周文輝

（公安部道路交通安全研究中心，北京 100062，中國）

1 概述

由于道路環(huán)境及相應(yīng)的駕駛?cè)蝿?wù)的復(fù)雜多變，導(dǎo)致自動(dòng)駕駛汽車面臨的行車場(chǎng)景異常復(fù)雜，其數(shù)量巨大，甚至是無窮的。傳統(tǒng)的基于行駛里程測(cè)評(píng)汽車的辦法變得基本不可行，應(yīng)用自動(dòng)駕駛道路測(cè)試中的“接管”“事故”等指標(biāo)也難以全面有效地評(píng)估自動(dòng)駕駛功能的運(yùn)行安全性。為此，業(yè)內(nèi)普遍推崇基于場(chǎng)景的自動(dòng)駕駛汽車運(yùn)行安全測(cè)試辦法。

基于場(chǎng)景的自動(dòng)駕駛汽車運(yùn)行安全測(cè)試和認(rèn)證面臨的最大挑戰(zhàn)，是確定可靠的、具有科學(xué)性和代表性的測(cè)試場(chǎng)景集，并基于此開展具體測(cè)試和評(píng)價(jià)。國內(nèi)外在這方面開展了大量的研究，形成了基本的技術(shù)框架。具體如下圖所示：

圖1 基于場(chǎng)景的自動(dòng)駕駛汽車運(yùn)行安全測(cè)試和認(rèn)證技術(shù)流程

上述流程中，處于中間核心位置的是場(chǎng)景數(shù)據(jù)庫，各類場(chǎng)景均在此匯集和存儲(chǔ)。場(chǎng)景主要有三個(gè)層次，最高層次是功能場(chǎng)景，即通過自然語義描述的場(chǎng)景，抽樣程度最高，如“切入”。第二層次是邏輯場(chǎng)景，需要給出影響場(chǎng)景的每個(gè)因素的參數(shù)的范圍，如切入時(shí)的橫向速度范圍。第三層次是具體場(chǎng)景，是各個(gè)參數(shù)均明確的場(chǎng)景，如切入時(shí)道路交通環(huán)境、兩車初始速度和距離、切入車輛的橫向速度等。上圖中，場(chǎng)景數(shù)據(jù)庫的左側(cè)，是構(gòu)建場(chǎng)景庫的過程；右側(cè)，描述的是從場(chǎng)景庫中抽取場(chǎng)景，并開展測(cè)試和安全評(píng)估的過程。

2 場(chǎng)景數(shù)據(jù)來源

總體而言，場(chǎng)景庫數(shù)據(jù)來源主要有兩種。一種是知識(shí)類的，另一種是數(shù)據(jù)類的。知識(shí)包括各種表現(xiàn)形式的抽象信息、相關(guān)標(biāo)準(zhǔn)規(guī)范，或者是實(shí)際事故案例數(shù)據(jù)。數(shù)據(jù)主要來源于實(shí)際道路交通數(shù)據(jù)，如場(chǎng)地測(cè)試數(shù)據(jù)等。最具代表性的是實(shí)際駕駛數(shù)據(jù)。近年來，通過無人機(jī)獲取實(shí)際駕駛數(shù)據(jù)的做法被逐漸使用。通過無人機(jī)拍攝實(shí)際交通場(chǎng)景，可以以視頻方式獲取各交通參與者的速度、位置、軌跡等信息。這種獲取數(shù)據(jù)的方式無須額外安裝使用傳感器，較為經(jīng)濟(jì)和高效，也不會(huì)對(duì)實(shí)際交通造成嚴(yán)重干擾。不足之處是獲取交通場(chǎng)景的范圍一般在400米以內(nèi)，這對(duì)高速公路來說，略顯不足。隨著自動(dòng)駕駛技術(shù)的發(fā)展，各相關(guān)組織和企業(yè)都紛紛開始構(gòu)建屬于自己的實(shí)際駕駛數(shù)據(jù)，但往往不對(duì)外開放。

