智能网联汽车道路测试到底怎么测？

又一区域将开展智能网联汽车道路测试了。

今年9月，武汉光谷地区智能网联汽车道路测试第三方专业管理机构-武汉光谷智能网联汽车创新中心有限公司成立并启动运营，光谷地区开放了一段长达13.4公里的测试道路，包含了T型路口、匝道、隧道、环岛、公交车道等30多种测试场景，为智能网联汽车测试提供平台。

智能网联汽车又称ICV（Intelligent Connected Vehicle），是指集成了车联网、自动驾驶、车路协同技术的车辆。为了确保道路行驶安全，智能网联汽车上路之前必须经过大量的测试过程。

近几年，国内出现了大大小小的智能网联汽车道路测试示范区，目前已经在建的示范区约有20家，测试牌照颁发了200多张，背后目的正是为了满足车企和自动驾驶科技公司的测试需求。

这些测试场地是怎么构成，又是如何为OEM提供服务的，自身优势和存在的问题又是什么？

近日，在由武汉光谷智能网联汽车创新中心有限公司、湖北智能网联汽车产业创新联盟、襄阳达安汽车检测中心有限公司联合主办的“第八届湖北武汉智能网联汽车发展研讨会”上，来自OEM、Tier 1、核心供应商等多位资深从业人士和权威专家，围绕国内智能网联汽车发展情况进行了集中探讨。

1、起步晚但发展迅速

智能网联汽车是一个拥有千亿规模的市场。据中国电子信息产业发展研究院发布的《2018年智能网联汽车产业数据》显示，2018年全球智能网联汽车产业规模达8052亿元，其中中国智能网联汽车产业规模为1224亿元。

从国家层面看，国内对智能网联汽车非常重视。

2016年发布智能网联汽车的技术路线图。2018年，国家工业和信息化部、公安部、交通运输部联合印发《智能网联汽车道路测试管理规范（试行）》，今年9月，《交通强国建设纲要》明确提出，到2035年基本建成交通强国。纲要中提到，要加强智能网联汽车（智能汽车、自动驾驶、车路协同）研发，形成自主可控完整的产业链。

想要实现车联网和自动驾驶落地，智能网联汽车必须先过道路测试关。

一个智能网联汽车道路测试示范区通常包括几个部门，分别是交通管理和技术研究院、运营中心和业务拓展部。硬件方面，测试示范区会负责道路标识标牌、路侧端RSU设备、监控探头的建设和维护。软件方面则会成立运营管理平台、智能视频监控平台、车载数据采集分析系统和仿真系统等。

合肥工业大学汽车工程技术研究院院长助理朱波博士指出，国内智能网联汽车道路测试的发展特点是，国内多个省市正在积极布局，起步晚但发展速度迅速。

朱波博士研究发现，国内智能网联汽车发展存在以下特点：

虽然芯片产业化苗头出现，但基础零部件的制造设计仍需加强；系统集成和控制方面，由于国内整车厂与国外车企合资偏多，所以国内车企的集成能力还略显不足；IT技术尤其是大数据、5G方面，国内存在发展优势；中国政府对智能网联汽车的决策和执行力相对更强。

这些特点对智能网联汽车道路测试参与方的一大启示是，在发展单车智能的同时，还应该更多地借助政策、5G、大数据等优势，与政府、产业合作伙伴共同开展测试工作。

2、如何做测试

怎么科学地对智能网联汽车进行测试？

首先要厘清测试范围。东风汽车公司H事业部智能驾驶高级工程师刘继峰认为，由于动力系统、电池系统、自动驾驶系统是紧密联系的，任何一个系统出了问题都会产生巨大影响，所以，智能网联汽车要测试每个系统的状态变化对自动驾驶系统的影响。由于车辆行驶在复杂的道路环境下，对环境感知和执行系统会有很大影响，因此需要对环境感知和执行系统进行大量测试。

接下来，要思考怎么测试。

刘继峰提到了一些思路。他认为，低级别自动驾驶（L1/L2）的测试特点是，由于功能场景比较简单，主要针对交通标识、多目标交互进行测试。测试设备主要是机械机器人、假人、假车等。需要采集的信息主要包括自车信息、车辆行人交通信息等，数据量较小。

高级别自动驾驶（L3及以上）是人从驾驶环节里脱离出来，所以要求对每个系统进行备份，且感知、控制、执行等模块都需要冗余，以实现某个模块发生问题时保证安全停车的目地。

