技术干货 | 自动驾驶领域的革新
作者：ESTECO
摘要
自动驾驶是汽车行业的下一个前沿领域，一系列先进的驾驶员辅助系统（ADAS）和自动驾驶（AD）系统正处于开发当中。为了使这些ADAS/AD系统能进入市场，需要有一个可靠的验证策略。这种策略面临的主要挑战是既要最大限度地减少系统故障次数，又要在复杂条件下最大限度地提高旅行舒适度，需要在这二者之间找到正确的平衡点。而现有的物理测试策略将可能需要高达数百万小时的驾驶时间来完成测试，因此是很不现实的。
ESTECO参与开发了一个白盒验证系统，该系统利用统计工具对道路测试数据进行后处理，得到道路测试中的各种事件，并可以基于这些事件组合衍生出各种驾驶场景。在研究不同的传感器、算法、执行和场景下的ADAS/AD系统的性能时，该方法可显著节省时间，为推动汽车工业自动化提供了一个可靠的解决方案。
开发ADAS/AD系统
我们开车的方式正在改变当中，全球正在开发各种先进的驾驶员辅助系统（ADAS）和自动驾驶系统（AD），并有望彻底改变驾驶体验，永远改变汽车行业的面貌。但我们还没有做到这一点，还有许多技术和法律障碍需要克服。
ADAS/AD结合了许多硬件和软件组件，包括传感器以及处理这些传感器数据的算法。算法决定了如何根据这些信息采取行动，而执行器则实现相应决定，使我们的车辆自动化。
美国汽车工程师学会（SAE）将ADAS/AD划分为不同的自动化水平。在1级和2级系统中，我们有基本的驾驶员辅助措施，这些措施已经在今天的车辆中使用，帮助我们自动刹车、保持在车道上等等。1级系统在转向、速度或制动控制等方面为驾驶员提供辅助，而2级系统则起着重要作用。在这些系统中，车辆能够控制其转向和加速/减速能力，以自动化某些任务。但是这两种系统都是低级别的，驾驶员仍然负责执行这些操作，并完全控制车辆。
当我们升到第三级时，情况开始发生变化。在很多情况下，3级车辆可以自己做出明智的决定，但当机器无法执行手头的任务或系统出现问题时，就需要人工干预。到了第四级，就不再需要人机交互了，尽管在某些情况下还可以使用手动人工控制模式，但除此之外车辆都由自己的设备控制，而无需任何人工参与。
在这种分级的顶端，我们将拥有完全自动化的系统，系统完全负责执行、监控并提供车辆的性能反馈。与低级别车辆相比，5级车辆完全消除了人为驾驶，将提供完整响应和完善的服务。
对于1级和2级系统，汽车制造商依靠物理测试来验证这些系统使用的算法。然而，当我们来到更高等级的系统时，仅使用物理测试将不再是验证这些系统的可行方法。
我们将至少需要行驶50亿公里，才能以高于95%的置信度证明完全自主的5级车辆故障率低于驾驶员故障率。而即使我们只验证3级车辆，也必须行驶大约1亿公里。
这些测试中监视到的系统故障会包括假阳性和真阴性。当车辆做出不必要的反应时，就会出现误报，例如道路上没有障碍物时车辆不必要地刹车，从而影响驾驶舒适性。而当存在真正的威胁却被系统排除时，会出现真正的负面影响，这会对系统的安全产生不利影响，并可能对场景中涉及的每个人造成致命后果。
我们必须确定一个合理的故障率和行驶时间截止点，以使法律机构可以批准ADAS/AD系统，但这是一项非常复杂的工作。毕竟，ADAS/AD的可接受故障率是多少？必须行驶多少公里才能对这些值有信心？如果在测试过程中记录到1000万公里处出现真阴性，会发生什么？
无论何时一旦检测到故障，你就必须返回并重新开始测试过程，或者至少重复测试的特定部分。但由于18个月左右的车辆开发时间紧张，制造商在试图验证其自动驾驶车辆时，时间很可能会不够。更重要的是，即使他们能在紧张的期限内完成测试，制造商也必须生产多个车辆原型，所有这些原型都需要配备昂贵的传感器和ADAS/AD系统所需的其他硬件，从财务角度来看，这也会使物理测试变得不可行。而这还不是财务方面对自动驾驶汽车的唯一影响。简单地说，物理测试在经济上是很不可行的。
