過去幾年里，車載自組織網(wǎng)絡(luò)（VANET）因其具有提升交通安全、效率以及駕駛員舒適性的潛力，引起了眾多研究人員的關(guān)注。實(shí)際上，一些高級駕駛員輔助系統(tǒng)（ ADAS）應(yīng)用（例如協(xié)同駕駛技術(shù)以及后來的自動駕駛技術(shù)）只能通過道路上車輛之間的無線通信來實(shí)現(xiàn)。

     由于此類系統(tǒng)常常表現(xiàn)出具有安全關(guān)鍵性的特點(diǎn)，因此在大規(guī)模應(yīng)用前必須完成嚴(yán)格的試驗(yàn)和驗(yàn)證。盡管采用實(shí)物樣機(jī)車輛的真實(shí)道路試驗(yàn)提供了最高程度的真實(shí)性，但進(jìn)行大規(guī)模的各種車輛網(wǎng)絡(luò)試驗(yàn)所需的大量資源使得這種做法難以為繼。在大尺度虛擬環(huán)境中驗(yàn)證此類解決方案的性能時(shí)，仿真技術(shù)有著舉足輕重的作用。此外，基于仿真的評估技術(shù)具有無法估量的價(jià)值：可以在各種危險(xiǎn)和關(guān)鍵場景中試驗(yàn)這些復(fù)雜系統(tǒng)，同時(shí)不必將人置于風(fēng)險(xiǎn)之中。

圖 1：ADAS 仿真

     在汽車行業(yè)里，傳統(tǒng)的駕駛員輔助與主動安全系統(tǒng)的開發(fā)過程中采用仿真（圖 1）已獲得普遍認(rèn)可，這些仿真主要側(cè)重于細(xì)節(jié)程度極高的單個(gè)車輛的仿真。在對基于車載通信的 ADAS 性能進(jìn)行研究、評估時(shí)，這種在仿真環(huán)境中依賴于單個(gè)車輛或者少量車輛的孤立視角的做法則難以奏效。每一個(gè)配備了無線通信技術(shù)的車輛都有可能接入一個(gè)由參與車載網(wǎng)絡(luò)的其他道路使用者組成的反饋回路，因此需要考慮的影響者的數(shù)量就會大增。

     基于以上考慮因素，需要根據(jù)可用的計(jì)算資源在各個(gè)車輛仿真細(xì)節(jié)的準(zhǔn)確度與所仿真的車輛數(shù)量的多少之間進(jìn)行權(quán)衡。

     本文給出了有助于這種權(quán)衡的解決方案：通過耦合多種分辨率的交通仿真，不僅能獲得進(jìn)行權(quán)衡時(shí)所需的準(zhǔn)確性較高的仿真結(jié)果，而且能實(shí)現(xiàn)對周邊環(huán)境大尺度場景的高效仿真。

開發(fā)多分辨率交通仿真

 

 1   微觀交通仿真器：SUMO

     我們選用城市流動性仿真（SU MO）作為交通仿真器，負(fù)責(zé)低分辨率區(qū)域（LRA）的仿真。 SUMO 是一個(gè)空間連續(xù)、時(shí)間離散的微觀仿真器。 雖然它廣泛應(yīng)用于各種研究領(lǐng)域，但最引人注目的是它大量出現(xiàn)在與 VANET 仿真有關(guān)的研究論文中。 SUMO 以其運(yùn)行速度高、可擴(kuò)展性好而著稱。 SUMO 非常適合于仿真位于低分辨率區(qū)域的大量車輛。 得益于其簡化的駕駛員模型（由該模型確定車輛將采用的路徑） ，大幅度提升了低分辨率區(qū)域的交通仿真效率。

 2   亞微觀交通與車輛仿真器：Virtual Test Drive

     我們采用VIRES公司提供的復(fù)雜道路交通環(huán)境仿真工具VTD來實(shí)現(xiàn)亞微觀交通與車輛仿真，從而滿足位于高分辨率區(qū)域的交通車輛的仿真的需求

