基于數字孿生技術的智能汽車測試方法研究*

趙樹廉，來 飛，李克強，陳 濤，孟璋劼，唐逸超，吳思宇，田浩東

（1.清華大學車輛與運載學院，北京 100084；2.中國汽車工程研究院股份有限公司，重慶 401122；3.重慶理工大學車輛工程學院，重慶 400054；4.重慶大學機械與運載工程學院，重慶 400044）

前言

智能汽車或自動駕駛車輛研發目前已成為國內外高校和科研機構的研究熱點。“落地應用難”是自動駕駛技術現階段的主要問題，如何高效可信地對智能汽車進行測試評價成為其快速推廣應用的關鍵。

現有的關于智能汽車相關的測試手段，主要包括：仿真測試（software in the loop，SIL）、硬件在環（hardware in the loop，HIL）、整車在環（vehicle in the loop，VIL）、實車場地測試、實車道路測試等方法［1］。其中，SIL 測試采用純仿真手段，一般用于早期的控制器開發；HIL 測試中只有被測控制器是真實的硬件，采用的車輛為虛擬的動力學模型；VIL 測試中用實車代替車輛動力學模型，在實驗室環境下進行相關測試［2-4］。文獻［2］中建立了配備（advanced driving assist system，ADAS）功能的全尺寸車輛，底盤測功機用于模擬道路交互，機器人車輛可模擬其它運動的障礙車輛；文獻［3］中采用可轉向的底盤測功機試驗臺，對基于攝像頭的車道保持（LKA）和自適應巡航控制（ACC）的功能進行了相關測試；文獻［4］中基于車輛在環仿真環境，對交叉口的自動駕駛車輛交通管理方法進行了測試，旨在保證車輛安全的前提下盡量減少停車次數和能耗。

相比SIL、HIL及VIL測試，場地測試和道路測試采用真實被測車輛，但往往存在著測試場景單一、效率低和成本高的缺點。Kalra等［5］針對自動駕駛汽車的安全性問題，提出了迫切需要一種新的測試方法來證明其安全性和可靠性。Zhao 等［6-7］建議采取加速測試評估方法來對自動駕駛車輛進行測試，通過加速測試模擬，可將200 萬到2 000 萬英里真實駕駛中遇到的風險場景，在虛擬場景中將其縮短至1 000英里，從而大大縮短自動駕駛車輛的開發和驗證時間。在虛擬場景的開發過程中，部分學者針對車載激光雷達模擬進行了大量研究工作，文獻［8］中通過在PC工作站上搭建激光雷達仿真模塊、高精度三維場景模型和數據接口模塊，可以實現64 線車載激光雷達對道路場景的實時模擬；文獻［9］中提出了一種新的激光雷達模擬器，它通過合成障礙物如車輛、行人和其他可移動物體來增強真實的點云，模擬數據可以達到95%以上的精度；文獻［10］中通過增強自主駕駛模擬，使用激光雷達和照相機掃描街道場景，為汽車和行人生成高度可信的交通流，并將其合成到測試場景中，通過該方法，可以將虛擬環境的靈活性與真實世界結合起來，從而靈活地模擬任何場景。Feng 等［11-12］提出了測試場景庫的系統框架，與道路測試方法相比，該仿真測試框架能夠以更少的測試次數獲得準確的評估結果。

近年來，基于數字孿生的智能汽車測試目前正得到研究者們的高度關注［13-19］。數字孿生測試能夠將物理模型和傳感器虛擬數據在孿生空間中實現實時映射，是仿真空間與現實空間的溝通橋梁。相比仿真測試，數字孿生測試采用真實的路面、真實的控制器和車輛執行機構，測試環境更符合實際情況，測試結果更真實可信；相比單個控制器的硬件在環測試，數字孿生測試可以評估車輛的整體性能與執行效果；相比實車場地或道路測試，數字孿生測試可以快速便捷地重現危險事故場景與關鍵測試場景，測試效率和安全性更高，測試成本也相對較低。文獻［13］中通過數字孿生混合測試，結合模擬和真實測試的優點，在歐盟INFRAMIX 項目中已得到應用，對智能車軌跡規劃算法進行了測試評估；文獻［14］中運用數字孿生平行測試系統實現了更具挑戰性的測試，從而加速自動駕駛車輛的評估和開發；文獻［15］中運用數字孿生測試方法，通過5G 蜂窩移動技術，在匈牙利M86 公路和ZalaZONE 試驗場進行了試驗測試，表明了測試方法的可行性和有效性；文獻［16］中對數字孿生的演變和背景及優點進行了詳細介紹，表明了借助數字孿生技術可大大減小人為錯誤的可能性；文獻［17］中借助數字孿生方法部署了一個海洋觀測系統協作水下網絡；文獻［18］中從需求的角度探討了數字孿生作為決策工具的必要性；文獻［19］中設計了一個數字孿生支持框架，提出基于信息融合和系統邏輯庫的生成方法來提升框架的配置性能。

