淺析基于數(shù)字孿生的網(wǎng)聯(lián)自動駕駛測試方法研究

智駕最前沿 2022-01-09 08:00

KDES 2026上海峰會：定義下一代工程仿真
告別射頻開關(guān)短板！MEMS 高速測試資料

--后臺回復(fù)“40429”--

--領(lǐng)取《汽車駕駛自動化分級》（GB/T 40429-2021）--

數(shù)字孿生（DT）可以虛擬化地呈現(xiàn)出系統(tǒng)的整個生命周期，非常適合在自動駕駛測試中使用。提出了在有限環(huán)境下利用 DT 進行網(wǎng)聯(lián)自動駕駛測試的方法，即在自動駕駛的仿真測試環(huán)境中，利用 DT 的映射實現(xiàn)虛擬復(fù)雜道路場景下真實的網(wǎng)聯(lián)自動駕駛車輛測試。相關(guān)實驗說明，該方法能夠有效地支持開展網(wǎng)聯(lián)自動駕駛測試。

數(shù)字孿生（DT）是物理系統(tǒng)（物理孿生）的數(shù)字化表示，能夠模擬運行系統(tǒng)的整個生命周期并與物理孿生進行同步的映射。DT 的概念始于 2002 年，最初被用于航空航天領(lǐng)域。最近，其他一些工業(yè)部門如制造業(yè)、工業(yè)工程，以及機器人領(lǐng)域也逐步開始了解和嘗試這項技術(shù)。

隨著自動駕駛的發(fā)展，對 DT 功能的測試和驗證成為自動駕駛汽車研發(fā)的重大挑戰(zhàn)之一。一些研究人員認為使用仿真測試可以很好地解決這一難題，例如在虛擬仿真中，進行的軟件測試（SIL）、硬件在環(huán)測試（HIL）、車輛在環(huán)測試（VEHIL）以及混合仿真測試。它可以快速模擬任何場景，但不能驗證真實的情況。相比仿真測試，傳統(tǒng)汽車行業(yè)更依賴現(xiàn)場測試。然而，真正的道路測試在極端情況下是昂貴且費時的，有一些場景甚至無法進行測試。2017 年，M-City 發(fā)布了一份研究報告，提出了一種數(shù)據(jù)驅(qū)動的方法來評估自動駕駛汽車。與純虛擬仿真不同的是，它使用真實世界的駕駛數(shù)據(jù)來構(gòu)建測試場景。這是一種面向DT 的方法 , 但這種方法是從主動安全的角度發(fā)展起來的，沒有引入車用無線通信（V2X）技術(shù)。

V2X 技術(shù)不僅可以為道路車輛提供非視距的感知信息，還可以在車輛和云數(shù)據(jù)中心之間建立通信鏈路；因此，我們認為 V2X 技術(shù)可以作為連接物理空間和網(wǎng)絡(luò)空間的紐帶，在基于DT 的自動駕駛測試中發(fā)揮重要作用。V2X 技術(shù)可以將場景信息發(fā)送到道路的被測車輛上，并提供道路虛擬測試功能。盡管 DT 被認為是一項顛覆性的技術(shù)，但它仍處于概念階段，只有少數(shù)研究專門討論了其在制造領(lǐng)域的構(gòu)建和實現(xiàn)方法。所以，目前還沒有成熟的基于 DT 的自動駕駛測試方案。近幾年，中國信息通信研究院研發(fā)布局了基于 DT 的網(wǎng)聯(lián)自動駕駛測試原型系統(tǒng)，利用 V2X 技術(shù)實現(xiàn)傳感器數(shù)據(jù)上傳和虛擬場景信息發(fā)布的全過程，并進行了道路車輛測試。相應(yīng)的測試結(jié)果表明，該系統(tǒng)能夠支持低延遲的網(wǎng)聯(lián)自動駕駛測試。

1 基于DT的網(wǎng)聯(lián)自動駕駛測試框架

在實踐中，不同行業(yè)對于 DT 的定義和理解可能不同。自動駕駛開發(fā)人員將其視為一套增強現(xiàn)實方案。在某種意義上，面向 DT 的測試系統(tǒng)是指通過通信網(wǎng)絡(luò)在現(xiàn)實世界（物理空間）收集數(shù)據(jù)，利用網(wǎng)絡(luò)空間的大規(guī)模數(shù)據(jù)處理技術(shù)對數(shù)據(jù)進行分析，并將結(jié)果反饋到物理空間來解決現(xiàn)實世界問題的信息物理系統(tǒng)（CPS）。每個 CPS 包括智能機器、存儲系統(tǒng)和生產(chǎn)設(shè)施，它們可以自主和智能地交換信息，做出決策并觸發(fā)行動，能夠互相控制。

