[汽車之家 行業(yè)]  自動駕駛競賽進(jìn)入下半場，推進(jìn)商業(yè)化應(yīng)用成為各企業(yè)發(fā)力的重點。根據(jù)美國蘭德公司的研究，自動駕駛算法想要達(dá)到人類駕駛員水平至少需要累計177億公里的駕駛數(shù)據(jù)來完善算法。

　　如果配置一支100輛自動駕駛測試車的車隊，每天24小時不停歇路測，平均時速25英里（40公里）每小時來計算，需要500多年的時間才能完成目標(biāo)里程，期間所耗費的時間和成本無疑難以承受。

　　利用仿真技術(shù)進(jìn)行測試，被認(rèn)為是降低成本、提升效率關(guān)鍵。目前，仿真測試在自動駕駛領(lǐng)域的發(fā)展如何？10月12日，中國電動汽車百人會、騰訊自動駕駛、中汽數(shù)據(jù)有限公司聯(lián)合發(fā)布了《2020中國自動駕駛仿真藍(lán)皮書》，詳細(xì)介紹了技術(shù)應(yīng)用現(xiàn)狀及挑戰(zhàn)。

趨勢：未來或有99.9%測試?yán)�用仿真平臺

　　基于場景庫的仿真測試是解決自動駕駛路測數(shù)據(jù)匱乏的重要路線。仿真測試主要通過構(gòu)建虛擬場景庫，實現(xiàn)自動駕駛感知、決策規(guī)劃、控制等算法的閉環(huán)仿真測試，滿足自動駕駛測試的要求。

　　場景庫是自動駕駛仿真測試的基礎(chǔ)，場景庫對現(xiàn)實世界的覆蓋率越高，仿真測試結(jié)果越真實。自動駕駛汽車研發(fā)的不同階段對于場景庫的要求也不同，需要場景庫實現(xiàn)不同的測試功能。

　　在自動駕駛的開發(fā)流程中，純模型仿真—軟件在環(huán)仿真—半實物仿真—封閉場地道路測試—開放道路測試的開發(fā)流程是最經(jīng)濟(jì)、高效的開發(fā)流程。

『Waymo自動駕駛測試車輛』

　　目前，自動駕駛仿真已經(jīng)被行業(yè)廣泛接受。例如美國自動駕駛領(lǐng)軍企業(yè)Waymo旗下的仿真平臺Carcraft每天在虛擬道路上行駛約2000萬英里，相當(dāng)于在真實世界中行駛10年。截止2020年5月，Waymo已經(jīng)模擬行駛了150億英里，相比之下，去年6月的數(shù)據(jù)是100億英里。

　　除Waymo外，通用旗下的Cruise、AutoX、小馬智行等國內(nèi)外自動駕駛解決方案商也在進(jìn)行大量的仿真測試，以完善自己的自動駕駛系統(tǒng)，仿真測試已經(jīng)成為自動駕駛商用最重要的測試。

　　目前的數(shù)據(jù)來看，自動駕駛算法測試大約90%通過仿真平臺完成，9%在測試場完成，1%通過實際路測完成。隨著仿真技術(shù)水平的提高和應(yīng)用的普及，行業(yè)希望通過仿真平臺完成99.9%的測試量，封閉場地測試完成0.09%，最后0.01%到實路上去完成。這樣，自動駕駛汽車研發(fā)將達(dá)到更高效、經(jīng)濟(jì)的狀態(tài)。

『自動駕駛仿真測試場景』

現(xiàn)狀：各賽道參與者積極布局

　　目前自動駕駛仿真市場參與主體主要包括：科技公司、車企、自動駕駛解決方案商、仿真軟件企業(yè)、高校及科研機(jī)構(gòu)、智能網(wǎng)聯(lián)測試示范區(qū)。由于每個市場主體在自動駕駛仿真方面的技術(shù)基礎(chǔ)不同，因此在推動自動駕駛仿真方面的研發(fā)及合作方式呈現(xiàn)不同模式。

　　科技公司在仿真方面起步相對較晚，在汽車功能探索方面經(jīng)驗較少，但是具備大數(shù)據(jù)優(yōu)勢，軟件開發(fā)能力強(qiáng)。

　　自動駕駛汽車相比傳統(tǒng)汽車，對軟件的需求更大，科技公司進(jìn)行仿真軟件的探索，目的是進(jìn)入市場龐大的汽車行業(yè)，建立更大的數(shù)據(jù)平臺，形成新的業(yè)務(wù)增長點。目前自動駕駛仿真科技公司主要包括騰訊、百度、華為、阿里等。

