【开发测试案例】仿真技术在正向开发和测试方法论应用

点击“蓝字”关注,分分钟知晓汽车行业动态趋势!



  C-V2X全称cellular vehicle-to-everything,该技术允许道路使用者采用LTE实现道路使用者间的通信。

 


  据外媒报道,大陆与华为已成功开展实地测试(field trials),在中国测试基于蜂窝的车辆到一切(cellular vehicle-to-everything,C-V2X)通信标准的效能。



  C-V2X是一项新兴的无线通信技术,拥有良好的技术前景,在自动驾驶及智能移动出行系统的应用潜力较大,该技术允许道路使用者采用LTE实现道路使用者间的通信。未来,5G网络也会被纳入到车间通信。C-V2X旨在实现车间通信(V2V)、车辆对基础设施通信(V2I)、及车辆对行人通信(V2P)。


  即使车辆不在蜂窝移动网络(mobile cellular network)内,C-V2X通信可实现时效性信息及安全关键信息的交换。例如,在探查到潜在危险情境时,将向车主发出警示。


  互联及自动驾驶车辆(CAVs)需要最佳技术基础,确保未来能扩大其应用规模,并于未来数年投入使用。大陆致力于与华为合作CAV生态系统,整合并配置5G、C-V2X及专用短程通信(DSRC)各类无线通信技术,从而迎合市场需求。


  在实地测试期间,两家公司通过可靠性及延迟等各类参数,对C-V2X直接通信的性能进行判定。为在真实条件下开展测试,大陆在中国上海国家智能互联车辆试验区(National Intelligent Connected Vehicle Pilot Zone)开展路测。


  双方的测试合作采用了华为的C-V2X模块原型机及基础设施,紧急制动警示灯(Emergency Brake Light)及固定作业车辆警示(Stationary Vehicle Warning)。尽管平均延迟时间为11毫秒,单个事件信息的最低延迟可缩短至8毫秒。在整个测试过程中,收包率(packet reception rate)几乎接近100%。在2018 CES期间,大陆还将向用户展示其C-V2X实地测试的结果。


    来自天欧汽车工程软件上海有限公司总监黄汉知谈到:仿真技术在人工智能和自动驾驶的应用

        自动驾驶系统开发测试与挑战,ADAS和自动驾驶的产品功能开发出来之后,究竟要经过多少亿公里的测试,经过测试什么时候产品是可靠的?功能开发出来很好,但是功能开发之后能变成成熟可靠的产品更重要,也更困难。把这个分解成五个小问题,测试里程长短很重要,但是工况类型和数量更重要,测试一天遇到严苛工况,也不可重现,在道路上测试的数据无法进行认证。

在ADAS和自动驾驶领域带来的核心技术是PreScan仿真软件,对市面上常见的摄像头、雷达、激光雷达和V2X的仿真。

从功能上分,ADAS和自动驾驶都可以分成这四个功能模块,场景工况、环境感知、控制决策算法和执行器。PreScan既然要应对这些挑战也应该具备这四个层面的建模能力,在场景工况我们提供工况库,可以搭建你想要的工况;环境感知,在市面上多达19种传感器框架,建立感知系统模型;控制规划算法,被开发和测试的对象,从线控领域导入;成长动力学的模型,这是软件和技术功能的概况介绍。

进入第一个主要部分,正向开发和测试方法论,我们从客户案例分享所积累的经验阐述具体的方法论。我们的方法论从模拟仿真开始到车辆、到场地、到道路测试。第一个,我们用ACC来说明,ACC是舒适型系统,这个舒适性与什么参数有关,可以分四个部分,传感器雷达、ACC散发,执行器及车辆底盘和轮胎,ACC在加减速过程中舒服不舒服有一个参数。要测试APP需要一个工况高覆盖度测试,APP工况里面包含非常多的参数,目标车车速,插入时机和车辆状态等等,如果做一个排列组合会发现一个简单的工况非常容易发散成60万种工况,这是道路测试不可能完成的任务,也是仿真所具备的优点。

