“自动驾驶是真正的革命，并且出租车和物流行业将有可能最先被颠覆。”2015 年，微软联合创始人比尔·盖茨在接受《金融时报》采访时曾这样说道。
国家政策也对自动驾驶的智能汽车有清晰的规划。发改委于今年发布了《智能汽车创新发展战略》规划，根据该《战略》，到 2025 年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系将基本形成。要实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。
然而，目前全球的自动驾驶尚未完全落地，这其中既有技术的原因，也有法律的因素。其中，安全性、可靠性未达到“标准”是最关键的限制关卡。当前，汽车厂商或自动驾驶公司一般通过封闭场地测试和开放道路测试两种途径，来获得自动驾驶的相关测试数据。
封闭场地测试主要针对 L2 的法规场景，开放道路测试主要针对 L2 的一些场景，但这两种方式有各自的局限性，例如封闭场地测试也面临测试周期长、成本高、场景简单、无法全面地测试各种实际场景等问题；而开放道路测试时，会面临测试成本高、周期长、交通事故等安全隐患。如果说这些问题可应对，一个无法逾越的障碍是测试里程严重不足。
美国兰德公司的一份研究报告指出，如果要证明自动驾驶达到安全的理想状态，需要经过 110 亿英里（约 180 亿公里）的测试。行驶 180 亿公里需要多久？按照兰德的研究测算，100 辆自动驾驶车辆以时速 40 公里昼夜不间断地行驶，大约需要 500 年才能完成测试。这显然不现实，更何况这种假设并没有考虑测试过程中车的性能、道路、天气等各方面的复杂因素。
那么，如何能更安全、低成本地进行自动驾驶的海量测试呢？近日，DeepTech 注意到自动驾驶工业软件公司深信科创完成了近亿元 PreA、PreA 轮融资，其核心产品是自动驾驶的模拟仿真测试。
模拟仿真测试能替代道路测试吗？这背后有哪些技术难点和技术壁垒？模拟仿真测试有哪些应用场景？其未来发展前景将如何发展？本文将以深信科创为案例，通过 DeepTech 与西安交通大学教授、深信科创创始人兼 CEO 杨子江的深入交流，进行相关分析与解读。
自动驾驶模拟仿真测试有多真？
其实，传统的汽车仿真早在 20 世纪就已出现，它以车辆动力学的仿真为主，可以仿真车辆对驾驶员、路面及空气动力学输入的响应，主要用来预测和仿真汽车整车的操纵稳定性、制动性、平顺性、动力性和经济性。
而现在我们说的“自动驾驶仿真”是模拟车辆传感器探测周边的行使环境，包括静态道路、交通标示牌、各种交通参与者（行人、自行车、摩托车、施工牌等等）、车辆交通流的情况、红绿灯的设置、天气状况、路面光照等各种复杂的情况。车辆根据探测到的行驶环境，对车辆进行运动控制，形成对“感知-决策-控制”整个系统的端到端的全方位模拟。
这里可以看出，自动驾驶仿真主要仿真的是车辆的物理模型，包含了摄像头、毫米波雷达、激光雷达、GPS、动力学模型等传感器。于此同时，还要模拟真实的外部环境，包括道路、车辆、行人、天气、建筑物、光照、红绿灯等。这与传统的仿真形成良好的互补，真正做到让完整的自动驾驶系统在虚拟世界中进行测试验证。
图丨深信科创自动驾驶仿真测试平台-webviz 可视化界面（来源：深信科创）
使用模拟仿真测试是为了尽早地发现自动驾驶系统中的问题，特别是在早期的软件开发环节。如果可以为自动驾驶系统提供各性能测试数据，发现并及时解决问题，不仅节省大量的测试成本，更重要的是通过加速测试来加快自动驾驶的设计和开发周期。
西安交通大学教授、深信科创创始人兼 CEO 杨子江表示：“深信科创通过并行化和 AI 算法两种方式来解决加速自动驾驶测试的科学问题。基于云原生的工程架构，模拟仿真可以在情况下，在公有云或私有云上不间断的进行几十万辆车的并发测试。
这样的并发量在现实世界是不可想象的，但是在软件场景下车辆复制成本为零，所付出的代价仅为算力成本。通过 AI 对抗场景生成以及模糊测试，仿真环境里可以更大密度的产生极端交通场景，从而在和路测相等里程数的情况下完成更多、更快的场景覆盖。”
图丨深信科创自动驾驶仿真平台-仿真场景展示（来源：深信科创）
美国德勤公司的汽车产业微笑曲线图把模拟仿真列为自动驾驶难度最高的技术之一。
为何模拟仿真这么难呢？
首先，传统的 L2 的物理级传感器模型（场景复杂度、传感器真实度）已经不能满足 L2 -L4 级自动驾驶仿真测试的需求，深信科创开发的模拟仿真平台主要针对 L3-L4 级自动驾驶系统，它是利用游戏引擎技术，实现地图、天气、车辆等高保真渲染及传感器仿真模拟。
