2020中国自动驾驶仿真蓝皮书( 九 ) 自动驾驶汽车在真正商业化应

第四章、场景库体系建立与开放4.1 自动驾驶测试场景库体系的搭建（略）
自动驾驶测试场景库是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要数据库，是定义自动驾驶汽车等级的关键数据依据。自动驾驶测试场景数据库主要通过虚拟仿真环境及工具链进行复现，建设虚拟场景数据库是连接场景数据与场景应用的关键桥梁。
由于基于里程的自动驾驶汽车测试存在时间长、成本高、效率低等问题，形成目前以场景测试为主的自动驾驶测试技术路线。随着人工智能技术的发展，更高级别的自动驾驶汽车成为可能，对测试场景也提出了更多要求。从ADAS只需满足特定场景下的功能要求，到有限条件的自动驾驶（L3）系统、高度自动驾驶（L4）、完全自动驾驶（L5）系统等需要满足各类场景的功能要求，导致自动驾驶汽车测试与验证的场景数量呈几何级增加。总之，评价自动驾驶系统算法最重要的标准就是测试其是否能够处理足够多的场景，自动驾驶系统能处理的场景覆盖范围越大，自动驾驶汽车可行驶的边界就越广泛。
4.1.1 场景库的概念
4.1.2 场景数据来源
4.1.3 场景的自动化生成
4.1.4 场景数据格式标准
4.1.5 场景库的搭建流程
4.2 道路测试到场景转化
目前世界上道路测试及仿真测试最领先的企业非 Waymo 莫属，其道路测试和仿真测试里程数均遥遥领先于竞争对手。截止2020年初， Waymo自动驾驶公开道路测试里程达到2000万英里，其中2019年就完成了1000万英里。截止 2020 年 5 月， Carcraft 仿真系统仿真里程总数已经达到了 150 亿英里。目前 Waymo 已在美国各城市部署了约 1000 辆汽车，并计划在未来一两年再增加数万辆。
Waymo 基于道路测试实现仿真场景的搭建。 Waymo 通过在公共道路和封闭测试场地 Castle 进行道路测试，积累成千上万的场景数据，然后创建成虚拟的数字场景。在虚拟场景中，可以通过修改参数生产更多的场景，让虚拟汽车在每一个场景中进行学习。以四向停车点为例， Carcraft 可以生成 800 个场景。
道路测试转化成仿真测试场景，需要经历四个步骤：场景理解、特征提取、场景聚类、场景生成。
场景理解。目前场景采集主要以视觉感知为主，场景理解就是要将采集的图像的像素点进行归类，然后进行目标检测、区域标注、3D 重建。随着机器学习技术的发展，基于机器学习的场景理解可以实现特征表示、模型学习、推理算法、理解评价等，基于机器学习的场景是未来发展方向。
特征提取。在场景理解的基础上，对场景中的动态、静态元素进行特征提取，然后进行参数化描述。如果需要挖掘自然驾驶场景、危险场景等，可以梳理对应场景的特征元素及特征量，从原始交通场景进行数据挖掘可以获取相应的场景数据。
场景聚类。通过场景理解、特征提取后就可以形成大量的场景数据，如果不进行归类处理，场景将处于杂乱无章的状态。这时候需要对场景进行分类和聚类，让具备相同特征信息的场景进行聚类，反之进行分类，这样可以提高场景的测试效率，方便场景库的管理。
场景生成。道路测试覆盖的场景很有限，难以覆盖所有场景。根据道路采集数据进行场景复现，可以使场景重现真实交通中的自然驾驶场景及危险工况场景。为了提高场景覆盖率，可以根据场景元素的分类和特征，分析不同元素对自动驾驶车辆的影响，基于元素的关联关系或人工经验对场景进行重新组合，可以生产新的场景。需要注意的是，在此过程中需要通过推演归纳进行严谨的元素组合，尽量使场景的覆盖率最大化。
4.3 国内典型场景库
国内目前有中汽数据有限公司、中国汽车工程研究院股份有限公司、腾讯、百度等公司建立了自己的场景库。
4.3.1 中汽数据有限公司 - 场景案例库
中汽数据有限公司已初步建成覆盖自然驾驶及标准法规的仿真测试场景库。在自然驾驶仿真场景方面，截止2018 年底，中汽数据有限公司已采集超过 32 万公里自然驾驶里程数据，地域覆盖北京、天津、上海等重点城市，工况覆盖高速、城市、乡村、停车场等重点领域，环境覆盖晴天、雨天、雪天、雾霾等多种天气，范围覆盖典型场景、边角场景、事故场景等多种类型。
在标准法规仿真场景方面，中汽数据已基于 ISO、NHTSA、ENCAP、CNCAP 等多项标准、评价规程构建了 20余种标准仿真测试场景，支持 AEB、ACC、LKA、APA 等多种自动驾驶功能的仿真验证，同时贯通了标准场景的自动化测试流程。基于涵盖多线激光雷达、带融合算法的固态激光雷达、毫米波雷达、视觉感知传感器和 GPS 惯导系统的高精度场景数据采集平台，采集积累了国内数据量最大的场景数据，采集范围涵盖全国大部分地区、各种道路类型。通过场景数据的分类、标注、统计分析和重构等理论方法及数据处理，建设形成了全国范围覆盖 26 种自动驾驶功能的场景库。中汽数据基于多年的标准制定、国际合作和企业项目经验，建设了一整套场景数据采集、场景分类、数据标注、统计分析、场景重构、大数据管理体系，并开发了国内一套较为成熟的场景工具链。中汽数据结合多源异构的驾驶场景大数据，涵盖实车采集的全国多个省市高速公路、城市、乡村、停车场等驾驶场景，来支撑自动驾驶汽车的仿真开发与测试工作。同时，作为 C-ASAM 工作组组长单位以及 OpenSCENARIO 1.x 项目全球负责人，当前采集体系及相应场景数据均按照 OSC 格式数据及相应地图数据，完成全面的体系建设，形成一套由采集数据至仿真数据的完整场景体系。