下面有请下一位专家，来自于天欧汽车工程软件有限公司的执行总监黄汉知先生，为我们演讲的题目是自动驾驶测试工具及测试技术，大家欢迎！

黄汉知：感谢主办方的邀请，谢谢各位的专家参与，非常荣幸在这里跟大家交流。

今天跟大家汇报的题目是基于模型的智能驾驶系统的性能开发和测试方法。有四个主题，首先介绍一下公司，然后是自动驾驶的背景介绍，第三部分是今天讨论的主题，第四部分解释一下基于模型的方法，技术的难点。

Tass公司的介绍，是来自荷兰的一家公司。是一家比较小的公司，全球有200多个员工，分布在12个汽车工业地。我们做什么？我们做这三方面的产品，第一个是仿真的软件和工具，第二部分我们有很多的实验室，可以提供第三方测试的服务，包括碰撞测试，安全测试、认证等等。第三部分利用软件工具和测试的能力，提供安全性能、主动安全等等这方面的工程开发。

我们的愿景是希望到2020年全球每一辆上市的新车都曾经使用过我们TASS的技术和工具，进行开发和测试。智能驾驶系统开发与测试的挑战，大家从各种媒体上都铺天盖地的报道非常多，我就不一一介绍。今天在这里提到一个问题，也是今天我们系统讨论的核心，我们开发出一个智能驾驶的系统，非常迫切想到路上试一试我的功能。很多人第一步想到测试的方法是路试，想尽可能多用非常充分的里程去便利所能够想到的测试的工况。这个方法有优点和缺点，缺点比较效率比较低下。

测试里程的长短几十、几万、几百公里，这个比较重要，更重要的是测试过工况。我们遇到严苛的工况希望改建我的系统，第二天再来重建。第四在道路上是主观的感受，缺乏真值。为了解决这些问题，我们传统基于试错的方法，红色这条线，仿真就是绿色的这条线。它没办法完全取代路试，但是能够缩短开发的时间和提高效率。

今天的方法核心介绍的仿真的技术，是Prescan工具，涵盖各种主流的环境感知。这个是真正行人刹车系统的辅助仿真，这个不去介绍。任何的ADAS系统都离不开这4个部分，测试工况定义了产品的功能，传感器、算法、执行器和人机界面。Prescan也有能力仿真这四个部分，场景工况Prescan提供非常丰富的场景库，传感器也提供主流传感器的模型，算法是用来导入，最后是车辆动力学的模型。

这是一个背景的介绍，接下来进入主要交流的部分，基于模型的仿真方法。我更多想用我们在全球各地，在中国整车厂等来测试的方法。从sil到hil到vil，再到vehil，再到testtrack，最后到公共路况的测试。

案例1：大规模工况自动化仿真测试，使用大规模测试工况库，利用自动化测试功能，高效验证系统和算法。这种来源也非常多，有法规工况等等。今天要举的这个例子，事实上测试工况这部分用来自于欧洲德国GIDAS的数据工况库，这是非常宝贵的测试工况库来源之一。我们所讲的工况也是利用Prescan进行几万例工况场景的仿真，研究作为欧洲主流的整车厂，开发出这么多ADAS系统，避免多少事故可以减轻，还有多少是无能为力的结论。

2012年中国自主品牌的整车厂，北汽也分享了一篇论文，还获得了最佳论文奖，和我们说的案例非常类似，只不过用的是CIDAS。这是第二个案例。

案例3，解释一下大规模工况的定义，我们以ACC超车的工况为例，黑车是ACC的主车，橙色是目标车，目标车要做一个靠近的动作，这个时候ACC是否有效、舒适？我们知道这样一个工况有很多的参数可以变化，主车、目标车的车速，cutin的时机、cutin之后目标车跟本车的重叠度，所在的位置等等等，非常多的参数可以来变化。如果我们举一个很粗略的例子，这些参数如果有这么都的变化，我们排列组合。cutin的工况可以衍生出多达60多种工况组合，在路上做工况的测试非常困难，仿真具有优势。ACC更多的是舒适的系统，各种工况下，ACC加速、减速的舒适性是评价系统优劣非常重要的指标。今天我们讲的也就是ADAS性能，ACC不舒适有哪部分导致的呢？我们可以把ACC分为4个功能模块，雷达加上算法、底盘、车盘动力学。不舒适可能是由雷达检测的延迟，也可能是算法标的还不够优化，也有可能是ESP和ENS的加减速度响应不够及时，也有可能是底盘和轮胎的特性，动力的性能还不够优化。借助于仿真我们可以做一些客观定量的评价，决定ACC系统影响它性能不佳的参数是哪个。

案例4，由简单的视频描述一下，在软件当中怎么样做仿真，视频中间是ACC应用的主要工况，堵车的情况。左上角我们能看到系统的一些所用雷达传感器检测的结果，右下角要观察这个系统主要的参数，这是概括性的示意。

接下来案例，我们知道在人工智能当中有个重要的分支，就是用语音分割的方法。过去做人工智能首先要路试，再把数据提炼出来，标注这个地方是一辆车，这个地方是一辆摩托车，那个地方是一个自行车，做素材数量的算法。而采集和数据和标注是非常费时费力的过程，Prescan可以提供，你建的测试工况里面的分割可以自动给到你，你可以用它作为人工智能算法的素材，也可以检验算法的输出。这样的视频演示了我们怎么样用仿真所产出的，视频中有不同车辆、天气、背景、条件下产生的素材，既可以打规模的产生，可以作为人工智能的素材和最后考证的标准答案。如果有做这方面智能人工算法的公司可以跟我们合作。

