場景是自動駕駛測試系統中相當重要的一環，測試場景的多樣性、覆蓋性、典型性等能夠影響到測試結果的準確性，從而保證自動駕駛的安全與質量。

場景，指的是行駛場合和駕駛情景的組合，它受行駛環境的深刻影響，如道路、交通、天氣、光照等因素，共同構成整個場景概念。場景是在一定時間和空間范圍內環境與駕駛行為的綜合反映，描述了道路、交通設施、氣象條件、交通參與物等外部狀態以及自車的駕駛任務和狀態等信息。從場景架構來看，有不同的行駛場合，像高速公路、鄉村道路、城市工況、機場、碼頭、封閉園區等；在該場合下，如何駕駛、駕駛任務、駕駛速度、駕駛模式等一起構成了整個場景的三維架構。

與傳統汽車的物理性能測試評價體系不同，自動駕駛汽車在測試評價內容和形式上都有明顯不同，在傳統汽車測試基礎上發生了根本性的改變:傳統汽車測試注重評價機器在執行命令時的表現，自動駕駛測試重視評價整車多傳感器的配合以及傳感器融合輸出的感知、判斷和決策能力；傳統測試的場景存在固定模式和情境，但自動駕駛汽車的測試場景需要具備多樣化、典型性等特點，需要盡可能覆蓋所有復雜的特殊場景；自動駕駛測試的軟件系統和硬件設備也都發生了天翻地覆的變化。

目前自動駕駛領域安全事故頻發，安全成為自動駕駛領域要解決的本質問題，業界和社會都需要具備更高可靠性的自動駕駛技術來夯實發展基礎，其中，挖掘測試場景、豐富和完善測試技術是提高自動駕駛安全性能的極重要一步。

一、場景要素

自動駕駛汽車上路行駛時要面臨各種各樣錯綜復雜的環境，測試體系不可能對其一一窮盡，因此可以按照一定的分類方法將各種測試場景進行分類劃歸：

1.對象

對象就像舞臺劇里的演員，是指場景里出現的其他人或車，以及其他影響行駛決策的或是所有可能自主運動的物體或動物。這一方面主要依賴自動駕駛的各種傳感器，包括毫米波雷達雷達、攝像頭、超聲波探頭、激光雷達等，同時也要進行大量的實時計算，預測對方下一秒的前進方向。

物體類型：如路燈、垃圾箱、路牌等

對象移動速度：靜止、低速移動（如騎自行車的人）、高速移動（如飛馳的汽車）

對象移動方向：在自動駕駛汽車的左邊還是右邊，移動相對角度是多少

對象數量：如果看到很多輛警車停在路邊，或是遇到一群鴨子過馬路，都需要減慢速度

環境意識：對于有生命的對象，自動駕駛車也需要判斷該對象有沒有在仔細看路，比如酒駕的司機、5歲的小孩、一邊走路一邊看手機的年輕人

2.路況

路況是指道路的特征以及交通管制的特征，不會隨環境變化而變動，自動駕駛車都可以提前預知。主要通過提前繪制好的地圖自主定位。

交叉口設計：十字路口、T型路口、Y型路口

交通管制方式：紅綠燈樣式、停車牌、避讓牌

車道數量：單車道、4車道

車道線：有分割線、無分割線

車道類型：自行車道、公交車道、超車道

限速：25mph，商業區限速、居民區限速

馬路類型：高速、普通路、小路

角度：上坡、下坡、顛簸

區域：學校區、醫院區、山區、施工區

3.環境

環境是場景必不可少的元素，很大程度上決定了自動駕駛汽車能否上路。和路況不同，這里的環境指所有可能變化的環境因素，其很多數據需要依賴外界實時傳給自動駕駛汽車。

天氣：降雨量、風速、溫度、能見度

光照：陰天、日出日落時間、太陽光角度

路面：結冰、積水、施工

信號：5G信號強弱（地道里的信號可能會很差）

噪音：周圍噪音會影響行人或其他車輛聽到自動駕駛汽車發出的信號

4.行為

這里的行為是自動駕駛汽車本身的行為，這方面的數據主要依靠路徑規劃。

駕駛方向：直行、倒車、U型掉頭、左轉、右轉、弧線、離開車道、并入車道

速度：靜止、低速行駛、高速行駛

加速度：加速、減速、勻速

信號：自動駕駛汽車發出的視覺信號和聲音信號等

二、測試場景的體系架構

將以上不同類別的場景要素排列組合，構成一個完整的場景體系，稱作場景庫。例如跟車場景、人行橫道線、死路、對向來車、行人不遵守交規、障礙車輛逆行等。一個場景庫基本的構建流程是：首先以路側數據、車載數據、虛擬數據三種來源輸入、存儲場景源；其次，要通過場景挖掘、場景分類、場景演繹等方式有層級、有規劃地構建場景庫；最后將場景庫應用于場景測試環節，包括軟件在環、硬件在環、整車在環、封閉道路、開放道路五種。

三、場景測試結果評價依據

在不同的場景庫中進行測試，對測試結果的評價應該按照什么要求要劃分呢？

安全評價

1.對系統組件進行識別和定義，確認自動駕駛系統每一個模塊的組件。

2.由于場景要素的特殊性，不同組件在不同情況下的有效性和風險性可能發生變化，這樣就需要對每一個組件進行失效分析和風險評估，確認安全等級和安全目標，確認安全風險等級包括風險的可能性、可控制性和嚴重性。

3.確認安全需求。

4.安全需求測試執行。

5.認證測試計劃和執行。

功能評價

要確定車輛在不同的場景庫中應該怎樣表現：

1.針對以上不同的場景庫進行分析，確定并描述在此場景下期待自動駕駛汽車擁有什么樣的表現，詳細表述用戶需求。

2.確認功能范圍，根據環境需求和操作設計域進行不同的配置。

3.對功能需求進行細顆粒度的劃分，便于對每項功能進行測試。隨著功能需求的細顆粒化，功能測試的需求也會越來越明確。

四、主要的測試場景構建技術

場景庫的數據包括虛擬數據和現實數據，但虛擬數據的來源依然是現實數據，因此，收集駕駛環境中的真實數據對測試場景數據庫的構建作用是根本性的。收集數據的途徑和方式多種多樣，包括LIDAR激光雷達、RADAR雷達、攝像頭等，其中，視覺分析技術由于信息量大、場景要素挖掘范圍廣；常規性和易得性；對場景參與物分類更加準確等優勢特點成為了最主要的場景挖掘技術。依靠視覺分析進行場景挖掘時需要對視頻進行分解，對每幀圖片進行物體識別、每幀提取的物體列表進行存儲跟蹤、對幀中的物體進行屬性分析與行為判別，通過傳感器對分析數據，形成典型數據場景，分類構建場景數據庫。

場景覆蓋性典型性要求越來越高、場景挖掘技術不斷發展的今天，對場景庫構建提出了完善產業鏈的要求，面向產業鏈的場景庫構建與測試服務體系有場景數據服務、場景挖掘服務、加速測試服務、定制化場景庫服務等，通過產業化實現場景測試的市場化高效運作。