摘要

自動駕駛汽車測試仍是一個新興且尚未成熟的過程，全球統一的測試流程尚需時日。實車測試對資源要求極高，因此開發并提升基于虛擬環境的測試方法的效率至關重要。有鑒于此，本文提出一種新穎的 X-in-the-Loop（XIL，X 代表任意對象，如物體、算法、軟件、硬件）框架，以充分利用信息通信技術、車輛自動化以及測試驗證需求領域的最新進展。該方法能將物理測試與虛擬測試實時、高關聯性地連接起來，同時徹底模糊二者之間的明確界限。實測結果表明，5G 通信鏈路在實現現實世界與其虛擬表征之間穩定、實時的連接方面，展現出卓越性能。在新建的匈牙利自動駕駛試驗場進行的現場演示，驗證了所提出的概念。此外，本研究還包含全面的基準測試，重點關注最新的汽車測試框架，并分析了全球汽車測試領域主要相關機構所采用的方法與技術。據此，結合汽車行業當前使用的先進方法，對新開發的測試框架進行了評估與驗證。

1. 引言

統一的自動駕駛汽車測試與驗證方法，對未來自動化出行的發展至關重要。目前，僅針對自動化等級較低的先進駕駛輔助系統（ADAS）功能，存在標準化的測試流程。數十年前便已起步的建模與仿真技術，在驗證過程中無疑將發揮越來越重要的作用。在如今的仿真流程中，最多僅將被測車輛（VUT）或其部件作為物理實體使用，而周圍環境則通過生成的傳感器信號或投影視覺效果進行完全仿真。實車環境下的測試通常是一個獨立的過程。然而，在車輛在環（ViL）仿真中，車輛常在相對單一的測試場地內進行測試，車輛可自由行駛，并能結合真實的車輛動力學特性開展測試，但所有干擾、交互作用及事件均在仿真平臺中以虛擬形式呈現。在這類測試中，不僅可研究車輛與駕駛員之間的交互關系，還可利用虛擬障礙物測試先進駕駛輔助系統。這類測試需要真正的多學科融合方法，因為除汽車工程、交通工程和電氣工程外，在研發過程中還需考慮計算機科學與通信領域的相關問題。

本文提出一種新穎的 X-in-the-Loop（XiL）框架（其中 X 代表任意對象，如物體、算法、軟件、硬件），該框架充分利用了信息通信技術、車輛自動化以及測試驗證需求領域的最新進展。

新開發的 XiL 概念與汽車測試驗證領域現有的先進方法進行了對比。然而，考慮到該領域參與機構數量眾多，本研究并非旨在詳盡羅列開發測試驗證解決方案的主要機構。

相反，本研究旨在全面分析汽車行業偏好、開發及使用的測試驗證框架。因此，評估的目的既不是對市場上的解決方案進行排名，也不是對其進行批評。此外，作者在評估過程中力求避免發表任何主觀或可能帶有偏見的言論。為此，本文采用匿名編碼（SYS1……SYSN）的方式介紹不同的市場解決方案。

評估對象包括 AB Dynamics、Applus+ IDIADA、HORIBA-MIRA、現代摩比斯（Hyundai MOBIS）、i-MAR、IPG ViL、K-city、M-City以及扎拉區（ZalaZONE）的XiL系統。需要強調的是，上述機構的具體詳細信息獲取渠道有限。

本文結構如下：第2節闡述汽車測試與驗證的相關背景；第3節探討相關研究工作，介紹不同的方法并引入 X-in-the-Loop 方法；第4節介紹八種當前先進的 XiL 系統實施方案；第5節詳細論述扎拉區（ZalaZONE）提出的基于場景在環（Scenario-in-the-Loop）的方法，包括其架構、所需的系統組件、實現過程中采用的技術以及結合實測結果的概念驗證演示；第6節基于選定的標準對不同的 XiL 解決方案進行對比；最后，第7節對全文進行總結。

2. 汽車測試與驗證背景

汽車行業的測試與驗證工作與法規背景密切相關，主要在三個不同領域開展，且這些領域與汽車的產品生命周期緊密相連。

在產品生命周期的第一階段，制造商負責開發安全且性能良好的車輛。在此階段，研發人員嚴格遵循行業特定標準，以最大限度降低與特定產品相關的安全風險和質量差距。產品評估與質量檢測需持續依據行業標準進行，這一過程對產品的最終質量起著至關重要的作用。在該領域，不得不提及國際標準化組織（ISO），它是全球最知名的行業標準制定機構之一。

在產品生命周期的第二階段，車輛投放市場。在歐洲，汽車制造商若想將產品投放市場，其產品需在所謂的型式批準（或 homologation）流程中滿足聯合國歐洲經濟委員會（UNECE）的要求。這一流程還涵蓋生產一致性要求，即制造商需 “證明投放市場的每一輛車輛、設備或零部件，其生產標準均與已批準產品一致”。因此，所有與已批準產品型號相同的車輛，無論在安全性還是質量方面，都必須與經過測試和驗證的車輛保持一致，只有這樣才能在成員國（締約方）市場上銷售。在型式批準過程中，車輛檢測由獨立的第三方機構（如德國技術監督協會（TüV）、德國機動車監督協會（Dekra））監督執行，批準文件則由政府機構頒發。與此不同的是，美國等國家采用自我認證流程，由汽車制造商自行進行車輛檢測并出具符合性證書，證明其產品符合目標市場的要求。未來的挑戰主要在于如何將新的考量因素成功融入這些流程，例如無需人類駕駛員參與控制的安全駕駛、汽車網絡安全以及基于人工智能的系統控制等。

在產品生命周期的第三階段，即產品投放市場后，消費者保護組織需對產品質量進行監管，以保護消費者免受不公平商業行為的侵害。在汽車行業，新車評價規程（NCAP）是最著名的消費者保護組織之一。然而，近年來的經驗表明，即便對于規模最大、信譽最良好的制造商，在驗證過程中存在不當操作的情況也并非不可想象。這一問題引發了對法規解讀的爭議，尤其是社會對制造商的期望究竟是什么 —— 是嚴格遵守法規條文，還是踐行法規的初衷？

3. 相關研究

汽車行業測試與驗證的方法學背景呈現出逐步演進的特點。在車輛自動化程度較低的時期，安全性主要由零部件的可靠性決定，因此對軟硬件的測試與驗證便可確保達到所需的安全水平。然而，高度自動化車輛的普及使得研究和建模整車動力學或完整車輛系統成為必要，同時也需為其在公共道路上的運行做好準備，例如采用實地運行自動化虛擬評估（VAAFO）方法。

