无线收发器
随着汽车智能化程度的不断提高，智能汽车通过环境传感器与周边行驶环境的信息交互与互联更为密切，需应对的行驶环境状况也越来越复杂，包括行驶道路、周边交通和气象条件等诸多因素，具有较强的不确定性、难以重复、不可预测和不可穷尽。限于研发周期和成本、工况复杂多样性，特别是安全因素的考虑，传统的开放道路测试试验或基于封闭试验场的测试难以满足智能驾驶系统可靠性与鲁棒性的测试要求。因此，借助数字虚拟技术的仿真测试成为智能驾驶测试验证一种新的手段，仿真场景的构建作为模拟仿真的重要组成部分，是实现智能驾驶测试中大样本、极限边界小概率样本测试验证的关键技术，这对提升智能驾驶系统的压力和加速测评水平显得尤为重要。面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点，作为一种新兴技术仍面临许多挑战。 随着汽车智能化和共享化程度的不断提高，智能驾驶汽车通过环境感知与周边行驶环境的交互也在不断增多，行驶环境已成为智能驾驶不可分割的重要组成部分。汽车的行驶环境涉及道路、气象条件和交通状况，其复杂性和动态变化是影响汽车智能驾驶系统性能最为关键的因素。因此，建立一种模拟和重现复杂开放行驶环境的仿真测试方法和系统，实现对汽车智能驾驶有效的测试验证，是汽车智能驾驶技术与产品开发的关键技术，对于提升汽车智能化水平尤为重要。
汽车行驶环境包括行驶道路、周边交通和气象条件等诸多因素，其高逼真的重现和构建面临诸多挑战。
随着智能驾驶功能的不断增强，汽车需应对的行驶环境越来越复杂，环境高度的不确定性、难以重复、不可预测和不可穷尽等特征使得有限的场地和道路测试远远无法复制、重现或穷举行驶环境对智能驾驶系统的影响。一方面，限于研发周期和成本，现有的封闭场地测试和开放道路测试不仅周期长、成本高，无法满足对系统数十亿公里行程的大样本和可靠性测试要求。另一方面，与汽车行驶安全测试密切相关的极限危险工况属于小样本、小概率事件，开放的道路测试往往难以复制，测试安全也无法保障。此外，中国地域辽阔、人口众多，驾驶行为特征和交通状况与欧美等国相比也有其鲜明的地域性特点和差异性。综上分析，传统的开放道路测试试验以及基于封闭试验场的测试难以满足智能驾驶系统的可靠性和鲁棒性的测试要求。因此基于数字虚拟仿真技术的模拟仿真测试成为目前智能驾驶测试验证新的重要手段，是汽车智能驾驶技术与产品研发的前端关键技术，体现和决定了智能化技术与产品核心竞争力。
模拟仿真测试主要采用精确物理建模、高效数值仿真、高逼真图像渲染等相结合的方法，逼真地构建包括车辆、道路、天气和光照、交通等在内的人车环境模型，以及各类车载传感器模型。针对汽车行驶环境无限丰富的特征以及对车载环境传感器的复杂影响，综合运用几何映射、物理映射、像素映射和概率映射等多种映射方式构建具有不同属性、满足不同应用需求的高逼真度数字化场景及场景库。
仿真场景构建技术是智能驾驶汽车虚拟仿真测试的关键与核心。
北京ons
一方面，相机、毫米波雷达、激光雷达等传感器广泛应用于智能驾驶系统中，能够采集车辆外在行驶环境的多样性数据，这使得基于数据驱动的机器学习方法为智能驾驶感知算法中目标识别以及决策控制中的轨迹规划均提供了极好的解决途径。机器学习方法需要大量带标注且内容丰富的数据集用以模型训练。卷积神经网络越复杂，参数越多，网络才越可能有更高的拟合能力，同时也需要更多的数据用于模型训练。虽然通过实车道路采集的场景数据真实性高，但是场景样本类型往往比较单调，并且人工标注繁琐且容易出错。因此，通过高逼真的道路场地构建、交通建模等技术手段建立的模拟仿真场景已经逐渐被国际上广泛认同和接受。它能够为机器学习提供大量带标注的数据集，可包含丰富的、具有边界特征场景内容的数据，这为深度学习的感知、强化学习的规划算法奠定了坚实的数据基础。