3 場(chǎng)景生成

根據(jù)場(chǎng)景數(shù)據(jù)來源的不同，場(chǎng)景生成的方式也不同，具體分為基于知識(shí)的場(chǎng)景生成方法和數(shù)據(jù)驅(qū)動(dòng)的場(chǎng)景生成方法。

3.1 基于知識(shí)的場(chǎng)景生成方法

基于知識(shí)的場(chǎng)景生成方法，其實(shí)質(zhì)是系統(tǒng)化地將知識(shí)轉(zhuǎn)化為場(chǎng)景。抽象的交通安全知識(shí)，以及交通規(guī)則、事故案例數(shù)據(jù)、消費(fèi)者測(cè)試結(jié)果、自動(dòng)駕駛倫理準(zhǔn)則、自動(dòng)駕駛交通安全分析方法、專家意見等均是場(chǎng)景構(gòu)建所需的知識(shí)來源。其中基于已有知識(shí)資源和專家經(jīng)驗(yàn)構(gòu)建場(chǎng)景的方法使用最為廣泛，在此過程中，大部分使用本體方法論來存儲(chǔ)和結(jié)構(gòu)化專家知識(shí)。

3.2 數(shù)據(jù)驅(qū)動(dòng)的場(chǎng)景生成方法

這種方法又細(xì)分為三類具體方法，分別是數(shù)據(jù)抽取法、數(shù)據(jù)聚類/分類法、參數(shù)化法，上述具體方法均廣泛應(yīng)用了機(jī)器學(xué)習(xí)和模式識(shí)別技術(shù)。

數(shù)據(jù)抽取法，主要用于構(gòu)建邊緣場(chǎng)景，是直接從各類數(shù)據(jù)范圍內(nèi)抽取具體數(shù)據(jù)，形成具體場(chǎng)景，具體采用直接尋找場(chǎng)景中對(duì)自動(dòng)駕駛具有挑戰(zhàn)性的參數(shù)或通過觸發(fā)動(dòng)作構(gòu)建具體場(chǎng)景。觸發(fā)動(dòng)作一般是對(duì)其他交通參與者的行為作“更具挑戰(zhàn)性”的預(yù)測(cè)。更進(jìn)一步的，應(yīng)用神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)方法，數(shù)據(jù)抽取法還可用于形成新的具體場(chǎng)景。

數(shù)據(jù)聚類/分類法的主要特征是將基于實(shí)際數(shù)據(jù)生成的單個(gè)場(chǎng)景進(jìn)行分組。聚類主要通過非監(jiān)督學(xué)習(xí)方法實(shí)現(xiàn)，具體應(yīng)用的技術(shù)主要有相似測(cè)量法、層次聚類算法或貝葉斯模型過程算法，在聚類過程中，分組的原則和標(biāo)準(zhǔn)是逐漸清晰的，事先并不知曉；分類時(shí)，根據(jù)事先確定的原則和標(biāo)準(zhǔn)進(jìn)行分組，主要通過監(jiān)督學(xué)習(xí)方法實(shí)現(xiàn)，具體應(yīng)用的技術(shù)較為多樣，例如根據(jù)潛在的目標(biāo)車輛與其他交通參與者的碰撞方向或相對(duì)運(yùn)動(dòng)狀態(tài)，確定分組。更進(jìn)一步的，可以應(yīng)用不同變量下的人工智能方法對(duì)場(chǎng)景進(jìn)行分組（如學(xué)習(xí)決策樹、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等）。

根據(jù)邏輯場(chǎng)景的定義，其是通過參數(shù)及其范圍、分布進(jìn)行描述的。通過聚類和分類形成分組后的場(chǎng)景，為進(jìn)一步的場(chǎng)景參數(shù)化，形成邏輯場(chǎng)景奠定了基礎(chǔ)。即各組場(chǎng)景所需的參數(shù)，是通過提取各實(shí)際測(cè)量參數(shù)獲取的。對(duì)于連續(xù)型參數(shù)，根據(jù)參數(shù)最大值和最小值，確定參數(shù)范圍；對(duì)于離散型參數(shù)，根據(jù)各具體測(cè)量數(shù)值確定參數(shù)集。根據(jù)實(shí)際參數(shù)的發(fā)生概率，可確定參數(shù)的分布。另外，各參數(shù)間的相關(guān)關(guān)系也需要考慮。這方面面臨的一大挑戰(zhàn)是，如何通過實(shí)際觀測(cè)到的有限數(shù)據(jù)，確定各參數(shù)的分布規(guī)律。

4 場(chǎng)景數(shù)據(jù)庫

對(duì)于基于場(chǎng)景的自動(dòng)駕駛汽車運(yùn)行安全測(cè)試和認(rèn)證而言，核心要素是建立測(cè)試場(chǎng)景庫。由于測(cè)試場(chǎng)景庫數(shù)量及各場(chǎng)景參數(shù)數(shù)量龐大，建立能夠高效描述和存儲(chǔ)場(chǎng)景的數(shù)據(jù)庫尤為必要。場(chǎng)景庫建立后，主要目標(biāo)是為相關(guān)數(shù)據(jù)的讀取和處理提供標(biāo)準(zhǔn)化接口和易于機(jī)器讀取的格式。

5 選擇具體場(chǎng)景

選擇具體場(chǎng)景后，就可開展自動(dòng)駕駛功能測(cè)試工作。由于參數(shù)范圍較大，因此理論上的具體場(chǎng)景數(shù)量是無限的。為了使測(cè)試工作具有可操作性，需要對(duì)具體場(chǎng)景進(jìn)行科學(xué)選取。理想的狀況是，利用最小的測(cè)試量，對(duì)自動(dòng)駕駛功能最大程度、最可靠的測(cè)試。具體場(chǎng)景的選取，主要有基于測(cè)試和基于關(guān)鍵數(shù)值這兩種方法，在其之下，還有更細(xì)化的方法，具體如下圖所示：

圖2 基于測(cè)試的具體場(chǎng)景選擇方法

圖3 基于關(guān)鍵數(shù)值的具體場(chǎng)景選擇方法

5.1 基于測(cè)試的具體場(chǎng)景選擇方法

通過測(cè)試選擇和評(píng)估具體場(chǎng)景。評(píng)估工作通過微觀交通指標(biāo)值進(jìn)行，上述指標(biāo)值可以是與交通事故相關(guān)的、與臨界參數(shù)相關(guān)的，或者是依據(jù)相關(guān)標(biāo)準(zhǔn)、規(guī)范確定的。通過測(cè)試選擇具體場(chǎng)景時(shí)，可以通過在參數(shù)范圍內(nèi)抽樣或在參數(shù)分布內(nèi)抽樣兩種方法選取參數(shù)。前者能夠較好地控制參數(shù)的覆蓋度，但由于不可避免的參數(shù)丟失，導(dǎo)致從微觀評(píng)估結(jié)果推導(dǎo)形成宏觀評(píng)估結(jié)果受到限制，而參數(shù)分布抽樣中的參數(shù)代表了具體行為或事件發(fā)生的概率，因而可以較好地得出宏觀評(píng)估結(jié)果。

最簡單的在參數(shù)范圍內(nèi)抽樣的方法是N-wise抽樣方法。采用這種方法時(shí)，所有的連續(xù)型參數(shù)均被離散化，之后對(duì)所有離散化參數(shù)進(jìn)行重組。由于數(shù)據(jù)量較大，因此一般應(yīng)用于簡單的駕駛輔助系統(tǒng)測(cè)評(píng)。如果應(yīng)用在自動(dòng)駕駛領(lǐng)域，需要進(jìn)行改進(jìn)以使測(cè)試效率更高，如應(yīng)用實(shí)驗(yàn)設(shè)計(jì)法、回歸測(cè)試、快速遍歷隨機(jī)樹算法等。

常用的參數(shù)分布內(nèi)抽樣的辦法是蒙特卡羅方法，該方法對(duì)實(shí)際中出現(xiàn)頻率高的參數(shù)抽取的次數(shù)也高，反之亦然。由于大量高頻出現(xiàn)的參數(shù)對(duì)自動(dòng)駕駛功能的挑戰(zhàn)性不大，因此使用該方法的測(cè)試效率不高。最近有不少研究致力于提升該方法的測(cè)試效率。例如，通過將極值理論和重要性采樣理論結(jié)合，可以提高測(cè)評(píng)的效率。其做法是在參數(shù)分布的外邊界選取測(cè)評(píng)參數(shù)，通過這樣系統(tǒng)化地選取參數(shù)，可生成更多的挑戰(zhàn)性場(chǎng)景。

5.2 基于關(guān)鍵數(shù)值的具體場(chǎng)景選擇方法

該方法的目的是盡可能高效地在車輛運(yùn)行設(shè)計(jì)域內(nèi)找出使自動(dòng)駕駛不能達(dá)到合格要求的具體場(chǎng)景，既可用于具體場(chǎng)景，也可用于邏輯場(chǎng)景。具體方法有以下4種：

（1）基于交通事故。從現(xiàn)有事故案例數(shù)據(jù)生成關(guān)鍵場(chǎng)景，并可通過調(diào)整部分參數(shù)的辦法優(yōu)化形成具體場(chǎng)景。但現(xiàn)有事故案例數(shù)據(jù)主要是針對(duì)人類駕駛?cè)说模瑢?duì)人類駕駛?cè)司哂刑魬?zhàn)性的場(chǎng)景，不一定同樣對(duì)自動(dòng)駕駛汽車具有挑戰(zhàn)性。

（2）基于臨界參數(shù)。通過評(píng)估真實(shí)數(shù)據(jù)，或在已有具體場(chǎng)景基礎(chǔ)上通過優(yōu)化算法形成臨界參數(shù)，但在此過程中，需要考慮自動(dòng)駕駛功能行為對(duì)上述參數(shù)的影響。另外，在使用真實(shí)數(shù)據(jù)過程中，同樣面臨著“對(duì)人類駕駛?cè)司哂刑魬?zhàn)性的場(chǎng)景，不一定對(duì)自動(dòng)駕駛汽車具有同樣的挑戰(zhàn)性”這個(gè)問題。

（3）構(gòu)建挑戰(zhàn)情形。通過直接調(diào)整參數(shù)數(shù)值或限制邏輯場(chǎng)景參數(shù)范圍的辦法，增加場(chǎng)景難度，進(jìn)而暴露更多自動(dòng)駕駛功能的不足。

（4）仿真優(yōu)化。根據(jù)上次微觀測(cè)評(píng)結(jié)果的結(jié)果，調(diào)整下次具體場(chǎng)景選擇測(cè)評(píng)，通過這樣不斷迭代的方式形成具體場(chǎng)景。另外也可使用成本函數(shù)優(yōu)化評(píng)估被測(cè)對(duì)象安全性能，應(yīng)用這個(gè)辦法時(shí)，可將每次迭代目標(biāo)設(shè)定為使被測(cè)對(duì)象“即將不符合要求”，進(jìn)而加速優(yōu)化選擇的效率。

6 場(chǎng)景測(cè)試

具體場(chǎng)景選擇完成后，就可在各種測(cè)試環(huán)境下開展實(shí)際測(cè)試，包括真實(shí)世界測(cè)試（如場(chǎng)地測(cè)試、道路測(cè)試）和虛擬仿真測(cè)試。由于成本、測(cè)試效率、結(jié)果評(píng)估等方面獨(dú)特的優(yōu)勢(shì)，近年來使用虛擬仿真測(cè)試的情況越來越多。

7 自動(dòng)駕駛安全評(píng)估

由于測(cè)評(píng)中，實(shí)際事故很難發(fā)生，因此一般使用安全替代指標(biāo)評(píng)估自動(dòng)駕駛安全性，即進(jìn)行微觀評(píng)估，其中最廣泛知曉的是碰撞時(shí)間（TTC）指標(biāo)。利用微觀評(píng)估的結(jié)果，可進(jìn)一步開展宏觀評(píng)估。在這方面，使用基于測(cè)試的方法選擇具體場(chǎng)景并得到微觀評(píng)估結(jié)果后，能夠較好地進(jìn)一步得出宏觀評(píng)估結(jié)果，特別是若具體場(chǎng)景是根據(jù)參數(shù)分布抽樣獲取的，則可根據(jù)參數(shù)分布和頻率，較為方便地得出宏觀評(píng)估的統(tǒng)計(jì)數(shù)據(jù)。使用基于關(guān)鍵數(shù)值的方法選取具體場(chǎng)景，其主要目的是得出對(duì)自動(dòng)駕駛功能最具挑戰(zhàn)的場(chǎng)景要素，因而很難根據(jù)其微觀評(píng)估結(jié)果開展宏觀評(píng)估。

8 總結(jié)

以上概要介紹了基于場(chǎng)景的自動(dòng)駕駛汽車運(yùn)行安全測(cè)試和認(rèn)證的技術(shù)框架。這其中起樞紐作用的是保存所有場(chǎng)景的數(shù)據(jù)庫。場(chǎng)景生成以及選擇用于測(cè)試的具體場(chǎng)景是整個(gè)框架中最重要的部分。具體場(chǎng)景選擇后，就可以啟動(dòng)基于場(chǎng)景的自動(dòng)駕駛功能測(cè)試。另外，在最后一步，需要根據(jù)具體場(chǎng)景的微觀測(cè)試結(jié)果，進(jìn)一步得出安全性能的宏觀評(píng)測(cè)結(jié)果。

深圳出臺(tái)國內(nèi)首部智能網(wǎng)聯(lián)汽車管理法規(guī)有望加速我國自動(dòng)駕駛立法進(jìn)程

深圳市人大常委會(huì)表決通過了《深圳經(jīng)濟(jì)特區(qū)智能網(wǎng)聯(lián)汽車管理?xiàng)l例》（以下簡稱《條例》），《條例》于今年8月1日起施行。這是國內(nèi)首部關(guān)于智能網(wǎng)聯(lián)汽車管理的法規(guī)，對(duì)智能網(wǎng)聯(lián)汽車自動(dòng)駕駛的定義、市場(chǎng)準(zhǔn)入規(guī)則、路權(quán)、權(quán)責(zé)認(rèn)定等多方面進(jìn)行了具體規(guī)定。

智能網(wǎng)聯(lián)汽車，通常指自動(dòng)駕駛汽車。本次《條例》從道路測(cè)試、準(zhǔn)入登記、使用管理、交通違法及事故處理等進(jìn)行全鏈條立法，全力為智能網(wǎng)聯(lián)汽車發(fā)展鋪平法律道路。有專家表示，《條例》的出臺(tái)，將為全國其他城市制定自動(dòng)駕駛準(zhǔn)入政策提供參考標(biāo)準(zhǔn)，有望加速我國自動(dòng)駕駛立法進(jìn)程。

自動(dòng)駕駛發(fā)生交通事故時(shí)該誰擔(dān)責(zé)，是長期以來社會(huì)各界普遍關(guān)注的問題?！稐l例》對(duì)此作出明確規(guī)定：有駕駛?cè)说闹悄芫W(wǎng)聯(lián)汽車發(fā)生交通違法或者有責(zé)任的事故，由駕駛?cè)顺袚?dān)違法和賠償責(zé)任；完全自動(dòng)駕駛的智能網(wǎng)聯(lián)汽車在無駕駛?cè)似陂g發(fā)生交通違法或者有責(zé)任的事故，原則上由車輛所有人、管理人承擔(dān)違法和賠償責(zé)任，但對(duì)違法行為人的處罰不適用駕駛?cè)擞浄值挠嘘P(guān)規(guī)定；交通事故中，因智能網(wǎng)聯(lián)汽車存在缺陷造成損害的，車輛駕駛?cè)嘶蛘咚腥?、管理人依照上述?guī)定賠償后，可以依法向生產(chǎn)者、銷售者請(qǐng)求賠償。同時(shí)，《條例》規(guī)定，智能網(wǎng)聯(lián)汽車相關(guān)企業(yè)應(yīng)當(dāng)制定數(shù)據(jù)安全管理制度和隱私保護(hù)方案，并將存儲(chǔ)數(shù)據(jù)的服務(wù)器設(shè)在中國境內(nèi)。