CN113642177A - 数字孪生虚实多车混行仿真方法及装置 - Google Patents
数字孪生虚实多车混行仿真方法及装置 Download PDFInfo
- Publication number
- CN113642177A CN113642177A CN202110936056.8A CN202110936056A CN113642177A CN 113642177 A CN113642177 A CN 113642177A CN 202110936056 A CN202110936056 A CN 202110936056A CN 113642177 A CN113642177 A CN 113642177A
- Authority
- CN
- China
- Prior art keywords
- model
- vehicle
- virtual
- real
- automobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 abstract description 27
- 230000008569 process Effects 0.000 description 16
- 230000006855 networking Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种数字孪生虚实多车混行仿真方法及装置，该方法包括基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型；基于通信构建虚拟车辆模型与智能网联汽车的信息交互渠道，并在信息空间中构建多车协同场景；利用虚拟车辆模型和多车协同场景进行仿真，得到数字孪生虚实多车混行仿真结果，并将该结果反馈给智能网联汽车。该方法解决了相关技术中存在参数预设后动态更新困难、难以灵活调节等问题，将数字孪生技术引入到了智能网联汽车的仿真领域，通过建立虚拟车辆模型，尝试用其表征物理系统中的智能网联汽车，进行多车实验，具有时间成本低、场景灵活度高等优点。
Description
技术领域
本发明涉及智能交通技术领域，特别涉及一种数字孪生虚实多车混行仿真方法及装置。
背景技术
汽车的智能化和网联化是当今汽车产业发展的大趋势，智能网联汽车相比传统驾驶员驾驶汽车，在提升交通效率方面有很大优势。在智能网联汽车商业化之前需对相关技术或算法进行大量实验验证以保障安全性，但实车实验往往造价昂贵且存在诸多限制，故在进行实车实验前往往先进行仿真。
当前常用的自动驾驶仿真软件包括CarSim、Prescan、Carla等，这些软件或平台在车辆动力学建模、传感器建模、场景重构等方面具备良好的特性，但是这些软件的设计模式存在着固有缺陷，主要体现在以下方面：
以上仿真软件运行流程主要包含预设参数-仿真运行-得出结果-参数调整等步骤，这种串行式的执行流程很难在单次运行过程中有效对参数进行动态更新，当模型和客观情况差别较大时，随着仿真时长增加，模型不准确性对仿真结果带来的影响会愈加显著；仿真始终具有滞后性，复杂系统的仿真耗时长久，仿真结果无法有效应对复杂系统的快速变化，系统的动态变化无法作为实时输入作用到仿真系统中。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种数字孪生虚实多车混行仿真方法，该方法解决了相关技术中存在参数预设后动态更新困难、难以灵活调节等问题，将数字孪生技术引入到了智能网联汽车的仿真领域，通过引入虚拟车辆，尝试用其表征物理系统中真实存在的智能网联汽车，基于虚拟车辆开展多车实验，具有时间成本低、场景灵活度高的优点。
本发明的另一个目的在于提出一种数字孪生虚实多车混行仿真装置。
为达到上述目的，本发明一方面实施例提出了一种数字孪生虚实多车混行仿真方法，包括以下步骤：基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型；基于通信构建所述虚拟车辆模型与所述智能网联汽车的信息交互渠道，在信息空间中构建多车协同场景；利用所述虚拟车辆模型和所述多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
本发明实施例的数字孪生虚实多车混行仿真方法，将并行式的数字孪生解决方案代替传统的仿真软件/平台串行式地仿真流程，具备时间成本低、场景灵活度高等特点；通过引入虚拟小车，使其模拟智能网联汽车，解决当下需要多车的实车实验难以开展的问题，为需要多车的研究、如队列控制、多车编队等提供了可能的实验平台，基于此可验证多车协同算法的有效性。
另外，根据本发明上述实施例的数字孪生虚实多车混行仿真方法还可以具有以下附加的技术特征：
可选地，在本发明的一个实施例中，基于所述虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
可选地，在本发明的一个实施例中，所述物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且所述模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
可选地，在本发明的一个实施例中，在构建反映所述物理系统的实时运行状态的对应模型时，进一步包括：基于所述物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用所述状态更新接口接收状态真值，根据所述接收状态真值进行模型参数的更新与优化。
可选地，在本发明的一个实施例中，还包括：利用通信渠道将所述仿真运行结果作为参考决策信息反馈给所述物理空间中所包含的智能网联汽车。
