一文读懂自动驾驶仿真测试场景与场景库

引言

据美国兰德公司的研究显示：从统计学的角度来看，在真实环境或虚拟环境下完成至少1.1×10^9英里数目的里程测试是实现自动驾驶技术比传统驾驶员更为可靠的必要条件；然而基于单一里程数目的测试存在周期长、效率低和成本高等缺点；因此仅依靠基于里程数目的测试方法显然无法满足商业化应用的需求；而仿真场景下的仿真测试对于实现这一目标至关重要

现实世界的多样性、高度复杂性和随机性特点明显，在虚拟环境中复制这些特征却极为困难；通过少量的测试场景来对应无限丰富的世界是实现自动驾驶验证的关键问题之一。依赖于仿真测试的方法在应对自动驾驶路测数据不足方面起到了关键作用。当 scene 库中的 test coverage 越高时, simulation test accuracy 就会相应提升。

最近这段时间里,笔者对测试场景及场景库的学习体会进行了总结,并将这些内容整理出来分享给各位读者.如有表述不当或谬误之处,请各位大神不吝赐教.

第一部分：测试场景

1.1 测试场景定义及作用

自动驾驶测试场景： 具体表现为自动驾驶汽车在特定时间段内与行驶环境中的其他车辆、道路设施、交通状况等要素之间发生的综合互动过程的一种整体动态描述。这种情景既包括各类实体要素本身的特点,也涵盖它们所从事的具体动作及其相互联系,并形成了完整的互动关系网络。

测试场景的作用： 在自动驾驶汽车设计、研发、测试和评价中扮演重要角色

开展自动驾驶汽车测试评价的重要前提；

针对不同场景设计的自动驾驶汽车测试方案旨在完成快速启动和紧急制动等关键环节的综合评估。

评估、考察和审查自动驾驶功能与性能是其关键步骤，在整个自动驾驶车辆研发测试周期中贯穿于其中。

1.2 测试场景要素

测试场景的关键因素

检测车辆本体特征：涉及检测车辆的基本参数、空间位置数据、动态行为参数及驾驶操作指令等各项核心要素。

2）静态环境要素： 指交通环境中静止状态的物体。

包括 ：道路、交通设施、周围景观以及障碍物等。

3）动态环境要素： 指交通环境中处于动态变化的要素。

包括： 动态指示设施 和 通信环境信息。

4）交通参与者要素：由在自动驾驶测试场景中被用于影响本车决策规划的对象信息所构成。

包括： 车辆、行人和动物。

5）气象要素： 包括驾驶场景中的环境温度、光照条件以及天气情况等信息。

1.3 测试场景的常见分类

1）按照场景的抽象程度可分为 ：功能场景、逻辑场景、具体场景

不同类型场景的抽象等级和场景数量关系

三者之间的关系：

自动驾驶系统开发将经过三个关键阶段：概念设计阶段、系统集成阶段以及测试验证阶段；随着系统构建过程不断推进，在此过程中对测试用例抽象度的需求逐步提升的同时，在保证现有能力基础上测试用例数量的需求也在持续增长。通过将结构化的功能用例与参数范围相结合的方式能够生成相应的逻辑用例；其中参数范围可以通过数据驱动方法来进行定义规划。每一个具体的逻辑用例都可以通过从参数范围内选取特定值来转化为具体的实施方案或执行方案。

