在解释长尾场景之前，先来解释一下无人驾驶测试中的正常场景，主要指出现频繁且交规明确的场景，比如换道超车，通过红绿灯控制的路口，无红绿灯控制的无保护左转、右转等。这些场景相对容易处理。
而长尾场景主要指种类繁多、发生概率较低或者突发的场景，比如闯红灯的车辆，横穿马路的行人，红绿灯损坏的路口，路边违章停靠的车辆等。这些场景不按常理出牌，样式繁多，处理难度大，但却是无人驾驶在中国城市落地的关键之一。
如何有效、快速的训练算法去处理长尾场景？首先是真实道路的数据积累。现在景驰拥有25辆L4级别的无人驾驶车队，每天在三个城市公共道路上跑上千公里收集数据并测试算法。然而为了更高频率的遇到更多的长尾场景，无人车还需要通过模拟器（simulation）进行“特训”——
景驰的模拟器目前已经实现了高可信，大场景，大批量，云端模拟的能力，能够营造出一个逼真的虚拟世界。景驰的工程师们可以在城市大小的地图内专注最有趣的交互，比如闪烁的红绿灯，不同行径的智能车辆以及穿梭而过的行人、自行车。单个场景最多可以模拟上万辆汽车、自行车、行人或其他路上可能出现的障碍物。
在模拟器中，景驰小车每天不间断奔跑22000公里，不断测试新技巧并提升原有技能。模拟器还会根据景驰小车在20多个安全、性能维度的表现进行打分，反馈给工程师。经过如此“特训”，景驰无人车每天都在变得更聪明、更安全。
以上视频展示了景驰模拟器的真实工作效果。景驰小车在上百个模拟车辆，自行车和行人间运行。这些模拟的车辆、自行车、行人能够智能的等待红绿灯并遵守交规避让，也可以根据需要执行“违规“动作。这样强大的自动驾驶场景模拟技术在中国无人驾驶公司里是最领先的。
正是通过这些真实路测和虚拟场景的特训，景驰无人车正在逐步变身为经验丰富的老司机，在处理长尾场景的数量和难度上处于业界领先地位。
视频里展示了景驰无人车处理的复杂场景，包括在狭窄的双向单车道上，和行人、同向车辆、反向车辆交互；与同向或逆行的自行车交互；与大批横穿马路的行人交互；以及和大量占用车道的行人、自行车交互。这些复杂场景充分体现了中国城市场景的挑战性，同时也展示了景驰在运动规划算法的强大能力。能否安全处理这些场景，是L4级别无人驾驶车商业落地的关键。
前不久，Waymo宣布将逐步投入8万2千台无人驾驶车，并开始大规模无人驾驶出租车服务。Cruise和通用汽车（GM）宣布2019年量产并推出无方向盘的无人驾驶出租车服务。未来已来，景驰也在通过不断的技术演进，稳步推进2020年在中国规模化无人驾驶运营的目标！
