隨著自動駕駛技術的不斷進步，市場需求的持續增長，自動駕駛產業迎來廣闊的發展前景。L3及以上級別的自動駕駛技術有望逐步落地普及，為人們帶來更加安全、便捷、高效的出行體驗。

在自動駕駛技術落地之前，如何高效的進行自動駕駛算法開發與驗證，是企業迫切需要解決的問題。同時規控算法作為自動駕駛算法的核心，其功能的好壞直接影響著乘客的安全性與舒適性，對規控算法的驗證顯得尤為重要。

自動駕駛規控算法驗證需求

自動駕駛算法可分為感知、規劃、決策、控制執行四大模塊。規劃控制功能作為自動駕駛算法的核心，其主要目標為：

從起點到終點規劃全局行駛路線，并在車輛行駛過程中，基于周圍環境，對局部軌跡進行實時規劃

精準控制自車按目標軌跡行駛

圖1 自動駕駛算法流程

自動駕駛規控算法通過接收傳感融合信息，避開障礙物，結合約束條件，規劃出兩點間一條最優的路徑；然后由控制算法對自車的行駛軌跡進行控制，從而實現車輛的自動行駛。

車輛軌跡的規劃控制是一個非常復雜的問題，一方面要考慮車輛自身的狀態，另一方面還需要在行車過程中，考慮與其他車輛的博弈問題。通過獲取交通車的速度、加速度、橫擺角速度信息，預測交通車軌跡，實時調整自車的軌跡，保障自車行車的安全性與舒適性。

一個好的規控算法，需要反復驗證與迭代，才能給乘客提供更舒適、更安全的乘車體驗。行業公認的測試驗證方法主要有兩種，一種是實車驗證，這種驗證方案準確性較高，不過受限于路測條件，效率偏低且成本較高。另一種是仿真驗證，通過構建一個虛擬仿真環境，利用數字化手段進行驗證。仿真驗證由于其效率高、成本低，在自動駕駛行業獲得普遍認可，其價值主要體現在以下幾個方面：

可通過仿真環境構建大量極端場景，提高測試場景價值

可提供一個安全的驗證環境，降低犯錯成本

可隨機生成交通流，模擬復雜的交通車行為，驗證L3+自動駕駛算法

可通過仿真環境，重現功能失效場景，定位功能失效原因，實現算法優化

可通過泛化大量場景，充分驗證算法的可靠性

場景仿真軟件介紹

實現規控算法的仿真驗證，需要一套完整的閉環解決方案，經緯恒潤通過多年在仿真測試行業內的積累，推出了成熟的SIL、HIL測試解決方案，在方案中采用經緯恒潤自主研發的自動駕駛場景仿真軟件ModelBase-AD來滿足規控算法的閉環驗證需求。

ModelBase-AD軟件將自動駕駛算法仿真驗證需要的傳感器、道路、天氣、交通流、車輛動力學模型整合為一體，更便捷地進行自動駕駛算法的驗證。

圖2 ModelBase-AD 軟件主要功能

規控算法主要基于道路、交通規則和交通障礙物信息的輸入，規劃自車行駛軌跡，并實時采集自車狀態，輸出控制指令，保證自車按期望軌跡行駛。

圖3 規劃控制算法接口信息

下面將從靜態場景模型、隨機交通流模型、車輛動力模型三個方面，詳細介紹ModelBase-AD是如何模擬算法的需求信息，并響應算法的指令，實現車輛準確行駛的。

靜態場景模型

ModelBase-AD靜態場景模型主要包括道路模型和交通資產模型兩大組成部分。道路模型基于OpenDRIVE標準開發，軟件內置了十多套道路模板，涵蓋城市路、鄉村路、高速路、雙車道、四車道、六車道、八車道等不同類型，用戶可以利用內置的道路模板快，快速創建道路，實現復雜路網構建。道路模型可覆蓋交叉路口、立交橋、橋梁、隧道、環島、坡道、閘道、收費站、停車場等道路元素。道路模型的路面摩擦系數可根據雨雪天氣自動適配，可以準確的模擬車輛在雨雪天氣下的行駛狀態。

圖4 道路模型配置界面

圖5 整體靜態場景渲染效果

圖6 下雨路面效果

ModelBase-AD靜態場景模型內置了大量的交通資產模型，包括路政設施、導流線、高速出入口標識牌、交通燈、路燈、護欄、停車位、限速牌、路口提示牌、高速服務區提示牌等。可基于用戶對交通標識的仿真需求，直接部署應用，無需二次開發。

圖7 交通資產配置界面

圖8 交通資產模型展示

利用場景軟件中的道路模型庫和交通元素庫，可實現任意道路場景的搭建，充分覆蓋自動駕駛規控算法對靜態場景的需求。

隨機交通流模型

交通車輛的軌跡和駕駛風格均影響著自動駕駛算法的實時軌跡規劃，準確模擬出交通車的軌跡和駕駛風格是規劃算法測試的核心需求。

為了將每輛交通車的行駛軌跡模擬準確，ModelBase-AD采用 6自由度車身動力學模型來定義每一輛交通車，同時考慮了路面摩擦系數對交通車運動的影響，可準確模擬出晴天、雨雪天氣下，交通車的行駛軌跡。

為了更有效地覆蓋交通車的駕駛風格，ModelBase-AD定制了一套隨機交通流算法模型，將駕駛風格細分為5種類型，分別為新手型、保守型、普通型、激進型、冒險型。模型參數包括加速度、速度、道距離、換道時間、反應時間、預瞄距離、視野距離、超車渴望度、是否遵守交通規則等。

圖9 隨機駕駛員參數配置

激進型駕駛員風格

保守型駕駛員風格

ModelBase-AD通過隨機交通流算法、6自由度動力學模型、準確的道路附著系數，將場景軟件中交通車的行駛軌跡進行了準確描述，從而更準確的實現了L3+自動駕駛規控算法驗證。

整車動力學模型

在規控算法模塊中，規劃算法輸出目標軌跡給控制算法，控制算法基于自車當前狀態，實時解算出執行器控制目標，并由執行器驅動車輛行駛到目標位置。在算法驗證過程中，整車動力學模型能否準確表征真實車輛的姿態和行駛軌跡，是算法能否得到準確驗證的核心影響因素。

圖10 控制算法執行流程

為了保證整車動力學模型能夠準確表征實車的軌跡和姿態。ModelBase-AD軟件開發了30+自由度的整車動力學模型。除6自由度車身模型外，還包括動力系統模型、轉向系統模型、制動系統模型、懸架系統模型、輪胎系統模型。所有模型，均提供參數化接口，用戶可填入實車參數，定義自己的專屬車輛模型。

圖11 車輛參數化界面

ModelBase-AD軟件還定義了一套標準的高精模型開發流程，采集標準工況下的實車數據，訓練模型的輸出結果，從而生成高精車輛動力學模型。

圖12 高精動力學模型生成流程

圖13 高精模型校準效果展示

ModelBase-AD通過高精車輛動力學模型模擬自車的軌跡和姿態，準確表征自車的行駛狀態，保障規控算法驗證更準確。

總結

隨著自動駕駛電控技術的發展，傳統的規控算法正向著端到端大模型發展。雖然算法的內核發生了變化，但算法的驗證需求不變，算法的輸入、輸出接口不變。ModelBase-AD憑借其優秀的靜態場景模型、隨機交通流模型、整車動力學模型，為各大主機廠和供應商提供了準確的自動駕駛規控算法驗證仿真環境，提升了自動駕駛規控算法驗證效率。