摘要：

研究數字孿生技術在自動駕駛測試領域的應用。旨在構建高度開放的數字孿生自動駕駛測試平臺，結合仿真測試工具、通信設備、真實測試車輛等功能單元，形成豐富的測試驗證環境，支持各類自動駕駛解決方案和算法驗證測試，具備在有限資源條件下開展虛擬復雜場景的自動駕駛實車測試驗證能力。提供一種全新的自動駕駛整車測試方法。

1.數字孿生技術介紹

1.1 數字孿生概念介紹

數字孿生（digital twin）的概念最初由Grieves教授于2003年在美國密歇根大學的產品全生命周期管理課程上提出[1]，并被定義為三維模型，包括實體產品、虛擬產品以及二者間的連接。全球著名的IT研究與顧問咨詢公司Gartner連續兩年 (2016年和2017年)將數字攣生列為當年十大戰略科技發展趨勢之一[2]，2017年12月8日中國科協智能制造學會聯合體在世界智能制造大會上將數字孿生列為了世界智能制造十大科技進展之一。

數字孿生的宏觀概念是指：是現有或將有的物理實體對象的數字模型，通過實測、仿真和數據分析來實時感知、診斷、預測物理實體對象的狀態，通過優化和指令來調控物理實體對象的行為，通過相關數字模型間的相互學習來進化自身，同時改進利益相關方在物理實體對象生命周期內的決策。[1]

總結上述定義的理解要點為：數字孿生是仿真應用的延伸和發展，不僅僅是物理世界的鏡像，也要接受物理世界的實時信息，更要反過來實時驅動物理世界。

本文結合自動駕駛測試，給出數字孿生在自動駕駛測試中的狹義定義：車輛處于真實的測試場地環境當中，同時將車輛通過數字通信等技術，建模映射到虛擬空間內，之后在虛擬空間內通過構建不同的復雜交通環境，將有關信號通過仿真器進行仿真生成，然后發送給實際道路中的車輛。車輛接收到信號之后，對信號進行分析判斷，進而決策規劃到形成控制信號發送到底盤，執行控制動作，車輛動作反饋回虛擬空間，從而達到對自車的決策規劃和控制執行系統的考核能力。

1.2 數字孿生技術的主流應用

根據數字孿生技術的廣義定義，其不僅是映射物理世界，更需要接收物理世界的反饋信息，進而反過來驅動物理世界。這個過程的應用程度即數字孿生技術應用的成熟度，對應“數化、互動、先知、先覺、共智”。[1]

數字孿生的概念最早應用于航空航天領域，美國國防部最早提出將數字孿生技術用于航空航天飛行器的健康維護與保障。首先在數字空間建立真實飛機的模型，并通過傳感器實現與飛機真實狀態完全同步，這樣每次飛行后，根據結構現有情況和過往載荷，及時分析評估是否需要維修，能否承受下次的任務載荷等，示意如圖1。

圖1航天數字孿生模型示意

數字孿生技術在工業4.0體系中扮演著重要的角色，主要應用包括“產品數字化孿生”、“生產工藝流程數字化孿生”和“設備數字化孿生”。在數字孿生技術驅動下 ,將傳統的預測性維護方法由被動響應轉型為主動服務的轉變過程,為中國制造業由“生產型制造”向“服務型制造”轉變提供支撐。[3]

數字孿生技術的虛實結合特性在智能網聯領域的應用日趨廣泛，主要包括智能網聯汽車開發制造、智能工廠平臺等工業應用和數字孿生自動駕駛測試應用。其中，在開發制造領域，數字孿生技術應用形式主要是產品設計建模、智慧生產線設計運行等方面。

2.自動駕駛測試評價方法分析

自動駕駛汽車行業發展迅速，但其開發階段的產品驗證方法仍然與現有傳統汽車保持很大程度的一致。其測試方法主要有：軟/硬件在環測試、封閉場地測試、開放道路測試。三種方法各有優劣，任意一個部分并不能很好的保證測試效果。未來對自動駕駛汽車的檢驗檢測將會是軟硬件在環+封閉場地測試+實車路試驗有機結合的模式。

現有測試方法的優劣對比分析如下表1。

表1 測試評價方法優劣分析

隨著自動駕駛汽車技術不斷發展、交通場景日益復雜，如上現有測試方法在自動駕駛測試實踐中顯現出不足，具體表現在如下幾點：

1)測試場景碎片化不符合實際使用情況。汽車自動駕駛是一個連續行為，貼合實際使用的驗證必須需要廣闊的空間開展連續場景驗證，若在真實物理空間中實現，花費的成本與時間不可接受；

