内容简介

自动驾驶是多项国家战略的聚焦点，测试评价技术是推进自动驾驶技术研发与规模化部署的核心支撑。《自动驾驶虚拟仿真测试评价理论与方法》从理论到方法，从技术到工具，从研究到实践，系统构建了自动驾驶虚拟测试与评价的理论、方法与技术体系。主要内容包括自动驾驶虚拟测试工具链构建、高等级自动驾驶虚拟测试仿真即服务系统新思想框架设计、自动驾驶虚拟测试场景采集与自动生成、面向自动驾驶虚拟测试的交通流仿真建模方法、虚拟测试场景生成优化方法、自动驾驶汽车驾驶能力评价体系以及自动驾驶虚拟测评技术发展趋势等。

目录

目录
“交通安全科学与技术学术著作丛书”序　
序
前言
第1章　绪论　1　
1.1　智能汽车与自动驾驶　1　
1.2　自动驾驶发展历程与分级　2　
1.2.1　自动驾驶发展历程　2　
1.2.2　自动驾驶技术分级　3　
1.2.3　自动驾驶功能模块组成　4　
1.2.4　高等级自动驾驶测试对象　5　
1.2.5　高等级自动驾驶测试手段　7　
1.3　高等级自动驾驶测试流程　7　
1.4　本书的定位与主要内容　9　
1.4.1　本书的定位　9　
1.4.2　本书的主要内容　10　
1.5　本书的特点　11　
参考文献　13　
第2章　自动驾驶虚拟测试工具链　14　
2.1　概述　14　
2.2　自动驾驶测试V型工具链的构建　15　
2.2.1　模型在环/软件在环　17　
2.2.2　硬件在环/车辆在环　17　
2.2.3　驾驶员在环　19　
2.3　HAV新型测试方法　20　
2.3.1　集群测试　21　
2.3.2　平行测试　22　
2.4　虚拟测试方法比较　25　
2.5　本章小结　27　
参考文献　28
第3章　高等级自动驾驶虚拟测试方法论　30　
3.1　概述　30　
3.2　场景驱动的自动化虚拟测试　32　
3.2.1　HAV安全性虚拟测试　32　
3.2.2　场景驱动的虚拟测试　33　
3.2.3　场景测试技术挑战　35　
3.3　虚拟测试解决方案　36　
3.3.1　解决方案综述　36　
3.3.2　测试工具变革　40　
3.3.3　测试自动化工具　42　
3.4　从虚拟测试工具到测试即服务　45　
3.4.1　HAV虚拟测试共性特点　45　
3.4.2　HAV虚拟测试服务体系构建　47　
3.4.3　HAV虚拟测试服务应用　48　
3.5　本章小结　50　
参考文献　51　
第4章　自动驾驶虚拟测试场景采集与自动生成　54　
4.1　概述　54　
4.2　场景定义与场景分类　57　
4.2.1　场景定义　57　
4.2.2　场景重要度表征　68　
4.3　场景来源与采集手段　69　
4.3.1　场景采集手段　69　
4.3.2　高风险场景定义与提取　73　
4.3.3　高风险场景重构　77　
4.3.4　场景采集与修复案例研究　79　
4.4　场景自动化派生方法　86　
4.4.1　基于生成式对抗网络自动化派生危险场景　86　
4.4.2　基于本体论自动化派生场景　93　
4.5　场景复杂度量化评估　101　
4.5.1　场景复杂度定义　101　
4.5.2　场景动态复杂度量化　101　
4.5.3　场景静态复杂度量化　105　
4.5.4　环境修正系数确定　106　
4.5.5　场景复杂度量化结果验证　107
4.6　场景格式标准化　107　
4.6.1　OpenDRIVE：路网标准文件格式　108　
4.6.2　OpenCRG：路面标准文件格式　110　
4.6.3　OpenSCENARIO：场景标准文件格式　112　
4.6.4　场景格式标准化案例：前方车辆插入　114　
4.7　本章小结　119　
参考文献　120　
第5章　面向自动驾驶虚拟测试的交通流仿真建模方法　122　
5.1　概述　122　
5.2　自动驾驶虚拟测试背景交通流接入方法　125　
5.2.1　基于交通流仿真系统的交通流接入方法　126　
5.2.2　基于交通流仿真模块的交通流嵌入方法　134　
5.3　面向安全测试的干扰行为仿真模型　142　
