基于仿真的工具链用于识别和验证自动驾驶汽车的关键场景
测试具有重大意义。过往的关键场景识别主要是考虑安全因素。而本文则综合考虑了安全影响和交通质量影响。除了安全指标，定义了四个覆盖宏观与微观的交通质量指标，并对这些指标进行了归一化和权重分配，在此基础上应用仿真工具链进行分析。
自动驾驶汽车面临的主要挑战之一是测试和验证。一方面，需要新的测试方法以改进传统测方法，解决传统测试中需要大量行驶里程所带来的一些问题。另一方面，由于发展初期有限的市场渗透率，测试验证过程还需考虑混合交通下其他人类交通参与者的驾驶行为对自动驾驶汽车功能产生的重大影响。基于仿真的自动驾驶汽车通用工具链，用于关键场景（Critical Scenario）的模型在环识别，结合汽车动力学仿真、交通仿真和车辆协同仿真进行场景识别，并考虑了其他交通参与者的行为。最后通过安全指标和交通质量指标评估并筛选得到关键场景。
由于初期市场渗透率较小，自动驾驶汽车的发展受到阻碍。在不考虑其他交通参与者驾驶行为的情况下引入这类汽车相对简单，但是其在包括人类驾驶员的混合交通下完成行驶任务将面临巨大挑战。即使自动化功能正常工作且驾驶行为符合规范，其他交通参与者也可能导致自动驾驶汽车面临关键场景。图 1 显示与人类驾驶员的复杂交互所引起的关键场景的示例，顶部为初始状态，底部为最终状态。其中汽车 1 是自动驾驶汽车，汽车 2、3 由人类控制。汽车 2 的驾驶员驾驶行为较为激进，而汽车 3 的驾驶员驾驶行为相对保守。首先，汽车 1 自动检测到可以执行变道行为的理想情况。当其进行变道时，汽车 2 忽视安全间隙而紧跟汽车 1，同时汽车 3 驾驶非常谨慎，便可能导致图 1 所示关键场景。本文后续介绍基于该具体场景展开。
识别关键场景是验证自动驾驶汽车的关键环节，本文中，关键场景被定义为需要进行测试的场景。
本文使用基于仿线）解决识别关键场景的问题。该工具链由逻辑场景（Logical scenarios）开始，逻辑场景是基于参数空间的场景描述，通过确定参数空间中各参数的取值范围，来可能的测试场景。
逻辑场景参数空间中选择特定参数便构成了具体场景（Concretescenarios）。参数选择的方式如工具链左侧所示（图 2），通过使用专家意见、数据记录、场景目录等确定关键场景的方式的主要缺点是容易遗漏一些关键场景。本文选择工具链右侧方式，即使用参数变化模块，该模块通过自动更改逻辑场景的参数来创建具体场景，这是在整个参数范围内识别关键场景的一种简单方法。使用该方式的主要挑战是，在应用工具链之前，关键场景及其特性是未知的，因此很难确定哪些参数组合被选取后需要更仔细和全面的去测试。
为了解决这一问题，将上述方法生成的具体场景用于仿真的输入，该仿真包括耦合交通仿真、汽车动力学仿真和车辆协同仿真三部分：
然后，将定制的评价指标应用于仿真结果，根据仿真结果是否满足评价指标标准，将具体场景自动分类为关键或非关键场景。根据感兴趣的领域不同，工具链可以使用不同类型的评价指标。在本文中，将使用安全和交通质量作为评价指标。
识别出的关键的具体场景可以被应用于 V 型开发模型的各个阶段，包括模型在环（MiL）、软件在环（SiL）、硬件在环（HiL）、汽车在环（ViL）等，并记录数据。工具链的最后是对测试结果的分析，从而对功能开发进行反馈。
本文中使用高速公自动驾驶的例子来演示工具链的应用过程，该工具链也可以扩展到其他功能和领域，例如乡村道以及城市区域。