車輛系統的復雜性日益提升，這使得測試與驗證工作的范圍遠超車輛本身，需全面反映整個交通系統的復雜性。

根據汽車行業當前的方法學，開發過程依據 V 模型展開。該流程在整個開發過程（包括軟件開發階段、硬件開發階段以及相應的測試活動，尤其是各類 X-in-the-Loop 測試解決方案的應用）中，同步確定系統需求并進行驗證。

如今，與自動駕駛和聯網車輛相關的最重要創新主要由軟件開發推動。車輛系統中的軟件組件負責執行日益復雜的控制過程，如制動、超車或車輛穩定性控制 [42]。因此，車輛系統軟件若做出錯誤決策，可能引發安全關鍵事件。由此可見，確保汽車軟件組件具備良好的安全特性至關重要。依據汽車領域的基本安全標準 ——ISO 26262，需通過全面的測試方法驗證需求的符合性。根據 ISO 26262 標準，安全關鍵車輛功能的軟件需在真實的系統環境中進行測試。然而，在汽車開發過程的最終階段發現并修正軟件錯誤，其成本效益遠低于在開發早期階段進行修正。出于成本效益考量，為在開發早期發現并修正軟件錯誤，也可在簡化的測試環境中對車輛軟件進行評估。因此，必須重點關注為所開發的汽車功能模塊（如軟件、硬件或組件）確定并搭建合適的測試環境。

傳統測試方法（尤其是 ISO 26262 標準）建議在最終的硬件環境中評估安全關鍵系統。但這種方法會導致測試過程耗費大量的時間和資源。因此，僅對車輛的部分模塊進行測試具有合理性，因為修正被測車輛模塊中的故障成本效益更高。這種思路催生了硬件在環（HiL）測試方法。應用 HiL 方法需要搭建全面的環境框架，該外部系統一方面需為被測組件提供基于模型的輸入信號，另一方面還需能夠整合不同組件以及與模型無關的外部信號，并將其提供給被測組件。此類環境還可支持與故障注入相關的測試。

在車輛在環（ViL）測試方法的應用中，被測車輛的復雜系統被嵌入到人工控制的虛擬測試環境中，即對所研究車輛系統的真實軟硬件框架進行測試。根據當前先進的測試方法，自動駕駛車輛的環境通過全面的軟件框架進行仿真，該框架涵蓋最關鍵的決策因素和傳感器類型，如交通仿真、圖形顯示或點云生成。此類系統能夠將被測車輛與其他仿真模塊進行實時連接，甚至部分仿真車輛可替換為真實車輛。通過這種方式，周邊交通狀況的影響可直接反饋至自動駕駛車輛的決策模塊。采用這種方法，在傳統的轉鼓試驗臺或合適的測試場地中，應用 ViL 模型可輕松實現開環或閉環測試。

通用的 X-in-the-Loop 模型包含一個高效且極具真實性的自動駕駛汽車仿真框架，該框架需考慮以下因素：

· 仿真中不同傳感器的表征方法

· 車輛動力學及其與不同執行器的關聯

· 廣泛的場景庫，尤其需涵蓋仿真中的各類交通狀況

· 自動駕駛車輛系統的控制模型

在 X-in-the-Loop 解決方案中，所研究的系統元素（模型、軟件、硬件或完整車輛）需與仿真環境持續交互。因此，必須實現虛擬因素與真實因素的同步，以構建連貫且可靠的評估方法。綜上，X-in-the-Loop 概念可視為一個通用框架，包含了模型在環（MiL）、軟件在環（SiL）、硬件在環（HiL）或車輛在環（ViL）等多種模型。

4. XiL 系統實施方案

車輛在環（ViL）測試是當前自動駕駛車輛系統領域最先進、最具應用前景的測試與驗證技術。該技術目前尚未發展成熟，在多個領域仍需進一步研究；不過，市場上已出現復雜的解決方案，并開始被汽車企業采用。本節將介紹八種不同的實施方案，以全面呈現該領域的最新技術水平。為便于后續參考，所介紹的系統將以匿名編號 SYS1 至 SYS8 表示，并將在第六節基于表 2 中列出的功能特性對其進行評估和對比。

4.1 SYS1

SYS1 開發的基于 dSPACE 的實時 ViL 系統，包含被測車輛（VUT）、其他車輛、弱勢道路使用者（VRU）、交通標志、路面標識、道路參數、道路類別以及交通規則。該系統采用虛擬現實技術為自動駕駛車輛的控制系統提供輸入信號，而非依賴車輛的實際傳感器。為實現這一目標，需構建被測車輛的虛擬模型，并將其集成到所搭建的混合現實環境中。被測車輛及其虛擬模型配備相同的傳感器（雷達、激光雷達和攝像頭）。在測試場景中，該系統可實現任意車輛、任意交通流以及來自任意方向的弱勢道路使用者的模擬。通過文獻調研可知，SYS1 開發了一套相當復雜的測試系統。據開發者介紹，該系統對整合真實（如軟碰撞目標（SCT）、引導式軟目標（GST））與虛擬環境的不同場景組件的協同綜合仿真控制方面，關注度相對較低。

4.2 SYS2

SYS2 同樣提供車輛在環（ViL）模型。該系統實現了 HiL 方法與實車測試技術之間的有效銜接，使得被測車輛可在開放式測試跑道上行駛，同時其輸入信號由虛擬環境提供。該系統還支持將真實組件嵌入虛擬環境，從而能夠開展具有良好可重復性的真實測試。SYS2 強調，其 ViL 平臺非常適用于支持各類歐洲新車評價規程（Euro NCAP）測試。通過對相關研究文獻的分析可得出結論：SYS2 更側重于系統的車輛仿真特性（如車輛動力學或通信），而對將真實組件整合到測試過程中的關注較少（例如，對空間定位（SPT）或實時性（RT，指現實與虛擬環境的時間同步）的關注不足）。

4.3 SYS3

SYS3 為汽車行業相關機構提供復雜的測試與驗證框架。該公司針對從簡單物理組件分析到復雜控制系統（包括先進駕駛輔助系統和完全自動駕駛車輛系統）評估驗證等大量測試問題，提供相應的解決方案。其解決方案涵蓋多種測試方法，既包括完全虛擬的測試環境，也包括實車測試應用。

SYS3 開發了一套全面的系統測試方法，支持基于試驗場的開發流程。該測試系統以一個中央軟件模塊為基礎，該模塊能夠簡單高效地控制測試過程（涵蓋從組件控制到總體場景協調的各項任務）。測試功能主要包括以下模塊：

