自動駕駛測試的場景設置有哪些分類？

自動駕駛測試的場景設置有很多分類。

按測試場景的數(shù)據(jù)來源分，有自然駕駛數(shù)據(jù)、危險工況數(shù)據(jù)、標準法規(guī)等來源形成的測試場景。自然駕駛場景里，高速道路有環(huán)形、直線、高架橋、下匝道、夜間高速等；城市快速道路有擁堵、通暢、夜間快速路等；農(nóng)村道路有山間小路、坑洼路面；天氣道路包含雪天、霧霾、下雨、高光照等。

危險工況場景中，單車事故場景有轉向、掉頭、換道、碰撞等；車-二輪車事故場景有自行車直行、碰撞二輪車；車-車輛事故場景有直行碰撞、追尾切入；環(huán)境事故有路面積雪、泥濘、山體崩塌等。

標準法規(guī)場景，像 NCAP，有 ACC、AEB、LKA、FCW 等。參數(shù)重組場景包含 CUT-OUT、CUT-IN、Junction、AEB、ACC、TJA。

按道路結構層次分，有道路基礎路網(wǎng)場景、結構化道路場景、靜態(tài)場景和動態(tài)場景等，能滿足功能開發(fā)不同階段需求。

按測試場景表征的抽象程度分，有邏輯場景、功能場景、具體場景。

按測試場景的應用方式分，有仿真測試場景和場地測試場景。

按測試場景所包含的要素屬性特征角度分，有結構化道路場景、非結構化道路場景、靜態(tài)場景、動態(tài)場景。結構化道路場景類似城市或高速路，有明確標線和規(guī)則；非結構化道路場景類似山區(qū)，無明確標線和規(guī)則；靜態(tài)場景像停車場，測試停車泊車；動態(tài)場景有移動元素，測系統(tǒng)協(xié)同能力。

未來，測試場景會更注重多元綜合，深度學習和數(shù)據(jù)融合技術能提高系統(tǒng)對復雜場景適應和魯棒性。還有確定道路場景及要素，劃分靜態(tài)和動態(tài)要素并計算分值來分類，獲取駕駛圖像讓用戶選擇確定目標場景類型生成分類文件，方便后續(xù)統(tǒng)計和優(yōu)化。