使用耦合仿真要求虚拟具有可比性。不同虚拟不一定需要完全相同，但基本几何信息必须足够相似，以使动态耦合在这些中都适用。静态耦合是基于 OpenDrive 格式提供的实测数据集，地图数据转换方案如图 3 所示。
地图数据通过所选道的高精度测量来获取。本文选择了位于法兰克福（）附近的欧宝试验场。图 3 所示的地图数据转换器是一种数据转换工具，可将 OpenDrive 格式的数据解析为特定仿真中所需的特定格式。
动态耦合主要集中在交通仿真和汽车动力学仿真上。本文作者研究的可变区域如图 4 所示。
交通仿真提供交通参与者行为，汽车动力学仿真提供自动驾驶汽车行为，包括驾驶功能和传感器设置等。协同仿真在本文中将不做讨论。动态耦合确保了自动驾驶汽车能够在周围的交通中行驶，从而提供能够响应汽车驾驶功能的驾驶行为的动态交通。
本文基于传统安全指标和交通质量指标来识别关键场景。对于安全指标，选定了碰撞时间TTC、制动时间TTB、期望减速度为临界指标。对于交通质量指标，按关注的空间域（DOI）大小以及不同的交通表征，定义了宏观指标、微观指标、纳米指标、个体指标四个子指标。
为了使用基于仿真的工具链识别关键场景，需要指定与程度相关的术语。很明显，对临界性的理解会随着具体要求改变而有显著的不同。工具链的通用设计允许使用不同的临界项，最著名的临界性指标为「碰撞时间」。
其中 Δp 是汽车的偏差，V_ego 是自车速度，V_obj 是对象速度，V_rel 是两车之间的相对速度。另一个标准度量称为「制动时间」，可定义为：
其中 a_ego_max 表示自车能够执行的最大减速度。这个指标与自车的最大减速能力有关。最后一个指标称为「期望减速度」，如下式
为了研究自动驾驶汽车及其对交通质量的影响，本文提出了四种交通质量指标和一种组合各指标的方法。该方法旨在为场景的临界性评估收集更多信息。其优点是增加了结果的稳健性和有效性。指标的一般要求可以表述如下：
不同的交通指标关注的空间域不同。如图 5 所示，本文有三个空间域。第一个是固定空间域（DOI），按照高速公容量手册的，它的尺度选择为 450m。第二个移动 DOI（始终）跟随着自车并直接关注周围的，引入它是为了获得关于汽车周围影响的附加。第三个移动 DOI 只考虑自车。
第二个子指标是微观指标。它考虑固定 DOI 中的速度偏差和平均速度，把速度偏差除以自车的速度平均值的值作为微观交通质量的表征。当关注总体交通质量时，需要在指定的 DOI 中考虑每辆车，在这里车的标号用索引j表示，并且可以表示为：
σ_vj 为标准速度偏差，v_j 是每辆车的平均速度。得到的平均变异系数 CV 由公式 5 的平均值计算。第一个移动的 DOI 是围绕自车的圆圈，其允许考察近距离的交互。
第三个子指标是纳米指标。它的计算是基于速度偏差和相对于 DOI 的平均值。
第四个子指标是个体指标。这个指标仅考虑自车的数量。DOI 仅围绕自车,单独考虑汽车的行为以收集有关评估过程的更多信息。
场景是否关键以及是否应进一步研究的决定是二元的，因此最好有一个特定的阈值区分关键和非关键场景。为了实现全面整体的评分系统，每个指标将被归一化，「0」被定义为最佳等级，「1」被定义为最差等级。标准化评分系统可以表述如下，其中 G_mac 是宏观指标的等级、G_mic 是微观指标的等级、G_nan 是纳米指标的等级、G_ind 是个体指标的等级。
宏观等级代表两个时间间隔之间交通密度的变化。当自车引起的交通密度减小时，相关场景会被分类到关键场景中。
微观等级考虑变异系数和平均速度之间的折衷。大的速度波动和低的平均速度会使场景被分类为关键场景，而小的波动和高的平均速度可以被归类为理想的交通状况。
