中国自动驾驶仿真研究报告.docx
《中国自动驾驶仿真研究报告.docx》由会员分享，可在线阅读，更多相关《中国自动驾驶仿真研究报告.docx（19页珍藏版）》请在冰豆网上搜索。
中国自动驾驶仿真研究报告
2021中国自动驾驶仿真研究报告
自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。
采用路测来优化自动驾驶算法耗费的时间和成本太高，且开放道路测试仍受到法规限制，极端交通条件和场景复现困难，测试安全存在隐患。
世界各国交通环境也大相径庭，形成全球通用的产业链体系比较困难。
以上种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。
因此，基于场景库的仿真测试是解决自动驾驶研发测试挑战的主要路线。
自动驾驶仿真测试已经被行业广泛接受。
目前自动驾驶算法测试大约90%通过仿真平台完成，9%在测试场完成，1%通过实际路测完成。
第一章、自动驾驶仿真测试的意义
1.1自动驾驶商业化面临路测数据匮乏的挑战
自动驾驶汽车在真正商业化应用前，需要经历大量的道路测试才能达到商用要求。
但作为新兴事物，自动驾驶汽车仍面临着大量问题需要克服，如道路测试的时间成本、各国对于自动驾驶的法律法规容忍度、极端场景及危险工况的测试安全性、各国道路交通环境及习惯不同等问题，都给自动驾驶系统研发测试带来诸多困难。
采用路测来优化自动驾驶算法耗费的时间与成本太高。
自动驾驶属于人工智能范畴，仍处于不断发展阶段。
根据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计177亿公里的驾驶数据来完善算法。
如果配置一支100辆自动驾驶测试车的车队，每天24小时不停歇路测，平均时速25英里（40公里）每小时来计算，需要500多年的时间才能完成目标里程，期间所耗费的时间和成本是难以承受的。
自动驾驶相应交通法规及保险理赔机制的缺失制约了自动驾驶汽车路测的大范围开展。
由于自动驾驶汽车尚不能保证绝对安全，我国政府对开放自动驾驶道路测试保持谨慎的态度，仅依靠部分开放道路以及智能网联测试区进行路测，难以满足自动驾驶汽车旺盛的测试需求。
主要体现在以下四个方面：
自动驾驶汽车路测缺乏法律依据。
目前在绝大部分公开道路，尤其是高速公路上测试自动驾驶汽车仍然缺乏法律依据，阻碍了测试的进度。
自动驾驶路测车辆禁止载人载货，导致测试不全面。
现行规定明确禁止测试过程中搭乘与测试无关的人员或货物，阻碍了测试主体开展更丰富的自动驾驶技术性测试。
自动驾驶汽车事故责任划分缺乏法律依据。
由于自动驾驶汽车的驾驶主体是自动驾驶系统或自动驾驶服务商，和现行人类驾驶员为主体的交通法规体系存在很大差别。
《侵权责任法》、《道路交通安全法》等法规中有关机动车交通事故的责任体系将不再适合，导致目前自动驾驶汽车的相关法律纠纷出现无法可依的局面。
自动驾驶汽车缺乏相应的保险理赔机制。
自动驾驶汽车突破了有关机动车保险的规定，使得目前的自动驾驶汽车“无险可投”，增加了测试企业及其他交通参与者的风险。
极端交通条件和危险场景复现困难，而且测试安全存在隐患。
自动驾驶汽车在实际道路行驶过程中，极端交通条件和危险场景可遇不可求，且安全问题也是一大困扰。
根据美国国家公路交通安全管理局（NHTSA）的统计数据，汽车平均行驶43.6万英里（70万公里）才会发生一起事故，平均行驶1亿英里（1.6亿公里）死亡大约1人。
此外，自动驾驶汽车测试行业依然没有就测试的安全性等标准达成一致，制约了自动驾驶的研发测试。
形成全球认可的自动驾驶产业链体系比较困难。
由于世界各国社会和经济环境千差万别，各地区的道路环境和交通习惯也大相径庭。
中国的城市道路中快递、外卖、行人混行情况普遍存在，对于自动驾驶汽车的感知决策能力提出了更高的要求。
而且中国的道路交通标志、标线设置不规范情况普遍存在，不同地区之间也有差别。