· 車輛子系統：懸架、底盤、轉向系統

· 試驗場車輛動力學研究

· 自動駕駛車輛系統評估（使用特殊目標物體，如遙控假人、遙控車輛）

· 虛擬測試（仿真與模型環境）

4.4 SYS4

SYS4 由地方政府打造，是一個人工構建的城市環境，旨在支持聯網和高度自動化車輛的測試與驗證流程。作為一條測試跑道，SYS4 主要用于支持自動駕駛車輛的開發過程。SYS4 包含多種真實的道路環境，如公交專用道、自行車道、高速公路、密集城區以及停車場。由于與國內電信解決方案全球供應商的緊密合作，測試跑道周邊將部署 5G 網絡，以具備開發基于蜂窩通信的車與萬物（V2X）應用的能力。此外，試驗場還將部署 4G LTE 和專用短程通信（DSRC）系統。綜上，SYS4 在車輛通信測試領域擁有雄厚的基礎設施背景。

4.5 SYS5

通過文獻調研可知，SYS5 是自動駕駛車輛測試流程開發領域的主要機構之一。SYS5 為高度自動化車輛提供城市測試環境。然而，可得出結論：該機構對全面的場景仿真與控制（尤其是在測試場景中納入真實引導對象）的關注較少，同時對基于蜂窩通信的測試解決方案的重視程度也不足。

該集成系統的總體框架包含被測車輛、路側單元、檢測器、相關控制器單元以及交通信號控制器。被測車輛與系統其他組件之間的通信過程通過 DSRC 通信信道實現。控制系統會參考仿真系統的輸出結果，且被測車輛的數字孿生模型能夠根據實車行駛情況，在數字化虛擬道路網絡中實時跟蹤行駛路徑。

4.6 SYS6

SYS6 在高度自動化車輛開發領域提供多種測試解決方案，其測試過程可采用基于 DSRC 和蜂窩網絡（甚至 5G）的無線通信信道。該試驗場通過應用基于 dSPACE 和 NI 的控制模塊，能夠覆蓋從模型在環（MiL）到車輛在環（ViL）的完整開發周期。

SYS6 在虛擬測試方面也擁有特殊的解決方案。然而，現有文檔中并未詳細闡述虛擬環境與真實環境的集成控制方式，同時對真實環境與虛擬環境之間的連接和同步過程的關注也較少。

4.7 SYS7

SYS7 試驗場的解決方案開發了一款自主接口應用程序，該程序能夠為整合市場上現有的各類工業解決方案提供互操作環境。該試驗場特別注重基于集成交通仿真技術和車輛建模工具，實現交通系統的真實仿真。同時，其還為整個車輛開發過程提供有力支持，包括從模型在環（MiL）到車輛在環（ViL）解決方案的各類測試系統。但另一方面，SYS7 對基于復雜場景的多智能體測試用例的整體控制關注較少。

通過文獻調研總結可知，SYS7 特別關注仿真與可視化方面，但在開發過程中對復雜場景的整體控制相關方法的關注不足。

4.8 SYS8

SYS8 通過整合多種測試與仿真系統，開發了一套全面的框架，該框架特別強調實時定位與通信功能，并提供了一套極具效率的場景控制框架。不過，其對真實交通仿真解決方案的應用關注較少。

根據現有背景資料，SYS8 的系統概念在可重復控制復雜交通場景，以及測試所研究自動駕駛功能的通信和定位相關特性方面，表現尤為突出。

5. 基于場景在環的混合現實驗證

在扎拉區（ZalaZONE）試驗場開發、測試并演示了一套超越當前技術水平的 X-in-the-Loop 驗證系統，本節將對其進行詳細介紹。場景在環（Scenario-in-the-Loop，SciL）測試與驗證概念的目標是為前沿研究提供有力支持，并有望很快成為扎拉區試驗場的一項標準服務。扎拉區作為汽車試驗場，不僅具備傳統測試跑道所側重的耐久性和行駛穩定性測試功能，還能滿足未來出行需求，為自動駕駛車輛的測試與驗證提供支持。

由于場景在環框架融合了物理環境與虛擬環境，因此有必要明確汽車測試中虛擬現實與混合現實的區別。基于虛擬現實的系統可提供完全人工模擬的環境，該環境獨立于物理現實（而非僅在虛擬空間中重現真實場景）；而基于混合現實的系統則能夠將模擬組件和對象整合到真實測試環境中。簡而言之，虛擬現實是對現實的 “替代”，而混合現實是對現實的 “補充”。

5.1 模型介紹

除了實現完整的交通場景外，與車輛在環（ViL）概念相比，場景在環（SciL）方法對測試領域的重要貢獻之一，在于其能夠將模擬數據與實車數據相結合，并以集成化的方式將這些數據輸入到復雜車輛系統中嵌入式車輛控制的不同層級（圖 1）。從實際應用角度而言，這意味著部分輸入信號可直接從真實環境中獲取，而其他信號則可通過所應用的綜合軟件框架進行并行模擬，并接入感知和通信架構的底層。

圖1:循環場景（SciL）驗證方法的架構。與多個汽車仿真工具實時接口，實現物理測試環境的毫米級精度數字表示，并通過超可靠的低延遲通信將所有元素與VUT連接。開發的SciL架構可以在混合現實中再現完整的交通場景，用于自動駕駛汽車的高級測試和驗證

此外，場景在環（SciL）還能夠體現車輛在環（ViL）與實車測試之間所有類型的過渡概念。對比這兩種概念可得出結論：在車輛在環（ViL）方法中，模型僅為車輛提供輸入信號；而在場景在環（SciL）模型中，該框架會為完整的交通場景提供輸入。

場景在環（SciL）概念的主要區別特征或附加價值在于，它真正打破了現實與虛擬之間以往明確的界限。

在場景在環（SciL）框架內，測試人員可靈活決定測試中哪些部分在現實環境中執行，哪些部分通過仿真實現。采用場景在環（SciL）概念構建測試場景時，在設定現實與虛擬的邊界方面不存在任何限制。該方法能將物理測試與虛擬測試以高關聯性實時連接起來，同時徹底打破二者之間的明確界限。

按照預期，基于場景的測試（即場景在環方法）將成為汽車行業開發過程中下一代仿真與 X-in-the-Loop 測試方法。除了能實現可行的測試覆蓋范圍外，這種新穎技術還有助于實現以下優勢特性：

