CN115688442A

CN115688442A - 一种基于实时联合仿真的自动驾驶模拟强化方法

Info

Publication number: CN115688442A
Application number: CN202211382616.0A
Authority: CN
Inventors: 陈启蔚; 王铁鑫; 岳涛
Original assignee: Nanjing University of Aeronautics and Astronautics
Current assignee: Nanjing University of Aeronautics and Astronautics
Priority date: 2022-11-07
Filing date: 2022-11-07
Publication date: 2023-02-03
Anticipated expiration: 2042-11-07
Also published as: CN115688442B

Abstract

本发明提出一种基于实时联合仿真的自动驾驶模拟强化方法，通过构建开源建模工具OpenModelica与自动驾驶模拟器CARLA之间的实时联合仿真，使不同的Modelica模型与CARLA中正在行驶的虚拟汽车进行实时通信，Modelica模型包括汽车能源消耗模型以及空气密度模型。能源消耗模型的实时输入为CARLA中正在行驶的虚拟汽车的引擎数据，实时输出电池等数据；空气密度模型的实时输入为真实天气数据，实时输出为空气密度值，由空气密度值和虚拟汽车的实时速度计算得到电动汽车行驶时的空气阻力，并实时作用到正在行驶的虚拟汽车上。本发明提出的方法对自动驾驶模拟器CARLA中缺少的能源消耗和空气阻力进行增强，使自动驾驶模拟器中的模拟更加接近现实世界，从而推进自动驾驶数字孪生平台的构建。

Description

一种基于实时联合仿真的自动驾驶模拟强化方法

技术领域

本发明涉及一种实时联合仿真方法，更具体地说，是指一种自动驾驶模拟器与OpenModelica建模工具之间的实时联合仿真方法。

背景技术

随着自动驾驶技术在全世界的流行，越来越多的研究和实验在自动驾驶模拟器里展开。模拟世界往往是一个理想的环境，在模拟世界里可以任意的摆布虚拟汽车，不用担心任何的损坏。也是因为如此，这种理想的环境与现实世界在一些方面产生了差别。

在现实世界里，汽车的性能会受到零件参数的制约，比如油车的发动机数据、电车的电池性能，都会影响汽车的最大速度、续航等性能指标。但是在模拟器中，汽车的性能彷佛没有约束，影响汽车最大速度的往往只有speed_limit参数，并且在仿真进行时汽车能够一直行驶，直到到达目的地或者仿真中止，这是一种过于理想地状况。为了更好地在自动驾驶模拟器中模拟现实世界里汽车的驾驶行为，我们提出一种增强方法，该方法通过构建OpenModelica建模工具与自动驾驶模拟器CARLA的实时联合仿真，实现 Modelica模型与CARLA的实时通信，从而对CARLA中的虚拟汽车增加“约束”。

发明内容

针对自动驾驶模拟器CARLA中缺少汽车的能源消耗和空气阻力的问题，本发明提供一种基于实时联合仿真的自动驾驶模拟强化方法，解决自动驾驶模拟器过于理想的状况。

本发明构建了自动驾驶模拟器CARLA与OpenModelica建模工具之间的实时联合仿真，实现了Modelica模型与CARLA之间的实时通信，利用能源消耗Modelica模型和空气阻力Modelica模型对CARLA中虚拟汽车的行驶行为产生影响。

具体的包括以下几个步骤：

步骤1，在开源工具OpenModelica中构建能源消耗和空气密度的Modelica模型；

步骤2，实时获取CARLA模拟器中正在行驶的电动汽车在模拟器每个刷新时刻的引擎数据，构建OpenModelica与CARLA的实时联合仿真，使能源消耗模型与虚拟汽车进行实时通信。通过OpenWeather的API收集并保存真实的天气数据，构建 OpenModelica与CARLA的实时联合仿真，使空气密度模型与虚拟汽车进行实时通信。

步骤3，虚拟汽车行驶过程中，能源消耗模型和空气密度模型实时输出数据并传递给CARLA，通过CARLA将增强作用于虚拟汽车。

进一步地，步骤1所述的能源消耗Modelica模型由三个子模块构成，三个子模块分别为engineInput模块、toElePow模块和batt1模块，其中engineInput模块为引擎数据输入模块，模块在每个时刻的输入为虚拟汽车的引擎转速值和扭矩值；toElePow模块为功率模块，根据engineInput模块的输出计算功率并通过给定的效率图评估内部功率损耗；batt1为电池模块，电池模块根据toElePow模块输出的功率值计算得到电池的各项指标数据。

