自动驾驶仿真蓝皮书2019版_自动驾驶仿真技术的意义

第1章自动驾驶仿真技术的意义

1.1仿真是自动驾驶研发测试的基础关键技术

2015年工信部关于《中国制造2025》的解读中首次 出了智能网联汽车概念，明确了智能网联汽车的发展目标。2017年发布的《中国智能网联汽车技术路线图》确定了智能网联汽车的定义、技术构架、发展目标路径与重大创新优先行动项。技术路线图指出：测试评价是智能网联汽车基础支撑技术之一。其中自动驾驶系统计算机仿真是自动驾驶车辆测试和试验的基础关键技术，也是未来行业定义自动驾驶车辆相关开发流程与技术准入标准的基础工具。借鉴航空领域的工程实践， 仿真软件已经成为飞机设计仿真分析的标准工具，不使用该仿真工具分析无法获得飞机适航许可。在自动驾驶汽车领域，我们可以预计采用计算机仿真方法测试自动驾驶车辆安全性，未来也将成为汽车设计的一种标准方法与规范。仿真测试与真实物理测试构成相互结合的有机整体，两者缺一不可。

麦肯锡在2018年发布的中国自动驾驶市场研究报告曾指出，未来自动驾驶价值链最重要的三项能力为自动驾驶软件开发、硬件生产和自动驾驶系统及整车验证与集成，它们也是实现差异化竞争的最大技术瓶颈。其中居于前两位的重要技术能力“自动驾驶软件开发”和“自动驾驶系统及整车验证与集成”，在很大程度都依托于计算机仿真技术 供的共性技术的支撑。对于汽车制造与技术企业而言，自动驾驶仿真系统贯穿产品的研发与使用生命全周期。从产品概念选型到产品运行数据收集与系统升级，仿真系统既作为工程技术开发人员的工具箱，帮助实现产品的安全性与稳定性，又作为企业管理人员的数据知识库，帮助累积企业的设计流程、工程经验与数字模型等宝贵的无形资产。对于国家监管与测试机构而言，自动驾驶系统仿真作为分析与检测工具对汽车功能安全性与智能水平高低进行评价。仿真系统不但有助于我国完善汽车的认证标准与质量监督测试方法，而且也有助于我国参与国际法规标准化的制定，为测试场景库与仿真测试方法 供标准化的数据交换格式。

近年来自动驾驶系统的研发与测试迅速发展，但业界仍未就如何在现实世界中进行安全性测试达成一致。自动驾驶系统测试的目标是确定车辆设计运行区域（ODD）。因为未知的危险交通场景难以穷尽，所以基于场景的实车测试方法存

2在技术瓶颈。按照美国高速公路管理局的统计数据，驾驶者平均需要行驶85万公里才会经历一次警方报告事故，接近1.5亿公里才会经历一次致命事故。产业观点通常认为每个自动驾驶系统需要160亿公里的驾驶数据来优化。配置一支1000辆自动驾驶测试车的车队需要花费大约50年的时间才能完成足够的里程测试。正是由于无法进行充分的道路测试，需要投入的时间和费用也不能承受，所以行业普遍共识是需要基于计算机仿真技术对自动驾驶系统进行虚拟测试与评价。

随着汽车技术的不断演进，汽车已经由机械电子为基础的硬件主导演进为以数据为基础的软件主导，汽车原有的电子系统升级为物理信息系统。自动驾驶仿真测试，是指通过计算机仿真技术，建立现实静态环境与动态交通场景的数学模型，让自动驾驶汽车与算法在虚拟交通场景中进行驾驶测试。传统的计算机仿真软件在解决以下几方面的问题上都存在不足，例如高精度地图制作与匹配，高逼真静态场景的建立，先进感知传感器的物理仿真，驾驶员模型与智能交通体模型仿真，动态场景库建设等。新一代具有信息物理特征的仿真系统已经逐渐出现，不但可以更高效的迭代和验证自动驾驶算法，而且可以更好地满足对物理信息系统的整体测试需求。百度、腾讯与Waymo 等都在使用企业自研的内部仿真系统，而服务于汽车行业的外部商业软件也逐步出现，例如51VR 、AAI 、CARLA 、

Cognata 、

Panosim 等第三方自动驾驶仿真测试平台。仿真测试已经成为大多数企业研发自动驾驶系统的共同需求。目前Waymo 在虚拟世界Carcraft 的测试里程突破70亿英里，每天测试里程为1000万英里。