a.功能场景

• 基于语义的最高层次的操作情景具体而言，在这种情况下我们使用语言情景符号来表征情景区域内所有的实体并明确它们之间的相互关联关系；

在概念阶段中被用来进行项目定义、危险分析和风险评估的功能场景，在测试过程中通常会将功能场景变换成逻辑场景，并进一步将其转化为适用于特定仿真环境的数据格式。

b.逻辑场景

• 通过定义状态空间内变量的参数范围来表达实体特征和实体间的关系；

基于状态空间变量的功能场景进一步细化而形成逻辑场景，在项目开发阶段被用作需求生成工具；对于任何一个具有连续取值范围的逻辑情境，则均可衍生出数量无限的具体情况。

c.具体场景

通过设定状态空间中每个参数的具体值来明确阐述实体及其关系；基于此分析表明，在这种情况下系统能够准确识别异常行为。

具体场景可以直接对应为测试用例；针对具体场景需明确被测对象应执行的行为规范和相应的测试设备要求。

2. 基于测试场景数据来源的分类： 自然驾驶情形、复杂工况情形、法规标准适用情境、参数组合调整情形

a. 自然驾驶场景

数据来源于汽车真实自然的驾驶场景中作为最基础的原始数据来源；该数据集涵盖了自动驾驶汽车所处的人-车-环境-任务等多种相关细节。

• 自然驾驶场景提供了车辆数据、驾驶人行为以及道路环境等多种信息，并被用来作为验证自动驾驶有效性的充足测试场景。

b. 危险工况场景

• 数据主要依托于交通事故相关数据集构建，并在自动驾驶控制系统安全性和可靠性评估中发挥着关键作用。

危险工况场景主要涉及恶劣天气环境、复杂道路交通以及典型交通事故三大类场景，并作为证明自动驾驶技术有效性的必要测试场景的基础。

c. 标准法规场景

• 数据基于现有的标准和评价规程等信息，并包括多个国际组织（如ISO、NHTSA、E-NCAP、C-NCAP等）所制定的相关规定。
  这些国际组织均遵循了相应的测试规范以评估现有的自动驾驶技术。

标准法规测试方案是自动驾驶功能在研发及认证过程中必须满足的核心测试场景。

d. 参数重组场景

*数据源自现有的场景数据库资源；通过参数化配置现有的仿真场景；随机生成或自动重构相应的仿真场景类型；

参数重组场景通过调整静态要素、动态要素以及驾驶人行为要素的不同排列组合和遍历取值过程来拓展其边界；这一方法不仅能够全面覆盖自动驾驶功能测试中的潜在盲区，并且进一步完善了未知工况下的测试方案完整性。

1.4 测试场景的格式标准

1. 静态场景格式标准： OpenDRIVE、OpenCRG、RoadXML和OSM

OpenDRIVe （作为 OpenX 标准系列的一部分）涵盖了 roads 路网上的所有静态物体，并主要用于描述 road topology 道路拓扑结构、lane 车道线以及周围环境中的 other static elements 其他静态元素。 OpenDRIVe 将 roads 划分为 three parts 三个组成部分具体包括 reference lines 道路参考线 lane divisions 车道划分以及 feature elements 特征元素。

OpenDRIVE路网三层结构描述（图片来源：ASAM官网）

OpenCRG（OpenX标准系列）是一种基于开放性原则设计的道路表面属性评估体系，在实际应用中主要用作表征道路表面特性参数的数据收集与计算工具。该评估体系能够有效表征道路表面属性包括但不限于施工材料种类、摊铺层厚度以及各层次摩擦系数等关键指标。

RoadXML 是一种将交通环境系统化管理的技术规范体系；其主要包含四个功能层面：第一层次（拓扑层）用于描述元素在路网中的位置和连接关系；第二层次（逻辑层）用于描述元素在道路环境中的意义；第三层次（物理层）用于描述元素的属性及其具体表现形式（如路面或障碍物）；第四层次（可视化层）用于描述元素的几何形状及其三维特征。

OSM：被称为OpenStreetMap的开放街道地图数据格式；其主要由节点、道路以及关联组成。

2）动态场景格式标准：OpenSCENARIO

OpenSCENARIO （OpenX标准系列）：主要用于描述复杂且同步的多参与者操作场景；该方案文件结构系统化地划分为三个组成部分：道路拓扑网络模型、动态实体交互模型以及事件驱动的信息板机制。

OpenSCENARIO的文件结构

3. 气象场景格式标准 ：数据格式较为复杂，目前行业内尚无通用的格式标准

1.4 测试场景的数据来源

主要包括三大部分 ：真实数据、模拟数据以及专家经验

原始数据 即基于现实世界的实际发生情况，在传感器获取并存储的实时场景信息中包含多种类型的数据分析结果：如自然驾驶情景下的实时感知信息、碰撞事故中的关键事件记录等。

