什么是自动驾驶模拟测试？
虚拟仿真技术是汽车研发、制造、验证和测试等过程中不可或缺的技术手段，可以有效缩短技术和产品开发周期，降低研发成本； 随着汽车智能化和网联化的发展，虚拟仿真技术已经提供了更大的性能空间，比如自动驾驶系统的仿真测试和验证； 虚拟仿真测试是实现高端自动驾驶应用的关键一环。 具有自动驾驶功能的车辆必须经过大量的虚拟仿真测试和实车道路测试。 然后就可以将其商业化；
自动驾驶汽车商业化需要经历三个测试阶段：模拟测试、封闭场地测试和开放道路测试。
自动驾驶仿真测试：主要利用数学建模，数字化还原自动驾驶的应用场景，建立尽可能接近现实世界的系统模型。 它不需要通过软件直接对实车进行模拟和测试，从而达到完全了解自动驾驶系统和算法测试验证的目的。
仿真测试包括以下类型： 模型在环仿真 (MIL) – 软件在环仿真 (SIL) – 硬件在环仿真 (HIL) – 车辆在环模拟（VIL）
自动驾驶系统开发V型流程
自动驾驶仿真测试的必要性
实车道路测试面临的问题：
美国兰德公司的一项研究显示：一套自动驾驶系统至少需要110亿英里的驾驶数据来测试和验证系统和算法，才能满足量产的条件； 因此虚拟现实用虚幻还是unity开发，仅依靠实车道路测试来实现这一目标是极其困难的。 而且，实际车辆路试还存在以下问题：
模拟测试的优点：
实车测试与模拟测试方案对比
备注： ● 真实 ○ 虚拟 ◎ 虚拟或部分真实 数据参考：中国汽车工程研究院
三者之间的关系
模拟测试、封闭场地测试、开放道路测试相辅相成，形成测试闭环，共同推动自动驾驶汽车的研发和标准体系的建立：
1）模拟试验结果可以在封闭场地和开放道路上进行测试和验证；
2）通过道路测试获得的危险场景将反馈到模拟测试中，以便有针对性地调整设置场景和参数空间；
3）必须对模拟测试和闭场测试的最终结果进行综合评估，并根据评估结果不断完善评估标准和测试场景库。
模拟测试、封闭场地测试、道路测试形成闭环音乐音效，推动研发和标准建立（数据来源-i-VISTA）
自动驾驶仿真测试的重要组成部分：场景库、仿真平台、评估系统； 其中，场景库是基础，仿真平台是核心，评估体系是关键； 三者紧密耦合虚拟现实用虚幻还是unity开发，相互促进：场景库的建设需要仿真平台和评估系统作为指导。 仿真平台的发展和演进需要场景库和评估系统作为支撑。 评价体系的建立和完善还需要现有的场景库和仿真平台作为参考基础。 接下来笔者将从场景库和仿真平台入手。 依次介绍平台和评价体系三个重要方面。
1.场景库
1.1 什么是测试场景，其核心要素是什么？
自动驾驶测试场景的定义：一段时间内自动驾驶汽车各部件及其行驶环境的整体动态描述。 元件的组成由预期测试的自动驾驶车辆的功能决定； （定义引自：中国汽车工业协会团体标准-自动驾驶系统功能测试第7部分-模拟测试）简而言之，场景可以视为自动驾驶汽车的行驶状况和行驶场景的有机结合。 它具有场景无限丰富、极其复杂、变幻莫测、取之不尽用之不竭的特点。
测试场景要素：测试车辆自身要素和外部环境要素； 外部环境要素包括：静态环境要素、动态环境要素、交通参与者要素、气象要素等。
测试场景元素划分
1.2 什么是场景库？ 场景库中测试场景的数据来源是什么？
场景库定义：由一系列满足一定测试要求的自动驾驶测试场景组成的数据库。 场景库可以完成从场景数据的管理到场景测试引擎的桥梁，实现场景的自动生成、管理、存储、检索、匹配，最后是测试工具的注入。
场景库包含4种典型测试场景（中国汽车工业中心根据不同数据源的分类方法）：自然驾驶场景、危险工况场景、标准法规场景、参数重组场景。
四种典型测试场景
测试场景的数据来源主要包括真实数据、模拟数据和专家经验三部分。
1）真实数据：现实世界中实际发生的、由传感器采集或以其他形式记录保存的真实场景数据，包括自然驾驶数据、交通事故数据、路侧单位监测数据、封闭场地测试数据和开放道路测试数据数据等；