此外，系统越来越复杂，需要的信息越来越多，在测试时要增加更多的传感器来获取周边信息，比如增加激光雷达、环视摄像头、高精地图实时获取信息并进行统一存储，为后面的数据分析做基础。

冗余加进来后，还要针对冗余进行大量的测试。

参考国外已有经验，刘继峰说，可以把自车行驶交通环境分成几类相关的因子，分别为目标信息、道路信息、天气信息等几类，再将因子进行参数化之后，再将参数化后的数据组合成一个庞大的数据库，最后进行逐个的实车验证。

这个过程中，难点在于如何参数化。刘继峰以天气对自动驾驶系统的影响为例，分享了一些参数化的方法。首先，找到天气对于自动驾驶的影响有哪些，比如雨天会影响摄像头的有效判断距离，探测距离从80米下降到40米。把这些影响进行以百分比的形式进行参数化，再把这些参数输入到系统里面进行仿真测试。

国家智能网联汽车质量监督检验中心（湖北）智能网联系统部件室主任苏芮琦认为，参考对传统汽车和驾驶员的测试流程，智能网联汽车测试工作同样可以分阶段进行，将驾驶任务分解并针对不同系统进行测试。基于这一思路，测试评价链可以以测试场景数据库为核心，分别对传感器性能测试、硬件在环测试，完成之后，再在封闭道路下测试控制能力，最后开放道路上进行公路测试。

苏芮琦介绍了几种测试方法。比如，国家智能网联汽车质量监督检验中心（湖北）在测试前视摄像头时，采用了视频暗箱进行测试的形式，将虚拟测试场的仿真场景和真实道路中采集的真实场景直接体现在屏幕上，然后用摄像头采集屏幕上的信息，测试摄像头对于环境的识别能力。

硬件在环测试方面，国家智能网联汽车质量监督检验中心（湖北）构建了与实体测试场对应的虚拟测试场，将实体测试场的高精度地图扫描之后直接导入仿真软件，再在仿真软件中基于标准规定，将道路危险工况事故情况的收集和根据功能定义产生的场景，布置在虚拟测试场中，同时可以在虚拟测试场设计随机的交通流，进行自动驾驶系统在复杂场景下的感知、决策和规划能力。

3、挑战在于测试场景太复杂

公开数据显示，国内目前在建的智能网联汽车道路测试场有20多个，这些测试场以封闭道路为主，通常可以覆盖约200 多个测试场景。

朱波认为，与传统汽车测试相比，智能网联汽车道路测试的难点之一在于场景数量多，量级可以多达10的8次级别。也就是说，在现有情况下，想要实现完整的测试是不可能的。

尤为值得注意的是，目前许多智能网联汽车道路测试前期封闭测试主要是为了满足国家和地方政府标准的法规要求，且主要是在良好天气下运行，缺少对极端天气如雾霾、强光、冰雪等环境下测试。

基于这一背景，朱波表示，未来自动驾驶的测试肯定不能采用单一的测试方法，而是包含了软件、硬件在环等综合测试的方案，而且必须重点考虑复杂的环境因素。

另一重挑战在于，对于自动驾驶本身来说，由于道路环境的不确定性，感知环节的研发难度会更大，尤其是从感知到决策中间的预测部分难度更高。此外，相比应对信号灯、路牌标志灯等静态环境，应对不规则行人等动态环境的难度更大。尤其是三四线城市机动车和非机动车混行现象严重，也是很大的挑战。为了应对这些技术挑战，许多车路协同方案出现，智能网联汽车道路测试场地内也开始广泛搭载V2X车路协同路侧设备。

刘继峰认为，L3及以上的自动驾驶实现以前，智能网联汽车道路测试将面临五个方面的挑战：1、针对冗余的测试，整车厂还没有找到很好的方法，可以在保证安全前提下很好的测试冗余；2、怎么形成一个能够覆盖所有场景的测试；3、生成测试用例后怎么进行验证，以及如何搭建智能网联汽车测试场地；4、目前仍需要特别多的外界传感器，如何保证各个传感器获取的信息能够同步；5、测试花费了大量人财物，这些数据除了用于自动驾驶测试，能不能用于其他行业，比如交通信息的判断等。

最后，许多OEM还意识到，无论封闭测试区再怎么完善，始终是一个模拟环境，许多corner case是无法测试的，他们希望智能网联汽车测试工作能够更多地在真实开放道路中进行。