(2)自动驾驶虚拟场景库的构建思路
自动驾驶虚拟场景库的构建方法见3.3章节。
构建场景库需选取对自动驾驶具有挑战性且在现实中有一定概率出现的场
景。由于场景的统计学意义难以精确估算,往往很难有力说明场景库与实际路测
里程的确切关系。一些自动驾驶相关企业在构建虚拟场景库方面进行了探索,例
如:
Mcity提出了六步分析思路,主要是利用蒙特卡罗算法,减少日常驾驶中没有
发生事故的数据,用发生了危险事故的数据进行取代,实现人类驾驶员与自动驾驶
车之间数据高频率交互;
中国汽车技术研究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。
目前,场景选取与场景库构建还处于不断探索的过程,可从以下方面持续开
展研究:
1) 制定完善自动驾驶测试相关标准,指导测试工作与场景库构建;
2) 对典型复杂交通场景进行采集入库,例如主要城市、高速公路的拥堵与
事故高发交叉口、路段,真实存在的复杂场景对自动驾驶测试有重要意义;
3) 对真实复杂静态场景进行要素分析,泛化生成多类别的静态测试场景;
4) 对真实复杂动态场景进行要素与行为分析,在交通宏观参数,驾驶员决
策,车辆行为等多层面上进行泛化,生成多类别的动态测试场景;
5) 完善虚拟测试场景的标注方法、重要度评价理论,从而实现更好的场景库组
织架构,以及针对某种测试需求的场景集快速生成。
1