1、 中国自动驾驶仿真蓝皮书（2020） 课题组 课题负责人 张永伟 中国电动汽车百人会副理事长兼秘书长 钟翔平 腾讯副总裁 课题组成员 朱 雷 中国电动汽车百人会智能网联研究院研究总监 张 强 中国电动汽车百人会智能网联研究院研究员 徐名赫 中国电动汽车百人会智能网联研究院研究员 钟学丹 腾讯智慧出行副总裁 苏奎峰 腾讯自动驾驶总经理 孙驰天 腾讯自动驾驶仿真技术总监 朱向雷 中汽数据有限公司副总经理总工程师 周博林 中汽数据有限公司国际标准总监 陈 蔯 中汽数据有限公司标准法规高级经理 自动驾驶汽车在真正商业化应用前，需要 经历大量的道路测试才能达到商用要求。采用 路测来优化自动驾驶算法耗费的

2、时间和成本太 高，且开放道路测试仍受到法规限制，极端交 通条件和场景复现困难，测试安全存在隐患。 世界各国交通环境也大相径庭，形成全球通用 的产业链体系比较困难。以上种种问题使得自 动驾驶产业链的全球化发展和技术交流面临众 多实际问题。因此，基于场景库的仿真测试是 解决自动驾驶研发测试挑战的主要路线。 自动驾驶仿真测试已经被行业广泛接受。 目前自动驾驶算法测试大约 90% 通过仿真平台 完成，9% 在测试场完成，1% 通过实际路测完 成。 普通场景下的自动驾驶算法已经比较完善， 突破难点在于一些极端场景。这些场景可以通 过仿真平台便捷生成，进行针对性的测试和验 证。为解决极端场景测试难题，业界

3、共识要加 大仿真测试在自动驾驶测试中的占比。随着仿 真技术水平的提高和应用的普及，行业旨在达 到通过仿真平台完成 99.9的测试量，封闭场 地测试 0.09%，最后 0.01到实路上去完成， 这样可以使自动驾驶汽车研发达到更高效、经 济的状态。 自动驾驶仿真测试平台必须要具备几种核 心能力：真实还原测试场景的能力、高效利用 路采数据生成仿真场景的能力、云端大规模并 行加速的能力，使得仿真测试满足自动驾驶感 知、决策规划和控制全栈算法的闭环，符合汽 车 V 字开发流程。 摘要 基于这几种技术能力的要求，目前包括科 技公司、车企、自动驾驶方案解决商、仿真软 件企业、高校及科研机构等主体都在积极投身

4、 虚拟仿真平台的建设。在科技公司当中，以腾 讯为例，基于在地图、游戏、云计算、人工智 能等领域的技术积累，腾讯自动驾驶虚拟仿真 平台 TAD Sim 可以实现自动化的场景生成和云 端高并发测试，大幅提高自动驾驶测试验证效 率，目前已经与长沙、襄阳、深圳等地智能网 联测试场展开虚实一体的自动驾驶测试合作， 并荣获 2020 全球新能源汽车创新技术大奖。 中国是世界最大的汽车生产与消费国，仿 真软件作为自动驾驶汽车研发过程中最关键的 核心技术之一，必须实现自主研发，以在国际 竞争中占据主导地位。美国和德国仿真软件企 业及单位总数占全球总数一半以上。中国企业 在此领域处于追赶阶段，为实现本土化的自动

5、 驾驶，需不断强化适合中国市场和交通环境的 自动驾驶虚拟仿真测试技术，有助于实现中国 智能汽车创新发展战略 2025 年目标。 为提升智能网联汽车的测试验证效率，有 企业和智能网联示范区开展了路测与虚拟仿真 相结合的测试模式。我国也正在鼓励探索自动 驾驶汽车与数字智能化道路有机融合的仿真技 术。 仿真技术在虚拟环境中模拟智能交通运行， 为智能交通调度运营管理提供决策依据，助力 智慧城市的建设。 目录 第一章 自动驾驶仿真测试的意义 1 1.1 自动驾驶商业化面临路测数据匮乏的挑战 2 1.2 基于场景库的仿真测试成为自动驾驶研发的关键 3 1.2.1 场景的构成 3 1.2.2 场景库的特点

6、4 1.3 仿真测试与道路测试结合推动自动驾驶研发 4 第二章 国内外自动驾驶仿真测试发展现状 6 2.1 政策法规现状 7 2.2 标准发展现状 8 2.3 仿真测试应用现状 10 2.3.1 科技公司 10 2.3.2 整车企业 14 2.3.3 自动驾驶解决方案商 14 2.3.4 仿真软件企业 15 2.3.5 高校及科研机构 17 2.3.6 智能网联测试示范区 18 第三章 自动驾驶仿真测试平台环境 20 3.1 仿真测试平台功能需求 21 3.1.1 满足自动驾驶感知、决策规划、控制全栈算法的闭环仿真测试 21 3.1.2 满足汽车 V 字开发流程 21 3.1.3 加速自动驾驶

