自动驾驶测试包含哪些核心环节？如何考核？

谈思实验室 2023-02-25 18:03

TI MCU方案：能源基础设施实时控制 如何增强能源基础设施的实时控制？

点击上方蓝字谈思实验室

获取更多汽车网络安全资讯

自动驾驶已然成为汽车行业热词。在大家殷切的期盼下，近几年上市的车型，多少都要有和“自动驾驶”功能相关才能赢得消费者青睐。

▍自动驾驶汽车测试的必要性

自动驾驶汽车测试是自动驾驶研发中的重要环节，也是自动驾驶技术发展的重要支撑，随着智能网联汽车高等级的自动化和网联化系统不断产业化落地，对测试的依赖越来越深入，尤其是面对即将量产落地的L3级以上自动驾驶产品，对现有的测试技术、标准和法规，都提出了新的挑战，需要新的技术突破。

自动驾驶汽车本身结合了车辆技术，人工智能，模式识别，5G通讯，传感器融合等多领域，跨学科知识。跟传统的汽车测试有很大不相同，为了应对千变万化的交通场景，需要海量的数据对自动驾驶算法进行训练，通过不断的迭代，才能覆盖尽可能多的场景。并且测试会贯穿车辆的生命周期，即使车辆已经卖出，并上路行驶，也会定期远程升级，以便覆盖新的场景。

▍自动驾驶汽车测试类型及测试内容是什么？

自动驾驶汽车的测试伴随着车辆开发的全流程，包括对标测试、软件在环（SIL，即software-in-loop）、硬件在环（HIL，即hardware-in-loop）、车辆在环（VIL，即vehicle-in-loop），系统标定、再到最后的整车场地、道路测试等方法，涵盖了从零部件到系统再到整车的全链条验证。

在测试内容方面，主要包括传感器、执行器、算法、人机界面测试以及整车功能等内容。

▍自动驾驶测试主要验证目的有什么？

自动驾驶的落地，需要验证产品及系统的功能、性能、安全、稳定和鲁棒性。

功能测试：主要功能指标包括是否能够正确响应各类道路交通设施、是否能够遵守交通规则、是否能够按照自动驾驶功能的设计指标正确响应道路上的车辆、非机动车、行人等交通参与者，是否能在设定的ODD之外正常退出并提示驾驶员接管，以及是否能够正确完成在功能设计时规划的其他自动驾驶功能。

性能测试：主要指标包括各项车辆运动数据（如速度、加速度、行驶路线），对交通参与者的识别正确率、响应速度、识别范围，对各类光照、气候环境的适应能力，驾驶员、乘员的主观体验（如是否感到迷惑、紧张、不安，车辆自动驾驶时的各项驾驶操作是否舒适、自然）。

安全测试：安全指标包括功能失效概率，功能安全场景的通过情况和预期功能安全场景的通过情况。稳定性测试：主要验证功能及性能是否能稳定运行。

鲁棒性测试：鲁棒是Rubust的音译，是在异常和危险情况下系统生存的关键，主要测试系统的抗打击能力。主要验证在复杂场景下遇到问题时，系统能否及时恢复，把严重性降低。例如，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，系统是否不死机、不崩溃。

▍自动驾驶场景库与虚拟仿真测试

场景是自动驾驶测试系统中相当重要的一环，测试场景的多样性、覆盖性、典型性等能够影响到测试结果的准确性，从而保证自动驾驶的安全与质量。

场景，指的是行驶场合和驾驶情景的组合，它受行驶环境的深刻影响，如道路、交通、天气、光照等因素，共同构成整个场景概念。场景是在一定时间和空间范围内环境与驾驶行为的综合反映，描述了道路、交通设施、气象条件、交通参与物等外部状态以及自车的驾驶任务和状态等信息。从场景架构来看，有不同的行驶场合，像高速公路、乡村道路、城市工况、机场、码头、封闭园区等；在该场合下，如何驾驶、驾驶任务、驾驶速度、驾驶模式等一起构成了整个场景的三维架构。

自动驾驶仿真是借助计算机虚拟技术对实际交通系统进行某种层次的抽象。通过把大量自动驾驶开发和测试的成本转化为GPU的物料成本和工程师的知识经验成本，进而大大缓解该痛点。

仿真测试执行包含两个方面的工作：

（1）对测试场景库的维护和针对不同算法或功能合适的测试场景进行运行测试；

（2）在测试完成后，整理并提供清晰的测试报告，并提供测试结果的统计数据，为算法团队的改进提供有效支撑。

▲ 某自动驾驶仿真软件的运行可视化界面

在仿真测试里，根据自动驾驶测试的关键要素，需要建如下的模型，包含最传统的车辆动力学模型、驾驶人模型、静态环境模型、动态交通模型、环境感知传感器模型。建模要关注两方面，一个是计算效率、一个是计算精度，两个是彼此制衡。

除了纯虚拟环境的测试之外，还有多物理系统在环的仿真测试，就是说要能够进行化学感知系统、决策规划系统、控制执行系统的在环测试。

基于场景的虚拟仿真测试，是未来自动驾驶汽车测试的一个发展趋势，也是必由的途径。

▍自动驾驶虚拟仿真测试有必要吗？

根据行业专家的估算，一款自动驾驶汽车，至少需要上亿英里的完整测试里程，消耗大约500年的驾驶时间，才能证明自动驾驶车辆的故障率低于人类驾驶员的故障率进而落地应用。尽管实车道路测试是最可靠、最准确的测试方法，但由于时间和金钱成本过高，无法满足技术研究快速发展的需求。此外，自动驾驶道路测试在交通法规、极端场景、全球产业链等方面面临较多的局限性。