自动驾驶技术虚拟场景数据库的介绍和特点及仿真场景的详细概述

驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。

中国汽车技术研究中心有限公司数据资源中心自2015年开展驾驶场景数据采集及分析研究工作以来，不断积累自然驾驶场景资源，目前已采集超过32万公里自然驾驶里程数据，地域覆盖北京、天津、上海等重点城市，工况覆盖高速、城市、乡村、停车场等重点领域，环境覆盖晴天、雨天、雪天、雾霾等多种天气，范围覆盖典型场景、边角场景、事故场景等多种类型，已建设成为首屈一指的中国特色驾驶场景数据库。经过多年的经验积累，数据资源中心逐步形成了完善的数据采集规范、数据处理流程、特征提取方法、场景数据库结构规范、测试用例数据格式、驾驶场景虚拟仿真测试方法等理论体系。

为充分发挥数据资源中心现有驾驶场景数据的应用价值，迎合企业在智能网联汽车研发验证方面的场景需求，解决行业在本土化功能安全评价方面的痛点问题，数据资源中心拟基于驾驶场景数据建设方面的技术积累，从数据采集、处理分析、虚拟仿真和评价体系等多个层面对“智能网联汽车驾驶场景数据库研究与应用”进行专题报道，进而为行业提供切实可行的技术支持。专题报道将分为8期进行，本期着重介绍在虚拟场景数据库建设方面的整体思路与最新成果。

虚拟场景数据库建设

虚拟场景数据库：驾驶场景数据是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要“案例库”与“习题集”，是重新定义智能汽车等级的关键数据依据。驾驶场景测试用例主要通过虚拟仿真环境及工具链进行复现，因此建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。

虚拟场景数据库的特点：虚拟场景数据库具有无限性、扩展性、批量化、自动化的特点。

1、无限性：虚拟场景数据库主要由测试用例经虚拟仿真建模得到，测试用例来源于功能场景与逻辑场景，由于场景参数分布的连续性以及场景元素排列组合的多样性，测试用例是不能穷举的，随着场景个数的不断积累，虚拟场景数据库不断丰富，虚拟场景数据库也是无限量的。

2、扩展性：构成场景的关键要素包括静态要素、动态要素以及驾驶员行为要素，要素的不同排列组合及遍历取值更丰富地扩展了虚拟场景库的边界，使得虚拟场景库的个数呈比例式增长。例如，同一个测试场景通过改变天气状况、光照条件、交通参与物个数及位置能够扩展更为丰富的测试用例。

3、批量化：借助虚拟仿真工具链开发标准的驾驶场景数据接口，能够实现测试用例的批量化导入及建模，并利用高性能仿真服务器实现批量化的仿真测试，节约时间成本与人力成本。

4、自动化：可实现自动化测试是虚拟场景数据库的另一个特点。测试用例的评价规则将被写进数据库，当仿真测试结束后，结合被测对象的性能表现，自动化给出综合评价结果和指标。

虚拟场景数据库的建设：场景数据格式、虚拟仿真工具链与测试用例评价体系是构建虚拟场景数据库的主要环节。测试用例首先需要定义为标准的数据格式，目前国际通用数据格式包括OpenDrive及OpenScenario等，数据资源中心同时在积极开发符合中国驾驶场景特点的层次化场景数据格式，满足多种工具链的接口需求；虚拟仿真工具链是构建虚拟场景库的关键，目前国内外有10余种虚拟仿真工具能够实现驾驶场景的静/动态特征建模、环境渲染、实时仿真，极大地丰富了虚拟场景库的应用模式与应用领域，选择合适的工具链是构建具有典型性、普适性、代表性虚拟场景库的重要环节。虚拟测试用例的评价体系建设是场景数据应用的重中之重，数据资源中心从法规要求、功能安全、算法有效性等多个方面综合提出了自动驾驶虚拟仿真测试评价体系，增强了驾驶场景支撑智能网联汽车研发与测试的现实意义。

虚拟场景数据库的分类：数据资源中心将仿真场景划分为自然驾驶场景、危险工况场景、法律规范场景、参数重组场景四类，包括不同自然条件（天气、光线等），不同道路类型（路面状态、车道线类型等），不同交通参与者（车辆、行人位置速度等），不同环境类型（高速、小区、商场、乡村等）在内的多类型虚拟仿真测试用例。

自然驾驶仿真场景——充分测试场景

自然驾驶仿真场景来源于数据中心采集的驾驶场景数据库以及企业的道路测试场景。自然驾驶仿真场景能够很好地体现测试的随机性、复杂性及典型性区域特点。目前数据中心已采集32万公里的自然驾驶场景数据，经过成熟的场景划分方法生成了上千种典型测试用例，基于每日更新测试用例数据的建设机制，不断丰富和完善自然驾驶仿真场景库。

危险工况仿真场景——必要测试场景

危险工况仿真场景主要涵盖恶劣天气环境、复杂道路交通以及典型交通事故三大类仿真场景。数据资源中心从大量自然驾驶场景数据库中，通过对场景进行参数化统计分析，提炼出不同影响因素下的危险工况测试用例，其中包括天气光线、地理地形、交通拥堵、路面结构、特殊障碍物等因素引起的易发性危险场景案例。另外，数据资源中心通过对这些危险工况数据进行分析录入和仿真场景搭建，将危险工况场景参数化，以用于更多极限和边缘场景的扩展生成。

标准法规仿真场景——基础测试场景

标准法规测试场景是自动驾驶功能在研发和认证阶段需要满足的基本场景，数据中心始终紧跟自动驾驶政策发展动态，已基于ISO、NHTSA、ENCAP、CNCAP等多项标准、评价规程构建了20余种标准仿真测试场景，支持AEB、ACC、LKA、APA等多种自动驾驶功能的仿真验证，同时贯通了标准场景的自动化测试流程。

参数重组仿真场景——补充测试场景

参数重组仿真场景旨在将已有仿真场景进行参数化设置并完成仿真场景的随机生成或自动重组，进而补充大量未知工况的测试场景，有效覆盖自动驾驶功能测试盲区。参数重组的仿真场景可以是法规场景、自然场景和危险场景。通过不同交通要素的参数设置可以重组法规场景；使用参数随机生成算法可以重组自然场景；针对危险场景的重组，数据资源中心通过自动化测试寻找边缘场景，计算边缘场景的参数权重，扩大权重高的危险因子参数范围，可实现更多危险仿真测试场景的自动化生成。