旗下将在美国自动驾驶技术“圣地”匹兹堡设立办公室

7月23日，旗下自动驾驶汽车公司Waymo宣布，将在美国自动驾驶技术圣地匹兹堡设立办事处。新团队将致力于运动规划开发、实时路线规划等。万一你不知道，Waymo 可以在一天内获得超过 100 年的“驾驶经验”。这主要是通过虚拟测试来实现的。

Waymo每天进行2000万英里的虚拟测试，到目前为止已经完成了超过150亿英里，但在真实道路上进行的道路测试只有2000万英里，虚拟测试占比99.9%。可见，真实可靠的模拟测试数据非常重要。如何确保数据与真实道路相匹配，并向传感器提供真实反馈是一个严峻的挑战。

下面介绍的几种模拟测试方案可以帮助我们了解测试工具的进展和特点。

自动驾驶测试趋势与挑战

来源 |

自动驾驶测试趋势明显：电气电子结构从原来的传感器ECU转移到**域控制器（DCU）进行处理；熟悉的概念——软件定义汽车对软件投资和测试有了新的要求；人工智能和深度学习通过真实的道路场景引入ADAS算法的持续优化，更好地识别物体，提高驾驶安全性，增加消费者信任度。

测试挑战也很多：测试的复杂度越来越高，自动化测试软硬件需要不断迭代更新，需要完整的工具链。在帮助工程师提高工作效率的同时，无需不断学习新工具。

未来越来越多的汽车会发展成消费电子车型，测试开发流程和周期非常紧迫。随着新车厂商的不断增加，主机厂需要非常快速的验证平台，这也涉及到测试效率。

此外，由于法律法规的不断完善，也会带来很多新的测试要求和测试挑战，尤其是场景库的建设需要满足不同地区的个性化需求。

为了实现上述目标，需要更多的模拟，这意味着未来将有更多的测试发生在软件在环（SIL）测试中。目前，消费者对特斯拉自动驾驶的安全性仍存在很大疑虑。从专业的角度来说，需要很多真实的场景来不断训练算法。但是如果部署大量的车队，让它们在真实的道路上行驶，所花费的成本和时间是难以想象的，所以我们需要搭建一个保真度非常高的软件测试环境来训练AI算法，帮助车辆识别目标，从而实现避障和自动驾驶功能。

如今，消费者对自动驾驶越来越感兴趣。原始设备制造商和一级供应商正在积极部署自动驾驶技术。ADAS也成为技术突破的关键。这些技术的迭代需要不断的测试，同时加速测试和节省测试。成本。

测试工具链推进智能驾驶

在汽车行业，仿真工具一直在与测试工具一起发展。最早研究的是汽车本身的造型，包括汽车结构、流体、灯光、电池等物理特性；在智能驾驶阶段，业界开始关注驾驶环境，包括道路。、交通、天气等这些无限复杂的因素对仿真提出了极大的挑战。正因为如此，也为仿真工具的发展提供了很大的空间，而只有仿真才能真正解决这些问题。

汽车仿真工具的演变

仿真工具主要包括车辆模型、控制模型和环境模型三个方面。外部环境有无限可能，不能单纯依靠模拟模式来实现。必须要依靠实际数据才能看到测试过程，包括数据的收集、分析、测试和评估。

光有仿真工具还不够，还要有数据，所以围绕数据+仿真的完整测试工具链应运而生。到 2025 年，大多数 OEM 将使用这样的工具链。

工具链可以解决两个问题，一个是数据生产的问题，一个是评估分析的问题。上云的基本流程是先用工具链把量产车拉下来，试跑基本都是线下完成。未来量产车会接入整个云端工具链，实时观察数据，包括操作感知数据。感知数据返回云端后，需要进行合规处理。

有了数据之后，需要进行一整套的处理，包括数据的抽取、清洗、分类、标注。仿真测试还包括模型训练，将整个过程串联起来，再通过路测完成算法迭代。

去年，腾讯发布了智能驾驶解决方案，根据智能驾驶数据的特点，存储海量数据。使用一台服务器挂一排硬盘，存储容量非常高，可以节省60%的成本。

数字孪生仿真测试亮点

电动车的功能越来越多，但价格却逐年下降。随着车辆复杂性的增加，车辆测试的成本也会增加。如果不改变传统的测试策略，就很难达到预期的盈利目标。

复杂性、测试成本和汽车价格之间的关系

美国国家仪器（NI）汽车行业高级客户经理郭宇认为，获取真实场景对于自动驾驶验证测试过程至关重要，这意味着必须使用收集到的真实数据来重构数据，而数字孪生技术意味着重构完整的道路驾驶场景的高保真度迈出了一大步。之后，将通过平台和完整的软件工具链进行硬件模拟测试，与整个生态链一起攻克测试挑战。

