第二章智能網(wǎng)聯(lián)汽車

仿真測試場景技術(shù)

任務(wù)1：智能網(wǎng)聯(lián)汽車仿真測試場景認知1一、場景的的定義“場景”，指戲劇、電影中的場面，泛指情境，在影視劇中，場景是指在一定的時間、空間（主要是空間）內(nèi)發(fā)生的一定的任務(wù)行動或因人物關(guān)系所構(gòu)成的具體生活畫面。2一、測試場景的定義“場景”在汽車駕駛領(lǐng)域“場景”：在一定的時間、空間范圍內(nèi)行駛環(huán)境與汽車駕駛行為的綜合表現(xiàn)。3二、測試場景的來源自動駕駛汽車是人工智能、視覺計算、雷達、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作的綜合智能系統(tǒng)。4三、自動駕駛汽車測試方法自動駕駛汽車的測試方法主要分為：（1）場景測試法（1）里程測試法三、里程測試法里程測試法是讓車輛在固定的環(huán)境下不斷的行駛，在此之前不對其設(shè)定目標。測試周期長、測試效果不明顯、測試成本高。三、場景測試法場景測試法是讓車輛在預(yù)先設(shè)置的道路、環(huán)境中行駛，達到預(yù)先制定目標的測試方法。場景測試方法相對來說更加的靈活且有針對性。四、測試場景的意義8中國對于智能車輛的研究上世紀80年代，?經(jīng)過三十余載的發(fā)展，?曾經(jīng)的幻想正在成為現(xiàn)實。?2017年4月，?百度展示了與博世合作開發(fā)的高速公路輔助功能增強版演示車。?2024年華為在北京車展前夕公布了ADS3.0和獨立品牌“乾崑”2015年百度成立自動駕駛部門2010年國防科技大學HQ3無人車完成286公里告訴無人駕駛測試四、測試場景的意義針對測試場景的研究，由經(jīng)驗理論進行構(gòu)造或者從數(shù)據(jù)中篩選提取都可作為測試場景的數(shù)據(jù)來源基礎(chǔ)，再進一步將其部屬至虛擬或真實測試場地，并對測試對象進行試驗、測試、分析總結(jié)來滿足軟件、硬件系統(tǒng)的開發(fā)和測試，以及部件系統(tǒng)到整車不同階段的測試與驗證需求。經(jīng)驗理論數(shù)據(jù)庫測試場景數(shù)據(jù)來源虛擬/真實測試場地四、測試場景對自動駕駛測試的意義對于自動駕駛汽車的測試，測試場景的研究是非常重要的。先進駕駛輔助系統(tǒng)到更高級別的駕駛輔助或者自動駕駛需要滿足各場景的功能要求。五、測試場景功能開發(fā)階段

基于應(yīng)用場景針對設(shè)計的應(yīng)用范圍進行各種場景測試，在測試中既可以幫助形成安全要求，開發(fā)必要的軟硬件組件，又可以測試組件的安全性。初步功能開發(fā)驗證多個體現(xiàn)特定性能的場景下常見或經(jīng)典場景下相對完成的系統(tǒng)完成汽車全方面性能評價對安全性和可靠性進行檢測認證六、測試場景的應(yīng)用

在自動駕駛汽車上路之前還需要完成進一步的檢測與認證。通過對常見的或者經(jīng)典的場景進行構(gòu)建選取，考查自動駕駛汽車在該場景下的行為，對其安全性和可靠性進行檢測和認證，從而判斷該車是否可以適應(yīng)真實的交通環(huán)境?；趹?yīng)用場景進行場景測試形成安全要求開發(fā)必要的軟硬件組件測試組件的安全性第二章智能網(wǎng)聯(lián)汽車

仿真測試場景技術(shù)

任務(wù)1：智能網(wǎng)聯(lián)汽車仿真測試場景認知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測試場景分類14場景元素是構(gòu)建測試場景的基礎(chǔ)，在自動駕駛汽車的測試和評估過程中至關(guān)重要，是評價體系的主要支撐。經(jīng)過對場景元素的定義和分類，可以為場景數(shù)據(jù)的采集、挖掘、分析和處理提供有效的支持。為了方便元素的分析和組織，有必要對場景元素進行分類。自動駕駛測試要求環(huán)境要素自動駕駛?cè)蝿?wù)元素基本屬性靜態(tài)元素動態(tài)元素場景元素拓撲關(guān)系道路元素交通參與元者素氣象元素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場景要素分類-環(huán)境要素

