面向智能驾驶的场景化系统工程方法研究：高级驾驶辅助系统（ADAS）的开发与测试新范式

《IEEE Transactions on Intelligent Transportation Systems》：Retraction Notice: Development and Testing of Advanced Driver Assistance Systems Through Scenario-Based Systems Engineering

本刊编辑推荐：为解决高级驾驶辅助系统（ADAS）开发中测试场景覆盖不足、验证效率低下的难题，研究团队聚焦于场景驱动的系统工程方法，开展了“基于场景的系统工程在ADAS开发与测试中的应用”主题研究。该研究构建了一套完整的场景化开发与测试框架，显著提升了ADAS的验证可靠性和开发效率，为智能驾驶技术的工程化落地提供了关键方法论支撑。

　　

随着汽车智能化浪潮的席卷，高级驾驶辅助系统（ADAS）已成为现代车辆不可或缺的核心组成部分。从自适应巡航控制（ACC）到车道保持辅助（LKA），这些系统承诺提升驾驶安全与舒适度。然而，其开发与验证过程面临着前所未有的挑战。真实世界驾驶场景的复杂性和无限可能性，使得通过传统方法进行充分测试几乎成为不可能完成的任务。测试里程的“长尾问题”——即那些罕见但至关重要的极端场景——犹如悬在智能驾驶发展道路上的达摩克利斯之剑，制约着技术的可靠性与广泛应用。正是在这一背景下，寻求一种高效、系统且能够覆盖海量场景的开发与测试方法论，成为了工业界和学术界的迫切需求。

针对上述挑战，发表在《IEEE Transactions on Intelligent Vehicles》上的研究论文《Development and Testing of Advanced Driver Assistance Systems Through Scenario-Based Systems Engineering》（由Xuan Li, Rui Song, Junfeng Fan, Mingyang Liu和Fei-Yue Wang共同完成）提出了一种创新的解决方案。该研究旨在探索并实践一种基于场景的系统工程方法，以系统化地指导ADAS从概念设计到测试验证的全生命周期。研究的核心在于将模糊、复杂的真实世界需求，转化为精确、可管理、可复用的测试场景，并以此为核心构建开发流程。这项研究的意义在于，它试图打通从场景建模到系统验证的壁垒，为应对ADAS测试的“长尾”挑战提供了一条可行的技术路径，有望显著加速智能驾驶技术的成熟与落地。

为达成研究目标，作者团队主要采用了几个关键技术方法：首先是基于模型的系统工程（MBSE）框架，用于构建ADAS的需求、功能逻辑和系统架构模型；其次是场景建模与生成技术，利用包括OpenSCENARIO在内的标准格式对动态驾驶场景进行形式化描述和参数化变异，以创建丰富的测试用例库；再者是结合仿真与实车测试的验证策略，在虚拟仿真平台（如CarSim、Prescan）和封闭场地中进行多层级验证；此外，研究还涉及对测试结果的分析与评估方法，以量化系统的性能与安全指标。本研究构建了具体的ADAS功能（如自动紧急制动AEB）作为案例，但未详细说明其依赖的特定硬件样本或大规模真实世界车队数据来源。

研究结果

1. 场景化系统工程框架的构建

本研究成功构建了一个集成化的场景化系统工程框架。该框架将V模型开发流程与场景驱动理念相结合，明确了从场景需求分析、系统设计、仿真测试到实车验证的各个阶段及其关联。研究通过将高阶的交通安全目标逐层分解为具体的功能需求和行为逻辑，并最终映射到可执行的测试场景，证明了该框架在确保ADAS开发过程追溯性和一致性方面的有效性。

2. 测试场景的建模与生成方法

研究人员提出并实现了一套系统的测试场景建模与生成方法。该方法利用分层思想，将场景解构为道路、交通设施、静态障碍物、动态参与者及其交互行为等要素。通过参数化方法和逻辑规则，能够从一个基础场景衍生出大量功能相似但参数各异的测试用例，有效覆盖了常规场景和边界场景。这表明该方法能够显著提升测试场景的覆盖度和生成效率。

3. 仿真与实车测试的集成验证

通过将基于场景的仿真测试与封闭场地的实车测试相结合，研究验证了所提方法的可行性与优势。在仿真环境中，能够快速、安全、低成本地执行海量场景测试，识别系统潜在缺陷。随后，针对关键场景和边界条件，在真实测试场中进行实车验证，以确认仿真结果的可靠性。这种“仿真先行、实车验证”的策略，被证明可以优化测试资源分配，提高验证效率。

4. ADAS功能案例的测试与分析

以典型ADAS功能（如自动紧急制动AEB）为具体案例，研究团队应用上述框架和方法进行了深入的测试与分析。结果表明，场景化系统工程方法能够系统性地暴露AEB系统在不同跟车距离、前车减速度、行人横穿速度等参数组合下的性能边界和局限性。这为功能的改进和优化提供了精确的数据支持和方向指导。

结论与讨论

本研究系统地论证了基于场景的系统工程方法在高级驾驶辅助系统（ADAS）开发与测试中的有效性和重要性。研究结论表明，该方法能够将复杂、非结构化的现实世界需求，转化为结构化、可管理、可追溯的工程过程，从而显著提升ADAS开发的系统性和验证的充分性。通过构建集成化的框架、系统化的场景生成方法以及仿真与实车相结合的验证策略，研究为解决ADAS测试面临的“长尾”挑战提供了一套切实可行的解决方案。

讨论部分进一步强调了该研究的多重意义。在理论层面，它深化和扩展了系统工程在复杂智能系统开发中的应用，特别是如何应对环境开放性和交互不确定性带来的挑战。在实践层面，该研究为汽车行业提供了一套可操作的方法论和工具链思路，有助于缩短ADAS的开发周期，降低测试成本，并最终提升产品的安全性和可靠性。这对于推动智能驾驶技术从实验室走向规模化商用至关重要。此外，该方法论对于应对更高级别的自动驾驶（L3级以上）所面临的预期功能安全（SOTIF）问题也具有重要的参考价值。尽管该论文因出版流程问题被撤销，但其披露的技术思路和初步成果，仍为相关领域的研究者和工程师提供了有价值的借鉴和启发。未来，如何进一步提升场景生成的自动化、智能化水平，以及如何将真实世界的大数据更有效地融入场景库，将是该方向值得深入探索的重点。