2**）模拟数据：** 主要包括驾驶模拟器数据和仿真数据；前者是利用驾驶模拟器进行测试得到的场景要素信息；后者是自动驾驶系统或车辆在虚拟仿真平台上进行测试得到的场景要素信息。

3）专家经验数据： 由专家仿真测试所得的经验经过整理汇编成的场景要素相关资料中，标准法规就是该类数据的重要依据。

测试场景数据来源

参考文献：基于以下文献资料整理：《自动驾驶系统功能测试第7部分：仿真测试（征求意见稿）》

第二部分：测试场景的构建

2.1 测试场景构建流程

构建流程： 场景数据采集 → 分析挖掘 → 测试验证

1）场景数据采集

步骤： 采集需求定义 → 采集方案制定与执行 → 数据预处理 → 数据传输与存储

采集需求定义： 根据自动驾驶功能的不同等级、驾驶任务类型以及评价维度等因素来确定采集数据的相关性；即根据不同的测试对象来确定相应的测试场景范围和数量。同时所采集的数据必须满足以下几点要求：一是保证采集完整性；二是确保数据总量达到预期目标；三是保证数据准确性和可靠性；四是各来源数据的时间同步性和一致性要求。

采集方案制定与执行： 各自依据其特性采取相应的数据采集手段；目前广泛采用的场景数据采集方式主要包括 - 基于现场车的场景数据采集、基于事故场景的数据收集、基于仿真系统平台的数据获取、基于路端设备的数据采集中等。

数据预处理： 为后续数据分析工作提供便利的同时,需提升场景数据的可获取性;在组织场景数据存储管理之前,必须开展数据预处理工作;该过程主要分为在线处理与离线处理两大类.

数据传输与存储： 为了确保足够的车载存储空间以支持采集工作的持续运行，在经过数据预处理后，则需立即转移至数据库中进行处理。在这一过程中涉及的数据传送途径主要包括实时传送与非实时传送两种形式；而关于存贮策略，则涵盖本地保存与云端保存两大类方案。

2）场景分析挖掘

步骤： 场景理解 → 特征提取 → 场景聚类 → 场景生成

场景解析 ：对测试场景中与主车行驶直接相关的物体进行意义解析；例如，在此情境下交通标志代表的意义是什么？前方车辆的行为意图又如何？基于机器学习的场景解析能够实现特征提取、模型训练、推理逻辑构建以及评估机制设计。图像理解相关算法：Faster R-CNN、YOLO等；

特征提取： 基于对场景的理解，在测试场景中识别运动与静止的元素，并提取其相应的属性及其数值特性；随后通过数字手段对其进行详细刻画；

场景聚类：在获取丰富的采集场景数据后，则会发现某些极为接近的场景数据具有相同的特征信息。为了提升测试效率，则需对具有相同特征信息的场景进行系统性地分组处理，并对不具有的场景进行单独分类处理。常用的聚类算法包括基于密度的DBSCAN聚类算法、基于距离层次的OPTICS聚类方法、基于网格划分的STING算法、基于划分模型的K-MEANS方法以及BIRCH迭代增量聚类算法等。

场景生成： 场景复现和场景重构

—— 场景复现：利用实车运行数据与路测设备收集的真实数据进行模拟，在技术允许的范围内，通过高效精确的方式模拟潜在风险对自动驾驶汽车的影响；还原真实交通环境下的自然行驶场景及潜在危险情况等。

基于某种关联关系或者人工经验等依据对场内各要素进行重组或推导归纳处理，则能形成更多具有合理性的新场境

3）场景测试验证

步骤： 场景验证试验 → 场景验证评审

完成上一步骤中的场景分析与挖掘工作后, 系统将自动生成新的测试场景. 然而目前尚不清楚这些测试场景是否完全符合需求的具体要求. 因此必须对新生成的测试场景分别在实物车上进行实际验证和在仿真环境中进行模拟验证.

