隨著自動駕駛技術(shù)的不斷進步，市場需求的持續(xù)增長，自動駕駛產(chǎn)業(yè)迎來廣闊的發(fā)展前景。L3及以上級別的自動駕駛技術(shù)有望逐步落地普及，為人們帶來更加安全、便捷、高效的出行體驗。

在自動駕駛技術(shù)落地之前，如何高效的進行自動駕駛算法開發(fā)與驗證，是企業(yè)迫切需要解決的問題。同時規(guī)控算法作為自動駕駛算法的核心，其功能的好壞直接影響著乘客的安全性與舒適性，對規(guī)控算法的驗證顯得尤為重要。

自動駕駛規(guī)控算法驗證需求

自動駕駛算法可分為感知、規(guī)劃、決策、控制執(zhí)行四大模塊。規(guī)劃控制功能作為自動駕駛算法的核心，其主要目標為：

從起點到終點規(guī)劃全局行駛路線，并在車輛行駛過程中，基于周圍環(huán)境，對局部軌跡進行實時規(guī)劃

精準控制自車按目標軌跡行駛

圖1 自動駕駛算法流程

自動駕駛規(guī)控算法通過接收傳感融合信息，避開障礙物，結(jié)合約束條件，規(guī)劃出兩點間一條最優(yōu)的路徑；然后由控制算法對自車的行駛軌跡進行控制，從而實現(xiàn)車輛的自動行駛。

車輛軌跡的規(guī)劃控制是一個非常復(fù)雜的問題，一方面要考慮車輛自身的狀態(tài)，另一方面還需要在行車過程中，考慮與其他車輛的博弈問題。通過獲取交通車的速度、加速度、橫擺角速度信息，預(yù)測交通車軌跡，實時調(diào)整自車的軌跡，保障自車行車的安全性與舒適性。

一個好的規(guī)控算法，需要反復(fù)驗證與迭代，才能給乘客提供更舒適、更安全的乘車體驗。行業(yè)公認的測試驗證方法主要有兩種，一種是實車驗證，這種驗證方案準確性較高，不過受限于路測條件，效率偏低且成本較高。另一種是仿真驗證，通過構(gòu)建一個虛擬仿真環(huán)境，利用數(shù)字化手段進行驗證。仿真驗證由于其效率高、成本低，在自動駕駛行業(yè)獲得普遍認可，其價值主要體現(xiàn)在以下幾個方面：

可通過仿真環(huán)境構(gòu)建大量極端場景，提高測試場景價值

可提供一個安全的驗證環(huán)境，降低犯錯成本

可隨機生成交通流，模擬復(fù)雜的交通車行為，驗證L3+自動駕駛算法

可通過仿真環(huán)境，重現(xiàn)功能失效場景，定位功能失效原因，實現(xiàn)算法優(yōu)化

可通過泛化大量場景，充分驗證算法的可靠性

場景仿真軟件介紹

實現(xiàn)規(guī)控算法的仿真驗證，需要一套完整的閉環(huán)解決方案，經(jīng)緯恒潤通過多年在仿真測試行業(yè)內(nèi)的積累，推出了成熟的SIL、HIL測試解決方案，在方案中采用經(jīng)緯恒潤自主研發(fā)的自動駕駛場景仿真軟件ModelBase-AD來滿足規(guī)控算法的閉環(huán)驗證需求。

ModelBase-AD軟件將自動駕駛算法仿真驗證需要的傳感器、道路、天氣、交通流、車輛動力學(xué)模型整合為一體，更便捷地進行自動駕駛算法的驗證。

圖2 ModelBase-AD 軟件主要功能

規(guī)控算法主要基于道路、交通規(guī)則和交通障礙物信息的輸入，規(guī)劃自車行駛軌跡，并實時采集自車狀態(tài)，輸出控制指令，保證自車按期望軌跡行駛。

圖3 規(guī)劃控制算法接口信息

下面將從靜態(tài)場景模型、隨機交通流模型、車輛動力模型三個方面，詳細介紹ModelBase-AD是如何模擬算法的需求信息，并響應(yīng)算法的指令，實現(xiàn)車輛準確行駛的。

靜態(tài)場景模型

ModelBase-AD靜態(tài)場景模型主要包括道路模型和交通資產(chǎn)模型兩大組成部分。道路模型基于OpenDRIVE標準開發(fā)，軟件內(nèi)置了十多套道路模板，涵蓋城市路、鄉(xiāng)村路、高速路、雙車道、四車道、六車道、八車道等不同類型，用戶可以利用內(nèi)置的道路模板快，快速創(chuàng)建道路，實現(xiàn)復(fù)雜路網(wǎng)構(gòu)建。道路模型可覆蓋交叉路口、立交橋、橋梁、隧道、環(huán)島、坡道、閘道、收費站、停車場等道路元素。道路模型的路面摩擦系數(shù)可根據(jù)雨雪天氣自動適配，可以準確的模擬車輛在雨雪天氣下的行駛狀態(tài)。

