智能駕駛?cè)绾未罱▓鼍安⒃O(shè)計創(chuàng)新性功能

駕駛哥

2021年4月27日 09:45

瀏覽：2188 評論：1

作者 | Aimee

出品 | 焉知

知圈 | 進“汽車智能互動社群”請加微信13636581676，備注交互

智能化過程是包含了智能網(wǎng)聯(lián)、智能座艙、自動駕駛等，在這一智能化驅(qū)使的大環(huán)境下，人們對于其所帶來的產(chǎn)品需求層級及創(chuàng)新性將更加強烈。而當前的狀態(tài)是量產(chǎn)功能的成熟度及創(chuàng)新性都沒有完全符合人們預(yù)期，加之沒有成熟/穩(wěn)定的參考標桿，使得智能化對于場景設(shè)計和功能開發(fā)具有更多廣泛的需求。而功能開發(fā)本身則需更多的從場景設(shè)計方面入手，不斷將場景洞察轉(zhuǎn)化為真實的用戶利益。

場景設(shè)計在系統(tǒng)開發(fā)中的應(yīng)用

基于上述理解，產(chǎn)品創(chuàng)新的關(guān)鍵在于兩端：其一，是對種子用戶生活方式/用車方式的洞察和預(yù)測，歸零思考他們的體驗要求；其二，是對標桿產(chǎn)品功能/技術(shù)/運營和體驗趨勢的深度梳理。“場景”是一切思考的關(guān)鍵載體，脫離場景去談創(chuàng)新，跨職能團隊既無法理解真實的需求，更難以達成共識。因此，構(gòu)建“可執(zhí)行的場景庫”是構(gòu)建智能駕駛功能的前提，并能有效指導(dǎo)后續(xù)產(chǎn)品創(chuàng)新工作的關(guān)鍵。所謂“可執(zhí)行”是指場景庫能夠?qū)?yīng)準確的功能和體驗要求，不同場景之間在權(quán)衡取舍過程中具有可比性。

高度自動駕駛作為智能化的核心，其系統(tǒng)設(shè)計中比較關(guān)鍵的一環(huán)是需要設(shè)計比較完備的場景庫。場景是自動駕駛系統(tǒng)開發(fā)及測試中相當重要的一環(huán)，自動駕駛的安全與質(zhì)量需要確保自動駕駛測試場景具備多樣性、覆蓋性、典型性等特征，且這些特征可以影響到測試結(jié)果的準確性。

自動駕駛汽車在測試評價內(nèi)容和形式相對于傳統(tǒng)汽車都有明顯不同的評價體系，其根本性的改變在于:自動駕駛更側(cè)重于評價整車多傳感器的配合以及傳感器融合輸出的感知、判斷和決策能力。且自動駕駛汽車的測試場景需要具備多樣化、典型性等特點，需要盡可能覆蓋所有復(fù)雜的特殊場景；自動駕駛系統(tǒng)開發(fā)和測試的軟件及硬件設(shè)備也都隨之產(chǎn)生較大的變化。

撇開場景對于自動駕駛測試的構(gòu)建與影響，本文將重點從自動駕駛系統(tǒng)開發(fā)層面上對如何設(shè)計自動駕駛場景庫進行分析。旨在將自動駕駛的場景與用例分析應(yīng)用效果應(yīng)用在設(shè)計階段以全方位提升用戶體驗，并有效的完善功能列表，讓用戶需求得以完整清晰的表達，最終輔助系統(tǒng)功能設(shè)計及測試驗證。為了實現(xiàn)這一過程就需要進行“人-車-環(huán)境”有機融合的場景設(shè)計。

系統(tǒng)設(shè)計中的場景庫搭建

自動駕駛汽車上路行駛時要面臨的環(huán)境是各種各樣且錯綜復(fù)雜的，單一的開發(fā)過程及測試體系是不可能對其一一窮盡的，因此可以按照一定的分類方法將各種測試場景進行分類。一般的場景搭建中包含了兩大主要的單元：

1、場景要素單元

場景要素單元中比較關(guān)鍵的幾個點包括場景對象、道路情況、環(huán)境要素、駕駛行為。

2、測試場景體系架構(gòu)

場景體系架構(gòu)可以將以上不同類別的場景要素排列組合，構(gòu)成一個完整的場景庫。如下描述了一個場景庫基本的構(gòu)建流程。

根據(jù)場景提取用例（痛點）
構(gòu)建可執(zhí)行場景庫的第一步是完整的用戶體驗管理方法論。即，如何從場景出發(fā)，發(fā)現(xiàn)場景中的“關(guān)鍵要素”，以及服務(wù)于后續(xù)完整的用戶體驗及管理體系，這是構(gòu)建場景庫的前提。后續(xù)使用場景庫的完整邏輯，決定了場景庫架構(gòu)的本身。

