交通場景仿真的案例
交通場景戰火升級，微信支付加速布局智慧交通
毋庸置疑，交通出行領域擁有巨大的市場潛力，騰訊正在積極布局這一領域。6月15日，騰訊與上海申通地鐵集團正式簽署戰略合作協議，將在移動支付、大數據、人工智能、社交服務等領域展開深入的數字化合作，共同打造從出行到周邊一公里全覆蓋的AI智慧出行生活圈。此前，微信支付已經率先登陸上海地鐵，支持乘客刷碼乘車。
據了解，目前乘車碼已經覆蓋全國46座城市，微信無感支付功能則普及至停車場、高速收費站、加油站等多個場景。再加上此前微信支付接入12306鐵路購票平臺，種種跡象表明，移動支付已經開始滲入衣食住行的“行”領域。
以交通連接多行業場景
通過發揮強大的連接能力和產品能力，微信支付正在試圖打造一個圍繞地鐵、公交、加油站、停車場等場景的“智慧交通”全景圖。但微信支付的腳步似乎不止于此。
“未來，我們將以交通為連接線，實現不同行業間的數據共享和應用，連接各行業間的信息孤島”，“餐飲、民生、住宿、零售和娛樂等高頻消費領域將成為首批被連接打通的行業。”在2018數博會上，雷茂鋒向外界透露了微信支付接下來在交通領域的期望。這意味著智慧交通的價值將不止在于節約管理成本、提升出行效率，還能以出行大數據為核心連通多行業場景，為業主提供深度運營的參考。
交通大數據是世界空間的映射，唯有借助豐富的數據，才能在未來交通出行方面有效整合各種資源，實現真正意義上的智慧出行升級。對于微信支付來說，其獲取的不僅是純位移數據，而是與交通出行緊密關聯、具有更強省份識別能力的數據。通過將孤立的人流、車流，轉化為可視化、可分析的信息流，這些數據可幫助相關運營者建立多元化經營的模式，也為挖掘交通相關業務與周邊商業服務的有機結合提供了數據基礎。
探索智慧城市想象空間
城市公共交通是城市基礎設施的重要組成部分，也是最能反映城市智慧化建設進程的核心場景。
展開 曠視AI復雜場景的交通標志檢測
交通標志本身種類眾多，大小不定，并且在交通復雜的十字路口場景下，由于光照、天氣等因素的影響，使其被精確檢測變得更加困難。提高上述場景下交通標志檢測準確度，將有助于降低十字路口交通事故發生的概率。
提供真實場景的道路圖片，部分圖片給出了交通標志的標注結果，所有交通標志共計 5 個類別，分別為紅燈、直行標志、向左轉彎標志、禁止駛入和禁止臨時停車。
數據示例如下：
初賽1/177，復賽1/12
框架
megengine
算法方案
網絡框架
atss + resnext101_32x8d
訓練階段
mosaic增強
隨機選擇四張圖片，對圖片進行隨機平移10%，尺度縮放(0.5,2.0)，shear 0.1，最后將四張圖片進行組合。
mixup增強
隨機選取兩張圖進行疊加，我們最終選用的比例是0.5 * 原圖+0.5 * 新圖片，同時其進行縮放(0.5,2.0)。
下圖為mosaic+mixup示例圖：
圖片尺寸
最終提交版本輸入圖片尺寸為(1500,2100)
多尺度訓練（最終提交版本未采用）
起初我們將短邊設為(1024, 1056, 1088, 1120, 1152, 1184, 1216, 1248, 1280, 1312, 1344, 1376, 1408)，隨機選取短邊后，長邊按比例縮放，并使長邊長度小于1800，從而進行多尺度訓練，取得了很好的效果。不過后期的mosaic和mixup在增強時對圖片進行了縮放，實則隱含了多尺度訓練，且效果優于上述方法，所以我們最終去掉了多尺度訓練。