智能网联汽车需要采集海量的道路感知数据，才能对算法进行有效训练。为了尽量多的采集数据，汽车制造商往往通过几十台，甚至数百台路测车辆来解决实际场景数据收集问题。尽管自动驾驶虚拟测试里程的长短可以作为一项简单易懂的测评指标，但是脱离了具体交通场景，里程本身不足以成为一项有效的衡量指标。典型场景与危险场景往往不会随着测试里程增多而持续增加，很快会显示出长尾效应，路试后期很难短时间收集到更有价值的场景了。另一个事实是各国的交通环境显然有着巨大的差异，即使各地区的道路环境与交通习惯也存在较大差异性和多样性。只有测试环境中具有足够丰富而多样的场景挑战，才能使训练与测试的里程具备真正的价值，使得算法可以更好地适应本地独有的交通环境和驾驶规则。目前，追求自动驾驶系统的国际化与不同地区的通用性面临非常多的实际挑战，广泛的公开道路测试依然很难覆盖复杂多样的交通场景。自动驾驶仿真系统可以 供更加丰富多样的静态环境，连续动态

的随机交通流，结合边缘案例与危险案例的参数泛化技术，可以在有限的虚拟

值场景出现的频度与密度。

1.2仿真虚拟测试的根本是保证车辆安全上路

各国政府都在努力推动智能网联汽车的发展，传统车企与高科技企业积极响应，从不同路线研究与发展自动驾驶技术。确保车辆的行驶安全是全行业的共同目标，因为智能网联汽车发展的首要动力是安全。研究显示，90%的碰撞事故是由人类造成的错误导致的，而通过自动驾驶技术有可能减少由人类因素导致的交通事故，从而极大地减少道路死亡。尽管安全是自动驾驶研发中的第一要义，是对于采用未经充分验证的算法与硬件集成的自动驾驶汽车，其在公共道路的测试极易引发致命的交通事故。2018年3月Uber一辆自动驾驶汽车发生了与行人的碰撞事故，直接导致其路测许可被暂停。特斯拉因Autopilot辅助驾驶系统而导致的驾驶员死亡事故更不止一起。2016年1月一辆特斯拉在京港澳高速行驶时，与前方的道路清扫车发生追尾事故，导致驾驶员身亡，特斯拉公司承认车辆在案发时处于自动驾驶状态；同年6月，美国佛罗里达州也发生了特斯拉与横穿马路的重型卡车相撞的事故，导致驾驶人当场身亡。车辆的功能安全与预期功能安全开发已经成为智能汽车研发中的重要问题。参与到自动驾驶技术研究的公司纷纷发布行驶安全报告，报告中强调仿真虚拟测试为软件算法的迭代 供了基础的训练数据，为不安全行为的识别和处理 供了量化的测试环境，为风险控制策略 供了早期快速的评价工具。

自动驾驶事故促使各国车辆技术监管机构 高了警惕，开始慎重审视在公共道路上进行的自动驾驶道路测试。在我国，至今未允许企业在公共开放的高速公路进行自动驾驶测试工作。为解决实际道路测试问题，国家与各地区积极投入资金建设一批封闭测试场地，并有条件的开放了若干指定道路。全国多省市出台了自动驾驶测试管理规范，发放测试牌照，允许全国数十辆测试车在有限的区域内进行测试。相比于旺盛的测试需求，国内自动驾驶测试场地数量远远无法满足要求。由于各城市出台的测试规范均 出在指定的封闭测试场进行测试的门槛，使得测试场往往被一个企业包场。在包场情况下，测试场的多场景利用率低，局部测试装置闲置，而场外多个企业排队等候。实车测试方法在客观上减缓了技术迭代发展速度，也影响了产业发展。

自动驾驶仿真技术可以帮助认证机构去完善对汽车智能化软件产品的认证流程与监督方法，尤其是从测试技术上，弥补目前偏重实车路试的不足。通过完善

仿真的海量自动化测试流程，不但可以增加测试工况范围和复杂程度，更可以对其零部件、子系统与整车集成进行不同层级的全链条测试。通过仿真覆盖实车不能实现的边缘场景，在虚拟测试环境下及早发现实车测试不易甄别的软件故障，仿真测试将逐步成为实车测试的前 条件。加快自动驾驶仿真测试能力建设，可以帮助自动驾驶封闭测试区和示范区进行更高效和全面的测试， 高测试的安全性，节省测试的时间与成本。

仿真系统有能力承载自动驾驶车辆运行全生命周期中的实时数据。当智能网联汽车获得认证许可后，自动驾驶系统仿真平台用来存储车辆实时行驶数据，收集并分析车辆遇到的危险工况并作为复现决策的依据，一方面用于检验产品的故障原因，另一方面 供产品的优化数据，从而保证汽车产品质量的安全可靠与持续升级。最终形成更为科学有效的功能测试方法和产品性能评价指标，形成完整的信息物理系统。

1.3发展自主仿真软件做行业研发的备用系统

计算机仿真技术 供了一种更为通用的底层技术，是中国智能制造完整技术链条中的根基之一。产品研发过程的技术经验，工程师的实践积累，产品开发流程的优化，都在融入进计算机仿真软件与其搭建的数据信息体系中。发展自动驾驶自主仿真软件平台，是在培养一批人才和建立一套备用系统。当国外的巨头对工业软件实施断供，那么这套系统就可以立即投入使用，保证我国汽车自动驾驶技术与智慧交通与出行的持续自主发展。

