自动驾驶是一个迫在眉睫的挑战，包括机器人技术、计算机视觉、运动规划和仿真等几个领域。这一挑战的核心是自动驾驶车辆在被不可预测的人群包围的道路上行驶的安全考虑。人类，无论是司机、行人还是骑自行车的人，经常表现得不稳定、不一致，迫使其他车辆（包括自动驾驶车辆）快速反应以避免危险。为了让人们接受并保证安全，车辆不仅必须在典型的、相对安全的情况下进行测试，还必须在危险的、不太频繁的情况下进行测试。
除了安全问题，成本对自动驾驶算法的测试构成了额外的挑战。每一种新的车辆配置或新的传感器都需要对车辆进行重新校准，这需要大量的人力。此外，车辆只能在受测试道路限制的条件下进行测试，或者在进行道路测试时受当前交通状况的限制。这意味着车辆的测试速度不能超过道路要求速度，而且没有任何加快开发速度的加速或平行测试。最近许多自动驾驶的方法都依赖于通过深度学习的机器学习来提供实体检测、实体预测和端到端的控制。
然而，这种方法依赖于安全和危险场景下的大量注释数据。该数据集还必须包含不同的天气和照明条件。此外，并非所有的自动驾驶车辆都配备了相同或等效的传感能力；必须为被测试车辆的特定配置或传感器提供训练数据。通过物理测试来收集这些数据可能是昂贵的、困难的甚至是危险的。相比之下，高精度的仿真模拟可以增强和改善算法的训练，并允许安全和有效地进行测试。在实际的车辆测试之前，从仿真中获得的洞察力可以提供重要的训练数据和关于算法不准确的信息。
道路交通仿真工具开发中最难的问题之一是交叉口的情况。大多数交通仿真工具中使用的普通方法涉及到对问题的大幅简化。一个 ＂解算器＂，必须管理交叉口内的交通，只允许车辆在其轨迹不冲突时进入。这样的解决方案有时是足够的，但当仿真的目的是仿真真实司机的实际行为时，就不能接受了，这个时候需要有高精度的驾驶员模型和车辆动力学模型。这种仿真的准确性更为重要，因为司机在交叉口的行为会影响路网的整体流量。这种情况特别具有挑战性，因为在交通路口有复杂的多行为体动态；必须跟踪和响应在任何时候可能出现的几十或几百个其他行为体的运动；必须识别路标、路灯和道路标记并区分多种类型的其他车辆的规定性交通规则；一些罕见的事件，如道路施工、孩子跑到路上、前方发生事故、流氓司机在错误的一侧超速等；以及迅速调和相互冲突的目标的必要性，例如，当一个行人走到前面的道路上，但另一辆车从后面迅速接近，如果一个人刹车过猛，可能会被追尾，这时就需要适当减速。
因此与传统车辆相比，合作和自动驾驶车辆的复杂性成倍增加。一个支持整个开发V周期的集成工具套件对于实现成本和时间效率的开发过程至关重要。在开发阶段，主动安全和自动驾驶系统需要提供一个最先进的仿真平台。其规模从完整的交通网络，到零部件级的仿真工具。对于测试来说，传感器和通信系统的硬件循环测试是必要的，而要测试完整的系统，则需要一个专门的测试环境，对合作和自动驾驶车辆进行快速、安全和可重复的测试。最后，为了验证和性能测试，需要有一个城市、城际和高速公路的测试场地。
PreScan是一个专门的仿真平台，用于设计高级驾驶辅助系统（ADAS）和自动驾驶，它使制造商能够评估他们的在广泛的虚拟交通和道路环境中评估他们的智能驾驶系统设计。环境中评估他们的智能驾驶系统设计。利用PreScan中先进的传感器模型、车辆模型、环境模型等可以以设计出远远超出现有安全标准的产品。
下文ppt是西门子工业软件关于仿真研发平台和体系建设的介绍，无论智能驾驶、三电系统及底盘等，这种仿真研发平台和体系都是通用的，分享给大家，一起学习与进步。
原文标题 : 西门子仿真研发平台与体系建设
