LimSim: A Long-term Interactive Multi-scenario Traffic Simulator
链接: https://arxiv.org/pdf/2307.06648.pdf
github: https://github.com/PJLab-ADG/LimSim
导读
1- 论文整合flow-base, vehicl-base, date-based dataset三种仿真框架,形成同时使用 三者优点的一个多场景长时间大规模运行的仿真系统;
2- 该系统是对自动驾驶测试,算法开发服务的
3- 该系统对接sumo实现大路网,多交通流仿真;路网中加载自然驾驶数据集,实现对多种 场景真实形成轨迹的还原。加载自动驾驶车辆,通过多车决策算法,车辆行为决策影响自然驾驶背景车流的行为,从而合理的改变dataset数据集中的车辆轨迹,实现测试车与真实环境的互相影响,并创造新的交通流场景;最后车辆动力学软件模型接手背景交通流和测试场的动力学模型,实现车辆动作的真实性。
核心内容
1- 结合flow-base软件SUMO形成的long term特点;
2- 结合data-based自然驾驶数据集形成的场景真实性特点
3-结合vehicle-base的车辆动力学模型的运动逼真特点
4- 提出与背景交通流决策交互的多车决策规划,轨迹变更的交互机制,丰富了场景多样性,增加了测试的可靠性
仿真系统框架
多类型道路场景构建
十字路口,丁字路口,环岛,匝道,快速路等等
多源交通流生成
基本的交通流 模型加载的交通流,跟车,换道,汇入模型等; 也包括主流的naturalistic driving datasets and srelevant standards自然驾驶数据加载;也可以加载宏观和微观的交通流模型
多车联合决策和规划
PDP 决策过程包括三步:prediction, decision-making, planning。
多维度场景分析
道路维度,车辆性能,车辆运动,离线,在线等方面,安全,舒适,能源消耗,轨迹质量, 行车风险,场景复杂度等等方面的量化评价
如上图:长时间大范围多场景的仿真
如上图多车决策
如上图,交互场景重构,与背景交通流互动后形成新的场景
点评
1-解决了自动驾驶背景交通流加载仿真测试的case-by-case 规模小,不能互动,且场景少,时间段等问题
2- 提出了基于自然驾驶数据集的测试车与背景交通流互动模型,大大拓展了测试的真实性和测试场景的丰富性
2-解决了虚拟交通流场景自动驾驶测试的场景不真实问题
3- 开源,且对接了很多自然驾驶数据集,以及有很多方便的API,因此自动驾驶仿真测试领域的人值得花点时间研究。