中国目前深度地参与到了全球技术与标准制定的竞争之中。汽车产业是当今中国国民经济的支柱产业，也是中国加入世界贸易组织和参与贸易自由化全球化的典型产业。根据《中国制造2025》的解读，中国还处在中低端制造梯队，成为制造强国至少需要30年。工业与信息化部对智能汽车制定了发展目标：要求2020年基本ADAS自主份额达50%，2025年基本建成自主的智能网联汽车产业链与智慧交通体系。智能汽车同时面临国内使用环境与国外不同的情况，国内必须坚持走自主开发的路线，才能制造出适合中国的汽车产品，未来形成对汽车产品质量测试的标准化方法与认证流程。

2018年5月国际标准化组织组建自动驾驶测试场景工作组，中国首次作为国际标准工作组召集人，在智能汽车的国际标准化领域作出中国贡献。目前，智能汽车仿真软件国外产品占据主导位置，但数据格式各异，国内的数据标准严重受

到国外软件限制。目前是国内外法规标准建立的窗口期，抢占技术规范的制高点至关重要。谁参与到仿真测试方法与数据格式标准化工作中，在标准形成的后期谁就能更快速获得技术话语权并主导市场。中国在参与标准化制定过程中，正坚持走科技自主之路，需要拿出适合中国道路交通特点的方案。

未来软件定义智能汽车，而仿真是测试软件最基本最有效的工具。只有开发出自主的仿真测试平台，才能获得标准规范的制定主动权，保证汽车产品在中国市场的安全底线。目前自动驾驶仿真软件有：AAI、ANSYS-OPTIS、CARLA、Cognata、Dassault、dSPACE、IPG-Carmaker、Mathworks、Metamoto、MSC-VIRES、Panosim、ParallelDomain、TASS-PreScan、VI-Grade、51VR等。其中大多数仿真软件 供的产品与服务主要以支持ADAS（自动驾驶L2级）开发为主，对自动驾驶仿真所需要的呈现几何级数增长的大规模道路和动态场景进行仿真还缺乏必要的计算架构，对分布式部署与加速计算能力支持薄弱。国内仅有极少数软件公司有能力 供本地的技术工程支持。国内汽车行业的工程开发软件以往一直被国外成熟软件所垄断，随着技术演进直至近两三年，以51VR和Panosim为代表的国内自主研发企业逐渐发力自动驾驶仿真软件的研发与商业化应用。

1.4仿真测试是自动驾驶技术发展的必然结果

据布鲁金斯学会统计，2014年至2017年，全球自动驾驶领域的投资总额超过了800亿美元。另一家独立智库统计显示，2017年投到自动驾驶技术领域的资金，占到全球汽车科技行业投资总额的七成多。波士顿咨询公司则称，到2035年全球自动驾驶汽车销量将达1200万辆，其中超过1/4在中国售出。据推算，未来5年仿真软件与测试的国际市场总规模约在百亿美元左右。尽管L3级别自动驾驶技术无法短期实现大规模量产，但是在特定区域限定场景下的L3与L4级别自动驾驶功能的商业化落地已指日可待。例如自动代客泊车、交通拥堵自动驾驶等功能在2020年将实现更多车型的量产。商业化加速落地，将引起汽车行业对自动驾驶功能持续快速的差异化和精细化研发投入，行业将对仿真虚拟测试产生更多需求。

根据汽车行业研发与测试发展的客观规律，计算机仿真技术早已被大规模应用在车辆机械电子系统的设计研发中。可以预计，适用于自动驾驶系统的仿真技术也将会同机械电子系统仿真一样被大规模地应用于汽车产品的研发流程当中。汽车是专业化分工极强的产业，主机厂并没有对仿真测试工具持续研发与维护升级的兴趣，之前仿真软件供应商已经很好地证明了第三方专业化仿真

软件完全可以满足主机厂研发的定制化需求。以往的仿真软件不能很好的支持自动驾驶感知决策算法软件的迭代与测试，对复杂场景的构建也缺乏相应自动化技术。国际车厂与新技术企业通过内部研发和对外投资的方式，搭建了企业内部的仿真平台。国内企业对自动驾驶研发略晚于国际，较国际企业投入在研发的资金强度也普遍较低。针对自动驾驶仿真技术的使用，中国企业目前既没有成熟的国际经验可以参考，又没有完整的技术解决方案可以直接采用，同样还处于技术探索与积累期。未来企业内建的自动驾驶开发平台，以及满足自动驾驶算法开发与整车系统集成的商业化仿真软件必将成为研发链条上的底层基础工具之一。

智能网联汽车已经进化为信息物理系统的一部分，仿真软件也将形成智能网联汽车与智能交通的中央数据平台。仿真软件通过大数据与云计算平台，记录车辆运行真实数据和软件算法的决策过程，复现车辆行驶的具体行为。最终作为智能交通的大数据载体，记录与管理单车、车队、道路与交通设施。仿真技术不仅仅帮助人工智能算法安全应用于智能汽车，未来也是车队运营、道路设施与智慧交通的管理平台。