基于数字孪生技术的智能汽车测试方法研究

doi:10.19562/j.chinasae.qcgc.2023.01.005

汽车工程 ›› 2023, Vol. 45 ›› Issue (1): 42-51.doi: 10.19562/j.chinasae.qcgc.2023.01.005

所属专题：智能网联汽车技术专题-感知&HMI&测评2023年

基于数字孪生技术的智能汽车测试方法研究

赵树廉¹,来飞^2,³(),李克强¹,陈涛²,孟璋劼²,唐逸超²,吴思宇¹,田浩东⁴

^1.清华大学车辆与运载学院，北京　100084
^2.中国汽车工程研究院股份有限公司，重庆　401122
^3.重庆理工大学车辆工程学院，重庆　400054
^4.重庆大学机械与运载工程学院，重庆　400044

收稿日期:2022-08-23 修回日期:2022-09-17 出版日期:2023-01-25 发布日期:2023-01-18
通讯作者: 来飞 E-mail:laifeichq@cqut.edu.cn
基金资助:
国家自然科学青年基金项目(51605054);重庆市技术创新与应用项目(cstc2020jscx-dxwtBX0029);重庆市教委科研项目(KJQN202001102)

Research on Intelligent Vehicle Test Method Based on Digital Twin Technology

Shulian Zhao¹,Fei Lai^2,³(),Keqiang Li¹,Tao Chen²,Zhangjie Meng²,Yichao Tang²,Siyu Wu¹,Haodong Tian⁴

^1.School of Vehicle and Mobility，Tsinghua University，Beijing 100084
^2.China Automotive Engineering Research Institute Co. ，Ltd. ，Chongqing 401122
^3.College of Vehicle Engineering，Chongqing University of Technology，Chongqing 400054
^4.College of Mechanical and Vehicle Engineering，Chongqing University，Chongqing 400044

Received:2022-08-23 Revised:2022-09-17 Online:2023-01-25 Published:2023-01-18
Contact: Fei Lai E-mail:laifeichq@cqut.edu.cn

摘要/Abstract

摘要：

为加快自动驾驶功能的开发与验证，提出了一种基于数字孪生的智能汽车测试与评价方法。通过数字孪生测试技术，即真实车辆行驶在真实测试场地中，同时与虚拟的测试环境进行有效映射与结合，从而大大丰富智能汽车的测试验证环境、提高测试效率和减小测试成本。本文将真实测试车辆和仿真测试工具相结合，搭建起数字孪生自动驾驶测试平台，实现算法的验证测试与评价，并给出了相应的案例分析。智能汽车数字孪生测试与评价技术的快速应用，对于加快自动驾驶车辆开发和推广有着积极的推动作用。

关键词: 智能汽车, 数字孪生, 验证测试, 虚拟场景

Abstract:

In order to speed up the development and verification of automatic driving function， a test and evaluation method of intelligent vehicle based on digital twin is proposed. Through the digital twin test technology， that is， the real vehicle drives in the real test field and effectively maps and combines with the virtual test environment， the test and verification environment of intelligent vehicle is greatly enriched， with the test efficiency improved and the test cost reduced. Combining real test vehicles and simulation test tools，this paper builds a digital twin autopilot test platform to realize the verification， test and evaluation of the algorithm， and also gives the corresponding case analysis. The rapid application of intelligent vehicle digital twin test and evaluation technology plays a positive role in accelerating the development and promotion of autonomous vehicles.

Key words: intelligent vehicle, digital twin, verification test, virtual scene

赵树廉,来飞,李克强,陈涛,孟璋劼,唐逸超,吴思宇,田浩东. 基于数字孪生技术的智能汽车测试方法研究[J]. 汽车工程, 2023, 45(1): 42-51.

Shulian Zhao,Fei Lai,Keqiang Li,Tao Chen,Zhangjie Meng,Yichao Tang,Siyu Wu,Haodong Tian. Research on Intelligent Vehicle Test Method Based on Digital Twin Technology[J]. Automotive Engineering, 2023, 45(1): 42-51.