待完成场景验证试验后, 专家将基于相关验证试验的数据, 分别从场景的相关性、真实性和有效性三个方面进行评估

2.2 动态和静态场景构建

静态场景构建：

1）基于采集的实际道路环境信息和已有的高精地图构建。

借助自动化工具链能够对高精地图生成的环境模型完成厘米级道路的精确还原；

对于获取的真实道路场景数据样本，在线编辑功能配合自动合成技术能够实现真实道路的自动化还原。

2）基于三维建模软件人为创建基础设施与周边环境的可视化数字模型。

以软件搭建道路（中心线、车道线等），并包含路旁设施（如垃圾桶、建筑物及绿化区域）以及交通标示物（如交通灯与标志牌）作为静态场景的一部分

动态场景的构建：

以真实交通案例数据为基础构建：通过各类传感器采集的动态交通数据经由算法提取，并结合现有的高精度地图信息来构建动态场景

2）以真实案例数据为基础实现动态场景生成：根据实际情况进行优化处理。
如将不同类别的数据统一处理。
运用算法手段模拟智能体的行为模式。
从而泛化生成新的动态场景案例

基于微观交通仿真系统构建：该系统主要依托实际运行环境下的观测数据或虚拟仿真实验数据，在微观交通仿真系统中模拟生成包括但不限于车辆、行人以及交通管控等动态元素。

第三部分 ：场景库

3.1 场景库的定义及特点

场景库的定义

基于多种来源的数据（包括真实数据、虚拟数据以及专家经验等），通过层层递进的方式进行系统化构建形成完整的场景体系；该系统能够实现从场景数据处理到与测试引擎的有效对接，并自动生成并管理所有相关功能模块及内容存储需求；最终完成对各阶段生成结果的自动生成及精准注入至测试工具中以支持后续工作流程。

场景库是不同场景的数据资源库，并通过数据库化的方式呈现出来，便于实现系统化的管理与运用。

场景库的特点

特点： 真实性、交互性、扩展性、无限性、批量化、自动化六大特性

准确性**：** 所选择的仿真场景必须具备高度逼真地模拟现实情况的能力，并且基于具体测试需求的标准进行筛选；基于统计学分析的结果，在涵盖典型交通工况的数据集基础上构建的仿真场景，在仿真平台上运行的虚拟测试结果能够有效地替代封闭场地和开放道路环境下的真实测试数据

2）交互性： 在测试场景中, 人、车、环境及任务等各要素之间呈现较强的相互依存关系, 当任何一个要素发生变化时, 很可能会导致一系列连锁反应, 进而对其他要素产生相应的相互作用影响。

3）扩展性： 测试场景中的各要素包含不同的类型和属性，并且各要素之间存在特定的关系。通过调整某一要素的属性或对各要素进行重组组合，则可直接生成更多其他测试用例。

4）无限性： 场景库主要由测试用例通过虚拟仿真建模生成；由于其基于连续的概率分布模型以及多维度组合排列的特点，在该系统中所包含的测试用例数量也是无限多的。

5）批量化： 规范化的驾驶场景数据接口能够支持测试用例的批量导入与构建模型的过程，并为高性能仿真服务器提供批量化的仿真运行能力。

6）自动化： 在仿真测试完成之后，在被测车辆性能数据的基础上进行分析后生成评估报告及各项性能指标。

3.2 场景库的搭建流程

搭建流程：

• 确定单个虚拟场景的数据存储方式与标准；

• 构建单个自动驾驶虚拟测试场景；

在多种多样的虚拟测试场景中，依据特征标签筛选出合适的场景并加入到场景库中。

自动驾驶测试场景构建流程

（图片参考：2020中国自动驾驶仿真蓝皮书）

在自动驾驶技术的研发过程中，通过构建和维护测试场景库来实现一个完整的循环。构建和维护测试场景库的过程能够为自动驾驶技术研发提供强有力的支持。同时，在这一过程中，自动驾驶技术研发也为场景库提供了持续优化和改进的方向，并不断丰富和完善这一关键的技术支持资源。

3.3 国内典型场景库

1）中汽数据与中国汽研场景库总体情况对比

2）中汽数据与中国汽研 - 自然驾驶场景库对比

注：纵向驾驶行为涉及的速度参数包括车速（km/h）、加速度（m/s²）以及刹车踏板的使用频率；横向驾驶行为涉及的关键参数有侧向摆动角速率（rad/s）、车道变更的位置信息以及方向盘转向角度（°）和转向灯操作频率。

