1.1自動運転の商品化は、路上テストデータの不足という課題に直面しています
自動運転車が真に商品化される前に、商業的要件を満たすために多くの路上テストを通過する必要があります。しかし、新たな問題として、自動運転車は、道路試験の時間コスト、自動運転に対するさまざまな国の法規制の許容度、極端な試験の安全性など、克服する必要のある多くの問題に直面しています。シナリオと危険な労働条件、およびさまざまな国の道路交通環境と習慣。さまざまな問題により、自動運転システムの開発とテストに多くの困難がもたらされています。
自動運転アルゴリズムを最適化するために路上テストを使用する時間とコストは高すぎます。自動運転は人工知能の範疇に属し、現在も継続的な開発の段階にあります。American RAND Corporationが実施した調査によると、自動運転アルゴリズムが人間のドライバーのレベルに到達したい場合、アルゴリズムを完成させるには少なくとも177億キロメートルの運転データが必要です。自動運転テスト車両100台を構成し、24時間路上テストを実施した場合、平均速度は時速25マイル（40 km）です。目標走行距離を完了するには500年以上かかります。 。コストは耐え難いです。
自動運転に対応する交通法規と保険金請求メカニズムがないため、自動運転免許試験の大規模な開発が制限されています。自動運転車はまだ絶対的な安全性を保証できないため、中国政府は自動運転のオープンロードテストに対して慎重な姿勢を維持しています。部分的にオープンな道路とインテリジェントなネットワーク化された道路テストエリアだけに依存するだけでは、自動運転車の繁栄するテストニーズを満たすことは困難です。テスト。主に次の4つの側面に反映されます。
◆自動運転車の路上試験には法的根拠がありません。現在、ほとんどの公道、特に高速道路で自動運転車をテストする法的根拠はまだなく、テストの進行を妨げています。
◆自動運転の路上試験車両は、人や物の持ち込みが禁止されているため、試験が不完全になります。現在の規制では、試験プロセス中の試験に関係のない乗客や商品が明確に禁止されているため、被験者はより豊富な自動運転技術試験を実施できません。
◆自動運転車事故の責任分担の法的根拠が不足している。自動運転車の運転体は、自動運転システムや自動運転サービスプロバイダーであるため、人間のドライバーを主体とした現在の交通法規とは大きく異なります。不法行為責任法、交通安全法、その他の規制における自動車事故の責任制度はもはや適切ではなく、自動運転車に関連する現在の法定責任において信頼できない状況につながっています。
◆自動運転車には、対応する保険金請求メカニズムがありません。自動運転車は自動車保険の規制を突破し、現在の自動運転車を「投資するリスクなし」にし、テスト会社や他の交通参加者のリスクを高めています。
極端な交通状況や危険なシーンを再現することは困難であり、安全性をテストするための隠れた危険があります。自動運転車が実際の道路を走行している場合、極端な交通状況や危険なシーンは受け入れられない可能性があり、安全性の問題も大きな懸念事項です。国道交通安全局（NHTSA）の統計によると、自動車が平均436,000マイル（700,000 km）走行すると、事故は1回だけ発生し、平均1億マイル（1億6000万km）で約1人が死亡します。 ）が駆動されます。さらに、自動運転車のテスト業界は、テストの安全性やその他の基準についてまだ合意に達していないため、自動運転の開発とテストが制限されています。
世界的に認められた自動運転業界のチェーンシステムを形成することは困難です。世界の国々の社会的・経済的環境は大きく異なるため、さまざまな地域の道路環境や交通習慣も大きく異なります。中国の都市部の道路では、速達、食品配達、歩行者の混合交通が一般的であり、自動運転車の認識能力と意思決定能力に対する要件が高まっています。また、中国では道路標識や標識の設定に不規則性が多く、地域によって違いがあります。また、国内と海外では交通標識の色や文字の違いがあり、短期的には変更が難しい。上記の問題により、自動運転業界チェーンのグローバルな開発と技術交流は、多くの実際的な問題に直面しています。
