自动驾驶测试场景库构建方法

自动驾驶测试场景库构建方法

自动驾驶技术的发展离不开完善的测试场景库。本文详细介绍了自动驾驶测试场景库的构建方法，包括场景分类体系、测试用例和仿真测试场景格式等内容。通过参考德国Pegasus等项目的研究成果，将场景分为功能场景、逻辑场景和具体场景三个层级，从功能场景到具体场景，内容不断细化，场景的数量也不断增加。

1. 场景分类体系及构建方法

参考德国Pegasus等项目研究成果，场景分为功能场景(Functional scenarios)、逻辑场景(Logical scenarios)、具体场景(Concrete scenarios)三个层级，从功能场景到具体场景，内容不断细化，场景的数量也不断增加。以L3级自动驾驶功能HWP场景为例说明中国汽研的场景分类体系，如图1所示。

图 1 中国汽研场景分类体系（以HWP功能为例）

a) 确定HWP功能定义域

通常自动驾驶功能定义由场景库服务的对象企业提供，图2为某HWP系统功能定义域。

图2中国汽研场景分类体系（以HWP功能为例）

1. 包括在交通拥堵时走、停跟车；
2. 包括限速（0-120km/h）；
3. 包括高速公路标志的识别；
4. 包括自动变道；
5. 包括高速或类高速公路上的直道、弯道、坡道、隧道、桥梁；
6. 不包括高速功能的出入口；
7. 不包括施工区域和极端恶劣天气等。

b) 确定功能场景

功能场景主要是用自然语言对场景进行描述，场景用动态交通参与者、静态道路以及天气要素来描述，如图3所示。功能场景的制定需要现有标准法规，列于表1。

图3 功能场景示例：切入场景

表1 自动驾驶系统测试标准一览表

1. 动态交通参与者

根据动态交通参与要素的组合类别划分HWP的场景种类，首先对HWP中对主车（Ego）有影响的周围交通参与者（车辆/两轮车/行人）进行定义，如图4所示：

图4 动态交通参与者分类

① Ego：主车
② Front Object（FO）：位于主车车道，在主车前方的移动目标物
③ Rear Object（ReO）：位于主车车道，在主车后方的移动目标物
④ Left Object（LO）：位于主车左侧车道，在主车侧方/后方的移动目标物
⑤ Right Object（RO）：位于主车右侧车道，在主车侧方/后方的移动目标物
⑥ Left Front Object（LFO）：位于主车左侧车道，在主车前方的移动目标物
⑦ Right Front Object（RFO）：位于主车右侧车道，在主车前方的移动目标物
⑧ Fore Front Object（FFO）：位于主车车道，在FO前方的移动目标物
⑨ Danger Object（DO）：位于主车前方，横穿道路的移动目标物

2. 静态道路要素

考虑的道路要素主要有道路类型、车道数量、车道宽度、路面情况、直道、弯道、坡道、对象车道分隔形式、线型、交通标志情况、特殊区域等。

3. 天气要素

考虑的天气要素主要有晴天、雨雪雾、能见度、白天、夜晚、逆光等。

将动态交通参与者、道路、天气要素组合就得到了HWP的功能场景描述集，如图5所示。

图5组合动态交通参与者、道路、天气要素得到功能场景

c) 形成逻辑场景

根据划分好的功能场景，通过对自然驾驶数据的统计分析，可以得到描述场景的相关参数分布，就得到了逻辑场景，如图6所示。

图6逻辑场景示例：切入场景及其参数分布

d) 形成具体场景

对逻辑场景中的参数进行重新采样，确定相应场景关键参数的取值，生成具体场景，如图7所示。

图7 具体场景示例：切入场景

通过的大规模自然驾驶数据的场景提取、场景标注与场景筛选，能够获得适应于不同自动驾驶系统测试的且可以代表中国典型区域交通特征的原始场景库，基于对场景要素的多维度分析和蒙特卡洛采样，不仅可以获得大量随机测试样本，同时可以保证重构场景对原始场景概率分布的真实反映。

2. 测试用例

测试用例库包含：静态场景文件、动态场景文件和测试用例描述表，如图 8 所示。

图8仿真场景测试用例结构示意图

中国汽研根据ISO、GB/T、i-VISTA等标准法规，基于自然驾驶数据场景库，通过匹配ACC功能特点，进行场景筛选，进而通过概率分布统计和聚类分析，获得典型驾驶场景，结合相关技术积累与工程经验，设计如表2所示的测试用例范例。

表2 ACC标准法规测试用例列表

3. 仿真测试场景格式

基于测试用例参数，中国汽研开发了直接适用于虚拟仿真平台的仿真测试场景，包括静态路网文件与动态场景文件。

其中静态路网主要使用OpenDRIVE文件进行定义和描述，可以对道路等级（高速公路、国道/省道、城市、乡村等），车道类型（直到、弯道、路口、匝道等），车道数量及特殊车道（应急车道、非机动车专用道、路边车位等），道路隔离（护栏、绿化带、隔离墩等），弯道曲率，道路坡度，车道属性，车道线类型，交通灯，道路/交通标志等静态场景元素进行定义，根据驾驶场景提取和标注信息，配置建立和真实道路相似的虚拟道路环境。

静态场景的要素信息与动态场景的构造主要由标准化的测试用例Excel表实现，Excel文档中包含了每个测试用例的道路要素、环境要素、交通参与者行为动作以及整个测试执行过程与通过性条件，具体如表 3所示。

表 3 测试用例道路要素表

测试用例的道路要素特征是根据自然驾驶数据采集分析，从而获得中国道路几何特征、道路指示标线特征、道路信号标志牌等影响自动驾驶系统控制系统决策的重要信息列表，满足自动驾驶系统对道路信息的逻辑判断，完善其相应的功能开发。

环境要素特征作为自然要素具有较强的随机性，其中雨、雪、雾、逆光等因素对自动驾驶系统的感知系统影响较为严重，影响感知系统对复杂多变的环境信息的处理结果，具体描述如表4所示。

表 4 测试用例环境要素表

交通参与者行为动作是整个场景中的动态要素，将控制系统的决策信息作用到车辆执行机构，做出合理的车辆的运动状态，从而直观的表征出测试用例的合理性以及测试自动驾驶系统系统功能的通过性，具体描述如表5 所示

表 5 测试用例交通参与者动态要素表

通过相关的测试管理软件、虚拟仿真软件、动力学软件，结合中国汽研提供的仿真场景测试用例，可以支持实现仿真测试的半自动化批量测试，实现整个测试过程的信息流的的交互，整个批量化测试任务通过此方式顺序执行。