5月27日，在中国汽车工程学会、国家智能网联汽车创新中心主办的第八届国际智能网联汽车技术年会上，中汽院智能网联科技有限公司技术总监赵树廉发表了题目为“自动驾驶安全测评关键技术研究”的主题演讲

以下内容由智驾网整理自论坛现场速记，未经本人确认。

在座的各位专家领导，我是中汽院智能网联有限公司赵树廉。刚才赵健教授把整个虚拟仿真方法从高校的角度了解说明了技术，我今天的题目从企业的角度非常概括性地说明一些我们在自动驾驶安全当中的关键技术。刚才看了赵老师的报告，我这个方法也是对他有一些补充，是一个有效的结合。

今天的报告我将从以下三个方面给大家做汇报：

一，产业发展现状与挑战。

二，自动驾驶安全测评关键技术。

三，应用与实践。

背景意义。随着全球汽车保有量的增长，交通安全、石油能源以及交通堵塞成为我们日益面临的共性问题，因此安全、节能、高效是全球各国道路交通发展的重要目标，智能网联汽车正成为实现上述目标的全新技术，也是抢占全球汽车产业转型升级与占领制高点的重要的载体。

智能网联是跨学科跨领域的综合技术，通过物联网、人工智能、能源不同领域的技术，升级和重建一个汽车产业链，同时构建一个全新的智能出行生态圈。

对于整个的发展现状来说，在过去几年中，我们国家持续出台政策法规促进智能网联汽车健康发展，助推汽车产业升级。去年我国颁布了《智能网联汽车技术路线图2.0》，提出智能网联汽车“三横两纵”的关键技术架构。在整个指南中提出，到2035年我们要全面建成中国智能网联汽车技术和产业体系。

从整个的智能网联技术路线图来看，它包括了两部分。第一，我们单车智能，也是我们所说的一个智能驾驶。第二部分是智能网联。今天的报告主要是围绕单车自动驾驶来展开，相对于传统的汽车，我们自动驾驶是一个人、车、环境复杂的交互，所以它整个的特点测试方法是以交互测试为主的验证，它测试的边界也是非常的复杂与多变。

另一方面，对于自动驾驶汽车落地面临的挑战。因为相对于传统的自动驾驶，自动驾驶需要执行动态的驾驶任务，它涉及到多变的交通环境，多样的驾驶行为，以及全域的自动控制。行业界如果提到自动驾驶是安全的，至少我们需要自动驾驶的安全程度达到一个平均的驾驶能力。如果需要达到这样的一个目标，理论上说需要上百亿公里的资质才能保证安全。所以这对于我们的测评带来极高的要求，而现有的方法无法快速满足增加汽车安全验证。

另一方面，相对于欧美国家我国的交通环境更为复杂，对自动驾驶安全验证提出了更高的挑战，这样就需要大量的中国特色的测试场景来验证其安全性。

针对上述的挑战，我们要面临自动驾驶安全测评需求，就是如何构建中国特色场景库，高效的测试验证方法和科学的测试评价标准，形成面向中国自动驾驶场景的体系。

二，我们看一下自动驾驶安全测评几大关键技术。

针对自动驾驶的需求，为加速自动驾驶汽车安全性测试验证，实现时间与成本的有效平衡，构建中国特色场景库、高效的测试验证方法和科学的测评评价标准，是自动驾驶安全评测面临的三大关键技术。也就是说第一部分我们如何去构建一般场景。第二部分因为现有的方法不能满足自动驾驶测评，我们寻求一些新的测试途径加速我们的测试。第三部分我们要有一个新的评价方法，评价体系，来评价我们的自动驾驶。

首先看第一个关键技术，构建面向自动驾驶安全测评的场景库。在整个自动驾驶当中，场景库起着非常关键的作用，它也是前提和基础，它贯穿了整个测试模型的全过程。首先来说我们需要一个非常丰富的场景库来支持我们的测试，它的场景来源可以从四个方面体现出来。第一，是我们的标准法规的场景。第二部分是自然驾驶的场景。第三部分是一个交通事故的场景。第四部分是典型的危险场景。

对于交通事故场景来说，我们会深度去挖掘我们的宏观交通事故数据和深度调查交通事故数据，分析我们事故的分布，事故发生的时间，事故道路类型，以及我在空转的时候物理参数，比如它的速度和加速度、制动距离等等。通过这些分析出来的参数，重构我们事故场景，通过重构事故场景放到测试方法中去，去验证我们的自动驾驶。