1.2シーンライブラリに基づくシミュレーションテストは、自動運転の研究開発の鍵となっています
現在、シーンライブラリに基づくシミュレーションテストは、自動運転のための路上テストデータの不足を解決するための重要なルートです。シミュレーションテストは、自動運転免許試験の要件を満たす仮想シーンライブラリを構築することにより、自動運転知覚、意思決定計画、制御などのアルゴリズムの閉ループシミュレーションテストを主に実現します。シーンライブラリは、自動運転シミュレーションテストの基礎です。シーンライブラリの現実世界へのカバレッジが高いほど、シミュレーションテストの結果はより現実的になります。さらに、自動運転車の開発のさまざまな段階で、シーンライブラリの要件が異なるため、シーンライブラリでさまざまなテスト機能を実装する必要があります。
1.2.1シーンの構成
中国自動車技術研究センターの分類によると、自動運転免許試験のシーンは、自然運転シーン、危険な労働条件シーン、標準および規制シーン、パラメータ再編成シーンの4つのカテゴリに分類できます.4種類のシーンが一緒になってシーンを形成します図書館。
自然運転シーンは、自動車の実際の自然運転状態から導き出されたものであり、自動運転免許試験シーンを構築するための最も基本的なデータソースです。自然な運転シーンには、車両データ、ドライバーの行動、道路環境などの多次元情報など、自動運転車が配置されている人-車-環境-タスクなどの総合的な情報が含まれているため、十分に反映できます。テストのランダム性と複雑さ、自動運転車の完全にテストされたシナリオに属する典型的な地域特性、および目的は、自動運転車の最も基本的な機能の開発と検証を満たすことです。
危険な労働条件には、主に多数の厳しい気象環境、複雑な道路交通、および典型的な交通事故が含まれます。危険な作業条件のシナリオは、自動運転車のテスト中の自動運転制御戦略の検証の重要な部分です。危険な作業条件での自動運転車の衝突回避能力の検証は、自動運転の安全性テスト全体の中核です。自動運転の有効性を検証します。性別に必要なテストシナリオは、自動運転車の安全性と信頼性を検証することを目的としています。
標準規制シナリオは、自動運転の有効性を検証するための基本的なテストシナリオです。現在、ISO、NHTSA、ENCAP、CNCAPなど、既存の自動運転機能のテスト要件を提供する複数の標準と評価手順があります。標準的な規制シナリオは、自動運転車が持つべき基本的な機能をテストすることを目的として、既存の標準と評価手順に基づいてテストシナリオを構築することです。
パラメータ再編成シナリオは、既存のシミュレーションシナリオをパラメータ化し、シミュレーションシナリオのランダム生成または自動再編成を完了することです。これには、無限大、スケーラビリティ、バッチ処理、自動化などの特性があります。パラメータ再編成シナリオの目的は、自然運転シナリオ、標準および規制シナリオ、危険な作業条件など、カバーされていない未知のシナリオを補足し、自動運転機能テストのブラインド領域を効果的にカバーすることです。
1.2.2シーンライブラリの機能
自動運転車の研究開発には、開発検証、試験評価、検査認証が含まれます。各ステージの目的が異なるため、シーンライブラリでのシミュレーションテストの要件も異なります。
1）開発・検証段階では、自動運転車の機能を検証し、機能の調整と迅速な反復を実現するシーンライブラリは、以下の特性を備えている必要があります。
◆シーンライブラリは、さまざまなシナリオでさまざまな機能の安全性を検証するために、可能な限りすべての機能テストをカバーする必要があり、一部の不要な機能を排除できます。
◆テストシナリオは、機能の安全性を検証するために実世界で実装でき、シナリオ内のさまざまな要素は、テスト要件に応じて柔軟に調整できます。
◆シナリオは、モデルインザループ（MIL）、ソフトウェアインザループ（SIL）、ハードウェアインザループ（HIL）、ビークルインザループ（VIL）、完全なループ内テストなど。