同时，采用人工智能技术，通过采集的大量的真实场景数据，传感器数据对于传感器模型进行训练，打造真正基于人工智能的 L3-L4 级自动驾驶仿真软件，并且结合高质量车辆动力学模型，对自动驾驶系统进行模拟测试。
对于模拟仿真来说，用户最关心的是在复杂的环境中是否能达到与真实情况的接近。杨子江指出：“仿真要做到‘真’，背后的计算非常复杂，包括传感器模型、静态场景、动态场景、交通参与者、交通流、汽车动力学、地面的摩擦系数、轮胎的摩擦等技术难点。”
为此，深信科创面向量产的 L2 高级辅助驾驶系统及在研的 L4 自动驾驶系统测试，提出了基于测试理论、可信人工智能技术、云计算与大数据技术的安全测试解决方案，并形成围绕加速测试与安全测试解决方案的场景描述领域专用编程语言、智能交通流系统、大规模云端仿真测试平台的产品布局。
图丨深信科创自动驾驶仿真测试平台-场景编辑界面（来源：深信科创）
第一，通过深信科创场景描述专用编程语言可精确地描述自动驾驶测试过程中的交通场景、动态行为。通过编译器渲染出毫米波雷达信号、激光雷达的信号等场景。
目前，很多车企通过扫街的方式从真实的交通场景中采集数据做模拟仿真测试，但这种方法的局限性是数据规模太小。
针对此问题，深信科创采用其专用的场景描述编程语言，然后将拍摄的交通场景视频“反编译”成场景描述语言的程序。这样就会理解车辆数量、每辆车的速度等各种情况。在此基础上进行泛化，可以任意增加数据规模。
第二，深信科创自研的智能交通流系统可以让仿真测试过程中的交通参与者（包括 NPC 车辆、行人）具有更加自主的交通行为。值得关注的是，除了被测的自动驾驶车辆，在模拟环境中的其他车辆还必须全面排除“僵尸车”，也就是预先设计好轨迹行驶的车辆。“僵尸车” 的存在无法保证模拟环境中的变道、避让等状况与现实一致，从而降低模拟仿真的真实度。
“让我们仿真平台测试的每辆车与人开车情况相似，是深信科创攻克的技术难点之一。”杨子江说。
图丨深信科创自动驾驶仿真测试平台-webviz 可视化界面（来源：深信科创）
第三，深信科创开发的仿真测试平台采用了云原生架构。通过场景描述和泛化算法提升仿真测试质量，通过云端大规模并行测试提升仿真测试效率。
深信科创的定位是打造自动驾驶软件开发的基础设施，在自动驾驶开发的整个过程都能用到模拟仿真的平台绿洲，然后再配合开发平台吉光，它相当于自动驾驶的中间件。
从海外教授到归国创业
多年以来，杨子江在软件测试与安全领域累积了丰富的经验。他大学本科毕业于中国科学技术大学，硕士就读于莱斯大学，博士阶段在宾夕法尼亚大学完成。博士毕业后，曾任美国西密歇根大学计算机科学系教授十余年，并担任 IEEE 国际电动与智能车技术委员会主席。
图丨西安交通大学教授、深信科创创始人兼 CEO 杨子江（来源：深信科创）
2019 年 4 月，深信科创由图灵奖获得者姚期智院士担任院长的清华交叉信息核心技术研究院孵化成立，杨子江辞去海外教职工作，选择回国创立并出任深信科创 CEO。此后，他受西安交通大学管晓宏院士邀请，在西安交通大学担任教授及博导。
据悉，深信科创团队目前约 70 人，其中大多数为研发人员，占比超 75%，有一半员工拥有硕士或博士学位。核心成员毕业于西安交大、清华大学、加州大学洛杉矶分校（UCLA）、哥伦比亚大学、密歇根大学等国内外高校，并具备华为云、思科、优步、通用汽车等丰富的行业经验。优秀的团队是创业成功的必要条件，杨子江认为自己很幸运有一支稳定、团结的核心团队。
图丨深信科创团队与北斗海松投资人（来源：深信科创）
让交通事故止步于虚拟世界
模拟仿真的应用范围广阔，除了获得自动驾驶的海量数据，还可应用在智慧城市、智慧交通、汽车数据训练、为保险公司提供汽车保险费用的判断依据、为行业监管与测评机构提供规范自动驾驶提供范本、为自动驾驶企业提升算法、效率、质量的方案等。
杨子江表示，深信科创将可能在 2023 年在更广的范围全面地铺开其相关产品，深信科创的 SaaS 服务将经历从私有化部署到公有云部署的路径，最终用户逐渐会意识到公有云的算力成本低、场景更丰富。
他还指出，“自动驾驶是多点技术，不是依赖某个企业或明星研究团队，也不能通过一两个单点技术的突破就将自动驾驶实现完全的产业化落地。因此，该领域的发展要靠各方共同的努力。为此，深信科创坚持开源战略，希望通过自己的一些努力建立起自动驾驶产学研密切合作的生态社区。”
自动驾驶将逐步完善体系并落地，而模拟仿真技术是自动驾驶测试的发展方向，也是将自动驾驶推向产业化落地的必经途径。
总的来说，虽然模拟仿真测试仍充满科学和技术等各方面挑战，但可预见的是，模拟仿真在未来几年将加速发展。正如深信科创所希冀的那样——“让交通事故止步于虚拟世界”。
-End-
