01
自動駕駛仿真測試基本定義
定義：無需實車直接通過仿真軟體将自動駕駛的應用場景進行數字化還原，建立盡可能多的真實世界系統模型，進行測試驗證。
虛拟仿真測試的優勢：
1) 汽車研發、制造、驗證測試等環節不可或缺的技術手段，能有效縮短技術和産品開發周期，降低研發成本；
2)是實作高階自動駕駛落地應用的關鍵一環，具備自動駕駛功能的車輛必須經過大量的虛拟仿真測試以及實車路測之後才能商用化。
自動駕駛商業化的三個階段包括：虛拟仿真測試—封閉場地測試—開放道路測試，車企的自動駕駛開發的流程也是V字形，從産品設計驗證，MIL-SIL-HIL-VIL到開發驗證、測試驗證、體驗評價全過程。
自動駕駛仿真測試可以根據環境、傳感器、控制器、車輛四種元素的狀态可以分為五大仿真級别，級别越高，包含的真實元素越多。
1)Level 1的仿真測試基本是完全基于電腦來進行算法的驗證。
2)Level 2加入了傳感器信号裝置，将場景仿真軟體和車輛動力學軟體在實時仿真機運作，用來保證運作的實時性。
3)Level 3與Level2相比，部分傳感器使用真實部件。
4)Level 4場景仿真和車輛動力學仿真軟體聯合仿真，以真實車輛回報的輪速、車輪轉角等作為輸入，輸出行駛阻力和轉向阻力，通過轉毂試驗台回報給真實車輛，實作閉環測試。這其中的難點在于行駛阻力和轉向阻力模拟的真實性。
5)Level 5的仿真測試，不再将真實車輛置于轉鼓試驗台上，而是使用真實車輛在真實的道路上行駛，故一般也稱為車輛在環測試VIL。主機廠可以從level1-5可以根據不同需求選擇不同級别仿真測試，評估系統的安全與準确性。
普通場景下的自動駕駛仿真算法已經比較完善，突破難點在于一些極端場景（corner cases）。由于極端場景在現實中可遇不可求，利用仿真平台可以便捷生成，是以業界共識是加大仿真測試在自動駕駛測試中的占比。而且測試場景配置靈活，可以提升測試效率降低測試成本。
仿真測試、封閉場地測試、開放道路測試三者之間互相補充，形成測試閉環，共同促進自動駕駛車輛的研發和标準體系建立。
1) 仿真測試結果可以在封閉場地和開放道路進行測試驗證；
2) 通過道路測試得出的危險場景，将會回報到仿真測試中，便可有針對性的去調整設定場景和參數空間；
3) 仿真測試和封閉場地測試的最終結果要進行綜合評價，基于評價結果不斷地去完善評價準則和測試場景庫。
02
自動駕駛仿真的應用構成
//第一類應用構成——場景庫
應用構成分成3類，場景庫作為基礎，場景庫的建設需要仿真平台和評價體系作為指導；仿真平台作為核心，發展進化需要場景庫和評價體系作為支撐；評價體系是關鍵，建立和完善也需要以現有的場景庫和仿真平台作為參考基礎。三者緊密耦合互相促進的。
測試場景的資料來源主要包括三大部分：真實資料、模拟資料以及根據真實場景資料合成的仿真資料；此外，場景庫的4種典型測試場景：自然駕駛場景、危險工況場景、标準法規場景、參數重組場景。幾乎包含了所有的場景情況。
場景是自動駕駛汽車與其行駛環境各組成要素在一段時間内的總體動态描述，具有無限豐富、極其複雜、難以預測、不可窮盡等特點。測試場景庫的搭建，能有效驅動自動駕駛的研發測試工作，自動駕駛的研發測試反過來也能夠場景庫提供回報意見，豐富場景庫，進而形成閉環。