7、算法迭代升级 21 3.2 仿真测试平台技术架构与能力 22 3.2.1 虚拟场景构建 22 3.2.2 感知系统仿真 23 3.2.3 车辆动力学仿真 24 3.2.4 云加速仿真 24 3.3 仿真测试平台核心功能 25 3.3.1 超高还原度的仿真场景 25 中国自动驾驶仿真蓝皮书（2020） 3.3.2 利用路采数据生成交互性强和还原度高的交通场景 25 3.3.3 云端大规模并行加速，提升仿真测试效率 25 第四章 场景库体系建立与开放 27 4.1 自动驾驶测试场景库体系的搭建 28 4.1.1 场景库的概念 28 4.1.2 场景数据来源 29 4.1.3 场景的自动化生成 30

8、 4.1.4 场景数据格式标准 30 4.1.5 场景库的搭建流程 31 4.2 道路测试到场景转化 32 4.3 国内典型场景库 32 4.3.1 中汽数据有限公司场景案例库 32 4.3.2中国汽车工程研究院股份有限公司中国典型场景库V2.0 34 4.3.3 腾讯TAD Sim场景库 35 4.3.4 百度Apollo场景库 36 4.4 共建自动驾驶场景库 37 第五章 自动驾驶测试评价体系 38 5.1 自动驾驶测试评价方法 39 5.2 仿真测试的真实性与有效性评价 41 5.2.1 真实性评价 41 5.2.2 有效性评价 41 5.3 仿真测试与道路测试的闭环验证 45 第六章

9、 中国自动驾驶仿真测试展望 46 6.1 自动驾驶仿真测试面临挑战 47 6.1.1 仿真场景库建设与合作机制有待完善 47 6.1.2 自动驾驶仿真测试评价体系缺乏规范 47 6.2 自动驾驶仿真测试发展建议 47 中国自动驾驶仿真蓝皮书（2020） 第一章 自动驾驶仿真测试的意义 中国自动驾驶仿真蓝皮书 (2020) 2 自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。但作为新兴事物，自动驾驶 汽车仍面临着大量问题需要克服，如道路测试的时间成本、各国对于自动驾驶的法律法规容忍度、极端场景及危险 工况的测试安全性、各国道路交通环境及习惯不同等问题，都给自动驾驶系统研发

10、测试带来诸多困难。 采用路测来优化自动驾驶算法耗费的时间与成本太高。自动驾驶属于人工智能范畴，仍处于不断发展阶段。根 据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计 177 亿公里的驾驶数据来完善算法。 如果配置一支 100 辆自动驾驶测试车的车队，每天 24 小时不停歇路测，平均时速 25 英里（40 公里）每小时来计算， 需要 500 多年的时间才能完成目标里程，期间所耗费的时间和成本是难以承受的。 自动驾驶相应交通法规及保险理赔机制的缺失制约了自动驾驶汽车路测的大范围开展。由于自动驾驶汽车尚不 能保证绝对安全，我国政府对开放自动驾驶道路测试保持谨慎的态度，仅依靠部分

11、开放道路以及智能网联测试区进 行路测，难以满足自动驾驶汽车旺盛的测试需求。主要体现在以下四个方面： 自动驾驶汽车路测缺乏法律依据。目前在绝大部分公开道路，尤其是高速公路上测试自动驾驶汽车仍然缺乏 法律依据，阻碍了测试的进度。 自动驾驶路测车辆禁止载人载货，导致测试不全面。现行规定明确禁止测试过程中搭乘与测试无关的人员或 货物，阻碍了测试主体开展更丰富的自动驾驶技术性测试。 自动驾驶汽车事故责任划分缺乏法律依据。 由于自动驾驶汽车的驾驶主体是自动驾驶系统或自动驾驶服务商， 和现行人类驾驶员为主体的交通法规体系存在很大差别。侵权责任法、道路交通安全法等法规中有关机动 车交通事故的责任体系将不再适合

12、，导致目前自动驾驶汽车的相关法律纠纷出现无法可依的局面。 自动驾驶汽车缺乏相应的保险理赔机制。自动驾驶汽车突破了有关机动车保险的规定，使得目前的自动驾驶 汽车“无险可投”，增加了测试企业及其他交通参与者的风险。 极端交通条件和危险场景复现困难，而且测试安全存在隐患。自动驾驶汽车在实际道路行驶过程中，极端交通 条件和危险场景可遇不可求，且安全问题也是一大困扰。根据美国国家公路交通安全管理局（NHTSA）的统计数据， 汽车平均行驶 43.6 万英里（70 万公里）才会发生一起事故，平均行驶 1 亿英里（1.6 亿公里）死亡大约 1 人。此外， 自动驾驶汽车测试行业依然没有就测试的安全性等标准达成一