2）テストおよび評価段階では、シーンライブラリを使用して、さまざまな次元およびさまざまな側面で自動運転車のパフォーマンスを評価します。シーンライブラリには、次の特性が必要です。
◆自動運転車の性能を的を絞って評価するためには、テストシナリオと評価指標との相関性を高くする必要があります。
◆自動運転車を実世界でのテスト評価結果と一致させるためには、テストシーン要素の特性と指標が現実と一致している必要があります。
◆未知のシナリオで自動運転車の性能を正確に評価するためには、パラメータ再編成中のシナリオで補足テストを実行する必要があります。手動編集を容易にするために、シナリオのさまざまな要素を定量化する必要があります。さまざまなシナリオで一貫性があり、シーンデータのストレージを簡単に実装できる必要があります。
3）シーンライブラリは、検出・認証の段階で、さまざまな交通行動における自動運転車のさまざまな機能の安全性と信頼性を検証し、最終道路の準備を行います。シーンライブラリには、次の特性が必要です。
◆自動運転が始まる前に、さまざまなシナリオで高い安全性と信頼性を備えている必要があるため、テストと認証の結果の信頼性は非常に高いレベルに到達する必要があります。
◆自動運転車の試験基準を全国に広めるためには、試験基準を統一し、試験シナリオの再現性と一貫性を確保する必要があります。
シーンライブラリの構築は、ターゲット開発またはモジュール開発用の自動運転車の開発段階に基づいて行う必要があり、テスト要件を確保することを前提として、ユーザーコストを最小限に抑える必要があります。
1.3シミュレーションテストとロードテストの組み合わせにより、自動運転の研究開発が促進されます
自動運転の開発プロセスでは、純粋なモデルシミュレーション、ソフトウェアインザループシミュレーション、半物理シミュレーション、クローズドフィールドロードテスト、オープンロードテストの開発プロセスが最も経済的で効率的な開発プロセスです。
現在、自動運転シミュレーションは業界で広く受け入れられています。たとえば、米国の大手自動運転会社であるWaymoが所有するシミュレーションプラットフォームであるCarcraftは、仮想道路を毎日約2,000万マイル走行します。これは、現実の世界で10年間運転することに相当します。2020年5月の時点で、Waymoは昨年6月の100億マイルと比較して、150億マイルの運転をシミュレートしました。Waymoに加えて、GMのCruise、AutoX、Xiaoma Zhixing、その他の国内外の自動運転ソリューションプロバイダーも、自社の自動運転システムを改善するために多数のシミュレーションテストを実施しています。シミュレーションテストは、自動運転コマーシャルの最も重要なテストになっています。使用する。
シミュレーションシナリオでは、一般的なシナリオの自動運転アルゴリズムは比較的完全であり、いくつかの極端なシナリオ（コーナーケース）に問題があります。極端なシーンは現実には避けられず、シミュレーションプラットフォームを使用して簡単に生成できるため、業界のコンセンサスは、自動運転免許試験におけるシミュレーションテストの割合を増やすことです。現在、自動運転アルゴリズムのテストの約90％はシミュレーションプラットフォームで完了し、9％はテストサイトで完了し、1％は実際の路上テストで完了しています。シミュレーションテストの結果は、クローズドフィールドでテストおよび認定できます。さらに、危険なシナリオがロードテストに基づいて要約され、シミュレーションテストとクローズドフィールドテストにフィードバックされて、最終的に評価結果が形成されます。評価基準とテストシナリオライブラリは、シミュレーションテストを実現するために徐々に改善されています。、クローズドフィールドテスト、ロードテストクローズドループテストは、技術の反復的なアップグレードを促進します。
シミュレーション技術のレベルの向上とアプリケーションの普及により、業界はシミュレーションプラットフォームを通じてテスト量の99.9％、クローズドフィールドテストの0.09％、そして最後に実際の道路まで0.01％を達成して自動運転車の研究開発。より効率的で経済的な状態。
