自动驾驶汽车测试是自动驾驶汽车开发过程中的重要一环,目前企业用于测试的自然驾驶场景库虽然可以反映真实交通情况,但自然驾驶场景库中的非关键场景占据主导地位,而关键危险场景占比很小,这导致在测试中可供选择的关键场景数量有限,无法充分验证自动驾驶汽车的行驶安全性。本文针对自动驾驶汽车关键测试场景生成方法进行研究,主要研究内容如下:（1）提出了自动驾驶汽车基础测试场景的生成方法。以无信号灯的单向双车道十字路口为例,基于该工况下最复杂的车辆位置组合群,根据主车行驶方向,利用全组合策略对干扰车运动方向进行组合,并依据设计的场景筛选原则对场景进行筛选,得到基础测试场景。（2）基于层次分析法和图形熵分析基础测试场景的复杂度。首先利用层次分析法计算各场景要素类的权重和总量值,然后基于图形熵建立交通场景复杂度计算模型,并以十字路口主车直行基础测试场景为例,进行复杂度计算。（3）基于模型预测控制设计运动规划与控制算法。针对主车直行通过十字路口提出基于动态安全区域的避障策略,该策略在优先保证纵向安全的前提下结合横向安全规划出用于自动驾驶汽车行驶的动态安全区域,然后基于多约束LTV-MPC,利用包含线性轮胎模型的车辆动力学模型设计了自动驾驶汽车运动规划与控制集成算法,并在Matlab/Simulink和Carsim联合仿真平台上验证算法的有效性。（4）提出基于仿真的十字路口关键场景生成框架。基于三向组合策略对动态场景参数进行组合,通过场景仿真,利用3个安全指标——碰撞时间、后侵占时间及纵向加/减速度对动态场景参数进行筛选,得到617组两辆干扰车参与的关键场景和352组一辆干扰车参与的关键场景,其中两辆干扰车参与的危险关键场景占场景总数的20.1%,一辆干扰车参与的危险关键场景占场景总数的18.5%,与自然驾驶场景中的危险场景发生率仅为2%相比,大大增加了关键危险场景的发生概率。最后利用基于信息熵的加权欧式距离对上述关键场景进行聚类处理,得到9组两辆干扰车参与的关键场景测试用例和7组一辆干扰车参与的关键场景测试用例,可用于封闭场地安全测试。