自動駕駛交規符合性仿真測試場景庫構建研究

苗澤霖

（公安部道路交通安全研究中心，北京100062，中國）

自動駕駛是未來汽車技術和產業的重要發展趨勢，但在L3級以上的自動駕駛車輛上路準入之前，需要進行大量的場景工況測試驗證。傳統的測試方法多為道路測試，需要從海量測試場景中發現導致自動駕駛功能失效的各類安全問題，效率低、成本高、周期長，難以滿足測試要求。因此借助數字虛擬仿真技術，構建以仿真場景測試為主，道路測試與閉場地測試相結合的自動駕駛準入認證體系，這對于提高自動駕駛測試驗證能力尤為重要。

目前，國內外在自動駕駛仿真場景測試研究方面做了很多工作，聯合國發布ISO-34502，為L3級別及更高級別的自動駕駛系統測試場景和基于場景的安全評估提供了指導建議和工程框架；美國國家公路安全管理局組織開展“自動駕駛系統測試用例和場景框架”研究項目，旨在提供自動駕駛系統功能安全開發的測試場景框架；德國、日本在批準L3級別自動駕駛汽車的上路準入之前，進行了大量的仿真場景測試工作。聚焦國內，國汽智聯于2018年聯合18家單位成立聯合項目組進行“中國標準ICV場景庫理論架構體系”的研究，共同完成了基于中國特色的ICV場景庫理論架構體系研究報告（草案）；清華大學牽頭的自動駕駛預期功能安全工作組，研究形成預期功能安全場景庫，并制定了相關團標，提高自動駕駛車輛預期功能安全決策能力。綜上所述，當前對于自動駕駛仿真測試場景已有豐富的積累，但是在實際應用過程中，涉及法規符合性方面的測試場景較少，這導致自動駕駛汽車的合規性、安全性受到質疑，這也為自動駕駛汽車產品準入和上路許可帶來阻力。

為了解決這一問題，本文在分析論證大量的國內外研究成果和相關文獻的基礎上，通過對《道路交通安全法》《道路交通實施條例》和相關強制性標準法規的梳理、分析和總結，確定場景設計方法，提出了交規符合性仿真測試場景庫的構建方法。其中，在第2節中對場景庫的主體—場景，進行了一系列的分析，梳理了場景定義、場景格式、場景數據來源、場景要素、場景構建；在第3節中，概要介紹了交規符合性仿真測試場景分類體系，介紹了包含數據層和場景層在內的自動駕駛交規符合性仿真測試場景庫搭建流程；在第4節中對研究內容進行歸納總結，并提出了一些未來的研究展望。

1 交規符合性仿真測試場景

1.1 場景定義

隨著自動駕駛技術的迅速發展，場景廣泛應用于自動駕駛系統仿真測試研究中，并且在評價自動駕駛汽車的功能與性能的優壞時，也主要是通過基于場景的一系列測試來進行的，所以場景是自動駕駛仿真測試的基石。

場景是自動駕駛汽車與其所在道路交通環境的總體描述，是對靜態道路信息、動態道路信息、交通參與者信息、天氣和光照環境信息、目標車輛信息等要素的抽象與映射，場景本質上描述了要素組成以及內部的邏輯關系，為場景搭建奠定了理論基礎。

1.2 場景格式

目前較為通用的場景格式文件為ASAM提出的OpenX仿真標準系列，為了提高交規符合性仿真測試場景的通用性、適配性，因此仿真測試場景采用OpenDRIVE和OpenSCENARIO的格式儲存場景文件，并且兩者都是基于UML數據模型，可以導出XML格式的拓展文件。

OpenDRIVE定義了仿真場景中的靜態內容，主要包括道路幾何形狀、車道數量、道路沿線特征，并且定義了可以影響車輛通行的交通標志以及道路基礎設施，例如車道限速標志和信號燈等，用以描述仿真中道路環境信息；OpenSCENARIO定義了仿真場景中的動態內容，主要包括車輛的軌跡路線、縱向動作（如速度變化、距離變化）、橫向動作（如換道、橫向偏移）、環境變化（如天氣、時間和道路附著率）等，用以描述仿真中道路上或道路外活動的車輛或行人的行為活動[1]。因此如圖1所示，OpenDRIVE和OpenSCENARIO結合起來，形成了一個包含靜態和動態信息的仿真測試場景描述。

圖1 仿真場景格式

1.3 場景數據來源

場景數據是場景搭建的基礎，為了搭建自動駕駛交規符合性仿真測試場景庫，需要收集大量的場景數據。如圖2所示，整個自動駕駛仿真場景所需的數據來源主要有真實數據和仿真數據，即通過分析和篩選已有的、真實的各類交通場景獲得的真實數據，如自然駕駛數據、事故數據、開放道路/封閉場地測試數據；或者根據測試需求，基于相關的理論知識和經驗、現行的通行法規，獲得能夠反映真實交通環境的仿真數據，如仿真實驗數據[2]。