2)復雜交通場景搭建的難度大、成本高、安全風險大，如隧道、多車沖突、預期功能安全場景等；

3)軟硬件在環測試依賴車輛動力學模型，模型難以復現真實車輛動力學，其精度對測試有較大影響；

4)真實封閉場地建設成本高，且建成后不能適應自動駕駛技術快速變化的測試需求；

5)開放道路中的交通參與物、交通流等不易復現，不便開展大量的重復測試；

數字孿生技術在自動駕駛汽車測試領域具備其特殊的應用價值，可解決現有測試方法的不足，現就數字孿生技術如何在自動駕駛測試評價領域應用提出一種可行方案。

3.數字孿生自動駕

駛測試評價方法研究

基于數字孿生技術的自動駕駛測試評價方法，核心在于數字孿生技術，其關鍵特點是“虛實結合”，將真實車輛動力學和虛擬復雜交通場景緊密聯系，并在測試過程中實時交互，即時生成評價結果。

此種方法相比上述現有測試方法，其優勢在于：

1）場景設置連續且可定制，貼合實際使用的連續行駛場景；

2）可實現復雜場景的快速搭建和自動駕駛測試，節約場地建設成本；

3）不需要動力學模型，基于實際路面和車輛動態進行評價，測試結果更貼合實際；

4）所有測試基于數字試驗場，可快速適應自動駕駛技術升級帶來的新的測試需求；

5）測試效率高、場景可復現、可拓展性好，可平臺上云實現海量仿真測試；

現從方案框架體系、硬件方案、關鍵難點、應用預期四個方面對此方案進行介紹。

3.1 方案體系框架

概念方案從數字孿生技術“虛實結合”的關鍵特點出發，主要包含數字孿生體、測試開展、評價等三個維度，構成數字孿生自動駕駛測試評價體系的主線，如下圖2。

數字孿生落地應用的首要任務是創建應用對象的數字孿生模型[4],即形成數字孿生體。其構建及實時信息交互是本方案的關鍵，需要將現實世界中的試驗場地、試驗對象、測試場景等數字化，形成孿生的數字試驗場、數字試驗對象、數字測試場景，使兩者成為互通的數字孿生體。

測試的工作機理：數字被測對象與真實被測對象孿生對應并受真實被測對象驅動→數字測試場景下發給真實被測對象→真實被測對象的決策執行動作回傳給數字被測對象→數字被測對象在數字測試場內完成動作→在數字測試場中采集數據并完成測試評價。

圖2 數字孿生測試評價體系概念圖

為實現上述數字孿生自動駕駛測試概念，對其體系構成進行如下設計，詳細如下圖3。主要包含數字孿生測試設備（仿真平臺、數據下發和采集設備）、真實被測對象、評價分析、展示平臺4大部分。

圖3 數字孿生測試評價體系構成圖

以一臺自動駕駛汽車為被測對象，陳述系統工作過程：仿真平臺運行虛擬試驗場、車輛傳感器模型、測試場景，形成一個或多個自動駕駛測試場景（如十字路口通行場景），通過注入設備將場景信息下發至自動駕駛汽車的控制器，自動駕駛汽車根據自身算法對十字路口信息進行處理，發出決策信號（如減速通過），車輛執行決策（如制動減速，緩慢通過路口）；

該車輛的動作數據通過車端安裝的動態測量設備實時采集并上傳至仿真平臺用于驅動虛擬的自動駕駛汽車模型，在仿真平臺的場景中標注車輛動態數據；評價分析模塊對車輛動態數據進行處理，基于評價維度和數據庫進行車輛行為評價；車端、路端視頻監控設備信息以及仿真平臺畫面傳輸至展示平臺。通過多樣的接口與用戶交互，呈現測試過程和結果。

結合主、客觀評價數據庫，對自動駕駛車輛的功能表現進行多維度分析。評價指標基于國際、國內通用的標準、規范為基礎，融合積累的大量實際測試數據，從安全性、智能度、舒適性、可靠性四個關鍵維度進行綜合設定。

結合當前技術成熟度，對數字孿生自動駕駛測試評價體系方案的開展分三階段進行，如下表2所示。在5G網絡覆蓋度低、網絡時延不穩定的情況下，開展車端下發方案建設，通過車載數字孿生測試設備與車輛控制器直連注入，保證單車測試能力；在5G網絡成熟并穩定的情況下，開展網絡下發方案建設，可減少車端設備數量、降低單車設備成本、提高測試規模和效率；前兩個階段研究成熟后，開展擴展應用，如數字孿生仿真平臺上云、傳感器動力學模型校準等應用。