硬件在环有这样一个案例,从技术上来讲有三块,蓝色部分是仿真的测试工况,中间是摄像头在黑箱中看仿真生成测试工况视频,工况有了投影给摄像头,车道保持检测出工况转换状态。客户为什么要做这个?完全测试一个LKA的性能,当然离不开所有宽度的车道,不同的转弯半径不同车道组合和不同标线形态。比如我要测试一个车道在路上很难找到,通过仿真带来一个高效的方法。

最近自动驾驶非常火,我们跟国内自主品牌OEM做了一个自动驾驶的合作。这是我们做的基于雷达ACC/AEB的案例,也是用仿真技术生成工况,经过雷达感知模型给出信息,通过通讯发到右下角雷达ACU,这个时候传感器是被屏蔽掉的,只是运行了ACU和AEB的算法。这个价值非常明显,之前做ACC是在现场两个测试人拿两个对讲机,测了一天发现人的能力非常有限,效率非常低。

通过正向开发的方法论和客户案例回答我之前提出的几个问题,这是在传统ADAS的领域。在自动驾驶,目前深度学习、人工智能是非常火的话题,我也通过具体问题提出我们的应对技术,回应这个话题。深度学习能非常轻易做到非常好的性能,就像曲线中描述的做到90%,再往上走变的非常困难,因为训练的速度很急,设计的代表性和数据覆盖度都是非常棘手的问题,要做到100%有很长的路要走,如果把这个问题具体分解有三个挑战。第一,人工智能训练数据都是路采,路采能采集到日常的素材,但是如果采不到放不在测试当中,可能你的系统就没办法处理这个事故。比如特斯拉遇到一个货车的情况,以前没训练过这个场景,将来也处理不了这个场景。第二,数据采集完了之后要做手工标注。第三要做大规模的测试。

一些基础的仿真技术,一个是摄像头物理模型,我们用一个无限逼近摄像头物理感知性能模型,看出仿真的清晰度和逼真度非常高。在雷达领域对不同的目标和不同RCS的特性,包括高度和距离都给出毫米波雷达能量的回馈。在激光雷达领域我们很早具备了对激光雷达的仿真能力,提供输出。现在深度学习和人工智能越来越倾向于做不同类型传感器原始数据级别的数据融合。

除此之外我们还有一个场景分割传感器,这是人工智能经常用到的技术,一个场景当中哪一块是车,哪一块是路,哪一块是可行驶区域。有了Segmentation可以训练算法、检验结果。

有了这些基础技术,我们做了一个研究项目,这个项目回答了两个问题,第一,100%使用仿真产生的数据训练人工智能的算法结果会不会好?第二,混合仿真数据和路采数据会不会带来价值。我们用CNN算法网络,用了一定比例混合使用仿真数据和路采数据,最后检测模型优劣。

这个项目得到的结论,第一,纯粹使用仿真数据训练深度学习算法,的结果不会很好,深度学习算法对纹理边缘特征非常敏感,仿真不会做到100%的真实。第二,如果混合按照一定比例使用仿真和路采素材训练算法,比单纯用采集的数据要好,这是刚才提到的话题,我仿真可以定制工况,这个PreScan长什么样我自己设计,放到这个素材当中,当然要控制一定混合比例,同时保证一定的仿真质量。除此之外,还做了一些新的事情,用仿真数据作为测试素材,结合NVIDIA PX数据算法做感知算法的控制测试。这是我们常见的基于物体检测的技术结果,使用的是仿真软件生成的素材。

我们不单要做物体检测,我们也要做NVIDIA DrivePX。未来我们要做的事情,第一,把激光雷达原始模型进行融合,我们这些仿真技术的测试工况并不一定完全由人定制,我们也可以用神经网络技术自动产生最合适的训练场景来训练算法。硬件上用GPU和集群计算技术批量化代入虚拟测试里程。当然我们除了支持DriverPX也支持DRS360。


