CN113050455A - 一种用于智能网联汽车的数字孪生测试系统及控制方法 - Google Patents

Abstract

本发明涉及一种用于智能网联汽车的数字孪生测试系统和控制方法，数字孪生测试系统包括车端测试模块、场地测试模块、互联通信模块和数字孪生平台，车端测试模块和场地测试模块通过互联通信模块与数字孪生平台进行数据交互，车端测试模块设于进行测试的智能网联汽车中，数字孪生平台内设有基于数字孪生技术搭建的与智能网联汽车及其行驶环境相匹配的孪生车辆模型和虚拟测试环境。与现有技术相比，本发明具有提升测试效率、验证充分性和有效性，提高智能网联汽车性能测试结果的稳定性和可信度等优点。

Description

一种用于智能网联汽车的数字孪生测试系统及控制方法

技术领域

本发明涉及车辆测试技术领域，尤其是涉及一种用于智能网联汽车的数字孪生测试系统及控制方法。

背景技术

随着科技的进步，智能网联汽车技术快速迭代，商业模式不断创新，应用障碍不断突破，呈现出新的发展态势。但是针对智能网联汽车的测试方法及系统目前尚不成熟。目前针对智能网联汽车的安全性及功能性测试技术，仅依靠传统物理场地或者仿真手段，其测试效率低、验证不充分、投入成本大、指标不完善、安全隐患高，制约了智能网联汽车的发展。

中国专利CN202011061394.3公开了一种车路协同平行仿真测试方法及系统，通过协同场地测试系统、场景仿真系统和交通监控系统，可提高智能网联应用测试的效率，但对于复杂随机交通流环境等真实场景还存在验证不充分的局限性。

中国专利CN202010349719.1公开了一种用于平行驾驶的仿真测试方法及系统，通过修改驾驶模拟数据和仿真驾驶数据之间的映射关系，对标实际驾驶数据，可降低实车测试中的安全隐患，但对于测试效率及验证充分性方面还存在不足。

发明内容

本发明的目的就是为了克服上述现有技术存在的传统物理场地或者仿真手段导致测试效率低、验证充分性和指标完善性不足、投入成本较高且存在安全隐患的缺陷而提供一种用于智能网联汽车的数字孪生测试系统及控制方法。

本发明的目的可以通过以下技术方案来实现：

一种用于智能网联汽车的数字孪生测试系统，包括车端测试模块、场地测试模块、互联通信模块和数字孪生平台，所述车端测试模块和场地测试模块通过互联通信模块与数字孪生平台进行数据交互，所述车端测试模块设于进行测试的智能网联汽车中，所述数字孪生平台内设有基于数字孪生技术搭建的与所述智能网联汽车及其行驶环境相匹配的孪生车辆模型和虚拟测试环境。

所述车端测试模块采集智能网联汽车的行车测试数据，所述行车测试数据包括车辆基本安全信息、障碍物预警信息和动态减速区预警信息。

所述场地测试模块采集物理道路的物理道路数据，所述物理道路数据包括气候情况数据、道路情况数据和组合定位情况数据。

进一步地，所述气候情况数据包括气候信息、温度信息、湿度信息和天气信息，道路情况数据包括道路摩擦系数信息、直道信息、弯道信息、坡度信息、桥梁信息和隧道信息，组合定位情况数据包括路侧激光雷达与摄像头采集的特征信息。

所述孪生车辆模型由数字孪生平台根据采集的进行测试的智能网联汽车的车辆数据进行搭建，所述车辆数据包括几何尺寸信息、质量属性信息、驱动系统模型信息、转向系统模型信息、制动系统模型信息、车辆控制器信息和附件模型信息。

所述虚拟测试环境由数字孪生平台根据采集的进行测试的智能网联汽车拟具体行驶的实际线路的场景数据和交通流数据，通过高精度地图进行等比例测绘及搭建，所述交通流数据包括流量数据信息、车速分布信息、信号配时信息、限速信息，所述场景数据包括公交线路信息、公交站点信息、公交专用道信息、CAD图信息、交通信号灯信息和交通标识牌信息。

所述数字孪生平台采用单种算法或多种组合算法对车端测试模块传输的行车测试数据和当前孪生车辆模型的车辆虚拟数据进行数据融合及分析，提取出车辆特征数据，根据所述车辆特征数据实时更新孪生车辆模型及其虚拟测试环境。