另一方面，智能驾驶测试需要大量多样性的测试样本来反映复杂多变的智能驾驶汽车应用环境。然而从真实道路上和试验场地得到的路采数据往往场景内容单调、不易泛化。如交通安全事故一些边缘或极端行驶工况，属小概率事件。对小概率事件的测试需要巨大的数据样本，并且事故样本的获取具有危险性且难以复制，需要很长的测试周期。构建高逼真度的仿真场景数据集，不仅需要满足ASIL（Automotive Safety Integrity Level）和 ISO26262 等在内的各种测试标准、规范以及测试需求，重构高速、城区和乡村等各类丰富的驾驶场景测试用例。同时它需要满足内容、类型和属性的多样性需求，利用道路、交
通和天气光照各要素模型自动生成大规模数据集，体现场景的典型性、极限边界性特征，实现智能驾驶汽车全天候、全工况的自动化测试、验证和评价。
因此，面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点，作为一种新兴技术仍面临许多挑战，其方法有待深入研究。本文在国内外仿真场景构建技术研究工作的基础上，综述了包括场景自动构建方法、交通仿真建模方法的自动驾驶软件测试技术，重点分析一些值得深入研究的问题，为进一步研究提供参考。
场景构建方法
螺旋升降机的选用
场景内涵与架构
曹妃甸国际生态城>露露的功课场景作为行驶环境与汽车驾驶情景的一种综合体现，描述了车辆外部行驶环境的道路场地、周边交通、气象( 天气和光照) 和车辆自身的驾驶任务和状态等信息，是影响和判定智能驾驶功能与性能因素集合的一种抽象与映射，具有高度的不确定、不可重复、不可预测和不可穷尽等特征。在场景中作为动态要素的交通流运动特性对主车运动和操作的干扰更为直接，是场景的关键部分之一。Menzel 等人（2018）根据 ISO26262 标准定义中对场景的需求，对场景定义做了延伸，从应用的角度将场景定义为功能场景、逻辑场景和具体场景。场景对于汽车智能驾驶的影响不仅集中在中间介质的传感感知部分，也体现在智能端的决策控制中，此外影响往往不是单一要素的作用，而是相互依存、相互影响的
多个要素通过适当机制耦合、系统作用的结果。以雨天为例，不仅妨碍了车载环境传感的信息获取，也降低了路面附着系数，提升了轨迹规划和底盘
稳定控制的难度。
国模王真国内外研究学者针对智能驾驶测试场景开展了不同程度的理论方法方面的研究。德国PEGASUS 项目（project for the establishment of generally acceptedquality criteria, tools and methods as well as scenariosand situations for the release of highly-automated driv-ing functions）是目前广受关注的测试场景研发项目，研究定义了场景（scenario）“功能—逻辑—具体”（functional-logical-concrete）三级分层体系，以及面向概念—开发—测试—标定的场景库构建流程及智能驾驶测试方法（Ulbrich 等，2015；Menzel 等，2018），通过开发 OpenScenario 接口试图建立可用于模拟仿真、试验场和真实环境中测试和试验高级智能驾驶系统的标准化流程。Hallerbach 等人（2018）从参数赋值的角度提出了基于仿真的关键场景识别方法，建立了评价车辆安全和交通质量的性能指标。Zhao 等人（2018）围绕加速测试框架（accelerated evaluation），提出了采用扭曲车辆运行数据的统计分布的智能驾驶汽车加速测试评估方法，用以提升跟驰和超车情景中智能驾驶车辆安全性能的测评效率。Langner 等人（2018）提出了利用自动编码器自动识别数据池内独特性高场景的方法，用于构建衍生关键场景。Yan 等人（2018）采用基于行驶距离侵入—碰撞时间的危险判断方法，从采集车视频数据中将危险区域划分为多个场景片段，从而生成一系列测试案例。此外北京航空航天大学、吉林大学（朱冰 等，20
19）、同济大学、天津中汽研数据中心、国汽（北京）智联研究院和中汽院智能网联等高校研究机构也进行了相关课题