展開 5G仿真解決方案 | 通信場景仿真與探索
統一界面、統一接口，從部件級仿真設計、信道場景建模到系統級鏈路建模分析與優化，從而滿足5G新通信的設計需求，為5G通信系統級通信鏈路仿真提供了無縫工作流程，為廣大的5G從業者提供了便利的解決方案，為5G信道場景仿真開啟了全新的應用領域。
軌道交通設備設計與維護——軌道交通緩沖器模態分析仿真APP
軌道交通是指運營車輛需要在特定軌道上行駛的一類交通工具或運輸系統。根據服務范圍差異，軌道交通一般分成國家鐵路系統、城際軌道交通和城市軌道交通三大類。
軌道交通行業的健康發展，離不開其各部件的良好協同工作。使用仿真APP能夠在研發初期，在虛擬環境中對各部件在不同工況下的性能指標進行直觀展示，從而識別潛在設計缺陷，指導設計優化。
與傳統仿真軟件相比，仿真APP是更加高效、便捷、易用的仿真工具。無論是設計工程師還是試驗測試人員，都無需掌握專業的仿真知識，便能輕松上手使用：只需在瀏覽器中打開仿真APP計算頁面，簡單設置各項參數，即可一鍵在線計算，快速得到仿真結果，從而優化設計方案、提升測試效率，降低研發成本。對于較復雜的仿真結果，還可以在線咨詢仿真APP開發者，獲取專業的仿真結果分析指導。
整理了10款軌道交通設備設計與維護相關仿真APP，供大家體驗：www.yqgqt.org.cn/post/1962529。不符合要求，還可以個性化定制。
下面介紹一款軌道交通緩沖器模態分析仿真APP：
地鐵緩沖器是列車在啟動、剎車以及發生碰撞時，吸收和緩解沖擊力的重要裝置，直接關系到乘客的舒適性和列車的安全性。緩沖器的模態特性，即其固有頻率和振型，決定了它在受到外界激勵時的響應方式。如果緩沖器的固有頻率接近列車運行或外界干擾的頻率，可能會引發共振，導致緩沖器的振動放大，影響其吸能效果和使用壽命。
該仿真APP適用于地鐵系統設計工程師、結構分析師及緩沖器制造商，通過建立緩沖器的三維模型，用戶可以定義材料屬性、邊界條件、結構參數等，進行模態分析，得到緩沖器的多階固有頻率和振型。通過分析振型，用戶可以清晰地了解緩沖器在不同頻率下的變形模式，識別出可能導致共振的區域，從而進行優化設計，確保緩沖器能夠在實際應用中有效緩解沖擊力。
展開 
自動駕駛虛擬仿真技術（三）：仿真測試場景數據格式
二、靜態仿真場景數據格式
常用的靜態仿真場景數據格式標準有OpenDrive、OpenCRG、RoadXML和OSM。雖然不同標準之間存在差異，但能表示出的要素大同小異，主要包括：路網拓撲結構、道路幾何特征、道路表面材質、車道線、路面標識、交通燈牌、街邊建筑、特殊部分等，具體見下表1。
表 1 靜態仿真場景要素
靜態要素
屬性
路網拓撲
道路數目、道路編號、交叉口
道路特征
起點/終點、車道數、車道寬、曲率半徑、坡度
道路表面特質
材料、粗糙度、紋理、反射特性
車道線
線型、寬度、顏色
路面標識
交通標志、標線
交通燈牌
朝向、位置、信息、切換時間
街邊建筑
物質、尺寸、表面屬性
道路設施
護欄（高度、形狀等）、硬路肩、隔離帶
,特殊部分
慢車道、施工、匝道、橋梁、隧道
三、動態仿真場景數據格式
動態場景數據主要是用于描述交通參與者行為動作的數據，主要的動態要素見下表2。
展開 仿真APP—面向特定場景的專用仿真工具