进一步地，所述算法的类型包括卷积神经网络算法、BP神经网络算法和机器学习算法。

进一步地，所述数字孪生平台更新孪生车辆模型的过程具体为数字孪生平台根据进行测试的智能网联汽车的自身状态估计能力、自动驾驶水平和安全保障指标，以智能网联汽车的当前车辆状态对孪生车辆模型对应的控制模型、参数和边界进行更新，自身状态估计能力包括估计精度及频率。

进一步地，所述数字孪生平台通过互联通信模块在线实时地对进行测试的智能网联汽车的控制模型更新参数及标定值，并且动态调整控制边界值。

所述互联通信模块包括车载数据处理及通信子模块和路侧数据处理及通信子模块，车端测试模块采集的行车测试数据和场地测试模块采集的物理道路数据通过以太网传输到车载数据处理及通信子模块，处理完成后通过C-V2X传输到路侧数据处理及通信子模块，由路侧数据处理及通信子模块通过以太网传输到数字孪生平台，所述数字孪生平台根据上述链路将相应数据反向传递回车端测试模块采集和场地测试模块；同时数字孪生平台通过C-V2X接收场地测试模块采集的智能网联汽车的场地测试数据，根据场地测试数据实时更新孪生车辆模型对应的孪生车辆位置信息、孪生运动状态、孪生报警信息和孪生虚拟测试环境。

一种所述用于智能网联汽车的数字孪生测试系统的控制方法，具体包括以下步骤：

S1、虚拟测试环境根据孪生车辆模型生成场景数据和交通流数据，通过互联通信模块发送到车端测试模块；

S2、车端测试模块采集进行测试的智能网联汽车对于场景数据和交通流数据做出的反馈行为信息，发送到数字孪生平台；

S3、数字孪生平台根据预设的评价指标实时更新控制算法，将最优控制算法策略编译封装到孪生车辆模型的控制系统中，并显示最优控制算法的实施效果；

S4、数字孪生平台再次收集车端测试模块的行车测试数据和孪生车辆模型的车辆虚拟数据，进行数据融合及分析，提取出车辆特征数据，根据车辆特征数据更新孪生车辆模型及其虚拟测试环境，转至步骤S1。

与现有技术相比，本发明具有以下有益效果：

1.本发明场地测试模块基于实际线路通过高精度地图等比例测绘及搭建，并通过添加整合多种交通参与者的随机交通流，使智能网联汽车的虚拟场景更接近于真实场景，有效提升了测试效率、验证充分性和有效性。

2.本发明数字孪生平台根据智能网联汽车对于场景数据和交通流数据做出的反馈行为信息，实时更新控制算法，并将变化后的行车测试数据和车辆虚拟数据用于更新孪生车辆模型及其虚拟测试环境，根据更新后的虚拟测试环境再次计算最优控制算法形成动态的车辆反馈数据交换，从而实现控制算法动态优化，提高了智能网联汽车性能测试结果的稳定性和可信度。

附图说明

图1为本发明测试系统的结构示意图；

图2为本发明实施例中控制方法的原理示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例一

如图1所示，一种用于智能网联汽车的数字孪生测试系统，包括车端测试模块、场地测试模块、互联通信模块和数字孪生平台，车端测试模块和场地测试模块通过互联通信模块与数字孪生平台进行数据交互，车端测试模块设于进行测试的智能网联汽车中，数字孪生平台内设有基于数字孪生技术搭建的与智能网联汽车及其行驶环境相匹配的孪生车辆模型和虚拟测试环境。

如图2所示，智能网联汽车及孪生车辆分别在各自的环境下运行，智能网联汽车在实际的物理场地环境下行驶，孪生车辆在孪生虚拟测试环境下运行，数字孪生平台通过互联通信模块与车端测试模块和场地测试模块进行数据动态交换。

车端测试模块采集智能网联汽车的行车测试数据，行车测试数据包括车辆基本安全信息、障碍物预警信息和动态减速区预警信息，本实施例中，采用北斗卫星实现车辆位置信息采集，同时提供车辆的运动状态数据，所述运动状态数据包括速度、加速度、位置和距离。

场地测试模块采集物理道路的物理道路数据，物理道路数据包括气候情况数据、道路情况数据和组合定位情况数据。

气候情况数据包括气候信息、温度信息、湿度信息和天气信息，道路情况数据包括道路摩擦系数信息、直道信息、弯道信息、坡度信息、桥梁信息和隧道信息，组合定位情况数据包括路侧激光雷达与摄像头采集的特征信息。

