i-VISTA|中国汽车工程研究院股份有限公司周孝吉：预期功能安全虚拟仿真场景库构建

2020年12月3日，由中国汽车工程研究院主办的第五届i-VISTA智能网联汽车国际研讨会隆重召开， 在中国智能网联汽车产业创新联盟CAICV-SOTIF工作组会议环节，中国汽车工程研究院股份有限公司高级技术专家周孝吉发表了“预期功能安全虚拟仿真场景库构建”的主旨演讲。

中国汽车工程研究院股份有限公司高级技术专家周孝吉

以下为演讲实录：

各位领导、嘉宾、专家、老师下午好。

因为刚刚李博士的话对运输安全和场景，还有建设标准，还有其相关的内容做详细的介绍，我对最开始的内容也做一个简单的回顾。首先，在于施工的安全的定义上面，目前的话普遍的一个共识是希望我们达到，不存在有运输功能的不足，或者说可预见的误操作所引起的危害，首先导致这些不是一个风险，因为功能很好，主要是对电子电气的一些故障和引起的关键的一些预防，简单说是对一些不知道以外的部分做一些合理的。

大体我们对整个用户安全的场景有如下事项的分类，那么在我们以前也做过介绍了，我们所需要达到安全目标是尽可能的去减少对已知危险和未来危险产品的一个减少，会提高我们的安全性，怎么样去达到我们的战略目标呢？

目前有一个比较充实的，就是我们希望能够通过尽可能的搭建我们的预算安全的一个知识产品，是通过实测测试、道路测试，还有访问测试的方式去覆盖我们工作人员执行目标，针对工作安全的场景的话，我只做这样的一个定义，这张图的话是我们对s21448的一个，而且我们认知的话，在对整个测试场景当中，它存在非常多的一个环境的创造，还有产品偏端的一些组合，是通过场景描述了一个景区的交通秩序，然后所包含的内容的话应该是有对整个的道路环境、交通环境，还有合同的行为以及其他的一个相关参与的行为描述。

基于运输安全，还需要对整体的工作状态，还有它的预期执行有一系列的一个描述。可以看到在这个过程当中，我们同时也会对所处的功能状态，所处的情形的一些法律法规相应的规范，以及对整体的功能所做出的一个预示的一个识别，预示的响应也需要有相应的一个输入。我们对整体的产品的一个结构的话是有分为以下的5个层面。

首先在产品当中需要包含对各个产业片段的情景的描述，情景化主要是包含了环境，相应的一些静态动态的目标的识别，还包括所有的整个行业的参与者以及各个参与者之间的一个关系，以及在我们整体当中会有对整体事件的一个定义和对我们的组织到公交车的相应的工作的一个描述。

在整个场景事业当中，是对场景，对整体情景，情形动作和事件的一个持续的组合，刚刚我们的李博士也介绍了，我们的运输安全在国内落地是通过了新的标准去实现的，在我们之前的工作当中也主要参考了ISO存储量，还有一系列结构化的6层模型去做了整体场景的一个搭建，在后续我们的工作当中也会持续的去更新我们的产品数据，还有产品的标准，达到我们工作组的基层成员的要求。

那么我们目前的话，我们是基于道路、基础设施、临时性操作、目标环境，还有数字信息等6个层面去对环境进行构建的，那么整个产品部永远提到有它的测算的一个层面，我们分为了首先去定义，我们预期功能产品的功能产品，是希望用自然语言去对我们的待测产品去描述，希望能够准确定位到预期功能安全的一些核心的问题。

那么如此的话，根据我们的开发和设计需要，去定义参数范围，得到我们的逻辑产品。在这个阶段的话，我们需要尽量的去分析影响预期功能安全的所有的测试产品管理的要素，以及去定义我们所需要的一些要素组合和参数的范围。

