關(guān)鍵場(chǎng)景（Critical Scenario）識(shí)別對(duì)自動(dòng)駕駛測(cè)試具有重大意義。過(guò)往的關(guān)鍵場(chǎng)景識(shí)別主要是考慮安全因素。而本文則綜合考慮了安全影響和交通質(zhì)量影響。除了安全指標(biāo)，定義了四個(gè)覆蓋宏觀與微觀的交通質(zhì)量指標(biāo)，并對(duì)這些指標(biāo)進(jìn)行了歸一化和權(quán)重分配，在此基礎(chǔ)上應(yīng)用仿真工具鏈進(jìn)行分析。

自動(dòng)駕駛汽車(chē)面臨的主要挑戰(zhàn)之一是測(cè)試和驗(yàn)證。一方面，需要新的測(cè)試方法以改進(jìn)傳統(tǒng)路測(cè)方法，解決傳統(tǒng)測(cè)試中需要大量行駛里程所帶來(lái)的一些問(wèn)題。另一方面，由于發(fā)展初期有限的市場(chǎng)滲透率，測(cè)試驗(yàn)證過(guò)程還需考慮混合交通環(huán)境下其他人類(lèi)交通參與者的駕駛行為對(duì)自動(dòng)駕駛汽車(chē)功能產(chǎn)生的重大影響。基于仿真的自動(dòng)駕駛汽車(chē)通用工具鏈，用于關(guān)鍵場(chǎng)景（Critical Scenario）的模型在環(huán)識(shí)別，結(jié)合汽車(chē)動(dòng)力學(xué)仿真、交通仿真和車(chē)輛協(xié)同仿真進(jìn)行場(chǎng)景識(shí)別，并考慮了其他交通參與者的行為。最后通過(guò)安全指標(biāo)和交通質(zhì)量指標(biāo)評(píng)估并篩選得到關(guān)鍵場(chǎng)景。

1.引言

由于初期市場(chǎng)滲透率較小，自動(dòng)駕駛汽車(chē)的發(fā)展受到阻礙。在不考慮其他交通參與者駕駛行為的情況下引入這類(lèi)汽車(chē)相對(duì)簡(jiǎn)單，但是其在包括人類(lèi)駕駛員的混合交通環(huán)境下完成行駛?cè)蝿?wù)將面臨巨大挑戰(zhàn)。即使自動(dòng)化功能正常工作且駕駛行為符合規(guī)范，其他交通參與者也可能導(dǎo)致自動(dòng)駕駛汽車(chē)面臨關(guān)鍵場(chǎng)景。圖 1 顯示與人類(lèi)駕駛員的復(fù)雜交互所引起的關(guān)鍵場(chǎng)景的示例，頂部為初始狀態(tài)，底部為最終狀態(tài)。其中汽車(chē) 1 是自動(dòng)駕駛汽車(chē)，汽車(chē) 2、3 由人類(lèi)控制。汽車(chē) 2 的駕駛員駕駛行為較為激進(jìn)，而汽車(chē) 3 的駕駛員駕駛行為相對(duì)保守。首先，汽車(chē) 1 自動(dòng)檢測(cè)到可以執(zhí)行變道行為的理想情況。當(dāng)其進(jìn)行變道時(shí)，汽車(chē) 2 忽視安全間隙而緊跟汽車(chē) 1，同時(shí)汽車(chē) 3 駕駛非常謹(jǐn)慎，便可能導(dǎo)致圖 1 所示關(guān)鍵場(chǎng)景。本文后續(xù)介紹基于該具體場(chǎng)景展開(kāi)。

圖1 自動(dòng)駕駛汽車(chē)V1關(guān)鍵場(chǎng)景

2.基于仿真的通用工具鏈

識(shí)別關(guān)鍵場(chǎng)景是驗(yàn)證自動(dòng)駕駛汽車(chē)的關(guān)鍵環(huán)節(jié)，本文中，關(guān)鍵場(chǎng)景被定義為需要進(jìn)行測(cè)試的場(chǎng)景。