上汽启动全球最大规模汽车在线升级

12月28日,上汽荣威正式启动基于AliOS的智联网汽车整体解决方案-斑马智行2.0空中升级。接下来的4个月内,将有近40万辆互联网汽车陆续完成升级,这是全球最大规模的汽车在线升级。此次升级,上汽与阿里共同打造的“全球首款量产互联网汽车”荣威RX5将作为首发,引领旗下互联网汽车进入2.0时代。

据悉,基于近40万互联网汽车用户的体验反馈,升级后的互联网汽车将针对用户最关心的沉浸式人工智能语音、个性化大数据导航、智慧出行娱乐、手机远程车控等四大功能板块更新进化。此次在线升级,将为汽车带来众多新的功能。

四维图新基于一辆蓝色长城哈弗H7改装的自动驾驶测试车

         如果审视今天的泛自动驾驶市场,其实已经变得越发拥挤了,玩家包括且不限于车企、Tier 1、技术新创企业、互联网公司…而对于一家以导航地图业务起家,而后向自动驾驶方案商转型的企业,会有什么不同呢?

         在如今相当多元的传感器配置方案映衬下,四维的这辆测试车显得简单很多:用于环境感知的设备只有一台8线激光雷达和一台单目摄像头。

    车内并没有复杂的线路和多余的电脑等装置。坐定后,驾驶员以一声“你好小新”,唤醒了四维研发的车内交互系统,之后的车辆起步和制动操作都是通过语音交互完成。


*驾驶员双手离开方向盘


车辆启动后,在一分钟左右的时间里,分别展示了转弯、避障规划和停车等动作,整体时速在30-40km/h,最长行驶直线距离70米左右。马周说,目前这款车已经覆盖了4G网络,除了有人的试乘展示,还可以实现车内完全无人化的自主召车。


*测试车展示自动转向

按照马周的表述,得益于四维所定义的带有道路规则信息(如左转车道、直行车道等等)的高精度地图数据(HAD),自动驾驶系统先验地了解了很多道路和环境属性——“地图是交通规则的缩写”——这样,环境传感器就可以把更多精力放在相对动态的道路环境,如检测人、车障碍物等,这在很大程度上减少了系统对环境传感器的过度依赖。虽然制约于当时的法规限制,这些更复杂的规划计算没有被完整展现出来。


五福控股智慧停车系统实地测试成功

   由五福控股旗下杭州富阳逐一科技开发的智慧停车系统,在富阳区相关部门的配合下顺利的进行了实地测试,成功通过了智慧停车系统软硬件的各项指标。这标志着我国传统停车行业将彻底改变,实现无人化智慧停车时代。

   基于当前中国经济高速发展,汽车拥有率快速提升,随之带来的“停车难”问题,逐一科技技术团队开发的智慧停车系统,即将先进的支付模式运用到停车收费上,将车主车牌信息与车主的银行卡或支付宝账号进行关联,车辆进入停车场时扫描车牌号码记录停车情况,实时给车主手机发送车辆相关的停车信息,离开停车场时无需专门停车缴费,通过摄像头扫描车牌,记录车辆停车信息,自动计算并计入关联车主账户中,车主可随时查询汽车的停车收费记录及缴纳停车费情况。若一旦出现漏缴停车费的情况,该车主在下一次选择停车时便无法进入停车位,需及时缴费后才可成功进出停车场,并且在APP 还可添加停车场实时查询功能

美国高通获准在加州测试自动驾驶汽车

12月22日,美国高通公司已经获得了在加州公路上测试自动驾驶汽车的许可证,这是美国高通寻求在自动驾驶汽车市场占有一席之地的最新举措。美国高通汽车产品管理副总裁纳库•道格 (Nakul Duggal) 表示,美国高通已开始在公司总部所在地圣迭戈县对福特汽车展开实地测试,该车型配备了高通芯片。他表示,类似的技术测试还将在美国密歇根州、中国、德国、意大利以及日本进行。