圖 1 基于數(shù)字孿生的網(wǎng)聯(lián)自動駕駛測試框架

基于 DT 的網(wǎng)聯(lián)自動駕駛測試方法包括 2 個關(guān)鍵步驟：一是采集真實的駕駛數(shù)據(jù)，二是生成復(fù)雜場景。道路車輛通過傳感器和 V2X 采集和發(fā)布行駛信息，并完成數(shù)據(jù)融合處理，然后將相應(yīng)的信息上傳到仿真平臺。仿真平臺根據(jù)實時駕駛信息選擇測試場景，并將相應(yīng)的信息反饋給道路車輛。道路車輛控制系統(tǒng)對場景信息進行響應(yīng)，并將響應(yīng)輸出并上傳到仿真平臺。仿真平臺對測試結(jié)果進行判斷，生成測試報告。如圖 1 所示，該測試方案包括 3 層，即實地測試層、網(wǎng)絡(luò)傳輸層和實驗測試層。

（1）? 實地測試層。實地測試層包括 3 部分：被測車輛、虛擬汽車與平視顯示器（HUD）、真實的測試場地等。

車輛行駛信息由車內(nèi)傳感器采集，真實駕駛環(huán)境信息由周圍車輛和雷達、攝像頭等路側(cè)設(shè)備采集，虛擬場景信息由云數(shù)據(jù)庫提供，并在 HUD 上顯示。這里假設(shè)所有車輛都配備了LTE-V2X 和 4G/5G 模塊。

（2）? 網(wǎng)絡(luò)傳輸層。網(wǎng)絡(luò)傳輸層包括 2 種通信方式：一種是 LTE-V2X 的直連通信鏈路，另一種是 4G/5G 蜂窩通信鏈路。LTE-V2X 用于采集環(huán)境信息，如道路信息、周圍車輛行駛狀態(tài)、行人狀態(tài)等，4G/5G 用于建立物理空間和虛擬空間之間的連接。顯然，網(wǎng)絡(luò)傳輸層的性能會對自動駕駛測試的實時性產(chǎn)生致命的影響，可以通過車輛控制器的響應(yīng)延遲來體現(xiàn)。這里我們將基本性能參數(shù)做了如下的定義。

● 被測車輛速度：0~130 km/h；

● 通信覆蓋半徑：>300 m；

●? 車輛狀態(tài)信息更新頻率：10~20 Hz；

● 數(shù)據(jù)速率（下行）>100 Mbit/s，數(shù)據(jù)速率（上行）>20 Mbit/s；

● 傳輸延遲 <20 ms。

此外，表 1 列出了需要通過 V2X 發(fā)送的參考消息內(nèi)容，以用于開展網(wǎng)聯(lián)自動駕駛測試。

表1?基于數(shù)字孿生的網(wǎng)聯(lián)自動駕駛測試的參考消息內(nèi)容

（3）? 實驗測試層。實驗測試層包括通道建模、性能指標計算、虛擬化和性能采集 3 個部分。在場景生成過程中，要考慮道路環(huán)境（車道、車道線、路面、天氣和光照、場景要素）、交通狀況（車流、行人擁擠、自適應(yīng)巡航控制）、交通參與者（車輛、行人、障礙物）和環(huán)境傳感器（雷達、攝像機、全球定位系統(tǒng) / 地圖、無線通信）等影響因素，構(gòu)建1 ∶ 1 的數(shù)字場景模型。模擬器應(yīng)支持復(fù)雜的道路場景建模，如圖 2 所示。測試過程中，測試人員會選擇測試場景，并將相應(yīng)的場景信息通過 4G/5G 網(wǎng)絡(luò)發(fā)送到被測車輛。

圖 2 道路場景仿真模擬模擬器

2 測試場景設(shè)計

該測試方案包括純虛擬測試、傳感器數(shù)據(jù)測試和實車測試 3 個階段，如圖 3 所示。

圖 3 測試階段

2.1 ?純虛擬測試

DT 測試方案的第 1 階段是純虛擬測試。這種測試與傳統(tǒng)的虛擬仿真類似，主要步驟如下：

● 第 1 步，根據(jù)測試要求和數(shù)據(jù)構(gòu)建道路場景；

● 第 2 步，設(shè)置車輛參數(shù)（行駛參數(shù)和傳感器參數(shù)）；

● 第 3 步，增加混合交通干擾；

● 第 4 步，添加控制算法；

● 第 5 步，啟動實驗仿真。

2.2? 傳感器數(shù)據(jù)測試

測試的第 2 階段是基于真實傳感器數(shù)據(jù)的測試，如圖 4 所示。在此過程中，真實世界的傳感器數(shù)據(jù)被收集并通過蜂窩網(wǎng)絡(luò)發(fā)送到數(shù)據(jù)中心。遠程的駕駛系統(tǒng)根據(jù)傳感器數(shù)據(jù)進行決策，并將決策信息反饋給測試系統(tǒng)。

