4. 测试场景设计
在智能驾驶道路测试中，“场景”不是简单的一段路或一次驾驶经历，而是对测试任务、环境条件、交通参与者和车辆行为的结构化描述。场景设计的质量，直接决定了测试能否覆盖真实风险、能否复现问题、能否把路测数据转化为可回归的工程资产。本节围绕场景要素、场景分类，以及功能场景、逻辑场景、具体场景之间的转化方法展开。
一、场景要素：把“一次驾驶”拆成可描述的对象
一个完整的测试场景通常由五类要素构成：道路要素、交通参与者、环境条件、自车任务和动态行为。道路要素包括车道数、曲率、坡度、路口类型、标线、限速等；交通参与者包括机动车、非机动车、行人、动物及静态障碍物；环境条件包括光照、天气、路面附着、能见度；自车任务描述车辆当前要完成的动作，如跟车、换道、左转、避障、泊车；动态行为则描述各参与者的速度、加速度、相对位置和交互意图。
这些要素并非孤立存在。例如“雨天夜间、城市十字路口、自车左转、对向直行车辆抢行”这一场景，环境条件会改变感知置信度，道路结构决定冲突点位置，交通参与者的行为决定风险等级。因此，场景设计的第一步不是画路线，而是建立要素清单，确保每个要素都有明确的取值或取值范围。
场景要素清单示例：
场景ID: SC-URBAN-LEFT-TURN-001
道路: 双向四车道，十字路口，无左转专用相位
自车任务: 左转通过路口
交通参与者:
- 对向直行车辆: 速度 40~60 km/h，距离 30~80 m
- 横向行人: 从右侧人行横道进入，速度 1.0~1.5 m/s
环境: 小雨，夜间，路面湿滑，照度 10~30 lux
动态约束: 自车左转不得与对向直行车辆发生冲突
二、场景分类：从抽象到具体，从功能到数据
行业常用三层场景体系：功能场景、逻辑场景和具体场景。功能场景用自然语言描述“要测什么能力”，例如“车辆在路口左转时避让对向直行车辆”。逻辑场景把功能场景中的要素参数化，给出参数空间和取值范围，例如对向车速度 40~60 km/h、距离 30~80 m、路面附着系数 0.3~0.8。具体场景则是参数空间中的一组确定取值，可直接用于仿真或实车测试，例如对向车速度 55 km/h、距离 45 m、附着系数 0.4。
此外，按测试目的还可分为：法规场景（如 AEB、LKA 法规工况）、事故场景（来自事故数据库的典型冲突）、边缘场景（低概率高风险）、自然驾驶场景（从路测数据中提取的常态工况）。分类不是目的，而是为了在有限测试资源下实现覆盖最大化。
三、转化方法：从功能场景到具体场景的工程流程
转化不是一次性动作，而是一个“分解—参数化—采样—实例化—验证”的闭环。第一步，功能场景分解：把“路口左转避让”拆成自车左转轨迹、对向直行车辆运动、冲突点位置、感知触发条件等子任务。第二步，逻辑场景参数化：为每个子任务定义参数及其范围，例如对向车速度、距离、路面附着、光照强度。第三步，参数采样：在参数空间中选择代表性取值，常用方法包括边界值采样、正交实验、拉丁超立方和基于风险的采样。第四步，具体场景实例化：把采样结果写成仿真或实车可执行的场景文件。第五步，验证与反哺：用测试结果评估覆盖度和风险，修正逻辑场景的参数范围。
| 层级 | 描述方式 | 典型输出 | 用途 |
|---|---|---|---|
| 功能场景 | 自然语言、能力级 | “左转避让对向直行” | 需求分析、测试大纲 |
| 逻辑场景 | 参数空间、取值范围 | 速度 40~60 km/h，距离 30~80 m | 覆盖度设计、采样 |
| 具体场景 | 确定参数、可执行 | 速度 55 km/h，距离 45 m | 仿真、实车、回归 |
四、案例：城市路口左转避让的场景转化
以“城市路口左转避让对向直行车辆”为例。功能场景描述为：自车在无左转专用相位的十字路口左转，需避让对向直行车辆。逻辑场景参数化后，关键参数包括：对向车速度 40~60 km/h、对向车距冲突点距离 30~80 m、自车左转速度 10~20 km/h、路面附着系数 0.3~0.8、光照 10~10000 lux。通过拉丁超立方采样生成 50 组具体场景，其中一组为：对向车 55 km/h、距离 45 m、自车 15 km/h、附着 0.4、夜间小雨。该场景可直接导入仿真平台，也可在封闭场地用假车和喷淋系统复现。
实操建议：具体场景文件建议采用 OpenSCENARIO 或自定义 JSON 格式，保留参数名、单位、取值来源和版本号，便于回归和追溯。
{
"scenario_id": "SC-URBAN-LEFT-TURN-001-050",
"parent_logic": "SC-URBAN-LEFT-TURN-001",
"params": {
"opponent_speed_kmh": 55,
"opponent_distance_m": 45,
"ego_speed_kmh": 15,
"friction": 0.4,
"illuminance_lux": 20
},
"source": "latin_hypercube",
"version": "v1.2"
}
五、常见误区与复盘
- 误区一：把功能场景直接当测试用例。功能场景缺少参数，无法执行，也无法判断通过与否。必须经过参数化和实例化。
- 误区二：参数范围拍脑袋。逻辑场景的取值范围应来自事故数据、自然驾驶数据和法规要求，而不是凭经验随意设定。
- 误区三：只做均匀采样。高风险区域往往在参数边界附近，应采用边界值、极值和风险导向采样，提高边缘场景命中率。
- 误区四：具体场景不可追溯。每个具体场景都应记录其父逻辑场景、采样方法和版本，否则回归时无法定位问题来源。
复盘要点：场景转化链的终点不是“生成多少条用例”，而是“能否用最少的用例覆盖最关键的风险”。建议每轮测试后统计参数覆盖度、冲突类型覆盖度和失效复现率，反向修正逻辑场景的参数空间。
综上，场景要素是描述基础，场景分类是组织框架，功能场景、逻辑场景和具体场景的转化则是把测试需求变成可执行、可回归、可积累的工程资产的核心方法。掌握这条转化链，才能在道路测试与数据闭环中做到既覆盖风险，又控制成本。