15環(huán)境要素包括靜態(tài)環(huán)境要素和動態(tài)環(huán)境要素。MIT用于動態(tài)駕駛場景分割的MITDriveSeg數(shù)據(jù)截屏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場景元素分類-靜態(tài)元素靜態(tài)元素是指無運動物體，且通過視覺可以感受到的區(qū)域場景，包括障礙物、周圍景觀、交通設(shè)施、道路。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場景元素分類-動態(tài)元素17動態(tài)環(huán)境要素指車輛動態(tài)駕駛?cè)蝿?wù)中處于動態(tài)變化的要素，包括動態(tài)指示設(shè)施、通信環(huán)境信息。E6636BC20180234D78A0072836F0B3B062B9B207100DDB20A0D98F39B16C2BA34B43BC38C168AB0122592F0838465CEB921921FAF1D0ABC11BBFC26B7F4E1ADA24FB2EADD526949754C728F767A2439F9FD0E9157C626057A81A5197EE01DCA8DD06229F4E3E6636BC20180234D78A0072836F0B99012B9B2041CBB0BD0AED9843CB1E92B759B4BB3387161DB0A22092008384687EBAD09218A11D00BB11BBFC253752E1BD324F50EAD8127E48704882AE76E224046D963E4B175990FA048DEA195FADFAC88D9862B9F9E3E6636BC20180234D78A0072836F0BE8092B9B20C1995FBB0AAD98B33B1032B25BB4EBB387163FB0F22C92E08384670EB2809215AC1D0FBA11BBFC2437A1E1FD724F5F8AD632564B7B4FF2ED7684240538A9CE0BE76481F81688BF19F28E95C98DFE620900E3場景元素分類-道路元素18道路元素包括橋涵、匝道、交叉口、路表、路段。藍色部分為可行駛道路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場景元素分類-交通參與元素19交通參與元素包括機動車、非機動車、步行行人、殘疾人、動物。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場景要素分類-測試車輛要素

20測試車輛的要素信息主要包括測試車輛的重量、幾何信息、性能信息、位置狀態(tài)信息、運動狀態(tài)信息和駕駛?cè)蝿?wù)信息。測試車輛要素信息幾何信息重量長、寬、高重心位置性能信息最大加速度最大車速百公里油耗最大爬坡角度位置狀態(tài)信息車道位置信息坐標信息運動狀態(tài)信息縱向運動狀態(tài)信息橫向運動狀態(tài)信息駕駛?cè)蝿?wù)信息感知識別類駕駛?cè)蝿?wù)信息路徑規(guī)劃類駕駛?cè)蝿?wù)信息人機交互類駕駛?cè)蝿?wù)信息聯(lián)網(wǎng)通信類駕駛?cè)蝿?wù)信息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測試場景分類21為了滿足開發(fā)、驗證和測試過程中的不同應(yīng)用需求，場景的分類方式也不同。可以根據(jù)場景的應(yīng)用方式來分類如仿真測試場景和場地測試場景等，也可以從測試場景的抽象程度來分類如邏輯場景、功能場景、具體場景等不同層次的場景，還可以通過測試場景來源進行分類如自然駕駛場景、危險工況場景、標準法規(guī)測試場景、參數(shù)重組測試場景。分類方式類型測試場景的抽象程度邏輯場景功能場景具體場景場景應(yīng)用方式模擬測試場景場地測試場景場景來源自然駕駛場景危險工況場景標準法規(guī)測試場景參數(shù)重組測試場景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測試場景的應(yīng)用方式-仿真測試場景仿真測試場景是主要運用于軟件在環(huán)測試、硬件在環(huán)測試和車輛在環(huán)測試。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測試場景的應(yīng)用方式-場地測試場景23封閉式測試場地試驗場測試場景可以分為封閉式場地測試場景、開放式場地測試場景。封閉測試場的測試重點是考核車輛對交通環(huán)境的感知及應(yīng)對能力；開放式測試場景是測試的最終階段，達到一定測試里程并性能合格的情況下兩個階段，才有可能落地商業(yè)應(yīng)用開放式測試場地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測試場景的抽象程度-邏輯場景24邏輯場景是基于狀態(tài)空間變量對功能場景的進一步詳細描述，用于項目開發(fā)階段的生成需求。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測試場景的抽象程度-功能場景將最抽象的層次操作場景采用語義描述，即用語言場景符號描述場景區(qū)域內(nèi)的實體和實體之間的關(guān)系。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測試場景的抽象程度-具體場景確定狀態(tài)空間中參數(shù)范圍的具體值，明確描述實體之間的關(guān)系，并在狀態(tài)空間中詳細描述測試場景。26E6636BC20180234D78A0072836F0B3B062B9B207100DDB20A0D98F39B16C2BA34B43BC38C168AB0122592F0838465CEB921921FAF1D0ABC11BBFC26B7F4E1ADA24FB2EADD526949754C728F767A2439F9FD0E9157C626057A81A5197EE01DCA8DD06229F4E3E6636BC20180234D78A0072836F0B99012B9B2041CBB0BD0AED9843CB1E92B759B4BB3387161DB0A22092008384687EBAD09218A11D00BB11BBFC253752E1BD324F50EAD8127E48704882AE76E224046D963E4B175990FA048DEA195FADFAC88D9862B9F9E3E6636BC20180234D78A0072836F0BE8092B9B20C1995FBB0AAD98B33B1032B25BB4EBB387163FB0F22C92E08384670EB2809215AC1D0FBA11BBFC2437A1E1FD724F5F8AD632564B7B4FF2ED7684240538A9CE0BE76481F81688BF19F28E95C98DFE620900E3測試場景的數(shù)據(jù)來源-自然駕駛場景自然駕駛場景是來源于汽車真實的自然駕駛狀態(tài)的場景，是構(gòu)建自動駕駛測試場景中最基礎(chǔ)的數(shù)據(jù)來源，也是證明自動駕駛有效性的一種最充分的測試場景。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測試場景的數(shù)據(jù)來源-危險工況場景危險駕駛場景是自動駕駛測試過程中自動駕駛控制策略驗證的關(guān)鍵環(huán)節(jié)。測試自動駕駛車輛在危險情況下的避碰能力是整個自動駕駛安全測試的核心。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測試場景的數(shù)據(jù)來源-標準法測試場景29基于現(xiàn)有標準法規(guī)構(gòu)建測試場景，即為標準法規(guī)測試場景，是一種基礎(chǔ)測試場景。第二章智能網(wǎng)聯(lián)汽車

