自動駕駛汽車安全性無疑是最重要的話題，也是決定該產業能否順利發展的關鍵因素。美國蘭德公司2016年發佈的一份報告認為：“驗證一輛無人車是否安全，需要積累110億英里的測試數據。”這意味著，在自動駕駛技術尚未成熟的階段，自動駕駛企業需要長期驗證其車輛或系統在各種路況、氣候和地域下的表現。
110億英里的里程數顯得過於龐大。不過，鑑於智能網聯汽車的特性，測試數據可以由一個車隊通過共享的自動駕駛平臺同步收集。但根據專家的說法，一個由100輛汽車組成的車隊，就算每日24小時連續不斷地測試，跑完110億英里也至少需要500年。
因此，對於像Waymo這類本身不生產汽車，而志在自動駕駛系統研發的企業而言，如果僅靠路測來驗證汽車安全性，顯得十分不切實際。更何況，該類企業往往一開始就選擇由L4-L5級別的自動駕駛技術來切入。
為保證安全性，L4-L5級別的自動駕駛測試車一般配置了激光雷達產品。但由於激光雷達產品技術要求極高，能順利量產的企業較少，導致成本居高不下。因此，L4-L5級別的自動駕駛測試車，針對初創企業而言成本壓力非常大，更不用說組建大規模的自動駕駛車隊。對自動駕駛企業而言，發展無人車技術著眼的是未來而非現在，不僅需要克服技術方面的瓶頸，還需抱有即使耗費大量資金也無法在短期內見到成效的心理。
測試是無人車量產前的準備
一輛自動駕駛汽車量產上市前，需要經過仿真測試-封閉式路測-開放式路測三類測試。
首先，在自動駕駛系統達到標準之前進行仿真測試。在虛擬環境中，完成一系列模擬測試。完初步的仿真測試之後，再到封閉式園區進行測試。配有傳感器和自動駕駛系統的改裝車在園區完成一定里程數的測試（我國大部分城市規定是5000公里），且通過專家評估之後，再進入開放式道路進行測試。目前，在全球仍無自動駕駛企業宣佈已經完成所有場景的測試。
仿真測試奠定基礎
以Waymo為代表，該公司在2017年的自動駕駛測試車數量就已經突破600輛。同時，Waymo在今年2月表示，其無人車測試里程數已突破500萬英里（約合805萬公里）。如果僅靠路測數據來驗證無人車的安全性，按照上文的說法，Waymo的車隊即使每日24小時，全年都在路上，最快也要80餘年才能跑完110億英里。
不過，Waymo已經在擴大車隊的規模。2018年3月底，該公司宣佈向捷豹路虎購買2萬輛的電動車I-Pace，改裝成無人車來上路測試，同時也不排除未來將購買更多數量的汽車。
實際上，目前Waymo更依賴於仿真測試。一份報告稱，Waymo重新設計了其正在測試的城市的全電腦模型，並每天通過它們測試2.5萬輛“虛擬自動駕駛汽車”。Waymo的仿真測試可通過計算機來重新創建真實的駕駛數據，以此形成緊密的反饋迴路系統，利用該系統可模擬測試多達數千種變化場景。這些模擬數據可被下載至測試車中，以此來增強測試車的安全性能。
仿真測試的特點
那麼，仿真測試究竟具備哪些特點，為何Waymo如此依賴它？
關於仿真測試的優勢，Navigant Research諮詢公司高級分析師 Sam Abuelsamid 曾表示，“仿真環境在驗證自動駕駛系統的性能和穩定性方面至關重要，特別對軟件堆棧的AI 部分，比如神經網絡來說。”
另外，仿真環境有助於解決在現實中很少出現的極端情況。一些在實際路況中極少出現的情境，可在仿真環境中不同視角重複出現，仿真測試有助於自動駕駛測試車應對在不同情境下發生的事故。同時，工程師考慮對自動駕駛系統進行改變時，比如修改 AI 設計或者傳感器架構時，通過仿真環境可提前預估該種改變將帶來的影響。
因此，仿真測試具備速度快、成本低、可預估的特點。不過，這並不代表，仿真測試可取代上路測試。
真實路測必不可少
事故的發生難以預測和控制，最大程度降至傷害甚至避開事故，是發展自動駕駛技術的最終目標。無論仿真環境再完美，都無法完全取代真實環境。
當前，機器無法100%地還原現實。在現實中，即使出現事故的概率極其微小，但一旦出現就很可能危及乘客或行人的性命。因此，在不同路況、氣候、地域、時間下的上路測試必不可少。目前的自動駕駛技術仍在摸索階段，儘可能地收集更多的真實數據，讓測試車學會應對各種環境，是當下自動駕駛企業必不可少的日常。
收集道路數據最多的當屬特斯拉，該公司上月發佈了最新的里程數據：截止至2018年4月23日，特斯拉電動汽車的總里程已突破72億英里(約合116億公里)。
特斯拉驚人的里程數得益於其Autopilot系統，該系統可助力收集每輛特斯拉汽車的數據。特斯拉稱，Autopilot的“影子模式（shadow-mode）”功能，可收集大量的真實數據，在“影子模式”下運行新款車載軟件，Autopilot的新功能將可在系統後臺運行，無需啟動車輛控制。
當前，全球已經有幾十萬輛特斯拉汽車在路上行駛，隨著其汽車量產速度逐步提升，未來特斯拉的數據收集能力將加速增長。
真實數據多寡不是唯一標準
雖然Waymo收集到的真實數據僅有500萬英里，但是其測試車的自動駕駛級別為L4-L5級別，高於特斯拉的量產車（L2-L3級別之間）。
此外，特斯拉汽車並未配備激光雷達。出於對成本的考量，特斯拉採用了毫米波雷達，因此，該公司收集到的數據與配備了激光雷達的Waymo收集到的數據有區別。
一般來說，配置激光雷達的汽車收集的數據更加詳細。即使在黑暗中，激光雷達也能保持很高的精度，而在光線不好的環境下，攝像頭的性能更差，毫米波雷達和超聲波雷達的精確度也將會降低，配備激光雷達的測試車收集到的數據具有在細節方面表現更加出色。因此，我們不能單以真實數據的多少，來評判Waymo和特斯拉的自動駕駛技術誰更領先。
值得注意的是，特斯拉也未透露其收集的數據類型的細節，目前人們尚不清楚該公司正在收集哪些種類的數據。
仿真測試與上路測試並重
對自動駕駛企業而言，上路測試與仿真測試相結合才是發展自動駕駛技術的最佳途徑。
雖說仿真測試為無人車上路測試打下基礎，但無人車上路之後，仿真測試也不會停止。即使是特斯拉，其測試也在全球各地的仿真裝置、實驗室、測試車道和公路上進行。
今年3月份發生的Uber無人車致死事件，讓大家重新審視了自動駕駛汽車路測，自動駕駛企業一度停止了路測。一些企業把測試重心轉移到仿真測試上來，比如：英偉達在Uber車禍致死事件後立即暫停了其DRIVE自動駕駛系統在加州、新澤西、德國及日本的公共道路上進行的無人車測試工作。
從上述可看出，對初創企業而言，完成仿真測試也是其通往上路測試的不可缺少的部分；對已經上路的企業而言，仿真測試作為重要的補充部分而存在。只要自動駕駛汽車技術還未成熟，我們就仍會在路上、在實驗室中，看到不同類型的測試。
閱讀更多 VehicleTrend車勢 的文章