圖 4 傳感器數(shù)據(jù)測試

2.3? 實車測試

在這個階段，使用真實車輛作為被測裝置。車輛信息通過 4G/5G 網(wǎng)絡(luò)發(fā)送到虛擬仿真器。圖 5 中顯示了 2 個典型的仿真場景。在虛擬仿真測試的基礎(chǔ)上，加入交通流和自動駕駛算法來模擬真實場景，并及時回傳給真實的自動駕駛車輛。控制器的決策結(jié)果將送回中央控制仿真器 , 測試將在自動駕駛算法的控制下完成。

圖 5 2 種典型的實車測試評估場景

3 測試結(jié)果演示及分析

3.1? 測試結(jié)果演示

為了驗證測試架構(gòu)的有效性，我們在中國信息通信研究院辦公地進行了基于 DT 的網(wǎng)聯(lián)自動駕駛測試原型系統(tǒng)的搭建，相關(guān)測試的具體情況如圖 6 所示。

由車載傳感器和路側(cè)單元收集被測車輛周圍環(huán)境的信息。每臺設(shè)備根據(jù)其配置捕獲周圍信息，然后將收集到的同一時間戳標簽下的數(shù)據(jù)與網(wǎng)絡(luò)上的其他設(shè)備同步。物理系統(tǒng)的信息上載到運行 DT 應(yīng)用程序的服務(wù)器。

圖 6 測試結(jié)果演示

圖 6 c）中顯示的是前向碰撞警告應(yīng)用驗證過程。虛擬物體顯示在中控模擬器中，真實的車輛行為會通過攝像頭反饋到中控臺。

3.2? 測試結(jié)果分析

通過基于 DT 的網(wǎng)聯(lián)自動駕駛測試原型系統(tǒng)的試驗，我們認為 V2X 技術(shù)不僅可以支撐車輛行駛安全、效率提升等應(yīng)用功能，還可以用于網(wǎng)聯(lián)自動駕駛測試。此外，自動駕駛測試也可以被認為是 V2X 技術(shù)的重要應(yīng)用場景之一。

雖然該測試方案已經(jīng)被證明是有效的，但它只是一個基本的原型系統(tǒng)，還有很大的改進空間。

（1）汽車產(chǎn)業(yè)界對自動駕駛的響應(yīng)延遲判斷尚未達成一致。也就是說，我們不確定所提出的方案是否能滿足自動駕駛的響應(yīng)延遲要求。隨著自動駕駛的發(fā)展，相應(yīng)的通信性能要求需要被定義。基于 DT 的網(wǎng)聯(lián)自動駕駛測試也將被認為是 4G/5G 通信網(wǎng)絡(luò)的一種應(yīng)用。應(yīng)在此基礎(chǔ)上對測試流程繼續(xù)改進。

（2）在該方案中，車內(nèi)測試人員看不到在網(wǎng)絡(luò)空間生成的虛擬場景，用戶體驗不佳，因此，虛擬現(xiàn)實（VR）/現(xiàn)實增強（AR）的結(jié)合可以是之后的研究方向。

（3）需要保證生成的虛擬場景與真實的交通場景相吻合。到目前為止，交通數(shù)據(jù)庫并不完備。也就是說，當前不能確保測試場景能夠覆蓋和表現(xiàn)真實的交通場景。隨著交通數(shù)據(jù)庫的完善，測試場景庫也將不斷完善。

（4）作為通信場景的一種應(yīng)用，基于 DT 的網(wǎng)聯(lián)自動駕駛測試必須基于統(tǒng)一的通信協(xié)議來實現(xiàn)，且需要定義數(shù)據(jù)集和數(shù)據(jù)交換格式；因此，我們需要制訂相應(yīng)的消息層協(xié)議，以保證在不同的測試示范區(qū)能夠?qū)Σ煌瑥S商的產(chǎn)品進行測試。

（5）如何選擇與真實場景相匹配的測試場景。自動駕駛測試的關(guān)鍵點之一是場景的選擇。顯然，所有虛擬測試場景都是從真實的交通場景衍生出來的。為了識別自主控制算法的弱點，我們總是選擇最壞的場景來構(gòu)建虛擬場景庫，因此，虛擬測試不能準確評估真實情況下的風(fēng)險或概率。然而到目前為止，我們還不能提供真實道路場景測試與虛擬場景測試之間可信的映射關(guān)系。換言之，我們應(yīng)該建立一種基于 DT 的網(wǎng)聯(lián)自動駕駛性能評估體系，用于政府標準化的測試，或是推斷自動駕駛車輛的預(yù)期安全性能等。