纳米等级使用平均速度作为附加指标，纳米等级下的的变化系数和平均速度仅针对移动圆内的汽车计算，以考虑具有近距离交互作用的交通参与者。
个体等级也使用平均速度作为附加指标，它是通过加速度的标准偏差和自车本身的平均速度来计算的。大的加速度变化和低的平均速度会使场景被分类为关键场景。
但这些指标的权重明显不同。因此，作者利用由专家进行评价和分级的训练数据，基于最小二乘法对加权系数进行了优化。目的是提高基于训练数据的整体评价的稳健性。最终等级将以参数形式表示。
其中 x_1...x_4 是每个指标的各个等级，β_1...β_4 是相应的加权因子。图 9 显示了优化方案。
可以看出，组合优化后的指标（图 11，黑色实线）效果最好。FPR 约为 10％，且满足 100％ TPR 的要求。
本示例将 L3 高速公执行标准驾驶任务作为用例，评估过程通过前文提出的安全和交通质量指标来完成，其中临界分类的相应阈值为 G_final = 0.279，TTC = 3.9 s，TTB = 3.8 s，a_req = - 2 m/s^2 。本文一共选择四个不同的进入高速公场景进行实验。
场景一为无任何干扰，自车以规范行为进入高速公的场景。此场景是为了说明指标确实将最佳行为归类为不关键场景。结果如表 1 所示。评价结果表明指标不会偏离（由空集 Φ 表示），场景未被识别为关键场景。
场景二为进入受干扰而导致传感器误差的高速公场景。该场景会导致自车的径控制器产生波动。使用相同指定属性来选择相同的逻辑场景。仿线 所示。结果表明交通质量指标及安全相关指标都对自车控制器产生的波动作出了响应，因此该场景被归类为关键场景。
场景三考虑了高精度地图信息错误的情况。自动驾驶汽车使用高精度地图来增加预见性和制定驾驶策略，特别是在高速公入口处，高精度地图可以提供如到车道末端距离和允许进入高速公里的虚线起点等信息，地图可能出现信息错误而不允许自车直接进入高速公。仿线 具体场景：自车带有地图错误信息进入高速公
由于地图信息错误，自车不能进入高速公而在入口匝道上停车。L3 级功能要求驾驶员在堵塞入口匝道时接管汽车。基于交通质量指标，此场景被正确地归类为关键场景。由于自车没有引起相关安全问题，因此安全指标没有偏离。
场景四突出了其他交通参与者的行为及其对自动驾驶功能的影响。前文所述的其他交通参与者在仿真中的激进驾驶行为可以将自车逼到关键场景中。仿线 具体场景：激进交通参与者进入高速公
本文介绍基于仿真的工具链，用于识别和验证自动驾驶汽车的关键场景，并在包含传感器错误、地图错误和其他交通参与者激进驾驶行为的不同场景中应用了该方法。
将标准的安全指标和本文新提出的评估交通质量的指标对交通场景进行分类，得到关键场景和相应数据，作为测试结果帮助开发人员改进相应的自动驾驶功能。评估交通质量的不同指标的组合能够对具体场景的关键性进行二元分类，这种分类侧重于找到考虑整体识别过程的最终等级的临界阈值，而不是分开使用每一个子指标。通过计算最终等级并将该值与使用训练数据的优化方案确定的阈值进行比较，以确定具体场景是否关键。
1. 授课风格：通俗易懂2. 环 境：Java SE8、eclipse4.7.3a3. 课程内容：（1）基
据外媒报道，丰田研究所-高级开发公司（TRI-AD）与CARMERA公司宣布合作，将联手进行一项概念....
从特朗普或者美国对华为的抵制态度上，可以看出5G对未来的价值，当信息传输足够快，无论是军用还是民生的....
艾米·韦伯称，巨头公司对人才和资源的整合将继续下去，这一事态的发展应该会我们停下来。《201....
