模擬仿真技術(shù)在智能網(wǎng)聯(lián)汽車開發(fā)中的作用

0   引言

智能網(wǎng)聯(lián)汽車是指搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)的新一代汽車^[1-2]。從國(guó)家產(chǎn)業(yè)發(fā)展層面以及市場(chǎng)需求來看，以車輛安全為核心目標(biāo)的智能網(wǎng)聯(lián)汽車技術(shù)必將受到越來越多的重視，國(guó)家智能網(wǎng)聯(lián)汽車發(fā)展規(guī)劃路線圖指出，到2025 年，我國(guó)部分自動(dòng)駕駛、有條件自動(dòng)駕駛智能網(wǎng)聯(lián)汽車將有望占當(dāng)年汽車市場(chǎng)銷量的50%，高度自動(dòng)駕駛智能網(wǎng)聯(lián)汽車開始進(jìn)入市場(chǎng)（如圖1~3）。根據(jù)國(guó)家智能網(wǎng)聯(lián)發(fā)展規(guī)劃，我們可以得出以下結(jié)論。

①智能網(wǎng)聯(lián)汽車從單車智能化逐步向智能化與網(wǎng)聯(lián)化融合的方向發(fā)展；

圖1 智能網(wǎng)聯(lián)汽車發(fā)展里程碑

圖2 智能網(wǎng)聯(lián)汽車總體技術(shù)路線圖（1）

圖3 智能網(wǎng)聯(lián)汽車總體技術(shù)路線圖（2）

②自動(dòng)駕駛推動(dòng)新型電子電氣架構(gòu)演進(jìn)，軟件定義、數(shù)據(jù)驅(qū)動(dòng)汽車將成為未來發(fā)展趨勢(shì)；

③智能網(wǎng)聯(lián)汽車新技術(shù)在特定場(chǎng)景優(yōu)先得到實(shí)踐應(yīng)用，隨著技術(shù)不斷驗(yàn)證與成熟，逐步向城市及郊區(qū)道路、高速公路等場(chǎng)景拓展；

④未來路側(cè)基礎(chǔ)設(shè)施將加速智能化進(jìn)程，連接云控平臺(tái)與智能網(wǎng)聯(lián)汽車將形成多級(jí)化智能網(wǎng)聯(lián)交通體系。

1   智能網(wǎng)聯(lián)架構(gòu)及開發(fā)流程

與傳統(tǒng)的燃油汽車和電動(dòng)汽車不同，智能網(wǎng)聯(lián)汽車的開發(fā)更加注重整車智能行駛性能開發(fā)和控制系統(tǒng)開發(fā)，核心是其控制系統(tǒng)中的控制策略、算法、軟件、硬件、測(cè)試的開發(fā)。因此，非常有必要修正傳統(tǒng)車的開發(fā)流程以滿足智能網(wǎng)聯(lián)車產(chǎn)品開發(fā)需要。

不同于傳統(tǒng)的正向開發(fā)過程，V 模型強(qiáng)調(diào)控制軟件、硬件開發(fā)的協(xié)作和速度，它將軟硬件設(shè)計(jì)和驗(yàn)證有機(jī)地結(jié)合起來，使軟硬件生命周期中每一個(gè)開發(fā)活動(dòng)都對(duì)應(yīng)一個(gè)測(cè)試活動(dòng)，并且兩者是同時(shí)進(jìn)行的，可以在保證較高的軟硬件質(zhì)量情況下縮短開發(fā)周期（如圖4~6）。

圖4 智能網(wǎng)聯(lián)汽車功能架構(gòu)

圖5 智能網(wǎng)聯(lián)汽車系統(tǒng)架構(gòu)

圖6 智能網(wǎng)聯(lián)汽車產(chǎn)品開發(fā)V字流程

針對(duì)智能駕駛的仿真測(cè)試同樣必須滿足汽車的V 字開發(fā)流程，具備覆蓋MIL（模型在環(huán)）、SIL（軟件在環(huán)）、HIL（硬件在環(huán)）、VIL（車輛在環(huán)）全開發(fā)流程的測(cè)試驗(yàn)證的能力。