为达到上述目的，本发明另一方面实施例提出了一种数字孪生虚实多车混行仿真装置，包括：模型构建模块，用于基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型；场景构建模块，用于基于通信构建所述虚拟车辆模型与所述智能网联汽车的信息交互渠道，在信息空间中构建多车协同场景；结果分析与反馈模块，用于利用所述虚拟车辆模型和所述多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
本发明实施例的数字孪生虚实多车混行仿真装置，将并行式的数字孪生解决方案代替传统的仿真软件/平台串行式地仿真流程，具备时间成本低、场景灵活度高等特点；通过引入虚拟小车，使其模拟智能网联汽车，解决当下需要多车的实车实验难以开展的问题，为需要多车的研究、如队列控制、多车编队等提供了可能的实验平台，基于此可验证多车协同算法的有效性。
另外，根据本发明上述实施例的数字孪生虚实多车混行仿真装置还可以具有以下附加的技术特征：
可选地，在本发明的一个实施例中，所述模型构建模块，进一步用于基于所述虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
可选地，在本发明的一个实施例中，所述物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且所述模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
可选地，在本发明的一个实施例中，还包括：更新模块，用于在构建反映所述物理系统的实时运行状态的对应模型时，基于所述物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用所述状态更新接口接收状态真值，根据所述接收状态真值进行模型参数的更新与优化。
可选地，在本发明的一个实施例中，所述结果分析与反馈模块，进一步用于利用通信渠道将所述仿真运行结果作为参考决策信息反馈给所述物理空间中所包含的智能网联汽车。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的数字孪生虚实多车混行仿真方法流程图；
图2为根据本发明一个实施例的智能网联汽车数字孪生仿真系统主要组成示意图；
图3为根据本发明一个实施例的物理系统内部信息交互形式示意图；
图4为根据本发明一个实施例的信息空间组成模块示意图；
图5为根据本发明一个实施例的虚拟小车的交互信息流示意图；
图6为根据本发明一个实施例的物理/信息空间信息交互过程示意图；
图7为根据本发明一个实施例的虚拟小车模拟减速过程示意图；
图8为根据本发明一个实施例的数字孪生虚实多车混行仿真装置结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
数字孪生(Digital Twins，DTs)是一种实现物理系统(物理空间)向信息空间(虚拟空间)数字化模型映射的关键技术，它通过充分利用布置在系统各部分的传感器，对物理实体进行数据分析与建模，将物理系统在不同真实场景中的全生命周期过程反映出来。借助于各种高性能传感器和可靠通信，数字孪生技术可以通过继承多维物理实体的数据，辅以数据分析和仿真模拟，近乎实时地呈现物理实体的实际情况。
当前面向智能网联汽车的仿真软件/平台仿真流程大多是串行式，且存在参数预设后动态更新困难、难以灵活调节等问题，本发明针对该问题，将数字孪生技术引入到了智能网联汽车的仿真领域，并第一次提出了面向一般性场景的智能网联汽车数字孪生仿真系统，并阐述了系统组成、各部分功能等内容。在数字孪生的“映射”内涵之外引入了“虚拟车辆”的存在，拓展了数字孪生的技术内涵，通过引入虚拟车辆，尝试用其表征物理系统中真实存在的智能网联汽车，解决多车实验难以开展的问题。
下面参照附图描述根据本发明实施例提出的数字孪生虚实多车混行仿真方法及装置。
首先将参照附图描述根据本发明实施例提出的数字孪生虚实多车混行仿真方法。
图1为根据本发明一个实施例的数字孪生虚实多车混行仿真方法流程图。
如图1所示，该数字孪生虚实多车混行仿真方法包括以下步骤：
在步骤S101中，基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型。
可以理解的是，基于数字孪生建模技术在计算机中构建虚拟车辆模型，使其与物理空间中的智能网联汽车具备相似的动力学特性，所构建车辆模型能够反映对应物理空间智能网联汽车的实时运行状态。
可选地，在本发明的一个实施例中，基于所述虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
可选地，在本发明的一个实施例中，物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
可选地，在本发明的一个实施例中，在构建反映物理系统的实时运行状态的对应模型时，进一步包括：基于物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用状态更新接口接收状态真值，根据接收状态真值进行模型参数的更新与优化。
首先对面向智能网联汽车的数字孪生测试与验证系统的组成部分进行介绍。数字孪生系统一般由物理系统(物理空间)及信息系统(信息空间)组成，本发明所提出的用于智能网联汽车测试与验证的数字孪生系统组成如图2所示。物理空间主要包括现实世界中诸要素及要素间联系，结合具体应用场景，本发明所指物理系统即交通系统。对于交通系统，其组成要素主要包括路侧设施、交通基础设施、及车辆；信息空间主要包含以上所述要素的模型，通过状态更新实现对物理空间的实时映射，并将参考决策反馈给物理系统中的对应实体。通过物理空间和信息空间的双向交互与协作，信息空间中的模型在与物理空间对应组件实现状态同步化的同时也可被逐渐优化，物理系统中的组件通过执行信息系统对应模型的控制指令实现自身动态调整。
