无人驾驶汽车虚拟测试场景构建的关键技术分析

史成君 谢雅儒

摘要：无人驾驶和智能网联汽车是汽车行业未来的发展方向，但迄今为止无人驾驶的安全问题始终没能完全解决。复杂的道路条件和交通环境对于无人驾驶的挑战非常大。无人驾驶汽车在上路前必须经过不同场景的适应性测试，主要包括虚拟仿真测试、封闭场地测试和路测，但当前各个环节都存在一些明显的短板。文章通过梳理无人驾驶汽车虚拟测试场景模型层开发的原则，提出了一系列在搭建仿真场景时需要注意的关键问题，对于提高无人驾驶汽车仿真测试的有效性具有一定的借鉴价值和现实意义。

关键词：无人驾驶；智能网联；汽车；虚拟仿真测试

中图分类号：U172.7  文献标志码：A

0 引言

无人驾驶技术是当今世界汽车行业和交通运输行业都非常关注的领域，一些发达国家早在五年前就出台相关政策法规对此进行支持，中国在《汽车产业中长期发展规划》中也指出要重点攻关无人驾驶相关技术，在北京和上海等城市建设无人驾驶汽车封闭试验场并逐步进行小范围开放道路测试。但无人驾驶车在世界各国的开放道路测试中出现安全隐患和交通事故的事例也层出不穷，2018年美国Uber和福特ArgoAI无人驾驶车接连出现交通事故，并造成人员伤亡，给全世界敲响了警钟［1］。学界对此态度不一，部分专家认为无人驾驶车当前尚不具备开放道路实验的技术积累，应当首先完善虚拟场景测试，在确保无虞的情况下逐步进行封闭测试。基于场景的测试技术对于无人驾驶车的实验至关重要，所以如何构建合理的虚拟测试场景，就成了当前此项技术突破的关键问题。

1 无人驾驶汽车运行过程中的风险分析

1.1 无人驾驶汽车风险的定义

无人驾驶汽车道路交通风险的定义为特定范围的道路交通系统在将来一定时期内，可能出现的无人驾驶汽车造成交通系统内未知的人身伤亡和财产损失的风险。无人驾驶汽车交通风险出现的时间并不具有特定性，具有不可预测性，一旦发生风险，则确定会造成严重后果［2］。其他道路交通参与者的行为都会对无人驾驶汽车出现交通事故产生较大的影响。

1.2 无人驾驶汽车风险特征

通过对无人驾驶汽车可能遇到的道路交通风险的定义进行分析，可以归纳出无人驾驶汽车道路交通风险的本质特征。第一，风险具有客观性。即无人驾驶汽车的交通风险是客观存在的，道路环境、极端天气、道路参与者等都会对于车辆行驶过程产生干扰。第二，风险发生和产生后果的可能性是随机的。不同的影响因素会对无人驾驶汽车产生不同的风险，这些风险都有可能造成车辆的损失。

1.3 无人驾驶汽车风险分类

无人驾驶汽车在实际上路之后主要面临两种风险，一方面是汽车在行驶过程中遇到的交通风险，比如极端天气风险、行人不遵守交通规则的风险、驾驶员的不规范操作风险等［3］。道路环境的因素主要包含不同的道路环境以及道路设计的几何特征、横纵断面、路面质量等都会对车辆行驶产生影响，天气因素主要包括极端天气以及能见度等。另一方面是功能风险，主要指的是无人驾驶汽车自身出现故障或者部分电子仪器失灵等造成的损失与风险。

1.4 典型场景风险分析

对于无人驾驶汽车来讲，典型的道路场景风险主要有以下几个方面。

1.4.1 行驶风险

无人驾驶汽车在城市道路中运行的过程中，可能无法正常识别道路交通标线；道路交通基础设施可能不够完善，信号灯不亮；陡坡路段或者转弯路段上无法识别道路线形；跟车行驶过程中遇到前车减速无法做出瞬态响应导致追尾；超越其他车辆的过程中，前方车辆突然进行变道、加减速等，无法及时做出响应而产生碰撞；交叉口处交通冲突点过多时，无法准确识别行人、小孩、低矮障碍物等。

1.4.2 山区公路风险

山区道路具有路面可视度底、路况差、道路交通标志不清晰、道路宽度不足、弯道转弯半径过小、斜坡等诸多风险，山区公路还易受天气影响，导致风险加剧。

1.4.3 高速公路风险

高速公路上的交通要素過多，存在变道风险、追尾风险和突发事件风险等，无人驾驶汽车难以准确把握和预判所有其他车辆的行驶意图，就容易引发交通事故［4］。

2 无人驾驶汽车虚拟测试场景模型层开发的原则

2.1 测试场景要素分析

无人驾驶汽车的行驶场景是非常复杂的，很难考虑到所有情况，但是可以总结为五类要素：一是气候要素，主要包括各种类型的天气情况；二是交通要素，主要包括静态或者动态的车辆、行人、动物、其他障碍物等；三是交通设施要素，包括交叉口、交通标志标线、交通标志指示牌等；四是信息通信要素，包括各类定位技术、5G通信技术、WiFi等；五是电磁要素，包括各种可能产生的电磁干扰。