『科技公司自動駕駛仿真平臺對比』

　　微軟、英偉達(dá)及LG等國外科技公司主要針對自動駕駛仿真軟件進(jìn)行研發(fā)，通過和產(chǎn)業(yè)鏈企業(yè)合作建立了自動駕駛研發(fā)生態(tài)體系，成為自動駕駛仿真的重要參與者。

　　對于整車企業(yè)來講，路測和仿真測試同步進(jìn)行是最佳選擇，而自動駕駛汽車在真正實現(xiàn)落地之前，需經(jīng)過眾多功能與安全測試，路測就是其中一環(huán)。由于路測效率較低，目前很多車企都傾向于選擇自動駕駛仿真測試與路測相結(jié)合的方式來完成落地前的測試工作。

『車企利用自動駕駛仿真軟件情況』

　　自動駕駛解決方案商主要針對自身需求研發(fā)定制化仿真軟件，較少對外提供仿真服務(wù)，但借助于充足的資金、人才集聚力及自身研發(fā)驅(qū)動力，在自動駕駛仿真方面具有很強(qiáng)的創(chuàng)新能力。各領(lǐng)先自動駕駛解決方案商都有自身仿真測試軟件，如Waymo、Cruise、小馬智行、AutoX等。

　　仿真軟件企業(yè)可分為傳統(tǒng)仿真軟件企業(yè)、初創(chuàng)企業(yè)兩大類。傳統(tǒng)仿真軟件企業(yè)由于技術(shù)積累比較深厚，進(jìn)入自動駕駛仿真具有先天優(yōu)勢，而且合作伙伴較多，二次開發(fā)具有優(yōu)勢。初創(chuàng)企業(yè)由于起步晚，技術(shù)積累較弱，國內(nèi)企業(yè)和國外的差距較大，但依靠雄厚的資金和人才集聚力，創(chuàng)業(yè)公司在自動駕駛仿真軟件研發(fā)方面有望迅速崛起。

　　高校及科研機(jī)構(gòu)主要應(yīng)用自動駕駛仿真軟件進(jìn)行前瞻性、基礎(chǔ)性研究，但很難形成成熟的商業(yè)化產(chǎn)品。國內(nèi)從事自動駕駛仿真研究的高校及科研機(jī)構(gòu)主要包括：清華大學(xué)、同濟(jì)大學(xué)、北京航空航天大學(xué)、吉林大學(xué)、天津大學(xué)、長安大學(xué)、南京航空航天大學(xué)、武漢理工大學(xué)等。

『上海臨港智能網(wǎng)聯(lián)汽車綜合測試示范區(qū)』

　　智能網(wǎng)聯(lián)測試示范區(qū)建設(shè)已形成一定規(guī)模。目前全國有10余家國家級和數(shù)家省級智能網(wǎng)聯(lián)測試示范區(qū)，主要通過對5G、V2X車路協(xié)同、模擬仿真、車聯(lián)網(wǎng)等新技術(shù)的部署和應(yīng)用，為自動駕駛、網(wǎng)聯(lián)通信供應(yīng)商等提供系統(tǒng)測試服務(wù)，推動汽車、信息通信、道路設(shè)施等內(nèi)容的綜合標(biāo)準(zhǔn)體系的建立。為推動智能網(wǎng)聯(lián)汽車的仿真測試工作，已有企業(yè)和智能網(wǎng)聯(lián)示范區(qū)開展了路測與虛擬仿真相結(jié)合的測試。

挑戰(zhàn)：測試評價體系缺乏規(guī)范

　　目前自動駕駛仿真測試已初步形成完整的產(chǎn)業(yè)鏈體系，形成了科技公司、自動駕駛解決方案商、仿真軟件企業(yè)為主的上游仿真軟件提供商，以車企、自動駕駛測試機(jī)構(gòu)為主的仿真軟件下游應(yīng)用商。從產(chǎn)業(yè)鏈角度分析，目前自動駕駛仿真測試還存在諸多問題。

　　一方面，仿真場景庫建設(shè)與合作機(jī)制有待完善。

　　場景庫建設(shè)效率低、費用高。目前場景庫建設(shè)還需要依靠大量人工進(jìn)行采集、標(biāo)注，然后進(jìn)行場景分析挖掘、測試驗證，整個流程效率低、成本高，目前全球每年人工標(biāo)注成本在10億美元量級。

『國內(nèi)共建自動駕駛仿真測試場景庫仍需克服各項困難』

　　場景庫規(guī)模不夠大，多樣性、覆蓋性、可擴(kuò)展性不強(qiáng)�，F(xiàn)有場景庫不足以覆蓋常見交通場景，在有限的資源投入情況下，還不能有效覆蓋真實世界的多樣性。由于場景中不同要素的改變均可以擴(kuò)展為不同的場景，目前場景擴(kuò)展性還不足以滿足仿真測試的要求。