根據(jù)用例提取功能亮點
第二步是對場景的確切（符合執(zhí)行邏輯的）定義。場景是由一組特定變量共同描述的，對應(yīng)明確用戶意圖的，由特定事件觸發(fā)的某種狀態(tài)。基于場景的定義，需要形成分層的場景結(jié)構(gòu)。分層實際是一種場景定義常用的方式，即將場景進行要素拆解，而拆解的過程實際是進行要素分級，一般情況下我們分為3個級別，如下圖表示了一種場景結(jié)構(gòu)。

比如，我們針對一種典型的自動駕駛功能場景進行場景拆解。這里我們設(shè)計一種用戶駕駛需求為從一個地方A點對點駕駛到另一個目的地B。其間會經(jīng)歷從城市路段，駛?cè)胧召M站，通過匝道并駛?cè)敫咚俾范危罱K駛出收費站，駛出匝道到達目的地。那么路途中需要經(jīng)歷不同的天氣、道路環(huán)境、動態(tài)車況及駕駛員使用情況。·那么通過對于如上信息的分解組合可以完全模擬出不同的路況場景環(huán)境。我們設(shè)計過程中針對這些場景環(huán)境需要分別搭建初始的應(yīng)對策略。比如，在逆光環(huán)境且其他天氣情況正常條件下，車輛駕駛進入較大曲率彎道中，無旁車切入干擾駕駛情況下，駕駛員此時未接管車輛控制，且有一定程度的分心。此時系統(tǒng)應(yīng)該如何控制呢？我們此時可以控制車輛正常減速，對中并向駕駛員發(fā)出一定程度的報警或提示。

當然上述只是其中一種場景舉例，我們在實際設(shè)計過程中還有很多其他場景組合，但能用到的場景組合在手動狀態(tài)下無法窮舉。因此，在實際場景搭建過程中我們不建議采用手動的方式進行組合搭建，更多的是采用機器運算的方法進行。該方法實際是利用輸入的場景元素進行場景泛化，泛化后的場景幾乎包含了該場景元素組合下的所有場景，當然可能存在不可理的場景組合，比如自車產(chǎn)生了較大的加速度，而用戶使用車輛過程為駕駛員正在踩剎車踏板制動。因此，場景泛化后期需要設(shè)計合理的模型過濾出不合理的場景需求。

基于如上分析，我們可以綜合判定，場景搭建的過程需要充分的掌握場景本身、場景要素或場景因子、場景組合方法幾個方面。而針對場景需求的相應(yīng)定義，場景本身是無法窮舉的，但為了描述產(chǎn)品定位問題，場景需要分為兩層：一級場景需要是結(jié)構(gòu)化的，由最關(guān)鍵的兩個維度共同描述（用戶、使用場合），這一層級決定了產(chǎn)品定位。二級場景指向具體功能開發(fā)，由影響功能目標的所有維度共同描述。

第三步 是對場景的結(jié)構(gòu)化描述以及每個場景下用戶需求的梳理。場景對應(yīng)著用戶意圖（也即用戶任務(wù)），用戶任務(wù)由對應(yīng)著具體的功能和解決方案，這樣場景庫即可向下執(zhí)行。此外，場景庫必須是連續(xù)、可積累，并且面向整個體系開放式采集和動態(tài)管理的，并與主要系統(tǒng)充分連接。在智能化的過程中，產(chǎn)品定義依然是目標用戶期望、使用場景、現(xiàn)有技術(shù)解決方案以及新技術(shù)/新解決方案之間的動態(tài)平衡. 也就是說，我們可以將產(chǎn)品定義過程抽象為目標用戶、使用場景、功能組合與創(chuàng)新技術(shù)的動態(tài)匹配過程。這種抽象使數(shù)據(jù)采集、處理、跟蹤更加標準化，使產(chǎn)品定義系統(tǒng)構(gòu)建成為可能。

在解決特定用戶、特定場景下的用戶體驗問題，我們需要拆解一級場景中具體的用戶任務(wù)，解決這些用戶任務(wù)的功能組合，以及支撐這些功能的具體配置（解決方案）。

基于場景定義及影子數(shù)據(jù)采集的功能開發(fā)

對于自動駕駛系統(tǒng)設(shè)計而言，需要基于產(chǎn)品定義流程、數(shù)據(jù)規(guī)范、使用場景，形成系統(tǒng)開發(fā)需求說明文檔。在上述體系中，功能是對用戶意圖的響應(yīng)，相當于是對用戶意圖的原子化，也是對用戶意圖的響應(yīng)，是對用戶需求的歸零思考。為了實現(xiàn)車型功能子項，需要提前進行配置優(yōu)化，其優(yōu)化過程就是對功能實現(xiàn)選擇的具體解決方案。

為了實現(xiàn)基于場景定義下的有效功能開發(fā)（包含流程定義、指定規(guī)范數(shù)據(jù)、定義有效應(yīng)用場景），在上述體系中，需求與創(chuàng)意的采集是發(fā)現(xiàn)新需求、新場景的前提，具體操作需要拆解為以下幾個步驟。

