4. 场景来源与采集

场景库不是“把数据堆在一起”，而是把不同来源的原始素材，经过抽取、标注、参数化、分类和版本管理，转化为可被测试用例、仿真引擎和评价体系直接调用的结构化资产。理解场景来源的差异，是构建高覆盖度场景库的第一步。本节围绕四类核心来源——真实路采、仿真生成、事故数据、自然驾驶数据——说明它们各自的价值、采集方式与融合流程。

一、四类场景来源的定位与差异

真实路采强调“路上真实发生过”，适合发现长尾与未知风险；自然驾驶数据强调“常态驾驶行为分布”，适合建立基线；事故数据强调“极端后果事件”，适合安全边界与法规验证；仿真生成强调“可控、可扩展、可复现”，适合参数扫描与危险组合补全。四者不是替代关系，而是互补关系。

二、真实路采：从传感器到片段

真实路采通常由测试车搭载摄像头、激光雷达、毫米波雷达、GNSS/IMU 等传感器，按固定路线或随机路线采集。采集后先做时间同步与标定检查，再切分为“场景片段”。一个片段通常包含触发前若干秒到触发后若干秒，例如切入、急刹、施工改道等。

# 路采片段切分伪代码
for frame in synchronized_stream:
    if trigger.detect(frame):          # 触发条件：切入/急刹/锥桶等
        clip = extract(frame, pre=5s, post=3s)
        clip.meta = {
            "source": "real_road",
            "weather": frame.weather,
            "road_type": frame.map.road_type,
            "trigger": trigger.type
        }
        scene_pool.append(clip)

真实路采的关键不是“采得多”，而是“采得准”。需要明确触发条件、采样频率、传感器标定有效期和隐私脱敏规则。否则后期会出现片段无法对齐、目标 ID 跳变、地图匹配失败等问题。

三、自然驾驶数据与事故数据：基线与边界

自然驾驶数据（NDS）通过大规模车队长期运行，记录驾驶员在真实交通中的行为。它的价值在于统计正常跟车距离、换道间隙、反应时间等参数分布，为场景参数化提供“合理区间”。例如，跟车时距的 5% 分位、50% 分位和 95% 分位，可以直接作为仿真参数扫描的输入。

事故数据则来自事故深度调查、EDR 记录、监控视频和现场重建。它往往对应法规测试中的高风险场景，如“前车突然消失”“行人横穿”“二轮车闯红灯”。事故数据样本少，但每一条都极具价值，通常需要人工重建为参数化场景，并标注事故形态、碰撞位置和速度。

四、仿真生成：参数化与批量扩展

仿真生成不是凭空编造，而是基于真实片段和事故重建提取参数，再用场景描述语言批量生成变体。常见参数包括：主车速度、目标车速度、相对距离、切入角度、路面附着系数、光照和天气。通过拉丁超立方或网格采样，可以生成数千个可复现的测试用例。

{
  "scenario": "cut_in",
  "ego": { "speed_kph": 60 },
  "target": { "speed_kph": 45, "gap_m": 12, "angle_deg": 8 },
  "environment": { "weather": "rain", "friction": 0.6 },
  "variants": 200
}

仿真生成的优势是可复现、可扩展，但必须用真实数据校准。若仿真中的感知噪声、控制延迟和交通流分布与实车差异过大，生成的场景库就会“看起来很多，实际无效”。

五、场景库构建流程

四类来源最终要汇入统一的场景库。典型流程为：采集与接入 → 清洗与同步 → 片段切分 → 标注与参数化 → 分类与标签 → 去重与覆盖分析 → 版本发布 → 测试调用与反馈。每一步都要有质量门禁，例如标注一致性、参数完整率、重复率上限。

流程中的“去重与覆盖分析”常被忽视。若同一路口、同一时段采集了大量相似片段，场景库会虚高。建议用特征向量（道路类型、天气、目标类型、交互类型、速度区间）做聚类，统计每个簇的样本数，识别稀疏区域，再决定补采或仿真扩展。

六、常见误区与复盘

• 只重数量不重标签：没有统一标签体系的场景库，无法按 ODD、风险等级和功能模块检索，测试时只能人工翻找。
• 仿真与实车脱节：仿真参数未用自然驾驶数据校准，导致“仿真通过、实车失败”。
• 事故数据未参数化：只保存视频或报告，无法批量生成变体，难以支撑回归测试。
• 缺少版本管理：场景库更新后未记录变更，导致测试结果无法追溯。

综上，真实路采提供真实分布，自然驾驶数据提供行为基线，事故数据提供安全边界，仿真生成提供批量扩展。四者通过清洗、切分、标注、参数化、分类、去重和版本发布，最终形成可被测试体系直接调用的场景库。只有把来源差异转化为结构化能力，场景覆盖与里程验证才有可靠基础。