仿真測試場景技術(shù)

任務(wù)1：智能網(wǎng)聯(lián)汽車仿真測試場景認知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一、測試場景的數(shù)據(jù)來源-參數(shù)重組測試場景31參數(shù)重組測試場景能靈活運用各個要素進行參數(shù)設(shè)置，進行仿真場景的自動重組，彌補大量未知情況的自動駕駛場景，很好地覆蓋了數(shù)據(jù)庫中的盲區(qū)。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一、測試場景構(gòu)建方法概述每一輛測試車都是一個“黑匣子”，在不同的環(huán)境下車輛會作出不同的反應(yīng)，從而得出不同的數(shù)據(jù)，而我們要做的就是為測試測提供大量的、盡可能與現(xiàn)實環(huán)境相似的環(huán)境，因為測試場景越接近現(xiàn)實，所觀察到的數(shù)據(jù)也就更真實，對于車輛的檢測和認證就更有價值。但是真實的場景無窮無盡，我們沒有辦法把測試車放到我們的真實場景中進行測試，直到它經(jīng)歷所有可能發(fā)生的交通狀況。那么我們就需要將現(xiàn)實中的場景進行精煉和提取，將其中的元素進行合成，從而組成更多的場景，這樣既可以大大提高獲取測試場景的成本，也可以大幅度的提高測試效率。32E6636BC20180234D78A0072836F0B3B062B9B207100DDB20A0D98F39B16C2BA34B43BC38C168AB0122592F0838465CEB921921FAF1D0ABC11BBFC26B7F4E1ADA24FB2EADD526949754C728F767A2439F9FD0E9157C626057A81A5197EE01DCA8DD06229F4E3E6636BC20180234D78A0072836F0B99012B9B2041CBB0BD0AED9843CB1E92B759B4BB3387161DB0A22092008384687EBAD09218A11D00BB11BBFC253752E1BD324F50EAD8127E48704882AE76E224046D963E4B175990FA048DEA195FADFAC88D9862B9F9E3E6636BC20180234D78A0072836F0BE8092B9B20C1995FBB0AAD98B33B1032B25BB4EBB387163FB0F22C92E08384670EB2809215AC1D0FBA11BBFC2437A1E1FD724F5F8AD632564B7B4FF2ED7684240538A9CE0BE76481F81688BF19F28E95C98DFE620900E3一、測試場景構(gòu)建——場景采集場景的采集是場景構(gòu)建的起點，在明確場景的分類方法和構(gòu)成要素后，應(yīng)考慮元素分類特點，制定場景采集和數(shù)據(jù)處理方案。場景的構(gòu)成即通過對已采集的、現(xiàn)有的場景進行分析，將其中可用的元素進行重新組合從而產(chǎn)生新場景。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一、自然駕駛場景數(shù)據(jù)采集的特點場景數(shù)據(jù)一般來源于自然駕駛場景數(shù)據(jù)、事故場景數(shù)據(jù)以及在基于這兩種場景測試過程中新產(chǎn)生的場景數(shù)據(jù)。自然駕駛場景數(shù)據(jù)來源于真實環(huán)境能夠全面覆蓋各種場景，也是其他數(shù)據(jù)的來源相對第二種數(shù)據(jù)采集更方便，雖然體量龐大但是自然駕駛場景數(shù)據(jù)采集還是占場景采集的主要地位。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二、數(shù)據(jù)采集途徑