　　場景有效性有待提高�，F(xiàn)有場景是按實時數(shù)據(jù)采集，無法滿足自動駕駛場景動態(tài)變化的要求。在場景中，人、車、路、行駛環(huán)境等動態(tài)和靜態(tài)要素耦合，一個要素的變化將引起其他要素的改變，而且不同交通參與者均有自己的行為邏輯。例如改變車輛行為和軌跡，周邊車輛和行人的行為也將隨之改變。

　　場景數(shù)據(jù)的采集格式和存儲問題�，F(xiàn)有的測試場景采集，是基于不同的車輛和傳感器配置，無法適用于各類車型及技術(shù)路線的研發(fā)與測試，高精度地圖的格式也是行業(yè)關(guān)注的重點。場景庫的數(shù)據(jù)格式如系統(tǒng)架構(gòu)、數(shù)據(jù)接口、數(shù)據(jù)庫管理系統(tǒng)等統(tǒng)一也是需要重點關(guān)注的問題。

　　測試場景中的測試真值及評估體系。測試場景數(shù)據(jù)采集需考慮采集要求、采集方法、數(shù)據(jù)預(yù)處理、數(shù)據(jù)傳輸存儲、采集數(shù)量、采集精度、時間同步性、采集范圍、采集完整性等各方面的因素，任何一個因素的欠缺都將導(dǎo)致場景的真實性及有效性。而且針對不同場景下自動駕駛測試車輛的測評指標(biāo)體系尚不完善。

　　場景庫建立缺乏合作，資源重復(fù)性投入大。目前單一企業(yè)很難完成覆蓋所有場景的場景庫建設(shè)。當(dāng)下各企業(yè)場景庫建設(shè)都是各自為戰(zhàn)，導(dǎo)致資源重復(fù)性投入，企業(yè)之間缺乏場景庫建設(shè)合作。尤其是自然駕駛場景、標(biāo)準(zhǔn)法規(guī)場景等共性場景可以通過合作共建，實現(xiàn)使用共享，目前這方面的合作還很少。

『騰訊TAD Sim部分場景展示』

　　另一方面，自動駕駛仿真測試評價體系缺乏規(guī)范。

　　在自動駕駛仿真測試方面，由于不同仿真軟件系統(tǒng)架構(gòu)及場景庫構(gòu)建方法的不同，導(dǎo)致很難建立統(tǒng)一規(guī)范的仿真測試評價體系。目前國內(nèi)仿真評價體系的研究方向主要是從駕駛安全性、舒適性、交通協(xié)調(diào)性、標(biāo)準(zhǔn)匹配性等方面評價自動駕駛車輛仿真測試結(jié)果，對于仿真軟件自身的評價缺乏統(tǒng)一的評價標(biāo)準(zhǔn)，如仿真軟件場景真實度、場景覆蓋度、仿真效率等。

　　自動駕駛汽車作為智能化產(chǎn)品，未來需要應(yīng)用深度學(xué)習(xí)算法使汽車具備自我學(xué)習(xí)能力，如道路障礙物的復(fù)述重現(xiàn)能力、場景的泛化遷移能力，因此自我學(xué)習(xí)進(jìn)化性也是自動駕駛汽車的評價指標(biāo)，目前自動駕駛汽車的學(xué)習(xí)進(jìn)化性還缺乏相應(yīng)的評價規(guī)范。

總結(jié)：

　　自動駕駛技術(shù)演化有兩條路線，分別是由L2級到L3級和L4級到L5級，前者是多數(shù)車企走的路線，后者往往是科技公司的選擇，兩者的主要代表分別是特斯拉和Waymo。今年以來，多家企業(yè)表示，已具備L3級自動駕駛車輛量產(chǎn)能力；科技企業(yè)也紛紛展開Robotaxi的商業(yè)化運營測試。可以看出，各股競爭勢力都在試圖搶先落地應(yīng)用自動駕駛技術(shù)。誰能在競賽中拔得頭籌？成本和效率無疑是最關(guān)鍵因素，仿真測試的成熟應(yīng)用或?qū)⒊蔀殛P(guān)鍵。（文/汽車之家 肖瑩）

查看同類文章：

智能網(wǎng)聯(lián)

行業(yè)視角

更多精彩內(nèi)容：

2022中國汽車論壇

零部件

汽車之家行業(yè)-大數(shù)據(jù) 全領(lǐng)域 新視點