無人駕駛汽車虛擬測試場景構建的關鍵技術分析

史成君 謝雅儒

摘要：無人駕駛和智能網聯汽車是汽車行業未來的發展方向，但迄今為止無人駕駛的安全問題始終沒能完全解決。復雜的道路條件和交通環境對于無人駕駛的挑戰非常大。無人駕駛汽車在上路前必須經過不同場景的適應性測試，主要包括虛擬仿真測試、封閉場地測試和路測，但當前各個環節都存在一些明顯的短板。文章通過梳理無人駕駛汽車虛擬測試場景模型層開發的原則，提出了一系列在搭建仿真場景時需要注意的關鍵問題，對于提高無人駕駛汽車仿真測試的有效性具有一定的借鑒價值和現實意義。

關鍵詞：無人駕駛；智能網聯；汽車；虛擬仿真測試

中圖分類號：U172.7? 文獻標志碼：A

0 引言

無人駕駛技術是當今世界汽車行業和交通運輸行業都非常關注的領域，一些發達國家早在五年前就出臺相關政策法規對此進行支持，中國在《汽車產業中長期發展規劃》中也指出要重點攻關無人駕駛相關技術，在北京和上海等城市建設無人駕駛汽車封閉試驗場并逐步進行小范圍開放道路測試。但無人駕駛車在世界各國的開放道路測試中出現安全隱患和交通事故的事例也層出不窮，2018年美國Uber和福特ArgoAI無人駕駛車接連出現交通事故，并造成人員傷亡，給全世界敲響了警鐘［1］。學界對此態度不一，部分專家認為無人駕駛車當前尚不具備開放道路實驗的技術積累，應當首先完善虛擬場景測試，在確保無虞的情況下逐步進行封閉測試。基于場景的測試技術對于無人駕駛車的實驗至關重要，所以如何構建合理的虛擬測試場景，就成了當前此項技術突破的關鍵問題。

1 無人駕駛汽車運行過程中的風險分析

1.1 無人駕駛汽車風險的定義

無人駕駛汽車道路交通風險的定義為特定范圍的道路交通系統在將來一定時期內，可能出現的無人駕駛汽車造成交通系統內未知的人身傷亡和財產損失的風險。無人駕駛汽車交通風險出現的時間并不具有特定性，具有不可預測性，一旦發生風險，則確定會造成嚴重后果［2］。其他道路交通參與者的行為都會對無人駕駛汽車出現交通事故產生較大的影響。

1.2 無人駕駛汽車風險特征

通過對無人駕駛汽車可能遇到的道路交通風險的定義進行分析，可以歸納出無人駕駛汽車道路交通風險的本質特征。第一，風險具有客觀性。即無人駕駛汽車的交通風險是客觀存在的，道路環境、極端天氣、道路參與者等都會對于車輛行駛過程產生干擾。第二，風險發生和產生后果的可能性是隨機的。不同的影響因素會對無人駕駛汽車產生不同的風險，這些風險都有可能造成車輛的損失。

1.3 無人駕駛汽車風險分類

無人駕駛汽車在實際上路之后主要面臨兩種風險，一方面是汽車在行駛過程中遇到的交通風險，比如極端天氣風險、行人不遵守交通規則的風險、駕駛員的不規范操作風險等［3］。道路環境的因素主要包含不同的道路環境以及道路設計的幾何特征、橫縱斷面、路面質量等都會對車輛行駛產生影響，天氣因素主要包括極端天氣以及能見度等。另一方面是功能風險，主要指的是無人駕駛汽車自身出現故障或者部分電子儀器失靈等造成的損失與風險。

1.4 典型場景風險分析

對于無人駕駛汽車來講，典型的道路場景風險主要有以下幾個方面。

1.4.1 行駛風險

無人駕駛汽車在城市道路中運行的過程中，可能無法正常識別道路交通標線；道路交通基礎設施可能不夠完善，信號燈不亮；陡坡路段或者轉彎路段上無法識別道路線形；跟車行駛過程中遇到前車減速無法做出瞬態響應導致追尾；超越其他車輛的過程中，前方車輛突然進行變道、加減速等，無法及時做出響應而產生碰撞；交叉口處交通沖突點過多時，無法準確識別行人、小孩、低矮障礙物等。

1.4.2 山區公路風險

山區道路具有路面可視度底、路況差、道路交通標志不清晰、道路寬度不足、彎道轉彎半徑過小、斜坡等諸多風險，山區公路還易受天氣影響，導致風險加劇。

1.4.3 高速公路風險

高速公路上的交通要素過多，存在變道風險、追尾風險和突發事件風險等，無人駕駛汽車難以準確把握和預判所有其他車輛的行駛意圖，就容易引發交通事故［4］。

2 無人駕駛汽車虛擬測試場景模型層開發的原則

2.1 測試場景要素分析

無人駕駛汽車的行駛場景是非常復雜的，很難考慮到所有情況，但是可以總結為五類要素：一是氣候要素，主要包括各種類型的天氣情況；二是交通要素，主要包括靜態或者動態的車輛、行人、動物、其他障礙物等；三是交通設施要素，包括交叉口、交通標志標線、交通標志指示牌等；四是信息通信要素，包括各類定位技術、5G通信技術、WiFi等；五是電磁要素，包括各種可能產生的電磁干擾。