如图2所示，针对交通系统，其中：路侧设施既包括交通信号灯等路侧控制单元，也包括部署在路侧的各类传感器与通信设备。路侧设备通过监测区域的动态变化，实现目标级感知，如车辆的速度、位置、车头朝向，行人速度等，并能够将自身的感知结果通过通信渠道传输至信息空间，实现信息空间各要素的状态更新。
在本发明的实施例中，交通基础设施主要包括道路环境、建筑物、各类交通标识等，其约束了车辆的可行驶路径，影响着车辆决策。
本发明实施例的车辆不仅包括在场景中的智能网联汽车(Intelligent andConnected Vehicles，ICVs)，也包括传统车辆(Legacy Vehicles，LVs)。物理系统的主要信息交互形式如图3所示，包括车-车信息交互(V2V)与车-路信息交互(V2I)。其中，路侧通信单元不仅可以通过V2I直接接收ICV的行驶状态，对于传统汽车，其也可通过路侧计算单元监测区域的动态变化，计算得出此类车辆速度、位置、朝向等实时状态。对于智能网联汽车，其通过车载通信单元将自身位置、速度、朝向等信息向外传输；在车辆自身通信范围内，实现基于V2V的其他智能网联汽车状态获取。基于以上网联式信息交互，智能网联汽车可实现超距感知，突破单车的感知局限性，通过整合全域信息实现更合理的决策。
在步骤S102中，基于通信构建虚拟车辆模型与智能网联汽车的信息交互渠道，并在信息空间中构建多车协同场景。
信息空间主要包含物理交通系统要素的模型，通过接收来自物理系统的数据，实现对物理系统的实时状态映射。在构建信息空间，即完成上述诸要素的建模时，需针对各要素的特点，结合实际的应用需求，实现不同颗粒度的建模。
一般而言，信息空间的模型可分为静态模型与动态模型两种。静态模型通常无需与其他环境要素进行信息交互或高频状态更新，但其直接或间接影响着车辆决策或控制结果。如道路模型，其所属路长及路宽等参数通常不会频繁改变，但路面材质影响着路面附着系数，进而影响着车辆的制动性能。相较于静态模型，动态模型的参数或状态通常处于高频更新与连续变化中，如车辆的位姿、速度往往处于连续的变化过程，交通信号灯的相位也呈现出周期性变化。动态模型的状态更新代表着其所对应物理实体在信息空间的实时运行态势变化，建模的好坏直接关系到信息空间对物理系统的表征能力与反馈能力。物理系统中的组件通过执行信息系统对应模型的控制指令实现自身动态调整。二者处于并行式地循环优化及演变过程中。
此外，信息空间自身也可作为独立的平台，通过预设模型参数，实现离线仿真。需要特别指出的是：对于要素实体的建模，不仅仅包括一般性的三维建模，还包括符合客观规律的行为及规则建模。信息空间的构建主要是以上所述的物理实体的建模以及模型间的交互规则构建。特别地，因本发明拟构建的信息空间除了能够实现对物理系统的实时映射，信息空间中模型经过仿真、计算后可将其结果作为参考信息直接发送给对应物理实体，如车辆模型获取一定区域内的全局信息后经过计算生成下一时刻的参考行驶速度并发送给对应的智能网联汽车，作为其行驶过程中的参考信息。即，本文所指的包括物理系统及信息空间的数字孪生仿真系统是确切包括二者双向实时信息交互的系统。为实现参考决策生成以及对物理系统的映射，本发明提出信息空间的组成模块如图4所示。
上述介绍了数字孪生技术应用于智能网联汽车仿真所形成的数字孪生系统的组成以及各部分的主要功能，考虑到物理系统中的车辆存在以下特点：多实车实验存在一定的安全隐患；在场景需要的车辆数量较多时，可用的数量不一定满足需求且成本较高；实车实验受天气、场地等条件的制约较为严重。故在构建信息空间中的车辆时，除去映射车辆，增加与物理系统要素无对应关系的云车模型(虚拟车辆模型)。云车模型的特征包括：其能够整合信息空间中所有车辆状态，包括映射车辆与其他云车模型，完成全域车辆状态获取，实现全局优化；其具备与真实的智能网联汽车相似的动力学特性与静态特性，如几何特性，因此，可用其模拟真实的智能网联汽车的运动情况；模型可复用，参数修改方便，维护成本低。对于以上所述包含云车的场景，物理系统与信息空间的交互信息流如图5所示。
如图5所示，云车模型能够实现场景车辆信息全局感知。尤其地，如图5的(b)所示，当场景中智能网联汽车数量较少时，通过在信息空间构建云车模型，能够模拟如5的(a)所示队列行驶的效果。在信息空间引入云车模型的优点如下：相较于物理系统中真实的智能网联汽车，云车模型具备维护成本低，参数可调节等特点；多实车实验往往成本高、难度大，易受环境影响，故多实车实验开展难度较大。本发明通过在信息空间添加云车模型，并将云车模型状态信息反馈给物理系统中的智能网联汽车，在物理空间中构建了云车模型的数字对象，模拟了物理系统中智能网联汽车对虚拟车辆的状态感知，并基于感知结果与信息空间对应模型参考信息进行自身决策。在可靠信息传输与有效建模的前提下，本发明所提出的方法既包括实车验证部分，也包括仿真部分，能有效解决因可用的真实智能网联汽车数量不足所导致的多实车实验难以开展的问题。所提出的方法兼顾了数字孪生物理/信息空间“双向交互”内涵，通过引入了非映射小车的虚拟车辆，延伸了数字孪生“实时映射”的边界。
在步骤S103中，利用虚拟车辆模型和多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
可选地，在本发明的一个实施例中，利用虚拟车辆模型和多车协同场景进行仿真，包括：利用通信渠道将仿真运行结果作为参考决策信息反馈给物理空间中所包含的智能网联汽车。
