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，公安部交通管理科学研究所自动驾驶测试部副研究员陆文杰发表了关于“智能网联汽车测试场景构建”的相关报告。

以下内容由智驾网整理自论坛现场速记，未经本人确认。

尊敬的各位领导，各位专家，亲爱的朋友们，非常感谢这次会晤主席老师给我这个机会向大家分享我们工作中的一些心得。

刚刚几位专家都讲到测试场景题目，大家讲的非常深入，感觉自愧不如，研究的不够深。我这里从另外一个角度交通管理的角度入手，以及自动驾驶汽车驾驶能力测试为目的，来做一个场景构建的研究，希望能跟大家迸发出不一样的火花。

首先是研究的对象，中间两个关键词。

第一是汽车的“驾驶能力”，我方认为一辆自动驾驶汽车可以分解成两个部分，第一是一辆性能较好的车辆，同时它也必须是一个合格的驾驶人，一个文明的驾驶人，不可以是一个野蛮的驾驶者。对于这个汽车来说，车辆的性能有研究院来对它测试，已经有了非常成熟的一个标准体系和规范。对于驾驶人如何对他进行评价，就是用驾驶人的考试来考核，不同的责任落在公安机关管理人的肩膀上面。

第二个词是“高等级”自动驾驶系统。现在大家公认的还是美国L1到L3的自动化分级。似乎存在很不明确的地方，很难作为法律制定的依据。同时L4、L5也很难作为一个开发者产品研发的导向，它的内容在各方面比较详细和复杂，不一定适用于普通民众的接受宣传教育。但是我认为L4标准中间有一项非常重要的内容，就是L2、L3的分级，就是划红线的地方。L2级以下我们认为就是它就是驾驶辅助的系统，实际掌握这辆车控制权的还是人类驾驶员。L3及以上就是在部分或者是全部的时间中，都是由自动驾驶汽车，或者是由自动驾驶系统虚拟驾驶人掌握这辆车辆。类比人类，我们认为辅助驾驶系统是不合格的驾驶员，需要人类搭把手。L3级以上就是高等级的驾驶人，可以独立来完成驾驶任务，这也是我们需要来重点考察和重点研究的对象。

我们做一个东西的测试可能是希望对它进行全面完整的评价，现阶段我们认为对于自动驾驶汽车可以从以下几个维度对它进行评价：

首先是自动化的水平，现在SA的分级更多是从自动化的角度进行评价，多自动方面。第二个方面是信息安全。从S1-S5也有相关的依据，等保等等，不多赘述。另外就是PPT里面关注最多的就是自动驾驶能力的测试，我们定义A1-A5，刚刚赵总讲到一个问题说自动驾驶能力的评价，我们这里也是侧面部分回答一下这个问题。我们认为自动驾驶的能力和自动化水平有一定程度挂钩，但是不完全挂钩。A1级别相当于不成熟的驾驶员，对别自动化水平中的L0-L2。从A2级别开始就是一个合格的驾驶员，级别越高，驾驶水平越高，对应的也就是自动化水平里面的L3-L5，当然并不一定是面面对应的，可能是自动化水平L4，但是自动驾驶的能力可能只有A2。

现在大家都在说自动驾驶行业下一个春天什么时候可以来临，我这里预测一下，如果哪天评价一辆车，不说它是L几的车，我们更多地说它不仅是L3，它是A4，还是S4，这样的时候就是自动驾驶汽车下一个春天来临了。

研究的意义。现在在舆论上面有一些风向，个人感觉对我们不是很友好。一说到自动驾驶汽车所面临的困难就是直接就想到是法律上面给我们很多的障碍，也闭口不提现在技术上面遇到的瓶颈，更加不说目前在基础的理论、人工智能理论中他们遇到的瓶颈。我们所做的事情其实就是维持产业和安全这个天平，尽量让它保持平衡，或者在现阶段来说其实让他尽量不要往产业那边偏向的太厉害，让整个局势失衡。具体来说是两件事情，第一，我们要守好安全底线意识，道路安全法现在也正在修订。第三条明确规定我们的职责就是保护道路交通安全的有序、安全和畅通。

我们面对交通行业中一个新的产物，自动驾驶汽车，我们要以包容审慎的态度面对它，同时不能忘记做好交通的一道守门员，把好安全的最后一道关。另外一点，同时我们也会尽最大的努力来支持整个产业的发展。

