谷歌WAYMO落戶上海，自動駕駛仿真測試優勢明顯

黑馬智庫，創業必讀

自動駕駛百度指數趨勢圖（2011.1-2018.8.21）

谷歌WAYMO進入中國，為自動駕駛仿真帶來無限想像

近日，據國家企業信用資訊公示系統，WAYMO已在上海自貿區注冊了一家名為慧摩商務谘詢（上海）有限公司的企業，經營範圍包括商務資訊谘詢、自動駕駛汽車部件及產品的設計、測試，提供相關配套裝務等。

科技的發展，通信和人工智能技術的不斷提升與完善，人們對未來生活場景有了更高的憧憬。外出無需再緊盯路況，私家車車主每天上下班可以邊喝茶邊看報紙雜誌，或學習、看電影，無需再人工乾預。無人駕駛車輛投入到礦區、物流中，可以更快更安全的配送到指定區域，這一切都極有可能在未來幾年中實現。

Navigant Research在2018年初發布了自動駕駛競爭力排行榜，福特、通用、戴姆勒等傳統車企高居榜單前列，但我們也發現了像Waymo、Uber、蘋果、特斯拉的身影。在中國，背景深厚的高新科技企業、新造車勢力的蜂擁而至，巨大的政策優勢的吸引下，自動駕駛成為繼O2O、互聯網+、新零售之後再度熱炒的詞。

除了自動駕駛企業、傳統車企、新造車勢力外，高精地圖也加入新的戰場。如阿里、騰訊、百度、京東、小米、滴滴等互聯網科技頭部企業或通過投資、或內部創新、整合資源布局自動駕駛市場。

儘管目前消費者對全自動駕駛汽車感興趣，但他們對其安全性感到擔憂。資本的熱炒推動了全球自動駕駛產業的發展，但想快速商業路地，“自動駕駛”的安全卻至關重要！

仿真，自動駕駛商業化落地的重要安全保證

仿真是什麽？仿真是用電腦通過模擬真實的測試環境，將自動駕駛的硬體或算法在虛擬的環境中進行有效測試，幫助自動駕駛完善技術，包括了自動駕駛仿真、虛擬駕駛測試、數字模型等方式。

據美國著名智庫蘭德公司2016年發布的《駛向安全》報告分析，“自動駕駛汽車需要測試數億至數千億英裡，才能驗證它們在減少交通事故方面的可靠性，而現有的自動駕駛汽車至少要幾十年甚至幾百年才能達到這麽多測試裡程。如果要在自動駕駛汽車上市前證明其安全性，這不可能做到。”

不難發現，要想充分證明自動駕駛汽車的安全可靠，通過各地方的示範區路段路測幾乎不可能實現，即使用數百輛車全年無休進行路測，也會耗費幾十年甚至幾百年時間。此外，即便可以全年無休的進行路測，但企業的人力成本、時間成本、資金壓力以及市場的變化，無疑會成為懸在企業頭上的達摩克利斯之劍。

Waymo 高級軟體工程師 James Stout近日在接受Business Insider採訪時表示，成立10 年以來，Waymo在現實世界累積了800萬英裡的測試，但在模擬器裡一天就能奔跑800 萬英裡。而此前Waymo在2017年底對自動駕駛測試裡程才僅有400萬英裡，然而不管是400萬英裡還是800萬英裡，這樣的數據距離真正安全上路的上億級的裡程還差很遠。百度阿波羅是百度押注自動駕駛的重要組成部分，其仿真平台是其主要的核心技術之一，作為一款開放平台，其已與戴姆勒、寶馬、福特、現代、北汽、一汽、長城、比亞迪、蔚來、車和家、威馬、拜騰等19家車企達成合作，與智行者、Momenta、Autonomoustuff、景馳等自動駕駛公司進行了合作，賦能自動駕駛產業快速落地。

作為芯片類的科技企業，intel、英偉達也進入了仿真領域。2017年英偉達發布了自動駕駛仿真平台資訊，其CEO黃仁勳在英偉達GPU開發者大會歐洲站上介紹到，使用NVIDIA DGX和Tensor RT 3進行仿真，工程師可以在5個小時內，完成約48萬公里的路線測試。為此作為英偉達的競爭對手，intel在2017年底完成了對Mobileye的收購，發布EyeQ 5芯片，2018年7月與百度達成深度合作，主要涉及自動駕駛、人工智能兩大領域，在自動駕駛方面，百度將在阿波羅中，整合並商用部署Intel Mobileye開發的責任敏感安全(RSS)模型。

在政府機構層面，美國加利福尼亞州，立法機構要求自動駕駛汽車在公共路測之前，必須證明已仿真模擬環境下通過測試。中國，由工信部批準的國內首個“國家智能網聯汽車（上海）試點示範區”則採用了51VR自主研發的自動駕駛仿真平台，高精還原測試路況資訊，而警察部交通管理科學研究則接入PreScan。