孪生车辆模型由数字孪生平台根据采集的进行测试的智能网联汽车的车辆数据进行搭建，车辆数据包括几何尺寸信息、质量属性信息、驱动系统模型信息、转向系统模型信息、制动系统模型信息、车辆控制器信息和附件模型信息。并基于在数字孪生平台中根据收集到的智能网联汽车数据，匹配模拟相应的孪生车辆数据参数，孪生车辆数据参数包括孪生车辆基本安全信息、孪生运动状态、孪生报警信号和孪生仪表显示状态。

虚拟测试环境由数字孪生平台根据采集的进行测试的智能网联汽车拟具体行驶的实际线路的场景数据和交通流数据，通过高精度地图进行等比例测绘及搭建，交通流数据包括流量数据信息、车速分布信息、信号配时信息、限速信息，场景数据包括公交线路信息、公交站点信息、公交专用道信息、CAD图信息、交通信号灯信息和交通标识牌信息，提升了场景验证充分性。同时基于场地测试模块的数据实时匹配更新虚拟测试环境的气候及道路情况。

数字孪生平台采用单种算法或多种组合算法对车端测试模块传输的行车测试数据和当前孪生车辆模型的车辆虚拟数据进行数据融合及分析，提取出车辆特征数据，根据车辆特征数据实时更新孪生车辆模型及其虚拟测试环境。

算法的类型包括卷积神经网络算法、BP神经网络算法和机器学习算法，本实施例中，数字孪生平台采用BP神经网络算法。

数字孪生平台将基于在物理场地中行驶的智能网联汽车，映射为在数字孪生虚拟测试场地中行驶的孪生车辆：虚拟测试场地可以视为在物理场地的基础上补充融合了一系列场景及交通流，可以快速地模拟及重现现实世界中的场景；孪生车辆可以视为真实智能网联汽车在虚拟测试场地中的孪生映射体。智能网联汽车在物理场地中行驶，可以感知到虚拟测试场景中的场景及交流通，并实时做出相对应的驾驶反馈行为。

数字孪生平台更新孪生车辆模型的过程具体为数字孪生平台根据进行测试的智能网联汽车的自身状态估计能力、自动驾驶水平和安全保障指标，以智能网联汽车的当前车辆状态对孪生车辆模型对应的控制模型、参数和边界进行更新，自身状态估计能力包括估计精度及频率。

数字孪生平台通过互联通信模块在线实时地对进行测试的智能网联汽车的控制模型更新参数及标定值，并且动态调整控制边界值。

互联通信模块包括车载数据处理及通信子模块和路侧数据处理及通信子模块，车端测试模块采集的行车测试数据和场地测试模块采集的物理道路数据通过以太网传输到车载数据处理及通信子模块，处理完成后通过C-V2X传输到路侧数据处理及通信子模块，由路侧数据处理及通信子模块通过以太网传输到数字孪生平台，数字孪生平台根据上述链路将相应数据反向传递回车端测试模块采集和场地测试模块；同时数字孪生平台通过C-V2X接收场地测试模块采集的智能网联汽车的场地测试数据，根据场地测试数据实时更新孪生车辆模型对应的孪生车辆位置信息、孪生运动状态、孪生报警信息和孪生虚拟测试环境。

一种用于智能网联汽车的数字孪生测试系统的控制方法，具体包括以下步骤：

S1、虚拟测试环境根据孪生车辆模型生成场景数据和交通流数据，通过互联通信模块发送到车端测试模块；

S2、车端测试模块采集进行测试的智能网联汽车对于场景数据和交通流数据做出的反馈行为信息，发送到数字孪生平台；

S3、数字孪生平台根据预设的评价指标实时更新控制算法，将最优控制算法策略编译封装到孪生车辆模型的控制系统中，并显示最优控制算法的实施效果；

S4、数字孪生平台再次收集车端测试模块的行车测试数据和孪生车辆模型的车辆虚拟数据，进行数据融合及分析，提取出车辆特征数据，根据车辆特征数据更新孪生车辆模型及其虚拟测试环境，转至步骤S1。

