赛车商业落地自动驾驶赛程进入下半场。
如果配备一支100辆自动驾驶测试车的车队，24小时不间断进行路测，平均时速25英里(40公里)，完成目标里程需要500年以上，这期间消耗的时间和成本无疑是难以承受的。
利用仿真技术进行测试被认为是降低成本、提高效率的关键。目前自动驾驶领域的模拟测试发展如何？10 6月5438+02日，中国电动汽车百人会、腾讯自动驾驶、中汽数据有限公司联合发布了《2020中国自动驾驶仿真蓝皮书》，详细介绍了技术应用现状和面临的挑战。
趋势:未来99.9%的测试会使用仿真平台。
基于场景库的模拟试验是解决驾驶试验数据缺乏的重要途径。仿真测试主要通过构建虚拟场景库，实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试，满足自动驾驶测试要求。
场景库是自动驾驶模拟测试的基础。场景库对真实世界的覆盖率越高，模拟测试结果就越真实。自动驾驶汽车研发的不同阶段对场景库的要求不同，需要实现不同的测试功能。
在自动驾驶的开发过程中，纯模型仿真-软件在环仿真-封闭场地路测-开放道路测试的开发过程是最经济高效的开发过程。
「Waymo自动驾驶测试车辆」
目前，自动驾驶模拟已经被业界广泛接受。比如美国自动驾驶领军企业Waymo旗下的仿真平台Carcraft，每天在虚拟道路上行驶约2000万英里，相当于在现实世界中行驶10年。到2020年5月，Waymo已经模拟驾驶了6543.8+05亿英里，而去年6月为6543.8+00亿英里。
除了Waymo，通用汽车的Cruise、AutoX、马骁智行等国内外自动驾驶解决方案提供商也在进行大量的模拟测试，以完善自己的自动驾驶系统。模拟测试已经成为自动驾驶业务最重要的测试。
根据目前的数据，自动驾驶算法测试约90%由仿真平台完成，9%由测试场完成，1%由实际道路测试完成。随着仿真技术的提高和应用的普及，业界希望通过仿真平台完成99.9%的测试量，在封闭场地完成0.09%，最终在真实道路上完成0.01%。这样，自动驾驶汽车的研发就会达到更高效、更经济的状态。
“自动驾驶模拟测试场景”
现状:赛道参与者积极布局。
目前，自动驾驶仿真市场的参与者主要包括:科技公司、车企、自动驾驶解决方案提供商、仿真软件公司、高校和科研机构、智能网联测试示范区。由于各个市场主体在自动驾驶模拟方面的技术基础不同，在推动自动驾驶模拟方面有不同的研发和合作模式。
科技公司在仿真方面起步相对较晚，在汽车功能探索方面经验不多，但拥有大数据优势和强大的软件开发能力。
与传统汽车相比，自动驾驶汽车需要更多的软件。科技公司探索仿真软件，是为了进入庞大的汽车行业，建立更大的数据平台，形成新的业务增长点。目前自动驾驶仿真技术公司主要有腾讯、百度、华为、阿里。
科技公司自动驾驶模拟平台对比
微软、英伟达、LG等国外科技公司主要研发自动驾驶仿真软件，并通过与产业链企业合作，建立了自动驾驶R&D生态系统，成为自动驾驶仿真的重要参与者。
对于整车企业来说，同时进行路测和模拟测试是最好的选择，而自动驾驶汽车在真正落地之前需要经过很多功能和安全测试，路测就是其中之一。由于路测效率低，很多车企倾向于选择自动驾驶模拟测试和路测相结合的方式，在落地前完成测试。
《汽车企业对自动驾驶模拟软件的利用》
自动驾驶解决方案提供商主要针对自身需求开发定制化的仿真软件，很少对外提供仿真服务。但有充足的资金、人才储备和自身的R&D驱动力，在自动驾驶仿真方面有很强的创新能力。每个领先的自动驾驶解决方案供应商都有自己的模拟测试软件，如Waymo、Cruise、马骁智行、AutoX等
仿真软件企业可分为传统仿真软件企业和初创企业。传统仿真软件企业因为有深厚的技术积累，进入自动驾驶仿真有先天优势，合作伙伴多，二次开发有优势。由于起步晚，技术积累薄弱，国内企业与国外差距较大。然而，依靠强大的资本和人才集中，创业公司有望在自动驾驶仿真软件的研发方面迅速崛起。