进一步地，步骤2所述的实时联合仿真方法具体为在自动驾驶模拟器CARLA的C++源码中添加功能函数，功能函数分为两部分：第一部分为在模拟器开启时，开辟一个大小为4字节的内存；第二部分为在模拟器每次刷新时访问上个步骤创建的内存并向内存写入引擎的RPM值，RPM值通过除以常数可得到引擎的转速值。CARLA中的每辆虚拟汽车都有一个定制的扭矩曲线，根据扭矩曲线和RPM值可得到相对应的扭矩值。

新建文本WriteData.txt和ReadData.txt用来保存从仿真开始后虚拟汽车在模拟器每个刷新时刻的所有引擎转速值和扭矩值。在模拟器的每个刷新时刻，读取4字节内存中的数据计算得到当前时刻虚拟汽车的引擎转速值和扭矩值，将引擎转速值和扭矩值添加到文本WriteData.txt的最后一行。

在仿真开启的同时开启另一进程运行While循环函数，该函数的每个循环执行复制文本WriteData.txt的数据并将数据覆盖到ReadData.txt文本的操作。OpenModelica提供了面向Python编程语言的插件OMPython，在模拟器的每个刷新时刻，通过OMPython 提供的mod.simulate()方法运行能源消耗模型，模型的engineInput模块从文本ReadData.txt读取数据，模型经过计算得到当前时刻虚拟汽车的能源情况，包括电池的电流、电压、剩余电量等数据。

进一步地，空气密度Modelica模型根据空气密度计算公式构建，空气密度计算公式为ρ＝P/(R*T)，其中P是环境压强值，T是环境温度值，R是气体常数，在干燥环境下的值为287.05，空气密度模型的实时输入为天气数据中的P和T，实时输出为空气密度值ρ。

进一步地，步骤2所述的实时联合仿真方法具体为通过OpenWeather的API收集天气数据并保存到Weather.json文件，天气数据为某个地区某天内收集的所有天气数据，收集间隔为2小时，包含温度、湿度、气压等环境参数，在仿真过程中，通过访问Weather.json文件获取天气数据。在仿真开启后，空气密度模型通过OpenModelica的插件OMPython获取天气数据，模型经过计算输出空气密度值。空气阻力的计算公式为 f＝1/2ρSC_xV²，其中C_x是空气阻力系数，这与汽车受力面的材料有关，对于大多数汽车来说，这个值通常设置为0.3；A为汽车的迎风面积，大多数汽车的迎风面积一般为2.2m²； V是汽车行驶的当前速度；ρ为空气密度，根据空气密度和汽车的当前速度计算得到当前速度下的空气阻力值。

进一步地，步骤3所述的增强方法具体为在仿真进行时，能源消耗模型实时返回的数据通过CARLA的Python API传递给控制虚拟汽车行为的Python类behavior agent，在虚拟汽车加速过程中，当电池的电流大于设定的阈值时，behavior agent向虚拟汽车施加刹车行为，避免因车速过高导致电池电流过高的情况发生；当电池的剩余电量为0时，behavior agent将虚拟汽车的油门设置为0，虚拟汽车无法继续行驶，这与现实中的场景更加接近。

在仿真进行时，空气密度模型实时返回的数据与虚拟汽车当前时刻速度进行计算得到空气阻力值，CARLA中虚拟汽车的速度是有方向的，在模拟器的每个刷新时刻，通过Python API中的add_force方法将与当前时刻虚拟汽车速度方向相反的空气阻力施加给虚拟汽车，虚拟汽车在地图上行驶时会受到天气的影响，这与现实中的场景更加接近。

有益效果：

本发明解决了自动驾驶模拟器CARLA中的虚拟汽车在行驶过程中缺少能源消耗和空气阻力的问题，通过引入Modelica模型对CARLA进行增强，与增强前的模拟器相比，虚拟汽车在增强后的模拟器中的行驶过程更加贴近现实世界中的场景，增强后的模拟器更加适合用于自动驾驶数字孪生平台的搭建。

附图说明

图1为本发明实施例中提出的实时联合仿真方法运行的流程示意图；

图2为本发明实施例中CARLA中虚拟汽车的扭矩曲线；

图3为本发明实施例中提出的能源消耗Modelica模型示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是OpenModelica建模工具和自动驾驶模拟器CARLA实时联合仿真方法的流程示意图，P和Q两条线分别表示利用能源消耗Modelica模型增强CARLA和利用空气阻力Modelica模型增强CARLA的工作流。