5.3.1　高快速路场景交通流干扰行为仿真模型　144　
5.3.2　城市主次干道场景交通流干扰行为仿真模型　150　
5.3.3　基于OpenDRIVE标准路网的交通流干扰行为模型仿真实现　155　
5.4　面向安全测试的面域二维交通流模型　158　
5.4.1　规划–决策迭代框架　159　
5.4.2　交互决策行为建模　162　
5.4.3　基于面域仿真的轨迹规划　163　
5.4.4　仿真结果评价　169　
5.4.5　基于面域的仿真系统的兼容性　172　
5.5　传感器、交通流与汽车动力学联合仿真实例　175　
5.5.1　商业化软件联合仿真实例：PreScan+VISSIM　175　
5.5.2　开源软件与商业化软件联合仿真实例：VTD+SUMO　179　
5.5.3　整合面向安全的交通流模型的联合仿真实例：VTD+TESSNG　189　
5.6　本章小结　194　
参考文献　194　
第6章　虚拟测试场景生成优化方法　197　
6.1　概述　197　
6.2　面向危险场景检测的测试场景优化　200　
6.2.1　现有研究回顾　200　
6.2.2　危险场景检测方法原理　205　
6.2.3　危险场景检测方法验证　209　
6.3　面向危险率评估的测试场景优化　212
6.3.1　现有研究回顾　212　
6.3.2　评估自动驾驶汽车安全性能的统计学原理　214　
6.3.3　加速测试方法原理　216　
6.3.4　加速测试方法验证　218　
6.4　面向覆盖率的测试场景优化　221　
6.4.1　现有研究回顾　221　
6.4.2　全覆盖测试方法原理　222　
6.4.3　全覆盖测试案例　223　
6.5　场景测试体系构建　225　
6.5.1　逻辑场景　226　
6.5.2　优化方法选择　227　
6.5.3　测试输入　227　
6.5.4　测试输出及效果差异　229　
6.5.5　场景测试体系构建　233　
6.6　基于故障注入的自动驾驶容错能力测试　234　
6.6.1　基于故障注入的关键故障搜索　235　
6.6.2　关键故障的快速预测方法　237　
6.6.3　自动驾驶规控器容错性提升　239　
6.6.4　自动驾驶容错性测试案例　240　
6.7　基于场景优化生成方法的软件/硬件在环测试实例　242　
6.7.1　VTD仿真测试的基本步骤　242　
6.7.2　基于VTD的软件在环测试　246　
6.7.3　基于VTD的硬件在环测试　251　
6.8　本章小结　252　
参考文献　253　
第7章　自动驾驶汽车驾驶能力评价体系　259
7.1　概述　259　
7.2　自动驾驶汽车预期功能安全评价　260　
7.2.1　自动驾驶汽车预期功能安全验证流程　261　
7.2.2　自动驾驶汽车预期功能安全验证案例　264　
7.3　自动驾驶汽车拟人化交互能力评价　269　
7.3.1　交互能力评价指标　269　
7.3.2　拟人化交互能力评价方法　274　
7.3.3　拟人化交互能力评价案例　275　
7.4　自动驾驶交互社会性评价　279
7.4.1　驾驶交互社会性相关研究　279　
7.4.2　博弈框架下的交互行为特征量化方法　282　
7.4.3　交互倾向分析案例　286　
7.5　自动驾驶对交通系统运行效率的影响评价　288　
7.5.1　交通系统运行效率评价方法　288　
7.5.2　交通系统运行效率评价案例　291　
7.6　本章小结　295　
参考文献　296　
第8章　自动驾驶虚拟测评技术发展趋势　299　
8.1　虚拟测试工具　299　
8.1.1　从仿真辅助测试到仿真驱动的测试　299　
8.1.2　虚拟测试工具协同　301　
8.1.3　端云融合的测试服务　302　
8.2　测试场景　303　
8.2.1　测试场景覆盖度保障　303　
8.2.2　测试场景数据共享与治理　303　
8.3　测试场景优化　304　
8.3.1　高维参数场景测试优化　304　
8.3.2　要素关联参数场景测试优化　305　
8.3.3　极端小概率事件加速测试　307　