      霍尼韦尔与Karamba Security宣布,两家公司开展合作并展示一款端对端汽车网络安全方案,用于监控并确保车载通信的安全性,旨在减少因车载互联服务增多而暴露的网络安全威胁。

    霍尼韦尔交通系统(TS)与Karamba Security公司致力于将TS与Karamba Security公司的电控单元(ECU)入侵侦测软件进行搭配及融合,该合作旨在强调这款端对端防护系统的价值及有效性,该系统可被用于任意款车载电控单元,有助于确保乘用车的驾驶安全性及网络安全性,可通过监测技术,对车辆给予保护并及时上报结果。两家公司可实时监控并验证软件指令及1亿多条代码行数(lines of code)所产生的数据,该类代码行数负责操控现代车辆的运行。霍尼韦尔的入侵侦测可监控车载网络通信及异常,而Karamba Security的电控单元软件则可防止对任意给定模块的攻击。侦测到的异常情况及被阻挡下的网络攻击将实时传输或定时下载到霍尼韦尔安全运营中心内,进行相关的分析及补救。

    总部位于以色列的物联网初创公司Neura于不久前宣布,该公司发布了两款新产品方案——Neura for Connected Car及Neura for Transportation。Neura与伙伴方及客户开展了大量的测试,基于市场需求及用户要求提供最佳方案。Neura的新产品方案可实现停车场、飞机场与通勤应用间的协作,与用户产生良好的互动。同时,互联汽车解决了驾驶员安全性及驾驶情景意识,同时还为乘客提供了更为个性化的搭乘体验。Neura还有助于提升互联汽车及交通应用的功能,使其完全了解用户的需求,预计并安排用户的每日行程。

公路测试迫在眉睫

“目前在智能网联汽车的智能化领域,我们更多是去跟随、去追赶国外的脚步,但在网联方面中国有着ICT(信息与通信技术相结合)领域方面技术的优势,还有着国内信息安全带来的自主可控优势,所以在网联化方面中国未来是有可能实现领先的。”公维洁说。

近年来,国内各部委与企业也都对网联化寄予厚望。如重庆近期将分三期建设首个全阶段智能网联汽车测试示范区;工信部日前也把智能网联汽车列为《促进新一代人工智能产业发展三年行动规划(2018—2020年)》中的一项需要大力发展的智能产品。

然而,智能网联汽车在技术成果的落地量产在国内仍面临许多局限。

如中国目前尚未出台公共道路路测法规,智能网联汽车测试仍陷于封闭道路或园区,这使得我国大部分自动驾驶汽车都只是在低速园区、封闭路段做到了产品级落地,像机场摆渡、园区摆渡等。而国际方面,通用公司已宣布将于2019年在一些人口密集的城市投放一系列自动驾驶出租车,据称一辆自动驾驶出租车从出产到报废前所产生的利润总和会有数十万美元。

“可以看出我们智能网联发展在人工成本和技术上还是有一定差距的,如国内没有开放的公共道路的路试,但是美国已经在公共道路上开展测试几年了,所以我们也对政府相关公路道路测试方面的政策法规有着迫切的需求。”

在我国智能网联汽车发展规划路线图上,国内智能网联汽车预计2020年左右可实现CA级(有条件自动驾驶)智能网联汽车量产,HA级(高度自动驾驶)和FA(完全自动驾驶)智能网联汽车的量产计划一般在2025年前后。

国家车联网标准体系建设指南发布,2020年建立低级别自动驾驶标准体系

12月29日,工信部和国标委联合印发《国家车联网产业标准体系建设指南(智能网联汽车)的通知》。通知指出,根据智能网联汽车技术现状、产业应用需要及未来发展趋势,分阶段建立适应我国国情并与国际接轨的智能网联汽车标准体系:

