批量化：借助虚拟仿真工具链开发标准的驾驶场景数据接口，能够实现测试用例的批量化导入及建模，并利用高性能仿真服务器实现批量化的仿真测试，节约时间成本与人力成本。

自动化：可实现自动化测试是虚拟场景数据库的另一个特点。测试用例的评价规则将被写进数据库，当仿真测试结束后，结合被测对象的性能表现，自动化给出综合评价结果和指标。

虚拟场景数据库的建设：场景数据格式、虚拟仿真工具链与测试用例评价体系是构建虚拟场景数据库的主要环节。测试用例首先需要定义为标准的数据格式，目前国际通用数据格式包括OpenDrive及OpenScenario等，数据资源中心同时在积极开发符合中国驾驶场景特点的层次化场景数据格式，满足多种工具链的接口需求；虚拟仿真工具链是构建虚拟场景库的关键，目前国内外有10余种虚拟仿真工具能够实现驾驶场景的静/动态特征建模、环境渲染、实时仿真，极大地丰富了虚拟场景库的应用模式与应用领域，选择合适的工具链是构建具有典型性、普适性、代表性虚拟场景库的重要环节。虚拟测试用例的评价体系建设是场景数据应用的重中之重，数据资源中心从法规要求、功能安全、算法有效性等多个方面综合提出了自动驾驶虚拟仿真测试评价体系，增强了驾驶场景支撑智能网联汽车研发与测试的现实意义。

虚拟场景数据库的分类：数据资源中心将仿真场景划分为自然驾驶场景、危险工况场景、法律规范场景、参数重组场景四类，包括不同自然条件（天气、光线等），不同道路类型（路面状态、车道线类型等），不同交通参与者（车辆、行人位置速度等），不同环境类型（高速、小区、商场、乡村等）在内的多类型虚拟仿真测试用例。

▲▲▲▲▲

自然驾驶仿真场景——充分测试场景

自然驾驶仿真场景来源于数据中心采集的驾驶场景数据库以及企业的道路测试场景。自然驾驶仿真场景能够很好地体现测试的随机性、复杂性及典型性区域特点。目前数据中心已采集32万公里的自然驾驶场景数据，经过成熟的场景划分方法生成了上千种典型测试用例，基于每日更新测试用例数据的建设机制，不断丰富和完善自然驾驶仿真场景库。