2.1.2 智能网联汽车驾驶与仿真建模

先进驾驶辅助系统（ADAS）可以协助驾驶员提高行车的安全性和驾驶舒适性，被认为是提升出行效率、解决交通事故频发问题的有效措施。先进驾驶辅助系统依靠传感器采集车辆行驶四周的环境信息，并根据环境目标威胁而做出横向、纵向控制，可有效降低发生道路交通事故的概率。传统的场地测试以假人、假车、环境模拟器等测试设备构建有限测试场景，测试决策控制算法的合理性和控制算法与车辆匹配的优劣关系重大。先进驾驶辅助系统连续感知、决策、执行，全天候持续运行，传统测试评价手段已难有效覆盖自动驾驶新特征。先进驾驶辅助系统在开发过程中，每一阶段的功能和性能测试评价将通过多样化的试验结果相互组合印证，需要进行实车道路测试、公开道路测试、功能安全测试、信息安全测试和仿真测试等。

2.1.2.1 驾驶辅助系统功能及传感器原理

驾驶辅助系统的主要构成装备包括毫米波雷达、摄像机、360 度环视系统、超声波雷达，利用驾驶辅助系统，可以实现自动泊车（APA）、自适应巡航（ACC）、紧急制动（AEB）、盲区监测（BSD）、车道保持辅助（LKA）、交通拥堵辅助（TJA）等功能。激光雷达主要安装在更高级别的自动驾驶汽车上。车载传感器感知前方道路上的障碍物、车道线、交通限速标志、行人等信息；使用摄像机和毫米波雷达获取前方目标的相对距离、相对速度，通过决策与控制系统实现自适应巡航、紧急制动、交通拥堵辅助功能；摄像机可识别前方道路车道线，计算车辆与车道线的相对位置和车道线的曲率半径，结合车辆的底盘转向特性，实现车道保持功能。

1.毫米波雷达目标识别原理

车载毫米波雷达主要分为脉冲式和连续调频式，由于脉冲信号近距离探测目标时对硬件计算速度要求较高，因此不适用于车载近距离探测目标的需求。连续调频毫米波雷达采用雷达波调制的方式发送探测电磁波，通过调制发射电磁波信号与雷达天线接收到的目标反射信号进行混频，利用傅里叶变换算法对混频信号进行解析，可解析出雷达与目标的相对距离和相对速度，并根据雷达接收天线阵列参数计算出相对角度信息。

2.视频摄像机目标识别原理

作为ADAS的核心传感器之一，视频摄像机需要最大限度地适应不同的光照条件，能够更加快速、精确地感知路况信息，并加强对图像噪点的抑制。视频摄像机的光感原件识别外界图像信息并转化为电信号，根据编码协议编码图像信号，通过低电压差分信号（LVDS）传输方式将图像传输至图像处理芯片（ECU），经过图像信号质量处理后，再传递至图像处理单元（GPU），利用深度学习或机器学习算法识别图像中不同层次的目标（道路、行人、车辆、障碍物）。视频摄像机目标识别的效果依赖于深度学习样本的类型和数量，因此深度学习目标识别的样本需要不断迭代和更新。

3.超声波雷达探测原理

超声波传感器发射出超声波，由接收传感器接收经障碍物反射回来的超声波，根据超声波反射接收的时间差，由控制单元内的CPU换算成距离。超声波雷达在速度很高情况下的测量距离有一定的局限性，这是因为超声波的传输速度很容易受到天气情况的影响，在不同的天气情况下，超声波的传输速度不同，且传播速度较慢，因此当汽车高速行驶时，使用超声波测距无法跟上汽车车距的实时变化，误差较大。超声波散射角大，方向性较差，在测量较远距离的目标时，其回波信号会比较弱，影响测量精度，但超声波在短距离情况下具有非常大的优势，被广泛应用于自动泊车的车位探测及行车盲点辅助。