· 可重復性

· 靈活性

· 可擴展性

· 成本效益

· 真實呈現

要使場景在環（SciL）測試成為極具影響力的工具，它需要與其他工業仿真和測試工具具備廣泛的兼容性，不僅在輸入側，還需在輸出側提供多樣化的接口。場景在環（SciL）的輸入接口需能夠嵌入行業標準仿真工具（如 CarMaker、VTD、CarSim、PreScan）以實現場景定義，而執行器側的場景在環（SciL）接口則需支持使用不同供應商提供的目標物和對象，從而能夠構建包含大量同時仿真或控制的道路使用者的極端復雜場景。

5.2 所需組件

為確保自動駕駛車輛技術達到所需的安全性和可靠性，需通過極為復雜的方式對其進行分析和評估。這些要求使得在測試過程中必須采用智能、經濟、安全、可測量且精準的方法與系統。因此，只有通過在測試跑道上設計全面的場景，并應用真實和虛擬測試對象以及精確控制的測試系統，才能對當前先進的自動駕駛功能進行評估。

5.2.1 數字化測試環境

為實現自動駕駛車輛與現實并行同步的測試流程，還需構建測試環境的虛擬表征。具備先進可視化功能的虛擬環境，同樣可用于先進駕駛輔助系統（ADAS）中基于人工智能的解決方案的訓練、測試與驗證。此外，包含天氣影響、實時反射、陰影和光照條件等因素的高分辨率圖形與物理模型，可能會大幅增加測試資源需求，但這些先進解決方案也能顯著提升系統可靠性。

圖 1 場景在環（SciL）驗證方法的架構：與多個汽車仿真工具進行實時交互，實現物理測試環境的毫米級精度數字表征，并通過超高可靠低時延通信將所有元素與被測車輛（VUT）連接。所開發的場景在環（SciL）架構能夠在混合現實中重現完整的交通場景，用于自動駕駛車輛的先進測試與驗證。

因此，整個測試環境（即整個試驗場）都必須為虛擬仿真環境進行數字化處理，其中建筑物、道路標線、交通標志、路側物體和植被需與實際測試區域完全一致。

僅出于仿真目的，基于設計圖紙生成試驗場的數字模型已足夠，這種模型僅能提供大致精度。但對于仿真后進行實車測試或實時混合現實測試的聯合測試而言，這種分辨率可能無法滿足需求。此類情況需要超高精度矢量化數字地圖（高清（HD）或超高清（UHD）地圖），該地圖可能采用標準化格式，可通過高分辨率激光掃描點云測量獲取。

為實現虛擬環境的高效可視化，可使用任何可用的跨平臺 3D 圖形引擎（如 Unity 或 Unreal）。因此，所選開發引擎應盡可能支持多種平臺。鑒于未來的應用潛力，該引擎還可用于創建虛擬或混合現實應用，同時支持仿真和其他實驗。扎拉區（ZalaZONE）的虛擬模型在 MIT 許可下以多種數據格式公開提供，可供進一步研究與評估。測試跑道的道路模型和矢量化格式的擴展超高清（UHD）地圖會持續更新。

5.2.2 實時定位

參與特定測試場景的所有車輛和場景對象（如自車、被測車輛（VUT）、弱勢道路使用者（VRU）、引導式軟目標（GST）、軟碰撞目標（SCT））都必須通過仿真和控制軟件進行高精度實時定位與管理。作為當前先進的解決方案，這需要采用實時動態定位（RTK）輔助的差分全球導航衛星系統（GNSS），并結合慣性導航單元，從而實現實時定位精度小于 2 厘米。根據所提出的場景在環（SciL）概念，模型環境為場景在環（SciL）提供輸入信號，而被測車輛則從場景層面獲取所需輸入信號。仿真與控制模塊有兩個主要輸入：真實測試跑道的精確三維數字表征，以及參與測試場景的不同道路使用者的精準定位信息。

通過在實車上安裝與差分全球導航衛星系統（DGNSS）連接的慣性測量單元（IMU），可實現實車在測試跑道上的高精度定位。慣性測量單元（IMU）與差分全球導航衛星系統（DGNSS）的組合通常被稱為慣性導航傳感器（INS）。遵循當前技術趨勢，扎拉區（ZalaZONE）的場景在環（SciL）測試解決方案正準備具備結合基于智能基礎設施的協同定位與導航，對自動駕駛車輛系統進行測試的能力。

5.2.3 超高可靠低時延通信

在車輛在環（ViL）測試中，車輛在試驗場或試驗臺上行駛，外部環境通過仿真建模實現。除此之外，場景在環（SciL）測試涵蓋了從完全虛擬環境測試到完全真實環境測試之間的所有過渡階段。因此，在場景在環（SciL）測試中，部分測試對象可為真實物體，而其他對象則可為虛擬物體。

場景在環（SciL）概念的本質在于，能夠在不同開發階段對具有異構特性的組件進行測試（例如，在完全或部分仿真環境中對模型、軟件或硬件進行測試，并應用真實或虛擬測試對象）。因此，場景在環（SciL）測試的前提條件是具備超高可靠低時延通信（URLLC）能力。

信息通信技術的最新發展為車對車（V2V）或車對基礎設施（V2I）通信應用同時提供了兩種不同的物理層。這兩種物理層都能支持場景在環（SciL）測試，尤其是考慮到歐洲專用短程通信（ITS G5）和第五代蜂窩網絡（5G）通信（也稱為車載自組織網絡（VANETs））。

基于此，如果測試采用場景在環（SciL）測試概念，那么測試設施強烈建議具備專用短程通信能力，例如 WAVE或 ITS G5。同樣，蜂窩通信（尤其是 5G）的最新進展使其具備了獨特特性，大幅提升了其在聯網自動駕駛車輛（CAV）測試中的應用潛力，同時也使基于蜂窩通信的場景在環（SciL）測試得以實現（根據具體用例，4G LTE 也可能滿足聯網自動駕駛車輛（CAV）測試的要求）。覆蓋區域內的 5G 無線設備不僅能夠相互通信，還能通過本地基站以無線電波方式連接到基礎設施，從而實現更大帶寬、有保障的低時延以及安全的通信。

5.2.4 可控場景對象（干擾因素）

根據圖 1 所示概念，場景在環（SciL）測試旨在人工構建包含所有參與者和周邊環境模型的完整交通場景，該場景持續為測試提供所需數據。所生成的場景包括被測車輛系統的運動規劃與控制（包括潛在危害場景），以及整個交通過程中其他交互組件（如弱勢道路使用者、其他車輛或一般道路交通）。此外，場景在環（SciL）模型還可反映相關外部影響因素，如天氣和光照條件、基礎設施特征或道路環境屬性。