国内与国外的交通标志标线颜色、文字说明等方面也存在差别，这些在短期内很难得到改变。
上述种种问题使得自动驾驶产业链的全球化发展和技术交流面临众多实际问题。
1.2基于场景库的仿真测试成为自动驾驶研发的关键
目前基于场景库的仿真测试是解决自动驾驶路测数据匮乏的重要路线。
仿真测试主要通过构建虚拟场景库，实现自动驾驶感知、决策规划、控制等算法的闭环仿真测试，满足自动驾驶测试的要求。
场景库是自动驾驶仿真测试的基础，场景库对现实世界的覆盖率越高，仿真测试结果越真实。
而且自动驾驶汽车研发的不同阶段对于场景库的要求也不同，需要场景库实现不同的测试功能。
1.3仿真测试与道路测试结合推动自动驾驶研发
在自动驾驶的开发流程中，纯模型仿真—软件在环仿真—半实物仿真—封闭场地道路测试—开放道路测试的开发流程是最经济、高效的开发流程。
目前自动驾驶仿真已经被行业广泛接受。
例如美国自动驾驶领军企业Waymo旗下的仿真平台Carcraft每天150亿英里，相比之下，去年6月的数据是100亿英里。
除Waymo外，通用旗下的Cruise、AutoX、小马智行等国内外自动驾驶解决方案商也在进行大量的仿真测试，以完善自己的自动驾驶系统，仿真测试已经成为自动驾驶商用最重要的测试。
在仿真场景中，普通场景下的自动驾驶算法已经比较完善，突破难点在于一些极端场景（cornercases）。
由于极端场景在现实中可遇不可求，利用仿真平台可以便捷生成，所以业界共识是加大仿真测试在自动驾驶测试中的占比。
目前自动驾驶算法测试大约90%通过仿真平台完成，9%在测试场完成，1%通过实际路测完成。
仿真测试结果可以在封闭场地进行测试认证，此外在道路测试基础上总结出危险场景，反馈到仿真测试与封闭场地测试中，最终形成评价结果，逐步完善评价准则和测试场景库，实现了仿真测试、封闭场地测试、道路测试的测试闭环，推动技术迭代升级。
随着仿真技术水平的提高和应用的普及，行业旨在达到通过仿真平台完成99.9％的测试量，封闭场地测试完成0.09％，最后0.01％到实路上去完成，这样可以使自动驾驶汽车研发达到更高效、经济的状态。
第二章、国内外自动驾驶仿真测试发展现状
2.1政策法规现状
在世界范围内，众多国家针对自动驾驶及相关功能有着不同的政策策略及法规专注度。
欧盟认为以协作、网联、自动为特征的出行模式是未来的交通系统发展趋势，但在智能网联汽车整体策略上态度相对保守。
美国发展智能网联汽车拥有雄厚的产业优势，参与自动驾驶研发的企业涵盖芯片技术、算法开发、系统集成、电信运营、仿真测试、电子设备、整车制造及信息服务等领域，且全部为本土及国际高精尖企业及研究机构。
日本方面，政府非常重视智能网联汽车的研发与应用，并认为加快L3、L4级别自动驾驶汽车的研发需要国家级场景库协助日本主导国际话语权。
各国与地区在仿真测试技术路线上都形成了跨领域、跨行业的合作共赢模式。
欧盟大力推进各成员国、各企业机构之间的协调统一、成果共享；美国与日本企业组建跨国、跨行业联盟，发挥各自优势并分担研发成本。
我国智能网联仿真测试产业发展迅速，技术创新活跃，产业规模不断扩大，但也存在顶层设计欠缺、部分关键技术缺失、标准法规滞后等问题。
我国拥有全球最大汽车市场，强大的信息通信产业以及完备的计算机科学人才等良好基础，积极扩充合作和行业联盟有助于跟上国际合作潮流。
随着自动驾驶技术的发展，具备自动驾驶功能的汽车已经逐渐成为研发热点，世界各国均针对自动驾驶制定了相应战略方针，系统安全性是当前国际法规研究的重点。
在联合国层面，世界车辆法规协调论坛WP.29成立了自动驾驶汽车工作组（GRVA），该工作组正在进行自动驾驶相关安全法规的制定。
在GRVA子工作组VMAD自动驾驶安全验证方法中，形成了以道路测试、场地测试、仿真测试、审核与验证、交通场景等为支撑的“多支柱验证方法”，仿真及虚拟测试逐渐成为被国际认可的自动驾驶功能验证中必不可少的一环。
