专访｜全新自动驾驶测试平台效率暴涨千倍，华

自动驾驶时代一定会到来，这已经成为了汽车工业界的共识。

但对于自动驾驶技术目前还面临什么关键技术难题、何时才能真正实现大规模商用等问题，很多人却也还是雾里看花、一知半解。

此次，品驾带着对自动驾驶技术的求解之心，走进美国密西根大学智能网联交通研究中心，专访Henry Liu教授团队。就在不久前，由该华人研究团队所提出的全新自动驾驶汽车智能测试方法登上了《Nature Communications》，在业界引起了广泛关注。

日产汽车曾在2014年笃定地认为，到2020年市场上将会出现多款无人驾驶汽车，马斯克也曾在2015年时宣称，2018年特斯拉L5级别的“完全自动驾驶”就将面世。然而，时至今日，我们仍然没有看到有完全无人驾驶的汽车穿梭于日常生活之中。

那么，是什么导致无人驾驶汽车的商用之路不断延期？

在回答这个问题之前，我们需要了解一辆合格的自动驾驶汽车是如何产生的。

“自动驾驶汽车是一个很复杂的系统，它的实现不仅需要硬件和软件的通力协作，更重要的是要具有智能性并且能够不断学习。这就需要海量的自然驾驶数据不断地进行测试与训练以确保安全。”Henry Liu教授向品驾解释道。

HenryLiu教授表示，当前各大车厂其实都有能力制造出具有一定程度自动驾驶能力的测试车了，但难点就在于测试层面——如何能够确保无人驾驶汽车的安全性。

“实际上现在已经投入市场的大部分产品都还停留在辅助驾驶阶段，最多也就是介于L2-L3级之间。其中主要原因之一就在于，驾驶系统还无法保证汽车能够在完全脱离驾驶员的情况下足够安全地行驶。”

据美国交通部的统计数据，人类驾驶员平均每百万英里会发生一次碰撞事故，每9000万英里会发生一次致死事故，而自动驾驶的安全性能要比人类驾驶员高出三个数量级才能满足预期，即一辆无人驾驶汽车要保证开出的十亿英里内不能发生任何碰撞事故。

为了达到该安全范围，需要搜集海量的“问题数据”进行分析，同时还要保证这些数据是发生在不同的驾驶环境下的，而这往往要累积几千亿英里甚至万亿级别的测试里程才能够进行有效验证。

安全事故发生的低概率与车辆行驶环境的复杂性，成为了在对自动驾驶汽车进行安全性能测试中亟待解决的难题。

几千亿英里级别的测试里程是一个什么概念呢？

最早涉及自动驾驶技术研究的Waymo，自2009年正式成立以来，持续测试了十多年，道路实测才仅有2000万英里，仿真测试也只有150亿英里。

为了完成如此大规模的测试，让样车在真实的环境中进行“试跑”显然是远远不足的，仿真平台测试和测试场测试其实是目前各大车厂最主要的数据来源。

“简单来讲，仿真测试就像是构建了一个基于真实世界的游戏，让一辆自动驾驶汽车在这个虚拟世界里不停地运行。”文章第一作者封硕博士解释道，“但由于这个环境是基于数学模型构建的，如果我们想要计算结果越接近真实世界，那这个模型的构建就越复杂，计算速度也会越慢。”

而为了提高测试的效率，目前很多车厂在仿真测试上都会采用“场景式”的测试方法。

所谓“场景式”测试，就是指测试者会事先将现实世界中车辆可能遇到的情形进行分类，然后按类别来为车辆设置特定的事件，比如让它身边行驶的车辆突然从前方切入，或者是在前方道路出现障碍物，从而测试并训练车辆在这些特定场景下的处理能力。

但是基于场景来进行测试的方法一般是离散、片段的，更适用于自动驾驶的功能性测试，无法有效衡量自动驾驶汽车在投放到真实道路之后的性能表现。

“因为在现实世界中，很多情景并不是割裂开的，比如你在高速上开车，在尝试变道的同时，还可能同时遇到你前方的车辆急刹车的情况，或者你在交叉路口左转时，你在判断没有障碍物的同时，还要能判断右侧直行的来车。”

自动驾驶汽车在现实中需要经历连续的、不间断的复杂驾驶环境，而当前的场景测试方法并无法解决这个难题。

此次，Henry Liu团队则针对这一业界难点，提出了一种全新的驾驶环境生成方法，该方法基于大数据构建了一个具有“无偏性”和“挑战性”的自然驾驶环境。

文章来源：《分析测试技术与仪器》 网址: http://www.fxcsjsyyq.cn/zonghexinwen/2021/0310/522.html