幾乎所有自動駕駛產業鏈上的相關企業或機構都已把注意力轉到自動駕駛仿真測試上，他們自主研發或採購第三方仿真測試平台軟體。所以，仿真或成為補充路線測試的有效方法，通過仿真測試來充分證明自動駕駛的安全可靠性。

仿真，解決了自動駕駛哪些問題？

通過調研發現，自動駕駛仿真測試較明顯的優勢便是測試裡程；其次是對感知、決策、動力學，再到用戶體驗等方面的模擬與測試，實現硬體在環和軟體在環測試。具體包括以下七大模塊：

路線建模：通過像rFPro、Cognata、51VR自動駕駛仿真等平台，能夠模擬真實世界，從數字城市到灌木叢，到有標記的路線和交通標誌，通過次時代引擎對路線環境進行建模渲染，達到高保真的模擬測試要求；

路線建模示例圖

傳感器仿真：傳感器是自動駕駛汽車的關鍵組成，可以不誇張的講，沒有傳感器就沒有自動駕駛。通過對實際路測車輛裝備的傳感器進行仿真測試，是對自動駕駛汽車決策及算法的不斷驗證。目前傳感器方麵包含了雷射雷達、攝影頭、毫米波雷達、超聲波雷達、車輛到X（V2X）通信等。

傳感器仿真示例圖

車輛動力學仿真：車輛動力學是汽車優化設計和控制的基礎，通過仿真平台分析可以實現汽車結構參數與動力學特性的優化匹配（模擬橫向、縱向運力），使自動駕駛汽車性能達到最優。

車輛動學仿真示例圖

環境仿真：通過對雨天、雪天、白天、黑夜、霧天以及燈光、街燈、反光效果等不同強度的環境進行還原。

環境仿真示例圖

交通流仿真：顧名思義，交通流仿真即是行車仿真、信號燈模擬控制、收費站仿真、故障模擬、行人模擬、公交路線仿真等，仿真平台提供隨機連續的動態智能模擬以及精確控制。

交通流仿真示例圖

車輛算法與控制連接：通過定製化接口，接自動駕駛汽車的算法導入仿真平台中，控制仿真環境下的模擬車輛進行行駛測試。

測試與訓練場景庫：通過真實和虛擬的工況資訊，構建仿真平台的訓練場景庫，提供自動駕駛行為的測試訓練，據PreScan相關負人介紹，其已接入了GIDAS和CIDAS交通事故數據庫，可以自動轉換成測試場景模型。

通過以上主要模塊，可以在仿真環境中快速、高擬真的測試自動駕駛車輛。

自研OR第三方合作，如何正確選擇

2018年3月，美國亞利桑那州坦佩市一位49歲的行人被Uber無人駕駛測試車撞倒身亡，此事件的發生間接讓全球自動駕駛領域的相關企業對仿真平台倍受重視。

但據了解，其實仿真平台已不是新鮮事物，在傳統汽車時代就已產生，隨著車聯網、人工智能、自動駕駛、共享出行的興起，近年更是出現了一批優秀的創業企業。對於如何正確選擇仿真平台，是自研還是與第三合作，根據公開資料查詢分析發現，自研與第三方合作都是完善自動駕駛的主要途徑。

自主研發仿真測試平台在於企業自身可以更高效的測試自家自動駕駛車輛，如Waymo通過Carcraft進行模擬測試；Aimotive開發了AiSim，Roadstar.ai、Pony.ai、領駿科技等利用電腦仿真技術進行輔助開發，他們都是旨在加速自家自動駕駛系統的落地應用。但劣勢在於自主研發的路線測試產生的大量場景數據難於複現，用於算法訓練與驗證的路試場景采集樣本有限，且自動駕駛開發與驗證的周期要遠大於目前整車開發的周期。

而與類似於Prescan、rFPro、VI-grade、CarSim、51VR自動駕駛仿真平台等第三方企業的合作，將大大減少以上問題。自動駕駛汽車仿真平台的創新在於，不僅僅是駕駛測試公里數，而是對外部條件和規則的持續評估與適應。

WAYMO在自動駕駛大規模落地前選擇進入中國，一方面是上海人工智能政策的吸引，另一方面是中國巨大的未來出行市場對全自動駕駛汽車的追求。自2014年以來中國、美國消費者對全自動駕駛汽車的偏好明顯增加，日本、德國市場保持不變。關於相信誰會將自動駕駛汽車推向市場，消費者似乎更相信技術公司能夠把自動駕駛推向市場。

風來了，自動駕駛車輛的仿真測試將成為產業中的另一個追逐點，自動駕駛的落地競賽已逐漸開啟，未來，中國的出行市場話語權或將再度平衡。

*本文由i黑馬原創，作者夢梵。讓創業不再孤獨，提升普通創業者的成功率，歡迎關注i黑馬。

i黑馬，讓創業者不再孤獨。

【馬腦】是創業黑馬平台十年間商業案例精選合集，融合了數萬創業實踐群體的智慧。點擊小程式可訂閱【馬腦】：