互联和自动驾驶车辆

我们对互联和自动驾驶车辆(CAVs)的路径规划算法进行了大规模的设计和验证。

作为传感器测试工具和驾驶模拟软件的完美补充,Aimsun解决方案可以无缝整合到你的测试环境中,同时为普通和不符合要求的情况提供场景生成。

我们提供安全、可重复、高效的路径规划测试,测试范围从单个路口到整个城市:设置数千个场景,无需昂贵的现场测试或费力的脚本编写。

互联和自动驾驶车辆 - 案例

VeriCAV

在虚拟环境中验证自动驾驶系统

OmniCAV

我们团队提供了项目的核心交通仿真环境,用于确定有必要进行真实世界测试的方面。

我们的服务对象是谁?

dots-blue

团队

我们在行业领先的团队曾参与过一些世界上最复杂的交通移动研究挑战,可以支持你的测试项目,包括远程和现场。

我们的经验积累从24年间对90个国家的数十亿仿真里程中而来。

路径规划测试

在几个小时之内,我们就可以创建一个完整的高速公路匝道模型,加载从自由流到拥堵的交通需求,并反应不同司机行为(激进型或配合型)的组合。 与任何基于现场数据的方法相比,这种合成生成、执行和分析数以万计的场景的效率和范围都是成几何倍数增长的。

除了轨迹分析或以脚本创建场景的能力,也可以分析边缘案例:交通违规行为,如在停车线不停车、闯红灯、乱穿马路或超速,甚至是在致命交通事故中归责的问题。 没有必要在现实路网中到处寻找符合你想测试的条件,或费力地逐帧编写每个参与者的行为:测试规模和速度显得尤为关键。 我们的解决方案提供了在广域城市或高速公路网络中所有操作的复杂性,比如损坏的交通信号灯、堵塞的车道、被占用的非停止区和可变限速等等。

应用方案

测试的范围几乎是无限的,可以涵盖在高速公路和城市环境中的公共交通、人驾车辆、行人、自行车和摩托车。 重点是这些虚拟环境的规模;与其他工具不同的是,虚拟环境不限于固定的路线,没有预先确定的参与者或序列行为的数量,并且可以改变测试范围,而不需要大量费力的干预。

测试可以包括有肇事者行为的特殊场景,这些场景在现场执行的成本过高或不可能;你还可以运行大范围的回归测试,以确保新发布的自主性堆栈继续满足之前的质量标准。 我们将努力获得现实的对门到门出行的总体行程时间、排放情况、能源消耗和乘坐的平稳性的估计。

我们可以连接传感器测试工具和车辆动力学模拟工具,如Simcenter PreScan,提供一个全栈式、高度自动化和无限扩展的测试平台。 这为测试车辆提供了一个更加多样和真实的环境,反映了现实生活中的情况,比如,司机无法预测他们与其他车辆或道路使用者的互动,或知道前方交通信号的状态。

最重要的特征

  • 能够与三维传感器仿真工具(如Simcenter PreScan)和三维可视化引擎(如UnityUnreal Engine)无缝集成。
  • 可定制化地从导入的高清地图中自动创建大范围的仿真模型,无论是专属的还是基于标准的。
  • 自动合成真实的背景交通需求和信号灯时间,因此,只需选择一个有高清地图覆盖的地理区域就可以进行测试。
  • 100赫兹与AV堆栈对接,以交换车辆位置和沟通的意图。
  • 高保真、基于空间的行为模型,包括车辆运动学。
  • 可以在Linux或Windows上启动、执行和控制私人和商业云的数千个实例。
  • 支持对肇事者行为进行直接的、规定性的和语义上的定义,包括直接控制参与者的行为;规定行动序列;以及定义需要满足的条件集。
  • 给定一个固定的随机种子,进行可重复的、确定性的实验。
  • 强大的、行业领先的方案支持,使成千上万的场景可以存储在一个文件中并从一个文件中执行。
  • 现场配置和项目支持。

要了解更多信息,请给我们留言,开始我们的对话。