仿真APP，是基于自主通用多物理場仿真平臺Simdroid無代碼化封裝，面向特定場景的專用仿真工具。可固化仿真模型、流程、知識、經驗等，通過仿真APP商店—Simapps實現云端部署與在線應用，為各行各業提供仿真支持。仿真APP能輔助產品研發，也能提供產品使用場景的仿真分析，幫助用戶科學合理地使用產品。賦能合作：
https://www.simapps.com/v2/ad/app
仿真APP的特點與價值
1、固化工業知識&仿真模型：
具象化工程實踐與仿真知識，形成行業化、專業化、場景化應用
2、參數化、全自動，基于瀏覽器操作、簡單易用
移動端、桌面端，輸入參數在線計算，即可獲得專業仿真結果
3、賦能工業品：
每一個仿真APP都是每一個產品物理實體的數字孿生體
4、可視化仿真開發環境：
無需掌握編程語言，圖形化交互界面，無代碼化便捷完成仿真APP開發工作
仿真APP賦能千行百業
相較于傳統CAE仿真軟件，Simapps實現了仿真APP的云端部署和在線應用，用戶無需理解仿真操作系統和開發過程，也不需要安裝任何仿真軟件，只需登陸Simapps就可以實現在線仿真計算，更加靈活、輕巧、易用。廣大制造企業用戶可以零門檻低成本、跨平臺跨終端、隨時隨地使用仿真APP，提升產品設計效率，降低研發成本，縮短研發周期。 同時，仿真APP也可編譯成可執行文件（exe格式），可脫離軟件平臺在任意電腦端使用。仿真APP賦能每一個工業品，助力企業提升產品競爭力。
展開 設計仿真 | 直播預告-場景仿真在智能LED大燈測試中的應用實踐
海克斯康工業軟件VTD作為智能駕駛車輛（系統）虛擬仿真測試全棧式解決方案提供商，為智能LED大燈的開發和測試提供了以虛擬場景為基礎的仿真測試，可滿足算法開發不同階段測試需求，實現SIL/HIL等在環測試系統的構建，有效地提升了智能大燈的開發效率，降低產品的測試成本。
本期直播海克斯康講堂請到了技術專家謝錦程為我們帶來場景仿真在智能LED大燈測試中的應用實踐，從智能LED大燈的測試原理、解決方案到實際應用等方面展開詳細講解，歡迎預約報名！
2月29日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
?? 智能LED大燈技術在當前智能化車輛中的應用
?? 基于VTD的智能LED大燈仿真測試原理及解決方案
謝錦程
海克斯康工業軟件技術專家
具有豐富的智能駕駛車輛在環測試系統開發與調試工作經驗，負責基于VTD的智能駕駛仿真解決方案以及相關二次開發工作。
展開 自動駕駛驗證的多重場景仿真
為了構建驗證和確認框架來實現不同交通狀況的大量仿真以確認整車性能，需要解決兩方面關鍵要素：測試自動化工具鏈與車輛的準確虛擬表示、傳感器與環境。
注冊參觀看此網絡研討會，了解將數據管理、測試自動化和結果后處理功能融合在一起的無縫工作流。
探索：
融合了幾種產品（Simcenter Prescan、HEEDS 和 Amesim）的無縫工作流
能夠自動創建和執行的場景和多種仿真
高度細化且準確的場景創建
點擊鏈接 獲取完整內容：http://avz6v7gw1lfs7v7u.mikecrm.com/9hNbL9z
展開 面向智能駕駛測試的仿真場景構建技術綜述
綜述分析，面向智能駕駛模擬仿真測試的交通建模技術作為智能駕駛方面新的研究課題，其關鍵研究部分的理論和方法有待深入研究：
1）深刻理解交通車輛駕駛行為和彼此交互特征，是面向智能駕駛仿真測試的交通建模基礎和首要任務;