到2020年,初步建立能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系。制定30项以上智能网联汽车重点标准,涵盖功能安全、信息安全、人机界面等通用技术以及信息感知与交互、决策预警、辅助控制等核心功能相关的技术要求和试验方法,促进智能化产品的全面普及与网联化技术的逐步应用。

到2025年,系统形成能够支撑高级别自动驾驶的智能网联汽车标准体系。制定100项以上智能网联汽车标准,涵盖智能化 自动控制、网联化协同决策技术以及典型场景下自动驾驶功能与性能相关的技术要求和评价方法,促进智能网联汽车“智能化+ 网联化”融合发展,以及技术和产品的全面推广普及。

北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见


就在12月18日,北京交通委正式印发了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》(下称《意见》),作为中国第一个自动驾驶车管理规范,正式给北京地区的自动驾驶路试做了规定。

责任在测试驾驶员

测试指导意见分为总体意见和细则两个部分。管理方第一次对自动驾驶给出了规范的定义。自动驾驶功能是指自动驾驶车辆上,不需要测试驾驶员执行物理性驾驶操作的情况下,能够对车辆行驶任务进行指导与决策,并代替测试驾驶员操控行为使车辆完成安全行驶的功能。自动驾驶功能包括自动行驶功能、自动变速功能、自动刹车功能、自动监视周围环境功能、自动变道功能、自动转向功能、自动信号提醒功能、网联式自动驾驶辅助功能等。

自动驾驶系统是指能在某一时段执行自动驾驶功能的系统。而包括主动安全辅助系统、电子盲点辅助系统、防撞系统、紧急制动系统、停车辅助系统、自适应巡航系统、车道保持辅助系统、车道偏离报警系统、交通堵塞排队援助系统等机动车辅助类自动化系统,不属于自动驾驶车的行列之内。

除了自动驾驶定义。指导意见还给出了一些企业想要测试自动驾驶车必须要做到的几点规范。

首先,申请道路测试的车辆必须符合国家机动车运行安全技术条件,并且具备自动、人工两种驾驶模式,可在两种模式间随时切换。上路测试期间,车辆必须是属于“有人驾驶”状态,每辆车都要配备有一定驾龄经验、熟悉自动驾驶系统的测试驾驶员。不能搭乘无关人员。出现事故后,按照交管规定处理,需要由测试员承担相应的法律责任。

其次,测试车辆需要申请专用的测试牌照并张贴,并需要先经过通过封闭场地的一定公里数的实验,经过第三方认证测试后才能进行公开道路测试。每台测试车需要购买不低于500万的交通事故责任保险。

另外按照规定,申请自动驾驶的主体必须是中国境内的公司,每家公司最多申请 5 台车,测试资质向第三方监管机构申请,测试数据要定期上传。

相对保守

在北京公布自动驾驶法规之前,包括百度、蔚来汽车、上汽等国内知名的车企以及科技公司,大多数都将无人驾驶车辆测试的主要工作放在美国。其实即使在北京自动驾驶条例出台以后这样的情况仍就不会改变。因为就目前来看,美国出台的自动车法规在全球范围内最为完善以及开放。


今年9月12日,美国政府正式发布自动驾驶汽车监管新规。此次公布的升级版指导规则最大限度解除了对汽车制造商和自动驾驶技术研究机构的约束,自动驾驶技术将直接受联邦监管,而不是在不同的州要符合不同的需求,这也避免了出现“政出多门”。

同时,新的政策提到“各州不应该将自动驾驶汽车的测试和部署,限定在现有的汽车制造商中,从而阻碍竞争和创新。该法案也允许制造商获得豁免,无需达到现行的自动驾驶汽车安全标准,在第一年达到2.5万辆自动驾驶汽车的部署目标。部署数量上限将在三年内达到10万辆。可见美国的自动驾驶政策已经着眼与商业量产的方向。

