自動駕駛技術無疑是當今世界數(shù)字化發(fā)展的重要領域之一，但與此同時，自動駕駛所需的海量測試與驗證也面臨著嚴峻的挑戰(zhàn)。汽車設計與交通環(huán)境的復雜性意味著，在現(xiàn)實中，人們永遠無法測試所有可能發(fā)生的事故場景。為了開發(fā)更安全、更智能的車輛，需要通過仿真來測試車輛的性能和安全性，這也正是Siemens和TASS，以及Mentor的組合可以解決的領域。
自動駕駛汽車測試面臨的挑戰(zhàn)
自動駕駛汽車在從1級邁向5級自動化的發(fā)展進程中，測試場景從幾百個增加到了數(shù)百萬個，如果在路上采集這些數(shù)據(jù)，比如按照特斯拉目前的收集速度，可能需要幾十年的時間。更重要的是，這不僅是收集一次數(shù)據(jù)，還要將收集到的數(shù)據(jù)適應車輛開發(fā)的系統(tǒng)，并使用相同的數(shù)據(jù)重新測試，這在現(xiàn)實世界中是難以實現(xiàn)的，因為再也無法重新行駛數(shù)十億公里，無法控制所有的環(huán)境參數(shù)（例如天氣狀況）進入相同的場景，所以必須將這些代入到虛擬世界中，由此易見，仿真技術在自動駕駛車輛測試與驗證中是必不可缺的關鍵所在。仿真不僅僅是創(chuàng)建一個虛擬世界，還涉及到傳感器建模和仿真，并確保在雷達、激光雷達、超聲波、GPS等不同物理領域中都盡可能準確。
值得注意的是，在測試和驗證任何系統(tǒng)時，不僅要收集常規(guī)的駕駛數(shù)據(jù)，還需要收集有關危險情況的數(shù)據(jù)，可以說，為了確保安全，真正需要找到的就是“corner cases”。所謂“corner cases”類似于，已知系統(tǒng)能在房間的大部分空間運行，但系統(tǒng)在空間邊緣的運行更值得探究，即遇到問題的地方。人們會因為這些難以琢磨的“corner cases”而陷入麻煩，例如，陽光直接照入汽車的傳感器或攝像頭，惡劣天氣，騎自行車者穿過昏暗的街道，都可能會導致致命的車禍。因此，進行海量測試的最佳解決方案就是將場景引入虛擬世界進行仿真，在模擬過程中更改場景，從而尋找極端情況。
如何尋找corner cases?
尋找corner cases類似于路徑優(yōu)化技術，只是隨機種子可以來自于事故數(shù)據(jù)庫。例如德國深入研究事故的GIDAS3D數(shù)據(jù)庫，就將數(shù)千個事故映射到數(shù)據(jù)庫中，將事故的時間和空間做了參數(shù)化描述，可以下載到虛擬環(huán)境中進行重演。由此，可以通過更改不同參數(shù)，比如改變本車或他車車速，更改天氣條件或控制器使用的算法，將一個事故案例分解為數(shù)千個案例，這就是構建場景數(shù)據(jù)庫的方式。
然后，利用諸如Monte Carlo之類的測試方法來搜索系統(tǒng)對特定參數(shù)響應的薄弱環(huán)節(jié)。如果有很多響應，那么此參數(shù)就值得進一步探索，反之，沒有響應時，則無需進一步搜索，這一過程中由標準化的數(shù)學方法來尋找corner cases。
自動駕駛技術的光明前景
ARK投資管理公司的一項研究表明，如果自動駕駛汽車能減少駕駛員失誤，那么機動車事故率將降低83%，從每行駛1億英里的1.1例死亡降至0.2例。然而，實現(xiàn)這一目標并非易事，需要各方面共同努力，真正實現(xiàn)“從芯片到城市”。未來，政府將無法像今天這樣通過要求進行碰撞測試來證明汽車的安全性，而是需要法規(guī)對用于驗證未來汽車核心自動控制系統(tǒng)性能的仿真進行認證。這些法規(guī)不僅有助于確保安全，還將釋放出未來汽車的全部潛力，以提供人們都期盼并享受的全新，令人興奮的旅行體驗。而汽車廠商本身則需要反思整個車輛開發(fā)流程，考慮性能應當如何在安全性，舒適性以及效率間求得平衡，改變自己，改變組織結構，改變軟件開發(fā)方式，改變與車輛互聯(lián)的方式。
為此，西門子提供了一系列范圍廣泛的功能支持，能夠推動從如今的私家車出行向以“出行即服務”為常態(tài)的自動駕駛世界進行過渡。
