“我们希望从一个闭环可控的范围，逐步扩展到车路协同，到智慧大脑，逐步形成一个完善的物理信息系统升级，从而把仿真这项汽车行业的传统技术，随着5G的应用，扩展到更大、更广阔的领域。”

　　9月25日晚，在《中国汽车报》与广州智能网联汽车示范区运营中心联合推出的“2020智能网联汽车精品课”第30讲中，当家移动绿色互联网技术集团有限公司（51WORLD）车辆与交通事业部总经理张帆如是说。他以“汽车自动驾驶仿真技术”为主题，详细分析了汽车自动驾驶仿真技术的必要性和实际应用，以及当前所面临的重要机遇和挑战。

　　►以仿真减少新技术应用风险

　　为何仿真测试如此重要？张帆介绍道，根据国际自动机工程师学会（SAE）的自动驾驶分级标准，从L3开始AI将替代驾驶员成为驾驶责任主体，车辆将面对复杂的交通、环境与数据；车辆具备更强也更复杂的感知、决策、通讯与计算能力，对驾驶的安全性提出更高要求，“仿真测试是针对安全性的一个最基本的保障工具。”

　　张帆具体解释道，车辆面临多方面风险，例如算法、复杂环境、功能失效、人机交互等；未来5~10年自动驾驶技术的进步会要求车辆有不断测试更新的能力；车型开发将从基于功能的测试转向基于场景的测试，自动驾驶行为存在未知的潜在风险，而仿真测试可以使之更快显露出来。

　　此外，针对高速代驾（HWC）、高速拥堵（TJC）、自动泊车（AVP）等自动驾驶功能，各车企规划2020~2025年间落地。“由于汽车产品研发的技术准备有前置性特点，当前正是开发与测试能力的关键构建期，迫切需要仿真能力以减少未来新技术应用对产品安全带来的风险挑战。”张帆指出，通过仿真，可减少样车数量，规避开发风险，控制开发周期。

　　事实上，仿真并不是一个新事物。张帆介绍，我国从60年代开始使用仿真工具，而在汽车领域，从70年代开始应用商业化仿真软件，例如机械仿真、动力学仿真、热力学仿真，到90年代进行电器仿真，2010年左右升级到传感器仿真，目前是环境场景仿真、交通流仿真。

　　具体到汽车自动驾驶仿真系统，可分为传感器/ V2X 通讯仿真、车辆动力学仿真、环境与场景库仿真、交通流与智能体仿真、感知决策训练与系统测试评价、XiL在环测试。

　　►仿真与实测互为补充

　　据了解，仿真测试的开发流程与应用包括：功能需求、系统架构及性能指标定义；软硬件安全功能冗余设计；智驾域控制器软、硬件设计；定位、感知融合、控制及决策规划算法开发；系统标定与评价。

　　“仿真测试与实测验证互为补充，缺一不可。”张帆指出，以设计运行区域（ODD）为例，L3拥有广泛的运行工况，不太可能一一实测，这时可借助仿真测试找到车辆运行边界，而后指导实测，以验证车辆是否在真实情况下满足了设计功能。

　　那么，仿真如何接入自动驾驶系统？“有两种软件在环的方式。一是决策控制闭环测试，将虚拟环境感知到的真值传给算法，算法引导车辆控制，将信号传给车辆动力学，形成闭环响应，从而完成测试案例的虚拟运算。二是感知决策控制闭环测试，带感知的物理信号传给感知的算法，感知到融合，定位到决策规划，再到控制，这是一个更全面的带感知决策的方式。”他说。

　　据介绍，将仿真接入自动驾驶系统后，整体的仿真测试流程分为三步，一是数据的处理和编辑，这是一个实验设置编辑的过程；二是仿真运行，这是一个计算的过程；三是评价报告，这是一个分析的过程。

　　►传感器仿真是重中之重

　　虽然仿真测试的工作流程看似简单，但还有不少需要注意的地方。“传感器仿真是重中之重。”张帆强调，主要分三步，一是建模和参数的标定，二是建立不同的传感器模型，三是对整个传感器性能的评价。

　　以摄像头为例，首先是建模，基于环境物体的几何空间信息构建对象的三维模型，并根据物体的真实材质与纹理，通过计算机图形学对三维模型添加颜色与光学属性等。其次是标定，使用车辆常用的摄像头在实验室做色彩还原标定。之后进行摄像头在环测试。

　　再看激光雷达仿真，其思路是参照真实激光雷达的扫描方式，模拟每一条真实雷达射线的发射，与场景中所有物体求交。“当有摄像头仿真和激光雷达仿真时，可将两个数据同时输出，做一些融合性的感知算法的训练和检测。”他说。

　　除了上述传感器的仿真外，还需要对静态场景进行仿真和还原，用OpenDRIVE地图处理编辑工具链，有实际采集真实测试场高精地图和使用工具制作纯虚拟地图两种方式。

　　动态场景则比较复杂。动态场景数据来源有四种：道路传感器、车载传感器、无人机/高点、驾驶模拟器，之后进行数据处理，保证大量数据能以自动化的方式进入仿真系统。具体来看，动态场景的构建方法有三种，一是基于真实案例数据构建，二是基于微观交通仿真系统构建，三是基于真实案例数据的泛化构建。