自然駕駛數(shù)據(jù)來源于真實環(huán)境；事故駕駛數(shù)據(jù)在分析通過事故現(xiàn)場、行車記錄儀、監(jiān)控記錄等重現(xiàn)畫面制作而成。35事故現(xiàn)場事故現(xiàn)場道路監(jiān)控行車記錄儀E6636BC20180234D78A0072836F0B3B062B9B207100DDB20A0D98F39B16C2BA34B43BC38C168AB0122592F0838465CEB921921FAF1D0ABC11BBFC26B7F4E1ADA24FB2EADD526949754C728F767A2439F9FD0E9157C626057A81A5197EE01DCA8DD06229F4E3E6636BC20180234D78A0072836F0B99012B9B2041CBB0BD0AED9843CB1E92B759B4BB3387161DB0A22092008384687EBAD09218A11D00BB11BBFC253752E1BD324F50EAD8127E48704882AE76E224046D963E4B175990FA048DEA195FADFAC88D9862B9F9E3E6636BC20180234D78A0072836F0BE8092B9B20C1995FBB0AAD98B33B1032B25BB4EBB387163FB0F22C92E08384670EB2809215AC1D0FBA11BBFC2437A1E1FD724F5F8AD632564B7B4FF2ED7684240538A9CE0BE76481F81688BF19F28E95C98DFE620900E3二、數(shù)據(jù)采集途徑——飛行器36目前除了自然駕駛場景數(shù)據(jù)、事故場景數(shù)據(jù)、還有使用飛行器進行道路數(shù)據(jù)采集，其特點是效率高、廣闊、安全性高。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三、場景數(shù)據(jù)處理場景數(shù)據(jù)采集應(yīng)以統(tǒng)一的場景數(shù)據(jù)采集需求、場景數(shù)據(jù)儲存格式、同步方式等基本前提進行采集，并且為了方便后期的數(shù)據(jù)分析，提高場景數(shù)據(jù)的可用性，在進行場景數(shù)據(jù)儲存管理之前，需要進行數(shù)據(jù)預(yù)處理，數(shù)據(jù)預(yù)處理主要包括在線處理和離線處理。37數(shù)據(jù)可視化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三、采集平臺方案38基于視覺傳感器的采集方案成本和技術(shù)難度比較低，所具備的采集能力也比較基礎(chǔ)，但是能滿足大規(guī)模的駕駛場景采集。基于多傳感器融合的場景采集平臺集攝像頭、激光雷達、毫米雷達等感知傳感器于一體，可最大限度的提高采樣多樣性和采樣精度。視覺雷達和激光雷達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三、數(shù)據(jù)儲存和管理

采得場景數(shù)據(jù)后必須對數(shù)據(jù)進行分析挖掘，處理后才能形成滿足需要的測試場景。該過程一般包含場景理解，理解測試場景中與主車行駛有關(guān)聯(lián)的物體含義；特征提取，在場景理解的基礎(chǔ)上對測試場景中動態(tài)靜態(tài)特征元素和特征量進行提??；場景聚類，對具備相同特征信息的場景進行聚類，對不同特征信息的場景進行分類處理。

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四、測試場景應(yīng)用關(guān)鍵技術(shù)采集的場景要想在測試場景派上用場，必須借助技術(shù)手段將其復(fù)現(xiàn)出來。自動駕駛測試場景應(yīng)用關(guān)鍵技術(shù)包括場景應(yīng)用預(yù)處理技術(shù)、仿真測試中的場景應(yīng)用以及物理測試中的場景應(yīng)用技術(shù)。40復(fù)雜場景規(guī)則化第二章智能網(wǎng)聯(lián)汽車

仿真測試場景技術(shù)