遥控操作需要快速、可靠的无线网络覆盖。因为这一原因，爱立信和Einride（的一家自动驾驶汽车公....
2018年，在存储器市场的引领下，全球半导体市场继续保持快速增长势头，全年市场规模预计达4779.4....
谷歌无疑也是自动驾驶行业的引领者，其自动驾驶公司Waymo在2016年从母公司分拆。2012年前....
驭势科技透露，该公司与中国移动、应用科技研究院，以及Tekbotics合作，取得了由....
传感器的对象包括行驶径、周围障碍物和行驶等。行驶径是对可通行性道的识别，在城市中包....
消息称，据知情人士透露，包括软银集团在内的一个财团正在与Uber进行后期谈判，计划向Uber的自动驾....
FaceBook首席执行官马克扎克伯格在接受哈佛大学院教授采访时详细介绍了这家硅谷巨头如何研究“....
矿区是典型的细分领域，并且是封闭，较为符合自动驾驶率先实现商业化的领域，但是矿区也有着自己的特点....
3月12日，外媒称，谷歌旗下汽车公司Waymo有内部员工透露，公司近期正在寻求首次外部投资，并希望在....
5G并不是解决我们面临的所有问题的灵丹妙药，它只是实现更伟大目标的另一种方式。这项技术现今不会改变世....
2017年全球食物及包裹配送市场规模高达4000亿美元，其中“最后一公里”的配送市场份额约800亿美....
车辆管理局（DMV）发布了2017年12月-2018年11月无人驾驶汽车测试牌照方面的数据。 目....
132天内波音737 Max8发生两次，是“迎角传感器”，还是“自动驾驶”的锅？
2019年3月10日，埃塞俄比亚航空公司一架波音737 Max8客机ET302航班在飞往肯尼亚途中坠毁。机上149名乘客和8名机组人员，共1...
来自蔚来自动驾驶的副总裁 Jamie Carlson 及其团队从美国圣何塞来到中国，在蔚来交....
OpenAI LP 目前拥有约 100 名员工，主要分为三个领域：能力（探索AI系统可以做什么），安....
132天内波音737 Max8发生两次，是“迎角传感器”，还是“自动驾驶”的锅？
波音公司全新的737 Max8飞机，在短短的132天时间内就发生了两起诡异的相似事件。埃塞俄比亚航空....
Ground-truth在自动驾驶汽车产业具有很高的的附加值，它涉及以下数据处理流程：数据采集、数据....
ADAS作为车辆智能化的初级阶段产品，有望率先普及商业化。根据技术条件和产业化发展阶段，目前处于辅助....
日本汽车制造商日产（Nissan）将部署美国国家航空航天局（NASA）研发的技术，利用人类的帮助，远....
近日，Waymo宣布将对外销售其低线束激光雷达Laser Bear Honeycomb，该设备以其开....
在全球自动驾驶汽车领域，美国通用汽车公司旗下的Cruise处于领先阵营，和行业第一名Waymo展开激....
当新能源汽车在不断进化的同时，自动驾驶又来到了我们身边，大众无人驾驶概念车Sedric达到了“最....
快讯：MUJI和Sensible 4携手推出全球首款全天候自动驾驶巴士
据悉，自动驾驶技术公司Sensible 4和日本时尚生活品牌MUJI 推出了GACHA巴士，这是....
据外媒报道，如同其他国家一样，日本也希望通过修改交通法，为驾驶员行为和车辆安全设定新标准，以期为自动....
3月10日，埃塞俄比亚航空一架波音737-MAX 8客机严重事故，飞机起飞后6分钟坠毁，机上15....
在经历了年初CES的客座演出后，传统车企回到了车展的“主场”。在电动化与自动驾驶已成为行业发展....
商用车尤其是货运卡车的自动驾驶应用场景相对简单，技术难度较低，被多数业内人士认为是有望最早实现商业化....
