[发明专利]一种自动驾驶模拟仿真系统及其测试资源库建设方法

说明书

一种自动驾驶模拟仿真系统及其测试资源库建设方法。本发明所涉及的自动驾驶模拟仿真系统基于游戏引擎如虚幻4引擎构建测试环境，并创新性提出动静态结合的模拟仿真测试资源库建设方法，实现高度真实动态场景仿真，最后结合国内外的自动驾驶评价的经验和L1～L3级自动驾驶测试特点构建自动驾驶系统性能综合评价体系。本发明提出的动静态结合的模拟仿真测试资源库建设方法。

技术领域

本发明涉及交通领域，特别涉及一种自动驾驶车辆的模拟仿真系统。

背景技术

自动驾驶技术作为一项系统性工程，涉及的模块繁多、业务逻辑复杂，为保证整体安全性需要经常实车上路测试。然而这也正是目前自动驾驶系统研发所面临的一大挑战——实车路测“道阻且长”。按照《中国自动驾驶仿真技术研究报告(2019)》中的数据：配置有一支1000辆自动驾驶测试车的车队需要花费大约50年的时间才能完成足够的里程测试。企业难以持续投入巨大资源以支持广泛实车路测，而且实际上广泛的道路测试仍难以覆盖复杂多样的交通场景，同时频繁实车路测为交通安全带来巨大潜在安全风险。比如2016年，Uber无人车就曾撞死一位突然出现在路中央的行人。因此，自动驾驶虚拟仿真系统开始被各家研究机构所重视，用于前期验证算法，在实车路测前解决可能存在的技术问题，加速自动驾驶系统的研发。

自动驾驶仿真测试，是指通过计算机仿真技术，建立现实静态与动态交通场景的数学模型，让自动驾驶汽车与算法在虚拟交通场景中进行驾驶测试。仿真测试相对于实车道路测试更加容易，其能够有效的降低试验成本，缩短算法开发迭代周期；同时通过仿真软件可构建定制化针对性强的交通测试场景，实现算法特异性升级迭代与加强；同时对于某些复现代价高的场景如雨雪天气下的高速公路等不需要搭建实物测试场景或者专门等待测试时机如雨雪天气，模拟仿真极大降低了测试场景的实现难度、扩大了测试的广度。目前，无人驾驶高效的测试流程是，先在计算机软件上通过仿真测试技术来升级算法，确保它在虚拟环境中可以运行成功，再进行封闭场地测试，最后再进行开放道路测试。

目前自动驾驶仿真模拟技术正在被越来越多的无人车研发企业和科研机构引入开发流程，如Waymo无人车开展公共道路测试前将仿真测试作为必做项目；百度将其仿真平台列为Apollo主要变现途径，通过给Apollo合作伙伴提供仿真云服务来创收；Roadstar.ai、Pony.ai等诸多自动驾驶初创公司都在自主研发模拟器。《中国自动驾驶仿真技术研究报告(2019)》指出未来5年仿真软件与测试的国际市场总规模约在百亿美元左右，并且满足自动驾驶算法开发与整车系统集成的商业化仿真软件必将成为研发链条上的底层基础工具之一。我国也将发展自动驾驶模拟仿真技术摆到了战略高度。在2020年初，工业和信息化部等11部委联合盖章发布的《智能汽车创新发展战略》明确要求重点研发虚拟仿真、软硬件结合仿真、实车道路测试等技术和验证工具，以及多层级测试评价系统。

高可信自动驾驶模拟仿真测试的前提是合理且多样化的测试场景，届时仿真测试才能充分挖掘自动驾驶系统的性能潜力并暴露算法漏洞。现有国内外模拟仿真测试场景设计基本集中于复现重要自然驾驶场景，这种方法虽然可以在一定程度上测试自动驾驶系统的安全性，但是却忽略了其他危险边界情形。更重要的是，目前测试场景的设计并不能完善解决场景中的动态元素仿真，如机动车仿真、行人与非机动车仿真这些涉及到其他交通参与者的仿真。目前已有的动态仿真场景模拟系统诸如Waymo的仿真世界Carcraft、开源仿真测试环境CARLA等都存在仿真测试中模拟交通参与者缺乏与被试车互动、对真实场景的泛化方法缺乏深入研究等问题。在仿真测试过程中，仿真环境中的车辆按实测或者模拟轨迹行驶，缺乏与被试车的互动或者产生的互动是不合理“不真实”的。而模拟动态场景对真实场景的泛化存在真实性损失的问题，例如，对密集交通流案例进行泛化，更改一条车辆轨迹后，实际会对周边多条轨迹产生影响并扩散开来，单车的行驶扰动有时会造成整个交通流的失稳，而简单的泛化扩样方法可能难以重现这类现象。