2.2 公路測試場景模型層參數化開發

城市道路要根據等級和通行能力進行分別設計，不同車流量和不同的交通規則都會對無人駕駛汽車在交叉口或復雜路況下識別場景造成影響。常見的城市道路模型典型場景有以下幾個：主干路，一般設計時速60km/h，機動車道寬度取3.5m，側分帶寬度兩側各1.5m，非機動車的路面寬度取2.5m；次干路，一般設計時速50km/h，中央分隔帶3m，兩側可設置樹木；支路，一般設計時速40km/h。道路平面交叉口還需考慮信號燈配時，對各個不同的交叉口分別設計不同的交通標志和配時方案。

2.3 自由行駛場景模型層參數化開發

自由行駛場景下，車輛需要能夠正確感知道路狀況和交通標志標線，常見的標志標線分類如表1所示。

由于各地路況不同，交通標志是否準確放置、信號燈是否配時準確、路面標線是否完整及清晰可見，這些因素都將影響到無人駕駛汽車的感知。另外，車輛對于道路路面狀況的識別也至關重要，無人駕駛汽車在行駛過程中需要對不同材質的路面進行識別，常見的路面狀況如表2所示。

在設定好感知參數后，還需進一步設定路徑參數。任務規劃需要明確路徑的起終點并設計好最佳行駛路線，在測試時需要和實際行駛路線進行比對。車輛在行駛過程中，需要結合外部情況實時調整自身行為，在測試中要設置不同的道路場景，判斷汽車的自主決策和最優決策是否一致。要設定動作參數，使汽車通過一些動作來實現某種目的。

2.4 跟馳及超車場景模型層參數化開發

在交通仿真過程中，跟馳場景的含義是無人駕駛汽車模型需要跟馳一輛干擾車，要調整不同跟馳距離、行駛速度、天氣環境等，來判斷測試車的反應。超車場景則是指干擾車進行加速、減速或者變道時，測試車想要超越干擾車時進行的一系列動作，并測試這個過程中測試車的規劃和控制能力［5］。

3 無人駕駛汽車虛擬測試場景仿真搭建的關鍵技術

3.1 虛擬場景構建原則

為了更好地進行虛擬場景測試，需要預先搭建好完善的測試場景，其又分為靜態場景和動態場景兩部分。靜態場景指的是道路、附屬設施、交通標志標線、路旁附加元素等，可以通過建模軟件、地圖生成或者游戲場景二次利用等多種方式生成靜態場景。搭建動態場景主要有兩種思路。第一種思路是將真實數據進行重構，適當調整某些數據使其更加符合測試需求；第二種思路是純粹進行虛擬仿真，脫離現實交通環境，由研究者自行設計環境要素。

3.2 使用SCANeRstudio進行場景構建

SCANeRstudio是無人駕駛汽車虛擬仿真的常用軟件，具有較全面的功能，可以以較高的還原度模擬真實場景的各項事物，能夠滿足各種復雜測試需求。使用SCANeRstudio構建的道路及超車仿真場景如圖1所示。

建模完成后，即可對于不同的測試場景進行車輛自由行駛模擬測試，測試過程包含感知過程、決策過程和控制過程。在感知過程階段，要保證車輛能夠識別道路上常見的元素，比如對于交通信號燈、標志標線、禁令標志燈的識別。決策階段則利用復雜算法對于車輛在不同狀態下的行為進行綜合控制。控制環節主要是對車輛速度進行合理控制。由此可以通過結合靜態場景和動態場景的測試過程，判斷不同場景下車輛的可靠性。

4 結語

本文通過對無人駕駛汽車測試技術的國內外研究現狀進行綜合分析，總結出無人駕駛車的測試流程大體上分為3個階段，一是模擬測試仿真環境，二是封閉場地實車測試，三是外場真實道路測試。然而，在很多極端場景和惡劣天氣條件下，不方便進行外場路試。因此，提出測試場景模型層開發的原則，對于設計測試場景具有十分重要的意義。本文提出在虛擬測試階段存在的各種不同類型的典型測試場景，并給出虛擬測試場景搭建的原則，結合這些原則分析了仿真的關鍵技術。本文的研究結果對于無人駕駛汽車軟件虛擬測試階段的開發和設計具有一定的參考價值。

參考文獻

［1］符曉明.自動駕駛汽車測試技術與應用進展分析［J］.內燃機與配件，2020（19）：217-218.

［2］朱冰，張培興，趙健，等.基于場景的自動駕駛汽車虛擬測試研究進展［J］.中國公路學報，2019（6）：1-19.

［3］余卓平，邢星宇，陳君毅.自動駕駛汽車測試技術與應用進展［J］.同濟大學學報（自然科學版），2019（4）：540-547.

［4］何佳穎，田言康，劉飛虎.自動駕駛試驗場及虛擬測試場景研究［J］.汽車實用技術，2022（5）：21-25.

［5］范志翔，孫巍，潘漢中，等.自動駕駛汽車測試技術發展現狀與思考［J］.中國標準化，2017（20）：47-48，55.

（編輯 王永超）

Analysis of the key technology for the construction of the virtual test scenario of the driverless car

Shi? Chengjun， Xie? Yaru

（Shaanxi National Defense Industry Vocational and Technical College， Xian 710300， China）

Abstract：? Unmanned driving and intelligent connected vehicles are the future development direction of the automotive industry. But so far， the safety problem of driverless driving has not been fully solved. Complex road conditions and traffic environment are very big challenges to driverless driving. Driverless cars must be tested in different scenarios before going on the road， which mainly includes virtual simulation test， closed site test and road test. But there are some obvious weaknesses in all link. In this paper， by combing the principles of the model layer development of the virtual test scenario of driverless vehicles， a series of key issues are addressed when building simulation scenarios are presented. It has some reference value and practical significance to improve the effectiveness of driverless vehicle simulation test.

Key words： driverless driving; intelligent network; car; virtual simulation test