下一个是典型的危险场景。危险场景来说我们是基于一个ISO21448安全的国际标准，分析我们一个传感器的局限性，人员物操作的一个例子，然后再加上我们控制算法的一些限制，对容易造成自动驾驶系统失效的边缘场景进行重点挖掘，联合场景工具手段形成一个危险场景库。

另一方面场景库的来源就是标准法规，我们会结合国际标准，联合国的标准，我们的国标，以及我们的行标，比如IVISTA、CIASI，这些标准定义的场景也是通过我们的工具形成一个场景库。

最重要的一个场景来源就是我们的智能驾驶场景。第一，首先要做到的就是我们要全天候、全工况、全覆盖去采集数据。全天候体现在我们是全天24小时，白天黑夜或者是不同的时间段我们的交通高峰期等等。全工况体现在不同的高速路，国道、省道，对这些道路进行采集。对全覆盖来说，我们应当去采集全国道路的里程，因为总体来说刚才赵老师提到我们要完成自动驾驶的安全验证，我大部分的数据是通过虚拟仿真得到的，这部分当中我们需要采集一个数据，所以说我们需要做全覆盖，对于我们国家来说应该是做整个全中国的一个道路数据采集。

有了这些数据之后，对我们采集到的数据进行一个场景的汲取，把那些比如说入和出的场景提取出来，根据这些场景进行聚类分析，分析我国的道路交通的分布规律，再分析驾驶员的特征。通过这些数据生成我们的逻辑场景库。有了刚才提出来的功能场景、逻辑场景，通过我们的工具可以对我们功能场景进行复现，通过实际道路同样的场景，再通过我们的逻辑场景泛化出来蒙特卡罗方法或者其他的方法，再对这些方法进行优化，形成一个海量的场景。

这是一部分，因为我们在道路采集当中数据比较多，对于企业来说我们怎样快速有效地把这些大量工作提取我们的场景并生成一个场景库，需要构建一个涵盖采集提取标注分析生成转化管理全套产业链，实现符合中国交通环境的海量产品库。这下面就是我们整个公司自己研发出来的工具链，上面是我们的数据采集工具，就是我们整个素采当中用到的组织，根据我们加上不同传感器的配置，装到采集车上，能够在整个道路进行测试。

有了这些数据，我们在云端有一个生成工具，对场景进行提取，再进行标注，经过转化再生成一个场景，来形成一个场景库。把这个场景库储存到云端，这是我们的一个场景数据处理的工具，这是我们要面对的一个问题。

第二项关键技术就是自动驾驶严重测试新方法。这个方法当中刚才提到了，我们现有的测试方法是无法完全满足自动驾驶相对要高效，又要真实性的测试需求，我们就挖掘一个新的不同的测试手段。如何达到一个高效的测试呢？我们会用到一个新的测试方法，就是地形仿真。另外，因为在整个测试当中，我们对自动驾驶关注的不是一个普通的测试场景，实际上对我们更重要的是一些边缘场景、危险场景，我们在实际道路测试当中也是会对我们的驾驶人员造成一个很大的安全威胁，我们也要通过一个新的手段、新的方法，来去避免这样的一个传统方法的缺点，要用整车在环的技术。

再来看云端并行仿真，来研究整个自动驾驶的测试。总体来说非常关键的点是云端并行仿真，它的特征我们可以简单理解一下，在云端仿真我们是多个并行仿真，我们把多个仿真的节点部署到阶段，调用大量的测试用力，对我们自动驾驶进行一个平行到并发的测试。另一方面的特点，除此之外我们还有效地在云端连接了我们的一个场景，这是我们刚才提到的一个场景库。我们把生成的场景库直接放到云端，推动我们的一些工具调用场景库，通过场景库生成一个大量的测试用力，测试用力输入到平行仿真整体的平台当中，对它进行一个虚拟仿真的测试，测试完之后把我们的结果再放到另外的一个云端去，也就是云端分析与评价。通过这样三朵云的连接，有效达到了一个自动驾驶安全快速迭代的测试。