图/表 14

图1

图 2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

参考文献 20

1	GALKO C， ROSSI R， SAVATIER X， et al. Vehicle-hardware-in-the-loop system for ADAS prototyping validation ［C］. Samos： 14th International Conference on Embedded Computer Systems： Architectures， Modeling and Simulation， 2014.
2	GIETELINK O， PLOEG J， SCHUTTER B D， et al. Development of advanced driver assistance systems with vehicle hardware-in-the-loop simulations ［J］. Vehicle System Dynamics， 2006， 44（7）： 569-590.
3	SOLMAZ S， HOLZINGER F. A novel test bench for development， calibration and functional testing of ADAS/AD functions ［C］. Graz： 8th IEEE International Conference on Connected Vehicles and Expo， 2019.
4	FAYAZI S A， VAHIDI A. Vehicle-in-the-loop （VIL） verification of a smart city intersection control scheme for autonomous vehicles ［C］. Kohala Coast： 1st Annual IEEE Conference on Control Technology and Applications， 2017.
5	KALRA N， PADDOCK S M. Driving to safety： how many miles of driving would it take to demonstrate autonomous vehicle reliability？［J］. Transportation Research Part A， 2016， 94： 182-193.
6	ZHAO D， LAM H， PENG H， et al. Accelerated evaluation of automated vehicles safety in lane-change scenarios based on importance sampling techniques ［J］. IEEE Transactions on Intelligent Transportation System， 2017， 18（3）： 595-607.
7	ZHAO D， HUANG X， PENG H， et al. Accelerated evaluation of automated vehicles in car-following maneuvers ［J］. IEEE Transactions on Intelligent Transportation System， 2018， 19（3）： 733-744.
8	SU H， WANG R， CHEN K， et al. A simulation method for LIDAR of autonomous cars ［C］. Wuhan： 6th Annual 2018 International Conference on Geo-Spatial Knowledge and Intelligence， 2018.
9	FANG J， ZHOU D， YAN F， et al. Augmented LiDAR simulator for autonomous driving ［J］. IEEE Robotics and Automation Letters， 2020， 5（2）： 1931-1938.
10	LI W， PAN C W， ZHANG R， et al. AADS： augmented autonomous driving simulation using data-driven algorithms ［J］. Science Robotics， 2019， 4（28）， eaaw0863.
11	FENG S， FENG Y， YU C， et al. Testing scenario library generation for connected and automated vehicles， part I： methodology ［J］. IEEE Transactions on Intelligent Transportation System， 2021， 22（3）： 1573-1582.
12	FENG S， FENG Y， SUN H， et al. Testing scenario library generation for connected and automated vehicles， part II： case studies ［J］. IEEE Transactions on Intelligent Transportation System， 2021， 22（9）： 5635-5647.
13	SOLMAZ S， RUDIGIER M， MISCHINGER M. A vehicle-in-the-loop methodology for evaluating automated driving functions in virtual traffic ［C］. Las Vegas： 31st IEEE Intelligent Vehicles Symposium， 2020.
14	LI L， WANG X， WANG K， et al. Parallel testing of vehicle intelligence via virtual-real interaction ［J］. Science Robotics， 2019， 4（28）， aaw4106.
15	SZALAY Z， FICZERE D， TIHANYI V， et al. 5G-enabled autonomous driving demonstration with a V2X scenario-in-the-loop approach ［J］. Sensors， 2020， 20（24）： 1-24.
16	WARKE V， KUMAR S， BONGALE A， et al. Sustainable development of smart manufacturing driven by the digital twin framework： a statistical analysis ［J］. Sustainability， 2021， 13（18）， 10139.
17	BARBIE A， PECH N， HASSELBRING W， et al. Developing an underwater network of ocean observation systems with digital twin prototypes - a field report from the Baltic Sea ［J］. IEEE Internet Computing， 2022， 26（3）： 33-42.
18	KHAN S， FARNSWORTH M， MCWILLIAM R， et al. On the requirements of digital twin-driven autonomous maintenance ［J］. Annual Reviews in Control， 2020， 50： 13-28.
19	PARK K T， LEE S H， NOH S D. Information fusion and systematic logic library-generation methods for self-configuration of autonomous digital twin ［J］. Journal of Intelligent Manufacturing， 2021， DOI： 10.1007/s10845-021-01795-y.
20	SEILER P， SONG B， HEDRICK J. Development of a collision avoidance system ［C］. SAE Paper 980853.