本文使用基于仿真的通用工具鏈（圖 2）解決識(shí)別關(guān)鍵場(chǎng)景的問(wèn)題。該工具鏈由邏輯場(chǎng)景（Logical scenarios）開(kāi)始，邏輯場(chǎng)景是基于參數(shù)空間的場(chǎng)景描述，通過(guò)確定參數(shù)空間中各參數(shù)的取值范圍，來(lái)限制可能的測(cè)試場(chǎng)景。

圖2 基于仿真工具鏈的自動(dòng)駕駛汽車(chē)關(guān)鍵場(chǎng)景驗(yàn)證與識(shí)別

邏輯場(chǎng)景參數(shù)空間中選擇特定參數(shù)便構(gòu)成了具體場(chǎng)景（Concrete scenarios）。參數(shù)選擇的方式如工具鏈左側(cè)所示（圖 2），通過(guò)使用專(zhuān)家意見(jiàn)、數(shù)據(jù)記錄、場(chǎng)景目錄等確定關(guān)鍵場(chǎng)景的方式的主要缺點(diǎn)是容易遺漏一些關(guān)鍵場(chǎng)景。本文選擇工具鏈右側(cè)方式，即使用參數(shù)變化模塊，該模塊通過(guò)自動(dòng)更改邏輯場(chǎng)景的參數(shù)來(lái)創(chuàng)建具體場(chǎng)景，這是在整個(gè)參數(shù)范圍內(nèi)識(shí)別關(guān)鍵場(chǎng)景的一種簡(jiǎn)單方法。使用該方式的主要挑戰(zhàn)是，在應(yīng)用工具鏈之前，關(guān)鍵場(chǎng)景及其特性是未知的，因此很難確定哪些參數(shù)組合被選取后需要更仔細(xì)和全面的去測(cè)試。

為了解決這一問(wèn)題，將上述方法生成的具體場(chǎng)景用于仿真環(huán)境的輸入，該仿真包括耦合交通仿真、汽車(chē)動(dòng)力學(xué)仿真和車(chē)輛協(xié)同仿真三部分：

交通仿真為汽車(chē)提供周?chē)煌ōh(huán)境

汽車(chē)動(dòng)力學(xué)仿真為汽車(chē)提供詳細(xì)動(dòng)力學(xué)模型以及需要測(cè)試的自動(dòng)駕駛功能

汽車(chē)協(xié)同仿真包括信息交互模型

然后，將定制的評(píng)價(jià)指標(biāo)應(yīng)用于仿真結(jié)果，根據(jù)仿真結(jié)果是否滿足評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)，將具體場(chǎng)景自動(dòng)分類(lèi)為關(guān)鍵或非關(guān)鍵場(chǎng)景。根據(jù)感興趣的領(lǐng)域不同，工具鏈可以使用不同類(lèi)型的評(píng)價(jià)指標(biāo)。在本文中，將使用安全和交通質(zhì)量作為評(píng)價(jià)指標(biāo)。

識(shí)別出的關(guān)鍵的具體場(chǎng)景可以被應(yīng)用于 V 型開(kāi)發(fā)模型的各個(gè)階段，包括模型在環(huán)（MiL）、軟件在環(huán)（SiL）、硬件在環(huán)（HiL）、汽車(chē)在環(huán)（ViL）等，并記錄數(shù)據(jù)。工具鏈的最后是對(duì)測(cè)試結(jié)果的分析，從而對(duì)功能開(kāi)發(fā)進(jìn)行反饋。

本文中使用高速公路自動(dòng)駕駛的例子來(lái)演示工具鏈的應(yīng)用過(guò)程，該工具鏈也可以擴(kuò)展到其他功能和領(lǐng)域，例如鄉(xiāng)村道路以及城市區(qū)域。

3.仿真環(huán)境

使用耦合仿真要求虛擬環(huán)境具有可比性。不同虛擬環(huán)境不一定需要完全相同，但基本幾何信息必須足夠相似，以使動(dòng)態(tài)耦合在這些環(huán)境中都適用。靜態(tài)耦合是基于 OpenDrive 格式提供的實(shí)測(cè)數(shù)據(jù)集，地圖數(shù)據(jù)轉(zhuǎn)換方案如圖 3 所示。