而这种形式具体的场景，也就是一系列场景要素和参数的组合，要通过我们的一个参数边界去寻找到，我只知道是关于美国飞机的一个边界，基于整个产品数据要求，我们只是严格按照我们系列的测试标准体系的，可以看到我们对场景的静态和动态要素，是基于open drive，还有我们cig和我们CRO进行构建的，但是在整个标准体系当中的话，我们主要是定义了静态地图的一个标准格式，它包含这个逻辑路网和道路环境的现在做一个描述，可以看到open系列的话都是按照还没有成为结构的，是对道路起航信息的一个预期的定义。

那么我也把我们win2的一个框架结构也列在了总线的当中，它可以对我们的车道、车道级的信息，交通标志，标识标线，一些注册的目标物进行严格的定义。

那么我们其他的，主要是描述了我们的动态的行为，以及道路交通的环境信息。比如说行为的话主要是对堵车，还有摩托车的动态，还有他的动作以及他的一些行为上的描述。自然环境层面的话，它可以对我们的气候还有时间进行处理。 作为我们中国汽研的话，在进行预期工商业产品构建的时候，是由你的4个重要的数据库的来源。

首先的话包括我们的自然驾驶的数据，在上午的会议当中也进行了详细的介绍，我们采集了全国27个省市100万公里的在家数据，形成了我们中国企业的在家数据库。基于标准的法律法规的话，我们也涵盖了1000以上的这样标准法律法规的产品，交通事故数据的话，我们跟，就是我们的产品管理中心有深度密切的合作。

那么目前的话通过收集书、报告、数据、视频，形成了一系列以上的典型事故的产品数据，这个功能时效，那也是来自于我们的一些经验数据，还按照 AD实测测试的数据来去跟我们各方合作所积累的一些重要的客户，因此的话就形成了我们基于各类数据提供大批量快速帮助，构建的是公安场景的一系列的工具。

下面的话就简单针对我们的工具链，如何去构建我们的预期功能产品技术，可以看到按照我们的6层描述的话，它只是分成分类的去帮助我们去理解我们的场景要素，但是我们如何去进行参数的组合呢？首先的话对于静态的工作，在212148，应该说是它的一个电表，有详细的一个分类指标，我们也是参考了标准以及咱们工作组的扩充的标准去对它进行一个定义。

首先的话对道路交通环境结构进行评议，可以看到我们对即使区域道路等级道路的几个结构，以及它的一些标志标线，还有其他的一些临时性的一致性的一些道路结构机制，有很严格的定义，那么每项组合的话也可以通过我们的静态要素的一个数据库当中去进行采样，包括我们对自行车，还有交通，也是来源于我们的以上几大的一些数据去进行严格的产品提取和专业的体系，去形成了我们的场景的动态的要素。

我们通过对工人的场景道路要做组合，去形成了我们的参数提取和参数组合的方法，可以看到我们可以去对产品参数的范围进行定义，可以得到我们参数的应用模型，通过优化我们的操作方法，去快速的生成我们大量的测试场景，并且我们能够找得到我们的访问测试当中，去得到数字评价的一个结果。

迭代的方式去优化我们的产品组合。下面例子就是我们针对场景一条成品库的一个工人产品的一个描述，后面有它的一个功能类型，示意图描述以及对6层结构的一些简单的一个描述信息。可以看到如果我们要尽可能的去便利我们的参数，那必然会存在一个问题。在生成大量的场景的时候，我们会存在场景数据量过大，不利于我们做测试的一个问题，相信也是我们平时在测试当中所遇到的问题，如何去帮助我们，去优化我们的关键参数组，会得到合理高效的产品，这是我们现在所采用的一个开发方法和流程。

大体的参数提取设置规划图的方法，也是严格按照开发的一个结构，通过我们的测试需求去提取了我们的基本逻辑场景。最开始的话我们是采用了简单的，比如说计划的实施方法，通过双方的方式去得到我们产品组合。但通过我们金融的一系列对产品的评价体系，目前的话我们已经形成了对产品本身的一个层次分析，去评估它的复杂度、风险度的指标，去进行优化迭代，去压缩了我们的组合，已得到尽可能覆盖率高的产品要素。