隨著 V2X 技術(shù)的發(fā)展，汽車行業(yè)正在考慮將 V2X 相關(guān)應(yīng)用功能嵌入到產(chǎn)品中。V2X 并不局限于車輛行駛安全、交通效率提升等應(yīng)用，它是一項在其他應(yīng)用領(lǐng)域也很有前景的技術(shù)。在基于 DT 的網(wǎng)聯(lián)自動駕駛測試方案中，V2X 技術(shù)起到了連接虛擬空間和物理空間的重要作用。

文章中我們介紹了一種基于 DT 的網(wǎng)聯(lián)自動駕駛測試框架；使用 4G/5G 網(wǎng)絡(luò)在虛擬和物理空間之間建立通信鏈路，使用 V2X 技術(shù)采集車輛信息和道路信息。相關(guān)實驗結(jié)果表明，該架構(gòu)能夠有效地支撐自動駕駛測試。之后，我們還將完善場景庫，優(yōu)化控制機制。上述相關(guān)研究工作對加快自動駕駛技術(shù)成熟和商業(yè)化推廣應(yīng)用也有著重要意義。

參考文獻

[1]? SOUZA V. A Digital Twin Architecture Based on the Industrial Internet of Things Technolo- gies[C]// 2019 IEEE International Conference on Consumer Electronics (ICCE). USA: IEEE, 2019

[2]? NEGRI E, FUMAGALLI L, MACCHI M. A Re- view of the Roles of Digital Twin in CPS-based Productions Systems[J]. Procedia Manufactur- ing, 2017, 1(11):939-948

[3]? TAO J, LI Y, WOTAWA F, et al. On the In- dustrial Application of Combinatorial Testing for Autonomous Driving Functions[C]//2019 IEEE International Conference on Software Testing, Verification and Validation Workshops (ICSTW).China:IEEE, 2019.DOI: 10.1109/ ICSTW.2019.00058

[4]? IVANOV A M, SHADRIN S. Development of Autonomous? Vehicles’? Testing? System[EB/ OL]. [2020-12-22] https://www.researchgate.net/publication/323350483_Development_of_autonomous_vehicles'_testing_system

[5] HUANG W, WANG K, LV Y, et al. Autonomous Vehicles Testing Methods Review[C]//IEEE International Conference on Intelligent Trans- portation Systems. Brazil:IEEE, 2016. DOI: 10.1109/ITSC.2016.7795548

[6] HUANG W, WEN D, GENG J, et al. Task-Spe- cific Performance Evaluation of UGVs: Case Studies at the IVFC[J]. IEEE Transactions on Intelligent Transportation Systems, 2014. 15(5): 1969-1979. DOI: 10.1109/TITS.2014.2308540

[7]? WANG F, WANG X, LI L, et al. Digital and Construction of A Digital Vehicle Proving Ground[C]//IEEE? Intelligent? Vehicles Sym-posium. USA: IEEE, 2015. DOI: 10.1109/ IVS.2003.1212968

[8]? ZHAO D, PENG H. From the Lab to the Street: Solving the Challenge of Acceler- ating Automated Vehicle Testing[EB/OL]. (2017-01-15)[2019-12-22]. https://arxiv.org/ abs/1707.04792

[9] TAN Y, YANG W, YOSHIDA K, et al. Application of IoT-Aided Simulation to Manufacturing Sys- tems in Cyber-Physical System[J]. Machines, 2019, 7(1): 2. DOI: 10.3390/machines7010002

轉(zhuǎn)載自智能汽車開發(fā)者平臺，文中觀點僅供分享交流，不代表本公眾號立場，如涉及版權(quán)等問題，請您告知，我們將及時處理。

-- END --

登錄閱讀全文



免責聲明：該內(nèi)容由專欄作者授權(quán)發(fā)布或作者轉(zhuǎn)載，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點，本站亦不保證或承諾內(nèi)容真實性等。若內(nèi)容或圖片侵犯您的權(quán)益，請及時聯(lián)系本站刪除。侵權(quán)投訴聯(lián)系：? nick.zong@aspencore.com！

智駕最前沿「智駕最前沿」深耕自動駕駛領(lǐng)域技術(shù)、資訊等信息，解讀行業(yè)現(xiàn)狀、緊盯行業(yè)發(fā)展、挖掘行業(yè)前沿，致力于助力自動駕駛發(fā)展與落地！公眾號：智駕最前沿

進入專欄

評論