圖 2：VIRES VTD 中仿真的雷達(dá)傳感器的 3D 可視化示意圖

     VTD 是為汽車行業(yè)而開發(fā)的，用于開發(fā) ADAS 和自動駕駛車輛的虛擬試驗(yàn)環(huán)境。它主要以駕駛員行為、車輛動力學(xué)及傳感器的高精度和交互式仿真為基礎(chǔ)。VTD是高度模塊化仿真工具，任何標(biāo)準(zhǔn)組件均可由滿足特定需求的自定義插件來替換。其標(biāo)準(zhǔn)駕駛員模型以智能駕駛員模型為基礎(chǔ)。同時(shí)，VTD開放了駕駛員模型接口，必要時(shí)可采用外部自行開發(fā)的駕駛員模型。同樣的概念也適用于車輛動力學(xué)仿真，其中標(biāo)準(zhǔn)單軌模型可由適合具體車輛的任意復(fù)雜車輛動力學(xué)模型來替換。每個(gè)被仿真的車輛可配備任意的仿真?zhèn)鞲衅鳎鐖D 2 中所示的雷達(dá)傳感器。

 3   通過脫機(jī)預(yù)處理實(shí)現(xiàn)耦合

     這兩個(gè)仿真工具依靠不同的數(shù)據(jù)格式來描述模型化的路網(wǎng)。 為了能讓這兩個(gè)仿真器進(jìn)行聯(lián)合仿真，底層數(shù)據(jù)基礎(chǔ)必須互相匹配。 VTD 采用 OpenDRIVE 格式來描述道路路網(wǎng)。 通過采用分析式定義，這種描述能使道路幾何建模盡量貼近現(xiàn)實(shí)。 另一方面，SUMO 通過線段來實(shí)現(xiàn)對公路網(wǎng)的幾何近似。 此外在交叉路口和車道的幾何建模上也存在差異。 為實(shí)現(xiàn)數(shù)據(jù)基礎(chǔ)的匹配，我們在脫機(jī)預(yù)處理步驟中將公路網(wǎng)從 OpenDRIVE 轉(zhuǎn)換為 SUMO 支持的文件格式。

 4   聯(lián)機(jī)耦合與同步

圖 3：仿真分辨率切換比較

     在仿真運(yùn)行期間仿真器的耦合基于主從原則。圖 3 給出了單個(gè)仿真步長期間的運(yùn)行次序，其中 VTD 和 SUMO 能以不同的時(shí)間分辨率運(yùn)行，并且不會對同步造成影響。為高分辨率區(qū)域（HRA）的時(shí)間步長， 而為低分辨率區(qū)域（LRA）的時(shí)間步長。亞微觀仿真運(yùn)行的頻次通常要比微觀仿真的更高。和分別表示各仿真器的局部仿真時(shí)間。每個(gè)仿真步長開始時(shí)，在 VTD 中以新的時(shí)間步長進(jìn)行仿真。

     如果達(dá)到 SUMO 的下一個(gè)時(shí)間步長，并且滿足條件≥+，則將高分辨率車輛的狀態(tài)通過網(wǎng)關(guān)發(fā)送給 SUMO。這會觸發(fā)低分辨率模型中的下一個(gè)時(shí)間步長的仿真，完成后反饋低分辨率車輛的位置。此時(shí)將這些車輛進(jìn)行分類，必要時(shí)可變更各個(gè)車輛的分辨率。在仿真器之間進(jìn)行車輛互換時(shí)，如果車輛由于仿真精度上的差異而不能根據(jù)其在特定車道中的位置完成映射，前面提到的底層公路網(wǎng)中存在的內(nèi)在差異就有可能引發(fā)各種問題。對于建模方式截然不同的復(fù)雜交叉路口更是如此。

     在成功完成所有的分辨率變更后，仿真再次被解鎖，可開始仿真下一個(gè)時(shí)間步長。這種同步非常重要，它確保了在多次仿真中都能得到可重現(xiàn)的仿真結(jié)果。

仿真區(qū)域的動態(tài)空間劃分 

     我們這種方法的目標(biāo)是：在感興趣的動態(tài)區(qū)域耦合不同分辨率的交通仿真模型。與傳統(tǒng)的交通仿真不同，對于這些用于在虛擬環(huán)境中進(jìn)行試駕的車輛，我們不打算從鳥瞰的角度研究大量車輛，而是將重點(diǎn)放在單個(gè)車輛（或者數(shù)量有限的車輛）上。在這些感興趣的車輛中，我們所研究的配有車載 ADAS 系統(tǒng)的車輛被稱為 EGO 汽車。仿真的測量值和傳感器值輸入到 ADAS 中，根據(jù)車輛的類型及其使用場景，相應(yīng)的 ADAS 會直接或間接地影響車輛的狀態(tài)和行為。根據(jù)距離標(biāo)準(zhǔn)，以 EGO 汽車為中心定義一個(gè)感興趣的區(qū)域，其中的仿真必須滿足所定義的高分辨率要求。由于 EGO 汽車會連續(xù)行駛穿過虛擬環(huán)境，這個(gè)感興趣的區(qū)域有可能隨之移動。為此我們將整個(gè)仿真區(qū)域動態(tài)地劃分為高分辨率區(qū)域（HRA）和低分辨率區(qū)域（LRA）。

