测试自动驾驶系统： 协同仿真和人驾驶员校准
2024年10月21日
Alkis Papadoulis
Aimsun科学研究人员
创新技术使汽车更智能、更安全、更高效，我们都很兴奋地期待全自动驾驶的实现。由欧盟资助的 i4Driving 研究项目(https://i4driving.eu/) 通过开发用于测试自动驾驶系统 (Autonomous Driving Systems – ADS) 的尖端平台，为这一进程中做出了很大贡献。
挑战：自动驾驶系统测试
自动驾驶汽车必须应对复杂的交通环境，在瞬间做出决策，并与人驾驶车辆无缝互动。然而，测试自动驾驶汽车的主要挑战之一是如何准确呈现人的驾驶行为。人驾驶员表现出不可预测的反应、独特的决策过程和不同的经验水平。因此，要为自动驾驶辅助系统创建一个全面的测试环境，就需要一个能够准确反映真实世界及其人为因素的系统。
这就是i4Driving的目的。
校准人驾驶员模型进行 ADS 测试和敏感性分析
项目团队通过真实世界的测试场和驾驶模拟器上获取人驾驶行为，包括在不同条件下的决策。这有助于建立一个强大的数据集，帮助校准新的 i4Driving 人驾驶员模型，从而形成自动驾驶汽车测试新的基准线。
更具体地说，该团队正在开发一个全自动校准和验证管道，利用人工智能算法来确定最佳参数，以便在 Aimsun Next 模型中准确呈现人驾驶员行为。该管道的形式略有不同，但已用于执行敏感性分析。
该项目已经制定了具有初始条件的具体方案，并采用了最先进的敏感性分析方法，以了解该项目与安全相关的关键性方案的因素。
下图是几个月前调查的场景，目的是确定在跟车情况下导致撞车的关键条件。
在这个场景下，领车以不同的减速率减速至完全停止。该场景下的另一个变量是两辆车的初始速度。
- 图中的 THW (Time Headway) 代表两辆车之间的时间间隔，在该场景下保持不变，即 2 秒。
- a 是车辆间的最小时间间隔。
- b 为跟车时间间隔。
敏感性分析测试的结果如上图所示。样本数人为设定为 200 个。本实验选择的抽样方法是拉丁超立方 (Latin hypercube)。结果表明，碰撞（图中黑星所示）发生在领车减速度较大和车速较高的情况下。
与CARLA 的协同仿真：融合虚拟与真实世界的测试
使用上述工具对人驾驶员模型进行校准和验证后，需要在整合的仿真环境中对自动驾驶辅助系统的有效性进行评估。换句话说，我们需要将实际的自动驾驶车辆与 Aimsun Next 中的 i4Driving 模型一起放置在人驾驶车辆的环境中。为此，我们在 CARLA 和 Aimsun Next 之间开发了一个全新的接口。
CARLA 是用于自动驾驶研究的高保真开源模拟器。我们的协同仿真平台可以在模拟各种交通、天气和路况的逼真虚拟环境中测试 ADS。此外，CARLA 模拟器允许自动驾驶汽车的所有三个层级都呈现在协同仿真环境当中，使原始设备制造商能够有效地测试他们的系统，同时从 Aimsun Next模型中获取复杂的交通环境。真实世界数据与仿真的结合为自主系统提供了一个全面的测试平台。
CARLA 先进的模拟能力使我们能够将 ADS 纳入 Aimsun Next 环境，让 ADS 开发人员能够在受控、安全的环境中测试边缘情况和复杂情况。通过利用 CARLA，我们可以推动 ADS 测试的发展，提供一种动态、可扩展的方式，在系统部署到公共道路之前对其进行验证。
下图显示的是为平台初步测试而开发的网络。这是 CARLA 中的默认地图之一，路网在 Aimsun Next当中得到呈现。
在这个实验中，一辆由 CARLA 控制的简单自动驾驶汽车被 Aimsun Next 交通仿真平台生成的交通流包围。您可以在下图中看到这两个环境并排运行。在这种情况下，自动驾驶汽车是前方的车辆，而 Aimsun Next 则生成紧随其后的车辆。
现阶段，我们正在打磨并发布连接Aimsun Next 和 CARLA的代码。请继续关注我们，我们将分享新的进程和发现！