任務(wù)1：智能網(wǎng)聯(lián)汽車仿真測試場景認知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自動駕駛測試場景技術(shù)研究現(xiàn)狀

42自動駕駛測試場景是自動駕駛技術(shù)開發(fā)、驗證、確認和測試評價的重要基礎(chǔ)，世界各國對自動駕駛測試場景技術(shù)都給予了相當?shù)闹匾暋Ｗ詣玉{駛測試場景技術(shù)的研究范圍非常廣泛，包含了針對自動駕駛測試場景的方法論、數(shù)據(jù)采集、數(shù)據(jù)挖掘、場景重構(gòu)、仿真、場地、道路場景等各個方面。自動駕駛地圖約占自動駕駛產(chǎn)業(yè)總產(chǎn)值的5‰，雖然只是一小部分不能成為核心競爭力，但也是不可或缺的一大部分。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自動駕駛測試場景資本投入情況

43作為基礎(chǔ)設(shè)施，自動駕駛場景地圖引來了眾多投資，國內(nèi)外的投資競爭也十分激烈。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自動駕駛測試場景資本投入情況

44新興勢力也勢頭正猛，并且國內(nèi)的初始創(chuàng)業(yè)也在2018年大步邁開，開始了迅速發(fā)展。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研究現(xiàn)狀——架構(gòu)分析

一些研究人員對自動駕駛及其測試的情景、場景等的屬性和異同進行了分析，形成了如圖所示的場景架構(gòu)。一個場景由多個具有預(yù)定行為和事件的場景組成。在圖中，樹結(jié)構(gòu)的節(jié)點表示場景，樹結(jié)構(gòu)的邊緣表示行為和事件。基于情景、行為和事件的場景架構(gòu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五層層次模型（1/6）

物流德國Pegasus項目從測試場景的解構(gòu)與重構(gòu)角度出發(fā)，提出使用五層層次模型來實現(xiàn)場景的構(gòu)建。第一層(L1)為道路層，描述場景中道路的幾何結(jié)構(gòu)、尺寸、各幾何結(jié)構(gòu)之間的拓撲關(guān)系、道路鋪裝的質(zhì)量狀態(tài)、平面邊界信息。46道路層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五層層次模型（2/6）

第二層(L2)是交通設(shè)施層，描述了各種固定靜止的交通設(shè)施與道路層，可以限制自主車輛和其他動態(tài)交通參與者的運動場景中，根據(jù)特定的交通規(guī)則進行運動。交通設(shè)施層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五層層次模型（3/6）

第三層(L3)為L1、L2的臨時運營層，描述現(xiàn)場臨時建成，短時間內(nèi)（大于1d）未移動或拆除的路段及相關(guān)交通設(shè)施。L1和L2的臨時操作層48E6636BC20180234D78A0072836F0B3B062B9B207100DDB20A0D98F39B16C2BA34B43BC38C168AB0122592F0838465CEB921921FAF1D0ABC11BBFC26B7F4E1ADA24FB2EADD526949754C728F767A2439F9FD0E9157C626057A81A5197EE01DCA8DD06229F4E3E6636BC20180234D78A0072836F0B99012B9B2041CBB0BD0AED9843CB1E92B759B4BB3387161DB0A22092008384687EBAD09218A11D00BB11BBFC253752E1BD324F50EAD8127E48704882AE76E224046D963E4B175990FA048DEA195FADFAC88D9862B9F9E3E6636BC20180234D78A0072836F0BE8092B9B20C1995FBB0AAD98B33B1032B25BB4EBB387163FB0F22C92E08384670EB2809215AC1D0FBA11BBFC2437A1E1FD724F5F8AD632564B7B4FF2ED7684240538A9CE0BE76481F81688BF19F28E95C98DFE620900E3五層層次模型（4/6）

第四層(L4)是目標層，描述場景中各種動態(tài)、靜態(tài)和移動的交通參與者以及交通參與者之間的交互和運動行為。49L4目標層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五層層次模型（6/6）

以上五層模型實現(xiàn)了場景要素的清晰分層，有利于場景分析的規(guī)范化、普世化和自動生成，并被大量的學者和機構(gòu)引用；這種分層模型的缺點是忽略了智能聯(lián)網(wǎng)車輛定位和通信能力測試的場景構(gòu)建需求。為了解決這一問題，Pegasus項目在最新的報告中提出，在原來的五層模型的底部增加了第六層(L6)—數(shù)據(jù)通信層，形成六層模型描述場景元素層，如圖所示，其中數(shù)據(jù)通信層描述V2X通信信息和場