[1]	郝建平,苏炎召,钟志华,黄晋. 面向智能汽车的SOA架构及服务调度机制研究[J]. 汽车工程, 2023, 45(9): 1563-1572.
[2]	赵高士,陈龙,蔡英凤,廉玉波,王海,刘擎超,滕成龙. 融合复杂网络和记忆增强网络的轨迹预测技术[J]. 汽车工程, 2023, 45(9): 1608-1616.
[3]	胡启慧,蔡英凤,王海,陈龙,董钊志,刘擎超. 基于层次图注意的异构多目标轨迹预测方法[J]. 汽车工程, 2023, 45(8): 1448-1456.
[4]	黄鹤,李战一,杨澜,王会峰,高涛,陈婷. 交通图像大气加雾模型设计与评价[J]. 汽车工程, 2023, 45(5): 786-795.
[5]	高翔,陈龙,王歆叶,熊晓夏,李祎承,陈月霞. 基于轨迹预测的智能汽车行驶风险评估方法[J]. 汽车工程, 2023, 45(4): 588-597.
[6]	胡杰,朱琪,陈锐鹏,张敏超,张志豪,刘昊岩. 引入必经点约束的智能汽车全局路径规划[J]. 汽车工程, 2023, 45(3): 350-360.
[7]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[8]	刘正发,吴亚,刘佩根,顾荣琦,陈广. 基于特征和标签联合分布匹配的智能驾驶跨域自适应目标检测[J]. 汽车工程, 2023, 45(11): 2082-2091.
[9]	邵文博,李骏,张玉新,王红. 智能汽车预期功能安全保障关键技术[J]. 汽车工程, 2022, 44(9): 1289-1304.
[10]	汪梓豪,蔡英凤,王海,陈龙,熊晓夏. 基于单目视觉运动估计的周边多目标轨迹预测方法[J]. 汽车工程, 2022, 44(9): 1318-1326.
[11]	梁旺,秦兆博,陈亮,边有钢,胡满江. 基于改进BP神经网络的智能车纵向控制方法[J]. 汽车工程, 2022, 44(8): 1162-1172.
[12]	赵健,宋东鉴,朱冰,吴杭哲,韩嘉懿,刘宇翔. 数据机理混合驱动的交通车意图识别方法[J]. 汽车工程, 2022, 44(7): 997-1008.
[13]	余嘉星,Aliasghar Arab,裴晓飞,过学迅. 考虑路径平滑性和避撞稳定性的智能汽车弯道轨迹规划研究[J]. 汽车工程, 2022, 44(5): 656-663.
[14]	江浩斌,冯张棋,洪阳珂,韦奇志,皮健. 应用于车辆纵向控制的无模型自适应滑模预测控制方法[J]. 汽车工程, 2022, 44(3): 319-329.
[15]	宋东鉴,朱冰,赵健,韩嘉懿,刘彦辰. 基于驾驶行为生成机制的智能汽车类人行为决策[J]. 汽车工程, 2022, 44(12): 1797-1808.

基于数字孪生技术的智能汽车测试方法研究

Research on Intelligent Vehicle Test Method Based on Digital Twin Technology

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 20

相关文章 15

Metrics

本文评价

推荐阅读 10