数字孪生技术在自动驾驶测试领域的应用研究概述

来源：汽车测试网

作者：王庆涛 周正等

摘 要：

研究数字孪生技术在自动驾驶测试领域的应用。旨在构建高度开放的数字孪生自动驾驶测试平台，结合仿真测试工具、通信设备、真实测试车辆等功能单元，形成丰富的测试验证环境，支持各类自动驾驶解决方案和算法验证测试，具备在有限资源条件下开展虚拟复杂场景的自动驾驶实车测试验证能力。提供一种全新的自动驾驶整车测试方法。

关键词：数字孪生；自动驾驶；测试

1.数字孪生技术介绍

1.1 数字孪生概念介绍

数字孪生（digital twin）的概念最初由Grieves教授于2003年在美国密歇根大学的产品全生命周期管理课程上提出[1]，并被定义为三维模型，包括实体产品、虚拟产品以及二者间的连接。全球著名的IT研究与顾问咨询公司Gartner连续两年 (2016年和2017年)将数字挛生列为当年十大战略科技发展趋势之一[2]，2017年12月8日中国科协智能制造学会联合体在世界智能制造大会上将数字孪生列为了世界智能制造十大科技进展之一。

数字孪生的宏观概念是指：是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。[1]

总结上述定义的理解要点为：数字孪生是仿真应用的延伸和发展，不仅仅是物理世界的镜像，也要接受物理世界的实时信息，更要反过来实时驱动物理世界。

本文结合自动驾驶测试，给出数字孪生在自动驾驶测试中的狭义定义：车辆处于真实的测试场地环境当中，同时将车辆通过数字通信等技术，建模映射到虚拟空间内，之后在虚拟空间内通过构建不同的复杂交通环境，将有关信号通过仿真器进行仿真生成，然后发送给实际道路中的车辆。车辆接收到信号之后，对信号进行分析判断，进而决策规划到形成控制信号发送到底盘，执行控制动作，车辆动作反馈回虚拟空间，从而达到对自车的决策规划和控制执行系统的考核能力。

1.2 数字孪生技术的主流应用

根据数字孪生技术的广义定义，其不仅是映射物理世界，更需要接收物理世界的反馈信息，进而反过来驱动物理世界。这个过程的应用程度即数字孪生技术应用的成熟度，对应“数化、互动、先知、先觉、共智”。[1]

数字孪生的概念最早应用于航空航天领域，美国国防部最早提出将数字孪生技术用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等，示意如图1。

图1 航天数字孪生模型示意

数字孪生技术在工业4.0体系中扮演着重要的角色，主要应用包括“产品数字化孪生”、“生产工艺流程数字化孪生”和“设备数字化孪生”。在数字孪生技术驱动下 ,将传统的预测性维护方法由被动响应转型为主动服务的转变过程,为中国制造业由“生产型制造”向“服务型制造”转变提供支撑。[3]

数字孪生技术的虚实结合特性在智能网联领域的应用日趋广泛，主要包括智能网联汽车开发制造、智能工厂平台等工业应用和数字孪生自动驾驶测试应用。其中，在开发制造领域，数字孪生技术应用形式主要是产品设计建模、智慧生产线设计运行等方面。

2.自动驾驶测试评价方法分析

自动驾驶汽车行业发展迅速，但其开发阶段的产品验证方法仍然与现有传统汽车保持很大程度的一致。其测试方法主要有：软/硬件在环测试、封闭场地测试、开放道路测试。三种方法各有优劣，任意一个部分并不能很好的保证测试效果。未来对自动驾驶汽车的检验检测将会是软硬件在环+封闭场地测试+实车路试验有机结合的模式。

现有测试方法的优劣对比分析如下表1。

表1 测试评价方法优劣分析

方法	软/硬件在环测试	封闭场地测试	开放道路测试
对象	软件、部件、虚拟环境	实车、实路、假参与者	实车、实路、实参与者
优势	针对部件进行单独验证； 丰富、可重复的场景； 测试效率高；	真实的道路和车辆动作； 场景可重复测试； 安全可控；	无线丰富的真实场景； 真实交通参与者； 贴合实际使用；
劣势	依赖动力学模型； 无法验证车辆执行能力；	测试场景数量有限； 场地共用性、可升级性差；	路况不可控，安全风险大； 大量时间和成本投入； 可重复性差；

随着自动驾驶汽车技术不断发展、交通场景日益复杂，如上现有测试方法在自动驾驶测试实践中显现出不足，具体表现在如下几点：

1)测试场景碎片化不符合实际使用情况。汽车自动驾驶是一个连续行为，贴合实际使用的验证必须需要广阔的空间开展连续场景验证，若在真实物理空间中实现，花费的成本与时间不可接受；