上述介绍了面向智能网联汽车仿真的数字孪生系统并阐述了用云车模型模拟物理智能网联汽车，通过在物理空间中构建其数字对象，形成虚实多车混跑的具体想法。以下内容描述从信息空间和物理系统的信息交互过程：
如图6所示，在t0时刻物理系统向信息空间发送各实体的当前状态，主要包括智能网联汽车及传统汽车包括但不限于位置、速度、朝向、当前所处车道等信息。在收到来自物理系统的实时状态之后，信息空间结合历史数据计算得出适应于每个物理实体的参考决策，如车辆的换道、加减速等参考决策；；在某些情况下，也可以直接发送控制指令，如得知车辆靠近时开启路灯；对于场景中包含的其他交通要素，如信号灯，信息空间也可以直接给出参考相位。
对于虚实多车混行的具体描述及信息交互机制，以图7所示匀速行驶的车辆队列为例进行说明。在t2时刻施加虚拟小车减速指令，并将减速意图发送给物理空间中临近范围内的智能网联汽车。对于临近区域内的智能网联汽车，模拟前车减速的过程。由于传统汽车与虚拟小车间不存在信息交互，故虚拟小车减速意图并不会对传统汽车产生影响，其在从t1到t3保持匀速行驶状态，对于接收到虚拟小车减速意图位于其后侧的智能网联汽车，为保证安全开始制动，在一段时间后与传统汽车的纵向间距增大。物理空间和信息空间中虚实车辆的数据交互作用于物理空间车辆运动过程表现出来的结果如图7所示。
可以理解的是，根据上述介绍，本发明提出一种将数字孪生技术应用于智能网联汽车测试验证领域的方法，并提出面向智能网联汽车的数字孪生测试系统。针对系统的虚拟部分(信息空间)，基于既定物理系统，本发明提出一种基于物理交通系统的信息空间建模方法。本发明所构建信息空间具备以下特点。首先，基于物理交通系统，信息空间能够反映其实时运行状态。其次，基于运行结果，信息空间能生成面向真实智能网联汽车的参考决策并实现反馈。为构建具备以上特点的信息空间，针对物理交通场景，对其抽象以建模时，可将物理系统所包含的交通要素分为路侧设施、交通基础设施以及车辆三部分。其中，路侧设施与交通基础设施组成了车辆运行的静态环境。考虑场景建模的复杂度，对于各类路侧设施，在数据层考虑构建顶层数据接口，实现目标对象的状态获取。如对于路侧摄像头进行建模时，考虑其反馈的车辆状态信息，而非其拍摄的图像内容。针对交通基础设施，为降低建模难度，对其进行建模时，应使其能够反馈物理对象的几何信息、关联关系等。针对物理系统中的智能网联汽车，其实时运行状态为信息空间的决策生成输入，因此，对其进行建模时，不仅需要静态信息，如几何、材质等，在数据层还需构建状态更新接口，使其能够反映真实智能网联汽车的实时运行状态，如位置、速度、车头朝向等。基于上述交通要素的建模规则，本发明进一步阐述了信息空间的组成模块，主要包括基础性模块以及智能网联相关模块，以实现参考决策的生成。
针对多实车实验难以开展的现状，本发明提出一种实车实验与仿真验证相结合的方法。基于存在于物理空间的智能网联汽车，在信息空间(计算机仿真环境)中构建虚拟车辆模型，使二者具备相似的动力学特性。并基于通信构建虚拟车辆模型与真实智能网联汽车的信息交互渠道，在信息空间中构建多车协同场景。
具体而言，通过在信息空间(计算机仿真环境中)构建无实体对应关系的虚拟车辆模型(云车模型)与映射车辆模型，其中，云车模型与物理交通系统中的元素没有对应关系，但其和智能网联汽车具有相似的动力学特性，因此云车模型可用于模拟智能网联汽车的运动特征。映射车辆模型对应物理系统真实存在的智能网联汽车，并能够通过通信反映对应车辆的实时运行状态。云车与映射车的交互可用于模拟多车协同场景，并基于该场景生成面向真实车辆的参考决策，进而通过通信渠道将决策信息反馈给物理空间中所包含的智能网联汽车，解决可用的真实智能网联汽车数量不足的问题。其中，上述物理空间中智能网联汽车及各类交通要素属于实车实验，计算机仿真环境所运行的映射内容及云车模型属于仿真部分，通过通信手段可将以上两者结合并同时运行，形成实物与仿真交互，相互影响的数字孪生系统，提供开展多实车实验的新思路。
根据本发明实施例提出的数字孪生虚实多车混行仿真方法，将并行式的数字孪生解决方案代替传统的仿真软件/平台串行式地仿真流程，具备时间成本低、场景灵活度高等特点；通过引入虚拟车辆模型，使其模拟智能网联汽车，解决当下需要多车的实车实验难以开展的问题，为需要多车的研究、如队列控制、多车编队等提供了可能的实验平台，基于此验证算法的有效性。
其次参照附图描述根据本发明实施例提出的数字孪生虚实多车混行仿真装置。
图8为根据本发明一个实施例的数字孪生虚实多车混行仿真装置结构示意图。
如图8所示，该数字孪生虚实多车混行仿真装置包括：模型构建模块100、场景构建模块200和仿真模块300。
其中，模型构建模块100，用于基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型。场景构建模块200，用于基于通信构建虚拟车辆模型与智能网联汽车的信息交互渠道，并在信息空间中构建多车协同场景。结果分析与反馈模块300，用于利用虚拟车辆模型和多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
可选地，在本发明的一个实施例中，模型构建模块，进一步用于基于虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
可选地，在本发明的一个实施例中，物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