場景在環（SciL）架構可區分五種不同類型的干擾場景元素（或稱干擾因素）（見圖 2），具體如下：

圖 2: 場景在環（SciL）混合現實驗證模型中使用的可控場景對象（干擾因素）的組件級分類

· 被測車輛（VUT）傳感器欺騙：指能夠向被測車輛感知系統的傳感路徑中注入任意傳感器信號信息，導致被測車輛 “感知” 到其周邊物理上并不存在的物體。該功能適用于多種類型的傳感器。

· 車與萬物（V2X）通信欺騙：指在沒有其他車輛或基礎設施元素物理存在的情況下，被測車輛僅通過通信就能 “識別” 到這些對象。

· 基礎設施元素：在試驗場內，所有基礎設施元素（如交通信號燈、可變道路標志、道路照明）均由中央控制，因此將其整合到場景生成中，只需與場景在環（SciL）控制系統建立合適的接口即可。

· 可移動目標：指新車評價規程（NCAP）測試中或多或少標準化的測試元素，如移動平臺、軟質行人目標、自行車目標、軟質車輛目標。這些元素可能具備特定或標準化的控制接口。

· 完全控制的實車：指通過場景在環（SciL）架構進行遠程線控完全控制的實車，這些車輛在被測交通場景中可作為完全真實的移動目標車輛。

根據場景在環（SciL）概念的基本屬性，該系統必須能夠通過組合應用虛擬和真實系統組件，運行并實現特定場景。這種方法要求開發并使用測試環境以及交通過程中其他交互組件（如弱勢道路使用者或其他車輛）的數字孿生模型，且該模型需與現實完全一致。通過這種方式，被測場景可包含任意比例的虛擬組件和真實組件，從而使開發人員能夠根據開發階段和項目所需的資源效率，優化測試場景的構建。模型組件可通過閉環控制（如車輛和其他道路使用者）或開環控制（如交通信號燈或交通流本身）實現控制。控制可采用無線通信信道（用于車輛和其他道路使用者）或有線通信信道（用于交通信號燈）。

將場景在環（SciL）框架與測試跑道的封閉受控生態系統相結合，一個明顯優勢在于場景在環（SciL）概念中的虛擬與真實交互可在同一測試環境中進行。這使得預先設計和預先仿真的場景能夠在真實環境中以可重復的方式進行測試。該新概念為創建并行應用的測試場景提供了可能，這些場景由虛擬和真實障礙物混合生成。其主要優勢在于，該概念可逐步應用：從完全仿真開始，逐步將虛擬元素替換為真實元素，直至達到最優水平，同時在同一環境中針對特定交通場景執行相同的測試序列。

5.3 協同仿真技術

5.3.1 仿真與協同仿真

汽車行業應用仿真技術的歷史悠久。基于最初的目標，針對特定任務開發了不同的仿真工具。因此，某些工具在特定方面表現卓越（如可視化）；而另一些工具在某些領域（如交通仿真）表現出色，卻完全無法處理車輛動力學問題。出于這一原因，大多數用戶會采用所謂的協同仿真技術，即同時對接并使用兩個或多個仿真工具來完成一項復雜任務。在本文提出的基于混合現實的場景在環（SciL）架構中，交通仿真、車輛仿真和高質量圖形表征被整合到一個協同仿真框架中（圖 3），以支持實時運行與控制。

圖3:實現概念驗證SciL驗證模型的協同仿真框架。實時連接多個仿真工具，結合不同的無線通信并添加逼真的可視化，協同仿真技術為軟件工具組合創造了前所未有的機會

圖 3 已實現的場景在環（SciL）驗證概念驗證模型的協同仿真框架：與多個仿真工具進行實時交互，整合不同無線通信并添加真實可視化效果，協同仿真技術為軟件工具組合創造了前所未有的可能性。

場景在環（SciL）的架構使其能夠與不同的仿真和協同仿真工具對接。其目標是實現標準化接口，這些接口可與汽車行業中使用的所有當前先進仿真工具互聯。這些接口將使測試人員能夠在其偏好的仿真環境中執行和評估虛擬測試，隨后在試驗場的驗證階段使用相同的模型和仿真工具。

5.3.2 場景在環（SciL）接口結構

交通仿真框架作為自車決策層的外部環境，根據周邊交通狀況為自車提供輸入。反過來，系統會根據車輛動力學仿真計算結果，依據車輛的決策為交通仿真組件生成信號。同時，所有與車輛運行相關的過程都必須在虛擬車載網絡（IVN）中進行表征和仿真。基于仿真的車載網絡（IVN）消息，系統可為實車車載網絡（如 CAN 總線）提供所需信息。最后，圖形模塊需以直觀的方式可視化場景在環（SciL）測試環境中所有已檢測到的空間過程（見圖 3）。

5.3.3 場景在環（SciL）控制

場景在環（SciL）框架的控制過程分為兩個控制層級。第一層級負責處理單個場景組件的決策過程，如被測車輛、行人、騎行者或仿真 / 真實交通管理系統；更高層級的控制則負責交通場景的整體協調，同時考慮系統的關鍵狀態、邊緣情況和已實現的測試場景。此外，控制操作可采用閉環或開環模型，且無論針對虛擬對象還是真實對象（見圖 2），都可通過有線或無線通信信道實現控制。

5.4 數字孿生架構

場景在環（SciL）概念在很大程度上依賴于數字孿生架構，該架構可實現現實世界中物理實體的數字復制品。數字孿生既可以指物理資產、過程、人員、場所，也可以指設備。數字孿生必須具備與原始物理對象相同或高度相似的圖形表征（圖 4）和特性。

圖4：實現的混合現實SciL驗證模型的數字孿生架構。它通過實時連接的物理世界（頂部）及其數字副本（底部）演示了同時進行的物理和虛擬測試

圖 4 已實現的混合現實場景在環（SciL）驗證模型的數字孿生架構：展示了通過實時連接的物理世界（上方）及其數字復制品（下方），實現并行的物理測試與虛擬測試。

該技術已在多個工業領域得到廣泛應用，為測試環境的虛擬表征和場景在環（SciL）系統組件的實時可視化提供了堅實基礎。此外，補充應用智能基礎設施（配備攝像頭、紅外攝像機、激光雷達、雷達等傳感器），可通過實時識別真實道路使用者，顯著增強功能，甚至支持在虛擬環境中自動表征這些使用者。場景在環（SciL）概念的混合現實框架提供了一個實時運行環境，在該環境中，仿真可影響現實，現實也可影響仿真。實際上，在場景在環（SciL）框架內，現實與虛擬幾乎可以無限制地相互實時影響。