綜上，數字孿生技術對于推動智能汽車功能開發及測試評價具有較大的現實意義。然而，關于數字孿生技術在智能汽車中的具體實現、有效性驗證及應用的研究報道還相對較少。基于此，本文提出了一種基于數字孿生的智能汽車測試總體框架，實現了測試系統的硬件與軟件部分的合理匹配，并通過實際典型案例分析，對所提出的測試系統的有效性進行了相應的驗證。

1 數字孿生測試系統框架

數字孿生測試系統主要包括實際車輛和虛擬測試平臺兩個部分。實際車輛為具備智能駕駛功能的實際被測對象，虛擬測試平臺包括虛擬道路環境和傳感器模型等，傳感器將探測到的虛擬目標信息發送給搭載智能駕駛功能的真實被測車輛，為真實車輛進行信息融合與決策控制提供基礎。一方面，真實車輛在試驗場地進行測試，與此同時，被測車輛的運動狀態信息同步反饋給虛擬場景，從而完成虛、實狀態的同步，實現整個數字孿生系統的閉環實時仿真測試。測試系統由4 個核心模塊組成：（1）仿真軟件模塊；（2）目標接收和采集模塊；（3）整車報文管理模塊；（4）運動軌跡映射模塊。通過上述4 個模塊與實車端相連接，從而構建起整個數字孿生測試平臺。

系統在運行過程中，首先，借助仿真軟件模塊生成所需開發測試的虛擬場景，并在仿真軟件中建立多種虛擬傳感器模型，將虛擬傳感器探測到的目標信息通過總線的形式注入到實車上的控制器中，為實車進行信息融合與控制決策提供輸入；接著，實車控制器將決策后的加速、制動以及轉向指令發送給實際執行器，同時通過組合慣導將實車車身姿態和車輛位置等狀態信息同步反饋給虛擬場景，完成實車在仿真場景中的姿態位置信息映射，進而實現整個系統的閉環實時仿真。在此期間，運動軌跡映射模塊不間斷地采集實車運動的經緯度和姿態信息，基于亞爾勃斯（Albers）投影方法將實車經緯度坐標轉換為笛卡爾坐標，并基于地圖匹配及卡爾曼濾波相結合的方法實現將現實世界映射到仿真場景中，從而達到車輛位置和姿態在虛擬世界與現實世界的同步，確保完成整個數字孿生測試平臺的搭建與正常運行。

數字孿生測試系統整體框架如圖1所示。

圖1 數字孿生測試系統框架

2 數字孿生系統構建技術

數字孿生測試系統將替代實車上的真實傳感器向實車控制器發送檢測到的虛擬障礙物信息，以達到測試實車控制器功能表現目的，因此，須保證數字孿生系統輸出的仿真傳感器信息能與實車上的真實傳感器在理想狀態下的輸出信息保持一致，進而確保在真實傳感器參與的情況下，數字孿生測試結果與實車功能表現盡可能一致。基于上述條件，本文中數字孿生測試系統實現主要包括平臺構建及關鍵技術、平臺軟件系統構建、平臺硬件系統構建與時間同步軟硬件設計4個部分。

2.1 系統構建關鍵技術

2.1.1 基于亞爾勃斯（Albers）的位置映射方法

運動軌跡映射模塊功能之一是不間斷地采集實車運動的經緯度信息并映射到虛擬環境系統中。由于經緯度信息采用地理坐標系（geographic coordinate system），而虛擬環境系統采用笛卡爾坐標系，故需采用一種投影方法將實車的經緯度信息轉換為笛卡爾坐標系中的三維坐標信息，從而實現將實車的運動軌跡映射到仿真場景中。由于我國處在中低緯度地區，在轉換過程中需采用合適的投影方法來控制映射過程中產生的形變和確保長距離行駛的車輛軌跡映射到仿真場景中不變形，因此本方案采用亞爾勃斯投影方法。