2020年中国作为联合主席成员国，参与起草GRVA子工作组FRAV《自动驾驶车辆的通用功能性要求》草案，此草案从系统安全、设计运行域、故障保护响应、目标事件检测和响应、人机交互界面及操作员信息等方面提出了对自动驾驶功能安全的要求。
2020年6月，WP.29世界车辆法规协调论坛通过了世界上首个针对Level3级自动驾驶车辆有约束力的法规——UNRegulationonAutomatedLaneKeepingSystems（ALKS），此条款从2021年1月正式开始生效。
此条款规定了自动驾驶车辆开启自动车道保持功能的具体需求、移交条件及干预条件，其中重点约束了车载显示器、人机交互条件、与驾驶员车辆控制权移交、驾驶员没有做出正确判断后的系统退出机制等。
牵头此草案的国家为日本和德国，通过此条款后，日本、法国、荷兰以及加拿大等国已经确立了此草案与当地法规的生效关系，英国同样承诺在预设的300英里公开测试道路上及相关区域进行相应测试。
此外，此法规同时着重描述了此自动驾驶功能与多支柱法之间的关系，提出了具体的道路测试、场地测试、仿真测试、审核与验证具体的映射关系，进一步确立了多支柱法中不同条件的交互关系。
此外针对安全及相应问题，
提出了以下几点要求：
发生碰撞情况下的紧急情况的处理机制，需要利用仿真进行相应测试；
系统失效条件下，要求驾驶员取回控制权及相应条件；
提出系统移交条件以及驾驶员无回应时的系统保护的风险条件；
安装车辆驾驶员就位识别系统，识别驾驶员就位以及其控制意图识别；
车辆车载自动驾驶信息存储系统，以及其相应信息记录机制；
车辆出售前车辆性能及表现需求声明，提出配备此功能车辆的表现需求及后续保养需求等。
此法规的发布，对国内自动驾驶标准法规的制定同样具有借鉴意义。
2.2标准发展现状
国际标准化组织ISO于2018年正式成立TC22/SC33WG9自动驾驶场景工作组，制定自动驾驶测试场景相关标准。
此工作组由中国牵头，汽车标准委员会秘书处王兆作为召集人，这是我国在ISO/TC22（道路车辆委员会）范畴内首次承担国际标准工作组（WG）召集人职责，是我国在汽车国际标准化方面迈出的重要一步。
WG9工作组下一步工作重点是形成现阶段工作情况报告，尽快制定完成和发布该系列标准，为国际相关标准法规及产业应用提供支持。
自动驾驶场景工作组已于2019年通过了四项标准以及一项预留标准的立案，具体标准见下表，其中，34505“基于场景的自动驾驶系统的评测体系”为预留草案。
中国国内在仿真测试行业中，逐步认识到相关重要性，2020年，由中国汽车技术研究中心有限公司撰写的《自动驾驶测试场景技术发展与应用》出版上市，此书籍由全国汽车标准技术委员会（SAC/TC114）及其智能网联汽车分技术委员会（SC34）秘书处统筹组织规划，同济大学、华为技术有限公司、吉林大学、上汽集团前瞻技术研究部、中国第一汽车集团、中国汽车技术研究中心有限公司、国汽智联、阿里巴巴菜鸟网络等单位作为各章节主要编写单位，共计来自于30余家骨干单位近百名专家参与撰写。
此书作为2019年至今为止在仿真测试方面，涵盖最多的成员单位，最为集中的体系与内容，逐步将会成为仿真测试行业中标准的先行团队。
后期相应研究标准将按照《自动驾驶测试场景技术发展与应用》逐步形成标准化内容。
针对此方向标准，全国汽车标准技术委员会（SAC/TC114）已于2019年在全国范围内成立《自动驾驶汽车仿真测试标准化需求研究》项目组，由中国汽车技术研究中心有限公司牵头组建。
此项标准将在仿真测试通用要求、测试工具、测试流程等方面开展标准化研究工作，并组织项目组成员进行仿真测试与实车测试对比试验，用以验证仿真测试的真实性、可重复性等。
后续该项目组将按照规划按时完成研究报告，并同步开展相关标准预研工作。
除ISO外，其他国家与组织也针对自动驾驶测试场景展开了研究。