高校和科研机构主要利用自动驾驶仿真软件进行前瞻性和基础性研究，但很难形成成熟的商业产品。国内从事自动驾驶仿真研究的高校和科研机构主要有:清华大学、同济大学、北航、吉林大学、天津大学、长安大学、南京航空航天大学、武汉理工大学等。
“上海临港智能网联汽车综合测试示范区”
智能网联测试示范区建设已形成一定规模。目前，全国已有10多个国家级和多个省级智能网联测试示范区。通过5G、V2X车路协同、仿真、车联网等新技术的部署和应用。，为自动驾驶、联网通信提供商等提供系统测试服务。，建立汽车、信息通信、道路设施等综合标准体系。被提升了。为推进智能网联汽车仿真测试，现有企业和智能网联示范区开展了道路测试与虚拟仿真相结合的测试。
挑战:测试和评估系统缺乏标准化。
目前，自动驾驶仿真测试已初步形成完整的产业链体系，形成了以科技公司、自动驾驶解决方案提供商、仿真软件企业为主的上游仿真软件提供商和以车企、自动驾驶测试机构为主的下游应用提供商。从产业链的角度来看，自动驾驶模拟测试还存在很多问题。
一方面，仿真场景库的建设和协作机制有待完善。
场景数据库的构建效率低，成本高。目前，场景数据库的构建仍然需要依靠大量的人工采集和标注，然后进行场景分析和挖掘、测试和验证。整个过程效率低下，成本高昂。目前，全球每年人工贴标的成本约为6543.8+0亿美元。
“国内自动驾驶模拟测试场景库建设还有很多困难需要克服”
场景库规模不够大，多样性、覆盖性和扩展性不强。现有的场景数据库不足以覆盖常见的交通场景，也无法在资源有限的情况下有效覆盖现实世界的多样性。由于场景中不同元素的变化可以扩展到不同的场景，场景的可扩展性不足以满足仿真测试的要求。
场景的有效性有待提高。现有场景是根据实时数据采集的，无法满足自动驾驶场景动态变化的要求。在场景中，人、车、道路、驾驶环境等动静态要素是耦合的，一个要素的变化会引起其他要素的变化，不同的交通参与者有自己的行为逻辑。比如车辆的行为和轨迹改变了，周围车辆和行人的行为也会改变。
场景数据的采集格式和存储。现有的测试场景集合基于不同的车辆和传感器配置，无法应用于各种车辆和技术路线的研发和测试。高精地图的格式也是业界关注的焦点。系统架构、数据接口、数据库管理系统等场景库数据格式的统一也是需要注意的问题。
测试场景中的测试真值及评估体系。测试场景的数据采集应考虑采集要求、采集方式、数据预处理、数据传输和存储、采集数量、采集精度、时间同步、采集范围、采集完整性等因素。缺少任何一个因素都会导致场景的真实性和有效性。而且不同场景下的自驾测试车辆的评价指标体系还不完善。
场景数据库建立缺乏配合，资源重复投入大。目前单个企业很难完成覆盖所有场景的场景库建设。目前各企业场景数据库建设各自为政，导致资源重复投入，企业间场景数据库建设缺乏合作。特别是自然驾驶场景、标准法规场景等常见场景，可以通过合作共建，实现使用和共享。目前这方面的合作很少。
“腾讯TAD？Sim零件场景显示”
另一方面，自动驾驶模拟测试的评价体系缺乏规范性。
在自动驾驶仿真测试方面，由于仿真软件系统架构和场景库构建方式不同，难以建立统一规范的仿真测试评估体系。目前，国内仿真评估系统的研究方向主要是从驾驶安全性、舒适性、交通协调性、标准匹配性等方面对自动驾驶车辆的仿真测试结果进行评估，而对于仿真软件本身的评估，如场景真实性、场景覆盖率、仿真软件的仿真效率等，还没有统一的评估标准。
自动驾驶汽车作为一种智能产品，需要应用深度学习算法，让汽车在未来具备自我学习能力，比如道路障碍物的重复和再现能力，场景的概括和转移能力。所以自我学习的进化也是自动驾驶汽车的一个评价指标。目前，自动驾驶汽车的进化还缺乏相应的评价规范。
总结:
自动驾驶技术的演进有两条路线，从L2到L3和L4到L5。前者是大多数车企走的路线，后者往往是科技公司的选择。两者的主要代表是特斯拉和Waymo。今年以来，已有多家公司表示具备L3自动驾驶车辆的量产能力；科技公司也已经启动了Robotaxi的商业运营测试。可以看出，所有的竞争力量都在试图首先应用自动驾驶技术。谁能在比赛中获得一等奖？成本和效率无疑是最关键的因素，模拟测试的成熟应用将成为关键。(文/汽车之家？小莹)