8.4　面向安全性测试的背景交通流模型　307　
8.4.1　小概率危险交通流场景建模　307　
8.4.2　全要素仿真建模　308　
8.4.3　传感器、交通流、动力学模型一体化仿真　310　
8.4.4　安全性仿真的信度和效度　311　
8.5　自动驾驶汽车安全性认证与论证　311　
8.5.1　自动驾驶汽车安全系统工程　311　
8.5.2　自动驾驶汽车全生命周期安全性认证与论证　313　
参考文献　314

精彩书摘

第1章绪论
　　1.1智能汽车与自动驾驶
　　智能汽车，通常又称为智能网联汽车、自动驾驶汽车等，是指通过搭载先进传感器、控制器、执行器等装置，运用信息通信、互联网、大数据、云计算、人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。智能汽车在保障交通安全、缓解道路拥堵、改善驾乘体验甚至颠覆出行模式上具有巨大潜力，被世界各国视为未来交通的发展趋势及核心。
　　发展智能汽车，是我国“交通强国”“人工智能”“中国制造”等多项国家重大战略的聚焦点；也是我国汽车产业实现供给侧结构性改革、壮大经济增长新动能的发展机遇;更是增进人民福祉，确保人民享有美好出行服务的重要举措。2017年，工业和信息化部、国家发展改革委、科技部联合印发《汽车产业中长期发展规划》，计划2025年，汽车驾驶辅助、部分自动驾驶、有条件自动驾驶新车装配率达80%。2020年，国家发展改革委、工业和信息化部等11个国家部委联合印发《智能汽车创新发展战略》，进一步提出到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成，并实现有条件自动驾驶的智能汽车达到规模化生产。2021年，中共中 央、国务院印发了《国家综合立体交通网规划纲要》，要求加强智能化载运工具和关键专用装备研发，推进智能网联汽车（智能汽车、自动驾驶、车路协同)、智能化通用航空器应用。以智能汽车、自动驾驶为主要特征的智能网联交通时代即将到来。
　　构建先进完备的智能汽车离不开先进制造、现代传感、移动通信、人工智能、智能设施等多领域技术的有机融合。其中，自动驾驶技术是智能汽车的灵魂，是智能汽车区别于传统汽车最显著的特征。智能汽车能否从本质上保障驾驶安全、便捷、高效、绿色，主要取决于自动驾驶技术的能力水平，其基础则有赖于对该项技术全面、有效的测试与评价。
　　考虑到自动驾驶技术在“智能汽车”中的核心地位，同时，自动驾驶技术可以应用于一切自主载运工具（包括地面特种车辆、无人机、航行器等)，对自动驾驶技术测试与评价的讨论更具有普遍性和适用性。全书将研究对象统称为“自动驾驶试图通过系统、全面、创新的高等级自动驾驶测试、评价技术方法研究，加速自动驾驶技术部署应用，保障自动驾驶在交通系统中安全、高效运行。
　　1.2自动驾驶发展历程与分级
　　1.2.1自动驾驶发展历程
　　1984年，美国国防部高 级研究计划局（Defense Advanced Research Projects Agency，DARPA)与陆军合作，发起自主地面车辆(ALV)计划。此后，卡内基梅隆大学、斯坦福大学、麻省理工学院等积极开展了大量自动驾驶的研究工作。为了推进自动驾驶技术更快、更好地发展，DARPA于2004年、2005年、2007年举办了3届自动驾驶挑战赛。DARPA挑战赛是世界上第 一个自动驾驶汽车长距离比赛，这项比赛也引发了一场自动驾驶技术的革命。
　　在第 一届DARPA挑战赛中，获胜的条件为自动驾驶汽车在完全无人控制的情况下，在10小时内走完一条230公里长的沙漠赛道。遗憾的是，最终没有任何参赛团队完成比赛。在第二届挑战赛中，要求车辆完成一条200公里左右的野外道路，最终共有5组参赛队伍完成比赛，斯坦福大学改装的Stanley智能汽车共用7.5小时到达终点，获得第 一名。在城市道路环境中安全行驶是一项更富有挑战性的自动驾驶任务。2007年举办的第三届DARPA“城市挑战赛”即在城市道路环境中展开，其中包含交叉口转向、髙速公路上匝道汇入等驾驶任务，同时，参赛团队还被要求遵守加利福尼亚州当地的交通法规。最终共有6组团队完成比赛，卡内基梅隆大学的Boss智能车P1获得第 一名。