最终的参数组合，有如下三个方法，最开始的话我们可能来自于我们的一个用户的自定义，还可以通过分开配置的方式去得到我们想要的一些产品，也可以通过要素垂直的组合，当然也可以来自于我们的自然驾驶的一类标注数据，最终的话也是希望能够得到我们的一系列的分布的方法，分布的模型，通过我们的深入学习和抓取方式，得到尽可能多的一个产品，那么成立三个组合也决定了我们具体的产品数量。

针对于我们实际测试的时候，可能有两大类的产品需要我们去着重注意。

首先我们来源于自然驾驶数据产品，我们希望尽可能的去得到它的一个特征的参数，我们采取的是参数化的产品监管的方式，比如说我们针对事故产品和一些需要产品，我们需要1:1的去还原当时所发生的情形，我们也采取了对道路的管理重构，以及对动态的一个轨迹还原的方式。

为了能够快速的应用到后面的测试当中，我们也采取了多种的环境构建和测试的方法。但在下面的方式当中，我们也详细的列举了针对于一次探索和一系列综化测试的方法。首先的话我们可以通过大量电力的方式去生成我们的产品列表，通过直接调用场景的方式去进行测试，但这样的话不利于我们加速合适的方法，因此我们也采取了通过生成我们的微场景，并且通过参数组合表的方式去进行快速的测试和便利。

而且我们在针对做业务和业务相应的一个规范，比如说我们在做测试的时候，可能会在出发点前方增加一段绿色的道路，你希望能更细，或者说我们的一个系统达到相应的测试状态，在我们带车功能正常运行的时候，引进我们的产品，再以这样的方式的话，我们实际上端的一些产品类型，很荣幸在本次的预期工作安全的大会当中能够跟大家分享一下。这是我们目前形成的产品数据处理和产品生产的一个工具链。

云平台的话也是我们今年的工作的重点，目前的话也形成了6大工具的模块，使用的话是对产业进行提取，相应的功能的话就是可以自动化的对我们的典型的价值产品进行一个提取工作，比如说吸收切除危险公共事项以及相应组合，同时的话也可以根据用户自己的一些技术需求去定目标，去自定义的方式去进行产品的一个提取。 提取完成了之后，我们有我们的产品标注和这样一个平台，这是一个人工标注的层面，因为有些内容的话可能无法完全通过依赖于通话的方式去实现，要人工的去校准。我们有自己的一个众包平台，我们公司也可以有，我们的一些合作伙伴去帮助我们进行数据的标注工作。完成标注之后，我们可以对整个的产品数据进行统计和分析，也就是说可以得到我们的一个逻辑场景去定义，比如说切入的一些参数的范围。

我们提到了产品的生成和转化，还有生成对应的就是我们对要素特征的一个还原，而产品转化的话也是让我们1:1的传播的工作，最终的话我们形成了每一个工作流程当中的一些数据积累，也可以通过我们的数据管理平台，对我们提取的产品数据标注数据，宣传场景、转化的场景以及统计分析的结果来进行数据管理，最终的话形成了我们的产品部，也可以形成我们的商业模式适用率，最终可以进入到我们的筹码测试过程当中，去对我们的工作系统进行测试的一个统一评价。

目前的话，其实我们今天也发布了我们前3.0，所以我放的是我们之前2.0的版本，可以看到我们是有多样的一些家庭功能的，产品库产品库存的也可以仍然是距离了ok系列也可以自由的导出我们的罗贝塔，通过导入轨迹导入我们常用的方式，达到logo金融，也实现了60~63以上级别的一个数据覆盖。通过我们的也可以帮助我们的用户去搭建他们所需要的生产的成本，就能达到他们成本。

感谢各位领导和专家组，我的分享就到此结束。

注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！