1.3　自動駕駛仿真測試的基本概念和關鍵技術

自動駕駛仿真技術是計算機仿真技術在汽車領域的應用，它比傳統ADAS仿真系統更為復雜，對系統在解耦和架構上的要求非常高。類似其他通用仿真平臺，它必須盡可能真實，而對仿真系統進行分析和研究的一個基礎性和關鍵性的問題就是將系統模型化。通過數學建模的方式將真實世界進行數字化還原和泛化，建立正確、可靠、有效的仿真模型是保證仿真結果具有高可信度的關鍵和前提。仿真技術的基本原理是在仿真場景內，將真實控制器變成算法，結合傳感器仿真等技術，完成對算法的測試和驗證。

一個完整的自動駕駛仿真平臺，需要包括靜態場景還原、動態案例仿真、傳感器仿真、車輛動力學仿真、并行加速計算等功能，并能夠較為容易地接入自動駕駛感知和決策控制系統。只有算法與仿真平臺緊密結合，才能形成一個閉環，達到持續迭代和優化的狀態。

在某種意義上，自動駕駛車輛（AV）仿真不同于傳統的車輛仿真，除車輛本身以外，車輛運行的“環境”在評估其應對所有駕駛狀況的方式時也是不可或缺的。自動駕駛的“環境”相當豐富（有時甚至是擁擠的），包括其他車輛、行人、動物，當然也包括道路、人行道、建筑物，乃至氣候條件[7]。

一個完整的自動駕駛仿真軟件從邏輯上包括諸多模塊，針對每個模塊都有一些需要解決的關鍵仿真問題。

1.3.1　高精地圖

高精地圖是自動駕駛車輛開發的關鍵功能。高精地圖不僅旨在提供車輛環境的實時反饋，實現對車輛位置的精確定位，一旦建立了環境的基礎，還可以將標志、交通信號燈、行車道之間的距離、交通流向等添加到地圖上，從而可以在虛擬環境中模擬車輛、行人和其他動態特征環境。環境的動態特征可以從現實世界的車輛日志中生成。

1.3.2　靜態環境模塊

靜態環境模塊指構建、維護靜態場景的模塊，由許多3D模型組成，這些模型用于靜態對象，如建筑物、植被、交通標志、基礎設施、道路類型、車道標記及行人攜帶的設備/物品。在該模塊中需要現實環境，進行保證真實度的建模，以代表真實的世界，其主要特點是能夠自動化構建大規模靜態場景。為了對適當模擬環境條件建模，許多模型需要合并。這些模型的廣度、保真度和多樣性無疑取決于要使用仿真工具解決的問題的類型。例如，如果用戶希望測試整個軟件堆棧，包括與感知相關的算法，那么仿真環境需要包括現實車輛、行人、交通標志等的視覺表現形式上的多樣性[8]。

1.3.3　動態場景模塊

動態場景的生成包括兩個方面：一是微觀的行人、車輛、天氣等行為；二是宏觀的交通流場景構建。實際上目前基于真實統計數據進行仿真很大的一個缺陷是缺少實時互動和相互關聯。在仿真測試過程中，真實場景庫中車輛按實測軌跡行駛，無法與自動駕駛車輛互動，導致主車周邊的車輛行為其實是“不真實”的，會對測試效果產生不利影響。可能的解決辦法是對其他車輛增加智能，比較簡單的方式就是增加規則，如發現前面有車輛就減速、遇到紅燈就停車。復雜點的方式就是對其他行為建模，這樣每一個車輛都是一個智能體。也就是說，對行為的建模可以有兩種方式：一種是基于規則的方式，一種是基于模型的方式。其中，基于模型進行建模的方式是未來的趨勢，伯克利大學推出了多主體的強化學習框架流[9]，也就是說，仿真器中的每一個車輛和行人都可以被訓練為一個智能體，這樣就可以完全模擬更加真實的場景，并且和環境產生互動。通過各種仿真模型和現實交通數據實現虛擬交通是重構詳細交通流的有前景的方法[10]。其核心目標是通過無論是主觀設計的測試場景—用交通事故的數據構造一些場景，還是與真實場景進行組合，或者通過算法增加危險場景的比重，來實現基于盡可能完整的測試場景對于真實交通流下的車輛仿真進行簡化和分解。這一部分的一個主要挑戰是測試場景的泛化能力，如在測試場景中當前車輛的車速可能是30km/h，也可能是60km/h，還可能是90km/h，如何做到對應的場景可以在一定的范圍內自動生成對應的參數，來應對真實場景中無窮的場景組合，是目前一個較難的問題。