3）中汽数据与中国汽研 - 交通事故场景库对比

4）中汽数据与中国汽研 - 场景库构建方案

中汽数据：场景库构建（参考资料 -公众号：中汽数据**）**

中国汽研：场景库构建（参考资料**-中国汽研宣传材料）**

第四部分：测试场景与场景库相关标准体系

4**.1********德国-PEGASUS项目**

起止时间： 2016~2019年5月，历时42个月

发起部门： 德国联邦经济事务和能源部

成员： 德国本土汽车主机厂17家左右

构成：

针对高速公路行驶环境的仿真建模研究与分析，在实际事故案例的基础上构建包含自然驾驶行为数据的场景数据库，并通过该数据库对系统运行情况进行评估

PEGASUS 项目分四个阶段：

第一阶段：场景分析&质量评估

• 定义一种系统的场景生成方法以及场景文件的的语法结构；

• 计算场景的KPI；

• 定义一套基于专家经验的场景困难（危险）程度评价方法。

第二阶段：实施流程

以上现有汽车设计流程为基础，在确保安全的前提下，制定一套既具有良好的灵活性又具备强鲁棒性且适用于自动驾驶功能的设计方案；同时该方案能够通过实践过程中不断发现问题并改进来实现持续优化。

第三阶段：测试

本项目的输出是一套涵盖实验室（包括仿真软件、台架等）以及真实交通场景的方法体系和工具集合；主要任务是在参数空间内确定具有高度碰撞敏感度的参数。

第四阶段：结果验证&集成

• 对前三个子项目阶段的结果进行分析。

重要研究成果：

研究团队成功地系统性地构建了三类测试场景的规范体系，并详细说明了其对应的国际标准化名称分别为：OpenCRG（Open Curved Regular Grid）、OpenDRIVE、以及OpenSCENARIO。

PEGASUS的三个重要研究成果

该三项标准已由德国工业和技术研究院（戴姆勒）以及国际车辆协调组织(VIRES)官方移交于ASAM，并负责后续的标准维护及研发工作

2）构建了六层级测试场景模型：第一层级为基础设施；第二层级为基础设施系统；第三层级由第一、二层级组合而成，并承担着基础设施施工作业的任务（例如道路施工现场）；第四层级作为操作主体；第五层级为环境条件；第六层级则由数据信息构成。

