2020中国自动驾驶仿真蓝皮书自动驾驶汽车在真正商业化应

自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。采用路测来优化自动驾驶算法耗费的时间和成本太高，且开放道路测试仍受到法规限制，极端交通条件和场景复现困难，测试安全存在隐患。世界各国交通环境也大相径庭，形成全球通用的产业链体系比较困难。以上种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。因此，基于场景库的仿真测试是解决自动驾驶研发测试挑战的主要路线。
自动驾驶仿真测试已经被行业广泛接受。目前自动驾驶算法测试大约 90% 通过仿真平台完成， 9% 在测试场完成， 1% 通过实际路测完成。
第一章、自动驾驶仿真测试的意义1.1 自动驾驶商业化面临路测数据匮乏的挑战
自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。但作为新兴事物，自动驾驶汽车仍面临着大量问题需要克服，如道路测试的时间成本、各国对于自动驾驶的法律法规容忍度、极端场景及危险工况的测试安全性、各国道路交通环境及习惯不同等问题，都给自动驾驶系统研发测试带来诸多困难。
采用路测来优化自动驾驶算法耗费的时间与成本太高。自动驾驶属于人工智能范畴，仍处于不断发展阶段。根据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计 177 亿公里的驾驶数据来完善算法。如果配置一支 100 辆自动驾驶测试车的车队，每天 24 小时不停歇路测，平均时速 25 英里（40 公里）每小时来计算，需要 500 多年的时间才能完成目标里程，期间所耗费的时间和成本是难以承受的。
自动驾驶相应交通法规及保险理赔机制的缺失制约了自动驾驶汽车路测的大范围开展。由于自动驾驶汽车尚不能保证绝对安全，我国政府对开放自动驾驶道路测试保持谨慎的态度，仅依靠部分开放道路以及智能网联测试区进行路测，难以满足自动驾驶汽车旺盛的测试需求。主要体现在以下四个方面：
◆自动驾驶汽车路测缺乏法律依据。目前在绝大部分公开道路，尤其是高速公路上测试自动驾驶汽车仍然缺乏法律依据，阻碍了测试的进度。
◆自动驾驶路测车辆禁止载人载货，导致测试不全面。现行规定明确禁止测试过程中搭乘与测试无关的人员或货物，阻碍了测试主体开展更丰富的自动驾驶技术性测试。
◆ 自动驾驶汽车事故责任划分缺乏法律依据。由于自动驾驶汽车的驾驶主体是自动驾驶系统或自动驾驶服务商，和现行人类驾驶员为主体的交通法规体系存在很大差别。《侵权责任法》、《道路交通安全法》等法规中有关机动车交通事故的责任体系将不再适合，导致目前自动驾驶汽车的相关法律纠纷出现无法可依的局面。
◆自动驾驶汽车缺乏相应的保险理赔机制。自动驾驶汽车突破了有关机动车保险的规定，使得目前的自动驾驶汽车“无险可投” ，增加了测试企业及其他交通参与者的风险。
极端交通条件和危险场景复现困难，而且测试安全存在隐患。自动驾驶汽车在实际道路行驶过程中，极端交通条件和危险场景可遇不可求，且安全问题也是一大困扰。根据美国国家公路交通安全管理局（NHTSA）的统计数据，汽车平均行驶 43.6 万英里（70 万公里）才会发生一起事故，平均行驶 1 亿英里（1.6 亿公里）死亡大约 1 人。此外，自动驾驶汽车测试行业依然没有就测试的安全性等标准达成一致，制约了自动驾驶的研发测试。
形成全球认可的自动驾驶产业链体系比较困难。由于世界各国社会和经济环境千差万别，各地区的道路环境和交通习惯也大相径庭。中国的城市道路中快递、外卖、行人混行情况普遍存在，对于自动驾驶汽车的感知决策能力提出了更高的要求。而且中国的道路交通标志、标线设置不规范情况普遍存在，不同地区之间也有差别。国内与国外的交通标志标线颜色、文字说明等方面也存在差别，这些在短期内很难得到改变。上述种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。
文章插图
1.2 基于场景库的仿真测试成为自动驾驶研发的关键（略）
目前基于场景库的仿真测试是解决自动驾驶路测数据匮乏的重要路线。仿真测试主要通过构建虚拟场景库，实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试，满足自动驾驶测试的要求。场景库是自动驾驶仿真测试的基础，场景库对现实世界的覆盖率越高，仿真测试结果越真实。而且自动驾驶汽车研发的不同阶段对于场景库的要求也不同，需要场景库实现不同的测试功能。