1.3.4　傳感器模塊

傳感器使汽車自動駕駛能夠感知其環境，從而發現并分類障礙物，預測速度，協助精確定位車輛周圍的環境。傳感器是連接外界環境和被測車輛的媒介。從仿真角度來講，不管是哪種傳感器，理論上都可以從以下3個不同的層級仿真。第一個層級是對物理信號進行仿真，第二個層級是對原始信號進行仿真，第三個層級是對傳感器目標進行仿真。物理信號仿真，就是直接仿真傳感器接收到的信號。例如，攝像頭直接仿真攝像頭檢測到的光學信號；雷達直接仿真聲波和電磁波信號。原始信號仿真是把傳感器探測單元拆掉，因為在控制電控嵌入式系統中有專門的數字處理芯片，可以直接仿真數字處理芯片的輸入單元。傳感器目標仿真，即傳感器感知和決策如果是分為兩個不同層級的芯片來做，那么可以將傳感器檢測的理想目標直接仿真到決策層算法輸入端。這種目標級輸入信號一般是CAN總線輸入信號，或者其他通信協議格式輸入信號。比如，差分GPS和IMU可以通過串口通信來仿真。一般來說，通過軟件仿真的方式達到目標級仿真，提供真值是比較容易做到的，而原始信號，尤其是物理信號的仿真，因為需要使用大量的仿真設備而相對比較復雜[11]。

1.3.5　動力學模塊

動力學模塊是在車輛仿真中發展最早和最為完善的部分，車輛模型包括自主系統的動力特性和配置。車輛動力學可以包括各種自由度、運動控制、質心和慣性特性、懸架、制動、加速/減速等。傳統的商業仿真軟件在這個領域已經非常成熟，一般將車輛模型參數化，包括車體模型參數化、輪胎模型參數化、制動系統模型參數化、轉向系統模型參數化、動力系統模型參數化、傳動系統模型參數化、空氣動力學模型參數化、硬件I/O接口模型參數化，根據實際測試車輛的動力學模塊配置合適參數。使用這些復雜車輛參數，可以保證車輛的仿真精度更高，使被控對象更接近于真實的對象。同時，它還有一個較好的作用是在制作自動駕駛系統開發時可能涉及一些轉向、制動、線控系統開發，這種系統也需要被控對象模型。有了這些被控對象模型后，我們就可以把真實的線控制動、線控轉向系統和自動駕駛系統集成到大系統中共同做仿真測試。這樣測試的目的和意義主要是為了獨立驗證整個線控系統，同時還可以驗證自動駕駛系統與線控系統的交互。就自動駕駛仿真而言，一個關鍵的問題是虛擬汽車必須還能夠像在現實世界中一樣在仿真中表現剎車、加速等動作；在高速公路或崎嶇不平的道路上行駛時，應表現出和現實中相同的車輛動力學特性。

1.3.6　數據管理模塊和大規模并行計算

仿真工具的主要目的之一是生成數據，用于測試、驗證性能指標等。仿真工具的一個不錯的功能是可以收集用于未來用例的仿真數據，以及用于離線培訓、測試。例如，真實感來自模擬的標記數據可用于訓練和測試機器學習技術，可以減少對現實世界數據收集的需求。在有了豐富的交通場景庫、準確的傳感器仿真模型和車輛動力學仿真模型后，如何通過仿真平臺加速自動駕駛算法測試和驗證的迭代周期，這一問題可以通過純軟件方式的并行計算架構實現。

此外，仿真平臺除借助傳感器仿真、車輛動力學仿真，通過純軟件的方式接入自動駕駛感知和決策控制系統形成閉環測試之外，集成部分硬件系統的驗證測試也是系統開發與驗證不可或缺的一部分。通過仿真環境，結合部分硬件系統的計算結果進行測試，可以使軟件和硬件的兼容性和功能完整性得以驗證，用較低的成本測量驗證子系統模塊功能安全性。局部子系統的全方位測試驗證，可以方便、有針對性地達到系統辨識和錯誤追蹤定位的目的。[1]在自動駕駛仿真系統解耦架構的基礎上，作為自動駕駛系統的感知部分，包括攝像頭、激光雷達、毫米波雷達、超聲波雷達、GPS/IMU、V2X等，該部分的性能決定了自動駕駛車輛能否適應復雜多變的交通環境。針對不同的傳感器，硬件在環會根據不同的傳感器和環境因素來部署。前面我們提到的傳感器仿真中的物理信號仿真和原始信號仿真，都與硬件在環相關。