“多彩”仿真场景赋能“多重”仿真测试

仿真测试可以应用于产品研发到量产的各个阶段。在算法研发阶段，可以通过仿真测试进行系统及各子系统的算法联合调试或独立调试；在量产阶段，可以通过仿真测试来保证开放道路测试时的安全性。因此仿真的优势有三点：包括低成本，高效率及低风险。低成本代表着仿真测试可以通过一次性的设备投入进行长期的产出，软硬件成本相对于开放道路测试及场地测试较低，不需要大量的软硬件设备即可完成；高效率是仿真测试可以进行24小时的长时间测试以及一些极端天气情况测试，不受时间、空间及天气状况的影响，并且可以自由设置这些时空及天气参数；低风险是仿真测试可以进行一些在开放道路中无法实现的事故场景或一些边缘危险的Corner Case的测试，所以仿真测试在自动驾驶技术发展中的地位不容忽视。

干线物流自动驾驶是国内外政府、车企、行业机构都在研究的商业化场景。自动驾驶仿真实验室通过多年的技术积累，支撑上海某干线物流自动驾驶产品研发。此项目涉及多方面的技术问题，不仅需要建设该高速公路的自动驾驶仿真方案，同时也要建设数字孪生平台。通过对产品性能、ODD特征以及自动化作业需求的研究，结合自身能力建设和技术实力，自动驾驶仿真实验室为该类产品的研发提供了解决途径。

干线物流涉及自动驾驶开放道路，园区内部道路，涵盖普通道路、高速公路、码头、堆场、夜间大交通流量等复杂场景。“繁忙”是该类运输路线的代名词，日均车流量在3万辆以上。

上海汽检自动驾驶仿真实验室与某导航电子地图甲级资质企业在开放道路数据采集领域具有长期合作关系，对开放道路场景采集提供了大力支持，另外，上海汽检自动驾驶仿真实验室拥有五路激光雷达、八路摄像头、两路毫米波雷达的数据采集车，采集智能重卡干线物流场景数据。通过对高速公路的实地采集，使用仿真数据还原系统对采集的干线道路数据及交通流进行仿真还原。在此过程中，仅保留了仿真数据，仿真还原后得到包括Open DRIVE的地图文件以及Open Scenario的交通参与者文件，实车采集数据在还原后予以销毁以保证国家数据安全。

考虑到干线物流交通繁忙，在征得相关部门同意后，上海汽检自动驾驶仿真实验室基于路侧设备开发了道路交通流参数化系统及交通流的模型开发。该系统可实时监控道路车流量及车辆类型等信息，并可为仿真交通流模型提供原始数据依据，赋能仿真测试的真实性。

另外，针对高速公路的自动驾驶车辆自身相关数据回传，打造了数字孪生仿真平台，该平台能够将项目相关自动驾驶车辆回传的数据实时查看，便于仿真实时数据记录。

干线物流路网遍布各地，经常会受台风、暴雨、大雾等极端气候影响，尤其是沿海地区每年受大风影响时间可能在100天以上，大雨天气超过3个月。除此以外，大雾对自动驾驶提出了新的挑战，大雾是低层大气中的一种水汽凝结现象，由于水滴或冰晶的大量积聚，雾的厚度通常在200~400米，人驾驶的情况下，水平能见度不足1公里。

随着自动驾驶技术的发展，越来越多驾驶行为中原有需要人类完成的任务已经逐渐被机器所接替，其中接替人眼对道路的观察工作的是自动驾驶系统中的车辆感知技术。驾驶员的感知是通过各种器官观测，经由大脑处理判断后，对环境或事物形成的认知。相对应的，在自动驾驶领域，中央控制器接受各个传感器的信息经过一系列融合算法处理的这一过程便是感知技术，传感器就是汽车的感知器官。

因此，近几年的感知技术跟随着传感器的发展不断的进行技术革新，但同时传感器受环境影响大，在功能与应用条件上相比人眼拥有较大的局限性等缺点，也为系统得预期功能安全带来了新的挑战。针对该系列问题，根据CAICV中国智能网联汽车产业联盟发布的《智能网联汽车预期功能安全场景库建设报告》为指导，构建感知系统预期功能安全场景，针对该高速公路特定场景，设计了雨、雾、雪、隧道、特殊桩桶目标、特殊相机模型、特殊激光模型等多种预期功能安全测试场景。

