重要途径来实现这一目标。
6. 1特性场景测试
通过选择并搭建能够体现车辆特定性能的场景, 设计科学的测试方案, 可以针对自动驾驶汽车的各项技术特性, 如其各项技术特性包括但不限于行驶自主能力、安全防护水平、经济运行效率以及乘坐舒适度等关键指标, 进行系统性的综合评测
6.2检测与认证
针对测试场景的检测与认证是非常必要的。通过选择或构建典型测试场景来考察自动驾驶汽车在各种交通情况下的行为，并经过检测与认证后能够证明该车能否应对多种真实场景并规避风险。
6.3测试场景需要满足的要求
为适应以上不同测试阶段、不同测试目标的使用场景，测试场景应符合以下条件：
可界定、可调整、可分解、通用性多用途、可复制、可组合、可编码。
可量化：场景中包含的各类要素所表现的特征是可以被量化的（如道路的几何形状和线型特征），包括静态要素的大 小和位置以及动态要素的行为特性和初始状态等。通过量化描述这些要素的具体数值或属性信息等特性参数值等数据形式等信息形式组合的方式实现对场景的关键属性进行表征；通过量化能够提高测试场景的具体化程度以及准确性水平；通过量化能够确保测试结果具有良好的可比性与一致性要求的同时也能够提高测试效率；通过量化能够让相关方根据具体需求选择合适的量测手段并据此制定相应的量测方案进而实现对场景关键属性值的有效获取与评估；通过量化能够让相关方基于获取到的关键属性值对整个测试过程中的关键环节进行有效的验证与确认从而实现对整个测试方案的有效支撑；通过量化能够让相关方基于获取到的关键属性值对整个测试过程中的关键环节进行有效的验证与确认从而实现对整个测试方案的有效支撑；通过量化能够让相关方基于获取到的关键属性值对整个测试过程中的关键环节进行有效的验证与确认从而实现对整个测试方案的有效支撑
可界定 :对于测试场景的构建，可以通过自然或机器语言及图形的方式。
多用途 :测试场景需具备多样化的适用性，并不仅在自动驾驶汽车上路前，在整个开发过程中均需考虑其适用范围。不同的测试场景不仅能够评估自动驾驶汽车的各项性能指标，并且需要通过系统化的方法明确每个测试场景的功能和阶段以便于后续的描述和界定工作。通过这样的系统化方法能够帮助测试人员高效地设置相应的测试条件并确保所有关键性能指标都能得到充分验证
可调 :在应用过程中, 测试场景必须具备调节性的特点. 主要表现在能够根据需要对构成测试场景的要素进行相应的设置和修改. 具体来说, 在设计和实施阶段, 我们需要能够根据项目需求灵活地设定各要素的具体参数和配置情况.
可复制 :测试场景应具备可重复设置和使用的特点。具体而言，在同一辆自动驾驶汽车在测试中需要进行多次重复运行;而对于多辆不同汽车的功能指标对比测试，则要求测试场域具有高度的一致性和复现性能力。
可分解 :测试场域能够分解生成基础单元场域。这一场域概念反映了时间与空间维度内要素及其对自动驾驶汽车行为影响的综合状态;从多维度分析场域构成成分时会发现其包含多个独立的基本单元场域。
可组合 :场域中的各类要素能够经过拆分重组后形成更多样化的新场域;这种操作不仅能够拓展应用场景范围,还能丰富整体测试选择;同时各场域之间也存在良好的组合性,可以通过组合形成更具集成功能的新场域,从而提高操作连贯性水平。
通用性 :场域应用应具备统一标准格式进行存储与管理流程。为此,各采集平台和技术方案必须实现数据互通互认;通过建立统一的数据标准,确保各系统间信息共享效率最大化,从而有效降低开发成本并优化运营模式;最终实现标准化作业流程下的高效应用扩展目标
| 可界定 | 可调整 | 可分解 | 通用性 |
|---|---|---|---|
| 多用途 | 可复制 | 可组合 | 可编码 |
| 需求标准+测试因素+高精度地图+场景编辑=测试场景 |
|---|
07.
测试场景数据来源
7.1测试****场景需要来源
测试场景需求源于自动驾驶汽车的开发与验证、测试与评价以及检测与认证三个阶段
7.2测试场景的阶段性特点****
每个阶段对测试场景的具体要求各不相同，在技术规格中对测试场景提出了以下特点：具备可量化的属性、具有可操作性的能力、具备仿真特性和普遍适用的特点。
7.3测试场景数据基于实际交通
在搭建自动驾驶汽车测试场景的过程中，在实际-world traffic scenarios的基础上进行数据收集，并覆盖多样化的交通环境情况。通过对现有数据或理论知识进行分析与筛选，在系统中构建一个能够真实反映出各种交通环境下测试场景的系统结构。
原文链接：
一篇深度解析智能驾驶模拟测试环境