13、致，制约了自动驾驶的研发测试。 形成全球认可的自动驾驶产业链体系比较困难。由于世界各国社会和经济环境千差万别，各地区的道路环境和 交通习惯也大相径庭。中国的城市道路中快递、外卖、行人混行情况普遍存在，对于自动驾驶汽车的感知决策能力 提出了更高的要求。而且中国的道路交通标志、标线设置不规范情况普遍存在，不同地区之间也有差别。国内与国 外的交通标志标线颜色、文字说明等方面也存在差别，这些在短期内很难得到改变。上述种种问题使得自动驾驶产 业链的全球化发展和技术交流面临众多实际问题。 图表 1 自动驾驶研发与准入测试面临的挑战 资料来源：公开资料，课题组整理 1.1 自动驾驶商业化面临路测数据匮乏的挑

14、战 中国自动驾驶仿真蓝皮书 (2020) 3 目前基于场景库的仿真测试是解决自动驾驶路测数据匮乏的重要路线。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，满足自动驾驶测试的要求。场景库是自动驾驶仿真测试 的基础，场景库对现实世界的覆盖率越高，仿真测试结果越真实。而且自动驾驶汽车研发的不同阶段对于场景库的 要求也不同，需要场景库实现不同的测试功能。 1.2.1 场景的构成 根据中国汽车技术研究中心的分类，自动驾驶测试场景可分为自然驾驶场景、危险工况场景、标准法规场景、 参数重组场景等四大类，四类场景共同组成了场景库。 自然驾驶场景来源于汽车真实的自然驾驶

15、状态，是构建自动驾驶测试场景中最基础的数据来源。由于自然驾驶 场景包含自动驾驶汽车所处的人 - 车 - 环境 - 任务等全方位信息，如车辆数据、驾驶人行为、道路环境等多维度信息， 能够很好地体现测试的随机性、复杂性、典型性区域特点，属于自动驾驶汽车充分测试的场景，目的是为了满足自 动驾驶汽车最基本的功能开发与验证。 危险工况场景主要包含大量恶劣天气环境、复杂道路交通以及典型交通事故等场景。危险工况场景是自动驾驶 汽车测试过程中进行自动驾驶控制策略验证的关键部分，验证自动驾驶车辆在危险工况场景下的避撞能力是整个自 动驾驶安全测试的核心，是测试验证自动驾驶有效性的必要测试场景，目的是为了验证自动驾

16、驶汽车的安全性和可 靠性。 标准法规场景是验证自动驾驶有效性的一种基础测试场景，目前有 ISO、NHTSA、ENCAP、CNCAP 等多项标准、 评价规程对现有自动驾驶功能进行了测试规定。标准法规场景是通过现有的标准、评价规程构建测试场景，目的是 对自动驾驶汽车应该具备的基本能力进行测试。 参数重组场景是将已有仿真场景进行参数化设置并完成仿真场景的随机生成或自动重组， 具有无限性、 扩展性、 批量化、 自动化等特点。 参数重组场景目的是补充自然驾驶场景、 标准法规场景、 危险工况场景等未覆盖的未知场景， 有效覆盖自动驾驶功能测试盲区。 图表 2 不同场景的测试重要性 资料来源：公开资料，课题组

17、整理 1.2 基于场景库的仿真测试成为自动驾驶研发的关键 中国自动驾驶仿真蓝皮书 (2020) 4 图表 3 自动驾驶汽车研发的不同阶段对场景的要求 资料来源：公开资料，课题组整理 1.2.2 场景库的特点 自动驾驶汽车的研发包括开发验证、测试评价、检测认证。每个阶段由于目的不同，其仿真测试对场景库的要 求也不同。 （1）在开发验证阶段，场景库是为了验证自动驾驶汽车各项功能，实现功能的调整和快速迭代，要求场景库具 备以下特点： 场景库应尽可能覆盖所有功能测试，验证各项功能在各种场景下的安全性，对于某些不必要的功能可以剔除； 测试场景可在现实世界中实施，以验证功能的安全性，场景中的各项要素可根据

18、测试要求进行灵活调整； 场景可部署到模型在环（MIL)、软件在环（SIL）、硬件在环（HIL）、车辆在环（VIL）等进行完整在环测试。 （2）在测试评价阶段，场景库是为了评价自动驾驶汽车不同维度、不同方面性能，要求场景库具备以下特点： 为了针对性地评价自动驾驶汽车的各项性能，测试场景应与评价指标高度相关； 为使自动驾驶汽车在真实世界时和测试评价结果一致，要求测试场景要素的特征与指标与现实相符； 为了准确评价自动驾驶汽车在未知场景的表现，需要对参数重组情况下的场景进行补充测试，要求场景各类 要素指标可量化方便进行人工编辑，不同场景下的场景要素指标要一致，方便实现场景数据的存储。 （3）在检测认证

