一、智能網聯汽車數據采集系統

1.數據采集系統的概念

據分析，自動駕駛汽車需要在真實或者虛擬環境中至少進行177億km的里程測試，才能證明智能網聯汽車自動駕駛系統比駕駛人更可靠。然而，基于里程的測試方法具有測試周期長、效率低、成本高等弊端，自動駕駛汽車要商業化落地，單純依靠基于里程的測試方法是不夠的，基于場景的仿真測試方法不可或缺。場景是智能網聯汽車自動駕駛測試系統中相當重要的一環，測試場景的多樣性、覆蓋性、典型性等會影響測試結果的準確性，從而保證自動駕駛的安全與質量。自然駕駛數據作為智能網聯汽車自動駕駛典型場景和邊角場景來源的主要基礎，代表了約80%的道路交通狀況，因此必須進行自然駕駛場景數據采集并不斷完善場景庫。

智能網聯自動駕駛汽車數據采集系統是指能夠同步采集自動駕駛中所有傳感器及控制器的相關數據，由數據采集主機、數據采集接口設備、數據采集和處理軟件等組成的有機體。

2.數據采集系統的基本架構

智能網聯汽車駕駛場景來源一般包含標準法規、自然駕駛數據、交通事故數據、仿真衍生數據等。駕駛場景數據采集主要包含兩部分內容：一是駕駛場景數據采集平臺的搭建和工具鏈的設計，駕駛場景數據采集需要相應的感知系統、定位系統、上位機系統、采集控制器主機系統等進行支撐，同時需要依靠統一的工具鏈實現傳感器標定、數據存儲和同步處理；二是需要設計合理的采集方案和采集需求，包含采集路線設計，采集天氣情況及地理情況覆蓋、白天及夜晚光線條件，采集參數精度設定等，為后續的場景數據處理、場景庫搭建以及場景應用等提供數據基礎。

在進行駕駛場景數據采集時，應詳細制訂場景采集路線，涉及高速公路、城市道路、鄉村公路、停車場等不同的道路類型，覆蓋各種道路上的場景類型，同時也應滿足企業針對各種自動駕駛系統的開發和測試需求；駕駛人的選擇應盡量考慮不同年齡段、不同性別、不同職業和不同駕駛傾向性等特點；場景采集時間應盡可能地覆蓋晴天、雨天、雪天、霧天等天氣情況，盡可能地覆蓋白天、夜晚場景。

綜合考慮智能網聯汽車駕駛場景數據需求、場景定義及影響因素等，可按相對大地的移動特性將駕駛場景采集信息分為靜態和動態兩類，道路及設施和氣象信息構成靜態信息；本車駕駛行為及交通參與者構成動態信息。駕駛場景大數據采集要素總體框架見表1-1。

測試場景數據來源一般包括自然駕駛場景、危險工況場景、標準法規場景、參數重組場景。

自然駕駛場景是在汽車真實的自然駕駛狀態場景下提供車輛數據、駕駛人行為、道路環境等多維度信息，是證明自動駕駛有效性的一種充分測試場景，包含智能網聯自動駕駛汽車所處的人—車—環境—任務等全方位信息。

危險工況場景主要來源于交通事故數據庫，是智能網聯汽車自動駕駛控制策略安全性和可靠性驗證的關鍵。危險工況場景主要涵蓋惡劣天氣環境、復雜道路交通和典型交通事故三大類場景，是證明自動駕駛有效性的必要測試場景之一。

標準法規場景主要來源于現有的標準、評價規程等，如ISO、NHTSA、E-NCAP、C-NCAP等多項標準，評價規程對現有自動駕駛功能測試進行了規定。標準法規測試場景是智能網聯汽車自動駕駛功能在研發和認證階段必須要滿足的基礎測試場景。

參數重組場景來源于現有場景數據庫資源，通過對已有的仿真場景進行參數化設置，隨機生成或自動重組相應類型的場景。參數重組場景通過對靜態要素、動態要素以及駕駛人行為要素等進行不同排列組合及遍歷取值，擴展參數重組場景邊界，有效覆蓋自動駕駛功能測試盲區，是對測試場景未知工況的有效補充。