“中国汽研胡孟夏：智能网联汽车安全及合规性测试评价关键技术”

9月28-29日，2021年“东方风起航、智能驾驶过渡——中国车谷2021智能车产业创新快速发展论坛”在武汉市召开，会议以智能驾驶为主线，以一个主论坛+六个平行论坛的形式，

在9月29日的“智能驾驶测试与评估技术”第五分论坛上，中国汽研智能中心前瞻技术中心主任胡孟夏博士发表了主旨为“ICV安全与合规测试评估关键技术”的演讲，复制如下。

中国汽研智能中心前瞻技术中心主任胡孟夏博士

各位专家，各位同行者，大家好。 盖世先生，感谢东风提供了这样的平台。 我来自中国汽研。 我们在自动驾驶安全合规方面只有5-6年的积累，很多都在探索，也在试错，所以今天我们在和越来越多的人讨论。 直奔主题，今天首先从测试评价面临挑战和关键技术和处理方案两个角度进行分享。

首先，我们知道，自动驾驶测试的评价与自动驾驶本身的开发一样面临着许多挑战，人类司机的识别能力远远超过了目前的人工智能。 现在如果我们把司机的驾驶权转移到自动驾驶上，会带来很多复杂的问题。 首先，面对包括周边静态动态行为在内的众多复杂的交通环境，特别是高水平的自动驾驶，要求在odd的范围内实现全域。 另外，对测试系统来说要求也很高，如何能够实现大量场景的再现，很多场景虽然出现频率不高，但非常重要，这时候带来了长尾的课题，这是测试开发面临的首要课题。

我们把安全和合规两个维度放在首位。 今天上午，工业和信息化部郭司长向大家强调，第三方测试评估机构也需要进一步加强测试评估能力建设。 这从侧面证明了中国在ICV领域测试评价能力有很多需要突破的地方，安全性就是其中之一。 可以看出，安全是车辆落地的主要条件，目前具备驾驶辅助的车辆仍然发生着许多安全事故。 数据显示，近年来，汽车召回数量迅速增加，汽车智能系统和功能相关召回29次，涉及48.5万辆。 那么，如何能够以更强的覆盖性涵盖面向安全的测试呢？ 而且在发生包括自动驾驶事故和自动驾驶侵占在内的危险状况时，我该如何再现安全状况，从上到下、从下到上兼顾安全性？

接下来是合规的课题。 其中，我特别想谈谈像人类司机一样的合规问题。 以前，一些同事曾考虑过我们的合规性和安全性是否有重叠的部分这一问题。 安全性能中是否可以包含合规性？ 进行安全性测试后，合规测试能兼顾吗？ 探索的结果表明不是这样。 我们仔细整理了合规法规、道路交通安全法。 另一方面，要点是强调安全性，然后稍微整理一下规则，制定规则今后也会面向提高交通效率，所以必须明确定义这些规则。

道路安全法不仅考虑了安全性，还考虑了效率，因此对安全性产生了一定的影响。 举个例子，例如右前方有低速车辆，蓝色车有非常强的变道意图，如果蓝色车的左侧是实线，则其变道意图将被大幅抑制。 红色的车对蓝色的车的预测有非常大的影响，如果是虚线的话，会避免减速。 如果被测量车辆为蓝色车辆，合规性会严重影响安全性。 事实上，由于道路交通安全法的影响，安全性的场景和评价方法，甚至场景设计有些不同，所以我们认为安全合规性都有必要进行测试。

合规测试也面临着特有的挑战。 另一方面，道路交通安全法，如果大家仔细研究，就会发现里面的发条有点模糊性。 特别是冉阿让行，对人类来说可能比较容易理解。 在许多情况下，评估交通事故的发生是谁的责任。 但是，对于自动驾驶来说，其逻辑必须写在产品开发之前，这意味着必须明确界定各发条的边界，这是目前重要的难点。

第二个难点是，法规遵从性测试不能堆叠和测试安全性和所有其他测试，但实际上与法规遵从性测试具有可比性。 怎样才能尽快再现合规性测试呢？ 特别是在场所和道路的测试中，怎么才能发现自动驾驶车容易违规的场景呢？ 这其实也是对合规测试的挑战。

目前，中国汽研子公司在这方面略有探索，我们的总体思路包括场景+测试+评价三个部分。 其中场景和评价有一对一的对应关系，认为它有很强的相关性。 首先，每个场景必定有相应的评价指标权重体系，各有不同的评价指标评分规则。 同样地，如果有评价指标，则有一系列的场景序列来比较该评价指标。 另外，还有功能评价的逆生成这一场景。 这是建立两个场景库的想法。 此外，测试方法和设备支持场景数据库和场景评估，作为技术和装备的支持。