19、阶段，场景库是为了考察自动驾驶汽车在各种交通行为下各项功能安全性、可靠性，为最终上 路做准备，要求场景库具备以下特点： 自动驾驶上路前需要在各种场景下具备很高的安全性、可靠性，因此对检测认证结果的可信度要达到非常高 的水平； 为了全国推广自动驾驶汽车测试标准，应做到测试标准统一，测试场景具有可重复性和一致性。 场景库的搭建应依据自动驾驶汽车的开发阶段进行针对性或模块化开发，在保证测试要求的前提下尽量降低用 户成本。 在自动驾驶的开发流程中，纯模型仿真软件在环仿真半实物仿真封闭场地道路测试开放道路测试的开 发流程是最经济、高效的开发流程。 目前自动驾驶仿真已经被行业广泛接受。例如美国自动驾驶领军

20、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，相当于在真实世界中行驶 10 年。截止 2020 年 5 月，Waymo 已经模拟行驶了 1.3 仿真测试与道路测试结合推动自动驾驶研发 中国自动驾驶仿真蓝皮书 (2020) 5 图表 4 仿真测试、封闭场地测试、道路测试形成闭环促进研发及标准建立 资料来源：i-VISTA，课题组整理 150 亿英里，相比之下，去年 6 月的数据是 100 亿英里。除 Waymo 外，通用旗下的 Cruise、AutoX、小马智行等 国内外自动驾驶解决方案商也在进行大量的仿真测试，以完善自己的自动驾驶系统，仿真测试

21、已经成为自动驾驶商 用最重要的测试。 在仿真场景中，普通场景下的自动驾驶算法已经比较完善，突破难点在于一些极端场景（corner cases）。由 于极端场景在现实中可遇不可求，利用仿真平台可以便捷生成，所以业界共识是加大仿真测试在自动驾驶测试中的 占比。目前自动驾驶算法测试大约 90% 通过仿真平台完成，9% 在测试场完成，1% 通过实际路测完成。仿真测试 结果可以在封闭场地进行测试认证，此外在道路测试基础上总结出危险场景，反馈到仿真测试与封闭场地测试中， 最终形成评价结果，逐步完善评价准则和测试场景库，实现了仿真测试、封闭场地测试、道路测试的测试闭环，推 动技术迭代升级。 随着仿真技术水平

22、的提高和应用的普及，行业旨在达到通过仿真平台完成 99.9的测试量，封闭场地测试完成 0.09，最后 0.01到实路上去完成，这样可以使自动驾驶汽车研发达到更高效、经济的状态。 第二章 国内外自动驾驶仿真测试发展现状 中国自动驾驶仿真蓝皮书 (2020) 7 在世界范围内，众多国家针对自动驾驶及相关功能有着不同的政策策略及法规专注度。欧盟认为以协作、网联、 自动为特征的出行模式是未来的交通系统发展趋势，但在智能网联汽车整体策略上态度相对保守。美国发展智能网 联汽车拥有雄厚的产业优势，参与自动驾驶研发的企业涵盖芯片技术、算法开发、系统集成、电信运营、仿真测试、 电子设备、整车制造及信息服务等领域

23、，且全部为本土及国际高精尖企业及研究机构。日本方面，政府非常重视智 能网联汽车的研发与应用， 并认为加快L3、 L4级别自动驾驶汽车的研发需要国家级场景库协助日本主导国际话语权。 各国与地区在仿真测试技术路线上都形成了跨领域、跨行业的合作共赢模式。欧盟大力推进各成员国、各企业 机构之间的协调统一、成果共享；美国与日本企业组建跨国、跨行业联盟，发挥各自优势并分担研发成本。我国智 能网联仿真测试产业发展迅速，技术创新活跃，产业规模不断扩大，但也存在顶层设计欠缺、部分关键技术缺失、 标准法规滞后等问题。我国拥有全球最大汽车市场，强大的信息通信产业以及完备的计算机科学人才等良好基础， 积极扩充合作和行

24、业联盟有助于跟上国际合作潮流。 随着自动驾驶技术的发展，具备自动驾驶功能的汽车已经逐渐成为研发热点，世界各国均针对自动驾驶制定了 相应战略方针，系统安全性是当前国际法规研究的重点。在联合国层面，世界车辆法规协调论坛 WP.29 成立了自动 驾驶汽车工作组（GRVA），该工作组正在进行自动驾驶相关安全法规的制定。在 GRVA 子工作组 VMAD 自动驾驶 安全验证方法中，形成了以道路测试、场地测试、仿真测试、审核与验证、交通场景等为支撑的“多支柱验证方法”， 仿真及虚拟测试逐渐成为被国际认可的自动驾驶功能验证中必不可少的一环。2020 年中国作为联合主席成员国， 参与起草 GRVA 子工作组 F

