开发智能先进驾驶辅助系统（ADAS）是丰田迈向未来交通出行之路的关键因素。安全性和可靠性是重中之重，因为只有车辆安全，才能增强人们对该项技术的信心，最终才能提升人们对品牌的信心。为实现这一目标，需要进行无缝验证。
但这一挑战十分复杂：不仅要考虑到已知的风险，还要考虑到车辆与环境相互作用所产生的不可预见的危险。SOTIF（预期功能安全，ISO 21448）方法便能在此时发挥作用，在验证过程中，该方法让丰田公司大受鼓舞。
如何测试意外情况？
SOTIF和类似验证方法的一个核心组成部分就是在实际和关键驾驶条件下进行验证和确认。但哪些是关键场景呢？如何覆盖各种交通状况，并有针对性地捕捉最关键的情景？每个驾驶场景都会受到众多因素的影响，包括：
- 路况（干燥、潮湿、结冰）
- 天气条件（阳光、下雨、雾）
- 驾驶动态（加速、转向角、变道）
- 与其他道路使用者的互动（超车动作、距离、速度）
示例：阳光不足时，在湿滑路面上超车通常不会出现问题，但某些参数（阳光、加速度、转向角）相结合可能会引发意外事故。
为了识别这种情况，丰田运用不同参数进行了全面仿真。有针对性地将真实数据、仿真模型和试驾结合起来，可以在早期阶段识别和验证这些关键情况。毕竟，驾驶员辅助系统的未来不仅取决于功能强大的软件，还取决于有赖于对不可预见风险进行智能化、全方位的验证。
从真实道路到虚拟现实：丰田如何生成逼真的测试场景
为了生成如此逼真的测试场景，丰田开发了一套三阶段流程，将真实交通数据转换为高精度仿真，从而为验证自动驾驶系统奠定可靠的基础（图1）。
首先，在一段40公里长的高速公路上进行了密集测量。多个传感器（包括一个激光雷达装置、四个摄像头和一个全球导航卫星系统/惯性测量单元（GNSS/IMU）系统）精确捕捉了道路结构和交通流量。为确保最高精度，所有传感器都经过了仔细校准（另见“ 精确校准至关重要 ”）。丰田汽车公司的Daiki Miyata解释到，“精确捕捉这些传感器数据对于正确识别交通对象和驾驶操作至关重要。因此，我们对传感器进行了高精度校准，以便准确捕捉道路结构和交通流量。”这些数据是使用dSPACE的AUTERA系统记录的。利用AUTERA，同步记录激光雷达和相机传感器的原始数据并加上时间戳。加速度、转向角、GPS轨迹/GNSS数据等来自车辆总线的相关数据对记录进行了补充。
数据采集完成后，分几步对信息进行了处理。例如，为满足GDPR的数据保护要求，对车牌进行了匿名处理。随后，使用understand.ai提供的人工智能支持工具对数据进行了分析，并在高度自动化的流程中标注了车道、高度剖面和车辆行驶情况。经过不断优化，检测精度稳步提高，所捕捉到的交通状况也越来越详细。
然后，使用dSPACE的Traffic Virtualizer将收集到的数据传输到虚拟测试环境中（图2）。该工具可以通过两种方式生成场景：
- 对于较简单的情况，所记录的目标列表（合并传感器数据，ADAS感知算法已识别出各个目标）就足够了。
- 借助understand.ai高度自动化的标注服务，处理原始传感器数据，进而提供目标列表，生成质量更高的场景。
该工具利用预定义的抽象场景，识别数据中的相关交通状况。在这一流程中获取的场景参数可用于创建统计评估，如速度分布。这样一来可以有针对性地控制基于仿真的测试，并为其提供合适的数据。该流程结束时，便可得到可仿真的场景。这样既可以精确仿真真实的交通状况（仿制场景），也可以通过参数化（例如车速或车距）予以变化。这样就可以通过调整单个或多个参数来创建大量可改变的测试用例，每次都能产生略有不同的驾驶情况（另请参阅“ 逻辑场景生成 ”）。
以这种方式生成的场景有OpenDRIVE和OpenSCENARIO两种格式，可以集成到各种仿真平台中。
虚拟测试世界中的实车
生成测试场景后，丰田工程师将其导入ADAS实车仿真器（ADAS RCS），该仿真器将实车与虚拟环境相结合，创建了一个测试平台，安全无忧地仿真真实的驾驶情况。车辆原型（例如底盘测功机上的原型）与虚拟测试环境直接相连（图3）。屏幕上的内容会触发传感器（如摄像头）。这样就能精确仿真各种交通场景。
来自丰田的Daiki Miyata解释道，“这种虚拟测试环境的一个主要优点是能够毫无风险地仿真危险的交通状况。”为了测试辅助系统的可靠性，他们精心设计了车辆可能发生碰撞的情景。这种碰撞在现实世界中会造成严重后果，但在仿真中却没有一丝风险，向高效开发和可靠验证ADAS技术迈出了决定性的一步。
能够仿真难以或不可能在真实测试轨道上重现的天气和路况尤为重要。
展望未来：更多仿真，更全面的测试