步骤P1，利用CARLA提供的Python API构建运行脚本生成仿真世界以及虚拟汽车，CARLA提供了多个地图以及车型，通过设置生成函数的参数选择生成的地图以及虚拟汽车车型。仿真世界中的虚拟汽车通过Python API与外部进行联系，向外部输出车辆的状态信息或者访问外部信息。

步骤P2，虚拟汽车通过Python API访问WriteData.txt文本，在模拟器的每个刷新时刻从4字节内存中获取数据，开辟内存以及向内存写入虚拟汽车引擎的RPM值的部分代码如下：

#include<sys/mman.h>

#include<sys/stat.h>

int fd＝shm_open("shared_memory",O_CREAT|O_RDWR,0666)；

void*p＝mmap(NULL,4,PROT_READ|PROT_WRITE,MAP_SHARED,fd, 0)；//open upmemory

float rpm＝GetVehicleMovementComponent()->GetEngineRotationSpeed()；//get the RPM value

memcpy(p,&rpm,4)；//write the RPM value to the memory

从内存读取虚拟汽车引擎的RPM值后得到引擎转速值，根据虚拟汽车的扭矩曲线，如图2所示得到扭矩值，向文本WriteData.txt的最后一行添加当前时刻虚拟汽车的引擎转速值和扭矩值，文本WriteData.txt的数据格式如下表1所示，第一列为仿真运行时间，第二列为引擎转速值，第三列为扭矩值。

表1文本WriteData.txt的数据格式

步骤P3，在仿真开启后，开启另外一个进程运行一个While循环函数，在该函数的每个循环中，执行复制WriteData.txt的所有数据并将数据覆盖到文本ReadData.txt的操作。利用两个文本是为了确保在模拟器的每个刷新时刻，当Modelica模型从文本读取数据时，该文本不会正在被其他进程修改。

步骤P4，如图3所示，为本发明的能源消耗Modelica模型示意图，能源消耗Modelica 模型的engineInput模块在模拟器的每个刷新时刻读取文本ReadData.txt的数据， engineInput模块从文本ReadData.txt读取数据，将数据传递给toEloPow模块，toEloPow 模块根据引擎数据以及效率图计算功率，然后将功率值输出给电池模块batt1。

步骤P5，能源消耗Modelica模型输出当前时刻电池的电流、电压、剩余电量等参数。

步骤P6，控制虚拟汽车行驶的Python类behavior agent通过OMPython获取能源消耗Modelica模型的输出数据，OMPython是OpenModelica提供的面向Python编程语言的插件。

步骤P7，behavior agent根据获取到的数据对虚拟汽车施加相应的控制行为。当电池的电流大于预设的阈值时，behavior agent调用emergency_stop方法对虚拟汽车施加刹车行为；当电池的剩余电量为0时，behavior agent将虚拟汽车的油门设为0，虚拟汽车无法再继续行驶。

步骤Q1，CARLA中的虚拟汽车通过CARLA的Python API与外界进行连接，向外界输出车辆的状态信息或者访问外界信息。

步骤Q2，虚拟汽车通过Python API访问Weather.json文本。

步骤Q3，从Weather.json文本获取仿真时间对应的现实时间的气压值P和气温值T。仿真每进行10秒针，即读取下一收集时刻的天气数据。

步骤Q4，通过OMPython将气压值P和气温值T传递给空气密度Modelica模型。

步骤Q5，空气密度Modelica模型根据输入值计算空气密度值，空气密度模型的部分代码如下所示：

步骤Q6，通过OMPython将空气密度Modelica模型的输出数据传递给CARLA。

步骤Q7，根据空气密度值和当前时刻虚拟汽车的速度计算得到空气阻力值，通过Python API中vehicle的add_force方法将与当前时刻虚拟汽车速度方向相反的空气阻力施加给虚拟汽车。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于实时联合仿真的自动驾驶模拟强化方法，包括开源工具OpenModelica和自动驾驶模拟器CARLA，其特征在于，包括以下步骤：

步骤1，在开源工具OpenModelica中构建关于能源消耗和空气密度的Modelica模块；

步骤2，构建OpenModelica与CARLA的实时联合仿真，使OpenModelica中的能源消耗和空气密度模块与CARLA模拟器中虚拟汽车实现实时通信，具体的：