可选地，在本发明的一个实施例中，还包括：更新模块，用于在构建反映物理系统的实时运行状态的对应模型时，基于物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用状态更新接口接收状态真值，根据接收状态真值进行模型参数的更新与优化。
可选地，在本发明的一个实施例中，结果分析与反馈模块，进一步用于利用通信渠道将仿真运行结果作为参考决策信息反馈给物理空间中所包含的智能网联汽车。
需要说明的是，前述对数字孪生虚实多车混行仿真方法实施例的解释说明也适用于该实施例的数字孪生虚实多车混行仿真装置，此处不再赘述。
根据本发明实施例提出的数字孪生虚实多车混行仿真装置，将并行式的数字孪生解决方案代替传统的仿真软件/平台串行式地仿真流程，具备时间成本低、场景灵活度高等特点；通过引入虚拟小车，使其模拟智能网联汽车，解决当下需要多车的实车实验难以开展的问题，为需要多车的研究、如队列控制、多车编队等提供了可能的实验平台，基于此可验证多车协同算法的有效性。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种数字孪生虚实多车混行仿真方法，其特征在于，包括以下步骤：
基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型；
基于通信构建所述虚拟车辆模型与所述智能网联汽车的信息交互渠道，在信息空间中构建多车协同场景；以及
利用所述虚拟车辆模型和所述多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
2.根据权利要求1所述的方法，其特征在于，基于所述虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
3.根据权利要求2所述的方法，其特征在于，所述物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且所述模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
4.根据权利要求2或3所述的方法，其特征在于，在构建反映所述物理系统的实时运行状态的对应模型时，进一步包括：
基于所述物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用所述状态更新接口接收状态真值，根据所述接收状态真值进行模型参数的更新与优化。
5.根据权利要求1所述的方法，其特征在于，还包括：
利用通信渠道将所述仿真运行结果作为参考决策信息反馈给所述物理空间中所包含的智能网联汽车。
6.一种数字孪生虚实多车混行仿真装置，其特征在于，包括：
模型构建模块，用于基于数字孪生建模技术在计算机中构建与物理空间的智能网联汽车相似动力学特性的虚拟车辆模型；
场景构建模块，用于基于通信构建所述虚拟车辆模型与所述智能网联汽车的信息交互渠道，在信息空间中构建多车协同场景；以及
结果分析与反馈模块，用于利用所述虚拟车辆模型和所述多车协同场景中的智能网联汽车进行混跑仿真，得到虚实多车混行的仿真运行结果。
7.根据权利要求6所述的装置，其特征在于，所述模型构建模块，进一步用于基于所述虚拟车辆模型和通信渠道，进行信息空间对物理系统实时运行状态的映射。
8.根据权利要求7所述的装置，其特征在于，所述物理系统包括路侧设置、交通基础设施和行驶车辆中的一项或多项，并且所述模型包括路侧设施模型、交通基础设施模型和行驶车辆模型中的一项或多项。
9.根据权利要求7或8所述的装置，其特征在于，还包括：
更新模块，用于在构建反映所述物理系统的实时运行状态的对应模型时，基于所述物理系统的静态信息进行建模的同时，在模型的数据层构建状态更新接口，并利用所述状态更新接口接收状态真值，根据所述接收状态真值进行模型参数的更新与优化。
10.根据权利要求6所述的装置，其特征在于，所述结果分析与反馈模块，进一步用于利用通信渠道将所述仿真运行结果作为参考决策信息反馈给所述物理空间中所包含的智能网联汽车。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110936056.8A CN113642177A (zh) | 2021-08-16 | 2021-08-16 | 数字孪生虚实多车混行仿真方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110936056.8A CN113642177A (zh) | 2021-08-16 | 2021-08-16 | 数字孪生虚实多车混行仿真方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113642177A true CN113642177A (zh) | 2021-11-12 |
Family
ID=78422027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110936056.8A Pending CN113642177A (zh) | 2021-08-16 | 2021-08-16 | 数字孪生虚实多车混行仿真方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642177A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114332368A (zh) * | 2021-12-28 | 2022-04-12 | 汇鲲化鹏(海南)科技有限公司 | 一种基于多源时空数据的场景孪生方法 |
| CN114488851A (zh) * | 2022-01-18 | 2022-05-13 | 襄阳达安汽车检测中心有限公司 | 基于数字孪生技术的自动驾驶测试方法、装置及系统 |