2）仿真数据：主要包括驾驶模拟器数据和仿真数据； 前者是使用驾驶模拟器测试得到的场景元素信息； 后者是在虚拟仿真平台上测试自动驾驶系统或车辆得到的场景元素信息。
3）专家经验数据：根据专家模拟测试经验总结出的场景要素信息。 标准和法规是专家经验数据的典型代表。
测试场景数据源
注：测试场景数据来源请参见《自动驾驶系统功能测试第7部分：模拟测试（征求意见稿）》
1.3 场景库构建流程
施工流程：
自动驾驶测试场景构建流程（图片参考：中汽数据有限公司）
自动驾驶研发测试与场景库建设形成闭环：测试场景库建设可以有效带动自动驾驶研发测试工作。 反过来，自动驾驶的研发测试可以反馈并丰富场景库。
1.4 国内场景库发展现状
情况分析：
国内典型场景库介绍
附录1.中国典型场景库简介
1）中汽数据有限公司——自建场景库
场景库覆盖：自然驾驶场景库（1228种）、功能安全场景库（110种）、V2X场景库、危险事故场景库（206种）、中国独有的交通法规场景库（82种）、预期功能安全场景库（70种）等
A。 自然驾驶场景库
根据我国不同道路拓扑、交通基础设施、环境条件、车辆信息等动静态要素特征，从不同维度对数据库进行分类、构建和更新：
b. 功能安全场景库
功能安全场景库生成流程：
第一步：参照ODD分类国际标准，对行驶区域、天气、光线等7大类场景元素和30类子元素进行排列重组，形成系统的功能场景库；
步骤2：基于真实道路挖掘场景数据的上述功能场景，调整相关参数范围，得到对应的逻辑场景，最后在仿真软件中构建驾驶场景和周边环境，形成所需的复制场景；
步骤3：在模拟验证软件中，激活ADAS功能，对重现场景中的电子电气故障进行模拟验证，评估由此产生的风险，根据公式和可控性计算严重性（S）和暴露性（E） (C)、最终根据ISO26262标准确定ASIL风险等级。
C。 V2X场景库
2）中国汽车工程研究院-自建场景库
场景库数据来源：标准法规、交通事故、人工经验和自然驾驶数据。
场景库生成解决方案：场景数据采集、场景分类提取、场景数据标注、场景聚类、场景重构、虚拟场景变换等。
场景库V2.0生成方案（来源-中国汽车工程研究院）
中国典型场景库V2.0：
2020年12月，《中国典型场景库》在V2.0版本的基础上升级至V3.0：
四级场景包（数据来源-中国汽车研究院官网）
3）百度——自建场景库
涵盖的场景类型：
典型场景类型数量：约200个
涵盖：不同道路类型、障碍物类型、道路规划、交通灯信号
测试场景数据来源：自然驾驶道路采集数据、交通数据库、人工体验等。
测试场景根据生成方案不同分为Logsim场景和Worldsim场景。 目前，总共提供了220个Worldsim场景和17个Logsim场景。
A。 Logsim：从道路测试数据中提取的场景提供了复杂多变的障碍物行为和交通状况，场景充满不确定性。
b. Worldsim：由人为预设的障碍物行为和红绿灯状态组成的场景。 场景很简单。
4）腾讯——自建场景库
实际道路测试数据积累：截至2020年，已积累超过50万公里的交通场景数据。
涵盖场景类型：车辆避碰能力、交通合规性、行为能力、视距影响下路口车辆冲突回避、碰撞预警、紧急制动、危险变道、无信号路口通行、人行横道等。
典型场景类型数量：约1000个
场景生成方案：通过Agent AI能力，可以自由生成各种随机驾驶场景
2. 仿真平台
2.1 仿真平台典型架构
仿真平台一般包括仿真框架、物理引擎和图形引擎； 仿真框架是平台软件平台的核心，支持传感器仿真、车辆动力学仿真、通信仿真、交通环境仿真等；
1）传感器模拟：支持摄像头、激光雷达、毫米波雷达、GPS/IMU等传感器模拟；
2）车辆动力学仿真：基于多体动力学建立的模型，对转向、悬架、制动、I/O硬件接口等多个真实部件进行参数化建模，实现车辆模型运动。 过程中的姿态和运动学模拟；
