智能交通行业中各大车企广泛使用自动驾驶仿真平台但其能否确保无人车的安全成为了关注焦点

在9月4日，滴滴宣布将于9月8日至15日暂停深夜服务，这一决定显然是受到“温州滴滴事件”影响的直接结果。这种决策不仅让人们对自动驾驶技术的期待增加，而且也引发了一个问题：当人类司机因为人性上的弱点威胁乘客安全时，是否机器司机更为可靠？

近期频繁发生的网约车事故无疑提高了人们对自动驾驶汽车技术的期待。但人们往往只关注到自动驾驶技术一旦成熟，它能够极大地减少事故发生，但他们忽略了在实现这一目标之前，自动驾驶系统需要通过更多安全测试。其中之一就是自动驾驶仿真测试。

所谓的自动驾驶仿真测试，就是利用传感器仿真、车辆动力学仿真、高级图形处理、交通流仿真、数字仿真和道路建模等技术来模拟路测环境，并通过算法搭建相对现实的驾驶场景，以此完成自动化汽车路测工作的一种形式。这种方式可以一定程度上代替实际路测，加快测试速度。

例如，英伟达CEO黄仁勋曾指出，如果使用高效的仿真测试系统，可以在5小时内完成48万公里路测。而Waymo官方披露，其2个月内完成322万公里路测，而如果采用黄仁勋提出的方法，那么这2个月时间可以被压缩到33小时左右，即半天时间。

正是由于看到了这些潜力的重要性，Waymo开发了自己的Carcraft平台。在2016年的一年中，有25,000辆虚拟测试车行驶了250亿英里。这也是为什么随着智能交通行业发展之势加剧，对于20家全球主要提供自動駕駛車輛測試服務公司进行盘点变得越来越重要。

观察发现美国仍然占据优势，其中有8家美国企业占据总数40%，德国紧随其后共有5家企业占比25%，中国也有两家企业参与此类业务。此外还有法国、西班牙、英国和以色列各有一家企业参与这一领域。这些公司分布与人才和技术相关联。

从成立时间分析，大多数早期成立（即2010年前）的公司业务类型广泛涉及，如汽车制造业航空航天医疗铁路等，而新兴公司则专注于汽车领域且较少涉及其他业务。

对于构建这样的平台来说，每个模块都不同侧重点，比如rFPro和51VR能够达到非常接近现实世界水平，可控制天气行人等变量以达到模拟实际路面的目的。Parallel Domain表示他们摒弃手工创建街道方式，可以在不到一分钟内自动生成城市街区吸引蔚来的注意。而RightHook则能根据每家的高精度地图模拟整个环境。

除了以上几款，还有Drive Constellation发布以及百度合作研发责任敏感安全模型提升能力。此外，Drive.ai可持续进行训练，在3D场景库中运行不间断；景驰科技每天也会在自己开发的小型器中行走22000公里。

一些初创企业选择开源或定制化解决方案，因为虽然开放源代码可能满足某些需求但不能完全满足所有独特需求，因此选择自主研发定制化解决方案以满足自身需求。此外，即使使用高度准确的地图数据，也无法预防所有意想不到的情况出现，所以即便拥有强大的Carcraft平台，如Waymo也未放弃实际道路试验工作已经累积超过1.28亿英里的里程记录，但仍遭遇居民投诉并需不断改进设计与功能完善。在当前情况下，要保证基本安全性至少还需要161亿公里（100亿英里）以上的数据累积，更别提配备各种可能性导致的事故场景。不过目前已有的累积数据远远不足以达标因此要实现取代人类司机任务依旧存在很长难题待解答。