| CN115952692A (zh) * | 2023-03-10 | 2023-04-11 | 腾讯科技（深圳）有限公司 | 道路交通的仿真方法和装置、存储介质及电子设备 |
| CN116758740A (zh) * | 2023-06-14 | 2023-09-15 | 广西大学 | 一种基于数字孪生和信息树的智慧交通高效模拟方法 |
| CN117172036A (zh) * | 2023-11-02 | 2023-12-05 | 腾讯科技（深圳）有限公司 | 一种道路交通的仿真方法以及相关装置 |
| WO2024077808A1 (zh) * | 2022-10-10 | 2024-04-18 | 中汽创智科技有限公司 | 智能网联汽车动力学行为的镜像数字孪生装置及方法 |
| CN118094163A (zh) * | 2024-04-24 | 2024-05-28 | 长春理工大学 | 一种基于多特征关联的数字物理模型管理系统及方法 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108492666A (zh) * | 2018-03-31 | 2018-09-04 | 长安大学 | 一种虚实混合的实时微观交通仿真系统与方法 |
| CN109765060A (zh) * | 2018-12-29 | 2019-05-17 | 同济大学 | 一种自动驾驶车辆交通协调性虚拟测试系统及方法 |
| CN110488629A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
| CN110782661A (zh) * | 2019-09-17 | 2020-02-11 | 浙江大学 | 一种基于数据驱动优化的通用混合交通仿真方法 |
| CN110887672A (zh) * | 2019-11-23 | 2020-03-17 | 同济大学 | 一种智能汽车整车在环试验系统 |
| CN111081065A (zh) * | 2019-12-13 | 2020-04-28 | 北京理工大学 | 路段混行条件下的智能车辆协同换道决策模型 |
| CN111754777A (zh) * | 2020-07-10 | 2020-10-09 | 清华大学 | 无人驾驶和有人驾驶混行交通流的微观交通仿真方法 |
| CN111781855A (zh) * | 2020-07-15 | 2020-10-16 | 北京领骏科技有限公司 | 一种交通在环自动驾驶仿真系统 |
| CN111859618A (zh) * | 2020-06-16 | 2020-10-30 | 长安大学 | 多端在环的虚实结合交通综合场景仿真测试系统及方法 |
| CN112581633A (zh) * | 2020-12-24 | 2021-03-30 | 北京亮道智能汽车技术有限公司 | 一种自动驾驶功能车辆在环虚拟仿真测试方法及系统 |
| US20210160731A1 (en) * | 2019-11-21 | 2021-05-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Digital twin simulation-based vehicular communication planning |
| CN112906296A (zh) * | 2021-02-02 | 2021-06-04 | 武汉理工大学 | 混合动力汽车全服役期能量优化方法、系统和存储介质 |
| CN112924185A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于数字孪生虚实交互技术的人机共驾测试方法 |
| CN112925291A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于相机暗箱的数字孪生自动驾驶测试方法 |
| CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
| CN113064487A (zh) * | 2021-03-24 | 2021-07-02 | 智科云创(北京)科技有限公司 | 一种交互虚拟仿真系统 |
| CN113076897A (zh) * | 2021-04-09 | 2021-07-06 | 广州机械科学研究院有限公司 | 智能网联汽车的博弈动态行驶安全测控方法及调控终端 |
| US20210233406A1 (en) * | 2020-01-29 | 2021-07-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Pedestrian navigation based on vehicular collaborative computing |
| CN113256976A (zh) * | 2021-05-12 | 2021-08-13 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
-
2021
- 2021-08-16 CN CN202110936056.8A patent/CN113642177A/zh active Pending
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108492666A (zh) * | 2018-03-31 | 2018-09-04 | 长安大学 | 一种虚实混合的实时微观交通仿真系统与方法 |