另一方面刚才提到传统的测试当中也有它们的缺点，我们分析出来SIL/MIL/HIL测试面临的是前期的算法，还不是整个行车中的代码。SiL/MiL做的代码，但是没有跟硬件挂钩，整个测试比较慢。HiL是集成了真实的硬件软件，但是它只是零部件，它有一个实时性的问题，所以效率比较慢。对于实时道路测试来说，它的成本花费的时间比较高。因为这样传统方法的特点，基于这几个测试之间，是缺少另外的测试手段，就是我们提到的一个整车在环。整车在环当中把它归为两类，第一是动态的整车在环，动态的整车在环可以理解为一个数字，也就是说我的整个的道路测试，把整车放在一个场地或者一个空旷的道路上进行测试，我们的环境、车辆是真实的，我们通过一个仿真平台，把我们的仿真虚拟信息再注入到控制系统当中去，对它进行一个测试。这一块是赵老师提到他们正在做的，而且对于这个仿真，中汽院智能网联公司已经把这个方案做出来了。一个整体的状况就是我们车辆在整个控制系统当中传感器在完全激活的情况下，我们把我们的虚拟仿真目标进去测试ADAS和ID系统，我们在一个企业当中第一款D3驾驶功能上已经实现了。至于转毂跟耦合式的整车在环，利用了动力系统，动力仿真学的软件，这是不同的解决方案，刚才赵老师给了一个视频在这里面，我不做过多的介绍。

第三个关键技术就是以安全为核心的自动驾驶评价安全体系。怎样才能评价自动驾驶是安全的？有哪些指标？实际上我们跟国外的高校在做，也基于中汽院智能网联技术的积累，我们形成了自己的理念。在整个安全性测试的时候，我们还是把它分为一个基于场景的测试，根据这个场景，我们在针对场景当中对我安全性造成影响的物理指标把它挑选出来，对这些场景进行大量的测试分析，得到哪一个指标对我们安全性起的影响比较重要，再分析得到权重。通过物理指标得到它的一个影响安全性的权重，再得到我们跟车的安全指数。同样的情况下，因为自动驾驶不仅涉及到跟车、切入、切出、变道，在不同场景下，我们对它做同样的分析，在这一层完成之后，我们对不同的场景再进行权重分析，得到自动驾驶安全的KPI体系，从而形成了从方法-场景-指标交互的自动驾驶综合评价体系，提升自动驾驶车辆安全测评。

三，介绍一下在研的技术在我们公司以及行业内部做的应用与实践。

首先，介绍一下中汽院智能网联科技有限公司，我们的愿景就是致力于为汽车工业注入强劲科技动力，做好政府的帮手，企业的助手，消费者的顾问。通过我们的一些技术积累和科研，我们已经形成了几大核心板块，第一个是核心大数据，第二是虚拟仿真，第三是装备开发，第四测试评价。

对于虚拟仿真来说，我们应用到上述提到的关键技术面向自动驾驶安全开发测试验证全流程，基于我们的一个自动驾驶场景数据库，提供一个数据分析、场景集成、虚拟仿真整体的解决方案，形成了我们自主开发的软件，场景采集、构建工具，我们全量的产品库，以及仿真的集成系统，还有我们自己开发的一个评价软件，以及通过我们的技术为企业提供一些仿真测试服务。

第二方面是测试评价能力，就是面向自动驾驶系统及智能座舱的测试需求，基于中国汽研专业的测评能力，提供专业高效的智能汽车整车测试服务。我们不仅可以做一些实车道路测试，还可以为企业提供一些法规标准认证测试、智能座舱测试以及一些服务。

另一方面，装备开发。在整个装备开发当中，也是把我们利用到的一些技术放到了一个测试设备当中去，我们可以做一些封闭场地测试、开发道路测试、智能座舱测试，基于自主研发提供精密的控制、精密测量、数据采集评价、测试辅助等装备解决方案。

另一方面，我们是政府的帮手，因为我们也是把整个技术服务到我们的监管部门去，在过去我们一直把我们的工作人员服务到公安部、道路安全研究中心，有效把我们所研的技术跟政府的政策做挂钩，做支撑，监管部门去制定相应的标准。

第四，就是我们作为消费者的帮手，我们自己有自己的i-VISTA中国智能汽车指数。在这个指数当中，依托我们大量的中国自动驾驶的数据作为支撑，把我们的场景利用到我们的汽车指数当中去，对现有的量产车型进行一个评价，为消费者购车、选车给出一个相关建议和引导。

最后一部分，我们也有一个i-VISTA自动驾驶挑战赛，是全球首个自动驾驶技术应用赛事，从2018-2020年是中国智能产业博览会重要项目，是助推智能驾驶技术和产品商业化发展活动。会把我们的评价场景应用到赛事当中去