5.5 車與萬物（V2X）通信

為確保智能交通系統的連通性，開發車與萬物（V2X 或 C-V2X）通信框架需要新的測試與驗證方法，以便在可靠、堅實的基礎上評估相關通信系統。此外，基于場景的概念控制復雜測試過程的需求，也使得必須在測試設施附近建立所有當前先進的通信基礎設施，同時支持蜂窩 5G（圖 5）和專用短程（ITS-G5）通信 [105]。盡管場景在環（SciL）架構不依賴于通信介質，但概念驗證演示采用了 5G 新空口（NSA）蜂窩通信。

圖 5: 已實現的場景在環（SciL）演示模型中的 5G（非獨立架構）通信方案

5.6 概念驗證演示

為驗證場景在環（SciL）概念的可行性，在完整的數字孿生環境中選取并實現了兩個不同場景。每個場景先使用虛擬對象執行用例，再使用真實對象執行，因此最終依次呈現了四個級聯場景。

第一個場景為自動代客泊車。人類駕駛員站在停車場入口處，等待其車輛完全自主地從停車場駛出。該場景聚焦于突發行人橫穿的情況，被測車輛（自車）需檢測到橫穿的行人并禮讓。測試中，首先是一個注意力不集中的虛擬行人突然從停車場內一輛虛擬車輛后方走出；隨后，一個真實的行人假人穿過自車在停車場入口處的行駛路徑，自車再次自動停車。無論觸發因素是虛擬的還是真實的，自車在兩次測試中的反應完全一致。

第二個場景模擬簡化的自適應巡航控制（ACC）功能，實現跟車場景：自車需識別前方車輛，并根據安全跟車距離調整自身車速。在該場景的第一部分，自車需跟隨前方的虛擬車輛；第二部分則需跟隨真實車輛。無論觸發因素是虛擬的還是真實的，自車在兩次測試中的行為完全一致。測試后期，自車還執行了自動超車操作，超越了前方車輛。

盡管實現此類復雜場景的實時測試面臨諸多挑戰，但本文建議重點研究這兩個場景的數學模型和時序，因為它們在測試與驗證層面具有特殊重要性。核心問題在于，自車的感知系統能否及時檢測到目標對象，以便在安全距離內停車。然而，除了被測車輛功能外，針對該被測車輛功能還有另一項控制任務：場景中的對象需與中央控制系統交互，以測試自車先進駕駛輔助系統（ADAS）的運行情況。此外，場景控制過程的關鍵目標是，根據場景起始時刻t1，確保對象在時刻t2的絕對位置和相對位置準確無誤。

5.6.1 行人橫穿場景

行人橫穿場景包含兩個對象：自車和行人（圖 6）。自車的任務是駛向人行橫道，行人假人將在該區域橫穿馬路。

圖 6：行人橫穿場景建模

根據已確定的概念，所應用模型的一項基本要求是：場景需能作為影響因素的連續函數進行分析。因此，系統需實時感知并控制特定場景中各參與者的空間關系。

基于自車和行人在起始時刻t1的絕對位置與相對位置(XEGO0 = XEGO(t1), YEGO0 =YEGO(t1), ?EGO0 = ?EGO(t1), XPED0 = XPED(t1), YPED0 = YPED(t1), ?PED0 = ?PED(t1)),可得出兩者在時刻t2的預期相對位置（距離）(DX , DY )，公式如下：

其中，XEGO(t2)和YEGO(t2)為自車在時刻t2的 X、Y 坐標；XPED(t2)和YPED(t2)為行人在時刻t2的 X、Y 坐標；?EGO(t1)為自車在時刻t1的行駛方向；σ為正態分布誤差函數。

關于場景對象的行駛距離，計算公式如下：

據已確定的概念，所應用的模型可將被測場景作為場景組件空間關系的連續函數進行評估。因此，本文提出的方法使系統能夠實時感知并控制各參與者的空間關系。

5.6.2 跟車場景

跟車場景同樣包含兩個對象：自車和前方車輛（圖 7）。在該場景中，自車的任務是安全地接近前方勻速行駛的車輛。核心問題在于，自車的感知系統能否及時檢測到前方車輛，以保持安全跟車距離。

圖 7:跟車場景建模

基于本文提出的框架，系統應將場景作為影響因素的連續函數進行評估。因此，模型需實時檢測并影響參與場景的各組件之間的空間關系。

基于自車和前方車輛（目標車輛）在起始時刻t1的絕對位置與相對位置t (XEGO0 = XEGO(t1), YEGO0 = YEGO(t1), ?EGO0 = ?EGO(t1), XTRG0 = XTRG(t1), YTRG0 = YTRG(t1), ?TRG0 = ?TRG(t1)),可得出兩者在時刻t2的預期相對位置（距離）(DX , DY )，公式如下：

其中，XEGO(t2)和YEGO(t2)為自車在時刻t2的 X、Y 坐標；XTRG(t2)和YTRG(t2)為前方車輛在時刻t2的 X、Y 坐標；σ為正態分布誤差函數。

采用本文提出的方法，系統可將特定場景作為參與場景的各參與者空間關系的連續函數進行分析。因此，已確定的模型能夠實時檢測并影響場景組件的空間關系。

5.6.3 基于詳細傳感器模型的場景控制

若將感知模塊視為 “黑箱”，建議采用本文提出的場景控制模型。但如果掌握被測感知模塊的詳細信息，則建議對被測感知系統進行基于模型的表征 [57]。現通過感知模塊視場（Field of View）的邊界點(XFW1, YFW1 . . .XFWi, YFWi . . .XFWn, YFWn),來描述感知模塊，其中i代表由n個點構成的邊界區域中的任意中間點。可檢測對象同樣通過邊界點表征，例如行人的邊界區域(XBFP1, YBFP1 . . .XBFPj,YBFPj . . .XBFPk , YBFPk )其中j代表由k個點構成的邊界區域中的任意中間點；前方車輛（目標車輛）的邊界區域(XBFT 1, YBFT 1 . . .XBFTl, YBFTl . . .XBFTm, YBFTm)，其中l代表由m個點構成的邊界區域中的任意中間點。

