自动驾驶车辆以其强势的姿态席卷整个世界,成为最具潜力的技术之一,然而自动驾驶车辆在真正投入生产之前,需要经历大量的测试,才能达到商用需求。目前自动驾驶车辆的测试效率有待提高,测试场景不够充分,综合评价体系仍需完善。因此,研究自动驾驶车辆的测试评价显得尤为重要。本文依托国家重点研发计划课题“自动驾驶电动汽车硬件在环测试环境构建与模拟测试技术研究”（编号:2018YFB0105103）,以自动驾驶车辆为研究对象,从测试场景生成方式、测试场景数据、综合评价几个方面进行研究,具体研究内容如下:（1）基于脚本化的设计,实现了自动驾驶车辆测试场景的自动生成和批量测试,提高了测试效率。首先,对组成测试场景的场景要素进行分类,使生成的场景尽可能全面的覆盖自动驾驶车辆的测试场景;其次,分析了传统的手动搭建测试场景的缺点;然后,根据场景的抽象程度将场景分为功能场景、逻辑场景以及具体场景,分析了车辆-机动车、车辆-非机动车、车辆-行人三类典型场景;在此基础上,通过脚本搭建测试场景,实现测试场景的自动生成;最后,通过脚本获取结果参数,实现批量测试。（2）基于现有的自然驾驶数据集,利用改进的深度卷积生成对抗网络生成海量的符合自然驾驶特性的交通流场景,丰富了测试场景。首先,选取合适的自然驾驶数据集,对数据集预处理;其次,使用深度卷积生成对抗网络和改进的深度卷积生成对抗网络提取自然驾驶数据中车辆的行驶特征,从而生成海量的交通流场景;然后,使用合适的统计量对车辆的指标进行评估,结果表明基于改进的深度卷积生成对抗网络生成的车辆与原始车辆的行驶特征更接近;最后,从宏观角度出发,对生成的交通流场景进行评估,结果表明生成的交通流场景符合自然驾驶特性。（3）结合现有的综合评价流程,使用改进的权重确定方法和评价方法对自动驾驶车辆进行评价,完善了综合评价体系。首先,根据评价指标选取的原则确定自动驾驶车辆的评价指标体系;然后,分析了目前常用的指标权重确定方法,使用层次分析法和改进的Critic赋权法确定指标的权重;最后,通过分析比较现有的评价方法,对模糊综合评价法加以改进,实现自动驾驶车辆的综合评价。（4）通过脚本搭建了网络生成的符合自然驾驶特性的交通流场景,运用改进的指标权重确定方法和改进的评价方法,进行自动驾驶车辆仿真试验与评价。首先,在仿真软件中通过脚本搭建测试场景,运用脚本提取测试的结果并处理测试结果,得到评价指标体系的数值;其次,使用层次分析法和改进的Critic赋权法确定指标权重;然后,运用改进的模糊综合评价方法对测试车辆进行评价;最后,确定测试车辆的综合评分。基于交通流生成的自动驾驶车辆测试评价研究,在一定程度上可以提高测试效率,丰富测试场景,完善综合评价体系,具有一定的参考价值。