如果要寻求相关的突破，一条比较有效的路线就是先做标准，把标准做成熟踏实以后，技术磨熟之后，再通过政策来进行示范应用，把一些产业培养起来，最后才能在法律上面做突破。如果我一开始就跳到法律那边，法律上的突破做大量的工作，很有可能是一件事倍功半的事情。要构建自动驾驶汽车的测试场景，首先就要对这个场景来进行一个定义。目前学术圈可能对测试场景并没有一个非常公认的完整的定义，我们对这个定义也是通过行业内的意见领袖意见把它吃透，我们把它学懂做总结，以我们自己自动驾驶能力的测试评价为目的，来建立做适合我们自己工作需要的自动驾驶场景的定义。我们认为我们场景的定义可以分成四大块内容。

第一是静态的道路环境。第二，必要部分是动态的交通事件，里面的人车路。第三部分是本车的行驶动作，或者是具体的测试项目，或者是这中间要考察的测试能力。最后是落地的一个具体的位置。前三个合在一起，我们认为是一个抽象的测试场景或者是逻辑的测试场景，它真正落到具体的位置，就是一个具像化的测试场景。每一部分可以经过一些拆分，这样就分成了几个层，道路交通层、设施管理层，此后的环境层，以及交通事件层，再加上我们要测试的驾驶能力，这样相对就构成了一个比较完整的测试场景。

同时来说现在的分层也并不是唯一的，跟大家做一个预告，我们现在在做几个公共安全的行业标准，有三项跟测试场景相关的，有一些封闭道路的测试场景，我们在这里面目前把场景分成了六个层次，这个标准征求意见稿近期就会公布，到时候还请各位领导专家给我们提出宝贵的意见。

我们要做一个场景，这个场景最后要用到测试中去，我们要保证整个测试的完整性、高效性和准确性，我们非常有必要对场景来贴一些标签。第一个标签就是所谓的复杂性和典型性，复杂性，直观上说这个场景里面每一层叠加要素内容越多，场景可能就越复杂。典型性就是我们在车辆正常行驶过程中，这个场景常见的程度是怎么样的。举一个例子，旁边路口图，在这个场景里面它的复杂性肯定非常高，典型性不是很强，我们可能在很多城市中都遇不到这个场景。我们在驾驶能力考试中，不可能每次考试都把这道题目都放进去，我们更多地肯定会选复杂性相对适中，典型性更高的这样一些场景。但这个复杂性和典型性定量确认是一个问题，现在也是缺少相关理论的支持。我怎么样来给出它的一个范围呢？目前也是我们的一个方法，就是邀请行业内的专家，请大量的行业技术专家，而且是找一线的自动驾驶技术的开发人员，他们最了解技术的实现难度，来让他们进行问卷打分，我们根据他们打分的结果最后给出每个具体场景的典型性、复杂性是多少。

第二个标签就是场景对应的测试，因为每个场景在跑完也不知道它跑的是什么。从程序上看，我们要看它具体的驾驶能力怎么样，现在比较公认的还是三部委规范中发布的辅路中的辅路1要求的14项基本的驾驶能力测试项目。我们这里把它略微做一下归类扩展，归类形成了3项科目、4类能力、18类具体项目，再把它分成一项项具体的驾驶能力，给每一个场景都贴上具体的标签。

第三个标签就是基准参考，就是所谓的“标准答案”。主要是讲检测端标准答案，我们认为检测端的标准答案是一系列的标准轨迹，我们要评价车在场景中的表现如何，就是要看它实际的轨迹和标准轨迹之间的相似度如何，以此可以给出一个相对客观的定量的打分。有了场景的分层，有了场景的标签之后，可以有一个场景的构建流程。首先是场景来源的收集，这个收集刚才赵总讲的非常透彻，不多赘述，之后对场景的数据进行清洗整理之后，把它每个要素进行分层，每个场景贴上标签，最后根据驾驶能力或者落地的位置来进行分类，形成一个具体的场景库。

刚刚是自下而上，从我们场景构建这条路线来对场景进行一个数字化的过程。我们要做一个场景，实车测试中这个场景还是要落到实车的场地当中去。从另一方面，我们要自上而下对我们所在的场地和环境进行一个数据化的过程，这里我们采用了一个“原场景+可变项”法，原场景就是这个道路中道路维度变不了，以及具体的道路线。加入可变想，可以加入一些交通的管理设施，每一个设施放进去都会相应增加要测的项目和标签，把整个的场地环境做一个数字化，也方便场景落地。

下面给大家汇报一下我们现在做的测试场景建设的实际工作。

第一部分是测试环境的建设，里面有两块内容，一块是“两部一省”构建的国家智能交通综合测试基地，落地在江苏无锡，相信有很多的专家都到这边指导过了，目前测试一期封闭测试场地及道路，十公里半开放测试环境，以及五公里封闭高速测试环境都已经开放，这个场地的目标是建成自动驾驶汽车虚拟驾驶的市场。另外一部分是国家批的车联网先导区落户在无锡，我们也在参与过程中，现在在做二期的建设，规模拓展到交通叉口400+，面积扩大一倍。一个是车路协同，一个是VPS应用场景。