2）如何挖掘數據信息中車輛駕駛運動的影響規律，建立隨機—危險特征的交通模型，是實現面向智能駕駛仿真測試核心和關鍵。
智能駕駛挑戰賽中仿真場景
由于汽車行駛環境尤其是交通路況極其復雜，具有高度的不確定、不可重復、不可預測和不可窮盡等特征，這使得有限的場地或道路測試工況難以完全復制和重現真實多樣的行駛環境，并限于研發周期和成本，特別是安全因素的考慮，面向智能駕駛測試的仿真場景構建研究需依托于數字虛擬仿真平臺來實現。本文研究團隊自主開發了 PanoSim 智能駕駛模擬仿真軟件，并將仿真場景構建與交通建模研究方法應用在第 3 屆中 國智能汽車大賽（ChinaIntelligent Driving Challeng，CIDC） 智能駕駛仿真賽與 2020 世界智能駕駛挑戰賽（World Intelligent Driv-ing Challeng，WIDC）中，首次以國產智能駕駛仿真軟件作為大賽仿真平臺使用。
智能駕駛挑戰賽基于 PanoSim 仿真環境搭建了多種場景與交通環境，使得參賽隊伍能夠接入仿真場景數據庫，獲取仿真環境中的車載傳感信息如攝像頭視頻流、毫米波雷達數據、激光雷達點云數據以及真值信息。智能駕駛挑戰賽的仿真賽場景主要分為決策控制組和感知決策控制組兩類。
展開 如何閉環自動駕駛仿真場景，實現從“重建”到“可用”？
4、場景編輯與仿真閉環
aiSim 的場景編輯工具賦予用戶強大的場景定制能力。用戶能夠在 3DGS 重建的基礎場景之上，靈活添加虛擬交通流，設置不同類型車輛的行駛路線、速度、密度等參數，模擬繁忙的城市交通或流暢的高速公路交通等多樣化場景 。同時，通過模擬極端天氣，如暴雨傾盆時路面的積水反光、暴雪天氣下的能見度降低、夜間的燈光照明效果等，為自動駕駛系統測試提供更具挑戰性與真實性的環境。
此外，部署多模態傳感器，能夠模擬不同傳感器在各種場景下的數據采集情況，全面測試自動駕駛系統對多源數據的融合與處理能力，極大地拓展了單一真實場景的應用價值，為自動駕駛算法的優化提供了豐富多樣的測試工況。
aiSim 新構建的GGSR（General Gaussian Splatting Renderer，通用高斯潑濺渲染器）是實現高保真渲染的關鍵組件。它針對傳統方案中廣角鏡頭渲染效果不佳的問題進行了深度優化，有效增強了廣角鏡頭渲染下的一致性。在處理 FOV 更大的鏡頭時，通過優化算法流程，顯著減少了近似誤差，避免了圖像變形、模糊等問題，使得渲染出的圖像在廣角視角下依然清晰、準確。同時，該渲染器能夠有效減少偽影的產生，無論是在復雜的城市街景還是開闊的高速公路場景中，都能實現高保真度的 3DGS 重建場景渲染。
此外，aiSim在渲染流程中支持任意相機畸變模型接入，能夠根據不同相機的特性對渲染過程進行精準適配，使得仿真數據在色彩、亮度、對比度以及畸變校正等方面，都能高度貼近真實傳感器的輸出。另外依托共享代碼庫的射線 - 高斯交互邏輯，能更真實地計算激光射線與場景高斯的碰撞、反射，為自動駕駛系統的功能測試與極限場景驗證提供了極為可靠的數據支持，成功打通了從數據采集到場景重建再到仿真驗證的完整閉環。
展開 雷達場景仿真測試如何助力自動駕駛研發？
還有些解決方案采用了只包含少數幾個 RTS 的天線墻，這意味著目標可以出現在場景中的任何地方，但不能同時出現。在靜態或準靜態環境下，這種方法可以測試橫向移動的少數幾個目標，但受到機械臂速度的限制。這些方案的視場（FOV）也很有限，無法分辨距離小于 4 米的目標。在測試雷達傳感器時，如果目標數量不夠多，就無法反映出完整的駕駛場景，重現真實環境中的復雜情況。