圖3 仿真環(huán)境的靜態(tài)耦合和映射數(shù)據(jù)轉(zhuǎn)換

地圖數(shù)據(jù)通過(guò)所選道路的高精度測(cè)量來(lái)獲取。本文選擇了位于法蘭克福（德國(guó)）附近的歐寶試驗(yàn)場(chǎng)。圖 3 所示的地圖數(shù)據(jù)轉(zhuǎn)換器是一種數(shù)據(jù)轉(zhuǎn)換工具，可將 OpenDrive 格式的數(shù)據(jù)解析為特定仿真環(huán)境中所需的特定格式。

動(dòng)態(tài)耦合主要集中在交通仿真和汽車(chē)動(dòng)力學(xué)仿真上。本文作者研究的可變區(qū)域如圖 4 所示。

圖4 可變區(qū)域的動(dòng)態(tài)耦合

交通仿真提供交通參與者行為，汽車(chē)動(dòng)力學(xué)仿真提供自動(dòng)駕駛汽車(chē)行為，包括駕駛功能和傳感器設(shè)置等。協(xié)同仿真在本文中將不做討論。動(dòng)態(tài)耦合確保了自動(dòng)駕駛汽車(chē)能夠在周?chē)慕煌ōh(huán)境中行駛，從而提供能夠響應(yīng)汽車(chē)駕駛功能的駕駛行為的動(dòng)態(tài)交通環(huán)境。

4.安全指標(biāo)和交通質(zhì)量指標(biāo)

本文基于傳統(tǒng)安全指標(biāo)和交通質(zhì)量指標(biāo)來(lái)識(shí)別關(guān)鍵場(chǎng)景。對(duì)于安全指標(biāo)，選定了碰撞時(shí)間TTC、制動(dòng)時(shí)間TTB、期望減速度為臨界指標(biāo)。對(duì)于交通質(zhì)量指標(biāo)，按關(guān)注的空間域（DOI）大小以及不同的交通表征，定義了宏觀指標(biāo)、微觀指標(biāo)、納米指標(biāo)、個(gè)體指標(biāo)四個(gè)子指標(biāo)。

4.1 傳統(tǒng)安全指標(biāo)

為了使用基于仿真的工具鏈識(shí)別關(guān)鍵場(chǎng)景，需要指定與危險(xiǎn)程度相關(guān)的術(shù)語(yǔ)。很明顯，對(duì)臨界性的理解會(huì)隨著具體要求改變而有顯著的不同。工具鏈的通用設(shè)計(jì)允許使用不同的臨界項(xiàng)，最著名的臨界性指標(biāo)為「碰撞時(shí)間」。

其中 Δp 是汽車(chē)位置的偏差，V_ego 是自車(chē)速度，V_obj 是對(duì)象速度，V_rel 是兩車(chē)之間的相對(duì)速度。另一個(gè)標(biāo)準(zhǔn)度量稱(chēng)為「制動(dòng)時(shí)間」，可定義為：

其中 a_ego_max 表示自車(chē)能夠執(zhí)行的最大減速度。這個(gè)指標(biāo)與自車(chē)的最大減速能力有關(guān)。最后一個(gè)指標(biāo)稱(chēng)為「期望減速度」，如下式

4.2 交通質(zhì)量指標(biāo)

為了研究自動(dòng)駕駛汽車(chē)及其對(duì)交通質(zhì)量的影響，本文提出了四種交通質(zhì)量指標(biāo)和一種組合各指標(biāo)的方法。該方法旨在為場(chǎng)景的臨界性評(píng)估收集更多信息。其優(yōu)點(diǎn)是增加了結(jié)果的穩(wěn)健性和有效性。指標(biāo)的一般要求可以表述如下：