4.激光雷达探测原理

激光雷达是以发射激光束的方式探测目标位置、速度等特征量的雷达系统，其由激光发射机、光学接收机、转台和信息处理系统等组成。激光雷达将电脉冲变成光脉冲发射出去，光学接收机再把从目标反射回来的光脉冲还原成电脉冲，根据光线的飞行时间获得单点的相对距离，并根据激光雷达基础坐标系计算目标点云在坐标系的位置。激光雷达可直接生成带有坐标位置的点云信息，在多线激光雷达照射下可形成多点外轮廓，采用聚类分析、语义分割、深度学习等目标分类识别技术，建立车辆四周的道路、障碍物、行人、车道线、车辆、交通标志等数字化模型，并直接应用于驾驶辅助系统的控制决策。

2.1.2.2 驾驶辅助系统硬件仿真

1.系统架构

典型的驾驶辅助系统硬件仿真测试平台架构主要由场景建模工作站、雷达目标模拟器、超声波雷达信号注入、视频暗箱、视频注入系统、先进驾驶辅助系统——图像处理芯片（ADAS-ECU）、驾驶模拟器、车辆动力学模型组成。

硬件仿真典型数据传递流程如下：

（1）场景软件将各个虚拟传感器模型检测目标信号输出至对应传感器模拟器。

（2）各个模拟器子系统采用物理信号仿真的方式与真实传感器进行联合仿真。

（3）传感器通过CAN总线/备选将采集到的目标信息输入ADAS-ECU。

（4）ADAS-ECU 根据实时系统模拟输入车速等信息，驾驶模拟器输入转向盘转角、油门踏板、加速踏板信号等信息，结合传感器目标、车道线识别结果进行综合决策。

（5）ADAS-ECU输出决策控制命令至实时运行的车辆动力学模型，执行ACC、AEB、LKA、TJA、APA等控制。

（6）车辆动力学模型执行相应动作，计算出各个车轮的位置坐标（x，y，z），并将车速、减速度、转向盘转角等信息反馈至场景软件。

（7）场景软件更新场景数据，完成新一帧的数据仿真。

2.雷达目标模拟器

雷达目标模拟器是毫米波雷达射频信号仿真方案的关键部件。雷达目标模拟器通过射频天线接收端接收雷达信号后，采用傅里叶变换算法对该雷达波信号进行时域、频域分析，解析雷达波信号特征，再根据场景软件中雷达模型传递的被模拟目标的速度、距离、雷达截面积（RCS）值，通过射频信号技术对回波延时、多普勒频移、信号增益/衰减进行操作，从而完成雷达目标信号的速度、距离、RCS值的模拟。

分析连续两束正弦波调制的雷达波信号，若物体保持静止，则对采集到的时域信号进行傅里叶变换后的结果会在相同的频率f位置出现峰值。雷达目标模拟器模拟距离为D的物体，通过计算出发射信号与接收信号的时间差，实现模拟目标距离 D。若物体移动速度为 v，则连续两次信号解析的结果存在相位差，结合两束波发射的时间间隔，计算出所需的相位差，并将信号的相位进行偏移，以模拟目标速度。

雷达目标模拟器的工作频段、瞬时带宽应大于等于被测雷达参数，模拟目标RCS值的范围代表模拟目标种类的丰富程度，而最近的目标模拟距离直接影响测试场景的搭建。雷达目标模拟器在实际应用过程中的主要性能参数如表2-3所示。

雷达目标模拟器对每个雷达目标的模拟都需要配置独立通道进行信号处理，模拟目标的数量与成本成正比，同时单方向上模拟目标的数量过多，会造成信号干扰。单方向上模拟目标与实际道路行驶时雷达探测到的目标相比，模拟目标的数量较少，不能真实反映汽车在道路上行驶时所处的复杂电磁波环境。而对于双方向运动多目标模拟，将雷达目标模拟器的收发天线置于环形导轨上，通过驱动电机来驱动收发天线沿导轨运动，从而实现不同方向的雷达模板动态运动模拟，但受限于机械结构设计，能模拟的方向目标有限。