首先简单介绍一下场景库，目前中国汽研在这方面已经积累了数百万的自然驾驶数据，与国家召回中心合作，积累了5种以上的中国典型交通事故数据库，这是数据源的积累方面。 从原始数据到实际的场景库，我们需要对其进行特征聚类分解。 另一方面，我们进行场景的聚类和分类。 另一方面，从原始数据中如何将该数据填充到已分类的数据库中并进行扩展呢？ 经过我们几年的积累，现在已经形成了涵盖24小时全部案例的中国典型场景数据库。

中国合规驾驶场景库从合规法的条款开始，对所有法规进行了详细的解读，评价了该法规大多定义了什么样的场景。 我们从功能、失效、缺陷或风险的角度倒算场景。 这样，您就可以构建面向法规遵从性的场景体系结构。 每部法律都对应一个场景系列。 我们现在也在支援国家部委建立从驾驶行为出发的大量数据集，现在正在建设中，应该很快就能看到。

接下来是评价，首先谈谈安全性评价。 想法也很清楚。 一方面从场景的研究，另一方面从驾驶行为的研究。 场景研究是指分析大量场景的特征。 驾驶员数据可以收集海量成熟稳重类型的驾驶员，通过机器学习方法获取他的驾驶行为的安全边界，从而建立安全边界模型，形成针对不同场景安全性量化的评价方法。 然后，需要在这里建立权重分解模型和各场景指标评价规则。 这件事从今年开始了。 现在出现在智能汽车指数上，下一版中将出现越来越多的这一部分。

对于合规性的量化评估，这反而比较简单。 道路交通安全法的所有法规都有详细的规定。 不能固定线，也不能过红灯。 虽然这些都很简单，但有些东西是难点，有些法律还不太清楚。 我们需要通过详细解读法律，提取中间的重要特征点，用重要参数形成合规测试场景和评价体系。 一方面通过场景细分要素进行理解，另一方面整合不同的评价指标，通过多阶段融合形成合规评价体系。

从整体上看，可以看出，中国汽研这几年基本形成了以场景为中心的自动驾驶评价系统，场景一般分为危险边界。 比较支持对应于每个场景特征的测试工具。 其实和v形工艺的支持类似。 对于在大量生活中遇到的普通场景，其安全性不太成问题。 但是，我们必须追求它的掩饰性。 这时候，我们开发了通过云高并发模拟，并通过实际道路测试，按实际交通检测的道路测试设备和工具。 危险场景，即需要关注要点的被测场景使用sil/mil/hil，特别是hil方法，而封闭网站测试也是重要的手段。 针对边界出现得更少，而且有很强的危险性、安全性隐患的场景，我们提出了将数字双胎整车用于环的方法。 另一方面，由于测试过程存在安全性隐患，认为边界场景出现量少、更多、复杂，更难关闭测试现场，我们建议环环相扣地用整车处理这个问题。

具体介绍仿真测试，中国汽研以制定系统总体处理方案为重点。 其中算法级的mil测试能力、传感器对控制器、域控制器、车载互联网都具备整体的处理规划能力。 正如我前面所说，我们需要同时进行大规模的云模拟。 这也在过去的1-2年内重复了这个处理方案，基于场景云、模拟云、评价云构建了工具链。

整车级测试，这是数字双胎在环上的评价，它本身就是将软件和整车结合起来。 通过这种做法，一方面兼具了模拟软件本身的优点，如灵活性、效率性、安全性等。 并结合整车测试的优点，说明实际车辆动力学处于环境中，实际车辆受环境控制，与实际车辆测试相比，表现出了突出的特点。 现在，我们也将测试系统和实车的测试数据进行了比较，结果表明了这个测试的精度

关于实际车辆测试，我们共同领域的许多兄弟机构一起发表了ICV测试设备白皮书。 并且，我们牵头进行了大量的测试和测量工作，改善了中国行人目标，目前实现了国产化，体现在测试上。

高精度现场测试系统目前具有很强的适应性，且精度也是国际一流水平，目前高精度现场评价系统已经实现国产化。

开放式道路评估系统加装高精度传感器、算法和v2x设备，形成一系列包括增值、采集、一体化的开放式道路测试的系统。 现在，这个系统重复了好几年，所以关注一下就明白了吧。 关于整个测试评价，我们自己一方面在进行研究开发，一方面和同行的专家们一起，另一方面也在支持政府。 特别是安全和合规，本身就支撑着政府监管的重点，所以国家各部委在数据观察、标准制定和测试方法的研究方面给予了很多支撑。

中国的智能车指数，这从客户的角度出发，将安全和合规性的评价与i-vista智能车指数密切相关。

自动驾驶挑战赛现在已经进行了4年，领域内的很多同行应该也参加了。 现在也在挑战吉鲁上反复进行安全合规评价，促进了整个领域的商业化迅速发展。

最后提到的是i-vista国际联合研究中心，产业关注的共性测试评价问题我们来到了联合中心，一方面支持国家各部委的研究和标准制定，另外也关注汽车企业共性技术开发的诉求，成为了公司政府的纽带，各位同事也自动驾驶测试

是的，我们自己的思考和实践介绍到了这里。 谢谢你。