　　除了静态和动态场景，还有规模化场景的云仿真测试。张帆介绍道，云端仿真架构分为四层，最底层是服务于存储和计算的硬件服务层；之上是数据层，放置有地图数据、场景数据、报告数据等；再往上是服务层，可以进行大数据处理服务、可视化渲染服务等；最上层是应用层，进行数据准备、仿真运行和测试评价。

　　“仿真的本质是数学模型的计算，这就必须考虑精度问题，关键在于其能否代表真实系统。” 张帆表示，仿真系统的可信性可以通过校核与验证加以测量，通过确认来正式地加以认证，这个过程就是仿真系统的校核、验证与确认，即VV&A。VV&A有6条指导规范，分别是相对正确的原则、必要不充分原则、全局性原则、创造性原则、良好计划和记录原则、数据正确性原则。

　　从实际应用来看，在仿真环境中，可以进行真实案例还原、基于驾驶员行为的多车互动测试、行为预测与风险评估研究。

　　►数字孪生测试进入测试场

　　未来前景方面，在张帆看来，国家发改委、工信部、科技部等11部门于今年2月联合发布的《智能汽车创新发展战略》（以下简称《战略》）为仿真技术提供了很大发展机会。

　　《战略》中提出要突破关键基础技术，例如复杂环境感知、智能决策控制、人机交互及人机共驾、车路交互等，而虚拟仿真显然是研发的必备实验工具之一。《战略》提出完善测试评价技术，并提及“重点研发虚拟仿真、软硬件结合仿真”，这意味着，虚拟仿真也是一个评价工具，最明确的应用就是智能汽车的验证测试评价。《战略》还提出“开展关键软硬件功能性、可靠性、安全性认证”，这样一来，企业“自评估”+“报备”+“第三方技术检验”成为虚拟仿真测试的刚需驱动。

　　当前，5G、车联网等技术方兴未艾，一些大型测试场已经开始部署数字孪生测试技术，即在实车测试场景中对测试进行全过程信号虚拟注入，以整车在环方式将车辆实时状态数据实时反馈到虚拟场景控制器，从而实现自动驾驶车辆在真实道路上进行虚拟场景测试。

　　“数字孪生测试将仿真从计算机，从系统的硬件在环带到了测试场，带到了一个更大、更广阔的领域。不久的将来，或许是今年或明年，仿真将从在环测试逐步走向运营监控；范围会更大，从实验室走向测试场，从测试场走向开放道路；智能化程度更高，从单车仿真走向多车交互，从多车交互走向车路协同云控。”张帆表示。

　　他还指出，我国要实现“制造强国”，必须拥有自主可控的工业软件，而计算机仿真技术是我国智能制造技术链的根基之一。

　　►精彩问答

　　在讲座之后，张帆还与网友进行了问答互动。记者撷取精华，以飨读者。

　　Q：目前仿真技术最高可用于什么级别的自动驾驶？

　　A：从L3到L5，仿真可以支持所有级别的自动驾驶开发和测试。自动驾驶的仿真，除了包含对车辆自身技术的仿真外，还有运行环境的仿真，例如社会车辆、行人行为、建筑物、天气等。一个完整的仿真平台，需要有场景仿真、交通流仿真、传感器仿真，以及对车辆测试在环能力的兼容，对车辆算法的并行计算与加速能力的技术。仿真平台需要有较为容易接入自动驾驶平台的能力，形成基于测试的闭环，以支持车辆的持续迭代开发和优化。

　　我们认为，自动驾驶的仿真是一项共性技术，除了支持自动驾驶的各级别研发外，未来还会应用在车路协同的交通仿真、无人机仿真、机器人通用技术仿真等多个领域。

　　Q：仿真技术在自动驾驶的安全标准制定方面可以起到哪些作用？

　　A：安全包含三方面：车辆安全、交通安全和信息安全，而仿真都可以起到帮助和测试指导作用。仿真技术可以解决那些在测试场和真实道路环境下无法测试的案例及场景，是安全标准测试制定中的一个必要选项，也是真实测试的互补选项。

　　Q：仿真技术还存在哪些不足之处和待解难题？

　　A：难点主要有三方面。一是如何保证仿真场景的真实性？我们认为，需要虚拟空间与真实场地的数字映射，如果对虚拟仿真和真实测试进行贯通性管理，形成数字孪生的开发体系，可以很好地保证仿真的真实性。

　　二是仿真场景的标准化问题。我们在定义标准时需要兼顾测试的目标、环境和效率，目前主流的场景标准有：基于功能的测试描述、基于场景的测试描述、基于真实世界危险案例的测试描述。

　　三是数据接口的统一与工具接口的互通化问题。目前很多算法采用不同的语言和运行环境，同时智能硬件通讯和设备接口、传输方式也产生了很大差异，相当于我们没有统一的数据结构标准和通用的通讯标准，这样一来，一些测试工具无法接入不同的测试数据和硬件。这会对未来测试造成较大困扰。

　　总体来讲，仿真技术是自主研发的通用型基础工具，我们相信，随着国家重点项目支持，随着全行业对自动驾驶技术和仿真的不断投入，以及工程人员的技术创新实践，以上难点都会在未来迎刃而解。

　　编辑：齐萌

返回第一电动网首页 >