隨著汽車智能化程度的不斷提高，智能汽車通過環(huán)境傳感器與周邊行駛環(huán)境的信息交互與互聯(lián)更為密切，需應(yīng)對的行駛環(huán)境狀況也越來越復(fù)雜，包括行駛道路、周邊交通和氣象條件等諸多因素，具有較強(qiáng)的不確定性、難以重復(fù)、不可預(yù)測和不可窮盡。限于研發(fā)周期和成本、工況復(fù)雜多樣性，特別是安全因素的考慮，傳統(tǒng)的開放道路測試試驗(yàn)或基于封閉試驗(yàn)場的測試難以滿足智能駕駛系統(tǒng)可靠性與魯棒性的測試要求。因此，借助數(shù)字虛擬技術(shù)的仿真測試成為智能駕駛測試驗(yàn)證一種新的手段，仿真場景的構(gòu)建作為模擬仿真的重要組成部分，是實(shí)現(xiàn)智能駕駛測試中大樣本、極限邊界小概率樣本測試驗(yàn)證的關(guān)鍵技術(shù)，這對提升智能駕駛系統(tǒng)的壓力和加速測評水平顯得尤為重要。面向智能駕駛測試的仿真場景構(gòu)建技術(shù)已成為當(dāng)前汽車智能化新的研究課題和世界性的研究熱點(diǎn)，作為一種新興技術(shù)仍面臨許多挑戰(zhàn)。

本文提出了面向智能駕駛測試的仿真場景構(gòu)建方法，系統(tǒng)闡述了國內(nèi)外研究工作的進(jìn)展與現(xiàn)狀，包括場景自動(dòng)構(gòu)建方法和交通仿真建模方法，重點(diǎn)分析一些值得深入研究的問題并圍繞場景構(gòu)建技術(shù)的發(fā)展趨勢進(jìn)行了討論分析，最后介紹了團(tuán)隊(duì)相關(guān)研究在 2020 中國智能駕駛挑戰(zhàn)賽仿真賽和世界智能駕駛挑戰(zhàn)賽的仿真場景應(yīng)用情況。

關(guān)鍵詞: 汽車智能駕駛; 模擬仿真; 仿真測試; 場景構(gòu)建; 交通建模; 智能駕駛挑戰(zhàn)賽

智能駕駛挑戰(zhàn)賽中仿真場景

由于汽車行駛環(huán)境尤其是交通路況極其復(fù)雜，具有高度的不確定、不可重復(fù)、不可預(yù)測和不可窮盡等特征，這使得有限的場地或道路測試工況難以完全復(fù)制和重現(xiàn)真實(shí)多樣的行駛環(huán)境，并限于研發(fā)周期和成本，特別是安全因素的考慮，面向智能駕駛測試的仿真場景構(gòu)建研究需依托于數(shù)字虛擬仿真平臺(tái)來實(shí)現(xiàn)。本文研究團(tuán)隊(duì)自主開發(fā)了 PanoSim 智能駕駛模擬仿真軟件，并將仿真場景構(gòu)建與交通建模研究方法應(yīng)用在第 3 屆中 國智能汽車大賽（ChinaIntelligent Driving Challeng，CIDC） 智能駕駛仿真賽與 2020 世界智能駕駛挑戰(zhàn)賽（World Intelligent Driv-ing Challeng，WIDC）中，首次以國產(chǎn)智能駕駛仿真軟件作為大賽仿真平臺(tái)使用。

智能駕駛挑戰(zhàn)賽基于 PanoSim 仿真環(huán)境搭建了多種場景與交通環(huán)境，使得參賽隊(duì)伍能夠接入仿真場景數(shù)據(jù)庫，獲取仿真環(huán)境中的車載傳感信息如攝像頭視頻流、毫米波雷達(dá)數(shù)據(jù)、激光雷達(dá)點(diǎn)云數(shù)據(jù)以及真值信息。智能駕駛挑戰(zhàn)賽的仿真賽場景主要分為決策控制組和感知決策控制組兩類。