2.2 公路测试场景模型层参数化开发

城市道路要根据等级和通行能力进行分别设计，不同车流量和不同的交通规则都会对无人驾驶汽车在交叉口或复杂路况下识别场景造成影响。常见的城市道路模型典型场景有以下几个：主干路，一般设计时速60km/h，机动车道宽度取3.5m，侧分带宽度两侧各1.5m，非机动车的路面宽度取2.5m；次干路，一般设计时速50km/h，中央分隔带3m，两侧可设置树木；支路，一般设计时速40km/h。道路平面交叉口还需考虑信号灯配时，对各个不同的交叉口分别设计不同的交通标志和配时方案。

2.3 自由行驶场景模型层参数化开发

自由行驶场景下，车辆需要能够正确感知道路状况和交通标志标线，常见的标志标线分类如表1所示。

由于各地路况不同，交通标志是否准确放置、信号灯是否配时准确、路面标线是否完整及清晰可见，这些因素都将影响到无人驾驶汽车的感知。另外，车辆对于道路路面状况的识别也至关重要，无人驾驶汽车在行驶过程中需要对不同材质的路面进行识别，常见的路面状况如表2所示。

在設定好感知参数后，还需进一步设定路径参数。任务规划需要明确路径的起终点并设计好最佳行驶路线，在测试时需要和实际行驶路线进行比对。车辆在行驶过程中，需要结合外部情况实时调整自身行为，在测试中要设置不同的道路场景，判断汽车的自主决策和最优决策是否一致。要设定动作参数，使汽车通过一些动作来实现某种目的。

2.4 跟驰及超车场景模型层参数化开发

在交通仿真过程中，跟驰场景的含义是无人驾驶汽车模型需要跟驰一辆干扰车，要调整不同跟驰距离、行驶速度、天气环境等，来判断测试车的反应。超车场景则是指干扰车进行加速、减速或者变道时，测试车想要超越干扰车时进行的一系列动作，并测试这个过程中测试车的规划和控制能力［5］。

3 无人驾驶汽车虚拟测试场景仿真搭建的关键技术

3.1 虚拟场景构建原则

为了更好地进行虚拟场景测试，需要预先搭建好完善的测试场景，其又分为静态场景和动态场景两部分。静态场景指的是道路、附属设施、交通标志标线、路旁附加元素等，可以通过建模软件、地图生成或者游戏场景二次利用等多种方式生成静态场景。搭建动态场景主要有两种思路。第一种思路是将真实数据进行重构，适当调整某些数据使其更加符合测试需求；第二种思路是纯粹进行虚拟仿真，脱离现实交通环境，由研究者自行设计环境要素。

3.2 使用SCANeRstudio进行场景构建

SCANeRstudio是无人驾驶汽车虚拟仿真的常用软件，具有较全面的功能，可以以较高的还原度模拟真实场景的各项事物，能够满足各种复杂测试需求。使用SCANeRstudio构建的道路及超车仿真场景如图1所示。

建模完成后，即可对于不同的测试场景进行车辆自由行驶模拟测试，测试过程包含感知过程、决策过程和控制过程。在感知过程阶段，要保证车辆能够识别道路上常见的元素，比如对于交通信号灯、标志标线、禁令标志灯的识别。决策阶段则利用复杂算法对于车辆在不同状态下的行为进行综合控制。控制环节主要是对车辆速度进行合理控制。由此可以通过结合静态场景和动态场景的测试过程，判断不同场景下车辆的可靠性。

4 结语

本文通过对无人驾驶汽车测试技术的国内外研究现状进行综合分析，总结出无人驾驶车的测试流程大体上分为3个阶段，一是模拟测试仿真环境，二是封闭场地实车测试，三是外场真实道路测试。然而，在很多极端场景和恶劣天气条件下，不方便进行外场路试。因此，提出测试场景模型层开发的原则，对于设计测试场景具有十分重要的意义。本文提出在虚拟测试阶段存在的各种不同类型的典型测试场景，并给出虚拟测试场景搭建的原则，结合这些原则分析了仿真的关键技术。本文的研究结果对于无人驾驶汽车软件虚拟测试阶段的开发和设计具有一定的参考价值。

参考文献

［1］符晓明.自动驾驶汽车测试技术与应用进展分析［J］.内燃机与配件，2020（19）：217-218.

［2］朱冰，张培兴，赵健，等.基于场景的自动驾驶汽车虚拟测试研究进展［J］.中国公路学报，2019（6）：1-19.

［3］余卓平，邢星宇，陈君毅.自动驾驶汽车测试技术与应用进展［J］.同济大学学报（自然科学版），2019（4）：540-547.

［4］何佳颖，田言康，刘飞虎.自动驾驶试验场及虚拟测试场景研究［J］.汽车实用技术，2022（5）：21-25.

［5］范志翔，孙巍，潘汉中，等.自动驾驶汽车测试技术发展现状与思考［J］.中国标准化，2017（20）：47-48，55.

（编辑 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