1、需求數(shù)據(jù)采集

可通過案頭研究、電話訪談及微信小程序以及Web等社交方式作為端入口，獲得更為廣泛的數(shù)據(jù)源信息。

功能模型構(gòu)建：

根據(jù)該數(shù)據(jù)源信息可構(gòu)建原始系統(tǒng)功能模型。該功能模型同時需要結(jié)合用戶調(diào)研、車型對標數(shù)據(jù)等作為需求輸入。此外，基于前述場景搭建方法，將場景元素結(jié)合一定的規(guī)則進行有效的場景組合，最終定義合適的使用場景。其次，定義系統(tǒng)功能與數(shù)據(jù)來源映射關(guān)系，該定義方式是通過各數(shù)據(jù)源數(shù)據(jù)格式及要求進行的。然后，根據(jù)實際情況確定數(shù)據(jù)處理方式/算法，這樣就搭建了一套簡單的功能模型。

2、需求數(shù)據(jù)結(jié)構(gòu)化

提供預(yù)先確立的結(jié)構(gòu)化標簽體系，使得數(shù)據(jù)提供者在數(shù)據(jù)最初錄入時自動完成數(shù)據(jù)的分揀、結(jié)構(gòu)化等相關(guān)工作。

進行有效的數(shù)據(jù)整合：

智能駕駛的未來開發(fā)方式是通過前期不斷采集場景數(shù)據(jù)，并綜合輸入模型進行有效的整合，并進行有效的數(shù)據(jù)清洗與數(shù)據(jù)標準化/結(jié)構(gòu)化。這一過程實際是將數(shù)據(jù)庫中的現(xiàn)有數(shù)據(jù)和不斷采集的更新數(shù)據(jù)進行有效整合后，形成相應(yīng)的結(jié)構(gòu)化數(shù)據(jù)，從而最終確保后期功能開發(fā)的有序性、完整性及合理性。

3、數(shù)據(jù)分發(fā)與研討

根據(jù)在研產(chǎn)品的特點，對結(jié)構(gòu)化的數(shù)據(jù)進行分發(fā)與研討，探究背后實際場景、體驗因子以及可實現(xiàn)的技術(shù)方案。

設(shè)計基于數(shù)據(jù)的原始功能：

原始功能是需要分發(fā)數(shù)據(jù)中的新場景、新用戶任務(wù)、用戶痛點、新創(chuàng)意、體驗因子等幾個方面的內(nèi)容設(shè)計出原始的功能架構(gòu)。該過程可以通過研討的方式參照頭腦風暴形式不斷進行功能擴大化，將盡可能多的功能分類及功能數(shù)據(jù)進行有效解析。最終選擇最優(yōu)功能并提取出來進行后續(xù)詳細的開發(fā)。

4、產(chǎn)品定義中的應(yīng)用

最終，通過用戶群、對標庫、創(chuàng)意庫的對接，完成在產(chǎn)品定義中的目標用戶需求挖掘與管理。

迭代優(yōu)化適應(yīng)性系統(tǒng)功能：

開發(fā)有效的系統(tǒng)功能需要利用前述整合好的數(shù)據(jù)進行分析和策略設(shè)計。首先，進行數(shù)據(jù)試運行與算法迭代/優(yōu)化。其次是按業(yè)務(wù)場景需求定義算法與展示策略，包括前端界面設(shè)計、后端功能設(shè)計，并最終形成結(jié)構(gòu)化數(shù)據(jù)庫。支撐系統(tǒng)功能開發(fā)、功能試運行、功能迭代優(yōu)化等，最終，通過更新產(chǎn)品價值創(chuàng)造更佳用戶體驗。

總結(jié)

場景可以應(yīng)用到整個標準的自動駕駛系統(tǒng)開發(fā)過程中以得到合適的產(chǎn)品，從概念階段到產(chǎn)品開發(fā)，再到系統(tǒng)驗證和測試。而在整個開發(fā)周期中，要求在不同抽象級別上對所用場景有一致性表述。其中，挖掘測試場景、豐富和完善測試技術(shù)是提高自動駕駛安全性能的極重要一步。首先，以路側(cè)數(shù)據(jù)、車載數(shù)據(jù)、虛擬數(shù)據(jù)三種來源輸入、存儲場景源；其次，要通過場景挖掘、場景分類、場景演繹等方式有層級、有規(guī)劃地構(gòu)建場景庫；最后將場景庫應(yīng)用于場景測試環(huán)節(jié)，包括軟件在環(huán)、硬件在環(huán)、整車在環(huán)、封閉道路、開放道路五種。而系統(tǒng)設(shè)計中則需要更多的關(guān)注以上場景構(gòu)建所帶來的安全性、舒適性、新穎性等問題。