1.2.2 仿真的重要性

“零事故”是目前自動駕駛技術發展的重要目標之一，隨著眾多科技公司在自動駕駛領域的持續發力，傳感器探測技術、目標識別技術、規劃控制技術等都有了快速的發展，L2及L2以下級別的輔助駕駛功能，已經能夠在量產車上進行前裝配套，并且受到了消費者的認可；高級別的自動駕駛能夠在實驗室、封閉場地和部分開放道路上實現各類功能。圖1-1展示了部分企業開發的自動駕駛車輛。

圖1-1 部分企業開發的自動駕駛車輛

高級別的自動駕駛功能正式量產投放市場之前，需要進行大量的安全測試，保證它能夠安全平穩運行。現階段應用最為成熟、最能直接發現問題的測試方法仍為實車道路測試，美國交通部發布的相關數據中提到，駕駛員發生一起人身傷害的碰撞事故所需的平均里程數為80萬km，所需的平均時間為35年。美國某研究機構的相關數據顯示：在95%置信度的前提下，要證明自動駕駛汽車在致死事故發生率方面比人類駕駛員低20%以上，需要至少進行1.42×1010km的道路測試。鑒于目前造成傷亡的交通事故相比于總的車輛行駛里程，屬于較罕見的意外事件，L4及以上級別的全自動駕駛汽車必須積累數億、甚至是數百億公里的測試里程，其數據才能具有統計學意義，從而證明其自動駕駛技術在減少傷亡方面的可靠性。這對于計劃在數年時間內將自動駕駛技術推向市場的相關廠商而言，根本就是一個不可能完成的任務。因此，許多學者認為，目前還沒有經濟、高效的實車測試評價方法，這也被稱為“自動駕駛上路的陷阱”。由此可見，實車測試的長周期、高成本，很難滿足數十億公里的大樣本與可靠性的要求，對于極限場景、危險場景這種小樣本、小概率事件很難進行覆蓋與復現，而且測試過程中的人員、設備安全性也很難保證，任何安全事故所帶來的影響都是巨大的。除此之外，還應考慮到在不同國家、不同地區、不同城市的環境下，交通法規、道路條件、交通特征都會有不同的特點與差異，這也對自動駕駛系統的普適性提出了更高的要求。綜上分析，傳統的實車測試雖然有著直觀的有效性優勢，但也必須承認，其很難滿足自動駕駛系統的可靠性與魯棒性的測試需求。如果自動駕駛不能保證安全行駛，則會出現嚴重的安全事故，如圖1-2所示。

圖1-2 自動駕駛系統面臨的安全問題

因此，建立一種能夠任意創造場景、復現復雜開放行駛環境的技術方法，顯得尤為重要。而虛擬仿真技術，恰好能解決以上問題，通過仿真的技術手段，對汽車行駛過程中涉及的道路、氣象、交通等復雜、動態的變化進行虛擬復現，實現對自動駕駛有效的測試驗證，成為自動駕駛產品開發的關鍵核心技術，并且對于提升其安全性尤為重要。

虛擬仿真并不是新型的應用技術，在很多領域、學科都有著廣泛的應用，但是在自動駕駛領域，它有著更加復雜的特點，需要多學科的交叉應用。通過精細的數學建模、高效的數值求解、高保真的三維渲染等技術手段，構建豐富的靜態元素（道路、設施、氣象等）與動態元素（車輛、行人、指示燈等）。實現這些元素后，就可以根據仿真需求來搭建各類的仿真場景。但僅僅有這些元素是遠遠不夠的，這些場景元素與自動駕駛功能之間是割裂的，中間需要傳感器模型作為橋梁，應用目標列表映射、像素映射、概率映射、物理特性映射等多種技術方式，實現車載傳感器對于場景的感知過程，即傳感器的仿真。因此，這兩部分的技術——元素建模與傳感器仿真，是自動駕駛汽車虛擬仿真測試的重要核心內容。圖1-3展示了某款仿真軟件的仿真效果。

圖1-3 場景與傳感器仿真