在這種情況下，控制過程的目標是確定時刻t2傳感器視場特定區域與可檢測對象邊界區域的預期相對位置。因此，公式（1）和（2）可替換為公式（13）和（14），公式（7）和（8）可替換為公式（15）和（16）。該優化問題的目標是最小化時刻t2傳感器視場與對象邊界區域重疊點之間的距離：

上述詳細傳感器模型已在場景在環（SciL）方法的概念驗證演示中應用。

前文提及的場景均在數字孿生環境中實現，且通過混合現實技術，在測試過程中實現了真實對象與虛擬對象的同步融合（見圖 8）。

圖 8 ：2019 年 5 月 20 日在扎拉區（ZalaZONE）開展的基于混合現實的場景在環（SciL）概念驗證演示。綠色的斯瑪特汽車（被測車輛，VUT）在自動代客泊車場景中完全自主行駛；白色的斯柯達汽車僅用于停放。左側的大屏幕顯示著扎拉區（ZalaZONE）的數字孿生模型，以及被測車輛在該模型中的實時運動軌跡

圖 8 2019 年 5 月 20 日在扎拉區（ZalaZONE）開展的基于混合現實的場景在環（SciL）概念驗證演示：綠色智能汽車（被測車輛）在自動代客泊車場景中完全自主行駛；白色斯柯達汽車僅用于停放。左側大屏幕顯示扎拉區（ZalaZONE）的數字孿生模型及被測車輛在其中的實時運動軌跡。現實中的停車場為空置狀態，而其數字孿生模型中則停放著虛擬車輛。一個虛擬行人正從某輛虛擬車輛后方走出，導致現實中的被測車輛同樣停車。

2019 年 5 月 20 日舉辦的公開演示活動取得了成功，證明所開發的模型能夠同時控制在現實和虛擬環境中實現的實時測試場景。

5.6.4 時序與通信時延

在扎拉區（ZalaZONE）試驗場部署的 4G 和 5G（新空口，非獨立架構）通信網絡中，同樣對場景在環（SciL）系統的實時運行情況進行了測試，并在概念驗證演示期間采集了測量數據。場景在環（SciL）中央服務器與終端路由器之間的往返時間（ping）測量結果匯總于表 1。

表 1 ：在扎拉區（ZalaZONE）試驗場使用 4G/5G 蜂窩網絡測試場景在環（SciL）概念時測得的通信時延（時間延遲）

4G 網絡之所以能取得優異的性能結果，部分原因在于盡管使用的是商用 4G 基站，但該基站的使用具有準獨占性，無普通民用用戶占用。關于通信時延的可接受水平，還需指出：場景中控制的對象（元素）數量越多，背后的計算過程耗時越長。

因此，可設定計算時延的可容忍閾值。圖 9 展示了場景中對象數量與測得計算時間的關系，結果表明：周期時間與仿真中的虛擬對象數量呈正比，且結果的方差無顯著變化。圖中設定 25 毫秒為周期時間的可容忍閾值，超過該值時，時延可能過大，無法準確開展基于場景的測試。

圖 9: 場景中對象數量與計算時間的關系

6. 解決方案對比

回顧第4節內容，本節將介紹當前先進的車輛在環（ViL）及超車輛在環（Beyond ViL）測試框架的核心系統特性。通過分析現有方法框架，闡釋選定的評估因素，如環境組件的仿真、可視化、控制類型以及所實現混合現實的精度。

6.1 環境組件仿真

高質量的仿真能夠實現環境組件的真實虛擬表征。在這一維度下，仿真負責呈現這些組件的特性與行為。因此，所應用組件模型的細節越豐富（越接近現實），仿真質量越高。

交通場景可能極為復雜。為確保測試結果的可靠性，需盡可能真實地仿真道路交通特征、行人與騎行者的決策行為、車輛動力學特性以及交通信號時序控制。在這一背景下，協同仿真問題也亟待研究。由于不同解決方案針對不同仿真任務（如車輛動力學仿真或微觀交通建模）開發，因此針對特定過程選擇合適的仿真工具具有合理性。由此，為協同仿真框架提供靈活、可互操作的接口環境變得至關重要。

所有這些因素都將在評估中體現，在對比表中以縮寫 “SIM” 標識。

6.2 環境組件可視化

可視化模塊負責實現對象的真實表征。因此，高質量的可視化模塊應能夠：要么將基于仿真模型可視化對象生成的輸入信號注入車輛傳感器底層；要么將輸出信號直接傳輸至車輛中央控制系統的決策模塊。

可視化越真實，生成的測試結果可靠性越高。因此，為確保測試過程的可靠性，需以現有最高質量對環境和系統組件進行可視化。與真實可視化相關的因素在評估表中以縮寫 “VIS” 標識。

6.3 環境組件的全面協同控制

控制框架能夠連接特定模型架構的外部組件。系統可從外部組件（如其他測試車輛或弱勢道路使用者假人等真實對象，或無需物理實體即可生成信號和觸發信息的仿真對象）獲取信號（如位置、速度、加速度值），或直接使用其傳感器信號。此外，基礎設施組件還包括交通信號燈、可變信息標志以及其他智能信息通信解決方案。

對復雜汽車測試與驗證環境的控制，遠不止控制單一自動駕駛車輛這么簡單；整個測試系統需同步調控。此外，控制方式可分為閉環或開環，通信物理層可采用有線或無線方式，且可聚焦于虛擬對象或真實對象。基于此，描述各測試環境控制相關方面的評估因素將參考上述特性，在評估表中以縮寫 “CTRL” 標識。

6.4 混合現實精度

隨著車輛在環（ViL）測試的出現，將被測車輛（VUT）嵌入虛擬環境的需求也隨之產生。從將實車邊界框插入仿真環境的簡單解決方案，到直接通過仿真環境實現對現實世界元素實時控制的復雜解決方案，各類質量水平的實現方案不斷涌現。其中部分方案采用數字孿生架構，可實現混合現實甚至增強現實應用。

在汽車行業的高端 X-in-the-Loop 系統中，混合現實通過應用各類傳感器和支持系統，實現現實環境與計算機生成感知信息的精確整合。混合現實作為一種框架，需滿足以下三項基本要求：融合現實與虛擬世界、實現實時運行、實現虛擬與真實對象的高精度空間定位與可視化。該因素在評估表中以縮寫 “MR” 標識。

為精確整合現實與仿真環境，現實與虛擬對象在空間維度上的高度一致性至關重要 [109]。這要求采用基于實時動態定位（RTK）差分全球導航衛星系統（GNSS）且擴展慣性導航系統（INS）的高精度定位系統、高清地圖（HD Mapping）技術，以及基于圖像的傳感器融合定位解決方案。