圖 4：仿真區(qū)域的動態(tài)劃分

圖 5：仿真分辨率的滯后控制

      圖4 給出了動態(tài)空間劃分的示意圖。其中，以 EGO 車輛為中心的圓形定義為高分辨率區(qū)域。紅色車輛處于圓內(nèi)，因此仿真時(shí)采用高分辨率的亞微觀仿真器；而綠色車輛處于圓外，因此仿真時(shí)采用低分辨率的微觀仿真器。微觀仿真中的所有車輛（而亞微觀仿真只包含高分辨率車輛）及其運(yùn)動適用于其在微觀仿真器中的替代物。由于道路交通的動態(tài)性質(zhì)，允許 EGO 汽車、高分辨率車輛以及低分辨率車輛連續(xù)移動。因此，在完成每一個(gè)時(shí)間步長的仿真后進(jìn)行指定分辨率模式的分類。經(jīng)過分類將分辨率變更的車輛轉(zhuǎn)給相應(yīng)的仿真器。在每一個(gè)時(shí)間步長里，分辨率的變更可以是雙向的。但由于高分辨率區(qū)域是以 EGO 汽車為中心定義的，因此該車總是采用高分辨率仿真。為避免高分辨率與低分辨率邊界附近的車輛在這兩種分辨率區(qū)域之間過于頻繁地切換，在分類過程中采用了如圖 5 所示的滯后控制器。如圖 3 所示，定義了兩個(gè)閾值 Rin 和 Rout。只有當(dāng)車輛與 EGO 汽車的距離小于 Rin 的值時(shí)才轉(zhuǎn)為高分辨率仿真。只有當(dāng)距離超過閾值 Rout 時(shí)才會切換回低分辨率仿真。

VTD 做到了高度模塊化，任何標(biāo)準(zhǔn)組件均可由自定義的、有可能更具體的實(shí)現(xiàn)來替換。

仿真與評估

 1   場景與仿真設(shè)置

     建立了一個(gè)模擬場景用于試驗(yàn)耦合概念并評估其性能。 它包含一段長度為 50 km、自西向東行駛的單一直線道路，以及兩條單向車道。 各車道的配置是： 車道上每小時(shí)進(jìn)入的車輛始終為 1,000 輛，向西或向東行駛。 EGO 汽車位于道路的起點(diǎn)附近。 該車跟隨著交通流自西向東行駛，正對著迎面而來的交通流。

     這條虛構(gòu)的道路首先按 OpenDRIVE 格式建模，然后轉(zhuǎn)換為 SUMO 公路網(wǎng)格式。我們進(jìn)行了兩輪試驗(yàn)。在第一輪中，整個(gè)仿真區(qū)域采用亞微觀流量仿真器；在第二輪中，我們用所述的多分辨率概念來劃分 VTD 與 SUMO 之間的仿真區(qū)域。我們選擇的時(shí)間步長是：VTD 中高分辨率區(qū)域的 為 20 ms，SUMO 中低分辨率區(qū)域的 為 1 s。設(shè)置用于定義感興趣的動態(tài)區(qū)域的滯后閾值： 為 500 m、 為 550 m。

 2   性能評估

     針對一段仿真時(shí)間為 1,800 s 的仿真，我們測量了執(zhí)行每一個(gè)仿真步長所花費(fèi)的時(shí)長，其間車輛數(shù)量一直在增加。 每輪分別進(jìn)行五次仿真，以便消除測得的執(zhí)行時(shí)間的波動。 為更清晰地展示測量值的變化趨勢，在后面的圖示中還給出了移動平均值。

圖 6：仿真性能——全亞微觀仿真

     圖 6 給出了在仿真期間隨著仿真車輛數(shù)量的增加亞微觀仿真的性能變化過程。 每一個(gè)仿真步長的用時(shí)幾乎不變，直到車輛數(shù)量增至 70 輛。

