基于場景的驗證是AD/ADAS（自動駕駛和高級駕駛輔助）系統(tǒng)開發(fā)過程中的重要步驟，它包括對自動化系統(tǒng)進行一系列預(yù)定義場景的測試。測試中包含的場景越多，尤其挑戰(zhàn)性場景越多，人們對正在測試的AD/ADAS系統(tǒng)的信心就越高。

一、現(xiàn)有問題

真實世界駕駛記錄是挑戰(zhàn)性場景的重要來源，但這一過程往往成本高昂且繁瑣。大多數(shù)情況下，真實世界駕駛記錄中包含許多“空駛里程”，即沒有任何值得關(guān)注的事情發(fā)生的里程（例如車輛在空曠的道路上直線行駛且天氣條件完美）。“空駛里程”對AD/ADAS系統(tǒng)的驗證貢獻微乎其微，一支小型的測試車隊就能輕松產(chǎn)生PB級的數(shù)據(jù)。

在面對巨量數(shù)據(jù)時，人們通常需要思考幾個問題：

• 這些數(shù)據(jù)中有多少是相關(guān)的？
• 車輛在沒有周圍車輛的情況下行駛了多長時間？
• 工程師是否需要手動逐個檢查所有不相關(guān)和無風險的場景？
• 工程師是否應(yīng)該完全依賴操作人員（在駕駛過程中）標注相關(guān)場景，而忽略其他所有內(nèi)容？

為了解決以上問題，我們發(fā)現(xiàn)能夠自動從真實世界駕駛記錄中識別挑戰(zhàn)性場景是十分重要的。這可以減少存儲在“熱存儲”（如AWS S3）中的數(shù)據(jù)量，因為人們可以決定只將相關(guān)且具有挑戰(zhàn)性的場景存儲在“熱存儲”中，而將剩余數(shù)據(jù)存儲在“冷存儲”（如AWS Glacier）中。

此外，由于只需要檢查相關(guān)場景，自動識別挑戰(zhàn)性場景還可以減少驗證工作。而且在將AD/ADAS系統(tǒng)適應(yīng)到新的操作設(shè)計域（Operational Design Domain，ODD）之前，識別挑戰(zhàn)性場景也是一個很好的做法，因為人們希望盡可能多地在該特定ODD的各種場景下測試系統(tǒng)的功能。

然而，識別挑戰(zhàn)性場景并非易事，因為必須瀏覽數(shù)千小時的駕駛數(shù)據(jù)，并判斷某個場景是否值得被選中。因此，能夠以一種自動且可解釋的方式從駕駛記錄中提取這些場景至關(guān)重要。

二、康謀方案

康謀的技術(shù)能夠自動且高效地識別、分類和提取駕駛記錄中的挑戰(zhàn)性場景，為分析的駕駛?cè)罩咎峁┣逦暾母庞[。IVEX軟件提供有關(guān)分析數(shù)據(jù)的報告，以便于檢查任何選定的場景，這為大幅度降低檢查駕駛?cè)罩舅韫こ虝r間帶來了可能，并且能夠降低存儲成本，同時減少測試的工作量。

1、識別具有挑戰(zhàn)性場景的方法

識別挑戰(zhàn)性場景的第一步是使用配備傳感器的數(shù)據(jù)采集平臺收集駕駛數(shù)據(jù)。通常，這些數(shù)據(jù)采集平臺應(yīng)能夠記錄定位和傳感器信息（圖像、點云等）。數(shù)據(jù)采集平臺可以是由人類駕駛員手動駕駛的車隊。

在收集到數(shù)據(jù)后，可以使用IVEX識別挑戰(zhàn)性場景并進行數(shù)據(jù)分析。IVEX包含不同的指標，從基于行為的安全指標（例如ISO 15623的定義的碰撞時間TTC）到基于感知的指標（例如消失物體檢測）。

IVEX使用多種指標的組合來評估每個駕駛片段，并提取出被認為是挑戰(zhàn)性場景的部分。用戶還可以向平臺添加自定義指標。識別出的挑戰(zhàn)性場景可以導(dǎo)出為不同的格式，如OpenScenario、CSV、JSON，或者簡單地鏈接到原始數(shù)據(jù)輸入。

2、道路施工挑戰(zhàn)性場景案例

道路施工的情境下，自車需要行駛于通常建立在路肩的臨時車道上。盡管我們知道并非所有AD/ADAS都需要處理這類場景事件，但根據(jù)自動駕駛的級別和ODDs的不同，這種情況仍然會構(gòu)成挑戰(zhàn)，應(yīng)當納入測試集。

根據(jù)美國汽車工程師學(xué)會（Society of Automotive Engineers, SAE）的自動化等級標準，一個處于2級或3級的系統(tǒng)進入這種場景時，應(yīng)能夠及時解除自動駕駛并通知駕駛員；而對于4級或5級的系統(tǒng)，這種情況可能會打破ODD的假設(shè)，需要遠程操作員接管或者通知自駕車隊意料之外的道路施工區(qū)域。

本文的案例是一個從布魯塞爾出發(fā)往巴黎并返回布魯塞爾、歷時8小時的駕駛記錄。完整的駕駛記錄文件大小約為2TB。我們使用IVEX從中提取出了幾個挑戰(zhàn)性場景（總計5分鐘），將錄制存儲減少到20GB，節(jié)省了一個數(shù)量級的存儲。

以提取出的7秒循環(huán)場景為例，這個場景包含了非常復(fù)雜的上下文信息。首先，由于這是一個道路施工區(qū)域，通常使用黃色車道標記來指示車道區(qū)域和可行駛區(qū)域。然而，從圖片中可以看出，這些黃色車道標記并不容易區(qū)分，舊的白色道路標線仍然非常明顯，這使得情況更加具有挑戰(zhàn)性。其次，由于新的車道標記，自動駕駛車輛必須行駛在通常禁止通行的區(qū)域（例如圖示底部白色導(dǎo)流線區(qū)域）和路肩區(qū)域。最后，有一個位置不太好的交通標志指示了70公里/小時的臨時限速，AD/ADAS應(yīng)該能夠檢測到這一點并給出相應(yīng)反饋。

三、結(jié)論

我們展示了使用IVEX檢測到的挑戰(zhàn)性場景。正如我們所見，挑戰(zhàn)性場景的檢測是一項貫穿自動駕駛系統(tǒng)堆棧所有核心功能的活動。它需要檢查輸入傳感器、感知組件輸出以及實現(xiàn)的行為。

我們認為，從駕駛?cè)罩局姓页鼍哂刑魬?zhàn)性的場景是推動AD/ADAS廣泛應(yīng)用的關(guān)鍵因素之一。能夠輕松地從實際駕駛記錄中提取相關(guān)場景，是有效進行AD/ADAS驗證過程的基本特征。

期待您繼續(xù)關(guān)注康謀之后的文章，我們將分享有關(guān)AD/ADAS的基于場景的驗證和數(shù)據(jù)分析的更多信息。