　　尽管三届DARPA挑战赛中所涉及的交通环境与驾驶任务均相对较为简单，但DARPA挑战赛的比赛内容与参赛团队展示出的车辆智能化能力，被认为是智能汽车技术发展的里程碑。每一届获奖团队均采用新颖的定位、感知、规控硬件解决方案与算法解决方案，极大地推动了自动驾驶技术发展。获奖团队中涌现出的技术人才，如Sebastian Thrun等，之后也成了自动驾驶汽车领域的翘楚。
　　美国的自动驾驶研究起步较早，技术积累十分雄厚。但新的力量不断崛起，联合加速世界范围内的自动驾驶科技进步。近十年来，通用、奥迪、福特、奔驰、沃尔沃、日产、宝马等众多汽车制造厂商在自动驾驶汽车领域进行了大规模布局。特别地，中国作为自动驾驶领域的后起之秀，依托政策红利、人才资源、创新环境，展示出强大潜力。目前，南至琼海，北至黑河，全国已布局数十家自动驾驶示范区和测试示范区。上汽、一汽、广汽、长安、宇通等整车企业积极开展自动驾驶软硬件研发；百度、华为、腾讯、阿里等科技公司进入市场庞大的汽车行业，以信息通信技术为依托，形成新的技术突破点；蔚来、小鹏等造车新势力更是推出了商用化的低等级自动驾驶量产车，在实际应用中不断提高车辆的自动驾驶能力。
　　1.2自动驾驶发展历程与分级
　　1.2.2自动驾驶技术分级
　　为了更加正确地引导自动驾驶汽车行业的发展，国内外对自动驾驶技术的不同级别进行了详细的划分和定义。不同分级系统关注从低等级到高等级自动驾驶技术的质变和挑战。接下来以美国自动机工程师学会（Society of Automotive Engineers，SAE)分级体系和中国《汽车驾驶自动化分级》为例进行说明。
　　1.2.2.1中美自动驾驶分级标准
　　国际自动机工程师学会（SAEInternational)制定了J3016自动驾驶分级标准，将自动驾驶技术分为L0～L5共六个等级，这是目前的行业主流标准。L0代表没有自动驾驶功能的传统人类驾驶车辆，L1～L5则随自动驾驶的技术配置和成熟程度进行了分级：
　　(1)L1为“驾驶辅助”，驾驶系统通过环境信息对方向和加减速中的一项操作提供驾驶支援，其他的驾驶动作都由驾驶人进行操作；
　　(2)L2为“部分自动驾驶”，驾驶系统能够在某些特殊的交通工况下完成驾驶任务，通过环境信息对方向和加减速中的多项操作提供驾驶支援，其他的驾驶动作都由驾驶人进行操作；
　　(3)L3为“有条件自动驾驶”，自动驾驶系统能够完成所有的驾驶操作，根据系统请求，驾驶人提供适当的应答和干预；
　　(4)L4为“高度自动驾驶”，自动驾驶系统能够完成所有的驾驶操作，特定情况下系统会向驾驶人提出响应请求，驾驶人可以不做出应答；
　　(5)L5为“全自动驾驶”，自动驾驶系统能够完成所有交通环境中的驾驶操作，不需要驾驶人介入。
　　在SAE自动驾驶分级中，L1～L2级自动驾驶尽管具有一定的自主功能，但驾驶人仍然在驾驶任务中扮演主要角色，需要实时监控驾驶环境，自动驾驶系统的错误感知和决策由驾驶人随时纠正。在L3级及以上的髙等级自动驾驶中，驾驶人的重要性明显降低了，甚至可以不参与驾驶过程，车辆能够实现绝大部分路况的自动驾驶，驾驶主要任务交由自动化系统进行监控与执行。
　　与SAE分级标准中的L0～L5类似，我国《汽车驾驶自动化分级》也将自动驾驶分0级～5级。其中，0级并不表示没有自动驾驶功能，而是表示“可感知环境，并提供报警、辅助或短暂介入以辅助驾驶人1级和2级自动驾驶系统需要在驾驶人的协助下，对车辆的方向或加减速进行控制。3级为“有条件自动驾驶”，在规定的运行条件下，驾驶系统能完成转向、加减速、路况探测和反应，仅当系统遭遇不能处理的场景或者故障时，需要驾驶人安全接管。4级为“髙度自动驾驶”，特定情况下系统会向驾驶人提出响应请求，但驾驶者可以不做出应答。5级自动驾驶汽车和4级自动驾驶汽车能够实现的基本功能相同，但5级自动驾驶汽车不再
