引子：
本文是作者在TRC国际交通大会上的报告节选，探讨了无人车存在的一些问题及其测试方法，希望能够为读者提供一些无人车方面的有用资讯，起到抛砖引玉的作用，欢迎评论，希望能听到多元的声音。PPT见附件如何进行无人车测试_徐志刚.pdf
1.为什么要进行无人车测试
首先考虑到的原因是避免事故。
最近关于特斯拉汽车自动模式导致的一起致命车祸将热衷于无人车的粉丝的激情迅速拉到冰点。
下图是CBS电视台给出的交警初步报告，直路飞速行驶的Tesla毫无减速拦腰撞到了一辆白色重卡的拖车，比头图
给出的示例还要惨烈，驾驶舱当时被削平，前进数十米后离开路面，撞击数个围栏，旋转后停下。驾驶员当场毙命
，只剩那个手持的播放器还稳健地播放着哈利波特。就像文章开头所说的，驾驶员溜号了，而传感器中的摄像头其
实看到了一个大白板而已，毫米波安装太低而超声检测距离太近，然后就有了Tesla官方博客所说的“Mobileye把卡
车当成了蓝天白云，毫米波把卡车当成了路牌，发生了严重事故，被NHTSA调查（可能会召回）。”
（图中红车是特斯拉，蓝车是大卡车）
那么Google无人车的情况是不是要好一些呢？好像情况也不太乐观。
以下是美国加州DMV公布的自2014年10月以来发生的15起无人车事故，其中12起是Google公司的无人车引起的。
最近一次发生在山景城，一辆Google无人车为了避免与前方障碍物发生相撞，变道时与后方的一辆公家车相撞。
Nissan May 10, 2016
Google April 28, 2016
Google April 7, 2016
Google February 14, 2016
Cruise Automation January 8, 2016
Google November 2, 2015
Google August 20, 2015
Google July 1, 2015
Google June 18, 2015
Google June 4, 2015
Google May 30, 2015
Google April 27, 2015
Google April 7, 2015
Google February 26, 2015
Delphi October 14, 2014
其次是保证极端条件下无人车传感器的可靠性。
我们知道无人车最重要的三种类型的传感器分别为：3D激光雷达，毫米波，视觉传感器。但是这些传感器在雨天、
雾天、冰雪天气或者夜间其性能将大打折扣，无法精确感知周围环境中的动态和静态物体，是无法保证车辆行驶安
全的。
最后一个原因是防止骇客攻击将是无人车永远面临的课题。
Jonathan Petit, principal scientist at software security company Security Innovation, discovered that a laser
pointer could interfere with the laser ranging (Lidar) systems that most self-driving cars rely on to navigate.
The Lidar system creates a 3D map and allow the car to 'see' potential hazards by bouncing a laser beam
off obstacles.
Jonathan Petit认为一根激光笔就可以干扰无人车的激光测距系统。他和Path的Steven shladover博士分析了无
人车潜在的被攻击风险，列出了12种无人车可能被攻击的对象。
2.可以从现有传统的汽车测试经验中学到什么？
2.1现有的汽车室内台架测试是怎么做的？
检测车辆的制动力，还可以模拟车辆的运行工况检测车辆的排放和油耗性能。在汽车室内检测设备中有两项伟
大的发明，一个是反力式制动实验台、另外一个是测功机。前者可以将汽车制动毂上的制动力转换为电机定子
与转子之间的扭力。后者可以将汽车发动机的输出功率转换为电涡流制动器输出的力矩和滚筒速度，实现W=F*V
的测量。这两项发明从60年代问世以来，在全世界各地应用推广，成为汽车检测的利器，也使得汽车检测由”眼观、
耳听、鼻嗅、手摸“式的人工测量变成高效科学的机器化测量。汽车室内检测大大缩短了过去必须在道路进行的道
路试验，实现了检测的流水化和自动化，提高了效率，保证了汽车的安全性能。
2.2 现有的无人车竞赛是如何进行无人车测试的？
无人车竞赛是世界各国进行无人车技术测试的一种重要手段，比较知名的无人竞赛有：美国国防部高级研究计
划局(DARPA)举办的“GRAND Challenge”比赛，德国军方组织欧洲陆地机器人竞赛和中国国家自然基金委组织的“未
来挑战”无人驾驶车比赛。无人车竞赛主要是通过设置一些程序化的比赛项目和比赛路线，让无人车自主完成过交叉
口，避撞行人，超车，指定位置停车，过立交桥等任务，记分规则为将不同项目计不同的分值，完成任务则得分，
失败不得分甚至扣分，然后除以总时间，以此进行排序。这些任务涉及到了环境感知，路径规划，高精度定位，自
主决策等多层次的任务。无人车竞赛这种方式促进了参赛方不断地进行技术积累，超越自我，同时也提供了一个同
台献技、交流合作的平台，同时还是一个无人车人才培养的平台，随着无人车竞赛的难度不断加大，无人车新技术
也不断涌现，让无人车朝着商用化的目标一步步迈进。
2.3无人车道路试验
在无人车实验中，Google公司最热衷于道路试验，因为道路试验最真实，最可靠，遇到的一切场景将是无人车未来
必须面临的场景。因此Google公司进行了约170万英里的无人驾驶道路试验，在各种道路上进行测试，包括高速公路，
城市拥挤道路，旧金山的九曲十八弯，沙漠道路，大学校园，可以说能想象到的道路都进行了测试，目前Google公司
统计的无人车事故率为每10万英里0.6起，已经非常接近人类的记录，即每10万英里0.3起。
2.4 兰德公司对无人车的质疑
美国兰德公司是一家全球知名的顾问公司，经常给美国国会提供全球各国军事实力对比报告。这一次兰德公司针对无人、车的应用前景也发布了一份将近300页的白皮书。在该白皮书中提出了三个问题：
1）How many miles would autonomous vehicles have to be driven without failure to demonstrate that their
failure rate is below some benchmark?This provides a lower bound on the miles that are needed.However,
autonomous vehicles will not be perfect and failureswill occur.（无人车至少要无故障地行驶多少公里才能证明
其事故率低于某个指标，这只是提供了一个下界，并不能说明无人车100%精确或者故障不会发生）
2）How many miles would autonomous vehicles have to be driven to demonstrate their failure rate to a
particular degree of precision?
