2019年5月30日，中國首部自動駕駛仿真藍皮書《中國自動駕駛仿真技術研究報告(2019)》在第六屆國際智能網聯汽車技術年會(CICV)上重磅發布。
此部自動駕駛仿真藍皮書是由51VR發起，由清華大學蘇州汽車研究院、廣汽研究院智能網聯技術研發中心、中國汽車技術研究中心智能汽車研究室暨汽車軟件測評中心、江蘇省智能網聯汽車創新中心、北京智能車聯產業創新中心、奇點汽車和當家移動綠色互聯網技術集團有限公司(51VR)聯合發布。
左一：張帆博士;左二：戴一凡博士;左三：孔凡忠博士;右一：王羽;右二：郭繼舜博士;右三：李熠
《中國自動駕駛仿真測試技術研究報告(2019)》是目前為止第一部全面介紹中國自動駕駛仿真測試發展現狀的工具書，既結合了當前學術機構的前沿研究成果，又結合了領先企業的最新工程實踐，內容涵蓋自動駕駛仿真測試所有領域，包括：仿真測試市場需求分析、方法應用、搭建技術方案、軟件現狀、虛擬場景數據庫、示范區測試方法介紹、標準介紹、挑戰及發展趨勢八個部分，由自動駕駛仿真領域多位行業專家意見匯編而成。
其中，清華大學蘇州汽車研究院院長成波教授特別擔任此次藍皮書編委會主席，對藍皮書的總體方向與核心要點進行把關。
參與此次藍皮書撰寫的編委會委員包括北汽研究院副院長兼新技術研究院院長孔凡忠博士，廣州汽車集團股份有限公司研究院智能駕駛技術部部長郭繼舜博士，中國汽車技術研究中心(CATARC)智能汽車研究室暨汽車軟件測評中心主任王羽先生，江蘇省智能網聯汽車創新中心總經理戴一凡博士，奇點汽車美國公司總裁、美國研究院院長黃浴博士，51VR智能駕駛與交通事業部產品與商務部長張帆博士。強大的專家陣容，是藍皮書在業內的權威性發聲以及專業性地位的有力保證。
對于此次藍皮書的意義，成波教授表示：“國內自動駕駛仿真行業尚處于起步階段，但正在打破國外仿真軟件長期壟斷的狀況，此次藍皮書的發布正是對中國原創仿真軟件崛起的一個階段性總結。”
成波教授的點評正好印證了當下的中國。如今，中國正在迎來的一個自主原創科技迅速崛起的新時代。
中國原創科技力量的崛起
仿真軟件在我國裝備工業軟件中一直是弱項。自動駕駛仿真軟件也是如此。國外自動駕駛仿真軟件起步早，且跟硬件早有綁定，發展趨勢迅猛。
由于國外自動駕駛仿真產品一直占據市場主導地位，因此，標準也是由這些國外軟件在主導。而這樣導致數據格式各異，讓國內的數據標準受到嚴重限制。
為此，中國必須深度參與到全球自動駕駛仿真技術與標準制定的競爭之中，才能改變這一現狀。而要參與進國際標準制定，中國首先需要擁有自主原創的仿真軟件。
以51VR為代表的自動駕駛仿真軟件，其擁有自主知識產權的技術和中國特色道路數據，如今正在努力改變汽車工業領域被國外軟件所壟斷的局面。
中國的自動駕駛仿真軟件雖然起步稍晚，但獨具優勢，無論是從場景衍生、法律法規、交通環境、還是從使用習慣、本地服務、快速響應上，都有著國外自動駕駛仿真軟件不可比擬的先天條件。
“中國未來在自動駕駛仿真軟件上，一定能趕超國外的仿真軟件，對此我非常有信心。在中國做自動駕駛仿真軟件，這件事確實有難度，但無論是對于市場，還是對于整個行業創新，都是非常有意義的。”江蘇省智能網聯汽車創新中心總經理戴一凡博士說到。
如今，中國已開始越來越深度地參與到了全球技術與標準制定的競爭之中。
2018年5月國際標準化組織組建自動駕駛測試場景工作組，中國首次作為國際標準工作組召集人，在智能汽車的國際標準化領域做出中國貢獻。
在這個國內外自動駕駛紛紛制定標準建立標準的窗口期，搶占技術規范的制高點至關重要。未來，誰能更深入地參與到仿真測試方法與數據格式標準化工作，誰就能在標準形成的后期獲得更大話語權。
隨著中美貿易戰摩擦不斷升級，科技冷戰一觸即發，自主原創科技呼聲愈漸走高。
作為一種通用的底層技術，計算機仿真技術已是中國智能制造完整技術鏈條中的根基之一。每一次產品研發過程的技術經驗迭代，工程師實踐積累，產品開發流程優化，都是對中國計算機仿真軟件及數據信息體系的不斷完善。發展自動駕駛自主仿真軟件平臺，也是在培養人才和建立備用系統。
一旦某天，當國外的巨頭對中國工業軟件實施斷供，那么這套自主研發系統就可以立即投入使用，保證我國汽車自動駕駛技術與智慧交通出行的持續發展。擁有科技自主權的無人駕駛仿真軟件，正在打破汽車工業領域中國軟件為零的記錄。
無人駕駛仿真為何越來越重要?