第二块工作就是形成的相对完善的测评体系。中间从四个方面回答整个测试的过程。首先是测什么，测试的项目是所谓的考试题库。第二是怎么测，测什么方法。目前我们现阶段水平还是以实车测试为主。第三是评什么？我们建立了一套评价指标。最后是如何评，我们如何对它进行评分，以及评价过程中数据采集等等如何进行实现，目标也是建设中国自动驾驶汽车驾驶能力的高可靠性、分类分级的评测体系。

刚刚讲到的是我们有硬的环境，软的体系，我们这里建设了自动驾驶汽车的驾驶能力，实车实景的自动评测系统。相当于一辆车到我们的测试基地里面过来开，我们最后开完之后可以自动对它进行一个评价评分，中间测试场景库也是涵盖在平台里面，在这个平台中起到了举足轻重的作用。做了这么多事情，我们希望形成一个标准规范，目前也是基于车联网产业做的，依托国标委做的工作，依托这个标准的体系，现阶段也是申报四项国家标准，其中有三项刚刚打造的场景习惯的标准，可能近期会征求意见。

下面是几点思考：

第一，车和路之间的关系，我认为智能网联汽车是无法脱离现有的交通环境。有人提出我们给智能网联汽车造一个专用的车道，以此可以规避智能网联车和传统车之间相互交汇的问题。但是事实上我们放了这个车道，要从普通的车道进入这个车道，或者从这个车道超车驶出普通车道，我们同样要经历变道甚至超车的行为，我个人认为与其说要回避跟其他车辆交汇的问题，还不如直面跟传统汽车交汇的事情。另一方面，现在改造压力非常大，有两个数据，一个是我们国家机动车的保有量3.78亿辆，接近4亿辆，全部做自动化改造压力很大。同时高速公路16万公里要对它进行改造，每一公里的代价造价都是很大的，所以我们认为现阶段智能网联汽车上路将会长期面临与传统汽车混行的局面，而且在路侧端、车车通信端，可能无法给予特别多的V2X支持环境下的混行，这是无法避免的。这对于我们的测试场景来说，我们测试场景更多要考虑面向实际交通环境中的情况。

第二点思考就是感知和遵守交通规则。其实现在大家做的很多的测试场景大多数都是在解决感知和响应的问题，但是这个问题解决的好不好，举一个例子。前段时间微末（音）乘客拍摄了有一个视频，这个车卡在中间不动了，挡住它的拦路虎是什么？就是一个交通的口，使这个车就卡死在这里面，说明目前感知响应还是存在一定的问题。在解决感知响应的问题，我们能进一步开始考虑遵守交通规则的更进一步的问题。我们与机动车驾驶的考试，它也是有一整套比较完善的标准，目前我这边划了一下公共安全防御标准中的一段话，如果人要上路，要考驾照，中间有一部分的考试内容，给大家读一读，有安全行车的常识，有文明行车的常识，有道路交通信号在交通场景中的综合应用，有恶劣气象和复杂道路条件下的安全驾驶支持。这些都要求我们一个人在考驾照之前具备相应的交通规则的知识，文明驾驶的这些能力，换到自动驾驶汽车同样是需要这些能力的。所以我建议如果我们在解决感知响应的同时，是不是也开始逐步考虑我们如何来解决遵守交通规则这样的问题，对于自动驾驶汽车。

最后是从功能层面来考虑，现在是有一个V字的测试方法论，赵健老师讲的非常透彻，这对于我们理解是对于车功能测试非常成熟的方法论。进一步如果对交通规则进行测试评价，它可以取这个方法论中的两头。首先在软件虚拟环境中，我们对这辆车的规则执行能力进行一个虚拟仿真，到实际道路中进行验证。如果验证发现有问题，我们再回到虚拟仿真环境中，就跳过了其他的步骤。当然，这有一个前提，车感知相应能力要没有问题，这样可以有一个简化的测评的方法。

最后做一下展望，场景未来的发展是如何？我们认为它是专业场景的发展，未来我们希望建立一个人车路网管结合在一起的自动驾驶的生态，这个生态的圈子结合有多紧，就看最中间一环的规则层，它的圈子外沿可以外沿到多大，就是外面绿色的应用场景可以拓展到多元。

最后讲一下结束语，在PPT中讲到的很多内容并没有尽善尽美全部完成，中间有很多的技术点需要跟大家进行合作。如果大家有兴趣，我们可以在会后进行一个讨论，共同来把自动驾驶的生态建立好。