PEGASUS测试场景六层模型

4**.****2 ASAM -**德国自动化及测量系统标准协会

成立时间 ：1998年

性质： 非政府的汽车领域标准化制定机构

本内容涉及两个层面的标准体系，在技术标准和应用标准方面均进行了明确规定

会员： 全球范围内约300家左右的整车厂、供应商及科研机构加入。

仿真测试领域的OpenX标准体系：

OpenX系列标准体系

OpenDRIVE*******：** 用于道路拓扑关系的描述，在静态地图场景中提供数据支持，并包含高精度地图数据

• OpenSCENARIO ：主要用于描述动态行为场景

• OpenCRG： 预先定义的道路表面特性指标被用来描述道路表面属性。这些数据主要被应用于轮胎性能评估、震动仿真分析以及驾驶仿真模拟研究。

Open Simulation Interface (OSI) 作为仿真接口，并关联了自动驾驶功能及仿真工具。

• OpenLABEL ：将对原始数据和场景给出统一的标定方法

• OpenODD ：处于概念项目阶段，定义设计运行域（ODDs）的标准化格式；

OpenOntology ：处于发展的新标准，在本体论构建的基础上设计的一个能够整合与串联 OpenX 标准的公共域模型

OpenDRIVE标准：

1）应用对象：静态场景 的描述

2）语法： XML格式

3）内容： 对地图、道路、以及建筑物的内容节点进行了定义

4）客户： 奥迪、博世、四维图新、百度等厂商

5）作用：

用来表征复杂路网中的内在联系及其总体规律，在仿真系统中所采用的道路模型基准

通过优化设计，在静态场景数据中实现了内容条目与格式的一致性，并以此为基础促进不同仿真软件对同一场景文件的兼容性

OpenSCENARIO标准：

1）应用对象：动态态场景 的描述

2）语法： XML格式

3）内容： 主车的位置与速度等信息，及其他交通参与者的信息

4）作用：

用于在驾驶场景、地图信息、工具支持以及测试功能模块等要素中制定统一的标准体系

采集的数据被转换为规范化的、具有条理且便于分类整理的动态场景文件,有助于提升海量数据的管理效率

OpenCRG标准：

1）应用对象： 描述道路路面微观特性和不平度的开源数据格式

2）作用： 采用曲线型分段结构进行道路建模，并通过该方法减少内存占用率以及运算所需的时间

3）兼容性： 该系统能够与OpenDRIVE静态场景格式及其OSI动力学模型进行集成，并且能够与其他如MATLAB之类的软件实现兼容性。

OSI标准：

1）应用对象： 各种仿真工具和传感器模型

作用：创建一个通用接口用于将自动驾驶功能的开发与多种驾驶模拟框架进行连接

OpenLABEL标准：

1）应用对象： 数据标注

• 如何将相应的数据标签分配给已采集的原始数据

• 如何为带有目标物标签的场景文件标注标签

• 如何为逻辑场景标注标签等

注：此项目2019****年底启动，目前尚处于起步阶段

4.3 C-ASAM - 中汽数据与德国ASAM联合成立

成立时间： 2019年9月

组建者： 中汽数据与ASAM共同组建

组成单位： 上汽集团及腾讯、华为、百度等4家科技巨头联合宣布成立

C-ASAM工作组成员（图片来源：C-ASAM官网）

职责：

1）全权负责统筹管理中国区ASAM会员、举办C-ASAM相关会议和培训

2）定期向成员更新ASAM标准研究进展

3）促进成员参与国际标准制定以及国际合作等相关事务

开展的研究和开发工作：

• ASAM OpenX模拟仿真测试场景标准

• XIL在环测试标准

• ODS数据管理工具

C-ASAM工作组研究框架及内容拓展

（图片来源：2020中国自动驾驶仿真蓝皮书）

4.4 ISO相关仿真测试标准

组别： 由国际标准化组织道路车辆委员会领导的自动驾驶测试场景专门组（ISO/TC22/SC33/WG9）

成立时间： 2018年4月

工作职责： 承担自动驾驶测试场景相关的术语界定、流程架构规划以及数据库管理与维护等方面的任务，并负责制定设计运行范围和测试评价等国际标准。

1）ISO 34501**** - 自动驾驶测试场景术语和定义

标准制定负责人 ：中国专家孙航

内容：

基于自动驾驶测试场景的实际应用需求，全面参考当前国际相关领域的研究成果与实践情况，在此基础上构建自动驾驶测试场景的标准术语集合以规范相关技术术语的应用

基于标准内容框架中，借助同义词、注释和具体案例等多种手段进行更深入地探讨各相关术语之间的相互关系，并作为指导原则帮助理解自动驾驶测试场景标准、相关法规及工程应用中的概念协调一致地统一起来。

2）ISO 34502 - 基于场景的安全评估的工程框架与过程

标准制定负责人 ：日本专家Jacobo Antona

包括针对安全评估的虚拟场景构建过程、其架构设计以及相关的数据存储方案和接口设计等内容。其中具体涉及逻辑参数配置和道路数据处理策略的选择与实施。

3）ISO 34503 - 自动驾驶系统操作设计运行范围的分类

标准制定负责人 ：英国专家Siddartha Khastgir

内容：

• 用于规范自动驾驶汽车设计运行范围的表述形式、适用层级和具体内容；

其目标是使具备各类自动驾驶功能的车辆能够根据该标准对其设计运行范围作出规范性的描述；

促进车辆设计者、生产者、使用者和管理者就其运行能力范围达成共识

备注：

1. 为了更好地与作者交流，请您扫码关注并备注您的真实姓名、公司、现岗位以及预转型岗位等信息。此外，《九章智驾》平台有一个“汽车人转型交流群”，该群会定期分享行业动态和转型经验。如果您有意加入，请扫码关注并补充个人简历信息，并在备注时，请明确标注您的真实姓名、所在公司、目前职务及目标岗位信息。