亞爾勃斯（Albers）投影是正軸圓錐投影，投影的各經線是向一點收斂的直線，直線間的夾角與相應的經度差成比例，各緯線是以收斂點為圓心的同心圓弧。因此在構置圖網時可以采用極坐標算法。其計算公式為

式中：δ是極角；ρ為經緯度的展開半徑；λ指經度差；α為按照等體積條件求取的投影常數，與兩條標準緯線的緯度有關；R則是與地球橢球體等面積的球體半徑，其近似值為R≈63711167 m。

2.1.2 基于卡爾曼濾波的位姿高精度優化技術

運動軌跡映射模塊的另一功能是通過組合慣導采集實車運動的姿態信息并映射到虛擬環境系統中。當車輛姿態發生變化時，由于車輛姿態的變化頻率大于采樣頻率，因此會導致虛擬仿真系統接收到的信息延遲。同時，由于組合慣導采集的信息為車輛的局部姿態信息，該信息與車輛整體的姿態信息存在差異，不能夠很好地反映整車實際的運動狀態。因此采用基于卡爾曼濾波的位姿高精度優化技術來提高車輛運動姿態映射的精度。

基于卡爾曼濾波的位姿高精度優化技術的核心在于不同信息源的融合。將卡爾曼濾波應用于位姿高精度優化技術中，就是將虛擬與現實姿態信息綜合用于姿態預測。通過卡爾曼濾波不斷修正空間中被測車輛的姿態信息，將濾波之后的姿態信息輸入至虛擬環境中，從而使得映射到虛擬環境中的車輛運動姿態信息精度更高、運動軌跡更加平滑。

取當前時刻目標物的姿態信息為

計算狀態更新方程可用1 階馬爾可夫過程描述為

式中：T為采樣周期；WX(k)為白噪聲。假設各個時刻狀態噪聲不相關，可得到相關狀態協方差矩陣為

以前一時刻狀態點Ω的位姿狀態為觀測值，即

離散觀測方程為

式中：H=diag（1，1，1）；WZ(k)為觀測噪聲。觀測噪聲協方差矩陣R為

2.2 平臺軟件系統構建

2.2.1 虛擬外部環境

數字孿生測試的首要前提是建立起虛擬的外部測試環境。本文利用51World 公司開發的多功能虛擬仿真系統51Simone 來實現外部虛擬環境的建模。該仿真系統提供了兩種仿真三維場景的能力，一種是通過多種方式創建、導入或編輯高精地圖，添加必要的交通設施和建筑物等物體的描述，在運行時調用相關三維模型資源自動生成虛擬仿真場景的方式；另一種是針對具體的測試場景，采用測繪數據建立或虛擬編輯的方式創建高精地圖，并基于地圖自動生成、結合人工建模的方式創建高真實感的虛擬仿真場景的方式。圖2 為構建虛擬仿真環境的基本流程。

圖2 靜態場景創建和處理流程

2.2.2 車輛與傳感器

該仿真系統提供了基于Web的3D主車編輯器，方便配置主車模型。可以將自定義的主車模型導入仿真系統，以便使用該主車模型進行交互式的車輛配置。

傳感器支持的種類包括攝像頭、毫米波雷達、激光雷達、超聲波雷達、GPS/IMU 和理想傳感器等，并實時觀察傳感器的覆蓋范圍。可通過交互式的方式進行多傳感器的添加，位置調整和參數設置，也支持自傳感器定義參數化擴展。輸出包括主車的位置、朝向、速度、加速度和角速度，以及所有目標障礙物的相對位置、朝向、大小、相對速度及2D 包圍盒等信息。

其中，攝像頭仿真的基本參數包括攝像頭的外參、內參和畸變參數。上述參數會在內部轉換為投影矩陣，保證全局坐標系-相機坐標系-圖像坐標系-像素坐標系整個過程的正確轉換，并輸出與真實相機效果一致的圖像。毫米波雷達模型基于毫米波雷達原理的射線追蹤，并對回波作數字信號處理。理想傳感器可以模擬完美傳感器，返回主車一定范圍內探測到的障礙物機動車，行人，非機動車，支持按一定比例剔除有遮擋的障礙物，返回數據包括障礙物位置、朝向、凸包、包圍盒、速度、加速度和角速度等。