場景仿真測試的優勢
是德科技此次發布的雷達場景仿真器，結合使用幾百個微型射頻（RF）前端構成一個可擴展的仿真屏幕，最多可以呈現 512 個雷達目標，仿真距離最近為 1.5 米，支持客戶在實驗室中仿真復雜的真實駕駛場景并進行測試。
從是德科技發布的信息來看，這款雷達場景仿真器具有三個方面的優勢。一是，視野寬廣。可以幫助雷達傳感器在更寬廣的連續視場(FOV)（水平方向 +/-70°，垂直方向 +/-15°）內發現更多目標，還支持仿真近距離目標和遠距離目標。能夠生成距離在1.5-300米、速度在0-400 km/h的靜態和動態目標，憑借小于1度的角度分辨率提供多目標、多角度駕駛場景仿真。
二是，能夠測試復雜的真實環境。汽車制造商可以在實驗室內設定各種環境條件變量、交通密度、速度、距離和目標總數，真正仿真現實駕駛場景。無論是常見情況還是極端情況，都可以提前進行測試，最大限度降低風險。
三是，加快算法學習速度。為在實驗室中測試復雜場景提供了一個確定的真實環境，此前只能在道路上進行這樣的場景測試。盡早進行場景測試將會顯著加快駕駛輔助和自動駕駛系統算法的學習速度，同時也擺脫人工測試或機械自動化測試導致的效率低下問題。
“當然最終的道路測試還是需要的，但我們希望能夠在實驗室里把盡可能多的問題提前解決掉，然后在真實的道路上做性能驗證，提升測試效率。”祝曉悅說道。
展開 
一文了解5G通信設備、基站與場景仿真解決方案
光通信芯片/封裝/系統設計
光模塊SI/PI設計
高速連接器設計
電磁兼容分析
系統散熱設計與優化
電-熱-結構多物理場分析
03核心網（數據中心）
5G核心網是5G網絡實現不同場景切片的關鍵，涉及大量的數據中心和人工智能技術，此場景下的熱分析和電磁兼容分析是保證穩定可靠的關鍵。
數據處理芯片/封裝/系統設計
數據中心高速PCB SI/PI分析
電磁兼容分析
系統散熱設計與優化
Ansys為5G提供從nm級場景到km級場景的多物理域仿真方案：
Ansys 5G解決方案，覆蓋了從芯片設計到3D-IC到PCB仿真到自動駕駛再到城市級場景分析的跨緯度仿真方案，也包含了電磁，結構，流體，光學，半導體，系統等多物理域解決方案，實現了真正的多物理全場景的5G解決方案。
為5G芯片研發提供系統級芯片 (SoC) 解決方案
獨有的陣列天線仿真技術，結合場路協同仿真，實現5G mMIMO設計的快速和精準設計
仿真工具能模擬天線到天線耦合和環境對信號傳播的影響
為5G設備提供了多物理場仿真平臺，基于真實工況提升產品的可靠性
Ansys 5G解決方案，給客戶帶來了高精度的電磁，結構，流體，半導體等各物理域的高精度仿真工具，讓5G產品的設計和研發更為高效，同時，基于統一Ansys平臺下的從nm級到km級的多物理域仿真，極大地縮減了數據傳遞帶來的流程復雜化和精度損失。
典型應用案例：
相關資料：
獲取Ansys在你所在領域的更多介紹及應用實踐
您也可以聯系Ansys中國官方售前咨詢，獲取更多相關資料：400 819 8999
更多前沿實用技術、工程創新實踐，可前往Ansys微信公眾號：ANSYS-China
展開 2017.06.14-15-成都-軌道交通聲學仿真與測試及系統仿真技術...
