0   引言

智能網(wǎng)聯(lián)汽車是指搭載先進的車載傳感器、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]。從國家產(chǎn)業(yè)發(fā)展層面以及市場需求來看，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，我國部分自動駕駛、有條件自動駕駛智能網(wǎng)聯(lián)汽車將有望占當(dāng)年汽車市場銷量的50%，高度自動駕駛智能網(wǎng)聯(lián)汽車開始進入市場（如圖1~3）。根據(jù)國家智能網(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自動駕駛推動新型電子電氣架構(gòu)演進，軟件定義、數(shù)據(jù)驅(qū)動汽車將成為未來發(fā)展趨勢；

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

④未來路側(cè)基礎(chǔ)設(shè)施將加速智能化進程，連接云控平臺與智能網(wǎng)聯(lián)汽車將形成多級化智能網(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)計和驗證有機地結(jié)合起來，使軟硬件生命周期中每一個開發(fā)活動都對應(yīng)一個測試活動，并且兩者是同時進行的，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

針對智能駕駛的仿真測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)流程的測試驗證的能力。

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)歷大量的道路測試驗證才能達到產(chǎn)品商業(yè)化要求。采用道路測試來優(yōu)化自動駕駛性能耗費的時間和成本太高。據(jù)美國蘭德公司的研究，自動駕駛算法想要達到人類駕駛員水平至少需要累計177 億公里的駕駛數(shù)據(jù)來完善算法；道路測試受到交通法規(guī)和保險理賠機制限制；極端場景和危險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)實現(xiàn)MIL 90% 場景覆蓋、HIL 80% 場景覆蓋；具備支持CA 級智能網(wǎng)聯(lián)汽車測試驗證的MIL、HIL 仿真測試系統(tǒng)，初步建立實車交通環(huán)境在環(huán)平臺。到2030 年左右，完成仿真環(huán)境下的V2X測試工況和測試評價體系建立，實現(xiàn)MIL 95% 場景覆蓋、HIL 90% 場景覆蓋。具備支持HA 級智能網(wǎng)聯(lián)汽車測試驗證的MIL、HIL、VIL 仿真測試系統(tǒng)?！吨袊詣玉{駛仿真藍皮書2020》指出：目前自動駕駛算法測試大約90% 通過仿真平臺完成，9% 在測試場完成，1% 通過實際路測試完成。隨著仿真技術(shù)水平的提高和應(yīng)用的普及，行業(yè)將通過仿真平臺完成99.9％的測試量，封閉場地測試0.09%，最后0.01％到實路上去完成，這樣可以使自動駕駛汽車研發(fā)更高效、更經(jīng)濟。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   國內(nèi)外智能駕駛模擬仿真技術(shù)發(fā)展現(xiàn)狀

德國自動化及測量系統(tǒng)標(biāo)準協(xié)會（ASAM）是一家非政府的汽車領(lǐng)域標(biāo)準化制定機構(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)商及科研機構(gòu)加入成為會員。ASAM 推出的標(biāo)準涉及多個汽車標(biāo)準領(lǐng)域，包括仿真、車聯(lián)網(wǎng)、測量與校準、診斷、自動化測試、軟件開發(fā)、ECU 網(wǎng)絡(luò)和數(shù)據(jù)管理與分析等。ASAM 啟動的OpenX 包含仿真測試標(biāo)準達到了5 項（如圖7）。

圖7 ASAM仿真格式標(biāo)準

2019 年中國數(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ASAM OpenX 標(biāo)準的仿真場景標(biāo)準進行了拓展。

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包括靜態(tài)場景庫、動態(tài)案例仿真、感知傳感器仿真、車輛動力學(xué)仿真、路徑規(guī)劃決策算法驗證等功能。總體來說，自動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，智能駕駛仿真測試平臺也應(yīng)該具備完成上述三個算法的仿真測試能力，感知融合算法仿真需要高還原度的三維重建場景和精準的傳感器模型；決策規(guī)劃算法的仿真需要大量的場景庫為支撐；控制算法的仿真需要引入精準的車輛動力學(xué)模型。虛擬場景構(gòu)建：智能駕駛汽車的仿真測試，首先需要模擬構(gòu)建出與真實世界一致的車輛運行場景，而場景的構(gòu)建可以分為靜態(tài)場景構(gòu)建和動態(tài)場景構(gòu)建兩個層面。靜態(tài)場景構(gòu)建的作用是還原出場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)完成場景的構(gòu)建，或者基于增強現(xiàn)實的方法來構(gòu)建場景。廣義的動態(tài)場景元素包括動態(tài)指示設(shè)施、通信環(huán)境信息等動態(tài)環(huán)境要素，以及交通參與者（包括機動車行為、非機動車行為、行人行為等）、氣象變化（雨、雪、霧等天氣狀況）、時間變化（主要是不同時刻光照的變化）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)建對象的三維模型，直白一點就是生成逼真的圖像；毫米波雷達仿真：一般會根據(jù)配置的視場角和分辨率信息，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。不同車輛的雷達回波強度可使用微表面模型能量輻射計算方式，由車輛模型以及車輛朝向、材質(zhì)等計算；激光雷達仿真：參照真實激光雷達的掃描方式，模擬每一條真實雷達射線的發(fā)射，與場景中所有物體求交；智能駕駛汽車在仿真測試中，需要借助車輛動力學(xué)模型模擬車輛來客觀評價決策及控制算法。因為，復(fù)雜的車輛模型，可以保證車輛有良好的仿真精度，使被控制對象的反應(yīng)更貼近真實世界。車輛動力學(xué)仿真：車輛動力學(xué)模型是基于多體動力學(xué)搭建的模型，其中包含了車體、懸架系統(tǒng)、轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)、動力系統(tǒng)、傳動系統(tǒng)、車輛動力學(xué)系統(tǒng)、硬件IO 接口等多個真實部件的車輛模型。將這些被控對象模型參數(shù)化之后，就可以把真實的線控制動、線控轉(zhuǎn)向系統(tǒng)和智能駕駛系統(tǒng)集成到大系統(tǒng)中共同做仿真測試。云加速仿真：仿真系統(tǒng)在進行仿真任務(wù)時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 資源對數(shù)據(jù)進行再處理并還原，或者對已經(jīng)結(jié)構(gòu)化的數(shù)據(jù)進行GPU 渲染再現(xiàn)。這就需要使用一種機制將仿真任務(wù)分配到多個機器上，并且讓所有機器協(xié)同工作，這樣做能夠降低單個機器的性能需求，從而使得大規(guī)模仿真任務(wù)得以實現(xiàn)。

4   結(jié)束語

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，嚴格把控系統(tǒng)的策略、算法、軟件、軟件及測試質(zhì)量，產(chǎn)品設(shè)計階段加強智能駕駛仿真技術(shù)（MIL、SIL、HIL、VIL）應(yīng)用，產(chǎn)品路試之前，進行VIL 測試，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：

[1] 狄佐龍.智能網(wǎng)聯(lián)汽車仿真測試方法[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)智能車運動學(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（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）