他指出，目前的测试还存在以下难点：一是缺乏高保真模型和场景，难以获取真实路况，无法保证ADAS系统路面和场景的结果真实。持续的; 第二，很多厂商之间的环节没有打通，工程师需要重新学习测试流程和工具链；三是规定不明确，国内很多场景库都是进口产品，急需建立自己的高保真仿真库。

一个典型的ADAS测试验证过程需要用系统记录下来。记录越真实，数据的可靠性就越高。在这个过程中，数字孪生技术可以通过软件将数据重构为可靠性相对较高的虚拟场景，然后对数据进行管理和测试，最后对数据进行硬件在环（HIL）仿真和高可靠性的仿真。保真场景。

自动驾驶测试的三大工作流程

所谓数字孪生，是指将真实场景一对一地融入虚拟环境，生成“孪生”系统。为什么数字孪生最近这么火？原因是摄像头、毫米波雷达、激光雷达、GPS采集的道路数据需要融合3d模拟开车，难点在于数据同步。

所谓PXI是面向仪器系统的PCI扩展，是PXI联盟发布的基于PC的实体测量和自动化平台。它将 PCI 电气总线特性与坚固、模块化和机械封装相结合，适用于测量和数据采集应用。

模拟过程中，不仅需要记录道路信息，还需要利用软件平台采集实时道路数据。特斯拉目前使用摄像头，但大多数主机厂还使用毫米波雷达、超声波雷达和激光雷达。

仿真数据记录挑战

在汽车测试中，被测对象都是ECU控制或算法，因此需要模拟外设，让ECU认为连接的是真实的电机。现阶段使用PXI实时控制器运行仿真模型，模拟被控对象的运行状态，配合NI FPGA模块实现更高动态特性和更高精度的模型。这减少了工程师的开发时间、成本和风险。

C-V2X测试也需要仿真

在C-V2X场景下，道路上的车辆与其他车辆、行人、信号灯等基础设施互联。这就是C-V2X的定义。在汽车智能化、电动化、网联化的过程中，汽车上搭载了毫米波雷达、摄像头，甚至激光雷达。汽车越来越智能，C-V2X从另一个角度来说是一个有益的补充。

V2X的主要功能

许多交通事故是在改变驾驶意图时发生的，例如转弯或变道。如果有C-V2X技术，可以辅助驾驶，提前与其他车辆或行人交流驾驶意图，大大提高交通效率，减少交通事故。事故率。

是德科技汽车与能源事业部业务经理朱晓月认为，要获得C-V2X加载的效果，必须从测试的角度来保证。从整体通信架构来看，需要测试射频指标和性能，以及相应的干扰。另一部分是上层场景模拟。根据标准或客户的某些特定需求来编辑应用场景。例如，有一辆汽车在向前行驶时变换车道。这个简单的场景需要配合仪器完成场景化测试。

业界还有很多其他的场景软件，包括合作伙伴根据需求提供的HIL系统，可以在整个HIL交通流场景，尤其是无线通道中，主要车辆刹车、变道等应用场景或实际车辆测试过程中会遇到的网络状况对通信的影响。此外，道路两旁有很多高层建筑或高架桥，会影响导航信号的传输性能，包括C-V2X本身。

朱晓月指出，单车智能中的毫米波雷达、激光雷达、摄像头各有优势，但也有一定的局限性。C-V2X是对未来自动驾驶系统的补充，所以现在很多主机厂都在做传感器融合。，包括在自动算法平台融合C-V2X信息3d模拟开车，然后利用所有信息更好地实现驾驶规划决策。

仿真系统框架包括传感器终端、C-V2X终端和场景仿真软件，可以模拟交通流、场景和环境。车辆3D模型软件根据对应的模型提取对应的传感器信号，然后通过中间信号模拟器接收对应场景产生的实际传感器信号，再送入算法模块进行验证。

自动驾驶仿真平台

自动驾驶测试环节的前端仿真软件和后端算法模块可以直接使用仿真软件通过数据接口获取相应的传感器信号来测试算法的有效性。验证到一定程度后，就可以加传感器运行了。在两个测试环节之间加入这样一个实验室测试环节，可以尽可能模拟实车测试中看到的情况，同时可以发现实际传感器的一些不利条件和特性。

因此，C-V2X HIL类似于激光雷达HIL相关系统。从场景模拟软件中获取相应的场景，同时用雷达实验模拟器模拟，比如十几个或几十个目标向雷达方向运动，信号从雷达传感器传来对ECU来说，这样做是为了尽可能模拟真车的测试环境。

写在最后：

加速落地，效率是关键

实车测试不可能涵盖未来可能遇到的所有场景。完全采用实际测试的方式，要到猴年才能实现自动驾驶！

因此，目前的模拟测试将同时产生效果，无疑会在很大程度上加快自动驾驶的进程。