軌道交通聲學仿真與測試及系統仿真技術研討會
2017年6月14 -15日 成都
會議亮點：
? 高速列車模態測試技術
? 列車制動系統關鍵部件建模及半實物仿真技術
? 振動噪聲的仿真分析技術及高頻統計能量法
? 西南交通大學專家技術經驗分享
Siemens PLM Software在軌道交通工具方面具備一流的解決方案，在傳統軌道交通工具乃至韓國首爾的全新磁懸浮列車的設計中，我們都以出色的解決方案為客戶打造優秀品質，如LMS聲學及振動噪聲仿真與測試解決方案、多體動力學仿真技術、機電一體化系統仿真技術等。
在6月14-15日這一天半的研討會期間，我們的國內外技術專家將為大家講解如何全面高效的解決軌道交通工具的振動噪聲問題、制動系統的仿真問題，包含了模態測試方法，傳遞路徑分析方法，制動系統建模，管路聲學、進排氣、氣動噪聲的仿真，以及高頻統計能量分析法等，同時，西南交通大學圣小珍教授及趙悅博士也會針對最新研究與大家分享經驗和技術。此次研討會一定會為參會者帶來有價值的工程技術解決方案，為您打開新思路。
展開 面向自動駕駛車輛驗證的抽象仿真場景生成
自動駕駛車輛技術有可能對交通系統和城市生活產生重大影響。然而，在被接受為一種新的交通方式之前，必須證明自動駕駛車輛至少與人類駕駛車輛一樣安全。目前的自動駕駛車輛驗證方法，如陰影驅動或基于注釋圖像的測試，成本高，速度慢。因此，建模與仿真是實現自動駕駛車輛驗證目標必不可少的工具。
本文提出了一種用于自動駕駛車輛驗證的抽象仿真場景生成框架。
場景和相關斷言由基于矩陣的語義語言定義，并在仿真中轉化為測試場景。該框架允許設計所有可能的道路拓撲并驗證生成的場景。框架中生成的場景為其他平臺中可能的罕見條件擴展測試提供了基本事實。這項工作有四個主要貢獻：
開發了一種模擬方法，在生成場景時使用語義語言定義場景。
提出了一種在模擬中用每種可能的線或曲線組合組成道路的方法，這對于實現真實道路的建模至關重要。
定義了一種方法，將不同車道數的路段相互縫合，而不會在模擬中產生錯誤。
為建議方法中的每個附加路段提出了一種自我驗證方法，這對模擬效率至關重要。
目前的大多數方法都是針對整車堆棧進行測試，從場景感知和理解到在場景中做出行動決策。在我們的方法中，我們主要關注決策步驟。換言之，我們的方法旨在測試被測AV的決策，在任何其他條件下都沒有任何問題。這個焦點決定了仿真平臺。該框架需要對物理世界進行簡單的建模，而不需要對環境條件進行詳細描述。為此，選擇MATLAB作為仿真平臺。MATLAB ADAS工具箱將場景中的參與者簡單地表示為方框。
圖1顯示了模擬框架組件的分解。中間的灰色區域是AV的大腦，通過輸入創建的場景運行。頂部的模塊定義了用戶如何與框架交互以生成場景。
展開 免費報名｜軌道交通聲學仿真與測試及系統仿真技術研討會
軌道交通聲學仿真與測試及系統仿真技術研討會
2017年6月14 -15日 成都
會議亮點：
高速列車模態測試技術
列車制動系統關鍵部件建模及半實物仿真技術
振動噪聲的仿真分析技術及高頻統計能量法
西南交通大學專家技術經驗分享
Siemens PLM Software在軌道交通工具方面具備一流的解決方案，在傳統軌道交通工具乃至韓國首爾的全新磁懸浮列車的設計中，我們都以出色的解決方案為客戶打造優秀品質，如LMS聲學及振動噪聲仿真與測試解決方案、多體動力學仿真技術、機電一體化系統仿真技術等。
在6月14-15日這一天半的研討會期間，我們的國內外技術專家將為大家講解如何全面高效的解決軌道交通工具的振動噪聲問題、制動系統的仿真問題，包含了模態測試方法，傳遞路徑分析方法，制動系統建模，管路聲學、進排氣、氣動噪聲的仿真，以及高頻統計能量分析法等，同時，西南交通大學圣小珍教授及趙悅博士也會針對最新研究與大家分享經驗和技術。此次研討會一定會為參會者帶來有價值的工程技術解決方案，為您打開新思路。
展開 