当前汽车工业正处于变革的关键时期，由于传统软件平台无法支持海量的智能汽车软件开发、运行，引发了智能网联汽车软件体系构架的变革。而车辆网络安全也成为继主动安全、被动 安全、功能安全之后的“第四安全”，针对智能汽车面临的复杂网络与信息安全风险，构建适应智能汽车多域融合架构、多层次的网络与信息安全纵深防御非常重要。

当前，我国正在积极利用新能源汽车产业的先发优势以及在基础设施建设、信息通信领域的深厚积累，以自主研发和安全可控作为牵引，构建完整的智能网联汽车产业链，新一代电子电气架构、车用操作系统、仿真测试、大算力计算芯片、激光雷达等关键技术取得突破，各车企纷纷加快自动驾驶产品的量产计划。

同时，在我国各项政策的助力下， 自动驾驶技术依靠测试数据快速改进迭代。工信部公开数据显示，全国已开放各级测试公路超过 7000 公里，实际道路测试里程超过 1500 万公里，自动驾驶出租车、无人巴士、自主代客泊车、干线物流以及无人配送等多场景示范应用有序开展。

新的发展阶段往往伴随新的挑战、新的机遇。其中，量产汽车高级别自动驾驶功能的有效验证和认证是不容小觑的“拦路虎”。具体而言，高级别自动驾驶功能设计更加复杂，“开发 - 测试” 时间变长，在迭代压力下，开发测试同时进行，无法形成闭环。此外，验证方式效率低、缺乏高效的测试策略，测试工具种类繁多，可信度和置信度低，缺乏自动化测试手段等也是测试验证过程中普遍存在的问题。

‖ 图 1 赛目科技自主研发 Sim Pro 渲染图　来源：赛目科技

由于自动驾驶算法的复杂性和场景覆盖度的要求， 高等级自动驾驶功能的仿真技术已成为必不可少的测试验证手段。

仿真本身源于数值计算，在工业设计领域和汽车行业均已得到广泛应用。赛目科技在仿真领域已有多年积累沉淀， 目前主攻的方向是针对自动驾驶算法的安全分析和仿真测试， 旨在尽可能地通过多种验证手段，更好地保障自动驾驶的安全， 推动国内高等级自动驾驶量产车尽早落地。

从国际上来看，联合国世界车辆法规协调论坛通过《自动驾驶汽车框架文件》， 确立 L3 级别及更高级别的自动驾驶汽车的安全性和相关原则。有关“自动车道保持系统（ALKS）” 的联合国第 157 号法规是首个针对 L3 级别自动驾驶功能决议的具有约束力的国际法规，包括关于型式认证、技术要求、审计和报告的规定以及在测试场和真实条件下的测试。在 UN R157 法规里，明确提出在相对复杂测试场景中， 可利用仿真测试工具来进行系统安全性验证， 并说明仿真测试工具的适用性和场景的有效性。

在 2021年4月7日 和8月 12 日， 工信部分别发布两项智能网联汽车产品准入管理相关的文件《智能网联汽车生产企业及产品准入管理指南（试行）（征求意见稿）》和《关于加强智能网联汽车生产企业及产品准入管理的意见》。

其中明确指出对于高等级自动驾驶， 需要通过仿真、封闭场地和开放道路测试对产品进行测试验证。在标准法规层面，汽标委规划了包括《汽车驾驶自动化分级》《通用技术要求》等十余个与自动驾驶相关的国标， 仿真相关的国标也在规划之列， 该项国标将由赛目科技和汽车标委会共同牵头编制。

为了满足自动驾驶新的测试需求， 从传统的基于里程的测试方式逐步向基于场景的方向转变， 需要有全新的测试体系。仿真测试能够更加有效地对典型场景、危险场景和边缘场景进行测试， 可以大幅提高测试效率，降低测试成本。同时，还可以精确定位问题并且充分探索极端和边缘场景， 满足高等级自动驾驶测试对于场景覆盖度的要求。

但就目前而言，仿真测试仍面临很多问题和挑战， 包括如何提升仿真测试的置信度、如何提高场景的覆盖度、如何提高测试效率以及如何科学合理地对仿真结果进行评价等。

首先是置信度，对于仿真测试而言， 工具本身的确定性及置信度是一个巨大的挑战。功能安全通过一系列的过程保障，包括从安全需求开始，到代码架构、单元设计、系统设计、单元测试、集成测试、评估确认。同时，通过 HARA 分析、FMEA、FTA 等危害分析的手段确保工具本身的置信度能够达到足够的水平，从而确保测试结果的一致性。