圖4 道路模型配置界面

圖5 整體靜態(tài)場景渲染效果

圖6 下雨路面效果

ModelBase-AD靜態(tài)場景模型內(nèi)置了大量的交通資產(chǎn)模型，包括路政設(shè)施、導(dǎo)流線、高速出入口標識牌、交通燈、路燈、護欄、停車位、限速牌、路口提示牌、高速服務(wù)區(qū)提示牌等。可基于用戶對交通標識的仿真需求，直接部署應(yīng)用，無需二次開發(fā)。

圖7 交通資產(chǎn)配置界面

圖8 交通資產(chǎn)模型展示

利用場景軟件中的道路模型庫和交通元素庫，可實現(xiàn)任意道路場景的搭建，充分覆蓋自動駕駛規(guī)控算法對靜態(tài)場景的需求。

隨機交通流模型

交通車輛的軌跡和駕駛風(fēng)格均影響著自動駕駛算法的實時軌跡規(guī)劃，準確模擬出交通車的軌跡和駕駛風(fēng)格是規(guī)劃算法測試的核心需求。

為了將每輛交通車的行駛軌跡模擬準確，ModelBase-AD采用 6自由度車身動力學(xué)模型來定義每一輛交通車，同時考慮了路面摩擦系數(shù)對交通車運動的影響，可準確模擬出晴天、雨雪天氣下，交通車的行駛軌跡。

為了更有效地覆蓋交通車的駕駛風(fēng)格，ModelBase-AD定制了一套隨機交通流算法模型，將駕駛風(fēng)格細分為5種類型，分別為新手型、保守型、普通型、激進型、冒險型。模型參數(shù)包括加速度、速度、道距離、換道時間、反應(yīng)時間、預(yù)瞄距離、視野距離、超車渴望度、是否遵守交通規(guī)則等。

圖9 隨機駕駛員參數(shù)配置

激進型駕駛員風(fēng)格

保守型駕駛員風(fēng)格

ModelBase-AD通過隨機交通流算法、6自由度動力學(xué)模型、準確的道路附著系數(shù)，將場景軟件中交通車的行駛軌跡進行了準確描述，從而更準確的實現(xiàn)了L3+自動駕駛規(guī)控算法驗證。

整車動力學(xué)模型

在規(guī)控算法模塊中，規(guī)劃算法輸出目標軌跡給控制算法，控制算法基于自車當(dāng)前狀態(tài)，實時解算出執(zhí)行器控制目標，并由執(zhí)行器驅(qū)動車輛行駛到目標位置。在算法驗證過程中，整車動力學(xué)模型能否準確表征真實車輛的姿態(tài)和行駛軌跡，是算法能否得到準確驗證的核心影響因素。

圖10 控制算法執(zhí)行流程

為了保證整車動力學(xué)模型能夠準確表征實車的軌跡和姿態(tài)。ModelBase-AD軟件開發(fā)了30+自由度的整車動力學(xué)模型。除6自由度車身模型外，還包括動力系統(tǒng)模型、轉(zhuǎn)向系統(tǒng)模型、制動系統(tǒng)模型、懸架系統(tǒng)模型、輪胎系統(tǒng)模型。所有模型，均提供參數(shù)化接口，用戶可填入實車參數(shù)，定義自己的專屬車輛模型。

圖11 車輛參數(shù)化界面

ModelBase-AD軟件還定義了一套標準的高精模型開發(fā)流程，采集標準工況下的實車數(shù)據(jù)，訓(xùn)練模型的輸出結(jié)果，從而生成高精車輛動力學(xué)模型。

圖12 高精動力學(xué)模型生成流程

圖13 高精模型校準效果展示

ModelBase-AD通過高精車輛動力學(xué)模型模擬自車的軌跡和姿態(tài)，準確表征自車的行駛狀態(tài)，保障規(guī)控算法驗證更準確。

總結(jié)

隨著自動駕駛電控技術(shù)的發(fā)展，傳統(tǒng)的規(guī)控算法正向著端到端大模型發(fā)展。雖然算法的內(nèi)核發(fā)生了變化，但算法的驗證需求不變，算法的輸入、輸出接口不變。ModelBase-AD憑借其優(yōu)秀的靜態(tài)場景模型、隨機交通流模型、整車動力學(xué)模型，為各大主機廠和供應(yīng)商提供了準確的自動駕駛規(guī)控算法驗證仿真環(huán)境，提升了自動駕駛規(guī)控算法驗證效率。