2016年，德国联邦经济与能源部（BMWi）启动PEGASUS项目，旨在开发一套自动驾驶功能测试程序，以促进自动驾驶技术的快速落地。
PEGASUS项目内容包括定义自动驾驶车辆在仿真、测试场地以及实际环境中的测试与实验标准流程；开发一个持续的和灵活的工具链以维护自动驾驶开发与验证；在开发早期的阶段集成测试；创建跨整车厂的方法来维护高度自动驾驶功能等。
PEGASUS项目于2019年5月结项，其中一项重要研究成果就是OpenCRG、OpenDRIVE、OpenSCENARIO三项驾驶场景仿真格式标准。
该标准已于2018年正式从戴姆勒和VIRES转交ASAM进行下一步标准维护与开发。
以此为契机，ASAM于2018年新开创一类标准——仿真，用于制定和协调自动驾驶领域的相关仿真标准。
德国自动化及测量系统标准协会（ASAM）是一家非政府的汽车领域标准化制定机构，1998年由数位行业专家为标准化ECU开发与测试中的数据交互而创立，致力于实现开发流程中各环节的数据信息自由交换。
截至2019年，共有来自亚洲、欧洲、北美洲的295家整车厂、供应商及科研机构加入成为会员。
ASAM推出的标准涉及多个汽车标准领域，包括仿真、车联网、测量与校准、诊断、自动化测试、软件开发、ECU网络和数据管理与分析等。
随着自动驾驶技术的发展，仿真测试对于自动驾驶的安全落地至关重要，ASAM发布的OpenX标准得到了全球广泛关注，热度逐渐提升。
成员单位提出希望制定更多的仿真领域标准，并以OpenX命名，其中还包括OpenLABEL。
2019年10月，由宝马开发的OSI标准正式移交ASAM进行维护与开发。
至此，ASAM启动的OpenX包含标准达到了5项（见图表6）。
同时随着全球自动驾驶测试需求的提升，更多的标准提案与计划已经提上日程。
2020年是自动驾驶应用落地的重要开端，也是OpenX标准体系应用推广的重要一年。
目前，在ASAM仿真验证领域，OpenX系列标准主要包括OpenDRIVE、OpenSCENARIO、OpenSimulationInterface（OSI）、OpenLABEL和OpenCRG五大板块。
在仿真测试的整体流程中，OpenDRIVE和OpenSCENARIO针对仿真场景的不同数据格式进行统一；OpenLABEL将对于原始数据和场景给出统一的标定方法；OSI连接了自动驾驶功能与仿真工具，同时集成了多种传感器；OpenCRG则实现了路面物理信息与静态道路场景的交互。
中国的驾驶场景极具特色，不仅道路结构、交通标志、交通信号灯等形态各异，人车混流的交通状况也为构建动态仿真场景增加了许多难度。
为了更有针对性地解决与中国特色场景相关的诸多问题，ASAM标准协会于2018年与中汽中心下属中汽数据有限公司（以下简称“中汽数据”）开展技术交流。
中汽数据在驾驶场景、模拟仿真等领域取得的进展得到了ASAM的高度认可。
2019年9月，中汽数据与ASAM联合发表声明，共同组建C-ASAM工作组。
针对ASAMOpenX模拟仿真测试场景标准，C-ASAM工作组将整合中国智能网联汽车行业，利用国际合作平台价值，实现互通互利，携手共进，达成共赢的局面。
针对以上研究内容，从以下几大方面进行拓展。
目前C-ASAM工作组成员包括上汽集团、腾讯、华为、XX、赛目、四维图新、北京航空航天大学等20余家中国企业与研究机构，共同为中国在相应标准中发声，成为中国对标国际标准内容的重要工作组。
基于数据接口和格式等仿真验证领域的共性问题，ASAM引入的OpenX系列标准填补了行业多项空白。
该系列标准的推出与完善，使得仿真测试场景中各要素之间的隔阂逐渐被打破，原本孤立的各环节的贯通与交互成为可能。
而随着我国汽车仿真验证领域的国际化接轨进程将加快，OpenX系列标准的影响也将不断扩展。
2.3仿真测试应用现状
目前自动驾驶仿真市场参与主体主要包括：
科技公司、车企、自动驾驶解决方案商、仿真软件企业、高校及科研机构、智能网联测试示范区。
