仿真研究（下）：数字孪生、云计算、数据闭环提升仿真测试效率

佐思汽研发布《2022年自动驾驶仿真产业链研究报告（中国篇）》。

仿真测试不仅可以在更为复杂场景中进行极端工况测试，提升ADAS/ADS验证的有效性，而且可对实车测试数据进行复现及泛化，对实车测试中的问题进行更深入分析并做针对性优化，加快功能开发并缩短测试周期。随着数字孪生、云计算、数据闭环等技术应用，自动驾驶仿真测试的效率正在进一步提升。

一、数字孪生技术，将构建更多极端测试场景组合

场景库是仿真测试的基础，而数字孪生技术是建立虚拟场景库的利器。为确保车辆安全性与可靠性，主机厂需要测试近乎无限的场景，数字孪生技术则可以参照真实世界快速自动建模3D元素库，构建不同道路、标志线、天气、周边等场景，实现更多测试场景可能性组合，实现对传感器、环境、汽车动力模型等方面的高精度仿真。尤其在软件OTA回归测试层面，数字孪生还可高效提升仿真测试验证效率。

目前，百度、华为、腾讯、阿里等国内综合性仿真平台，以及以IAE智行众维为代表的专业仿真测试服务商，都已经将数字孪生技术应用到场景构建中。

华为八爪鱼平台可以将采集的典型路段转换成仿真场景，并与高精地图相结合，实现真实场景数字孪生。不仅可实现95%以上的场景还原能力，还能有效帮助开发者快速模拟周边车辆，实现分钟级的场景构建。该平台内置20万个仿真场景，可提供仿真、场景库管理、场景片段和评测系统等应用工具，以及高并发实例处理能力。

华为“八爪鱼”平台真实场景数字孪生图例

腾讯自动驾驶数字孪生仿真测试平台TAD Sim（已升级到2.0）使用真实数据和游戏技术的双擎驱动，涵盖道路场景、交通流、车载传感和车辆动力学等仿真模型，支持OpenX系列和OSI国际仿真标准，有超过1000种场景类型，还可以通过泛化，生成更大规模丰富场景。

腾讯TAD Sim平台数字孪生仿真图例

成立于2018年的IAE智行众维，致力于构建全球规模最大的，具高精度、高置信度、高覆盖度、高鲜度的仿真测试场景工场（海量场景库），并提供仿真场景数据及SaaS服务（Scenario-as-a-Service）。其“水木灵境”场景工场，基于国内外智能网联汽车行业的相关标准、真实道路和交通行为特征打造，以人工智能和数字孪生为底层技术，以跨平台和大数据驱动为原则，开发并形成场景数据采集、处理、分析和批量化生产的全流程及自动化工具链，实现仿真场景的大规模、高质量生产，构建大规模算法训练、仿真测试和评价所需的核心支撑体系。目前已构建超过8000组实际可用的仿真场景库，涵盖城市级数字孪生、自然驾驶、国内外法规标准、CIDAS交通事故复现、预期功能安全、V2X等等。

IAE智行众维“水木灵境”场景工场

二、基于云端高并发运行的仿真测试，将进一步提升ADAS/ADS功能迭代效率

针对高级功能开发及预期功能开发，自动驾驶仿真测试平台需具备真实还原测试场景、高效利用路采数据生产仿真场景、云端大规模并行处理等，满足自动驾驶在感知、决策、控制全栈算法的闭环测试需要。目前，科技巨头、车企、方案商、仿真软件企业等都在积极加快虚拟仿真云平台的建设。

百度Apollo仿真平台是一个搭建在百度云和Azure的云服务，通过大规模分布式以及动态变速仿真来提高仿真平台的运行效率。基于大规模云端计算容量，Apollo打造了日行百万公里的虚拟运行能力，形成快速迭代的闭环，让开发者轻松实现“日行百万里”，极大提升开发效率。

阿里云自动驾驶仿真平台支持弹性高并发仿真、提供交通流仿真能够生成符合中国道路要素特色、管控方式的模拟交通流，可与自动驾驶仿真软件进行联合博弈仿真，30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建与测试。在阿里云平台支持下，2022年嬴彻自动驾驶仿真提速20倍。