圖2 場景數據來源

自然駕駛數據一般是通過安裝在自動駕駛汽車上先進的數據采集設備獲得，涵蓋了城市道路和高速公路等大多數交通環境，可以用于構建高覆蓋的具體場景；事故數據來源國家各地方的道路交通事故數據，經過數據篩選分析，可用于事故場景構建和真實事故場景還原再現；開放道路/封閉場地測試數據來源于企業在自動駕駛車輛開發或示范運營的過程中，在特定場地開展的隨機測試；仿真實驗數據主要源于仿真測試軟件，通過人為的設定駕駛任務或行駛路線，讓測試車輛在虛擬仿真場景下進行行駛，以此來產生仿真數據。

1.4 場景要素

利用各個來源的場景數據進行仿真場景庫構建之前必須進行場景數據處理，即提取能夠體現目標場景的特征的場景要素。為了使仿真測試場景更加符合實際道路交通場景，需要找出到各種交通場景中的共性特征，明確場景的組成要素。本文基于自動駕駛系統交規符合性的測試需求，結合自動駕駛汽車運行的影響因素，通過6個要素層來進行場景描述，6層場景要素分別為道路、交通基礎設施、臨時路況、交通狀況、環境、數字信息。

如圖3所示，第一層為道路，包含道路類型、道路幾何設計、車道數量、特殊車道等靜態的信息要素，用于描述場景的靜態道路環境；第二層為交通基礎設施，包含道路標志標線、交通標志、交通信號燈等，用于描述場景的地物信息；第三層為臨時路況，包含路面狀況、道路施工、臨時緊急指示標牌等，用于描述場景的動態環境信息；第四層為交通狀況，包含交通參與者、被測車輛的初始狀態、目標和行為等，是場景的核心內容；第五層為環境，包含光照、溫度、濕度、氣候等，用于描述場景的氣象環境信息；第六層為數字信息，包含了V2X等通信系統。

圖3 場景要素

1.5 場景搭建

1.5.1 場景表達

場景搭建即通過對采集的場景數據進行分析，基于不同要素的屬性和要素間的關系，生成具有測試價值和意義的場景。測試場景中包含的各類要素所體現的特征需要可量化、可執行、擬真性。

基于場景表達在不同測試開發階段的需求矛盾，場景分為三個層次，按照抽象程度由高到低，分為功能場景、邏輯場景、具體場景[3]。功能場景是指某一場景的形象化描述，即用一種自然語言描述場景特征，如跟車、變道等；邏輯場景需要具體描述場景要素之間的邏輯關系，明確場景要素的參數范圍，如跟車時與前車保持的縱向距離的范圍；具體場景是一例參數明確、可執行的場景，需要確定各參數的具體取值，如跟車時主車的車速、與前車的縱向距離等。因此，邏輯場景是對應功能場景的參數化表達，同時也是所對應的所有具體場景的集合。

1.5.2 場景構建步驟

明確了場景的表達方式之后，我們就可以基于仿真測試需求，結合所需的場景要素，進行場景搭建。下面以現實中常見的變更車道為例，介紹自動駕駛交規符合性仿真測試場景構建的步驟：

（一）明確場景數據來源。場景數據來源為相關的車輛駕駛理論知識和現行的通行法規。《中華人民共和國道路交通安全法實施條例》第四十四條規定：在道路同方向劃有2條以上機動車道的，變更車道的機動車不得影響相關車道內行駛的機動車的正常行駛。

（二）確定關鍵場景要素。根據法規的動作分解，確定測試場景設計所需的關鍵要素。通過6個要素層來進行場景描述，場景關鍵要素和基本要素如下：

（1）第一層—道路。道路類型要素設置為城市道路，道路幾何設計要素設置為直道，車道數量要素設置為2，特殊車道要素設置為非機動車道；

（2）第二層—交通基礎設施。道路標志標線要素設置為白虛線，行道設施要素設置為路燈、交通信號燈要素設置為無；

（3）第三層—臨時路況。路面狀況要素設置為干燥，道路施工要素設置為無；

（4）第四層—交通狀況。交通參與者要素設置為車輛，即前車（FO）、主車（Ego）、左后方車輛（LReO），被測車輛行為要素設置為前車直行、左后方車輛直行、主車變道。

