2. 自动驾驶场景基础

在生成式场景世界模型中，模型并不是凭空“想象”驾驶环境，而是对真实场景的结构化要素进行学习、重组与推演。因此，理解自动驾驶场景的构成方式，是后续场景生成、编辑、采样与评测的基础。本章围绕场景要素、动态交通参与者、静态环境、语义地图、行为交互以及场景复杂度评估方法展开，建立一套可被工程系统直接使用的场景描述框架。

一、场景要素：把连续世界离散成可计算单元

自动驾驶场景可以理解为在特定时间、特定空间内，由道路、交通参与者、环境条件和任务目标共同构成的动态系统。工程上通常将其拆解为若干可标注、可参数化、可采样的要素。一个典型的场景要素集合包括：

• 道路结构：车道线、路沿、路口拓扑、匝道、环岛、人行横道等；
• 动态参与者：车辆、行人、骑行者、动物及特殊作业车辆；
• 静态环境：建筑、护栏、绿化带、交通标志、信号灯、锥桶等；
• 环境条件：光照、天气、路面附着、能见度、时间；
• 语义与规则：限速、让行、信号相位、可行驶区域、交通规则约束；
• 自车状态：位置、速度、加速度、航向、任务意图。

这些要素并非孤立存在，而是通过空间关系、时序关系和语义规则相互耦合。生成式世界模型的关键能力，正是在保持这种耦合合理性的前提下，对要素进行组合、扰动和扩展。

二、动态交通参与者与行为交互

动态交通参与者是场景中最具不确定性的部分。对生成模型而言，不仅要描述参与者的类型和外观，还要描述其运动学状态、行为意图和交互关系。常见的行为交互包括跟驰、换道、超车、汇入、让行、横穿、避让和博弈式通行。交互的难点在于：多个参与者的决策相互影响，形成耦合的联合分布，而不是各自独立运动。

在场景表示中，通常用轨迹序列、行为标签和交互图来描述动态参与者。轨迹序列提供时空位置，行为标签提供语义解释，交互图则显式表达“谁影响谁”。例如，在无保护左转场景中，自车、对向直行车、横向行人之间存在优先级博弈，交互图能够帮助模型学习这种依赖关系。

三、静态环境与语义地图

静态环境为动态行为提供约束和上下文。语义地图是静态环境的结构化表达，通常包含车道级拓扑、可行驶区域、交通设施、限速与规则信息。与普通高精地图相比，语义地图更强调“可计算”和“可推理”，例如将路口表达为车道连接关系，将信号灯表达为相位与通行权。

在生成式场景中，语义地图既是条件输入，也是生成结果的校验依据。生成的新场景必须满足地图拓扑约束，例如车辆不能穿越护栏、行人不应出现在高速车道中央、左转轨迹必须经过路口内部连接段。

四、场景复杂度评估方法

场景复杂度决定了生成与测试的难度。复杂度评估通常从多个维度展开：参与者数量与类型多样性、交互耦合强度、道路拓扑复杂度、环境条件恶劣程度、规则冲突程度以及不确定性水平。工程上常用加权评分或分层指标进行量化。

五、场景描述的最小工程结构

为了让生成模型、仿真器和评测系统共享同一套语言，建议用结构化配置描述场景。下面是一个简化示例，展示场景要素如何被参数化：

scene:
  map:
    topology: "crossroad_4way"
    lanes: 8
    speed_limit: 60
  ego:
    position: [0, 0]
    velocity: 8.0
    intent: "left_turn"
  dynamic_agents:
    - type: "car"
      behavior: "straight"
      initial_state: [25, -3.5, 10.0]
    - type: "pedestrian"
      behavior: "crossing"
      initial_state: [12, 6.0, 1.2]
  environment:
    weather: "rain"
    illumination: "night"
    friction: 0.55
  complexity:
    score: 0.78
    level: "high"

这种结构化描述使场景具备可编辑性：修改一个参与者行为，或调整天气与摩擦系数，就能生成新的场景变体，并保持语义一致性。

六、常见误区与复盘

复盘时，应回到场景要素清单，逐项检查生成结果是否满足：参与者行为是否合理、交互关系是否自洽、地图约束是否满足、环境条件是否一致、复杂度标签是否与内容匹配。只有建立这种可追溯的要素级校验，生成式场景世界模型才能从“看起来像”走向“工程可用”。