3.视频注入

场景仿真软件构建虚拟场景并进行视景渲染，通过显卡输出视频流，通过 HDMI/DVI与上位机的显卡通道相连，将采集到的视频流输入视频注入模块进行处理，处理完的信号通过ECU适配板输出给视频摄像机。视频注入摄像头仿真的优点如下：

（1）可测试强光或逆光情况下控制算法的反应；

（2）可测试多目标、360度环视系统；

（3）可以通过对视频注入板卡进行编程，实现图像信号级、像素级的故障注入；

（4）可实现低时延、高保真的摄像头仿真测试。

4.测试场景建模软件

场景建模软件与车辆动力学软件联合仿真可实现闭环，能够将车辆动力学模型与交通场景很好地融合起来，进而弥补车辆动力学软件在真实交通场景建模、路网系统建模及交通状况控制方面的不足。场景建模软件具有强大的道路环境交通仿真能力，主要包括以下几点：

（1）复杂路网建模，包含异形交叉路口、转弯、坡度、超高及路边建筑（隧道、桥梁等）；

（2）具有强大的交通仿真和交通规则仿真能力，包含交通流模拟、行人干扰；

（3）多种天气模式渲染（雨、雪、雾、沙尘暴等），包含动态实时光影、HDR 渲染和路面渲染；

（4）采用开放的标准和接口，非常适合与第三方软件进行联合集成仿真；

（5）传感器仿真能力，包括理想传感器和复杂传感器，可以获得目标的对象表或模拟传感器的点云数据。

商用场景软件的功能都较为相近，性能的区别不够明显。各个场景软件都支持网络硬盘 Opendrive 格式和操作指令 Openscenario 格式的道路网络与场景格式化导入。在场景软件中建立起各个传感器的物理模型，通过目标列表直接注入ADAS-ECU，可实现快速决策、控制算法验证，与传感器目标物理信号模拟方式相结合，可满足驾驶辅助系统算法开发不同层级的需求。

2.1.2.3 未来测试技术发展预测

1.传感器

通过全方位的360度环视、多雷达系统、高精度定位等自主感知信息获取车辆有限距离的外部环境信息，结合 5G 车路协同技术实现远距离的路径规划、事故早报等功能，为高度自动驾驶应用奠定技术基础。智能网联汽车是多系统协调、多技术融合的整体，同时存在多方面的风险，需要多维度、多视角的测试评价以达到置信程度的要求。

2.测试技术挑战

传感器数量、类别的增多给整套自动驾驶系统的硬件仿真测试带来巨大的技术挑战。一般情况下，一辆自动驾驶汽车有6个毫米波雷达、1个激光雷达、6个摄像头、1个惯导传感器、1 套车路协同设备，若对所有传感器配置对应的物理信号仿真模拟器，会带来多模拟器硬件实时仿真协调性挑战和多实时系统之间任务解包、任务分配、信号输出与反馈之间的同步性问题，挑战现有的测试模型和框架。

针对常见的视觉、雷达、GNSS 仿真，已经有经过大量验证的可实施方案。对于环视系统和前视摄像头，采用视频流注入的方式是较优的解决方案，而激光雷达单帧仿真的点云数量巨大，采用物理仿真的方式很难实现实时、准确仿真。不同的激光雷达结构形式各异，采用激光雷达目标模拟器方式存在较大的技术难度和通用性问题，因此针对激光雷达仿真，采用点云数据直接注入目标控制器。

受制于雷达目标模拟器的仿真原理，1个雷达仿真子系统能仿真的雷达目标数量较少，正常雷达检测到的道路上目标至少小于8个，因此采用信号延时的雷达仿真方式存在一定局限性。未来针对雷达目标模拟器采用阵列式的多目标模拟暗箱，利用电信号高速控制雷达信号收发与目标仿真计算，至少可实现16个不同方向及运动目标的模拟。同时，在场景软件中建立起毫米波雷达模型，将场景中背景目标材质的雷达反射特性进一步细化，传递给雷达目标模拟器进行目标仿真，贴近真实的雷达环境。