智能网联汽车测试技术探究
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
智能网联汽车测试技术探究
摘要:目前,中国不仅是在技术研发、政策制定等方面推动智能网联汽车产业的发展,更是在各地建立了多个智能网联汽车测试示范区,用以促进相关技术进步,支撑标准和法律法规制定。本文从仿真测试和实车测试两方面介绍了智能网联汽车的测试技术,分析了典型测试技术应用案列,总结了封闭场地和开放道路测试现状,提出了智能网联汽车测试技术的发展建议。
关键词:智能网联汽车;仿真测试;实车测试;场景
智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置,并融合现代通信与网络技术,实现车与人、车、路、云端等智能信息交换、共享,具备复杂环境感知、智能决策、协同控制等功能,可实现安全、高效、舒适、节能行驶,并最终可实现替代人来操作的新一代汽车[1]。依据IHSAutomotive的预测数据,2035年智能网联汽车的销量将接近2100万辆,其中中国智能网联汽车销量有望达到570万辆,超过美国的450万辆、西欧的300万辆,成为全球最大的市场,如图1所示。智能网联汽车如何进行测试是目前公认的难题,也是产业发展中急需解决的问题。为了保证智能网联汽车的安全性和验证自动驾驶系统的稳定性、合理性,可以从智能网联汽车功能、性能、安全、稳定、舒适性和鲁棒性等方面进行测试。智能网联汽车测试方法主要包括仿真测试和实车测试。仿真测试主要有软件在环(Softwareintheloop,SIL)、硬件在环(Hardwareintheloop,HIL)、车辆在环(Vehicleintheloop,VIL)等方法。实车测试主要包括封闭场地
测试和开放道路测试。实车测试是最真实的测试方法,但其缺点也最明显,效率低、可重复性差、灵活性差、反馈不及时等。对智能网联汽车的测试主要有传感器(摄像头、激光雷达、毫米波雷达、超声波雷达等)、执行器、算法、人机交互界面以及封闭场地测试、公共道路测试等。智能网联汽车安全可分为主动安全、被动安全、功能安全、预期功能安全和信息安全。其中,主动安全主要是对车辆主动的加以干预,减少和避免事故的发生;被动安全主要是事故发生后减少人身、财产的伤害,如安全玻璃、安全气囊、安全座椅等;功能安全主要是由于系统、硬件故障或软件失效而产生的危险;预期功能安全主要是在车辆无故障情况下,由于环境感知或执行系统不符合预期而产生的危险;信息安全主要是保障车辆信息的机密性、完整性、可用性、可认证性和可审计性[2]。以下情况的发生可能会产生预期功能安全:一是自动驾驶系统由于道路环境、天气等因素,导致系统不能准确地进行感知、决策及控制;二是自动驾驶系统测试场景不完善,导致系统不能准确识别环境要素;三是自动驾驶系统功能决策逻辑设计不合理,导致决策错误;四是网联通信预警信息传输不正确,导致智能网联汽车通信错误;五是自动驾驶系统的执行系统响应能力不足,导致运动控制不准确。为了保证智能网联汽车在使用中的安全性,智能网联汽车应设置有保障机制。保障机制定义为当自动驾驶系统发生故障或车辆安全无法保证时应能够通过某种方式提示驾驶人进行人工接管或自动进入最小风险状态。对人工操作接管测试主要包括:智能网联汽车能够识别自动驾驶系统功能失效、硬件故障或处于设计边界等
情况,应能安全退出自动驾驶系统同时提醒驾驶人接管;智能网联汽车如遇通信信息丢失、接收错误信息无法准确识别等故障时,应能安全退出自动驾驶系统同时提示驾驶人接管。同时,对于接管提醒已发出而驾驶人未能及时进行接管或高级别的智能网联汽车内无驾驶人的情况,智能网联汽车应拥有自动进入最小风险状态的能力。
1仿真测试
1.1测试场景
在仿真测试中,测试场景是开展仿真测试的基础,而测试场景架构的确定是测试场景的前提。从测试场景层次架构分析,可由道路拓扑结构、交通流以及动态情景3部分构成。从测试场景三维架构分析,测试场景是行驶场合和驾驶情景的组合,在不同的天气下,由不同驾驶工况(高速、城市、乡村等)与驾驶任务、驾驶速度等构成。测试场景应具有一致性、可通过具体的数值进行描述、机器可读性。为了解决传统测试场景构建方法存在的效率低、适应性差、场景数量有限等问题,可以从以下方面出发,搭建符合中国实际情况的测试场景:一是从安全驾驶等方面建立基于智能网联汽车考试的测试场景;二是从法律法规和事故等方面,建立基于交通事故与违法情景的测试场景;三是从典型道路环境、天气及光照等方面,建立基于道路交通情景的测试场景。当前,测试场景库的建设尤为重要。首先需要解决的问题就是统一数据标准和数据格式。然后丰富场景库的数据来源,如国内外标准场景、驾驶模拟器场景、自然驾驶场景、事故场景等。场景库的建设可以为智能网联汽车的研发和测试提供巨大的支撑。
1.2软件在环
软件在环是指在系统代码级别进行功能测试,通过输入大量测试场景,可快速、高效地验证自动驾驶系统环境感知算法、决策控制算法等[3]。在目前系统开发中“V”模型被普遍采用,软件在环测试由于成本低、效率高、易修改,一般应用在自动驾驶系统设计初期和中期,如图2所示[4]。目前,仿真模拟软件可分为开源和收费两种。开源模拟平台主要有Gazebo、Carla、Apollo,收费模拟平台主要有Panosim、Carsim、Pro-SiVIC。
1.3硬件在环
硬件在环是指控制系统硬件作为被测对象,将环境仿真信息输入到控制系统。其特点是可以测试一些危险场景、测试工况可复现,但其测试效率、成本、灵活可拓展性不能满足目前自动驾驶系统的迭代速度[5]。硬件在环的应用最早是在传统车辆控制器上,如发动机控制系统EMS(EngineModuleSystem)[6],电子稳定控制系统ESC (ElectronicStabilityControl)[7]等。高级驾驶辅助系统ADAS (AdvancedDriverAssistanceSystems)控制器和自动驾驶系统控制器比传统车辆控制器需要测试的工况更多,同时需要实际交通环境的参与,这是传统汽车控制器所不需要的,搭建虚拟环境是整个ADAS或自动驾驶测试的基础并应用于整个测试过程。当前主要有IPG公司的Carmaker,TASS公司的PreScan,OKTAL公司的Scanner等软件可进行虚拟环境仿真。在软件中拥有多种传感器的模型,如毫米波雷达、激光雷达、摄像头等,这些模型可以模拟实际控制器中的真实传感器[8]。