IAE智行众维“水母”海量仿真SaaS平台可在专有云和公有云上进行模块化、弹性部署，支持虚拟机和Docker等多种方式。除了可为客户设计建设云仿真平台外，公司还建有400节点基于专有云的海量仿真SaaS平台，具备百万公里/天以上的有效里程虚拟仿真测试能力，可为客户提供SaaS化的仿真测试服务。

三、构建面向自动驾驶仿真测试的数据闭环，成为行业新的课题

在“数据驱动智能”趋势下，仿真测试成为自动驾驶数据闭环中的关键环节。如何通过软件在环、硬件在环、整车在环等一系列仿真测试形成数据滚动迭代模型，如何通过仿真测试中的corner case实现数据驱动下的算法升级，成为行业内新的课题。

2022年3月，腾讯与中汽数据签署合作协议，量产领域数据闭环及仿真测试成为研发重点之一。

2022年9月，IAE智行众维与中国汽车工业协会的自动驾驶行业数据公共服务VDBP平台签署战略合作协议，通过与中汽协和VDBP平台的紧密合作，最大化扩展仿真场景数据来源，解决原始数据数量不足、来源单一等问题，而且依托平台服务于国内外更多主机厂。

2022年11月，百度发布的自动驾驶数据闭环合规方案，通过专有云平台进行数据解密、数据脱敏、数据脱密后进行仿真训练，实现仿真测试的同时保证了数据的合规性和保密性。

IAE智行众维的X-IN-LOOP仿真测试技术体系将技术闭环和数据闭环理念贯穿汽车开发验证全流程，提供从软、硬件在环、驾驶员在环、高级整车在环、车辆-环境-交通在环，到数字孪生场景库和云算力海量仿真等在内的完整技术方案和服务，实现自动驾驶研发、测试和验证在时间和空间上的加速，助力自动驾驶商业化落地。

IAE智行众维基于X-IN-LOOP和“水木灵境”场景工场的连续仿真测试

此外，从仿真对象来看，自动驾驶汽车与V2X融合仿真的趋势正在加快。目前的仿真软件中道路标志、标线、道路设施是作为静态环境要素存在的。随着车路协同和车联网技术的发展，道路感知、通信等基础设施将参与到自动驾驶车辆的驾驶行为交互中，在城市智能基础设施作用下车辆行为的仿真将对技术提出新的要求。