3. 1 面向決策控制測試的仿真場景

決策控制組包括安全避撞和自動(dòng)泊車場景兩類，其中安全避撞的車輛使用雷達(dá)傳感器，能直接獲取環(huán)境目標(biāo)數(shù)據(jù); 自動(dòng)泊車使用真值信息。在給定的仿真場景中，參賽隊(duì)伍通過智能駕駛決策—控制策略，實(shí)現(xiàn)智能汽車在測試場景下的駕駛輔助功能。

安全避撞測試內(nèi)容包括典型行人避撞和車輛避撞( 直道、彎道) 測試場景，如圖 4(a)(b)所示。根據(jù)車輛的預(yù)期軌跡，構(gòu)建可威脅到車輛行駛安全的邊界場景，包括設(shè)計(jì)道路的形狀及交通車/人運(yùn)動(dòng)軌跡，以此來考察系統(tǒng)識(shí)別危險(xiǎn)目標(biāo)和主動(dòng)制動(dòng)算法的能力。行人避撞測試場景分為行人在空曠場景橫穿、從視覺盲區(qū)橫穿兩項(xiàng)測試內(nèi)容。直道車輛避撞測試場景分為目標(biāo)車切出場景、目標(biāo)車切入場景。彎道車輛避撞測試場景分為目標(biāo)車彎道制動(dòng)場景、彎道多目標(biāo)車場景。

自動(dòng)泊車的測試內(nèi)容分為標(biāo)準(zhǔn)車位場景，包括水平標(biāo)準(zhǔn)車位和垂直標(biāo)準(zhǔn)車位，以及非標(biāo)準(zhǔn)車位場景，包括水平非標(biāo)準(zhǔn)車位和垂直非標(biāo)準(zhǔn)車位，如圖 4(c)所示。測試車輛根據(jù)場景中車位坐標(biāo)信息，按照自主規(guī)劃線路行進(jìn)和泊車，以檢驗(yàn)系統(tǒng)的規(guī)劃和控制性能。

決策控制的仿真測試可與 Simulink 環(huán)境聯(lián)合仿真，賽隊(duì)可根據(jù)傳感器數(shù)據(jù)和真值數(shù)據(jù)，建立相應(yīng)的決策控制算法 mdl 模塊，并將控制命令連接到主車動(dòng)力學(xué)模型上。


圖 4 面向決策控制的仿真場景
Fig.4 Simulation scenarios for decision and control
( ( a) pedestrian avoidance; ( b) collision avoidance onstraight road and curve; ( c) automated parking)

開發(fā)過程中可使用 Simulink 內(nèi)置模塊，m 語言或 C 語言開發(fā)的 S Function 來實(shí)現(xiàn)算法。

3. 2 面向感知—決策—控制測試的仿真場景

感知決策控制組包括行人安全避撞和基于動(dòng)態(tài)交通流的智能駕駛場景。行人安全避撞指定使用車載像機(jī)，需要參賽隊(duì)伍使用感知算法識(shí)別目標(biāo); 智能駕駛需在給定的虛擬道路交通場景中，通過智能駕駛感知—決策—控制策略操控車輛安全高效地通過測試路段，以檢驗(yàn)其算法的認(rèn)知、決策及規(guī)劃能力，評估其智能駕駛系統(tǒng)性能。

行人安全避撞場景分為行人在空曠場景橫穿和從視覺盲區(qū)橫穿兩項(xiàng)測試，如圖 5(a) 所示，該仿真場景可使用攝像頭視覺傳感器（輸出為RGB 格式圖像數(shù)據(jù)），需利用感知算法獲取目標(biāo)數(shù)據(jù)?；趧?dòng)態(tài)交通流的智能駕駛場景是針對一定交通車密度構(gòu)建的高速公路場景，如圖 5(b) 所示，模擬逼真的交通行駛環(huán)境。交通車的駕駛風(fēng)格可分為謹(jǐn)慎型、穩(wěn)健型和激進(jìn)型 3 種類型，設(shè)定各類型駕駛風(fēng)格的比例來增加比賽難度?？疾煸诟Y、換道、緊急制動(dòng)等場景中的車輛智能駕駛系統(tǒng)感知、決策和規(guī)劃能力。