| CN109765060A (zh) * | 2018-12-29 | 2019-05-17 | 同济大学 | 一种自动驾驶车辆交通协调性虚拟测试系统及方法 |
| CN110488629A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
| CN110782661A (zh) * | 2019-09-17 | 2020-02-11 | 浙江大学 | 一种基于数据驱动优化的通用混合交通仿真方法 |
| US20210160731A1 (en) * | 2019-11-21 | 2021-05-27 | Toyota Motor Engineering & Manufacturing North America, Inc. | Digital twin simulation-based vehicular communication planning |
| CN110887672A (zh) * | 2019-11-23 | 2020-03-17 | 同济大学 | 一种智能汽车整车在环试验系统 |
| CN111081065A (zh) * | 2019-12-13 | 2020-04-28 | 北京理工大学 | 路段混行条件下的智能车辆协同换道决策模型 |
| US20210233406A1 (en) * | 2020-01-29 | 2021-07-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Pedestrian navigation based on vehicular collaborative computing |
| CN111859618A (zh) * | 2020-06-16 | 2020-10-30 | 长安大学 | 多端在环的虚实结合交通综合场景仿真测试系统及方法 |
| CN111754777A (zh) * | 2020-07-10 | 2020-10-09 | 清华大学 | 无人驾驶和有人驾驶混行交通流的微观交通仿真方法 |
| CN111781855A (zh) * | 2020-07-15 | 2020-10-16 | 北京领骏科技有限公司 | 一种交通在环自动驾驶仿真系统 |
| CN112581633A (zh) * | 2020-12-24 | 2021-03-30 | 北京亮道智能汽车技术有限公司 | 一种自动驾驶功能车辆在环虚拟仿真测试方法及系统 |
| CN112924185A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于数字孪生虚实交互技术的人机共驾测试方法 |
| CN112925291A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于相机暗箱的数字孪生自动驾驶测试方法 |
| CN112906296A (zh) * | 2021-02-02 | 2021-06-04 | 武汉理工大学 | 混合动力汽车全服役期能量优化方法、系统和存储介质 |
| CN113064487A (zh) * | 2021-03-24 | 2021-07-02 | 智科云创(北京)科技有限公司 | 一种交互虚拟仿真系统 |
| CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
| CN113076897A (zh) * | 2021-04-09 | 2021-07-06 | 广州机械科学研究院有限公司 | 智能网联汽车的博弈动态行驶安全测控方法及调控终端 |
| CN113256976A (zh) * | 2021-05-12 | 2021-08-13 | 中移智行网络科技有限公司 | 一种车路协同系统、模拟仿真方法、车载设备和路侧设备 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114332368A (zh) * | 2021-12-28 | 2022-04-12 | 汇鲲化鹏(海南)科技有限公司 | 一种基于多源时空数据的场景孪生方法 |
| CN114332368B (zh) * | 2021-12-28 | 2023-03-24 | 汇鲲化鹏(海南)科技有限公司 | 一种基于多源时空数据的场景孪生方法 |
| CN114488851A (zh) * | 2022-01-18 | 2022-05-13 | 襄阳达安汽车检测中心有限公司 | 基于数字孪生技术的自动驾驶测试方法、装置及系统 |
| CN114488851B (zh) * | 2022-01-18 | 2023-08-22 | 襄阳达安汽车检测中心有限公司 | 基于数字孪生技术的自动驾驶测试方法、装置及系统 |
| WO2024077808A1 (zh) * | 2022-10-10 | 2024-04-18 | 中汽创智科技有限公司 | 智能网联汽车动力学行为的镜像数字孪生装置及方法 |
| CN115952692A (zh) * | 2023-03-10 | 2023-04-11 | 腾讯科技（深圳）有限公司 | 道路交通的仿真方法和装置、存储介质及电子设备 |
| CN116758740A (zh) * | 2023-06-14 | 2023-09-15 | 广西大学 | 一种基于数字孪生和信息树的智慧交通高效模拟方法 |
| CN116758740B (zh) * | 2023-06-14 | 2024-03-22 | 广西大学 | 一种基于数字孪生和信息树的智慧交通高效模拟方法 |