《2022年自动驾驶仿真产业链研究报告（中国篇）》目录

报告页数：140页

01

自动驾驶仿真简介

1.1 自动驾驶仿真技术概述

1.2 仿真测试对自动驾驶研发的意义

1.3 自动驾驶仿真技术类型

1.4 自动驾驶仿真软件构成

1.5 仿真软件模拟系统总览图

1.6 自动驾驶仿真标准化国际组织：ASAM

1.6.1 ASAM标准协会

1.6.2 ASAM标准的中国化：C-ASAM工作组

1.6.3 ASAM标准布局领域

1.7 中国自动驾驶仿真测试标准现状

1.7.1 自动驾驶道路测试标准-国家级

1.7.2 自动驾驶道路测试标准-省市级

1.8 中国参与自动驾驶测试场景国际标准制定现状

1.9 中国自动驾驶功能仿真标准进度

1.10 中国多场景集多引擎模拟仿真测试服务平台方案

1.11 中国主机厂&自动驾驶仿真平台合作关系

1.12 中国自动驾驶仿真平台对比

1.12.1 中国自动驾驶仿真平台近期动态

02

自动驾驶仿真平台及公司研究

2.1 浙江天行健（PanoSim）

2.1.1 公司简介

2.1.2 PanoSim自动驾驶仿真测试平台

2.1.3 PanoSim-xPilot自动驾驶仿真实验台

2.1.4 PanoDrive驾驶模拟器

2.2 五一世界（51World）

2.2.1 公司简介

2.2.2 仿真平台 51Sim-One

2.2.3 仿真平台 51Sim-One：感知、规控及云仿真与XIL

2.2.4 数据平台 Dataverse

2.2.5 51Sim-One 2.0版本

2.2.6 落地案例：上汽检

2.2.7 合作事件

2.3 华为

2.3.1 公司简介

2.3.2 华为MDC平台：云端训练与仿真服务

2.3.3 华为“八爪鱼”自动驾驶开放平台

2.3.3 华为“八爪鱼”自动驾驶开放平台：一站式自动驾驶DevOps能力

2.3.3 华为“八爪鱼”自动驾驶开放平台：数字孪生和虚实混合仿真

2.3.4 华为云自动驾驶云服务Octopus

2.3.4 华为自动驾驶仿真平台Octopus：仿真服务

2.3.4 华为自动驾驶仿真平台Octopus：云+AI+软硬件+芯片的组合生态

2.4 百度

2.4.1 Apollo仿真平台

2.4.1 Apollo仿真平台：场景库

2.4.1 Apollo仿真平台：评估标准

2.4.1 Apollo仿真平台：版本迭代

2.4.2 AADS系统

2.4.3 合作事件

2.5 腾讯

2.5.1 腾讯自动驾驶仿真平台TAD Sim

2.5.2 腾讯自动驾驶仿真平台TAD Sim：产品特点与核心能力

2.5.3 腾讯自动驾驶仿真平台TAD Sim：场景还原与数字孪生

2.5.4 腾讯自动驾驶仿真平台TAD Sim：环境仿真

2.5.5 腾讯自动驾驶仿真平台TAD Sim：传感器仿真

2.5.6 TAD Sim2.0版本：游戏技术与仿真结合

2.5.6 TAD Sim2.0版本：架构升级

2.5.7 自动驾驶仿真衍生：城市级仿真平台

2.5.8 合作事件

2.6 阿里（达摩院）

2.6.1 阿里自动驾驶布局

2.6.2 云上智能仿真测试平台

2.6.3 混合式仿真测试平台

2.7 IAE智行众维

2.7.1 公司简介

2.7.2 IAE智行众维 X-IN-LOOP仿真测试技术体系

2.7.3 “水木灵境”场景工场（海量场景库）

2.7.4 场景数据生产闭环体系

2.7.4 基于场景工场实现连续仿真测试

2.7.5 “水母”云算力海量仿真SaaS平台

2.7.5 云算力海量仿真SaaS平台客户案例

2.7.5 ADAS-AD-V2X HIL硬件在环产品及客户案例

2.7.6 IAE智行众维车辆在环技术体系

2.7.7 VaHIL高级整车在环仿真实验室及客户案例

2.7.8 基于场景工场生成训练数据集

2.8 中国汽研

2.8.1 公司简介

2.8.2 场景库与仿真系统综合解决方案

2.8.3 虚拟仿真场景库i-Scenario

2.8.4 中国典型驾驶场景库V3.0

2.8.5 虚拟仿真场景生成/转换软件、硬件在环HIL

2.8.6 场景数据处理云平台i-STAR

2.8.7 场景数据采集设备平台i-Collector

2.8.8 自动驾驶评价软件i-Evaluator