由于每个市场主体在自动驾驶仿真方面的技术基础不同，因此在推动自动驾驶仿真方面的研发及合作方式呈现不同模式。
2.3.1科技公司
科技公司在仿真方面起步相对较晚，在汽车功能探索方面经验较少，但是具备大数据优势，软件开发能力强。
自动驾驶汽车相比传统汽车，对软件的需求更大，科技公司进行仿真软件的探索，目的是进入市场庞大的汽车行业，建立更大的数据平台，形成新的业务增长点。
目前自动驾驶仿真科技公司主要包括腾讯、XX、华为、阿里等。
2.3.2整车企业
路测和仿真测试同步进行是整车企业的最佳选择，而自动驾驶汽车在真正实现落地之前，需经过众多功能与安全测试，路测就是其中一环。
由于路测效率较低，目前很多车企都倾向于选择自动驾驶仿真测试与路测相结合的方式来完成落地前的测试工作。
当前全球各大车企正在用仿真测试里程来取代一部分实际路测里程，即自动驾驶测试90%通过模拟仿真平台完成，9%通过测试场完成，1%通过实际道路测试完成。
模拟仿真测试已经成为加速自动驾驶技术研发和测试落地的重要手段。
考虑到车企自身软件开发能力弱，无法独立完成仿真测试，一般通过和科技公司或者自动驾驶仿真软件企业合作，利用后者仿真软件进行自动驾驶汽车开发，如上汽与TADSim，江淮与Prescan（见图表12）。
2.3.3自动驾驶解决方案商
自动驾驶解决方案商主要针对自身需求研发定制化仿真软件，较少对外提供仿真服务，但借助于充足的资金、人才集聚力及自身研发驱动力，在自动驾驶仿真方面具有很强的创新能力。
各领先自动驾驶解决方案商都有自身仿真测试软件，如Waymo、Cruise、小马智行、AutoX等。
Waymo借助大量虚拟仿真里程完善自动驾驶技术。
Waymo作为世界最领先的自动驾驶解决方案商，其核心竞争力是Carcraft仿真软件系统。
Carcraft可以完成从场景采集、场景库建立、仿真、测试结果反馈等一系列流程。
如Carcraft可以将测试车在真实道路上遇到的场景直接在模拟器中进行模糊化，形成虚拟场景，同时程序员也可以将多种情况进行叠加，创造出各种极端场景。
Carcraft进行模拟后得到的数据又可以反馈给真实世界的测试车辆，如此循环迭代，使得Waymo自动驾驶车辆越来越完善。
Carcraft现有一支由25000台汽车组成的虚拟车队，这些虚拟汽车每天24小时运行在Carcraft仿真系统，每天可在虚拟世界行驶2000万英里的里程。
截止2020年4月已完成了150亿英里的仿真测试里程，遥遥领先于其他公司。
Cruise利用仿真系统（Matrix）与路测结合，重点突破车辆表现欠佳区域及危险场景。
Cruise自动驾驶仿真具备以下四个特点：
第一，能对路测过程中车辆表现欠佳的区域，在仿真器中复现这段路线以提升自动驾驶软件的性能。
第二，可以在仿真器中复现危险场景，如无保护左转、不遵守交通规则的行人及车辆等，验证自动驾驶汽车的应变能力。
第三，能通过不断地训练让仿真器成为新的数据机，用仿真数据反哺路测工作。
第四，仿真器既能保障乘客安全，也能兼顾舒适性。
据Cruise介绍，其每天能完成3万次仿真测试。
小马智行实行软件快速迭代升级的自动驾驶仿真方式。
新开发功能或者bug修复后，首先会在仿真系统进行模拟测试，测试完成后进行场地测试或者路测，如果测试结果不符合预期重新进行代码修改。
如果测试结果符合预期，通常在一天内可以完成测试，然后每周会同步到所有测试车辆，并且每个工程师可单独、并行执行，保证了自动驾驶开发的快速迭代升级。
小马智行仿真系统测试场景通过两种方式建立。
第一，通过路测获得所有重要的场景并数字化处理收入场景库，后续所有代码的改动都会重新测试所有的重要场景。
第二，由于现实中场景收集的局限性，仿真系统还可以创造一些场景。
AutoX通过自动驾驶车辆与仿真大数据云平台协同，驱动自动驾驶落地。