2.3 平臺硬件系統構建

數字孿生測試系統作為一套與實車進行高度匹配的聯合仿真系統，對實時性有較高要求。因此，需要保證硬件資源足夠，即CPU 和GPU 性能要求較高。

硬件系統主要包括：（1）上位機（PC 機、工控機等）；（2）組合慣導采集系統（如VBOX 等）；（3）通信板卡。數字孿生測試系統主要在上位機中運行，上位機含有豐富的外設接口，各硬件設備均能在車載工況下穩定運行。組合慣導數據采集系統實時、準確地計算記錄實際車輛的姿態和位置信息，同時，將上述信息同步映射到仿真軟件里的主車上，達到將實車映射到虛擬場景的目的。此外，PC 機還通過USB2.0 端口連接USBCANFD 接口卡，從而能與CAN（FD）網絡進行數據收發，構成CAN（FD）-bus控制節點。

2.4 軟硬件時間同步設計

數字孿生測試系統的同步主要由位姿映射系統、仿真軟件及目標注入系統3 個部分來完成，各系統采用獨立的進程以達到各個系統解耦及運行時間的獨立性。首先，位姿映射系統采用獨立進程映射實車測試的位置和姿態信息到仿真軟件中，其運行周期為ΔT1；其次，仿真軟件進程需以其最低運行周期工作ΔT2，并輸出計算后的環境信息；最后虛擬目標注入系統則采用低于車輛報文周期ΔT的時間步長ΔT3循環獲取來自仿真軟件的目標信息并更新到源數據當中，同時使用獨立的線程，按照測試車輛的報文周期更新報文。數字孿生測試系統測試周期流程示意如圖3所示。

圖3 數字孿生測試系統周期流程圖

為保證實時性和同步性，ΔT、ΔT1、ΔT2、ΔT3還須滿足如下關系式：

3 系統有效性驗證

為驗證系統的有效性，本文通過選用典型的駕駛輔助功能自適應巡航控制（adaptive cruise control，ACC）和自動緊急制動（automatic emergency braking，AEB）作為被測系統，同時采用本文研究開發的數字孿生測試系統和虛擬仿真方法對ACC 和AEB 進行對比試驗。下面針對某款車型，首先在仿真環境下開發了相應的控制器，然后對相應的控制算法進行了基于數字孿生的試驗測試。

3.1 自適應巡航仿真及試驗驗證

3.1.1 仿真分析

采用車間時距模型進行ACC 上層控制器的開發，其表達式如式（18）所示。式中：dres為期望的車間距；vego為自車即被測車輛的縱向行駛速度；th為所預先設定的安全時間，取2.3 s；d0為兩車之間的安全距離，取5 m。

下層跟蹤控制環節采用雙重PI 控制算法，即對車輛位置和速度同時進行PI 的反饋跟蹤控制，其中：位置控制器的控制參數為Ps=1，Is=0.05；速度控制器的控制參數為Pv=0.9，Iv=0.2。

仿真測試工況如下：假定開始時兩車距離5 m，均處于靜止狀態，如圖4所示；在t=0時刻，前車即目標車輛以1 m/s2的加速度起步，勻加速至10 m/s，然后保持10 m/s 的速度勻速行駛3 s；接著再以4 m/s2的減速度進行制動至停車。

圖4 ACC測試場景示意

仿真測試結果如圖5 和圖6 所示。其中圖5 為后車即測試車輛的車速與目標車輛車速的響應對比，圖6 為兩車相對位移的響應。可以看出，當目標車輛以1 m/s2的加速度勻加速起步時，后車即被測車輛的響應有一定的滯后，滯后時間約為2.5 s，這與上層安全距離模型中預先設定的安全時間有關。安全時間既不能太短，同時也不宜過長，一般取為2 s左右。此外，在跟車過程中，被測車輛的車速和相對位移均出現了一定的波動，這與下層控制器的設計有一定關系。當前車制動至停車后，兩車相對位移基本保持在5 m 左右，這與預先設定的安全距離有關。

圖5 實際車速與目標車速對比

圖6 兩車相對位移

3.1.2 基于數字孿生的ACC試驗測試

利用本文構建的數字孿生測試系統，對上述工況進行了同樣的測試和驗證，采用的測試工況與3.1.1節中的完全相同。與3.1.1節中有區別的是，此時的被測車輛為具有實際執行機構的真實車輛。目標車輛為51Simone 仿真環境下的虛擬車輛。自適應巡航功能測試示意如圖7所示。