在任何道路上都会出现各种原因引起的多种情况的交通事故，如果自动驾驶车辆遇到这些工况，自动驾驶系统是否能够起作用这就需要仿真进行还原事故场景来搭建事故场景。

针对此类道路交通事故问题，上海汽检自动驾驶仿真实验室与上海联合道路交通安全科学研究中心及某交警支队深度合作，开发基于交通事故数据的仿真场景还原系统，依靠事故场景分析工具，分析事故发生前运动状态，可以通过结构化数据对事故场景进行自动化构建，在此项目中用于仿真测试。

上海汽检自动驾驶仿真实验室通过场景采集进行仿真场景还原、预期功能安全场景及事故场景设计、交通流模型设计、数字孪生还原等一系列手段进行此项目的研究与落地工作。通过以上手段，就可以搭建一整套包含该高速公路交通流模型的仿真场景，届时，可在该场景中进行长时间，连续性的仿真测试，基本上覆盖了大部分的仿真场景。

上海汽检自动驾驶仿真实验室搭建智能网联场景库，该场景库包含典型事故场景、标准法规场景、全域连续场景、特殊示范场景、功能测试场景、自然采集场景、半实物仿真场景、预期功能安全场景。此外，自动驾驶仿真实验室还构建了场景泛化及场景库存储平台，供各智能网联仿真相关企业使用。

预期功能安全危害的产生，是由于参与自动驾驶的系统存在功能不足，性能局限，在一个特定场景下，成为了引发系统后续反应的触发条件，这些反应促成了危害行为或无法防止、探测及减轻合理可预见的间接误用。

预期功能安全危害事件模型

因此，引发自动驾驶预期功能安全问题有三个重要路径，1. 引发安全的特定场景，2. 自动驾驶各系统存在的功能不足和性能局限。3. 一旦发生危害事件的不可控因素。因此，SOTIF的解决方案也是从这三个角度入手。

以感知系统为例，上海汽检自动驾驶仿真实验室通过收集到的港城运输实际问题和SOTIF方法论的推导，整理出干线运输特定场景下的SOTIF触发条件，并通过东海大桥实际场景采集1比1仿真还原，提出了基于仿真条件的智能重卡港城运输场景下的预期功能安全解决方案。

基于经验的SOTIF触发条件

3.  进行某干线道路实际场景采集及仿真场景还原

某干线道路实际场景采集

基于实采数据仿真场景还原

根据实采场景构建的仿真还原场景

基于港城运输实际SOTIF事故构建仿真场景

场景元素组合及参数泛化示例

针对自动驾驶感知系统预期功能安全仿真测试需求，构建硬件在环(Hardware-in-the-Loop, HIL)仿真测试平台，仿真测试包括仿真场景设置、车辆模型设置、模型数据传输、仿真数据回灌及检测算法识别若干步骤，其架构如图所示。

仿真场景通过虚拟仿真软件搭建，包括静态场景和动态场景设置。静态场景包括道路模型、天气模型及交通环境模型等。动态场景包括车辆运动参数、行人及动物运动参数等。

另外还可以对事故场景和危险驾驶场景进行多驾驶员场景模拟构建，该系统支持一主四副的机动车以及两辆非机动车和多个行人的模拟，该系统可以针对现实世界中无法实现、搭建困难有危险的场景、参与对象多路径复杂难复现的场景，通过该系统进行驾驶员在环的仿真场景搭建。该系统还可以完成驾驶员在环的HIL测试。

多驾驶模拟危险场景构建

根据 CAICV-SOTIF提出的感知系统综合量化评价体系（上海汽检深度参与），基于仿真和场地测试数据评价被测感知系统预期功能安全性能水平，共计 72 组测试数据，在准确性、精准性、稳定性、及时性、完整性五个维度上进行评价。

遵循ISO21448所提供的基本原则和思路，结合具体测试结果，针对感知系统性能局限提出改进措施。并进行改进后的回归测试。

改进措施建议示例

上海汽检自动驾驶仿真实验室测试服务能力详解