虚实融合测评新技术保障自动驾驶汽车落地安全｜上海市科学技术奖|自动驾驶汽车_新浪财经

强国复兴有我

2023年度上海市科学技术奖

优秀创新成果展示

10月23日，上海市科学技术奖再度揭晓。胸怀“国之大者”，坚持“四个面向”，一大批标志性成果竞相涌现，为正处于关键跃升期的上海国际科技创新中心建设增添底色和亮度。

2023年度上海市科学技术一等奖获奖项目优秀创新成果来啦！本栏目以“强国复兴有我”为主题，重点围绕项目要解决的问题、取得的重要创新、实际应用效果等方面，向社会公众作科普宣传。

本期“档案”大揭秘

项目名称：自动驾驶汽车虚实融合测评关键技术与系列装备

第一完成单位：同济大学

第一完成人：孙剑

奖励等级：技术发明一等奖

近年来，自动驾驶产业迅速发展，成为全球科技竞争的焦点，美德日等先进国家均将其纳入国家战略，旨在提高交通安全并减少人为因素导致的事故。然而，美国密歇根大学的研究表明，自动驾驶汽车每行驶百万公里发生事故的概率仍是人类驾驶的两倍，暴露了其安全性不足的现状。国际自动驾驶权威专家Claybrook在《Science》论文中指出，不完善的测试评价，导致自动驾驶汽车安全防线”失守”。目前的测试方式无法全面评估自动驾驶汽车在复杂道路环境中的表现，难以保障其安全性能。

自动驾驶技术带来了测试与评估方式的巨大变化。以前，针对人类驾驶汽车，只需要测试驾驶员的能力和车辆的性能。而现在，随着自动驾驶技术逐渐取代人的感知、决策和控制能力，测试的重点已经转向了人机结合的系统智能度，这带来了全新的挑战：自动驾驶测评需要复杂多样的交通场景，但现有的路采数据和仿真工具难以生成足够丰富的测试场景；仿真工具在极端交互环境下的精度不足，限制了测试效果。此外，传统测试周期长，无法满足自动驾驶系统频繁更新的需求。

为了解决这些技术难点，项目团队积极探索，大胆革新，发明了“场景泛化补全”“工具在环可信”和“流程闭环优化”的自动驾驶汽车测评新方法、新技术与新装备，实现了虚实互补场景泛化、以实验虚可信仿真、虚实协同闭环优化三大突破。

01 交通场景全息采集与虚实互补泛化生成

针对现实交通场景不可穷举和高风险场景长尾分布等问题，团队提出了“采集-泛化-加速”的新思路。

由于传统采集方法无法精确捕捉多样化的场景，团队创新研发了基于全局(北斗)+局部(IMU)双层图优化结构的高精度车辆定位系统，结合激光雷达点云、图像、地图等多模态数据，实现了高精度场景分类与重构，场景重构精度达96%。研发的全息采集装备i-Tester打破了国际巨头垄断，提升了采集速度与稳定性，并能广泛适用于各类车型。

复杂交通场景全息采集技术与装备

然而，从实际道路采集的数据不足以涵盖所有的交通场景。针对该问题，团队开发了虚实互补的场景生成技术。通过分析车辆行驶和互动状态，使用深度学习技术生成了具有多样性的复杂场景，能够涵盖极端天气、高风险交通事故等，大幅提升了测试的全面性。

同时，为了实现在海量场景下快速、高效测试的目标，团队发明了自适应搜索加速测试技术，通过智能算法快速筛选关键测试场景，使测试效率提高了1000倍，领先国际水平。

人-车-路-环全要素耦合仿真推演技术与“以实验虚”装置

随着技术发展，自动驾驶测试逐渐从实际道路转向虚拟与现实相结合的方式。由于交通系统的复杂性，人、车、路和环境之间的互动千变万化。虚拟仿真可以模拟复杂场景，降低成本和风险，但要实现高度可信的仿真，准确再现这些动态互动仍是个挑战。

传统虚拟场景中的传感器信号往往过于理想，难以还原复杂天气下的真实感知效果。为解决这一问题，项目团队提出了几何-物理混合建模方法，成功模拟了激光雷达、毫米波雷达等传感器在恶劣天气中的表现，使仿真结果更接近现实，可信度超过92%。

除了传感器，模拟交通参与者之间的互动也非常关键。团队开发了多车动态交互推演方法，可以精确模拟车辆、行人和非机动车的互动，尤其是在复杂交通环境下，能准确模拟36种风险驾驶行为，仿真精度从74%提升至86%，让自动驾驶系统测试更加真实有效。

此外，传统测试中使用的假车和假人往往互动性不足，难以还原真实交通场景。对此，团队发明了单体主动避撞和智能交互技术与多智能体系统博弈对抗行为模型，提升了假车假人的互动控制。智能伴随系统还可以支持多达10个假车或假人协同控制，测试结果与实车测试的一致性超过95%。这些技术大幅提高了自动驾驶系统在复杂场景下的测试效率和可信度。

超高速对抗式智能伴随装置及测试验证技术

03 自动驾驶全生命周期虚实协同测试优化

针对自动驾驶产品OTA更新频繁、传统测试效率低的挑战，项目团队提出了虚实协同的全生命周期测试优化方法。

针对现有自动驾驶评价体系指标单一的问题，团队创新性地提出了“三维一体”自动驾驶智能度评价方法，结合安全性、效率和舒适性三大维度，通过主观与客观、单体与群体的交互分析，实现了对自动驾驶系统智能度的全面评估。这一方法已经应用于国内智能汽车的测评标准，并广泛用于企业研发和测试。

孙剑团队自动驾驶实验车群

传统自动驾驶测试主要依靠实车测试或虚拟测试，然而实车测试耗时长且成本高，虚拟测试可信度又难以保障。为此，团队开发了虚实协同测试优化技术，并研制了国内首创的三相映射测试装备。这项技术通过优化测试场景中虚拟与现实要素的布设，灵活结合、动态配置仿真车辆、实体假人假车、和实际/远程驾驶车辆三种不同的测试资源，模拟出更复杂、更真实的交通场景。相比传统测试方式，测试认证效率提高了20倍，场景覆盖率大幅提升。

三相映射测试装备与虚实融合测试应用

此外，传统汽车测试流程往往周期长、效率低，难以满足自动驾驶产品在运行阶段频繁更新的需求。为解决这一问题，团队发明了车-云融合数据闭环测试优化技术。通过车辆端轻量化推理验证，结合云端的深度学习训练，保障了数据隐私的同时，实现了测试的连续性。相比传统的感知系统影子测试，这一技术实现了更加全面的闭环优化，使产品更新周期从传统的18个月缩短至3个月，大幅提高了自动驾驶系统的迭代速度。

这三项创新实现了测试场景“从有限采集到泛化补全”，测试工具“从分散失真到在环可信”，测试流程“从序贯开环到闭环优化”的自动驾驶汽车测评新方法、新技术与新装备，大幅提高了自动驾驶测试的效率和准确性，推动了自动驾驶技术的快速发展和应用。

目前，项目成果已广泛应用于自动驾驶技术研发、产品认证和示范运营中。18家企业借助该技术开展辅助自动驾驶系统的研发，市场新车销售占比超50%。成果赋能国内70%的国家级自动驾驶测试区建设，支持12家企业进行高等级自动驾驶示范运行，累计行驶里程占比超60%。通过该技术，支撑了百度阿波罗、上汽等企业实现了超3000万公里的公开道路示范运营，显著推动了自动驾驶产业的发展，创造了54亿元的直接经济效益。

供稿来源：上海市科学技术奖励中心

供稿：孙剑

编辑：拾