AutoX拥有一支RoboTaxi自动驾驶乘用车队，搭载AutoX硬件系统，每天收集真实世界的海量数据。
仿真大数据云平台通过对车队收集的真实世界海量测试运营数据进行数据加工和压缩、质量监督、自动标注、结构化测试，并通过仿真平台以×1000倍量级对真实路采数据进行混合仿真，生产出更大量级、更高难度的虚实混合仿真数据。
由此，AutoX打造了可拓展、可衡量的分布式仿真平台，并且支持大规模手工和自动场景的产生。
2.3.4仿真软件企业
仿真软件企业可分为传统仿真软件企业、初创企业两大类。
传统仿真软件企业由于技术积累比较深厚，进入自动驾驶仿真具有先天优势，而且合作伙伴较多，二次开发具有优势。
初创企业由于起步晚，技术积累较弱，国内企业和国外的差距较大，但依靠雄厚的资金和人才集聚力，创业公司在自动驾驶仿真软件研发方面有望迅速崛起。
在全球主流自动驾驶仿真软件企业中，美国和德国占据全球企业总数一半以上。
通过图表13可以发现，在22家仿真软件企业中，有8家来自美国，占总数的36%，显示了美国在自动驾驶领域的世界领先地位。
来自德国有7家占总数的32%，主要是德国在传统仿真软件领域的坚实基础促进了自动驾驶仿真的发展。
中国有3家自动驾驶仿真软件初创企业，但在汽车传统仿真领域存在短板，在自动驾驶仿真方面积累薄弱，创新性不足。
2.3.5高校及科研机构
高校及科研机构主要应用自动驾驶仿真软件进行前瞻性、基础性研究，但很难形成成熟的商业化产品。
国内从事自动驾驶仿真研究的高校及科研机构主要包括：
清华大学、同济大学、北京航空航天大学、吉林大学、天津大学、长安大学、南京航空航天大学、武汉理工大学等。
武汉理工大学开发的仿真测试平台，可以实现HIL、路径规划及跟踪测试、高速场景下的高速编队自动驾驶技术，并且实现了仿真场景构建、自动驾驶传感器性能及算法评价，为自动驾驶的量产评价提供指导。
吉林大学在基于场景的自动驾驶虚拟仿真测试体系方面，应用Panosim仿真平台实现了车辆及动力学模型、静态虚拟场景、动态虚拟场景、模拟环境传感、智能驾驶系统等的仿真，形成了完整的自动驾驶汽车虚拟仿真测试环境。
在国外，西班牙巴塞罗那自治大学、德国国家宇航中心开发的自动驾驶仿真软件已经得到应用。
西班牙巴塞罗那自治大学开发的CARLA，支持传感器、环境状态、动静态交通参与者、地图的灵活配置；德国国家宇航中心开发的自动驾驶仿真开源平台SUMO，支持微观连续交通流仿真，可自动生成道路网络，也可外接其他交通模拟器，如Vissim。
2.3.6智能网联测试示范区
智能网联测试示范区建设已形成一定规模。
目前全国有10余家国家级和数家省级智能网联测试示范区，主要通过对5G、V2X车路协同、模拟仿真、车联网等新技术的部署和应用，为自动驾驶、网联通信供应商等提供系统测试服务，推动汽车、信息通信、道路设施等内容的综合标准体系的建立。
为推动智能网联汽车的仿真测试工作，已有企业和智能网联示范区开展了路测与虚拟仿真相结合的测试。
如腾讯已和国家智能网联汽车（长沙）测试区合作，建立了湖南省"智能网联汽车仿真实验室"项目，基于高精度地图和模拟仿真技术，对测试区的地理全貌进行数字化建模，实现在仿真环境下进行安全、高效的智能汽车实验。
西门子全球仿真及测试技术（成都）研发中心与中德智能网联汽车试验基地合作，将为后者提供仿真测试技术平台，助力智能网联汽车、车联网标准及测试验证发展。
第三章、自动驾驶仿真测试平台环境
3.1仿真测试平台功能需求
对自动驾驶算法的开发来说，测试验证手段必不可少。
引入虚拟仿真平台进行自动驾驶测试的核心目的，正是为了弥补实车测试的不足，提高自动驾驶汽车测试的安全性并节省测试时间和成本，快速推动自动驾驶汽车落地。
因此，自动驾驶仿真面向的主要客户是有自动驾驶开发需求的汽车厂商、算法公司以及各类汽车测试场，从满足客户使用的需求来讲，自动驾驶仿真测试平台至少应该具备以下功能。
自动驾驶汽车的仿真测试，首先需要模拟构建出与真
升级会员 