     此時(shí)的用時(shí)為 12 ms 左右，未超過 20 ms 的時(shí)間步長，因此仍能滿足實(shí)時(shí)約束。車輛增至 150 輛左右時(shí)，用時(shí)超過了 20 ms，無法再做到實(shí)時(shí)仿真。隨著車輛數(shù)量的增加，每一個(gè)時(shí)間步長的用時(shí)也有相當(dāng)大的增幅，并且在仿真過程結(jié)束時(shí)達(dá)到 180 ms。與仿真開始時(shí)相比，計(jì)算時(shí)間增加了 15 倍。完成整個(gè)仿真歷時(shí) 120 分鐘，是所仿真時(shí)間的四倍。

圖 7：仿真性能：多分辨率仿真

     在同一個(gè)仿真場景中、針對同一段仿真時(shí)間，多分辨率仿真在仿真期間的性能變化如圖 7 所示。 其中，車輛總數(shù)的增加方式與全亞微觀仿真相同，單獨(dú)繪制的亞微觀仿真車輛數(shù)量給出了處于高分辨率區(qū)域的車輛數(shù)量。

     從圖中可以看出，縮小感興趣的亞微觀模型區(qū)域可以滿足縮短仿真總時(shí)間的目標(biāo)。在亞微觀仿真車輛局部數(shù)量達(dá)到最大值 11 輛之后，車輛數(shù)量緩慢減少，這是因?yàn)橐苿虞^慢的車輛落在移動較快的 EGO 汽車后面所致。在仿真時(shí)間 1,350 s 前后，來自道路各端的兩個(gè)交通流在道路中部匯合，隨后亞微觀仿真車輛數(shù)量增加。然而，由于高分辨率區(qū)域的范圍有限，亞微觀仿真車輛數(shù)量不會超過某個(gè)限值。對于以上給定的配置，該車輛數(shù)量在 27 輛左右。時(shí)間步長的用時(shí)保持在穩(wěn)定的平均 12 ms 左右，因此耦合這兩個(gè)仿真器所造成的資源消耗可忽略不計(jì)。同時(shí)還給出了微觀仿真器的運(yùn)行時(shí)間。由于其仿真模型細(xì)節(jié)較少且效率更高，因而其用時(shí)也可以忽略。整個(gè)仿真歷時(shí)不到 18 分鐘，因此多分辨率仿真要比實(shí)際時(shí)間快 1.66 倍，并且在整個(gè)仿真期間都能滿足實(shí)時(shí)約束。

在虛擬環(huán)境中運(yùn)用這種分而治之的策略，能夠?qū)谲囕d網(wǎng)絡(luò)的駕駛員輔助系統(tǒng)的具體實(shí)現(xiàn)進(jìn)行準(zhǔn)確、逼真、大尺度的試驗(yàn)與驗(yàn)證。

結(jié)束語

     在本文中，我們提出了耦合不同仿真分辨率的交通仿真器的概念，藉此實(shí)現(xiàn)以動態(tài)確定的感興趣區(qū)域?yàn)殛P(guān)注點(diǎn)的多分辨率交通仿真。  所述方法對仿真區(qū)域進(jìn)行了可變劃分，感興趣、較精細(xì)的區(qū)域用 VIRES 虛擬試駕（VTD）亞微觀模型表示，周圍區(qū)域則用低分辨率的微觀模型表示。 評估表明，與仿真規(guī)模相同的全亞微觀仿真相比，可大幅縮短計(jì)算時(shí)間，甚至能做到實(shí)時(shí)仿真。 在虛擬環(huán)境 中運(yùn)用這種分而治之的策略，能夠?qū)谲囕d網(wǎng)絡(luò)的駕駛員輔助系統(tǒng)的具體實(shí)現(xiàn)進(jìn)行準(zhǔn)確、逼真、大尺度的試驗(yàn)與驗(yàn)證。 作為下一步，我們正在研究將多分辨率仿真法應(yīng)用到與車載網(wǎng)絡(luò)仿真有關(guān)的其他領(lǐng)域，也就是網(wǎng)絡(luò)仿真與應(yīng)用模擬，從而更高效、更逼真地對包含所有領(lǐng)域的整個(gè)系統(tǒng)建模。