25、RAV自动驾驶车辆的通用功能性要求草案，此草案从系统安全、设计运行域、故障 保护响应、目标事件检测和响应、人机交互界面及操作员信息等方面提出了对自动驾驶功能安全的要求。 2020年6月， WP.29世界车辆法规协调论坛通过了世界上首个针对Level 3级自动驾驶车辆有约束力的法规 UN Regulation on Automated Lane Keeping Systems(ALKS)，此条款从 2021 年 1 月正式开始生效。此条款规定 了自动驾驶车辆开启自动车道保持功能的具体需求、移交条件及干预条件，其中重点约束了车载显示器、人机交互 条件、与驾驶员车辆控制权移交、驾驶员没有做出正确判断

26、后的系统退出机制等。牵头此草案的国家为日本和德国， 通过此条款后，日本、法国、荷兰以及加拿大等国已经确立了此草案与当地法规的生效关系，英国同样承诺在预设 的 300 英里公开测试道路上及相关区域进行相应测试。 此外，此法规同时着重描述了此自动驾驶功能与多支柱法之间的关系，提出了具体的道路测试、场地测试、仿 真测试、审核与验证具体的映射关系，进一步确立了多支柱法中不同条件的交互关系。此外针对安全及相应问题， 提出了以下几点要求： 发生碰撞情况下的紧急情况的处理机制，需要利用仿真进行相应测试； 系统失效条件下，要求驾驶员取回控制权及相应条件； 提出系统移交条件以及驾驶员无回应时的系统保护的风险条件

27、； 安装车辆驾驶员就位识别系统，识别驾驶员就位以及其控制意图识别； 车辆车载自动驾驶信息存储系统，以及其相应信息记录机制； 车辆出售前车辆性能及表现需求声明，提出配备此功能车辆的表现需求及后续保养需求等。 此法规的发布，对国内自动驾驶标准法规的制定同样具有借鉴意义。 2.1 政策法规现状 中国自动驾驶仿真蓝皮书 (2020) 8 国际标准化组织 ISO 于 2018 年正式成立 TC22/SC33 WG9 自动驾驶场景工作组，制定自动驾驶测试场景相关 标准。此工作组由中国牵头，汽车标准委员会秘书处王兆作为召集人，这是我国在 ISO/TC22（道路车辆委员会） 范畴内首次承担国际标准工作组（WG

28、）召集人职责，是我国在汽车国际标准化方面迈出的重要一步。WG9 工作组 下一步工作重点是形成现阶段工作情况报告，尽快制定完成和发布该系列标准，为国际相关标准法规及产业应用提 供支持。 自动驾驶场景工作组已于2019年通过了四项标准以及一项预留标准的立案， 具体标准见下表， 其中， 34505 “基 于场景的自动驾驶系统的评测体系”为预留草案。 中国国内在仿真测试行业中，逐步认识到相关重要性，2020 年，由中国汽车技术研究中心有限公司撰写的自 动驾驶测试场景技术发展与应用出版上市，此书籍由全国汽车标准技术委员会 (SAC/TC 114) 及其智能网联汽车分 技术委员会 (SC 34) 秘书处统

29、筹组织规划，同济大学、华为技术有限公司、吉林大学、上汽集团前瞻技术研究部、 中国第一汽车集团、 中国汽车技术研究中心有限公司、 国汽智联、 阿里巴巴菜鸟网络等单位作为各章节主要编写单位， 共计来自于 30 余家骨干单位近百名专家参与撰写。 此书作为 2019 年至今为止在仿真测试方面，涵盖最多的成员单位，最为集中的体系与内容，逐步将会成为仿 真测试行业中标准的先行团队。 后期相应研究标准将按照 自动驾驶测试场景技术发展与应用 逐步形成标准化内容。 针对此方向标准，全国汽车标准技术委员会 (SAC/TC 114) 已于 2019 年在全国范围内成立自动驾驶汽车仿真测试 标准化需求研究 项目组，

30、由中国汽车技术研究中心有限公司牵头组建。 此项标准将在仿真测试通用要求、 测试工具、 测试流程等方面开展标准化研究工作，并组织项目组成员进行仿真测试与实车测试对比试验，用以验证仿真测试的 真实性、可重复性等。后续该项目组将按照规划按时完成研究报告，并同步开展相关标准预研工作。 除 ISO 外，其他国家与组织也针对自动驾驶测试场景展开了研究。2016 年，德国联邦经济与能源部（BMWi） 启动 PEGASUS 项目，旨在开发一套自动驾驶功能测试程序，以促进自动驾驶技术的快速落地。PEGASUS 项目内 容包括定义自动驾驶车辆在仿真、测试场地以及实际环境中的测试与实验标准流程；开发一个持续的和灵活