（无人车至少要无故障地行驶多少公里才能证明其事故率的精度是可信的，比如：10万英里的事故率是0.3，那么第二
个10万英里会不会还是0.3？第100个呢？）
3）How many miles would autonomous vehicles have to be driven to demonstrate that their failure rate is
statisticallysignificantly lower than the human driver failure rate?（无人车至少要无故障地行驶多少公里才能证明
其在统计意义上是比人工驾驶安全的呢？）
兰德公司通过简单的统计分析进行了估算，结论如下：
该报告指出：1）达到1.09死亡人数/1亿英里的事故率，需要测试12.5年（365天40mile的速度无间断测量）；2）事故率精度达到95%，上下20%方差，需要测试400年；3）以95%的概率，第二类假设80%可能性的前提下，无人车的性能超过人工驾驶性能的20%，需要测试500年。
兰德公司指出：道路试验无法测试出无人车的潜在危险，必须进行方法上的创新，从无人车各个部件和软件的源头设计测试规则，才能保证无人车这项技术，可以为人类造福，才能管控无人车不但演变过程中存在的风险。
3.关于无人车测试方法的设想
3.1一种多层次的无人车测试框架 在现有的测试基础上，我们提出了一种多层次的无人车测试框架，将无人车的测试分为5个层次，分别为：1、元功能测试；2、封闭环境中极端条件下测试；3、基于虚拟现实和硬件在换仿真测试；4、随机道路抽取测试；5、用户培训和应用技能测试
3.2元功能测试 元功能是指无人车的功能分解后，不能再进行分解的功能。包括无人车的定位功能，环境识别功能，动作执行功能，
速度控制公路，路径规划，综合决策功能等，任何一项功能判断其是否为元功能，则首先判断其是否能被分解。
3.3封闭环境中极端条件下测试
极端条件下测试是对无人车各项综合功能的极限测试，是测试95%常态以外很少出现，但是又是致命的极端条件下的测试，
包括各种恶劣天气，恶劣光线条件、恶意交通行为干扰等等，这类测试是保证无人车可靠性能的关键。
3.4基于虚拟现实和硬件在环仿真测试
道路试验虽然可以测试无人车在商用环境中的性能，但是其费时、费力，而且并不能穷举所有的道路环境情况和交通事件。如果采用虚拟现实技术将道路环境和交通事件录制在数据库中，采用回放的方式输入到无人车的传感器接口中，通过判断无人车在不同道路环境条件下的动作执行正确率来评估无人车的智能将是一件非常有趣的事情。同时，利用该项技术可以在无人车机器人与老司机之间展开一场人机大战，将一种综合的，不可以定量化的比赛搬到室内。更可怕的事实是这辆无人车将偷师老司机，通过深度学习来训练自己。还有一个优点是，该方法可以进行测试环境的语义压缩，在道路试验中，80%的道路是平坦的，笔直的，10%是有惊无险的，只有10%是挑战无人车智能的，在虚拟的测试环境中，是可以对这20%的环境和条件进行压缩出现的，因此其挑战性更大。好比天上一日，地下一年。
3.5随机道路抽取测试 在完成基于VR的测试后，还要防止“秀才纸上谈兵，光说不练”的尴尬，是骡子是马，需要出来遛一遛。通过前期的测试结果，设计一定算法，抽取一定的实际道路样本对无人车弱项进行测试，这样才能保证其“实践能力”。
3.6用户培训和应用技能测试
在完成无人车自身测试的基础上，还需要进行无人车用户的专门培训和测试，这样才能保证用户在紧急事件发生的情况下从容应对。
4.1网联汽车与无人车综合测试试验场 在长安大学赵祥模教授的带领下，本课题组已完成了全国高校唯一的人车路环境综合测试场的电子化、智能化改造用于网联汽车和无人车的测试。整个试验场具有以下5个特点：
1) 5种无线网络（4G-LTE、LTE-V,Wi-Fi,DSRC,EUHT）的全覆盖；
2) 自建地面高精度定位基站，定位精度30cm，可实现全试验场无死区全覆盖；
3) 建设有便利的交通设施（龙门架、相机、检测线圈、交叉口信号控制系统、交通标志、光纤网络）；
4) 多种不同形式的路面（0.1-0.9不同附着系数路面）和道路形式（高速环道、入口并线、交叉口）；
5) 全部电子化的设施管理。
开发了3辆无人车，2辆全自动无人汽车。
长安大学赵祥模教授课题组开发的无人车畅游长大校园！http://v.youku.com/v_show/id_XMTY0NDI3MjQ0OA==.html
精选