沃尔沃为实现其在2020年之前将死亡率降至零的目标，将其汽车的最高速度
沃尔沃比大多数其他汽车制造商更注重安全，它已经在汽车本身上应用了大量的安全技术——例如强调硬件冗余。....
随着新型智慧城市建设不断深入，各行各业被重新定义，包含公共安全、传统零售、交通运输、社区生活等。人工....
也许在未来的某一天，川流不息的大街行驶的都是自动驾驶且零排放的车辆，这些车辆之间不仅能够相互通信，它们的出现也让城市的交...
特斯拉的全自动驾驶长期以来一直是其最雄心勃勃和最具争议的功能，但现在看来，特斯拉可能正在其最....
而在自动驾驶方面，为了达到Level 3等级的自动驾驶，BMW除了必须配备全车精密的摄影镜头与各式雷....
在所有这些要求中有一个共同的因素贯穿始终，而这也是我们通常认为理所当然的，那就是：时间。为了使一切都....
据外媒报道，美国莱斯大学（Rice University）和理工大学（Texas Tech Un....
近日，大众汽车商用车业务负责人Thomas Sedran表示，全自动汽车（L5级无人驾驶）至少还需要....
高通的Snapdragon汽车5G平台将采用定制的Micron149微米球计数多芯片封装，将使网速比....
【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车-搭建神经网络
在之前的帖子中，我们完成了神经网络自动驾驶小车的硬件搭建与底盘控制。当小车通过WiFi无线连接到网络后，已经可以对其进行远...
5G技术是第五代移动通信系统，是继4G网络之后的新产品，而后者又是为了取代3G而建立的。
智慧高速该如何建设，希迪智驾（长沙智能驾驶研究院、CIDI）已提出一个建设框架——智慧高速应具备道....
据外媒报道，一直以来，特斯拉的“完全自动驾驶”都是特斯拉最具争议的功能，但是现在，似乎特斯拉放弃了该....
人工智能技术还有望用于犯罪调查和维持社会治安，日本厅将从今年开始这方面的实验。实验中将摸索能否通....
麦姆斯咨询：Innoviz开发基于MEMS微镜的激光雷达，旨在实现自动驾驶汽车的大规模商业化。
写在前面：在安装Apollo内核之前先卸载 NVIDIA显卡驱动(参考编译GPU版本的Apollo（....
口表述：口分实口和十字口。在实践过程中，发现除了真实口之外，在车道数变化的时候，比如从....
汽车工业联合会（VDA）日前宣布，汽车行业将在2022年前投入逾400亿欧元用于加快电动汽车....
本文中ADS指Automated Driving System 自动驾驶系统，CADS指 Coope....
【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车-多电机控制
在上一篇帖子中，我们完成了“基于PYNQ的神经网络自动驾驶小车”的硬件搭建。本文我们将继续完善小车的软件框架，为小车的底...
【PYNQ-Z2试用体验】基于PYNQ的神经网络自动驾驶小车 - 硬件搭建
根据项目规划，本篇帖子将详解“基于PYNQ的神经网络自动驾驶小车”的硬件搭建。 一、材料清单 制作小车所需的主要部件与...
汽车仪表盘上有一双“眼睛”默默地周围的光线，从而自动调节背光亮度，以用户最佳的驾驶体验且降低功耗。那么，汽车仪表...
一、 AVP成为自动驾驶率先落地的应用不同于面向城市、高速工况的L4/L5级自动驾驶乘用车，低速且车中无人的自动代客泊车...
汽车正在快速演化成一台安全联网的自动驾驶机器人，能够感测、进行思考并采取自主措施。变化更快的也许是小型自动驾驶公共车...
2019中国（雄安）国际轨道交通展览会 China (Xiong an) International Rail Transit Exhibition 2019年4月10-12日...
自动驾驶汽车和互联汽车的出现对无线连接测试领域提出了更高要求，尤其是汽车产业正在推行的汽车到（V2X）技术。这项前沿技...