場景庫的标準體系是以德國ASAM,中汽資料與德國ASAM聯合成立的C-ASAM，還有ISO為行業的參照标準。ASAM最有權威的，全球範圍内300家左右的整車廠、供應商和科研機構都是協會成員，建立了仿真測試領域公認的OpenX标準體系。中國場景庫現狀是由于資料庫資料格式标準不統一，統一場景難形成，标準制定、認證體系落後市場進展，是以場景庫目前資料庫建設處于各自為戰狀态。
//第二類應用構成——仿真平台
仿真平台一般包括仿真架構、實體引擎和圖形引擎。仿真架構是平台軟體平台的核心，支援傳感器仿真、車輛動力學仿真、通信仿真、交通環境仿真等。
涵蓋所有這些子產品的自動駕駛仿真平台，主要驗證在架構的穩定性和性能方面：
通過仿真環境，結合部分硬體系統的計算結果進行測試，可以使軟體和硬體的相容性和功能完整性得以驗證，用較低的成本測量驗證子系統子產品功能安全性，局部子系統的全方位測試驗證，可以友善有針對性的達到系統辨識和錯誤追蹤定位的目的。
真平台為算法公司提供了算法快速疊代的純軟體接口方案，也提供軟硬體結合的系統解決方案。
//第三類應用構成——評價體系
仿真測試的評價體系。兩個重要的評價次元：真實性和有效性。真實性評價：主要是針對場景庫真實合理性的評價，分為場景資訊真實度、場景分布真實度兩個方面。第二個次元，目前尚未統一的有效性評價标準，目前可參考的标準國内外隻有這兩種，都各自有缺陷。中國《自動駕駛車輛道路測試能力平台内容與方法》是隻覆寫了汽車日常駕駛場景，聯合國這個NATM Master Document是隻能在關鍵的部分場景中進行驗證。
03
市場及産業鍊分布
//市場容量
自動駕駛仿真測試已經被行業廣泛接受，由于自動駕駛測試車輛數量較少，自動駕駛仿真測試平台能很好地補足傳統實地路測的缺陷，使得自動駕駛仿真平台成為實作進階别自動駕駛的剛需。2025年中國自動駕駛市場規模就将超過8000億元，自動駕駛仿真平台的參與者包含：科技公司、整車車企、自動駕駛方案解決商、仿真軟體企業、高校及科研機構等。預計到2025年自動駕駛仿真市場規模達到至少200億美元。
//自動駕駛産業鍊圖譜
網際網路仿真平台：
在仿真方面起步相對較晚，在汽車功能探索方面經驗較少，但是具備大資料優勢，軟體開發能力強。自動駕駛汽車相比傳統汽車，對軟體的需求更大，科技公司進行仿真軟體的探索，目的是進入市場龐大的汽車行業，建立更大的資料平台，形成新的業務增長點。
自動駕駛解決方案商：
主要針對自身需求研發定制化仿真軟體，較少對外提供仿真服務，但借助于充足的資金、豐富的道路實測資料支援，自身研發驅動力，在自動駕駛仿真方面具有很強的競争力。
傳統公司&初創公司仿真平台：
傳統仿真軟體企業由于技術積累比較深厚，進入自動駕駛仿真具有先天優勢，而且合作夥伴較多，二次開發具有優勢。
初創企業由于起步晚，技術積累較弱，國内企業和國外的差距較大，但依靠雄厚的資金和人才集聚力，有望迅速崛起。在全球主流自動駕駛仿真軟體企業中，美國和德國占據全球企業總數一半以上。德國和美國在傳統仿真軟體領域的堅實基礎促進了自動駕駛仿真的發展處于世界領先地位。中國目前僅有 3 家Startup，在汽車傳統仿真領域存在短闆，自動駕駛仿真方面積累薄弱，創新性不足。
04
國内外标杆企業競争對比分析
//國内外重點項目創新點及競争點對比
全球範圍内各家初創公司的在仿真子產品的技術差距并不是特别明顯，主要的差距核心還是在于場景庫資料的建構和仿真測試軟體應用與評價測試體系的積累。
//網際網路科技公司自動駕駛仿真軟體平台對比
05
痛點和解決方案
//置信度問題與解決方案
目前在置信度方面主要面臨三個問題：
仿真軟體本身：