圖7 自適應巡航功能測試示意

數字孿生的試驗測試結果如圖8 和圖9 所示。其中，圖8 為實際車輛的車速，圖9 為實際車輛與虛擬目標車輛的相對位移。為方便對比，將純仿真測試結果也一并進行了顯示，紅色虛線為數字孿生的試驗測試結果，黑色實線為純仿真的結果。可以看出，純仿真響應結果與數字孿生的試驗測試結果基本一致。由于基于純仿真的控制器開發沒有考慮到自車質量、油門踏板與制動壓力的實際響應特性，僅僅將車輛縱向加速度作為控制變量，因此得到的各指標響應出現了一定程度的波動。而基于數字孿生的試驗測試中，被測車輛為含有執行機構的真實車輛，各指標波動相對較小。

圖8 車速對比

圖9 兩車相對位移對比

3.2 自動緊急制動仿真及試驗驗證

3.2.1 仿真分析

上層系統采用Honda 安全距離算法［20］，計算公式如式（19）所示。

式中：αr為自車最大減速度；αf為前車最大減速度；vf為前車速度；vr為自車速度；vrel為相對車速；tl為系統延遲時間；t2為制動時間。

具體的控制策略為：當實際相對距離小于預設安全距離dbr時，AEB 系統采取自動緊急制動措施，為保證緊急制動時車輛依然有一定的轉向能力，將制動減速度設置為路面能夠提供最大制動減速度的80%。

圖10 為測試場景示意圖。測試工況如下：路面為良好、干燥瀝青混凝土路面，路面附著系數不小于0.9。測試車輛與目標障礙車輛的初始車距為150 m，目標障礙車輛始終保持靜止，測試車輛分別以60 和40 km/h的車速勻速靠近靜止障礙車輛。

圖10 AEB測試場景示意

測試車輛在兩種不同車速下的仿真結果分別如圖11 和圖12 所示，其中圖11（a）～圖11（c）分別為自車以約60 km/h 初始車速勻速靠近時，兩車相對距離、相對速度以及自車加速度的響應情況。當初始車速為60 km/h 時，測試車輛勻速行駛8.8 s 后，AEB系統采取緊急制動措施，減速度的大小約為8 m/s2，最終在距離前車約2.7 m 的地方靜止。當測試車速為約40 km/h 時，測試車輛勻速行駛14.1 s 后，AEB系統采取緊急制動措施，減速度的大小同樣約為8 m/s2，成功避撞后的安全距離約為3.7 m。

圖11 仿真結果（車速60 km/h）

圖12 仿真結果（車速40 km/h）

3.2.2 基于數字孿生的AEB試驗測試

對上述相同工況進行了基于數字孿生的實車驗證測試，圖13 和圖14 分別為兩種不同車速工況下，仿真與實車測試的對比結果。其中圖13（a）～圖13（c）分別為自車以約60 km/h 初始車速勻速靠近時，兩車相對距離、相對速度以及后車加速度的響應情況。可以看出，由于在試驗過程中，實際車速和加速度存在一定的波動，導致最終的停車距離與仿真結果有一定差異，但總體趨勢基本一致。

圖13 仿真與試驗對比（車速60 km/h）

圖14 仿真與試驗對比（車速40 km/h）

3.3 試驗結論

通過與仿真測試方法對比，表明了數字孿生測試方法對智能汽車的測試有效。在進一步研究中，將數字孿生測試方法與真實車輛測試進行對比，從而對本方法與實車測試結果的一致性進行評估，提高智能汽車數字孿生仿真測試方法的實用性，進而實現數字孿生仿真平臺的閉環仿真測試。

4 結論

數字孿生測試技術作為一種新興的智能汽車測試技術，對于智能汽車功能開發及測試驗證具有較大的推動作用，其相關技術的快速推廣應用對加快智能汽車自動駕駛產品的落地具有決定性的作用。本文針對智能車輛數字孿生測試系統的具體實現，從總體框架、軟件和硬件實現等方面進行了具體介紹，并結合自適應巡航和自動緊急制動控制器的開發及驗證的具體應用進行了介紹，對于智能汽車產品開發及其功能測試具有較強的借鑒意義。后續將開展人-車-路等復雜交通環境下的其它功能測試研究。