2   模擬仿真技術(shù)的重要性

模擬仿真技術(shù)是智能網(wǎng)聯(lián)汽車產(chǎn)品開發(fā)的要求，智能網(wǎng)聯(lián)汽車在投產(chǎn)前，需要經(jīng)歷大量的道路測(cè)試驗(yàn)證才能達(dá)到產(chǎn)品商業(yè)化要求。采用道路測(cè)試來優(yōu)化自動(dòng)駕駛性能耗費(fèi)的時(shí)間和成本太高。據(jù)美國(guó)蘭德公司的研究，自動(dòng)駕駛算法想要達(dá)到人類駕駛員水平至少需要累計(jì)177 億公里的駕駛數(shù)據(jù)來完善算法；道路測(cè)試受到交通法規(guī)和保險(xiǎn)理賠機(jī)制限制；極端場(chǎng)景和危險(xiǎn)工況行駛的安全得不到保障，且工況難以復(fù)現(xiàn)；世界各國(guó)交通環(huán)境和規(guī)則不同，形成通用的產(chǎn)業(yè)鏈體系比較困難。到2025 年左右，仿真系統(tǒng)實(shí)現(xiàn)MIL 90% 場(chǎng)景覆蓋、HIL 80% 場(chǎng)景覆蓋；具備支持CA 級(jí)智能網(wǎng)聯(lián)汽車測(cè)試驗(yàn)證的MIL、HIL 仿真測(cè)試系統(tǒng)，初步建立實(shí)車交通環(huán)境在環(huán)平臺(tái)。到2030 年左右，完成仿真環(huán)境下的V2X測(cè)試工況和測(cè)試評(píng)價(jià)體系建立，實(shí)現(xiàn)MIL 95% 場(chǎng)景覆蓋、HIL 90% 場(chǎng)景覆蓋。具備支持HA 級(jí)智能網(wǎng)聯(lián)汽車測(cè)試驗(yàn)證的MIL、HIL、VIL 仿真測(cè)試系統(tǒng)?！吨袊?guó)自動(dòng)駕駛仿真藍(lán)皮書2020》指出：目前自動(dòng)駕駛算法測(cè)試大約90% 通過仿真平臺(tái)完成，9% 在測(cè)試場(chǎng)完成，1% 通過實(shí)際路測(cè)試完成。隨著仿真技術(shù)水平的提高和應(yīng)用的普及，行業(yè)將通過仿真平臺(tái)完成99.9％的測(cè)試量，封閉場(chǎng)地測(cè)試0.09%，最后0.01％到實(shí)路上去完成，這樣可以使自動(dòng)駕駛汽車研發(fā)更高效、更經(jīng)濟(jì)。因此，模擬仿真技術(shù)在智能駕駛開發(fā)中扮演著至關(guān)重要的角色。

3   國(guó)內(nèi)外智能駕駛模擬仿真技術(shù)發(fā)展現(xiàn)狀

德國(guó)自動(dòng)化及測(cè)量系統(tǒng)標(biāo)準(zhǔn)協(xié)會(huì)（ASAM）是一家非政府的汽車領(lǐng)域標(biāo)準(zhǔn)化制定機(jī)構(gòu)。截至2019 年，共有來自亞洲、歐洲、北美洲的295 家整車廠、供應(yīng)商及科研機(jī)構(gòu)加入成為會(huì)員。ASAM 推出的標(biāo)準(zhǔn)涉及多個(gè)汽車標(biāo)準(zhǔn)領(lǐng)域，包括仿真、車聯(lián)網(wǎng)、測(cè)量與校準(zhǔn)、診斷、自動(dòng)化測(cè)試、軟件開發(fā)、ECU 網(wǎng)絡(luò)和數(shù)據(jù)管理與分析等。ASAM 啟動(dòng)的OpenX 包含仿真測(cè)試標(biāo)準(zhǔn)達(dá)到了5 項(xiàng)（如圖7）。

圖7 ASAM仿真格式標(biāo)準(zhǔn)

2019 年中國(guó)數(shù)據(jù)（中汽中心下屬中汽數(shù)據(jù)有限公司）與ASAM 合作，共同組建C-ASAM 工作組，對(duì)ASAM OpenX 標(biāo)準(zhǔn)的仿真場(chǎng)景標(biāo)準(zhǔn)進(jìn)行了拓展。