此外，需指出的是，5G 通信網絡的快速發展將很快實現定位與通信的更穩健融合，因為 5G 網絡可有效支持高精度定位。通過基于智能基礎設施的定位技術（如使用路側單元（RSUs）、攝像頭、紅外攝像機、激光雷達（LiDAR）或雷達（RADAR）傳感器），可進一步提升定位精度。智能基礎設施的額外優勢在于，還能夠對非智能、無傳感器車輛進行定位。通過利用傳感器豐富型車輛和基礎設施中部署的道路傳感器系統生成的信息，可有效支持非智能車輛的導航。該子因素在評估表中以縮寫 “SPT” 標識。

為實現現實與虛擬環境的準確時間同步，需建立可靠的數據傳輸信道，該信道需具備極低（且至少有保障的低）時延通信能力。因此，需部署 5G 蜂窩網絡或高密度專用短程通信（DSRC）網絡，以滿足實時過程控制需求。該因素在評估表中以縮寫 “RT” 標識。

6.5 特定先進 XiL 系統對比

如表格 2 所示，被測系統的仿真模塊存在顯著差異。部分框架側重高質量車輛動力學仿真，而其他系統則致力于構建全面的交通建模框架，并在仿真環境中考慮真實交通場景。所采用的可視化技術也各不相同：從細節較簡略的 “僅滿足功能” 應用，到融合專業工業級或開源解決方案（如 Unreal 或 Unity 引擎）的高保真 “擬真” 方案。從控制維度來看，差異體現在控制范圍上：部分系統僅聚焦于被測車輛（VUT）的決策過程，而其他系統則能夠覆蓋包括場景對象在內的整個測試場景的協調。根據所查閱的文檔可得出結論：所有框架均采用高精度定位系統，以支持混合現實環境的實現。對于許多 XiL 系統，其應用的通信信道（對支持實時過程，尤其是混合現實環境至關重要）缺乏詳細信息。少數 XiL 框架僅提供專用短程通信（DSRC）網絡用于測試；另一方面，部分 XiL 系統對通信領域高度重視，為聯網自動駕駛車輛（CAV）測試過程同時提供 DSRC 和 5G 網絡支持。

表 2: 所研究的 X-in-the-Loop（XiL）測試與驗證框架的組件級對比

基于對上述核心系統特性（如 SIM、VIS、CTRL、SPT、RT）的評估可得出結論：可視化（VIS）和定位（SPT）是大多數系統開發者已取得顯著成果的領域 —— 在這兩個領域中，僅有一個系統的相關解決方案處于 “初級階段”。此外，大多數系統開發者在仿真領域也擁有 “先進” 解決方案。相比之下，控制領域（尤其是場景級控制概念）和支持混合現實實現的實時通信領域仍有較大發展空間 —— 僅有不到一半的系統在這些領域擁有 “先進” 解決方案。

從整體來看，大多數系統有 2-3 個模塊處于 “初級階段”，而僅有 4 個系統（如 SYS6、SYS7、SYS8 和扎拉區（ZalaZONE））僅有 1 個或沒有模塊處于 “初級階段”。基于對比結果，扎拉區（ZalaZONE）基于混合現實的場景在環（SciL）方法，屬于基于場景的聯網自動駕駛車輛（CAV）測試與驗證領域中最先進的方法框架之一。

需要說明的是，在對當前先進 XiL 解決方案的分析過程中，本研究僅基于文獻進行對比，未能參與不同被測系統的實驗與測試過程。

7. 結論

本文第1節對汽車開發與測試的現狀進行了評估。據此可知，自動駕駛車輛測試仍是一個關鍵且具有挑戰性的問題。目前，針對完全自動駕駛道路車輛，尚未形成普遍認可的測試流程。然而，在高度自動化車輛的驗證過程中，仿真無疑正發揮著越來越重要的作用。在當前先進的基于仿真的測試流程中，被測車輛或其組件為真實實體，而環境則通過生成的傳感器信號（或例如投影視覺效果等方式）進行完全仿真。汽車行業的測試與驗證工作主要在三個不同領域開展，且與汽車的產品生命周期緊密相關。

汽車系統測試以 V 模型方法為基礎，采用通用的 X-in-the-Loop（XiL）方法。從模型在環（MiL）環境開始，每個開發階段可根據其復雜度在更高層級單獨測試。當前最先進的測試方式是車輛在環（ViL）測試 —— 在該測試中，整車在開環或閉環測試環境中接受研究。通過應用 X-in-the-Loop 測試解決方案，所研究的系統元素（軟件、硬件或完整車輛）需與仿真環境持續交互。因此，需實現虛擬因素與真實因素的同步以確保正常功能，從而為構建連貫、可靠的評估方法提供可能。

本文詳細介紹了新開發的基于混合現實的場景在環（Scenario-in-the-Loop，SciL）測試與驗證方法。場景在環（SciL）概念能夠實現仿真、物理測試環境與實時車輛控制的無縫整合，從而為功能測試提供了前所未有的框架支持。本研究以對當前先進聯網自動駕駛車輛（CAV）測試 XiL 解決方案的分析為基礎，開展了全面的基準對比。用于 XiL 系統表征的統一標準，以及對被測解決方案的組件級對比，有助于識別特定優勢、劣勢及研究趨勢。該基準分析還表明，本文提出的基于混合現實的場景在環（SciL）測試方法具備超越當前技術水平的多種特性，是基于場景的測試與驗證領域中最全面的方法框架之一。

實測結果表明，無線通信技術的最新發展已能夠可靠滿足此類復雜實時系統控制的時序要求。基于此，將場景在環（SciL）架構視為未來標準測試方法的潛在基礎具有合理性。筆者認為，基于場景的測試以及基于混合現實的場景在環（SciL）方法，將成為自動駕駛車輛系統開發中的下一代 X-in-the-Loop 驗證方法。

總結本研究的核心發現：基于場景的測試以及融合物理測試環境與虛擬模型表征的混合現實技術，有望在聯網自動駕駛車輛（CAV）驗證過程中發揮重要作用。這些技術通過減少物理測試和潛在危險的實車測試場景，可降低測試成本與風險。此外，新框架能夠支持對現實中難以實現的極端場景進行研究，從而提升測試能力。

關于所介紹框架的未來展望，除地面交通外，還可將該模型擴展至無人機（UAV）測試與驗證領域 —— 尤其是考慮到無人機運輸相關設備、設施與車輛的審批流程即將成為必然需求。