3）交通场景模拟：包括静态场景还原和动态场景模拟。 静态场景还原主要通过高精度地图和三维建模技术实现；
通过算法提取真实的道路挖掘数据，然后与现有的高精度地图相结合，可以创建动态场景模拟。 它还可以根据统计比例自动生成复杂的流量并手动设置相关参数。 交通环境；
例如，它可以模拟自动驾驶汽车在现实世界中可能遇到的极端情况和危险情况硬件设备，从模拟大雨雪等恶劣天气条件，到弱光照明，再到周围车辆的危险操作等；
4）V2X模拟（通信模拟）：支持创建真实或虚拟的传感器插件，允许用户创建特殊的V2X传感器； 它可用于测试 V2X 系统并生成用于训练的合成数据；
仿真平台典型架构（图片参考-2019自动驾驶仿真技术蓝皮书）
2.2 国内典型自动驾驶仿真平台
附录2 国内典型自动驾驶仿真平台信息汇总
注：√-有此功能×-无此功能——未知
1）浙江天行健智能科技——Panosim
平台类型：汽车自动驾驶技术与产品开发综合仿真与测试平台
平台特点：
2) 51WORLD – 51Sim-One
平台类型：覆盖自动驾驶全流程的综合仿真测试平台
平台特点：
3）腾讯——TAD Sim
平台类型：基于虚幻引擎的虚实结合、线上线下一体化的模拟测试平台
平台特点：
4) 飞行员-D GaiA
平台类型：基于德国自动驾驶仿真核心技术开发的仿真测试平台
平台特点：
2.3 国外典型仿真测试平台
附录3 国外典型自动驾驶仿真平台信息汇总
注：√-有此功能×-无此功能——未知
1) 西门子 – PreScan
类型：基于物理模型的传统汽车仿真平台
平台特点：
2) MSC 软件 – VTD
类型：传统汽车仿真平台
平台特点：
——提供图形化交互式路网编辑器Road Network Editor（ROD），在搭建路网模拟环境时可以同步生成OpenDrive高精度地图。
——针对动态场景构建，提供图形化交互场景编辑器Scenario Editor
3）德国IPG——汽车制造商
类型：基于传统动力学仿真开发的自动驾驶仿真平台
平台特点：
—— IPG Road：可以模拟多车道、交叉路口等多种形式的道路，通过配置GUI可以生成圆锥形、圆柱形等形式的路障。
—— IPG Traffic：提供丰富的交通对象模型，如车辆、行人、路标、红绿灯、道路施工建筑物等。
—— IPG驱动：提供自学习的驱动模型
——支持从HERE高清实时地图导入地图数据
——支持导出ROAD5和OpenDrive格式的地图数据
4) NVIDIA - 驱动星座
类型：基于Unreal Engine开发，由两台服务器组成的自动驾驶仿真平台
平台构成：
A。 第一个服务器硬件由 8 个 NVIDIA RTX Turing GPU 组成
功能：运行DRIVE Sim软件，模拟自动驾驶汽车上的传感器数据（包括摄像头、毫米波雷达、激光雷达、IMU和GNSS）和驾驶场景数据；
b. 第二个服务器硬件构成：自动驾驶汽车目标AI ECU
功能：用于处理第一服务器传来的模拟数据，如传感器模拟数据
平台特点：
NVIDIA-DriveConstellation仿真平台（来源-NVIDIA官网）
5) 微软——AirSim
类型：基于虚幻引擎构建的无人机和自动驾驶开源仿真平台
平台特点：
6) 巴塞罗那自治大学（与丰田研究院和英特尔实验室联合）——CARLA
类型：基于虚幻引擎开发，采用服务器和多客户端架构的开源平台
平台特点：
7) LG电子——LGSVLSimulator
类型：基于游戏引擎-Unity开发的开源自动驾驶仿真平台
平台特点：
—— 高清地图：支持现有3D环境高清地图的创建、编辑和导入/导出
注：高精地图支持的导入/导出格式：
A。 支持导入格式：Apollo5.0高清地图、Autoware矢量地图、Lanelet2和OpenDrive 1.4
b. 支持的导出格式：Apollo 5.0、Lanelet2 和 OpenDrive 1.4
