干货分享|智能网联汽车边缘场景的生成方法研究（下篇）

智能网联汽车安全上路行驶需要海量的测试里程，仅靠实车测试难以满足。虚拟仿真测试具有效率高、成本低、安全性高的特点，因此在智能网联汽车测试中的应用越来越广泛。在虚拟仿真测试中，可以通过测试迭代寻找车辆的安全边界，对自动驾驶系统设计十分重要。

边缘场景（corner case）的生成既要考虑空间探索，又要控制测试成本，确保测试场景的真实性。RRT(Rapidly-exploring Random Trees,快速扩展随机树）算法可以很容易的处理包含障碍物和差分运动约束的场景，因而广泛的被应用在各种机器人的运动规划场景中。

本文将分为上、下两篇，对智能网联汽车边缘场景的生成进行介绍。上篇围绕智能网联汽车仿真测试的背景意义、测试场景现状、边缘场景研究的意义进行了介绍（​​上篇​​）。本文为下篇，分享了一种基于RRT算法生成边缘场景的方法。

案例分享

自动驾驶车辆可能无法避免所有碰撞，系统设计人员必须了解自动驾驶车辆避免碰撞的边界情况。Cumhur Erkan Tuncali等（2019）在“Rapidly-exploring Random Trees for Testing Automated Driving Systems”中提供了一种利用快速搜索随机树生成自动测试场景的方法，并提出了一个成本函数，引导测试场景朝着几乎可以避免碰撞的方向生成。

本方法采用RRT*和T-RRT，是基于RRT算法的演变算法，用自定义的成本函数查找碰撞边界场景，采用变异搜索跳出局部最优，获得全局最优解。具体流程如下图所示。

图1 算法流程图

图2场景仿真图

A．系统初始化

通过本车、目标车和周围环境描述场景。场景模型通过系统状态、系统输入、系统参数和仿真函数进行表述。系统状态是自车和目标车辆的初始状态；系统输入是目标车辆的路径设置，以及仿真环境中的静态参数设置，例如道路模型和天气状况；系统参数是自车在每个仿真时刻的动态参数配置；仿真函数用于描述在特定的系统初始状态、系统输入和系统参数情况下，经过设定仿真时间后系统转变为下一个系统状态。

图3仿真静态参数设置

B．储存在RRT树节点上的信息

RRT树的增长是为了寻找感兴趣的场景。为了使每次仿真不需要都从初始点开始，而只是从树中的某个节点开始执行部分仿真，需要将系统状态、控制器状态和仿真时间点存储在树节点上。

C．目标路径段的采样

目标路径段由一组路点的集合构成，这些路点是车辆的行动轨迹。每个路点包含当前的坐标值，运动方向和速度。采样一个路点之后，在距离当前路点的预定距离d_leg处沿路点的运动方向添加下一路点，依次进行就可以采样一段目标路径。

      D．选取最优节点

设定目标车辆的路径之后，从现有树中选择一个节点，作为仿真执行目标路径段的初始配置。从树中选择初始点的方法是不唯一的。

确定最优节点的方法也不是唯一的。规定所有车辆的位置都位于初始目标路点的起始位置后面，以指示该路段的行驶方向。随机采样一组自车动态参数配置作为新节点，选择附近的5个树节点作为候选前节点，计算候选前节点与本节点的成本函数，最小成本函数的节点即为最优前节点，将新节点添加到最优前节点之后。Cumhur Erkan Tuncali等相信，这种方法有望创造相对自然的车辆轨迹，同时仍然具有足够的随机性。

E．系统的仿真

在获得目标车辆的一组目标路径段并确定仿真的初始配置后，利用搜索树中所选节点中存储的数据在仿真环境中创建仿真场景。也就是说，设置仿真实体的初始状态，并用之前的输入和保存的控制器状态初始化本车控制器，还将采样的目标路径段作为输入传递给目标车辆。最后，对系统进行一段时间的仿真，并在仿真的每个时间点收集系统的状态和输入历史。

F．成本函数

在执行仿真之后，使用成本函数来计算仿真轨迹与碰撞场景之间的接近程度。本方法是用来探索自车和目标车辆即将碰撞或即将避免碰撞的行为边界。

S_coll,y碰撞面积比，碰撞面积占车辆碰撞面的比例；

v_coll,y碰撞时的车辆相对速度；

ttc_min,y是在仿真输出轨迹y中遇到的最小碰撞时间，设定如果发生了碰撞，那么ttc_min,y为0。

车辆的碰撞面积比越小，碰撞发生时车辆的相对速度越小，通过微小的改动即可避免发生碰撞。

G．转移检查函数

用于检查基于成本改变的新配置的接受度。

H．变异函数

在路径探索中使用变异函数以更好地覆盖状态空间并避免局部极小值。

I．结束条件

设置结束条件来停止搜索并返回成本最低的配置信息。一个是使用最小成本的阈值，另一个是是预设最大总时间花费，也可以使用其他的终止条件，例如，搜索树中的最大节点数。

图4 基于RRT方法返回的最小成本结果

通过对两个案例进行分析，并和基于优化引导参数调整的场景泛化方法进行比较，结果表明利用基于RRT的探索的优点之一是能够放弃轨迹的有限参数化，获得更多的路径。

展望

复现和泛化出来的虚拟仿真环境与真实环境之间必然存在差异，这种差异会对测试结果造成多大的影响，是否在可接受的范围内，目前还没有具体可量化的KPI指标去评价这些测试场景的置信度。

目前边缘场景自动生成的方法，大多针对简单场景的单一目标，未来需要探索多目标优化的新方法，可以针对不同的目标如碰撞时间、碰撞速度、碰撞影响区域等进行研究。

由国家智能网联汽车创新中心牵头发布的中国智能网联汽车基础数据服务平台以中国标准ICV自动驾驶场景库为核心，按照“标准-数据-工具-平台”四位一体的顶层设计，重点开展场景数据采集车辆设计与开发、场景数据管理平台构建、场景大数据处理与分析、自动驾驶软硬件在环测试、场景数据云仿真应用、感知算法开发与测评等工作。平台致力于凝聚行业共识，共同推动中国标准ICV自动驾驶场景数据库的落地与应用，为不同等级自动驾驶系统的正向开发与测试验证提供体系化支撑能力。

文章转载自公众号：CICV创新中心