案例5：硬件在环仿真的方法，更多的引入ECU和硬件。案例6车道保持辅助和这个非常类似，摄像头LKA的功能，所请求的转向，决定车辆的状态，再发回构成这样的闭环。意义何在呢？我们认为要测试LKA需要非常多种多样的工况的组合，不同的车道，入口和出口标签的形态，组合起来也是天量的工况，在路上找不到这么多的工况组合，仿真可以做得到。这个结构是用显示屏显示出来看，显示屏有部分的局限。

案例7，这种案例直接把Prescan它的场景和摄像头的模型所产生的每一帧视频的数注入到HIL。现在大家多在谈论更高级别的自动驾驶，我们也有另外的客户，他用了摄像头、超声波和激光雷达做3级的自动驾驶的功能，在办公室就可以做中间快速圆形快速器，里面3级自动驾驶的开发。这是开发的对象，这也是非常方便的开放工具。

说完hil，接下来我们进入到Vehicle层面，也是用仿真来构建测试的工况，雷达传感器部分被屏蔽掉，只使用ACC和AEB的算法，算法根据情况决定我要报警还是加速还是减速。干预请求直接发到车上，车响应完之后再重新发回，构成闭环。

案例8，雷达ACC/AEB车辆在环仿真试验台。有了这样一个测试的台架也会带来相应的优点，不同工况的组合可以相应的实现，测试完之后所有的数据可以客观的记录，更重要的是工况除了可以定制，还可以做重复性的验证性的实验。

这里有一个视频，这是视频运行的描述，我们看到这个ACC的试验在动态广场上做，前面没有任何的目标流。这是ACC非常有挑战的工况，按道理应该跟随本身车道的车，但是由于雷达等算法跟随到右边车道。

接下来进入到室内实验室的部分，我们的母公司在荷兰有一个实验室，我们在室内实验室测试工况，测试效率非常高。但是有缺点，室内实验室不能转向，第二没有办法做很多的其他工况。我们在早期也是测了事故，这个实验室也可以用来做雷达性能的对标，左边视频显示在雷达的试验范围内，把目标车辆真值结果记下来再跟雷达做对比，就可以非常清楚知道雷达的优缺点。我们在去年执行了欧名互联驾驶的测试比赛，这个测试比赛主要目的考虑来自不同厂商自动互联的驾驶车辆，能不能彼此通讯，设定了三个工况，第一个在丁字路口能够互相协同。第二个工况两类车正常行使，前面有个车道在修路，这两类车怎么样商量通过一个车道。第三是救护车，我们应该向两边让开，让紧急车辆和救护车辆过去。这三个工况就能够描述不同品牌车之间的互联和协调。

有个视频，看参赛不同公司的车辆，甚至包括商用车，会对参赛的工程师进行采访。这是比赛第一天，星期六，把路封上了。这个时间对救护车的让路，这个是在丁字路口互相的协同。星期天是另外工况的比赛，两类车怎么样协同变成一类车，以及给紧急车和救护车让路。

我们知道在全球各地都有非常多的测试示范区，美国MCT很早也是用Prescan做场地的设计和验证。MCT的二期Willow  Run也是用Prescan进行测试场设计支持。这个视频也是比较长，我也不会全部的播放。

最后提一下仿真，我们今天提到它对路试的优缺点，仿真方法的技术难点，技术精准要求非常高。环境模型的物理化，夜晚的工况，这个是对摄像头。这是环境模型这部分几个小的例子。

在传感器部分，通过摄像头的bacic就可以建立基础模型，摄像头的武力模型包含从光源、环境传播到镜头以及最终成像器件等各个环节的仿真。

基本雷达模型，首先要具备误差的模型，这是一个基本的，第一步第二步我们要建立更多的性能缺陷的模型，正检测、误检测、漏检测。误检测地面上什么有没有，报告了一个目标，包括检测的噪声，目标的散列，本来只有一个目标，但是它报告了多个目标。延迟，这个目标早就出现，它可能延迟1秒。这种性能缺陷都有概率式的分布。

我们知道DSRC受到路口、车速、遮挡、衰减等很多因素的干扰，最后会导致信息并不能传送到目标车辆。这样的场景有个大型建筑物遮挡，不同的场景代表不同的衰减。高速的驾驶等都有试验。Prescan里面有19种传感器，每种传感器都有它的特点。

最后总结一下，回到刚才说的主线，我认为这个测试还是离不开从仿真，到室内、室外的场地，到公共道路。最后还是对我们自己公司的战略做介绍，我们认为Prescan在整个测试当中扮演了非常重要的角色，谢谢大家的聆听，谢谢大家！

秦孔建：感谢黄汉知先生给我们做了精彩的报告，向我们讲解了现在我们针对智能驾驶汽车关键的功能系统和整车性能的一些测试，各种不同的手段，从CIL到HIL再到VHIL再到道路的测试方方面面，给我们做了全面的讲解。