2018年3月，Uber一輛自動駕駛汽車發生了與行人的碰撞事故，直接導致其路測許可被暫停。
特斯拉因Autopilot輔助駕駛系統而導致的駕駛員死亡事故更不止一起。2016年1月一輛特斯拉在京港澳高速行駛時，與前方的道路清掃車發生追尾事故，導致駕駛員身亡，特斯拉公司承認車輛在案發時處于自動駕駛狀態;同年6月，美國佛羅里達州也發生了特斯拉與橫穿馬路的重型卡車相撞的事故，導致駕駛人當場身亡。
自動駕駛事故促使各國車輛技術監管機構提高了警惕，開始慎重審視在公共道路上進行的自動駕駛道路測試。
為解決實際道路測試問題，國家與各地區積極投入資金建設一批封閉測試場地，并有條件的開放了若干指定道路。但相比于旺盛的測試需求，國內自動駕駛測試場地數量遠遠無法滿足要求。
按照美國高速公路管理局的統計數據，駕駛者平均需要行駛85萬公里才會經歷一次警方報告事故，接近1.5億公里才會經歷一次致命事故。因此，每個自動駕駛系統需要 160 億公里的駕駛數據來進行系統優化。照這樣計算，需要配置一支1000 輛自動駕駛測試車的車隊，花費大約 50 年的時間，才能完成足夠的里程測試。正是因為時間和花銷的不可承受，行業普遍認識到，基于計算機的仿真技術是對自動駕駛系統進行虛擬測試與評價最有力工具。
圖為自動駕駛仿真靜態場景編輯與訓練
自動駕駛仿真系統通過提供更加豐富多樣的靜態環境，連續動態的隨機交通流，結合邊緣案例與危險案例的參數泛化技術，可以在有限的虛擬測試里程內有效增加高訓練價值場景出現的頻度與密度。
2017年發布的《中國智能網聯汽車技術路線圖》指出：測試評價是智能網聯汽車基礎支撐技術之一。其中自動駕駛系統計算機仿真是自動駕駛車輛測試和試驗的基礎關鍵技術，也是未來行業定義自動駕駛車輛相關開發流程與技術準入標準的基礎工具。
自動駕駛仿真測試，是指通過計算機仿真技術，建立現實靜態環境與動態交通場景的數學模型，讓自動駕駛汽車與算法在虛擬交通場景中進行駕駛測試。
傳統的計算機仿真軟件在解決以下幾方面的問題上都存在不足，例如高精度地圖制作與匹配，高逼真靜態場景的建立，先進感知傳感器的物理仿真，駕駛員模型與智能交通體模型仿真，動態場景庫建設等。
如今，新一代具有信息物理特征的仿真系統，不但可以更高效的迭代和驗證自動駕駛算法，而且可以更好地滿足對物理信息系統的整體測試需求。
目前，市場上既出現了如百度、騰訊與Waymo等都在使用企業自研的內部仿真系統，也出現了服務于汽車行業的外部商業軟件，例如51VR、AAI、CARLA、Cognata、Panosim等。仿真測試已經成為大多數企業研發自動駕駛系統的剛性需求。
未來，“自動駕駛軟件開發”和“自動駕駛系統及整車驗證與集成”，很大程度都將依托于計算機仿真技術提供的共性支撐。
對于汽車制造與技術企業而言，自動駕駛仿真系統貫穿產品的研發與使用生命全周期：從產品概念選型到產品運行數據收集與系統升級，仿真系統既作為工程技術開發人員的工具箱，幫助實現產品的安全性與穩定性，又作為企業管理人員的數據知識庫，幫助累積企業的設計流程、工程經驗與數字模型等寶貴的無形資產。
對于國家監管與測試機構而言，自動駕駛系統仿真還可作為分析與檢測工具，可對汽車功能安全性與智能水平高低進行評價。
據推算，未來5年仿真軟件與測試的國際市場總規模約在百億美元左右。隨著商業化的落地，行業將對仿真虛擬測試產生更多需求。可以預計，適用于自動駕駛系統的仿真技術也將會同機械電子系統仿真一樣被大規模地應用于汽車產品的研發流程當中。
為了讓所與人能更全面地了解無人駕駛仿真測試技術，藍皮書從應用的視角，一共囊括了從方法、到數據庫、到標準等章節。無論是對于無人駕駛開發企業，還是測試機構，尤其是行業新人，透過這本藍皮書，能快速了解到自動駕駛仿真測試在應用上最新實踐，作為工作中最及時最詳細的技術參考。