表2 技術方案開展階段規劃

基于上述概念方案，設計可實現的硬件布局方案，如下圖4、圖5所示。硬件配置方案分車端下發和網絡下發兩種，對應表2所示的前兩個階段。

3.2 方案硬件布局

車載下發方案主機及相關設備均安裝在被測車輛上，通過注入設備及硬線與被測車輛控制器相連接，實現信息的交互。

網絡下發方案的主機在試驗室內或者云端，通過網絡形式（5G/V2X）下發至車載設備，接收轉換之后，完成注入和信息交互。

圖4 車端下發方案

圖5 網絡下發方案

3.3 方案關鍵難點

在本方案中，信息交互技術是決定數字孿生能否真正實現虛實結合的關鍵難點，主要體現在下述幾個方面： 3.3.1場景注入多車型通用性的問題 自動駕駛汽車控制器接口協議、算法語言等百家爭鳴，對一種場景格式的識別程度可能存在不同，場景注入在多種車型上的通用性是必須考慮的問題。本方案嘗試采取兩種方式進行解決：一是對外開放，即參考主流通信協議將場景注入格式標準化，并將關鍵的注入參數明確化，讓被測對象主動進行適配接收。二是開發多個注入模板，即針對各大協議、廠商等，研究制定多個適用的場景注入格式模板，盡可能提升場景注入的快速適用性。 3.3.2信息傳輸時延導致交互不實時的問題 自動駕駛車速越高，信息傳輸時延帶來的影響越大，例如當被測車輛以60 km/h的車速通過A點時，觸發虛擬測試場景下發動作，信息傳輸時延100 ms，虛擬測試場景到達被測車輛時車輛已經超過A點約1.7 m，這使得數字場景與真實場景在同一時刻存在較大的位置差異，這對自動駕駛安全性功能測試來講誤差不可接受。在數字孿生技術方案實施時，需要從兩方面同時著手來解決此問題：一是盡可能降低傳輸時延，如采用硬線直連、采用5G通信等；二是在仿真平臺采用同步技術彌補時延帶來的誤差。 3.3.3測試效率提升的問題 隨著自動駕駛行業蓬勃發展，自動駕駛汽車開發測試需求必將是大批量的、需要的測試場景更是海量的。若采用每臺車輛匹配一套數字孿生測試系統的方式，為達到海量場景測試，需要使用多套系統并進行長時間累積測試。所以在選擇數字孿生仿真平臺時必須考慮未來拓展應用，具備布署云端的能力，實現一套系統支持多車同時測試、云端海量場景仿真等應用。

3.4 應用預期

虛擬仿真測試技術被列為測試方法三支柱之一，從敏捷開發、高適應性、批量測試方面具備獨到的優勢。數字孿生技術的突破性應用，可以解決現有仿真測試真實性欠缺的問題、降低對測試場地和交通參與者的依賴、提高對自動駕駛需求場景的響應速度，為自動駕駛汽車提供一種全新的高效、安全、可不斷升級的測試方法。隨著經驗的積累和數據量的增加，數字孿生模型對物理實體的仿真預測準確度會越來越高[5]。例如對毫米波傳感器模型精確度的提升，可以將某一真實目標物的毫米波雷達特性模型化，通過數字孿生測試的方式測試真實車輛控制器對此模型輸入后的響應，再比對真實車輛面對此真實目標的測試數據，對毫米波雷達模型進行精確度的優化。 數字孿生技術還可以幫助實現自動駕駛邏輯策略的實時優化，此優化特指使自動駕駛行為更貼近人的駕駛行為。系統配備AR頭顯，引入駕駛員在環概念，可實時向駕駛員顯示當前車輛正在經歷的數字孿生測試場景，可實時對比自動駕駛控制行為與駕駛員意向控制行為的差異，輸出分析數據，進而幫助優化自動駕駛邏輯策略。 預期數字孿生自動駕駛測試評價方案在自動駕駛汽車研發測試、認證檢測、產品準入、競品對標、綜合評價、動力學模型校驗、傳感器模型校驗等方面具備廣闊的應用前景。 本文主要從微觀層面介紹數字孿生在自動駕駛整車測試領域的應用，從宏觀維度來看，數字孿生技術在測試系統領域也具備重要的應用意義，例如測試區數字化管理、測試體系監管調度平臺等。

總 結

本文結合數字孿生技術和自動駕駛測試評價技術，研究數字孿生技術在自動駕駛測試領域的應用方案，形成一種可實施的系統架構，提出一種新型、高效、安全的虛實相結合的實車在環測試方法，并對數字孿生技術應用過程中的關鍵技術難點、解決方案要點進行了說明，可為數字孿生技術的同類應用提供參考，以達到更好開展數字孿生技術應用的目的。

審核編輯 ：李倩