步骤2.1，实时获取CARLA模拟器中正在行驶的电动汽车在模拟器每个刷新时刻的引擎数据，将所述引擎数据输入能源消耗模型，输出电池数据；

步骤2.2，通过OpenWeather的API收集并保存真实的天气数据，将所述真实的天气数据输入空气密度模型，输出空气密度值，结合CARLA模拟器中汽车行驶的当前速度得到空气阻力值；

步骤3，虚拟汽车行驶过程中，实时输出电池数据和空气阻力值并传递给CARLA模拟器，通过CARLA增强作用于虚拟汽车。

2.根据权利要求1所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，步骤1能源消耗模块包括三个子模块，基于OpenModelica工具构建并依次连接，包括引擎数据输入模块、功率模块和电池模块，所述引擎数据输入模块在每个时刻读取虚拟汽车的引擎转速值和扭矩值并传递给功率模块；所述功率模块基于输入的引擎转速值和扭矩值计算功率并输出给电池模块，同时通过给定的效率图评估内部功率损耗；所述电池模块基于功率值计算得到电池的各项指标数据。

3.根据权利要求2所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，步骤2.1中构建实时联合仿真，使能源消耗模型与虚拟汽车进行实时通信，具体为在自动驾驶模拟器CARLA的C++源码中添加功能函数，功能函数包括两部分：第一部分为在模拟器开启时，开辟一个内存；第二部分为在模拟器每次刷新时访问上个步骤创建的内存并向内存写入引擎的RPM值；将所述RPM值除以常数得到引擎的转速值，同时CARLA中的每辆虚拟汽车都有一个定制的扭矩曲线，根据扭矩曲线和RPM值能够得到相对应的扭矩值。

4.根据权利要求3所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，新建文本WriteData.txt和ReadData.txt用来保存从仿真开始后虚拟汽车在模拟器每个刷新时刻的所有引擎转速值和扭矩值，在模拟器的每个刷新时刻，读取内存中的数据计算得到当前时刻虚拟汽车的引擎转速值和扭矩值，将引擎转速值和扭矩值添加到文本WriteData.txt的最后一行；在仿真开启的同时开启另一进程运行While循环函数，该函数的每个循环执行复制文本WriteData.txt的数据并将数据覆盖到ReadData.txt文本的操作。

5.根据权利要求4所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，OpenModelica提供了面向Python编程语言的插件OMPython，在模拟器的每个刷新时刻，通过OMPython提供的mod.simulate()方法运行能源消耗模型，模型的engineInput模块从文本ReadData.txt读取数据，经过计算得到当前时刻虚拟汽车的能源情况，包括电池的电流、电压、剩余电量数据。

6.根据权利要求1至5任意一项所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，步骤2.2中空气密度模型采集实时天气数据的环境压强值P和环境温度值T，基于给定的气体常数R和空气密度计算公式ρ＝P/(R*T)实时输出空气密度值ρ。

7.根据权利要求6所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，具体为通过OpenWeather的API收集天气数据并保存到Weather.json文件，天气数据为某个地区某天内收集的所有天气数据，在仿真过程中通过访问Weather.json文件获取天气数据；在仿真开启后，空气密度模型通过OpenModelica的插件OMPython获取天气数据，经过计算输出空气密度值ρ。

8.根据权利要求7所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，根据公式f＝1/2ρSC_xV²计算空气阻力，式中，C_x为空气阻力系数，A为汽车的迎风面积，V为汽车行驶的当前速度，ρ为空气密度，根据空气密度模型输出的空气密度和CARLA模拟器中汽车的当前速度计算得到当前速度下的空气阻力值。

9.根据权利要求1所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，所述步骤3具体为：在仿真进行时，能源消耗模型实时返回的数据通过CARLA的PythonAPI传递给控制虚拟汽车行为的Python类behavior agent，在虚拟汽车加速过程中，当电池的电流大于设定的阈值时，behavior agent向虚拟汽车施加刹车行为，避免因车速过高导致电池电流过高的情况发生；当电池的剩余电量为0时，behavior agent将虚拟汽车的油门设置为0，虚拟汽车无法继续行驶。

10.根据权利要求1或9所述的一种基于实时联合仿真的自动驾驶模拟强化方法，其特征在于，在仿真进行时，空气密度模型实时返回的数据与虚拟汽车当前时刻速度进行计算得到空气阻力值，CARLA中虚拟汽车的速度是有方向的，在模拟器的每个刷新时刻，通过Python API中的add_force方法将与当前时刻虚拟汽车速度方向相反的空气阻力施加给虚拟汽车，使虚拟汽车在地图上行驶时受到天气的影响。