实施例二

本实施例中，虚拟测试环境由数字孪生平台根据采集的测试场景的安全类数据和信息服务类数据进行搭建，安全类数据包括行人和非机动车避让、超车、并道、交叉路口通行、自动紧急制动和跟车行驶，信息服务类数据包括前方桥隧预警、前方拥堵提醒、前方限速预警、前方施工区预警和前方事故预警。其余同实施例一。

此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种用于智能网联汽车的数字孪生测试系统，其特征在于，包括车端测试模块、场地测试模块、互联通信模块和数字孪生平台，所述车端测试模块和场地测试模块通过互联通信模块与数字孪生平台进行数据交互，所述车端测试模块设于进行测试的智能网联汽车中，所述数字孪生平台内设有基于数字孪生技术搭建的与所述智能网联汽车及其行驶环境相匹配的孪生车辆模型和虚拟测试环境。

2.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述车端测试模块采集智能网联汽车的行车测试数据，所述行车测试数据包括车辆基本安全信息、障碍物预警信息和动态减速区预警信息。

3.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述场地测试模块采集物理道路的物理道路数据，所述物理道路数据包括气候情况数据、道路情况数据和组合定位情况数据。

4.根据权利要求3所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述气候情况数据包括气候信息、温度信息、湿度信息和天气信息，道路情况数据包括道路摩擦系数信息、直道信息、弯道信息、坡度信息、桥梁信息和隧道信息，组合定位情况数据包括路侧激光雷达与摄像头采集的特征信息。

5.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述孪生车辆模型由数字孪生平台根据采集的进行测试的智能网联汽车的车辆数据进行搭建，所述车辆数据包括几何尺寸信息、质量属性信息、驱动系统模型信息、转向系统模型信息、制动系统模型信息、车辆控制器信息和附件模型信息。

6.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述虚拟测试环境由数字孪生平台根据采集的进行测试的智能网联汽车拟具体行驶的实际线路的场景数据和交通流数据，通过高精度地图进行等比例测绘及搭建，所述交通流数据包括流量数据信息、车速分布信息、信号配时信息、限速信息，所述场景数据包括公交线路信息、公交站点信息、公交专用道信息、CAD图信息、交通信号灯信息和交通标识牌信息。

7.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述数字孪生平台采用单种算法或多种组合算法对车端测试模块传输的行车测试数据和当前孪生车辆模型的车辆虚拟数据进行数据融合及分析，提取出车辆特征数据，根据所述车辆特征数据实时更新孪生车辆模型及其虚拟测试环境。

8.根据权利要求7所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述数字孪生平台更新孪生车辆模型的过程具体为数字孪生平台根据进行测试的智能网联汽车的自身状态估计能力、自动驾驶水平和安全保障指标，以智能网联汽车的当前车辆状态对孪生车辆模型对应的控制模型、参数和边界进行更新。

9.根据权利要求1所述的一种用于智能网联汽车的数字孪生测试系统，其特征在于，所述互联通信模块包括车载数据处理及通信子模块和路侧数据处理及通信子模块，车端测试模块采集的行车测试数据和场地测试模块采集的物理道路数据通过以太网传输到车载数据处理及通信子模块，处理完成后通过C-V2X传输到路侧数据处理及通信子模块，由路侧数据处理及通信子模块通过以太网传输到数字孪生平台，所述数字孪生平台根据上述链路将相应数据反向传递回车端测试模块采集和场地测试模块；同时数字孪生平台通过C-V2X接收场地测试模块采集的智能网联汽车的场地测试数据，根据场地测试数据实时更新孪生车辆模型对应的孪生车辆位置信息、孪生运动状态、孪生报警信息和孪生虚拟测试环境。

10.一种如权利要求1所述的用于智能网联汽车的数字孪生测试系统的控制方法，其特征在于，具体包括以下步骤：

S1、虚拟测试环境根据孪生车辆模型生成场景数据和交通流数据，通过互联通信模块发送到车端测试模块；

S2、车端测试模块采集进行测试的智能网联汽车对于场景数据和交通流数据做出的反馈行为信息，发送到数字孪生平台；

S3、数字孪生平台根据预设的评价指标实时更新控制算法，将最优控制算法策略编译封装到孪生车辆模型的控制系统中，并显示最优控制算法的实施效果；

S4、数字孪生平台再次收集车端测试模块的行车测试数据和孪生车辆模型的车辆虚拟数据，进行数据融合及分析，提取出车辆特征数据，根据车辆特征数据更新孪生车辆模型及其虚拟测试环境，转至步骤S1。

Images