| CN117172036A (zh) * | 2023-11-02 | 2023-12-05 | 腾讯科技（深圳）有限公司 | 一种道路交通的仿真方法以及相关装置 |
| CN117172036B (zh) * | 2023-11-02 | 2024-02-27 | 腾讯科技（深圳）有限公司 | 一种道路交通的仿真方法以及相关装置 |
| CN118094163A (zh) * | 2024-04-24 | 2024-05-28 | 长春理工大学 | 一种基于多特征关联的数字物理模型管理系统及方法 |
| CN118094163B (zh) * | 2024-04-24 | 2024-07-02 | 长春理工大学 | 一种基于多特征关联的数字物理模型管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113642177A (zh) | 数字孪生虚实多车混行仿真方法及装置 | |
| Ersal et al. | Connected and automated road vehicles: state of the art and future challenges | |
| WO2022227105A1 (zh) | 一种基于端云融合的协同控制系统及方法 | |
| US20190235521A1 (en) | System and method for end-to-end autonomous vehicle validation | |
| CN113242320B (zh) | 智能驾驶系统、方法、设备及存储介质 | |
| CN107479532A (zh) | 一种智能汽车的域控制器测试系统及方法 | |
| CN109141929A (zh) | 智能网联汽车仿真测试系统及方法 | |
| EP2945140A1 (en) | System and method for operating a vehicle taking into account information on traffic lights and surrounding vehicles | |
| CN111332283A (zh) | 用于控制机动车的方法和系统 | |
| Kim et al. | A modeling framework for connectivity and automation co-simulation | |
| CN113963564B (zh) | 连续信号灯道路车辆最优通行速度规划方法、系统及介质 | |
| WO2023028858A1 (zh) | 一种测试方法和系统 | |
| Gupta et al. | Eco-driving of connected and autonomous vehicles with sequence-to-sequence prediction of target vehicle velocity | |
| CN115593433A (zh) | 一种自动驾驶车辆远程接管方法 | |
| Jeong et al. | Vehicle-in-the-loop workflow for the evaluation of energy-efficient automated driving controls in real vehicles | |
| Kim et al. | Simulation of heavy-duty vehicles in platooning scenarios | |
| Jeong et al. | Online implementation of optimal control with receding horizon for eco-driving of an electric vehicle | |
| CN115454082A (zh) | 车辆避障方法及系统、计算机可读存储介质和电子设备 | |
| CN102842250A (zh) | 基于快速控制原型的开发型汽车驾驶模拟方法 | |
| CN114244834A (zh) | 车辆的车载边缘计算系统及方法 | |
| Jones et al. | Development of predictive vehicle and drivetrain operating strategies based upon advanced information and communication technologies | |
| Torris | Eco-Driving of Connected and Automated Vehicles (CAVs) | |
| CN112230659A (zh) | 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆 | |
| Khosravinia et al. | ECO-driving control of connected and automated hybrid electric vehicles on multi-lane roads using model predictive control | |
| Cheng et al. | An Indoor Rapid Testing Platform for Autonomous Vehicles Using Vehicle-in-the-Loop Simulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |