智能网联汽车三支柱测试方法概念、应用及案例梳理

智能汽车道路测试需要获得相关政府部门的许可和监管，不同国家和地区有不同的规定和要求。

1.三支柱测试方法介绍

在智能网联汽车发展早期，其测试验证过程主要以道路测试和场地测试为主。随着其功能的日益复杂，所需测试的场景数量迅速增加，仿真测试由于速度快、安全性强，在智能网联汽车的试验体系中所占的比重越来越大。国际汽车制造商协会（Organisation Internationale des Constructeurs d'Automobiles，OICA）在2019年正式提出了由开放道路测试、封闭场地测试和仿真测试组成的智能网联汽车“三支柱”测试认证方法，得到了汽车行业相关技术人员的广泛认可。智能网联汽车三支柱测试方法是指一种包括模拟仿真测试、封闭场地测试和开放道路测试的综合测试方法。

模拟仿真测试是通过使用计算机模型和仿真软件，在虚拟环境中模拟车辆的行为和交通场景。这种测试方法可以进行自动全天候的测试，并模拟各种复杂的道路和交通情况。通过模拟仿真测试，研发人员可以评估车辆在不同场景下的性能表现。此外，模拟仿真测试还可以用于评估车辆在边界场景下的系统鲁棒性和容错能力，以及对各种异常情况的响应能力。 封闭场地测试是判定自动驾驶技术稳定性及其对道路交通适应性的基本方法，也是自动驾驶车辆开展开放道路测试的前提条件。封闭场地测试可以通过模拟特定的道路条件和交通参与者状态，对自动驾驶车辆进行关键功能与性能评估。此外，封闭场地测试还可以用于测试车辆与其他车辆和基础设施的通信和协作能力，例如车辆之间的碰撞避免和交通信号的识别等。

开放道路测试是在实际道路上进行，车辆在真实交通环境中进行驾驶，并与其他车辆和行人进行交互，这种测试可以检验自动驾驶车辆上路安全性和可靠性。在开放道路测试中，研发人员可以收集大量的数据，评估车辆在各种复杂道路情况下的表现，例如高速公路、城市道路和交叉路口等。开放道路测试不仅可以验证车辆在真实环境下的性能，还可以为模拟仿真与封闭场地测试提供参照。

通过综合利用模拟仿真测试、封闭场地测试和开放道路测试这三种支柱，可以全面评估智能网联汽车的性能、安全性和可靠性，发现潜在问题并进行改进。

2.三支柱测试方法应用现状

模拟仿真测试可以提高智能汽车开发效率和质量，降低测试成本和风险，提高测试覆盖率。目前模拟仿真测试支柱已经被各研究机构和汽车企业广泛应用。

封闭场地测试应用现状

智能汽车试验场专门为智能汽车提供各种道路环境和交通场景，以及相应的测试设备和服务的场地。智能汽车试验场可以模拟真实世界中可能遇到的各种复杂情况，检验智能汽车的感知、决策、控制等功能。国内外有一些典型的智能汽车试验场： Mcity，由美国密歇根大学主导、密歇根州交通部支持建设的无人驾驶虚拟之城，位于美国密歇根州安娜堡市，占地约 13 万平方米，于2015 年正式投入运营，是世界上第一座针对测试无人驾驶汽车技术而打造的模拟小镇。Mcity 的设计特色之一就是采用强化试验的思想进行智能车测试，多种道路突发状况可以集中发生；另一特色是柔性化设计理念，即道路无固定标线，可以随时更改车道布置。

AstaZero，欧洲现有最大的智能汽车试验场，始建于2014 年，由瑞典SP技术研究所和查尔姆斯理工大学运营。该试验场总面积为200 万平方米，其中铺装路面 25 万平方米。AstaZero 试验场的测试内容涵盖面较广，包括车辆动力学测试、驾驶员行为测试、V2V&V2I 功能测试、功能可靠性测试、通信技术测试等。Mira City Circuit，英国 Mira 公司建设的一座模拟城市环境的试验场，占地约 1.2 公顷，包括多种道路类型、交通标志、信号灯、人行横道、隧道、桥梁等元素，可以模拟城市中的各种驾驶场景。Mira City Circuit 试验场还配备了高精度的定位系统、无线通信系统和视频监控系统，为智能汽车的测试提供支持。国家智能网联汽车（上海）试点示范区封闭测试区：由工信部批准的国内首个“国家智能网联汽车（上海）试点示范区”封闭测试区于2016 年6 月7日在上海安亭投入运营。测试区建设有 1 个 GPS 差分基站、2 座LTE-V 通讯基站、16 套 DSRC 和 4 套 LTE-V 路侧单元、6 个智能红绿灯和40 个各类摄像头，可以为无人驾驶、自动驾驶和 V2X 网联汽车提供 29 种场景的测试验证，是全球功能场景最多、通讯技术最丰富、同时覆盖四类领域（安全、效率、信息服务和新能源汽车应用）的国际领先测试区。

北京亦庄 5G 智能网联示范基地：北京亦庄 5G 智能网联示范基地实现了5G智能网联测试场的互联互通，是行业首个跨省互联的车联网示范基地。在亦庄5G 测试场，监控视频设备、非现场执法设备、卡口视频设备、雷达与视频检测设备、红绿灯、灯杆等，都是作为统一的城市感知基础设施进行建设，支持开展车路信息交互和感知协同实践。测试场目前已经承接了20 余项技术攻关任务落地验证，围绕智慧全出行，已打造 100 余个创新场景，涵盖从辅助感知、协同感知、到协同决策控制全链路的测试验证。

开放道路测试应用现状

智能汽车道路测试需要获得相关政府部门的许可和监管，不同国家和地区有不同的规定和要求。国外有一些地区已经开展了智能汽车道路测试，介绍如下：美国加利福尼亚州是全球智能汽车道路测试最重要的地区之一，也是最早发布相关数据的地区，该地区于 2014 年批准了自动驾驶法规草案，允许自动驾驶车辆上路测试，并于 2017 年对该法规进行了修订，允许在车内没有驾驶员（配备远程安全员）的情况下进行全自动驾驶汽车的测试；同年，美国众议院通过了美国首部自动驾驶汽车法案（H.R.3388），对美国 20 多个州的碎片化自动驾驶测试法规进行统一管理。加州要求自动驾驶汽车道路测试时必须有安全驾驶员在车内，并且每年向加州交通管理局提交测试报告。截至2020 年底，加州共有63家企业获得了自动驾驶测试牌照，其中 29 家企业提交了2020 年的测试数据。这些企业总计进行了 312.8 万公里的测试，其中 Cruise 和Waymo 测试里程最高，分列第一第二。

日本于 2016 年颁布了《自动驾驶汽车道路测试指南》，允许经过封闭场地测试的自动驾驶汽车在配备安全员的情况下进行道路测试。在2017 年，日本发布了《远程自动驾驶系统公共道路示范试验相关道路使用许可申请办理标准》，允许自动驾驶汽车在配备远程安全员的情况下，在无线通讯确保不会中断的道路区域进行无人驾驶状态下的测试。试验车辆应配备安全措施，同时最高车速应根据交通状况、道路环境等要素确定，以保证测试安全。德国在 2017 年通过了自动驾驶汽车法案《道路交通法第八修正案》，允许L3 级自动驾驶汽车在公共道路上进行测试，但要求必须有人类司机在车内，并且随时准备接管控制权。德国还规定了自动驾驶汽车的技术要求和责任分配，并要求所有的自动驾驶汽车都必须安装黑匣子记录器。

在道路测试方面，我国在早期为了实现智能网联汽车上路测试，也发布了众多地方性法规，北京、上海、重庆、天津、广州等城市在政策的引领下，开展了丰富多样的自动驾驶道路测试工作。自 2017 年发布自动驾驶道路测试政策以来，全国开放测试道路长度超过 5000 公里，公开报道的自动驾驶道路测试里程累计近千万公里。以北京市为例，从 2022 年公布的《北京市自动驾驶车辆道路测试报告》中的数据来看，至 2021 年 12 月底，北京已经有16 家测试主体共计170辆车参与北京市自动驾驶车辆通用技术测试，其中载人测试里程251 万公里，超过 30 万人次参与载人试运营测试。

3.三支柱测试方法应用实例

Waymo 技术安全测试

根据《Waymo Satety Report》（Waymo 自动驾驶技术安全报告），Waymo为确保其系统在设计运行域（ODD, Operational Design Domain）内功能正常运行和各组成部分安全可靠，采用了模拟测试、封闭测试及公开道路测试等手段，对其系统进行了大量测试[7]。 对于系统的任何修改和更新，Waymo 都会在仿真测试中进行充分测试后再部署到车辆中。此外，为了对自动驾驶系统进行仿真测试，Waymo 团队自主研发了仿真工具 Carcraft，Carcraft 不但能回放路测车辆行驶的场景，还可以创造出完全虚拟的场景，真实与虚拟相结合，共同推动自动驾驶车辆性能的提升。早在 2017 年 Waymo 就宣称其仿真工具Carcraft 可以同时进行 25000 台虚拟自动驾驶车辆的仿真行驶，每天的总行驶里程可达800 万英里。为了应对边角场景，Carcraft 会提取车辆在公共道路上遇到的最具挑战性的情况，并将其数字化为虚拟场景，供自动驾驶系统在仿真中练习。为保证仿真结果可信度，Waymo 使用封闭场地和道路测试结果验证仿真是否与实际相符，同时也利用仿真测试结果指导实车测试，实现迭代验证。

在新软件或新功能通过仿真测试后，Waymo 会首先将其部署到几辆车上，并组织有经验的驾驶员在封闭场地中测试。Waymo 在加利福尼亚州建立了一个占地 91 英亩的私人封闭式自动驾驶测试场地——Castle，其设计了包括高速路、郊区车道及铁路交叉口等在内的共计 20000 多个测试场景，可满足其自动驾驶场地测试需求。在封闭场地中能够创建特定训练和测试场景，并且进行重复测试。Waymo 还可构建有罕见道路场景，以帮助自动驾驶系统获取相应的驾驶经验。当封闭场地测试结果能够达到预期后，Waymo 将会投放部署了新软件或新功能的车辆在开放道路上进行测试。为评估软件系统性能，Waymo 每周进行数万英里的开放道路测试，同时 Waymo 将真实世界测试作为连续循环反馈系统的一环，不断完善其自动驾驶系统并扩展系统 ODD。Waymo 已经在美国四个州的20 多个城市进行了开放道路测试，累计测试里程超过350 万英里，采集的场景驾驶数据包含多种极端天气条件及特殊交通环境。

小马智行自动驾驶技术测试

小马智行在软件开发的每个步骤都进行了多次安全检测，其中主要测试方法包括了仿真测试、场地测试和道路测试[8]。

在仿真测试中，小马智行利用不断丰富的仿真场景库和数据集，主要完成两类测试：回归测试和长尾场景测试。通过回归测试，小马智行确保其在系统中部署软件在处理可预见场景时能够达到预期性能要求；在长尾场景测试中，小马智行收集并生成了一系列边角场景，不断提高其自动驾驶系统处理罕见且重要事件的能力。通过仿真测试，小马智行期望提升自动驾驶系统快速响应和处理ODD内可预见事件与安全边界场景能力 产品在通过上述两类仿真测试后，才能在真实车辆上部署，逐步开展从封闭场地，到交通不繁忙街道，与挑战性场景的实车测试。截至2023 年4 月，从小马智行公布数据得知，其在全球各地的城市区域及高速公路中，累计开展2100万公里自动驾驶里程测试，并将持续攻克由复杂天气和路况导致的长尾问题。小马智行还关注数据的收集和管理，测试过程中所有传感器数据和内部系统数据都会通过专门的方法收集并处理分类，以帮助识别更有价值的道路场景，并为系统提供强大的数据集以进行训练。同时，这些数据还用于构建虚拟仿真场景，以更好地验证自动驾驶系统性能。 

特斯拉自动驾驶系统测试

在自动驾驶系统的测试方面，特斯拉向公众开放了完全自动驾驶（Full Self-Drive，FSD）测试版，到目前已经迭代到了 V11 版本。因此与其他企业或机构相比，特斯拉已开展大量公开道路测试。通过大量测试版车辆的上路测试，特斯拉能够收集到海量数据，并不断提取有价值信息，提高自动驾驶系统的开发速度。此外，特斯拉自动辅助驾驶（Autopilot，Ap）系统内拥有一个“影子模式”，即使在 Ap 功能不开启的状态下也可以在后台运行并收集真实路况环境下的实时运行数据，并反馈给神经网络进行学习迭代。

利用数据优势，特斯拉从上百万实车测试的实际运行场景生成仿真场景。在2022 年的 Tesla AI day 上，特斯拉对其自动驾驶仿真平台进行了展示，并介绍了Simulation World Creator 的工作流程和框架。从特斯拉展示的场景来看，其驾驶场景要素非常完备。借助其开发的高效场景搭建工具，特斯拉可以在一天内搭建几英里的数据，目前特斯拉的仿真场景已经覆盖了 2000 多英里的道路，这些道路都是程序化自动生产的。同时特斯拉利用机器学习技术智能检测算法无法完美应对的场景数据，并针对此类场景展开泛化。此外，特斯拉还利用模拟仿真将真实世界中 Ap 算法应对失败的场景进行还原并供给算法进行学习，从而实现迭代优化。