31、的工具 链以维护自动驾驶开发与验证；在开发早期的阶段集成测试；创建跨整车厂的方法来维护高度自动驾驶功能等。 PEGASUS 项目于 2019 年 5 月结项，其中一项重要研究成果就是 OpenCRG、OpenDRIVE、OpenSCENARIO 三项驾驶场景仿真格式标准。该标准已于 2018 年正式从戴姆勒和 VIRES 转交 ASAM 进行下一步标准维护与开发。 以此为契机，ASAM 于 2018 年新开创一类标准仿真，用于制定和协调自动驾驶领域的相关仿真标准。 德国自动化及测量系统标准协会（ASAM）是一家非政府的汽车领域标准化制定机构，1998 年由数位行业专家 图表 5 ISO TC2

32、2/SC33 WG9 自动驾驶场景工作组研究内容 编号内容牵头 ISO 34501自动驾驶系统测试场景术语与通用信息中国 ISO 34502基于自动驾驶车辆安全认证为目的的场景工程框架设定 日本 德国 ISO 34503自动驾驶系统的设计运行域分类 英国 日本 ISO 34504场景特征及场景分类定义 德国 荷兰 ISO 34505基于场景的自动驾驶系统的评测体系 中国 英国 资料来源：中汽数据有限公司，课题组整理 2.2 标准发展现状 中国自动驾驶仿真蓝皮书 (2020) 9 图表 6 ASAM OpenX 自动驾驶仿真测试标准体系 资料来源：中汽数据有限公司，课题组整理 为标准化 ECU

33、开发与测试中的数据交互而创立，致力于实现开发流程中各环节的数据信息自由交换。截至 2019 年， 共有来自亚洲、欧洲、北美洲的 295 家整车厂、供应商及科研机构加入成为会员。ASAM 推出的标准涉及多个汽车 标准领域，包括仿真、车联网、测量与校准、诊断、自动化测试、软件开发、ECU 网络和数据管理与分析等。 随着自动驾驶技术的发展，仿真测试对于自动驾驶的安全落地至关重要，ASAM 发布的 OpenX 标准得到了 全球广泛关注，热度逐渐提升。成员单位提出希望制定更多的仿真领域标准，并以 OpenX 命名，其中还包括 Open LABEL。2019 年 10 月，由宝马开发的 OSI 标准正式移

34、交 ASAM 进行维护与开发。至此，ASAM 启动的 OpenX 包含标准达到了 5 项（见图表 6）。同时随着全球自动驾驶测试需求的提升，更多的标准提案与计划已经提 上日程。2020 年是自动驾驶应用落地的重要开端，也是 OpenX 标准体系应用推广的重要一年。 目 前， 在 ASAM 仿 真 验 证 领 域，OpenX 系 列 标 准 主 要 包 括 OpenDRIVE、OpenSCENARIO、Open Simulation Interface（OSI）、OpenLABEL 和 OpenCRG 五大板块。在仿真测试的整体流程中，OpenDRIVE 和 OpenSCENARIO针对仿真场景

35、的不同数据格式进行统一；OpenLABEL将对于原始数据和场景给出统一的标定方法； OSI 连接了自动驾驶功能与仿真工具，同时集成了多种传感器；OpenCRG 则实现了路面物理信息与静态道路场景 的交互。 中国的驾驶场景极具特色，不仅道路结构、交通标志、交通信号灯等形态各异，人车混流的交通状况也为构建 动态仿真场景增加了许多难度。为了更有针对性地解决与中国特色场景相关的诸多问题，ASAM 标准协会于 2018 年与中汽中心下属中汽数据有限公司（以下简称“中汽数据”）开展技术交流。中汽数据在驾驶场景、模拟仿真等 领域取得的进展得到了 ASAM 的高度认可。2019 年 9 月，中汽数据与 ASA

36、M 联合发表声明，共同组建 C-ASAM 工 作组。针对 ASAM OpenX 模拟仿真测试场景标准，C-ASAM 工作组将整合中国智能网联汽车行业，利用国际合作平 台价值，实现互通互利，携手共进，达成共赢的局面。针对以上研究内容，从以下几大方面进行拓展（见图表 7）。 中国自动驾驶仿真蓝皮书 (2020) 10 目前 C-ASAM 工作组成员包括上汽集团、腾讯、华为、百度、赛目、四维图新、北京航空航天大学等 20 余家 中国企业与研究机构，共同为中国在相应标准中发声，成为中国对标国际标准内容的重要工作组。基于数据接口和 格式等仿真验证领域的共性问题，ASAM 引入的 OpenX 系列标准填补

37、了行业多项空白。该系列标准的推出与完善， 使得仿真测试场景中各要素之间的隔阂逐渐被打破，原本孤立的各环节的贯通与交互成为可能。而随着我国汽车仿 真验证领域的国际化接轨进程将加快，OpenX 系列标准的影响也将不断扩展。 目前自动驾驶仿真市场参与主体主要包括：科技公司、车企、自动驾驶解决方案商、仿真软件企业、高校及科 研机构、智能网联测试示范区。由于每个市场主体在自动驾驶仿真方面的技术基础不同，因此在推动自动驾驶仿真 方面的研发及合作方式呈现不同模式。 2.3.1 科技公司 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较少，但是具备大数据优势，软件开发能力强。 自动驾驶汽车相比传统汽车