　　有运行条件的限制（商业和法规因素等限制除外)，同时自动驾驶系统能够独立完成所有的操作和决策。
　　中美分类标准本质上一致，都以驾驶人在驾驶中需要承担的任务、汽车有无行驶限制条件、汽车出现故障时谁来负责接管为依据，对汽车的驾驶自动化水平进行定义。
　　1.2.2.2高等级自动驾驶技术跃变
　　无论是J3016自动驾驶分级还是我国《汽车驾驶自动化分级》，都拥有一个共同之处，即揭示了智能驾驶真正的挑战从L3级开始。如表1.1所示，低等级自动驾驶（L0～L2)到高等级自动驾驶（L3～L5)之间存在质变——借助高等级自动驾驶，驾驶人无须时刻处于驾驶状态，汽车的自动驾驶功能允许驾驶人释放双眼和双手，驾驶人的角色从操作者变为监管者；自动驾驶系统甚至可以对紧急的驾驶工况做出响应和处理，彻底颠覆人类在驾驶环节的角色和功能。相较于低等级自动驾驶，髙等级自动驾驶是目前业界和学界最为关注的领域。
　　1.2.3自动驾驶功能模块组成
　　自动驾驶汽车的功能模块可分为环境感知系统、规划决策系统、控制执行系统。环境感知系统可分为许多小的功能模块，如车辆定位、路网匹配、移动物体检测、交通信号检测等。规划决策系统亦可分为宏观路径规划、微观路径规划、轨迹预测、行为决策、运动规划等。控制执行系统则包括加速器、制动器、转向系统等。图1.1展示了一个常见的高等级自动驾驶汽车的功能架构。
　　智能驾驶环境感知系统的主要任务是利用激光雷达、毫米波雷达、摄像头等传感器精 确感知周围动静态物体，并精准定位本车位置，然后将感知信息融合处理后的相对或绝 对位置、速度等信息发送给规划决策系统。
　　规划决策系统包含全局规划和本地规划。自动驾驶系统首先将通过全局规划功能得到从起点到终点的最 优路径，类似于目前流行的地图导航，全局路径是在离线地图上一系列贯序的路径点的集合。当获得全局路径之后，基于智能驾驶感知系统传入的信息与交通规则等外在约束，通过本地规划模块计算出到下一个时刻的最 优行驶路径，即在高精度地图上的一系列贯序的姿态集合，从而避免与静态或动态障碍物碰撞。因此，本地规划也可理解为是短时的路径规划。根据规划信息，控制器通过汽车执行机构自主调整车辆方向、速度和加减速完成运动。
　　1.2.4高等级自动驾驶测试对象
　　自动驾驶技术作为下一代交通系统的核心，公众对其安全性有着极高的要求和期待。自动驾驶汽车的三大安全测试主题为功能安全、信息安全与预期功能安全。功能安全是传统汽车时代最重要的安全标准之一，与车辆的电子电气系统功能失效息息相关。由于自动驾驶严重依赖与内外部系统的互联以及数据交互等，信息安全主要针对网络安全和数据安全等的防护，如保护数据隐私、抵御网络攻击等。高等级自动驾驶汽车兼具运载工具和自主驾驶属性，本书关注的重点是车辆在复杂驾驶环境中的预期功能安全(Safety of the Intended Functionality，SOTIF)以及与人类驾驶相比的“自主驾驶能力与传统车辆安全测试不同，自动驾驶预期功能安全的测试对象与测试重点面临全新变化。测试对象方面，高等级自动驾驶运行时驾驶人不再始终拥有车辆的操作控制权，测试对象由“车”（车辆本体性能）转向“车+人”(驾驶能力)。测试重点从传统车辆的机械动力性能、碰撞安全性能测试转向于车辆在复杂驾驶环境中的行为安全。新的自动驾驶测试需求引发全球技术进步新浪潮，目前，AUTOPILOT、MOOVE、PEGASUS等国内外40余项研究项目正在推进开展自动驾驶安全性测试研究工作。
　　在本书中，我们关注自动驾驶预期功能安全，包括自动驾驶的运行安全性、人机混驾交互的社会性以及对自动驾驶能力的测评。由于感知系统和控制执行系统的测试需要高精度的物理仿真环境和实验装置，因此，我们更聚焦对自动驾驶规划决策关键功能模块和整车系统进行测试和评价。具体又体现在自动驾驶车辆在交互场景中对驾驶速度、加速度、转向的合理规划、路径选择、运行稳定性和自主驾驶拟人化程度等进行测试和评价。
　　测试对象和测试重点的变化引发了新的测试挑战。目前自动驾驶的安全性测试标准分三大类：
　　(1)釆用相对安全测试标准，以驾驶人的平均事故率

……