通过有针对性地生成关键情景，可以在早期阶段识别出潜在的不安全状况，即根据SOTIF（预期功能安全）等被归类为安全关键型的状况。在这些场景下对自动驾驶车辆进行专门测试，开发人员可以找出薄弱环节，将其他道路使用者的安全风险降至最低。这有助于增强人们对自动驾驶系统的信心，并加快其在公共道路上的应用。在进一步开发X-在环仿真和实际测试台架的过程中，丰田聚焦在测试环境扩展和测试过程自动化。他们计划整合dSPACE的AURELION等先进工具，通过提供传感器真实数据来测试感知算法，从而仿真更加详实的场景。此外，他们还不断扩大场景库，真实描绘其他罕见和复杂的交通状况。
在该项目中，借助dSPACE的大力支持，丰田的开发部门成功地根据真实交通流量生成了复杂的场景，并将其成功导入虚拟测试环境。从数据采集到情景生成的整个工作流程都非常高效。最显著的优势包括：
- 使用AUTERA采集数据：精确记录了真实的交通流。
- 高度自动化标注：在understand.ai工具的帮助下，对道路细节和车辆进行了标注。
- 自动生成场景：Traffic Virtualizer根据收集到的数据生成了仿制和逻辑场景。
- 导入ADAS RCS：使用OpenDRIVE和OpenSCENARIO等OpenX标准，将各种场景无缝集成到虚拟环境中。
Daiki Miyata谈到，“将真实数据集成到虚拟测试环境中，开发和测试时间将大大缩短，ADAS系统的质量和安全性也将显著提高，大大提升对丰田现代车型的验证水平。”
随着这些技术的不断发展，丰田将继续满足未来车辆发展日益增长的需求，为设计安全和可持续发展的交通出行做出贡献。这些方法展示了dSPACE产品如何推动现代驾驶员辅助系统的高效开发。
Daiki Miyata
Daiki Miyata works in the Vehicle Technology Development Department and XILS Development Innovation Department at Toyota Motor Corporation, Toyota City, Japan. His main role is to build the X-in-the-loop (XIL) testing environment (ADAS RCS, etc).
精确校准至关重要
要想足够精确地再现真实世界，就需要精确的测量数据。因此，数据记录EGO车辆上的传感器在空间（校准）和时间（同步）方面都要精准协调。然而，尽管经过仔细校准，与系统相关的误差依然存在，仅靠改进校准是无法消除的。因此，我们采用了同步定位和映射（SLAM）以及自我运动补偿等方法来生成在空间和时间上保持一致的场景，即使在无法避免测量误差的情况下也能做到这一点。
逻辑场景生成
丰田的目标是自动识别40公里试驾记录中的相关部分，并据此生成单独的逻辑仿真场景。丰田为其测试定义了10种特定的驾驶情况。为满足这一要求，dSPACE对其工具进行了改进，增加了相关功能，丰田的开发人员可以自行定义行为模式，并在实际数据中识别这些模式。例如，可以结合保持车道、变更车道或加速等简单动作和情况来描述变道超车动作。因此，如今该软件更加灵活、可扩展性更强，今后只需稍加开发，就能增添更多行为模式（图5）。
仿真——即使在云端也能实现
原则上是可以在dSPACE模型ASM Traffic 和AURELION中仿真这些场景的。为此，有两种仿真选项可供选择：这些场景既可以在使用SCALEXIO的硬件在环（HIL）仿真器上执行，也可以使用SIMPHERA的在云中扩展。SIMPHERA还能在云端自动实现多种参数变化。这意味着一个真实场景可以衍生出数百个虚拟场景。有针对性的参数变化还可以让场景变得更加重要，例如，通过提高速度或缩短距离来仿真极端案例。
ISO 26262和ISO 21448
ISO 26262规定了道路车辆电子/电气系统的功能安全，并出台了一系列规则，帮助防止系统行为（包括系统故障和随机硬件故障）造成不必要的风险。ISO 26262并没有考虑到驾驶功能在实际用例中的功能限制。例如，从技术角度看，辅助系统的传感器可能功能完善，但在某个场景中，辅助系统却无法正确识别目标。除ISO 26262之外，ISO 21448（SOTIF）也考虑到了这些方面。根据SOTIF，场景分为已知场景和未知场景以及安全区域和不安全区域。已知风险可以通过有针对性的措施和测试进行评估和处理。尚未完全识别的风险，需要进行大量分析和测试才能发现。利用Traffic Virtualizer对试驾记录的交通数据进行系统分析，有助于确定虚拟测试尚未考虑到的场景类别。然后，就可以对识别出的潜在危险场景进行系统管理。
概览
任务 ：
- 作为ADAS验证的一部分，测试场景是根据实际行程中记录的测量数据生成的。
挑战 ：
- 用涵盖不可预见危险的场景全面验证ADAS。
解决方案 ：
- 利用AUTERA同步记录相关传感器的数据并加上时间戳
- 利用understand.ai（UAI）的工具对传感器数据进行半自动标注
- 利用Traffic Virtualizer自动生成逻辑场景
优点 ：
- 开发时间和测试时间大幅缩短
- 大幅提高了ADAS系统的质量和安全性