圖 5 面向感知決策控制測試的仿真場景
Fig.5 Simulation scenarios for perception and decision controltesting ( ( a) pedestrian safety avoidance; ( b) dynamic traffic flow)

感知—決策—控制的測試同樣與 Simulink 環(huán)境聯(lián)合仿真，還提供了基于網(wǎng)絡(luò)協(xié)議的算法接入方式，以支持不同的軟硬件環(huán)境。賽隊(duì)可根據(jù)腳本文件將傳感器數(shù)據(jù)和主車動(dòng)力學(xué)數(shù)據(jù)傳輸?shù)礁鶕?jù)參賽實(shí)際軟硬件環(huán)境自行配置的網(wǎng)絡(luò)地址，以接收主車控制命令。

最后，在建立的智能駕駛仿真平臺(tái)的裁判系統(tǒng)實(shí)現(xiàn)賽題的自動(dòng)成績評定，如圖 6 所示。

4 結(jié) 語

汽車行駛環(huán)境的數(shù)字模擬與仿真測試是一種智能駕駛測試驗(yàn)證的新方法和重要手段，是汽車智能駕駛技術(shù)研究與產(chǎn)品研發(fā)。仿真場景構(gòu)建方法是汽車智能駕駛模擬仿真測試的重要組成部分，其理論和方法有待深入研究。通過分析該領(lǐng)域國內(nèi)外研究現(xiàn)狀，提出了面向智能駕駛測試的仿真場景構(gòu)建方法。在場景構(gòu)建方法研究方面，抽象并深刻凝練能夠反映無限豐富與復(fù)雜行駛環(huán)境的有限場景的關(guān)鍵要素與特征，深入理解場景的網(wǎng)絡(luò)結(jié)構(gòu)與相互耦合關(guān)系，對于場景理論與方法研究至關(guān)重要; 建立場景極限與邊界特征的描述方法形成場景自動(dòng)生成方法能夠極大發(fā)揮智能駕駛的加速測試潛能，更好地為汽車智能駕駛的開發(fā)提供測試驗(yàn)證服務(wù)。


圖 6 智能駕駛仿真賽的成績評定
Fig.6 Performance evaluation of intelligentdriving simulation competition

在交通建模方法方面，深刻理解交通車輛駕駛行為和彼此交互特征，是面向智能駕駛仿真測試的交通建?；A(chǔ)和首要任務(wù); 如何挖掘數(shù)據(jù)信息中車輛駕駛運(yùn)動(dòng)的影響規(guī)律，建立隨機(jī)—危險(xiǎn)特征的交通模型，是實(shí)現(xiàn)面向智能駕駛仿真測試核心和關(guān)鍵。最后介紹了團(tuán)隊(duì)相關(guān)研究在 2020 中國智能駕駛挑戰(zhàn)賽仿真賽和世界智能駕駛挑戰(zhàn)賽的仿真場景應(yīng)用情況。隨著計(jì)算機(jī)軟硬件、實(shí)時(shí)圖形圖像處理、虛擬現(xiàn)實(shí)，特別是并行處理和圖像渲染等模擬仿真技術(shù)的不斷發(fā)展，以及對汽車行駛環(huán)境模擬和環(huán)境傳感器建模技術(shù)的不斷提高，基于模擬仿真的汽車智能駕駛仿真測試技術(shù)必將成為汽車智能駕駛技術(shù)與產(chǎn)品研發(fā)核心競爭力的決定性因素。