應(yīng)識(shí)別每個(gè)關(guān)鍵情景

假陽(yáng)性率（FPR，F(xiàn)alse positive rate）應(yīng)該很低

評(píng)估應(yīng)采用分級(jí)制度

應(yīng)該有一個(gè)閾值，允許對(duì)組合的指標(biāo)進(jìn)行二進(jìn)制分類(lèi)

4.2.1 DOI界定和各指標(biāo)選取

不同的交通指標(biāo)關(guān)注的空間域不同。如圖 5 所示，本文有三個(gè)空間域。第一個(gè)是固定空間域（DOI），按照高速公路容量手冊(cè)的建議，它的尺度選擇為 450m。第二個(gè)移動(dòng) DOI（始終）跟隨著自車(chē)并直接關(guān)注周?chē)沫h(huán)境，引入它是為了獲得關(guān)于汽車(chē)周?chē)绊懙母郊又甘?。第三個(gè)移動(dòng) DOI 只考慮自車(chē)。

圖5 不同評(píng)價(jià)指標(biāo)的DOI

第一個(gè)子指標(biāo)是宏觀指標(biāo)。該概念關(guān)注固定的 DOI。

第二個(gè)子指標(biāo)是微觀指標(biāo)。它考慮固定 DOI 中的速度偏差和平均速度，把速度偏差除以自車(chē)的速度平均值的值作為微觀交通質(zhì)量的表征。當(dāng)關(guān)注總體交通質(zhì)量時(shí)，需要在指定的 DOI 中考慮每輛車(chē)，在這里車(chē)的標(biāo)號(hào)用索引j表示，并且可以表示為：

σ_vj 為標(biāo)準(zhǔn)速度偏差，v_j 是每輛車(chē)的平均速度。得到的平均變異系數(shù) CV 由公式 5 的平均值計(jì)算。第一個(gè)移動(dòng)的 DOI 是圍繞自車(chē)的圓圈，其允許考察近距離的交互。

第三個(gè)子指標(biāo)是納米指標(biāo)。它的計(jì)算是基于速度偏差*** 的平均值。

其中 σ_vCircle_j 是速度標(biāo)準(zhǔn)偏差和 v_Circle_j 是相對(duì)于 DOI 的平均速度。

第四個(gè)子指標(biāo)是個(gè)體指標(biāo)。這個(gè)指標(biāo)僅考慮自車(chē)的數(shù)量。DOI 僅圍繞自車(chē),單獨(dú)考慮汽車(chē)的行為以收集有關(guān)評(píng)估過(guò)程的更多信息。

4.2.2 各指標(biāo)等級(jí)歸一化

場(chǎng)景是否關(guān)鍵以及是否應(yīng)進(jìn)一步研究的決定是二元的，因此最好有一個(gè)特定的閾值區(qū)分關(guān)鍵和非關(guān)鍵場(chǎng)景。為了實(shí)現(xiàn)全面整體的評(píng)分系統(tǒng)，每個(gè)指標(biāo)將被歸一化，「0」被定義為最佳等級(jí)，「1」被定義為最差等級(jí)。標(biāo)準(zhǔn)化評(píng)分系統(tǒng)可以表述如下，其中G_mac 是宏觀指標(biāo)的等級(jí)、G_mic 是微觀指標(biāo)的等級(jí)、G_nan 是納米指標(biāo)的等級(jí)、G_ind 是個(gè)體指標(biāo)的等級(jí)。

宏觀等級(jí)代表兩個(gè)時(shí)間間隔之間交通密度的變化。當(dāng)自車(chē)引起的交通密度減小時(shí)，相關(guān)場(chǎng)景會(huì)被分類(lèi)到關(guān)鍵場(chǎng)景中。

微觀等級(jí)考慮變異系數(shù)和平均速度之間的折衷。大的速度波動(dòng)和低的平均速度會(huì)使場(chǎng)景被分類(lèi)為關(guān)鍵場(chǎng)景，而小的波動(dòng)和高的平均速度可以被歸類(lèi)為理想的交通狀況。