而在具体的测试环节,早在2015年美国德克萨斯州和亚利桑那州对于自动驾驶测试就没有硬性规定自动驾驶汽车上必须得有驾驶员保持随时介入状态。另外新政也允许自动驾驶汽车最早于2018年可以在没有人类驾驶员在车上情况下行驶在该州高速公路上。但申请路测的自动驾驶厂商仍然需要派人监控那些上路测试的无人车,以便车辆发生故障或事故时,保护车主安全。

由此可见,美国的自动驾驶法规不仅在具体的实行端、还是监管端都处都已经处于较为后期阶段,在减少限制的同时,已经在大力促进产业商业化的发展。而相对于来看这次北京公布的自动驾驶条例就相对保守。


《意见》规定,测试主体需要在指定区域和范围内进行测试,不得超过范围以及时间测试,还需要在测试前五个工作日向第三方授权机构提供《测试计划表》。从企业角度来看,目前北京测试自动驾驶车辆限制较多,测试能够得到的信息也十分有限。

必须谨慎

自动驾驶新规的推出是历史的必然,也是开放自动驾驶路测的前提,可以说是智能汽车和未来汽车发展重要的一个节点。而成为自动驾驶测试大本营的好处也是显而易见,首先是测试数据的收集,汇集了全球各大自动驾驶技术厂商的大数据、全球自动驾驶技术发展的相关信息之后,中国在未来形成平台化效应之后能够进一步吸引更多相关产业链上的企业的进驻,推动科技发展和技术革新。


但在推广发展的同时也必须谨慎。中国车企与美国科技巨头、汽车公司不同,在自动驾驶方面直接上路测试,在《意见》公布之前,目前中国在自动驾驶测试主要还是以封闭环境,譬如小镇和园区等形式在推进。



今年12月2日,4辆具有自动驾驶功能的深圳电动公交车在深圳开通试运营,甚至还打出类似阿尔法狗的“阿尔法巴”的旗号,一时间“司机下岗、自动驾驶真的来了”等话题甚嚣尘上。但实际上,这条线路处于“数据采集试运行阶段”,只对一些专业人士和受邀市民开放,单程全长1.2公里,设有海梁、深巴、福田三站。而这背后都是厂家和媒体借势无人驾驶的浮夸和鼓吹。


从最近对待无人驾驶的态度以及法规的制定可以看出,中国政府的态度与德国政府类似,都持谨慎的态度。但当汽车的智能化进程已然成为了必然的趋势,制定政策只是第一步的开始。


上海国家智能网联汽车示范区

智能网联汽车是我国抢占汽车产业未来的战略制高点,也是国家汽车产业转型升级、由大变强的重大突破口。2016年,我国首个国家智能网联汽车示范区落户上海嘉定,可以为无人驾驶、自动驾驶、网联汽车等提供29种场景的测试验证。

重庆将建设全阶段智能网联汽车测试示范区

重庆市经信委消息,重庆将分三期建设首个全阶段智能网联汽车测试示范区,其中一期、二期工程将在重庆垫江汽车试验场建设占地3500亩的综合测试试验区,这两期工程将形成占地面积近4000亩的封闭测试区,可涵盖西部地区90%以上道路场景、全国85%以上交通环境。示范区三期工程拟于2019年在两江新区、渝北区等区域,建成融合5G通信,覆盖城市、山区、高速、隧道和桥梁等道路场景的开放道路测试试验区。


北京亦庄等地将被划为无人车测试区

12月27日,北京市交通委主任周正宇在接受采访时表示,轨道交通、人工智能等新业态将在北京未来交通系统中占主导地位,例如,北京将支持无人驾驶发展,初期先可以在亦庄、北安河一带,设置固定路段和时间,允许无人驾驶车辆上路测试。而到2020年,无人驾驶车辆有望在北京到崇礼的延崇高速路上,实现道路测试。


 更多车联网行业资讯

  欢迎关注微信ID:enmoretmt



长按二维码识别关注我们


会员登录
登录
我的资料
留言
回到顶部