此外，根据功能安全的要求，零部件产品如须通过功能安全认证，其测试用到的工具软件也是必须要满足功能安全要求。因此，通过功能安全认证，确保工具的置信度， 是工具层面保障结果的真实性和有效性的有效手段。

赛目科技自主研发的 Sim Pro 仿真测试平台， 是全球首个通过功能安全ASIL D 级别产品认证的仿真测试、验证和评价工具链， 从设计开发到测试验证进行全流程的安全评估和保障， 不会出现因自身原因引发的计算错误、算法逻辑变更等问题，完全满足工具置信度、可靠性的功能安全要求。

从功能来看，Sim Pro 可对车辆动力学模型、传感器模型、交通流模型、环境模型进行高置信度仿真；具备高效、精准、自动化测试以及海量并行仿真能力，支持全栈算法测试；是完整的闭环工具链，配置有丰富场景库、对接接口及适用平台，支持敏捷开发。

其次，场景覆盖度也是是行业一直以来讨论的焦点，包括建设多场景多引擎的数据集，以解决场景覆盖的问题等。就目前来看， 主流的场景生成的方式有三种：一是手工搭建，包括利用各种场景搭建工具搭建的测试场景、根据事故数据搭建的事故场景等；二是采集转换， 用采集的真实道路数据通过处理软件完成采集、清洗、标定、建模的过程，从而生成片段或者连续的场景；三是基于泛化生成的场景库， 最典型的就是预期功能安全场景集。

Safety Pro 是赛目科技自主研发的功能安全及预期功能安全分析工具， 基于专家经验实现自动化分析， 可集成于 Sim Pro 中。Safety Pro 可按照 ISO 21448 的要求，分析产品的局限性和潜在不足， 生成基于特定方案的预期功能安全测试场景集，并对所采集的每个场景样本结合联合 Sim Pro 进行仿真测试得到评估指标， 得到经过敏感性分析筛选后的最终场景样本。

通过分析得到的最敏感的场景参数， 可降低参数空间维度从而进一步降低采样个数， 以较少的样本点数实现估计评估指标不达标的场景占比， 得到对应的自动驾驶算法失效概率。从而通过最小的测试样本达到尽可能高的覆盖率，有效解决仿真测试场景覆盖的问题。

再次，测试方法的选择直接影响测试效率。目前最常见的测试方法包括 MIL（模型在环测试）、SIL（软件在环测试）、HIL（硬件在环测试）以及 VIL（整车在环测试）等。就 MIL 测试而言，行业普遍习惯使用 Simulink 加载各种模型，模型的规模越大，仿真的测试效率越低。如果遇到加密模型， 解密过程将大大延长模型加载时间，运行效率极低，很难完成预期的测试。HIL 测试则成本较高， 测试工具割裂，调试时间长，需要大量的接口 / 格式的转换配合。

赛目科技的仿真测试软件，不仅支持以上主流的在环测试方式， 同时也把仿真相关的接口定义到标准里，以便于后续的算法对接。

针对现在流行的端到端训练方式，赛目科技的仿真测试软件能够支持语义分割，也支持在真实场景中增加虚拟物体。端到端训练方式对于仿真渲染要求比较高， 最理想的是能够将渲染引擎解耦的仿真工具。

Sim Pro 支持多种渲染引擎，包括Osgb、UE4、Omnivers 等， 能够达到十分逼真的渲染效果。此外，SIL（软件在环测试）可实现被控模型算法的在线或离线仿真，减少实际代码的调试，从而降低成本、提高效率，现阶段而言 SIL 能够更好地解决仿真效率问题。

最后，科学合理地对仿真结果进行评价至关重要。就目前而言，国际上提出了各种安全模型，赛目科技目前也在研究基于向量场的 AQM 安全模型，其核心是通过任意一个时点所有交通参与物的向量场的计算能够得到一个唯一的最优解，形成一条安全轨迹，如自动驾驶车辆沿着轨线行进则为安全状态， 根据评价因子， 通过计算轨迹偏离程度进行安全性评价。

同时，赛目建立了一套基于自动驾驶的评价体系，从合规性、舒适性、智能性等角度分析和评价自动驾驶系统的功能和性能，并且可以自定义参数输出， 匹配各种不同的评估模型， 或者服务于不同的评估场景。

未来，赛目科技将不断夯实研发基础，坚持自主创新，更深融入产业生态， 以仿真测试技术加速高阶自动驾驶技术普及与迭代。（文︱何丰 北京赛目科技有限公司）