納米等級(jí)使用平均速度作為附加指標(biāo)，納米等級(jí)下的的變化系數(shù)和平均速度僅針對(duì)移動(dòng)圓內(nèi)的汽車(chē)計(jì)算，以考慮具有近距離交互作用的交通參與者。

個(gè)體等級(jí)也使用平均速度作為附加指標(biāo)，它是通過(guò)加速度的標(biāo)準(zhǔn)偏差和自車(chē)本身的平均速度來(lái)計(jì)算的。大的加速度變化和低的平均速度會(huì)使場(chǎng)景被分類(lèi)為關(guān)鍵場(chǎng)景。

4.2.3 總體指標(biāo)計(jì)算

進(jìn)行總體分級(jí)的最簡(jiǎn)單方法是對(duì)指標(biāo)求平均值，如公式 8 所示。

但這些指標(biāo)的權(quán)重明顯不同。因此，作者利用由專(zhuān)家進(jìn)行評(píng)價(jià)和分級(jí)的訓(xùn)練數(shù)據(jù)，基于最小二乘法對(duì)加權(quán)系數(shù)進(jìn)行了優(yōu)化。目的是提高基于訓(xùn)練數(shù)據(jù)的整體評(píng)價(jià)的穩(wěn)健性。最終等級(jí)將以參數(shù)形式表示。

其中 x_1...x_4 是每個(gè)指標(biāo)的各個(gè)等級(jí)，β_1...β_4 是相應(yīng)的加權(quán)因子。圖 9 顯示了優(yōu)化方案。

圖9 加權(quán)因子優(yōu)化和指標(biāo)績(jī)效評(píng)估

相關(guān)的誤差矩陣如圖 10 所示。

圖10 用于關(guān)鍵場(chǎng)景二進(jìn)制分類(lèi)的混淆矩陣

理想的狀況是，「真陽(yáng)性率」（TPR，Truepositive rate）達(dá)到 100%，同時(shí)保持低的假陽(yáng)性率。圖 11 顯示了 ROC-Graph 中的優(yōu)化結(jié)果。

圖11 指標(biāo)表現(xiàn)結(jié)果

可以看出，組合優(yōu)化后的指標(biāo)（圖 11，黑色實(shí)線）效果最好。FPR 約為 10％，且滿足 100％ TPR 的要求。

5.關(guān)鍵場(chǎng)景識(shí)別方法應(yīng)用

本示例將 L3 高速公路執(zhí)行標(biāo)準(zhǔn)駕駛?cè)蝿?wù)作為用例，評(píng)估過(guò)程通過(guò)前文提出的安全和交通質(zhì)量指標(biāo)來(lái)完成，其中臨界分類(lèi)的相應(yīng)閾值為 G_final = 0.279，TTC = 3.9 s，TTB = 3.8 s，a_req = - 2 m/s^2 。本文一共選擇四個(gè)不同的進(jìn)入高速公路場(chǎng)景進(jìn)行實(shí)驗(yàn)。

場(chǎng)景一為無(wú)任何干擾，自車(chē)以規(guī)范行為進(jìn)入高速公路的場(chǎng)景。此場(chǎng)景是為了說(shuō)明指標(biāo)確實(shí)將最佳行為歸類(lèi)為不關(guān)鍵場(chǎng)景。結(jié)果如表 1 所示。評(píng)價(jià)結(jié)果表明指標(biāo)不會(huì)偏離（由空集 Φ 表示），場(chǎng)景未被識(shí)別為關(guān)鍵場(chǎng)景。

表1具體場(chǎng)景：自車(chē)無(wú)干擾進(jìn)入高速公路

場(chǎng)景二為進(jìn)入受干擾而導(dǎo)致傳感器誤差的高速公路場(chǎng)景。該場(chǎng)景會(huì)導(dǎo)致自車(chē)的路徑跟蹤控制器產(chǎn)生波動(dòng)。使用相同指定屬性來(lái)選擇相同的邏輯場(chǎng)景。仿真結(jié)果如表 2 所示。結(jié)果表明交通質(zhì)量指標(biāo)及安全相關(guān)指標(biāo)都對(duì)自車(chē)控制器產(chǎn)生的波動(dòng)作出了響應(yīng)，因此該場(chǎng)景被歸類(lèi)為關(guān)鍵場(chǎng)景。

