中国公路学报

作者：胡笳, 徐恬, 严学润, 赖金涛

单位：1. 同济大学 道路与交通工程教育部重点实验室, 上海 201804;2. 同济大学 控制科学与工程系, 上海 201804"],"fundList_en":["National Key R & D Program of China (2022YFE0117100); National Natural Science Foundation of China (52372317, 52502406); Yangtze River Delta Science and Technology Innovation Joint Force (2023CSJGG0800); Shanghai Automotive Industry Science and Technology Development Foundation (2404); Xiaomi Young Talents Program; Fundamental Research Funds for the Central Universities (22120230311); Tongji Zhongte Chair Professor Foundation (000000375-2018082); Science Fund of State Key Laboratory of Advanced Design and Manufacturing Technology for Vehicle (32215011); Postdoctoral Fellowship Program of CPSF (GZB20240541); Shanghai Science and Technology Plan Project (25ZR1402500)

关键词：汽车工程,自动驾驶,综述,关键场景,场景遴选,加速测试

基金：国家重点研发计划项目(2022YFE0117100);国家自然科学基金项目(52372317,52502406)；长三角科技创新共同体 联合攻关项目(2023CSJGG0800)；上汽基金项目(2404)；小米青年学者项目；中央高校基本科研业务费专项资金项目 (22120230311)；中特智能讲席教授基金项目(000000375-2018082)；湖南大学整车先进设计制造技术全国重点 实验室开放基金项目(32215011)；国家资助博士后研究人员计划项目(GZB20240541)；上海市科技计

随着自动驾驶测试需求的迅猛增长，从众多测试场景中快速筛选出关键场景已成为测试工作的核心任务。针对关键场景数量稀缺、出现概率低导致测试效率低的问题，关键场景加速遴选技术的攻克极为迫切。为了全面综述自动驾驶测试中关键场景的加速遴选方法，从功能场景、逻辑场景和具体场景3个维度进行了深入探讨。在功能场景层面，研究主要着眼于场景构型，遴选出构成关键场景的要素组合；在逻辑场景层面，研究则侧重于场景范围，遴选出构成关键场景的要素取值范围；在具体场景层面，研究则聚焦于场景实例，遴选出构成关键场景的要素具体取值。当前针对功能场景与逻辑场景的研究尚显不足，亟需更多的研究投入。此外，现有方法仍面临场景真实性不足、加速效果有限及与自动驾驶功能不适配等多重挑战。未来研究应聚焦于解决上述问题，特别是在功能场景与逻辑场景方面，持续优化关键场景加速遴选技术，以期为自动驾驶测试技术的持续进步提供强大动力。

来源：2025年第12期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第12期