2)复杂交通场景搭建的难度大、成本高、安全风险大，如隧道、多车冲突、预期功能安全场景等；

3)软硬件在环测试依赖车辆动力学模型，模型难以复现真实车辆动力学，其精度对测试有较大影响；

4)真实封闭场地建设成本高，且建成后不能适应自动驾驶技术快速变化的测试需求；

5)开放道路中的交通参与物、交通流等不易复现，不便开展大量的重复测试；

数字孪生技术在自动驾驶汽车测试领域具备其特殊的应用价值，可解决现有测试方法的不足，现就数字孪生技术如何在自动驾驶测试评价领域应用提出一种可行方案。

3.数字孪生自动驾

驶测试评价方法研究

基于数字孪生技术的自动驾驶测试评价方法，核心在于数字孪生技术，其关键特点是“虚实结合”，将真实车辆动力学和虚拟复杂交通场景紧密联系，并在测试过程中实时交互，即时生成评价结果。

此种方法相比上述现有测试方法，其优势在于：

1）场景设置连续且可定制，贴合实际使用的连续行驶场景；

2）可实现复杂场景的快速搭建和自动驾驶测试，节约场地建设成本；

3）不需要动力学模型，基于实际路面和车辆动态进行评价，测试结果更贴合实际；

4）所有测试基于数字试验场，可快速适应自动驾驶技术升级带来的新的测试需求；

5）测试效率高、场景可复现、可拓展性好，可平台上云实现海量仿真测试；

现从方案框架体系、硬件方案、关键难点、应用预期四个方面对此方案进行介绍。

3.1 方案体系框架

概念方案从数字孪生技术“虚实结合”的关键特点出发，主要包含数字孪生体、测试开展、评价等三个维度，构成数字孪生自动驾驶测试评价体系的主线，如下图2。

数字孪生落地应用的首要任务是创建应用对象的数字孪生模型[4],即形成数字孪生体。其构建及实时信息交互是本方案的关键，需要将现实世界中的试验场地、试验对象、测试场景等数字化，形成孪生的数字试验场、数字试验对象、数字测试场景，使两者成为互通的数字孪生体。

测试的工作机理：数字被测对象与真实被测对象孪生对应并受真实被测对象驱动→数字测试场景下发给真实被测对象→真实被测对象的决策执行动作回传给数字被测对象→数字被测对象在数字测试场内完成动作→在数字测试场中采集数据并完成测试评价。

图2 数字孪生测试评价体系概念图

为实现上述数字孪生自动驾驶测试概念，对其体系构成进行如下设计，详细如下图3。主要包含数字孪生测试设备（仿真平台、数据下发和采集设备）、真实被测对象、评价分析、展示平台4大部分。

图3 数字孪生测试评价体系构成图

以一台自动驾驶汽车为被测对象，陈述系统工作过程：仿真平台运行虚拟试验场、车辆传感器模型、测试场景，形成一个或多个自动驾驶测试场景（如十字路口通行场景），通过注入设备将场景信息下发至自动驾驶汽车的控制器，自动驾驶汽车根据自身算法对十字路口信息进行处理，发出决策信号（如减速通过），车辆执行决策（如制动减速，缓慢通过路口）；

该车辆的动作数据通过车端安装的动态测量设备实时采集并上传至仿真平台用于驱动虚拟的自动驾驶汽车模型，在仿真平台的场景中标注车辆动态数据；评价分析模块对车辆动态数据进行处理，基于评价维度和数据库进行车辆行为评价；车端、路端视频监控设备信息以及仿真平台画面传输至展示平台。通过多样的接口与用户交互，呈现测试过程和结果。

结合主、客观评价数据库，对自动驾驶车辆的功能表现进行多维度分析。评价指标基于国际、国内通用的标准、规范为基础，融合积累的大量实际测试数据，从安全性、智能度、舒适性、可靠性四个关键维度进行综合设定。

结合当前技术成熟度，对数字孪生自动驾驶测试评价体系方案的开展分三阶段进行，如下表2所示。在5G网络覆盖度低、网络时延不稳定的情况下，开展车端下发方案建设，通过车载数字孪生测试设备与车辆控制器直连注入，保证单车测试能力；在5G网络成熟并稳定的情况下，开展网络下发方案建设，可减少车端设备数量、降低单车设备成本、提高测试规模和效率；前两个阶段研究成熟后，开展扩展应用，如数字孪生仿真平台上云、传感器动力学模型校准等应用。

表2 技术方案开展阶段规划

阶段	车端下发阶段	网络下发阶段	扩展应用阶段
主要内容	建设搭载于测试车辆上的孪生设备，仿真场景与车辆直连注入	建设控制中心，仿真场景通过5G/网络下发至测试车辆	开展数字孪生测试系统扩展应用，研究传感器模型、动力学模型校准，云仿真等应用
适用范围	网络差、单车测试	网络优、批量实车测试	校准测试、云仿真