表2 具體場(chǎng)景：自車(chē)帶有傳感器錯(cuò)誤信息進(jìn)入高速公路

場(chǎng)景三考慮了高精度地圖信息錯(cuò)誤的情況。自動(dòng)駕駛汽車(chē)使用高精度地圖來(lái)增加預(yù)見(jiàn)性和制定駕駛策略，特別是在高速公路入口處，高精度地圖可以提供如到車(chē)道末端距離和允許進(jìn)入高速公里的虛線起點(diǎn)位置等信息，地圖可能出現(xiàn)信息錯(cuò)誤而不允許自車(chē)直接進(jìn)入高速公路。仿真結(jié)果如表 3 所示。

表3 具體場(chǎng)景：自車(chē)帶有地圖錯(cuò)誤信息進(jìn)入高速公路

由于地圖信息錯(cuò)誤，自車(chē)不能進(jìn)入高速公路而在入口匝道上停車(chē)。L3 級(jí)功能要求駕駛員在堵塞入口匝道時(shí)接管汽車(chē)?；诮煌ㄙ|(zhì)量指標(biāo)，此場(chǎng)景被正確地歸類(lèi)為關(guān)鍵場(chǎng)景。由于自車(chē)沒(méi)有引起相關(guān)安全問(wèn)題，因此安全指標(biāo)沒(méi)有偏離。

場(chǎng)景四突出了其他交通參與者的行為及其對(duì)自動(dòng)駕駛功能的影響。前文所述的其他交通參與者在仿真中的激進(jìn)駕駛行為可以將自車(chē)逼到關(guān)鍵場(chǎng)景中。仿真結(jié)果見(jiàn)表4。

表4 具體場(chǎng)景：激進(jìn)交通參與者進(jìn)入高速公路

結(jié)果表明激進(jìn)的駕駛行為會(huì)極大地影響與安全相關(guān)的指標(biāo)。每個(gè)單一指標(biāo)值在某一時(shí)間會(huì)下降到臨界閾值以下，因此這些場(chǎng)景是危險(xiǎn)的，必須進(jìn)一步測(cè)試。在本次仿真中，交通質(zhì)量沒(méi)有顯著降低使得僅基于交通質(zhì)量指標(biāo)評(píng)價(jià)的場(chǎng)景被識(shí)別為不關(guān)鍵。

6.結(jié)論

本文介紹基于仿真的工具鏈，用于識(shí)別和驗(yàn)證自動(dòng)駕駛汽車(chē)的關(guān)鍵場(chǎng)景，并在包含傳感器錯(cuò)誤、地圖錯(cuò)誤和其他交通參與者激進(jìn)駕駛行為的不同場(chǎng)景中應(yīng)用了該方法。

將標(biāo)準(zhǔn)的安全指標(biāo)和本文新提出的評(píng)估交通質(zhì)量的指標(biāo)對(duì)交通場(chǎng)景進(jìn)行分類(lèi)，得到關(guān)鍵場(chǎng)景和相應(yīng)數(shù)據(jù)，作為測(cè)試結(jié)果幫助開(kāi)發(fā)人員改進(jìn)相應(yīng)的自動(dòng)駕駛功能。評(píng)估交通質(zhì)量的不同指標(biāo)的組合能夠?qū)唧w場(chǎng)景的關(guān)鍵性進(jìn)行二元分類(lèi)，這種分類(lèi)側(cè)重于找到考慮整體識(shí)別過(guò)程的最終等級(jí)的臨界閾值，而不是分開(kāi)使用每一個(gè)子指標(biāo)。通過(guò)計(jì)算最終等級(jí)并將該值與使用訓(xùn)練數(shù)據(jù)的優(yōu)化方案確定的閾值進(jìn)行比較，以確定具體場(chǎng)景是否關(guān)鍵。