自动驾驶测试技术是自动驾驶车辆大规模商业化落地的关键技术之一。当前对自动驾驶系统的测试以真实路测和仿真测试为主,传统道路测试的优势是交通环境真实,但测试场景多样性受限,无法安全、高效地定制边缘测试场景;仿真测试灵活、高效,但缺乏真实交通流测试环境,割裂了实际应用场景中车与环境的强耦合关系。鉴于此,本文围绕基于车路云协同的实车在环仿真系统,针对路侧感知算法、交通流仿真场景增强方法、实车在环孪生仿真系统展开研究,构建了基于实时交通流映射的实车在环智能网联汽车仿真系统,并在校园道路场景下,以自动驾驶决策算法为例,完成虚实孪生交通流场景下的系统测试与验证。研究内容如下:（1）路端实时交通流要素边缘感知方法。针对传统仿真测试环境无法映射实时交通流的问题,本文提出基于路侧边缘感知的“路-云”协同仿真方法,其中道路实时交通流数据的获取是构建仿真测试场景的基础。本文基于路端相机位姿固定的优势,使用YOLOv5和Deep Sort完成多目标跟踪,通过透视变换完成对行人和车辆等交通流要素的粗定位。针对车辆要素,本文提出了基于几何属性的车辆位姿估计方法,取得近厘米级的精定位结果,为交通流场景增强仿真奠定现实基础。（2）基于实时交通流映射的仿真场景增强方法。针对如何将虚拟环境场景丰富的优势赋能于自动驾驶仿真测试系统以提高测试效率,本文基于静态道路和建筑物场景建模,在自主开发的仿真平台中开放数据接口,实时获取路端动态交通流数据,完成交通流模型渲染和控制,实现交通场景的孪生仿真。本文对静态场景的天气和光照等环境因素进行自定义增强,根据测试需求对虚拟行人和车辆等交通流要素实现动态场景增强,通过虚实孪生的方式完成边缘场景的定制,最大限度发挥“虚-实”共生优势,为实车在环系统提供多样化的测试场景。（3）智能网联汽车实车在环孪生仿真系统搭建及验证。针对如何将智能网联测试车辆接入前述仿真系统以实现整车级系统测试,本文采用实车在环方式将车辆状态数据及路侧交通流感知结果实时孪生到仿真平台虚拟场景,仿真云平台的决策规划结果同步反馈回智能网联汽车实车测试平台,实现闭环的车路云协同仿真。本文以校园道路场景下的自动驾驶决策算法为例,完成了定制化边缘场景下的系统测试。综上所述,本文构建了一套由智能网联汽车和混合测试环境组成的闭环系统,通过引入实时交通流信息,能够快速生成贴合真实交通状况的测试场景,实现复杂场景可定制化功能,为仿真测试向道路测试过渡提供有力支撑。