基于上述概念方案，设计可实现的硬件布局方案，如下图4、图5所示。硬件配置方案分车端下发和网络下发两种，对应表2所示的前两个阶段。

3.2 方案硬件布局

车载下发方案主机及相关设备均安装在被测车辆上，通过注入设备及硬线与被测车辆控制器相连接，实现信息的交互。

网络下发方案的主机在试验室内或者云端，通过网络形式（5G/V2X）下发至车载设备，接收转换之后，完成注入和信息交互。

图4 车端下发方案

 图5 网络下发方案

3.3 方案关键难点

在本方案中，信息交互技术是决定数字孪生能否真正实现虚实结合的关键难点，主要体现在下述几个方面：

3.3.1 场景注入多车型通用性的问题

自动驾驶汽车控制器接口协议、算法语言等百家争鸣，对一种场景格式的识别程度可能存在不同，场景注入在多种车型上的通用性是必须考虑的问题。本方案尝试采取两种方式进行解决：一是对外开放，即参考主流通信协议将场景注入格式标准化，并将关键的注入参数明确化，让被测对象主动进行适配接收。二是开发多个注入模板，即针对各大协议、厂商等，研究制定多个适用的场景注入格式模板，尽可能提升场景注入的快速适用性。

3.3.2 信息传输时延导致交互不实时的问题

自动驾驶车速越高，信息传输时延带来的影响越大，例如当被测车辆以60 km/h的车速通过A点时，触发虚拟测试场景下发动作，信息传输时延100 ms，虚拟测试场景到达被测车辆时车辆已经超过A点约1.7 m，这使得数字场景与真实场景在同一时刻存在较大的位置差异，这对自动驾驶安全性功能测试来讲误差不可接受。在数字孪生技术方案实施时，需要从两方面同时着手来解决此问题：一是尽可能降低传输时延，如采用硬线直连、采用5G通信等；二是在仿真平台采用同步技术弥补时延带来的误差。

3.3.3 测试效率提升的问题

随着自动驾驶行业蓬勃发展，自动驾驶汽车开发测试需求必将是大批量的、需要的测试场景更是海量的。若采用每台车辆匹配一套数字孪生测试系统的方式，为达到海量场景测试，需要使用多套系统并进行长时间累积测试。所以在选择数字孪生仿真平台时必须考虑未来拓展应用，具备布署云端的能力，实现一套系统支持多车同时测试、云端海量场景仿真等应用。

3.4 应用预期

虚拟仿真测试技术被列为测试方法三支柱之一，从敏捷开发、高适应性、批量测试方面具备独到的优势。数字孪生技术的突破性应用，可以解决现有仿真测试真实性欠缺的问题、降低对测试场地和交通参与者的依赖、提高对自动驾驶需求场景的响应速度，为自动驾驶汽车提供一种全新的高效、安全、可不断升级的测试方法。随着经验的积累和数据量的增加，数字孪生模型对物理实体的仿真预测准确度会越来越高[5]。例如对毫米波传感器模型精确度的提升，可以将某一真实目标物的毫米波雷达特性模型化，通过数字孪生测试的方式测试真实车辆控制器对此模型输入后的响应，再比对真实车辆面对此真实目标的测试数据，对毫米波雷达模型进行精确度的优化。

数字孪生技术还可以帮助实现自动驾驶逻辑策略的实时优化，此优化特指使自动驾驶行为更贴近人的驾驶行为。系统配备AR头显，引入驾驶员在环概念，可实时向驾驶员显示当前车辆正在经历的数字孪生测试场景，可实时对比自动驾驶控制行为与驾驶员意向控制行为的差异，输出分析数据，进而帮助优化自动驾驶逻辑策略。

预期数字孪生自动驾驶测试评价方案在自动驾驶汽车研发测试、认证检测、产品准入、竞品对标、综合评价、动力学模型校验、传感器模型校验等方面具备广阔的应用前景。

本文主要从微观层面介绍数字孪生在自动驾驶整车测试领域的应用，从宏观维度来看，数字孪生技术在测试系统领域也具备重要的应用意义，例如测试区数字化管理、测试体系监管调度平台等。

总 结

本文结合数字孪生技术和自动驾驶测试评价技术，研究数字孪生技术在自动驾驶测试领域的应用方案，形成一种可实施的系统架构，提出一种新型、高效、安全的虚实相结合的实车在环测试方法，并对数字孪生技术应用过程中的关键技术难点、解决方案要点进行了说明，可为数字孪生技术的同类应用提供参考，以达到更好开展数字孪生技术应用的目的。

参考文献：

[1]田锋等．数字孪生体技术白皮书．安世亚太.2019年12月：1-1

[2]樊留群.智能制造中的数字孪生技术.设计与研究.2019年.第7期：62

[3]苏新瑞等.数字孪生技术关键应用及方法研究.中国仪器仪表.2019年第7期:47

[4]陶飞等.数字孪生五维模型及十大领域应用.计算机集成制造系统.2019年1月.第1期:1

[5]Henry Canaday.数字孪生技术的关键在于数据.航空维修与工程.2019(000)010

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”