（5）第五層—環境。時間要素設置為白天，天氣要素設置為晴天；

（6）第六層—數字信息。要素設置為無。

（三）確定場景表達。基于測試需求和不同要素的屬性之間的關系，分層次對仿真測試場景進行描述。

（1）功能場景：向左變道且左側車道后方來車。主車（Ego）跟馳前車（FO），再進行向左變道動作，為保證達到測試目的，需在主車左后方設置目標車輛，即左后方車輛（LReO）。

（2）邏輯場景：前方車輛FO以車速Va緩慢行駛，左后方車輛LReO以車速Vb加速直行，主車Ego在距離前車d處減速，等左后方車輛通過之后自行決定變道，變道過程不得影響左后方車輛正常行駛。

（3）具體場景：對主車和目標車輛的行為進行量化賦值。

前車FO：直行，初始位置為-2車道，加速度設置為1.5m/s2，速度設置為35km/h，與主車初始的縱向距離為250m；主車Ego：換道，初始位置為-2車道，加速度設置為1.5m/s2，速度設置為45km/h；左后方車輛LReO：直行，當主車與前車距離為70m時，出現在-1車道，速度設置為50km/h，與主車初始的縱向距離為60m。

上述測試場景設計的示意圖如圖4所示，根據測試場景設計，此場景設計可完全對該條法規的覆蓋，可以滿足測試需求。

圖4 向左變道且左側車道后方來車

（四）場景格式。根據靜態路網信息設計構建標準格式OpenDRIVE的靜態路網地圖，生成圖形道路數據osgb文件。通過OpenScenarios動態場景描述文件調用OpenDRIVE靜態路網地圖和圖形道路數據osgb文件，在動態場景描述文件中根據場景表達建立動態內容，從而構建自動駕駛交規符合性仿真測試場景。

2 交規符合性仿真測試場景庫構建

2.1 場景分類

根據不同的測試需求和測試目的，場景可分為不同的種類。從功能安全的角度分析，場景可分為已知安全場景、已知危險場景、未知安全場景、未知危險場景；從自動駕駛汽車設計運行范圍出發，場景可分為高速場景、城市場景、近距離場景。

為了推動自動駕駛汽車準入，提高自動駕駛汽車的法規遵守能力，本文從合規性、安全性角度出發，通過對《道路交通安全法》《道路交通實施條例》和相關強制性標準法規的梳理，按照自動駕駛汽車在道路交通環境中運行的難易程度將場景分為3個大類，如圖5所示，由低到高分別為安全意識類場景、駕駛操作類場景、通行交互類場景；之后再根據自動駕駛汽車動態駕駛任務，將3大類細分為12小類，分別為停車/起步、安全速度、安全距離、車道使用、變道、超車、會車、倒車、路口通行、避讓、掉頭和遵循交通警察指揮；在每個小類里面按照與場景元素的相關性，又分為道路特征類、交通信號類、交通環境類和通行狀態類。通過上述分類共同構成自動駕駛交通通行規則遵守能力測評場景庫的理論體系架構。

圖5 自動駕駛交通通行規則遵守能力測評場景庫分類框架圖

2.2 場景庫體系搭建

交規符合性仿真測試場景庫是由滿足法規和安全方面測試需求的一系列自動駕駛仿真場景構成的數據庫，是自動駕駛汽車合規性、安全性測試的基礎數據庫，是加快自動駕駛安全準入的重要數據庫。場景庫體系搭建主要通過虛擬仿真環境及工具鏈實現的。如圖6所示，場景庫搭建的流程主要包括數據層和場景層兩方面[4]。

圖6 仿真場景庫體系搭建

數據層主要是對采集到的自然駕駛數據、事故數據、開放道路/封閉場地測試數據和仿真實驗數據進行分析、刪減修復、數據融合等一系列操作，得到可供場景分析的目標級數據，實現從原始數據到仿真測試場景所需數據的自動化處理；

場景層將處理后的目標級數據進行特征提取和要素標注，如跟車、變道、切入、切出、雨天、雪天等，實現場景片段的精細化描述，從而形成場景集，即功能場景。然后按照2.1所述的理論體系進行分類，得到邏輯場景。最后基于邏輯場景參數分布，對場景參數進行大批量泛化，通過仿真軟件生成OpenX格式的場景文件，最終形成交規符合性仿真測試場景庫。

3 總結

以上概要介紹了自動駕駛交規符合性仿真測試場景庫的構建流程，其中場景分類和具體場景搭建是整個場景庫框架的重要組成部分。本文所研究的內容可以之后的自動駕駛汽車開展合規性、安全性測試提供一定的理論基礎。自動駕駛交規符合性仿真測試場景庫現在正處于開發的階段，未來可以向場景庫的豐富度、多樣性、有效性、時效性等方面繼續研究，推進自動駕駛汽車在交通安全領域的應用，保障自動駕駛汽車安全運行。