如果您关注《九章智驾》，我们诚挚邀请您赐稿（两类内容：'转型经历总结'及'知识积累整理'）。在加微信时，请务必注明您的真实姓名及岗位等信息。

“知识积累”类稿件质量要求：
A. 要求超越大多数券商报告的标准，在行业内的平均水平上达到或超过《九章智驾》的标准；
B. 内容需具有稀缺性特点，在大部分媒体平台上难以找到80%以上相关报道；如果依赖公开信息撰写，则必须具备独特专业见解。

推荐阅读（超连接）：

**“好工作”的最关键指标：场景足够复杂、数据量足够大、杠杆率足够高
**

我们的个人命运，三分靠打拼，七分靠产业红利——《九章智驾》创刊词

****“好工作”的最佳标准：坚持理想，顺便赚钱——一个媒体人的心路历程

地平线，已经不把Mobileye当竞争对手了

深度学习系统框架的演进趋势

自动驾驶仿真类初创企业信息梳理

传统汽车人，在未来还有机会吗？—— 一名汽车人的职业转型经历

自动驾驶OS市场的现状及未来

“L3级”自动驾驶落地指导思想：高速辅助人，低速****替代人

参考资料：

1. 2020中国自动驾驶仿真蓝皮书（报告）

2. 中国自动驾驶计算仿真研究报告2019（报告）

3. 自动驾驶测试场景技术发展与应用（图书）

4. i-VISTA中国典型驾驶场景库V3.0发布 （中汽院智能网联报告）

5. 自动驾驶系统功能测试第7部分：仿真测试（征求意见稿）

6. 媒体报道｜ASAM正在成为自动驾驶场景模拟仿真测试标准引领者

https://mp.weixin.qq.com/s/-G6aW4lg5aRaIzGKeFs1aA

7. OpenSCENARIO场景标准，自动驾驶仿真新的分水岭

https://www.bsia.org.cn/site/content/6195.html

8.中文版ASAM OpenSCENARIO 1.0标准解读

https://mp.weixin.qq.com/s/Uh4_Nr-L4cfKu3Pr5y1fDQ

9.中汽数据周博林：ASAM 标准助力自动驾驶仿真测试落地

https://mp.weixin.qq.com/s/9EF3ROMk5tauxTKtmrAbfA

10. C-ASAM官网

http://www.c-asam.net/?s=news-show-id-8.html

11.ASAM官网

https://www.asam.net/standards

12.自动驾驶虚拟仿真技术（二）：仿真测试场景设计

https://mp.weixin.qq.com/s/A0n_rjrQmEjE4gGefHZPYw

13.自动驾驶虚拟仿真技术（三）：仿真测试场景数据格式

https://mp.weixin.qq.com/s/zdR5R7CsrFf33vvA5o30Ug

14.业务专题｜中汽数据有限公司引领智能汽车模拟仿真技术发展

https://mp.weixin.qq.com/s/av53Qf8DBxqLx_EIHcftCQ

15.业务专题｜场景库上新了！盘点场景库硬核新功能之总介绍（1）

https://mp.weixin.qq.com/s/FralgaZuZ9bsdeVPj8GEOw

16.面向自动驾驶的场景构建关键技术

https://mp.weixin.qq.com/s/Xt3uHrKLPgS5lJOWuEk6mQ

17.万字长文 | 谈谈自动驾驶仿真

https://mp.weixin.qq.com/s/QQRLID9j9MNmQ37tjwOZHg

18.OpenX系列标准介绍：OpenSCENARIO介绍

https://mp.weixin.qq.com/s/raxk5yW-weo5rsLfRV6ImQ

19.Pegasus 项目介绍

https://zhuanlan.zhihu.com/p/360934330

20.专家观点 | 王健：自动驾驶测试场景库的自动构建方法

https://mp.weixin.qq.com/s/rkYu7yk4IQZbNez9qk2NTQ