a. 仿真模型大多都是建立在理想條件的情況下，仿真模拟器模拟出來的結果的置信度，還沒有具體可量化的名額去評價；
b. 若是考慮到傳感器硬體或軟體自身造成雷達的噪點問題，以及雨雪、水漬、灰塵等這些幹擾雷達工作性能的環境因素，導緻雷達性能減弱無法使用或者現實回波信号誤差難模拟的現象。這些問題或現象更是雷射雷達仿真模拟的難題。
仿真平台複現和泛化的虛拟場景：
a. 目前通常采用的手段是，基于真實資料通過仿真模拟器去複現和泛化出更多的虛拟仿真測試場景；
b. 真實場景的泛化主要存在兩大問題：
1) 泛化的方向不确定是否符合統計學意義與測試需求；
2) 泛化過程中複雜密集交通流真實性損失。
c. 是以，複現和泛化出來的虛拟仿真環境與真實環境之間必然存在差異，這種差異會對測試結果造成多大的影響，測試場景與真實場景的拟合度水準是如何？是否在可接受的範圍内？目前沒有可量化的名額評價。
測試結果評價标準：
a. 目前傳統的測試手段還是以硬體測試（包括HIL硬體在環、VIL車輛在環）或真實道路測試為主；
b. 參數無法确定是否标定好，真實結果也很難預測，是以試驗-仿真-試驗的回路不通；
c. 實際上驗證出來的資料不是特别可靠，是以真實性沒有保證。
解決方案：
1)騰訊自動駕駛仿真平台TAD-Sim采用遊戲渲染+真實資料雙擎驅動的方式，通過利用大量真實路采資料訓練交通流AI模型，再結合遊戲渲染引擎技術，自動建構互動性較強，貼近真實世界的測試場景。
2)百度采用增強現實的自動駕駛仿真系統-AADS，通過使用車輛搭載的雷射雷達和高清相機掃描街景，擷取車輛周圍靜态的場景圖像和車流移動的動态軌迹資料；利用這些素材，系統再應用增強現實技術直接、自動地建立高逼真度的仿真圖像，使得建立出的虛拟場景更加接近真實場景。
3)51 WORLD采用數字孿生測試技術來增加仿真測試結果的置信度，實車在真實場景測試的過程中，會以車輛在環方式将車輛實時狀态資料實時映射到虛拟場景中，同時虛拟場景的測試資料和評價結果也會回報給現實世界，作為指導和優化現實世界中真實車輛進行決策的重要依據。
//場景覆寫度問題
Corner Case難以全覆寫：對自動駕駛仿真測試來講，最大的挑戰在于去收集到所有Corner Case，來覆寫不同的道路環境、天氣環境以及交通狀況。
Corner Case地域特征不同：
1) “Corner Case”的地域性特征主要表現在測試場景在不同國家和地區存在較大的不同。因為各個國家的道路環境、交通習慣、交通規則以及駕駛習慣都可能存在較大的差異;
2) 地域性差異點：道路環境、交通狀況、交通規則 、駕駛習慣等。
通過所在地區的測試場景評價考核，保證它能夠應對所在地區所有的極端工況場景。因為本土仿真企業有“近水樓台”先發優勢，更容易設計開發出适合本國道路環境及交通法規、駕駛習慣等場景的仿真測試軟體。
06
總結
自動駕駛仿真平台的參與者包含科技公司、整車車企、自動駕駛方案解決商、仿真軟體企業、高校及科研機構等。随着行業的發展，技術壁壘會愈發明顯。傳統仿真巨頭和網際網路科技公司為了彌補自身在汽車自動駕駛仿真領域的短闆，也在不斷的收并購相關的初創企業，以擴充自己的業務領域，進而建構自身閉環的仿真平台；
對于初創公司來說，更應該根據自身的技術優勢在仿真領域選擇一塊适合自己的細分領域去深耕，做“大平台”下面的一個不可或缺的“軟體”技術；而機器學習作為公認解決自動駕駛長尾問題的一種有效工具，不斷打磨、完善技術模型，才是發展自動駕駛仿真賽道的長久之計。