9月28-29日， 2021年“东方风起领航、智能驾驶跃迁——中国车谷2021智能汽车产业创新发展论坛”在武汉市举办，会议以智能驾驶为主线，通过一个主论坛+六个平行分论坛的形式，对智能驾驶趋势、智能驾驶系统技术及人机共驾、车路协同及网联技术、人工智能与芯片、感知融合技术、智能驾驶测试和评价技术、高精地图与定位技术等主题展开讨论。
在9月29日的“智能驾驶测试和评价技术”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“智能网联汽车安全及合规性测试评价关键技术”的主旨演讲，内容如下：
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，大家下午好。感谢盖世，感谢东风提供这么一个平台。我来自中国汽研，我们在自动驾驶安全合规方面大概有5-6年的积累，很多是在摸索，也有一些试错，所以今天更多是跟大家讨论。直奔主题，今天主要从测试评价面临挑战和关键技术及解决方案两个角度进行分享。
首先自动驾驶测试评价和自动驾驶本身的研发一样都面临很多的挑战，我们知道人类驾驶员的认知能力，是远远超于当前人工智能的。现在我们把驾驶员的驾驶权转移到自动驾驶里面，就会带来大量复杂的问题。首先会面临复杂交通的环境，包括周边静态动态的行为，尤其在高等级自动驾驶里面要求在ODD范围内实现全域。同时对于测试系统来说要求也很高，如何才能够实现大量场景的复现，有很多场景出现频率不高，但是又很重要，这个时候就带来了长尾难题，这就是测试研发遇到的主要难题。
我们主要管理安全和合规两个维度，今天上午工信部郭司长跟大家强调，第三方测试评价机构也需要进一步加强测试评价能力的建设。这其实也从侧面说明了中国在智能网联汽车行业里面测试评价能力有很多需要突破的地方，安全性是其中一个。安全是车辆落地的首要条件，那么目前可以看到，现在具备驾驶辅助的车辆还是发生很多了安全事故，我们借用数据来看，近几年汽车召回数量迅速攀升，与汽车智能系统和功能相关的召回29次，涉及48.5万辆。那么如何能够用更强的覆盖性来覆盖面向安全的测试？如果同时发生了自动驾驶的事故或者自动驾驶包括接管的危险情况，那我如何进行安全情况的复现，把安全性从上到下，从下到上两个维度都进行兼顾。
下面是合规性挑战，这里面尤其想要讲的是面向类似于人类驾驶员的合规性。之前有些同僚也考虑过这样的问题，就是我们的合规性和安全性是不是有重叠的部分？甚至安全性能不能包含合规性呢？如果把安全性测试做好以后，同时就能兼顾合规性测试呢？经过探索之后发现不是，我们仔细梳理了合规性法规，道路交通安全法，一方面重点强调安全性，同时通过梳理一些规则，界定规则以后也是面向交通效率的提升，所以把这些规则要定义清楚。
道路交通安全法不光考虑安全性，同时考虑了效率，所以对安全性造成了一定的影响。举个例子来说，比如右前方有一个低速的车辆，蓝色的车有非常强的换道意图，如果蓝色车左边是实线，它的换道意图就会大大的抑制。红色这辆车对蓝色这辆车的预测就会受到非常大的影响，如果是虚线就会进行减速避让。被测车辆是蓝色的车，它的合规性就会显著影响它的安全性。事实上由于道路交通安全法的影响导致我们对安全性场景和评价方式，甚至场景设计都会有一些不一样，所以我们认为安全合规都要进行测试。
合规性测试也面临特有的挑战，一方面道路交通安全法，如果大家仔细研读会发现里面发条存在一些模糊性，尤其是让行，对于人类来讲可能相对好理解一点，往往通过已经发生交通事故来判断谁的责任。但是对于自动驾驶来说，它的逻辑必须写在产品开发之前，这就意味着它必须清晰界定出每个发条的边界，这是目前重要的难点。
第二个难点，对于交规的测试，总不能把面向安全或者其他的所有测试全部堆起来做测试，其实面向合规性测试还是有针对性的。那我如何才能尽快的复现针对合规性的测试呢？尤其在场地和道路测试中，说白一点如何找到自动驾驶车更容易违规的场景呢，这其实也是对合规性测试的挑战。
目前，中国汽研子公司在这方面有一些探索，我们总体思路包括三个部分：场景+测试+评价。其中场景和评价我们认为是有一一对应关系的，它是强关联的。首先每一个场景一定有对应的评价指标权重体系，同时有各个不同的评价指标评分规则。同样如果我们有一个评价的指标，那也会有一个针对这个评价指标的一套场景序列，另外是功能评价反向生成这个场景，这是两种建立场景库的思路。同时测试方法和设备是同时支撑场景数据库和场景评价的，它是作为技术和装备上的支撑。
先简单讲一下场景库，目前中国汽研在这方面已经积累了上百万自然驾驶数据，同时和国家召回中心合作，积累了五大类超过千例中国典型的交通事故数据库，这是数据源积累方面。从原始数据到真实场景库，我们需要把它进行特征聚类分析，一方面我们做场景的聚类和分类，另一方面从原始数据中要如何把这个数据填充到分类好的数据库中并进行扩充，经过我们几年的积累以后，目前已经形成全天候全工况全覆盖的中国典型的场景数据库。
中国合规驾驶场景库，是从合规性法条开始，我们对每一条法规进行详细的解读，我们判断这个法规往往界定什么样的场景？我们是从功能、失效、缺陷或风险的角度逆推场景，这样的话就可以构建面向合规性一套场景架构，每一个法条都对应一个场景系列。我们目前也是支持国家部委建立了从驾驶行为出发的大量的数据集，目前还在构建当中，应该很快就可以看得到。
接下来是评价，先讲安全性评价。思路大家也都了解，一方面从场景的研究，另一方面从驾驶行为的研究。场景研究就是分析大量场景的特性，驾驶员数据采集了海量成熟稳重型的驾驶员，把他的驾驶行为通过机器学习方法获取安全边界，这样可以构建安全边界模型，形成面向不同场景安全性量化的评价方法。同时我们还要在这里建立权重分析模型和每一个场景指标评价规则，这个事情我们今年开始做，目前在智能汽车指数中会体现，下一版会更多体现出这个部分。
关于合规性量化评价，这个反而相对简单一些。道路交通安全法每一条法规都是有详细规则的，你不能压实线，不能闯红灯，这些非常简单，但是有些东西是难点，有些法条中不是那么清晰的部分，我们需要通过对法条详细的解读，提取中间关键的特征点以关键参数形成合规性测试场景和评价体系。一方面通过场景细化元素理解，另一方面整合不同评价指标，通过多层次融合形成合规性评价体系。
整体来看，中国汽研这些年基本上形成了以场景为核心的自动驾驶测评体系，我们可以看到场景分为普通、危险边界的，我们针对不同场景的特征有对应的测试工具来进行支持。其实它和V字流程支撑是类似的，对于大量生活中遇到的普通场景，它的安全性不是太大问题，但是我们要追求它的覆盖性，这个时候采用云端高并发仿真，同时通过实际道路的测试，通过真实交通进行检验，这样的道路测试设备和工具我们已经开发了。针对危险场景，也就是重点要关注的被测场景采用SIL/MIL/HIL，尤其是HIL方式，此外封闭场地测试也是一个重要的手段。对于边界更少出现的，而且有非常强的危险性安全性隐患的场景，我们采用数字孪生整车在环的方式，因为一方面会考虑测试过程存在安全隐患，同时边界场景出现量很少，更复杂，在封闭测试场地更困难，所以我们提出了整车在环解决这个问题。
具体说一下仿真测试，中国汽研重点做系统整体解决方案，这里简单过一下算法级MIL测试能力，传感器关于控制器，域控制器，车载网络都具备了整体解决方案能力。按刚才讲我们需要大规模并发云端仿真，这也是在过去1-2年之内把这个解决方案进行了一轮迭代，我们基于场景云、仿真云、评价云，打造了一个工具链。
整车级测试，这就是数字孪生在环测评，本身是把软件和整车进行耦合，通过这种方法一方面兼顾了仿真软件本身的优点，如灵活、高效、安全等，同时结合了整车测试的优点，就是可以有真实的车辆动力学在环，真实的车辆控制在环境，它和实车测试相比都展示出优势的部分，目前我们也是刚刚对测试系统和实车测试数据进行比对，我们发现这个测试精度还是高的。
关于实车测试，我们联合行业里面很多兄弟单位一块发布了智能网联汽车测试设备白皮书。同时我们牵头相关标准做了大量测试和测量工作，对中国行人目标进行了改进，目前已经实现了国产化，在测试中已经得到了体现。
高精度场地测试系统，目前具有很强的适配性，同时精度也是国际一流水平，目前可以实现高精度场地测评系统的国产化。
开放道路测评系统会加装高精度传感器，算法，V2X设备，形成一整套包括增值、采集、一体化开放道路测试的系统，目前这个系统已经迭代很多年了，大家如果关注的话会了解到。关于整个测试评价，一方面我们自己在做研发，另一方面也是和同行专家们一块，另外还会支撑政府，尤其是安全和合规，本身是对政府监管重点的支撑，所以国家各部委，从数据分析、标准制定、测试方法研究方面都做了很多支撑。
中国智能汽车指数，这是从消费者角度，我们把安全和合规测评深入耦合到i-VISTA智能汽车指数当中。
自动驾驶挑战赛，目前已经进行了四年的比赛，估计行业里面很多同行也都参加过，目前也是把安全合规评价不断地迭代到挑战赛规程里面，整体助推行业商业化发展。
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都会到联合中心来，一方面支撑国家各个部委研究和标准制定，同时也关注车企共性技术研发的需求，成为企业政府的纽带，也希望各位同行能够一块把自动驾驶测试评价的诸多难题一起解决，希望能打造这样一个平台。
好，我们自己的思考和实践主要介绍到这儿，谢谢大家。