圖8 智能駕駛仿真系統(tǒng)框架

4   智能網(wǎng)聯(lián)模擬仿真技術(shù)應(yīng)用

完整的智能駕駛仿真平臺(tái)包括靜態(tài)場(chǎng)景庫(kù)、動(dòng)態(tài)案例仿真、感知傳感器仿真、車輛動(dòng)力學(xué)仿真、路徑規(guī)劃決策算法驗(yàn)證等功能?？傮w來說，自動(dòng)駕駛核心算法包括感知融合算法、決策規(guī)劃算法、控制算法三大環(huán)節(jié)。相應(yīng)的，智能駕駛仿真測(cè)試平臺(tái)也應(yīng)該具備完成上述三個(gè)算法的仿真測(cè)試能力，感知融合算法仿真需要高還原度的三維重建場(chǎng)景和精準(zhǔn)的傳感器模型；決策規(guī)劃算法的仿真需要大量的場(chǎng)景庫(kù)為支撐；控制算法的仿真需要引入精準(zhǔn)的車輛動(dòng)力學(xué)模型。虛擬場(chǎng)景構(gòu)建：智能駕駛汽車的仿真測(cè)試，首先需要模擬構(gòu)建出與真實(shí)世界一致的車輛運(yùn)行場(chǎng)景，而場(chǎng)景的構(gòu)建可以分為靜態(tài)場(chǎng)景構(gòu)建和動(dòng)態(tài)場(chǎng)景構(gòu)建兩個(gè)層面。靜態(tài)場(chǎng)景構(gòu)建的作用是還原出場(chǎng)景中與車輛行駛相關(guān)的靜態(tài)元素，例如道路（包括材質(zhì)、車道線、減速帶等）；靜態(tài)交通元素（包括交通標(biāo)志、路燈、車站、隧道、周圍建筑等）。最常用的手段是基于高精度地圖及三維重建技術(shù)完成場(chǎng)景的構(gòu)建，或者基于增強(qiáng)現(xiàn)實(shí)的方法來構(gòu)建場(chǎng)景。廣義的動(dòng)態(tài)場(chǎng)景元素包括動(dòng)態(tài)指示設(shè)施、通信環(huán)境信息等動(dòng)態(tài)環(huán)境要素，以及交通參與者（包括機(jī)動(dòng)車行為、非機(jī)動(dòng)車行為、行人行為等）、氣象變化（雨、雪、霧等天氣狀況）、時(shí)間變化（主要是不同時(shí)刻光照的變化）等。感知系統(tǒng)仿真：攝像頭仿真的一般方法是基于環(huán)境物體的幾何空間信息構(gòu)建對(duì)象的三維模型，直白一點(diǎn)就是生成逼真的圖像；毫米波雷達(dá)仿真：一般會(huì)根據(jù)配置的視場(chǎng)角和分辨率信息，向不同方向發(fā)射一系列虛擬連續(xù)調(diào)頻毫米波，并接收目標(biāo)的反射信號(hào)。不同車輛的雷達(dá)回波強(qiáng)度可使用微表面模型能量輻射計(jì)算方式，由車輛模型以及車輛朝向、材質(zhì)等計(jì)算；激光雷達(dá)仿真：參照真實(shí)激光雷達(dá)的掃描方式，模擬每一條真實(shí)雷達(dá)射線的發(fā)射，與場(chǎng)景中所有物體求交；智能駕駛汽車在仿真測(cè)試中，需要借助車輛動(dòng)力學(xué)模型模擬車輛來客觀評(píng)價(jià)決策及控制算法。因?yàn)?，?fù)雜的車輛模型，可以保證車輛有良好的仿真精度，使被控制對(duì)象的反應(yīng)更貼近真實(shí)世界。車輛動(dòng)力學(xué)仿真：車輛動(dòng)力學(xué)模型是基于多體動(dòng)力學(xué)搭建的模型，其中包含了車體、懸架系統(tǒng)、轉(zhuǎn)向系統(tǒng)、制動(dòng)系統(tǒng)、動(dòng)力系統(tǒng)、傳動(dòng)系統(tǒng)、車輛動(dòng)力學(xué)系統(tǒng)、硬件IO 接口等多個(gè)真實(shí)部件的車輛模型。將這些被控對(duì)象模型參數(shù)化之后，就可以把真實(shí)的線控制動(dòng)、線控轉(zhuǎn)向系統(tǒng)和智能駕駛系統(tǒng)集成到大系統(tǒng)中共同做仿真測(cè)試。云加速仿真：仿真系統(tǒng)在進(jìn)行仿真任務(wù)時(shí)需要訪問大量采集或者生成的數(shù)據(jù)，并根據(jù)生成的數(shù)據(jù)利用CPU和GPU 資源對(duì)數(shù)據(jù)進(jìn)行再處理并還原，或者對(duì)已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行GPU 渲染再現(xiàn)。這就需要使用一種機(jī)制將仿真任務(wù)分配到多個(gè)機(jī)器上，并且讓所有機(jī)器協(xié)同工作，這樣做能夠降低單個(gè)機(jī)器的性能需求，從而使得大規(guī)模仿真任務(wù)得以實(shí)現(xiàn)。

4   結(jié)束語(yǔ)

智能駕駛模擬仿真技術(shù)在智能駕駛產(chǎn)品開發(fā)中將發(fā)揮著越來越重要的作用，可以說該技術(shù)關(guān)系著智能網(wǎng)聯(lián)產(chǎn)品開發(fā)的成敗，在整車開發(fā)流程中，建立V 模型的控制系統(tǒng)開發(fā)流程體系，嚴(yán)格把控系統(tǒng)的策略、算法、軟件、軟件及測(cè)試質(zhì)量，產(chǎn)品設(shè)計(jì)階段加強(qiáng)智能駕駛仿真技術(shù)（MIL、SIL、HIL、VIL）應(yīng)用，產(chǎn)品路試之前，進(jìn)行VIL 測(cè)試，可以節(jié)省智能網(wǎng)聯(lián)產(chǎn)品的開發(fā)周期，并可有效提升智能網(wǎng)聯(lián)產(chǎn)品的開發(fā)質(zhì)量。

參考文獻(xiàn)：

[1] 狄佐龍.智能網(wǎng)聯(lián)汽車仿真測(cè)試方法[J].汽車工程師.2019(4):35-38.

[2] 馬文靜.基于城市智能汽車的感知服務(wù)仿真系統(tǒng)的研究與實(shí)現(xiàn)[D].北京:北京郵電大學(xué),2017.

[3] 柴琳果,蔡伯根,上官偉，智能網(wǎng)聯(lián)智能車運(yùn)動(dòng)學(xué)仿真基礎(chǔ)環(huán)境構(gòu)建方法[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）,2018,46(1):72-83.

（本文來源于《電子產(chǎn)品世界》雜志2021年9月期）