38、，对软件的需求更大，科技公司进行仿真软件的探索，目的是进入市场庞大的汽车行业， 建立更大的数据平台，形成新的业务增长点。目前自动驾驶仿真科技公司主要包括腾讯、百度、华为、阿里等。 1. 腾讯自动驾驶仿真平台 TAD Sim 腾讯自动驾驶仿真平台 TAD Sim（Tencent Autonomous Driving Simulator）于 2018 年发布，是结合了专业 的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术打造的虚实结合、线上线下一体的自动驾驶仿真平台。 游戏技术对自动驾驶仿真有很大的助力作用。 为实现场景的高还原度， 腾讯发挥自身在游戏领域的经验和技术， 应用了包括场景还原、

39、大气系统、传感器仿真、物理引擎、Agent AI、云游戏技术、MMO 同步等游戏技术。游戏技 术的应用可实现场景的几何还原、逻辑还原及物理还原。在场景几何还原上，TAD Sim 可实现三维场景仿真和传感 器仿真，使环境和测试车辆条件都与现实世界相同；在场景逻辑还原上，TAD Sim 可在虚拟世界中模拟出测试车辆 2.3 仿真测试应用现状 图表 7 C-ASAM 工作组研究框架及内容拓展 资料来源：中汽数据有限公司，课题组整理 中国自动驾驶仿真蓝皮书 (2020) 11 图表 8 腾讯 TAD Sim 部分场景展示 资料来源：腾讯，课题组整理 的决策规划过程；在场景物理还原上，TAD Sim 可

40、模拟出车辆的操控和车身动力学作用结果，使虚拟世界的自动驾 驶测试结果与现实世界无限接近。 TAD Sim 内置高精度地图，可以完成感知、决策、控制算法等实车上全部模块的闭环仿真验证。不同天气、光 照条件等环境的场景模拟，以及测试车辆的感知能力、决策能力和车辆控制仿真均可以实现。 TAD Sim 支持云端运行，包括场景型云仿真和虚拟城市型云仿真两种模式。城市型云仿真既可以实现加速仿真， 也可以实现高并发仿真，满足真实世界中各种场景和驾驶的可能性，加速企业自动驾驶测试进程。 通过完整的模型在环、软件在环、硬件在环、车辆在环的测试验证体系，TAD Sim2.0 覆盖了完整的汽车 V 字开 发流程，并

41、融入了自动驾驶研发体系。 腾讯 TAD Sim 不仅可供车企及自动驾驶技术开发者进行研发测试，还可以为政策制定部门、交通管理部门提供 交通调度管理、道路及交通规划、自动驾驶法规研究等方面的测试平台。 2020 年 6 月 TAD Sim 2.0 版本发布，在原有基础上进行了架构的优化升级，数据传输能力和加速能力都有大幅 提升，资源占用量减少 30%。目前场景库中有超过 1000 种场景类型，可以泛化生成万倍以上丰富场景，具备每日 1000 万公里以上的测试能力。 目前，TAD Sim 正在与国家智能网联汽车测试区、国家部委，以及国内头部车企展开合作，基于高精度地图和 虚拟仿真技术，推行虚实结合

42、的仿真测试，加速自动驾驶研发落地。 图表 9 腾讯自动驾驶业务体系 资料来源：公开资料，课题组整理 中国自动驾驶仿真蓝皮书 (2020) 12 2. 百度增强现实的自动驾驶仿真系统 AADS 百 度 自 主 研 发 的 增 强 现 实 的 自 动 驾 驶 仿 真 系 统 (AADS：Augmented autonomous driving simulation usingdata-driven algorithms) 由百度研究院机器人与自动驾驶实验室开发，它不仅能大大降低仿真系统的测试成 本，还在真实性和扩展性方面实现了质的飞跃。 AADS 系统包含一套全新开发的基于数据驱动的交通流仿真框架

43、和一套全新的基于图像渲染的场景图片合成框 架。在获得真实感的车流移动和场景图像之后，系统利用增强现实技术可直接、全自动地创建逼真的仿真图像，消 除了现有仿真系统中游戏引擎渲染图片与真实图片之间的差距。 在 AADS 系统中，使用一台安装了激光雷达和双目相机的汽车扫描街道，便可获得自动驾驶仿真的全部素材。 AADS 可自动将输入素材分解为背景、场景照明和前景对象。通过 AADS 中全新开发的视图合成技术，可以在静态 背景上改变视点，生成任意视角的真实图片。比如，扫描街景图片后，AADS 系统可以变换街景图片的视角，进而 模仿车在不同环境里面行走的动作。 基于 AADS 系统，百度还同时发布了两大