2.8.9 合作事件

2.9 赛目科技

2.9.1 公司简介

2.9.2 智能网联汽车仿真与测试平台Sim Pro

2.9.3 自动驾驶功能云平台

2.9.4 关键技术及实验环境&设施

2.9.5 合作情况

2.10 国汽智联

2.10.1 公司简介

2.10.2 虚拟仿真测试评价

2.10.3 中国智能网联汽车基础数据服务平台

2.10.4 合作事件

2.11 上海汽检

2.11.1 公司简介

2.11.2 自动驾驶仿真测试实验室

2.11.2 自动驾驶仿真测试实验室：服务能力

2.11.2 自动驾驶仿真测试实验室：场景库

2.11.2 自动驾驶仿真测试实验室：干线自动驾驶应用

2.11.3 传感器仿真

2.11.4 汽车智能计算系统公共服务平台

2.12 中汽中心

2.12.1 公司简介

2.12.2 中汽中心驾驶场景仿真平台

2.12.3 自动驾驶仿真云平台AD Chauffeur 2.0

2.12.3 自动驾驶仿真云平台AD Chauffeur 2.0：核心功能

2.12.3 自动驾驶仿真云平台AD Chauffeur 2.0：功能升级

2.12.4 场景泛化工具AD Scenario

03

自动驾驶仿真趋势展望

3.1 趋势一

3.2 趋势二

3.3 趋势三

3.4 趋势四

3.5 趋势五

3.6 趋势六

相关阅读

仿真测试研究：国外自动驾驶仿真企业本土化服务稳步推进

更多佐思报告

报告订购及合作咨询联系人:

符先生：15810027571（同微信）

佐研君：18600021096（同微信）

自主品牌主机厂自动驾驶	汽车视觉(国内)	高精度地图
合资品牌主机厂自动驾驶	汽车视觉(国外)	高精度定位
ADAS与自动驾驶Tier1-国内	环视市场研究(本土篇)	汽车网关
ADAS与自动驾驶Tier1-国外	环视市场研究(合资篇)	数据闭环研究
自动驾驶与座舱域控制器	红外夜视	汽车信息安全硬件
多域计算和区域控制器	自动驾驶仿真(国外)	汽车信息安全软件
乘用车底盘域控	汽车仿真(下)	OEM信息安全
域控制器排名分析	激光雷达-国内篇	无线通讯模组
E/E架构	激光雷达-国外篇	汽车5G融合
L4自动驾驶	毫米波雷达	800V高压平台
L2/L2+自动驾驶	车用超声波雷达	燃料电池
乘用车摄像头季报	Radar拆解	一体化电池
ADAS数据年报	激光和毫米波雷达排名	一体化压铸
合资品牌车联网	专用车自动驾驶	汽车OS研究
自主品牌车联网	矿山自动驾驶	线控底盘
自动驾驶重卡	无人接驳车	滑板底盘
商用车ADAS	无人配送车	电控悬架
商用车智能座舱	无人零售车研究	转向系统
商用车车联网	农机自动驾驶	线控制动研究
商用车智能底盘	港口自动驾驶	充换电基础设施
汽车智能座舱	模块化报告	汽车电机控制器
智能座舱Tier1	V2X和车路协同	混合动力报告
座舱多屏与联屏	路侧智能感知	汽车PCB研究
智能座舱设计	路侧边缘计算	IGBT及SiC研究
仪表和中控显示	汽车eCall系统	EV热管理系统
智能后视镜	汽车EDR研究	汽车功率电子
行车记录仪	智能汽车个性化	电驱动与动力域
汽车数字钥匙	汽车多模态交互	汽车线束
汽车UWB研究	车载语音	汽车音响
HUD行业研究	TSP厂商及产品	汽车座椅
人机交互	自动驾驶法规	汽车照明
车载DMS	自动驾驶标准和认证	汽车镁合金压铸
OTA研究	智能网联测试基地	电装新四化
汽车云服务研究	PBV及汽车机器人	造车新势力-蔚来
汽车功能安全	飞行汽车	造车新势力-小鹏
AUTOSAR研究	行泊一体研究	造车新势力-理想
软件定义汽车	智慧停车研究	自动驾驶芯片
软件供应商	汽车分时租赁	座舱SOC
乘用车T-Box	共享出行及自动驾驶	汽车VCU研究
商用车T-Box	车企数字化转型	汽车MCU研究
T-Box排名分析	智能表面	传感器芯片
蔚来ET5/ET7智能化功能拆解	车型供应商调研	车载存储芯片
小鹏G9功能拆解

「佐思研究月报」

 ADAS/智能汽车月报 | 汽车座舱电子月报 | 汽车视觉和汽车雷达月报 | 电池、电机、电控月报 | 车载信息系统月报 | 乘用车ACC数据月报 | 前视数据月报 | HUD月报 | AEB月报 | APA数据月报 | LKS数据月报 | 前雷达数据月报