ADAS/AD功能结合了许多组件，包括传感器（硬件和软件处理）、融合来自多个传感器的数据的算法、决定对这些输入（制动、转向、加速）采取行动的算法，以及最终执行决定的执行器。传感器特别昂贵，制造商必须在传感器的成本和性能之间找到一个平衡点才能盈利。而这就是算法可以提供帮助的地方，通过提供智能决策来减少传感器，优化传感器方面的性价比。但是需要谨慎地管理这种交换，因为制造商现在需要承担任何系统故障方面的责任。
更重要的是，当需要验证三级或更高级车时，法律部门也需要参与验证过程。已经存在一些相应的法规，包括法国的Moove、德国的Pegasus和荷兰TNO指导的Streetwise & Streetproof等。然而从法律角度来看，这是一项非常复杂的工作。
考虑到所有这些挑战，要想让任何一辆自动驾驶车辆上路，ADAS/AD验证都会是开发的重要组成部分，并且是汽车行业需要克服的最复杂的挑战之一。
基于场景的验证计划
仿真模拟和建模将在验证ADAS/AD算法，以解决这些财务和法规上的限制方面发挥重要作用。一系列不同的计划正在开发中，其中包括真实跟踪测试和虚拟验证方法。
在ESTECO，我们提出了一个白盒解决方案，它与特定的软件或汽车制造商无关。在这里，基于场景的验证计划将整个验证过程标准化。
让我们概述一下它是如何工作的。首先建立场景和测试数据库，然后确定最相关的场景，以对ADAS/AD系统进行审慎评估。
这种基于场景的验证计划涵盖三个核心领域：
1）需求定义和数据收集
提取相关道路和传感器数据，识别相关参数并将其输入到机器学习分类算法中。
2）场景识别
将观察到的场景划分为不同的模板，并记录相应的参数（速度、位置等）。然后对道路数据进行处理，生成一组不同类型的场景，每个场景都有一些参数。当查看属于同一类别的所有收集场景时，参数将遵循给定的随机分布（例如，纵向和横向速度，仅举一例）。
3）最相关的场景识别
基于要开发的ADAS/AD功能，对最相关的场景首先进行识别。在此步骤中，特定算法可以通过组合步骤2中识别的场景以及将步骤2中识别的各种参数组合在一起来识别最相关的场景。通过该方法在仿真中有效地确定了一些关键场景，这些场景不是在物理道路测试期间测量到的，而是使用道路测试数据的组合构建的。
4）给出解决最坏情况的技术
决定针对最坏情况的最佳技术，包括传感器的数量、致动器、算法等。需要进行多次迭代来确定和量化系统的性能，其中会运行仿真以判定传感器组合的性能，评估ADAS/AD的算法和执行器。当然，真实道路测试总是需要的，但是可以通过使用HIL和VIL方法以及针对特定类型的测试来最小化真实道路测试的数量。
ESTECO已经在沃尔沃汽车公司应用并验证了该方法，双方在该方法的某些特定方面进行了合作。
总的来说，这种三阶段方法通过将正确的场景与正确的环境相匹配并使用最相关的参数，简化了整个验证过程。
例如，高速公路上的道路测试数据不能用来模拟城市的驾驶体验，这是因为您在这两种环境中可能遇到的场景完全不同且不兼容。
此外，当你收集这些数据时，你可能识别到两种不同的相关情况：比如一种是当你前面的车刹车时，另一种是当一辆车在高速公路上并线到你前面时，两者你可能都需要减速或刹车。在模拟中，您可以确定这种相关的场景，并将它们结合在一起，比如一辆汽车并线到你前面，然后刹车。因此，可以在真实数据的基础上创建出新的虚拟关键场景。
通过模拟，我们可以将这些场景结合起来，并找到最安全的响应。ESTECO的modeFRONTIER软件可以将整个验证过程自动化，从方案数据库的创建到方案的选择再到最终分析。
modeFRONTIER的加入加快了验证过程。尽管要模拟的可能场景的数量可能非常大，但是modeFRONTIER可以通过有限的模拟集识别出关键场景，这得益于其非常专业的基于人工智能和神经网络的算法。
这种模拟也可以在软件在环（SiL）和硬件在环（ViL）环境中进行，以限制昂贵和冗长的道路验证技术的使用。通过循环方法对所使用的软件和车辆进行测试，对系统的行为进行抽象、迭代测试和虚拟环境验证。