44、公开数据集，即 ApolloCar3D 和 TrafficPredict。这两个数据集是百 度 ApolloScape 开源项目的一部分，其中 ApolloCar3D 数据集包括超过六万车辆的实例，配有高质量的三维 CAD 模型和语义关键点。TrafficPredict 是一个运动物体的轨迹数据集，包括时间戳、车辆 ID、类别、位置、速度、朝 向等信息，轨迹总长度达到 1000 多公里。 图表 10 百度增强现实的自动驾驶仿真系统 AADS 资料来源：公开资料，课题组整理 3. 华为自动驾驶云服务 Octopus 2019 年 4 月上海车展上，华为首次展出自动驾驶云服务 Octopus。20

45、19 年 12 月 13 日，湘江新区完成华为自 动驾驶云服务的采购，启动湖南智能网联汽车产业云的布置和实施。2020 年 1 月 9 日，湖南智能网联汽车产业云 正式上线。迄今为止，已经有 3 家企业上线湖南智能网联汽车产业云，并使用华为自动驾驶云仿真训练服务。 华为的自动驾驶云服务 Octopus 形为八爪鱼，服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期 业务， 向开发者提供包括数据服务、 训练服务、 仿真服务在内的三大服务。 基于三大服务， 华为的自动驾驶云服务 “八 中国自动驾驶仿真蓝皮书 (2020) 13 爪鱼”能为企业用户提供以下核心能力： 处理海量数据，自动化挖掘及

46、标注，能够节省 70% 以上的人力成本； 软硬件加速，平台提供华为自研昇腾 910 AI 芯片和 MindSpore AI 框架能大幅提升训练及仿真效率； 丰富的仿真场景，高并发实例处理能力：通过集成场景设计和数据驱动的方法，合计提供超过 1 万个仿真场 景；系统每日虚拟测试里程可超过 500 万公里，支持 3000 个实例并发测试； 云管端芯协同，车云无缝对接：Octopus 天然支持无缝对接 MDC（移动数据中心）等车端硬件平台和 ADAS 系统，实现车云协同。 华为自动驾驶云服务 Octopus 与华为 MDC、智能驾驶 OS 联合，共同组成车云协同的智能驾驶平台，未来华 为会将高精地图

47、、5G 及 V2X 技术等能力集成到“八爪鱼”中，帮助车企和开发者开发自动驾驶应用。 在仿真训练服务方面，华为自动驾驶云服务平台内置超过 1 万个仿真场景，覆盖智能驾驶、主动安全、危险场 景等六大场景，并且支持将路测数据场景转换为仿真场景，每日虚拟测试里程可超过 500 万公里。 4. 阿里混合式仿真测试平台 2020 年 4 月 22 日，阿里达摩院对外发布全球首个自动驾驶“混合式仿真测试平台”，该平台采用虚拟与现实 结合的仿真技术，引进真实路测场景和云端训练师。该平台可以任意增加极端路测场景变量，在实际路测中，复现 一次极端场景的接管可能需要 1 个月的时间，阿里混合式仿真测试平台可在 3

48、0 秒内模拟一次极端场景。每日虚拟 测试里程可超过 800 万公里，提升自动驾驶 AI 模型训练效率。 阿里混合式仿真测试平台不仅可以使用真实路测数据自动生成仿真场景，还可通过人为随机干预，实时模拟前 后车辆加速、急转弯、紧急停车等场景，加大自动驾驶车辆的避障训练难度。 图表 11 科技公司自动驾驶仿真平台对比 资料来源：公开资料，课题组整理 5. 其他 此外，微软、英伟达及 LG 等国外科技公司主要针对自动驾驶仿真软件进行研发，通过和产业链企业合作建立 了自动驾驶研发生态体系，成为自动驾驶仿真的重要参与者。 英伟达于 2018 年 3 月推出基于云的 NVIDIA Drive Constel

49、lation 仿真系统，并于 2019 年 3 月正式上市。该仿 真系统由两台不同的服务器而打造，第一台服务器运行英伟达 DRIVE Sim 软件来仿真自动驾驶汽车的传感器，如相 机、激光雷达和雷达。第二台服务器搭载了英伟达 DRIVE Pegasus 人工智能车载计算平台，用来处理仿真的传感器 公司名称腾讯百度华为阿里 技术特点 游戏技术 数据驱动 天气系统 传感器仿真 物理引擎 Agent AI 云游戏技术 MMO 同步技术 高精度地图 云平台 日测 1000 万公里 数据技术 AADS（增强现实的 自动驾驶仿真系统） ApolloCar3D TrafficPredict 百度云 全生命周期服务 覆盖自动驾驶数据、模 型、训练、仿真、标注 等 软硬件平台 自研 AI 芯片 自研 AI 框架 车云协同数据对接 虚拟与现实结合仿真技术 极端场景模拟只需 30 秒 每日虚拟测试里程可达 800 万公里 阿里云技术 中国自动驾驶仿真蓝皮书 (2020) 14 图表 12 车企利用自动驾驶仿真软件情况 资料来源：公开资料，课题组整理 车企