自动驾驶车辆在真实道路上行驶之前必须经过一系列测试过程来保证其各项功能和性能的稳定性、稳健性、可靠性和安全性。基于场景的测试方法是通过预设场景对被测车辆进行特定目标或行驶任务的测试,是汽车自动驾驶测试过程中的重要手段。目前智能网联汽车已经能够实现不同场景下的实车测试,而在自动驾驶封闭测试场地中如何合理的规划测试场景、搭建现实中更多没有遇到或概率低的场景类型,并在最短的时间内高效率的完成尽可能多的测试项目也是自动驾驶封闭测试场地测试的一个难点。同时一套完整的测试评价体系有助于引导自动驾驶技术的不断进步,但是目前仍然存在一些有待突破的技术难点,如评价指标选择不健全、评价方法缺少科学依据及评价系统不够合理化等。因此需要构建一个较为准确健全的自动驾驶车辆的综合测试评价体系来加速自动驾驶相关技术的发展,提高对自动驾驶车辆的测试质量。本文首先以清华大学苏州汽车科技创业园封闭测试场地为基础,在仿真软件SCANe R中等比例搭建虚拟仿真场景。其次基于快速探索随机树（rapidly exploring random tree,RRT）算法提出一种自动驾驶场景最小集生成方法,利用RRT算法在封闭自动驾驶场地规划出最优的一条测试路线,生成自动驾驶训练测试场景的一个最小集合,进而实现在最短时间内完成测试所需场景。然后,选取最小集合下的换道、弯道、左转弯和右转弯四种典型场景进行实车测试验证,通过Wolf方法计算得出不同场景下自动驾驶车辆轨迹的偏差时间序列的李雅普诺夫指数,从而完成对评价指标的量化分析;最后结合熵值法与可拓层次分析法计算各层级指标的组合权重占比,并搭建多级模糊评价体系模型开展自动驾驶车辆综合水平测试,通过将场景最小集下的测试评价体系与正常测试场景对比验证该测评体系在场景最小集约束下的可行性。实验结果表明:整体的测试时间大幅度缩短,有效地降低了测试成本,提高了测试效率,实现了加速完成自动驾驶封闭场地场景测试的目的。