自动驾驶测试是目前自动驾驶发展的关键瓶颈之一，影响着自动驾驶最不可忽略的安全因素，也是决定自动驾驶是否具有实用性，是否能够大规模推广的核心要素。
测试场景构建方法
目前行业内自动驾驶测试场景生成的思路有两种：
- 采样泛化
统计车辆汇入、汇出、路口、变道、超车等特定场景下的汇入轨迹，得到更细分的逻辑场景分类和对应场景关键参数的数学统计分布，再在分布中采样泛化衍生出更多场景； - 智能体交互
上述方法得到的场景，可以说是一种为自动驾驶测试而专门生成好的确定性场景（deterministic scensrio），也就是无论主车做什么运动，生成的测试车是没有智能的，依旧沿着预设的轨迹运动。这显然与真实世界中驾驶是不同的。
因此，智能体交互的思想是构建具有人类行为的智能体，他们可以实现与动态场景中的交通参与者进行实时交互，用于模拟更加逼真的交通。构建智能体的思路是运用机器学习、博弈论，再结合交通规则、天气、地域等约束不断训练智能体模型。
Mirror-Traffic数据集
江苏省智能网联汽车创新中心最近发布了轨迹数据集Mirror-Traffic，目前该数据集包括高速公路汇入数据、高速公路汇出数据、城市快速路汇入数据 。该数据集是专门针对进、出匝道的场景，发布匝道处的车辆交互轨迹数据集。