一种异构交通流下智能网联车辆跟驰模型仿真与测试方法技术

本发明专利技术涉及一种异构交通流下智能网联车辆跟驰模型仿真及测试方法，采用数字孪生虚实结合技术，对真实场景中的静态基础设施及动态交通流进行孪生，搭建出反映真实交通流的虚拟仿真测试环境，通过向真实的测试车辆注入虚拟仿真环境，实现真实车辆与虚拟仿真环境的动态交互

【技术实现步骤摘要】
一种异构交通流下智能网联车辆跟驰模型仿真与测试方法


本专利技术属于车辆仿真与测试
，具体涉及一种异构交通流下智能网联车辆跟驰模型仿真与测试方法
。

技术介绍

传统交通行业不能解决交通污染
、
交通事故以及城市道路拥堵等问题，智能网联技术的出现为上述问题的解决提供新的可行性
[1
‑
3]。
智能网联是一种通过收集云端和车载终端信息，识别车辆行驶轨迹并进行路线规划控制的技术，近年来已成为支撑我国工业化升级
、
交通产业化发展的科技前沿阵地之一
[4]。
在未来较长时间内，不同等级的自动驾驶车辆将会与传统人驾车辆共同参与到道路交通系统中形成新的异构交通流
[4]，该交通流的运行特性更加复杂，从而影响传统交通流的运行规律
。
然而，现阶段智能网联车辆跟驰模型大多围绕同类型车辆之间的跟驰行为，未考虑传统人驾车辆
、
自动驾驶车辆和其他异构之间的耦合特性以及不同自动驾驶车辆混入率下的交通流运行规律及风险因素，阻碍智能网联技术的进一步落地
。
近年来，各个国家通过依托封闭测试场地和真实测试道路等措施促进车辆路测场景的构建
[5]。
但由于构建成本
、
测试难度以及安全隐患等因素，仅依赖真实车辆道路测试难以满足智能网联技术的反复验证需求
[6]。
同时，虚拟仿真技术也是车辆进行功能测试及性能验证的重要技术手段，具有低风险
、r/>低成本和高效率的显著优势
[7、8]。
不同的仿真软件有着不同的侧重点，例如在车辆动力学仿真方面有
Trucksim、Carsim
和
Carmaker
等，在交通流仿真方面有
SUMO、Vissim
等，此外，一些仿真软件引入大规模城市道路及周边环境的场景建模仿真
。
但软件仿真大多数是建立在理想条件下，存在传感器软硬件保真度差
、
车辆动力学建模复杂以及对模型的完备程度依赖大等缺陷，使得仿真结果存在较大的局限性
[9]。
以下是申请人检索的相关文献：
[0001]新华社
.
国家综合立体交通网规划纲要
[EB/OL]，
http://www.gov.cn/zhengce/2021
‑
02/24/content_5588654.htm
，
2021
‑
02
‑
24。
[0002]Shladover S.Connected and automated vehicle systems:introduction andoverview[J].Journal of Intelligent Transportation Systems
，
2018
，
22(3):190
‑
200。
[0003]Chen L.
，
Englund C.Cooperative Intersection Management:A Survey[J].IEEETransactions on Intelligent Transportion Systems
，
2016
，
17(2):1
‑
17。
[0004]郭宇奇，侯德藻，李一丁，等
.
异构交通流下的宏观交通流建模
[J].
同济大学学报
(
自然科学版
)
，
2021
，
49(07):949
‑
956。
[0005]王润民，赵祥模，徐志刚，王文威，承靖钧
.
一种自动驾驶整车在环虚拟仿真测试平台设计
[J].
汽车技术，
2022(04):1
‑
7。
[0006]冯洋，夏志龙，郭安，陈振宇
.
自动驾驶软件测试技术研究综述
[J].
中国图象图形学报，
2021
，
26(01):13
‑
27。
[0007]Zhu B.
，
Zhang P.
，
Chen H.,et al.Research progress on scene
‑
based virtual test ofautonomous driving vehicles[J].China Journal of Highway and Transport
，
2019
，
32(6):1
‑
19。
[0008]Yu R.
，
Tian Y.
，
Sun J..Highly Automated Vehicle Virtual Testing:A Review of RecentDevelopments and Research Frontiers[J].China Journal of Highway and Transport
，
2021
，
33(11):125
‑
138。
[0009]董鸣
.
视觉感知增强的智能汽车轨迹预测与孪生测试系统构建
[D].
西安
:
长安大学，
2022。

技术实现思路

针对现有研究大多围绕同类型车辆之间的跟驰行为，并未考虑不同类型车辆等交通主体之间的耦合关系的问题，以及现有车辆仿真及测试方法难以满足智能网联技术的反复验证需求和仿真结果存在较大局限性等技术问题，本专利技术的目的在于，提供一种异构交通流下智能网联车辆跟驰模型仿真及测试方法
。
为了实现上述任务，本专利技术采取如下的技术解决方案：一种异构交通流下智能网联车辆跟驰模型仿真及测试方法，其特征在于，该方法采用数字孪生虚实结合技术，对真实场景中的静态基础设施及动态交通流进行孪生，搭建出反映真实交通流的虚拟仿真测试环境，通过向真实的测试车辆注入虚拟仿真环境，实现真实车辆与虚拟仿真环境的动态交互
。
在智能驾驶员模型
(IDM)
的基础上，考虑单后车多前车的车头间距
、
速度差和加速度等影响因素，引入分子动力学理论和敏感性系数及各车辆对主车的影响权重，提出一种考虑单后车多前车影响的智能网联车辆
(CAV)
跟驰模型并基于跟驰队列虚实孪生场景，对所提出的智能网联车辆
(CAV)
跟驰模型进行测试与验证，证明该智能网联车辆
(CAV)
跟驰模型更能精准地反映智能网联车辆在实际道路下的跟驰行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种异构交通流下智能网联车辆跟驰模型仿真及测试方法，其特征在于，该方法采用数字孪生虚实结合技术，对真实场景中的静态基础设施及动态交通流进行孪生，搭建出反映真实交通流的虚拟仿真测试环境，通过向真实的测试车辆注入虚拟仿真环境，实现真实车辆与虚拟仿真环境的动态交互；在智能驾驶员模型的基础上，考虑单后车多前车的车头间距
、
速度差和加速度影响因素，引入分子动力学理论和敏感性系数及各车辆对主车的影响权重，提出一种考虑单后车多前车影响的智能网联车辆跟驰模型，并基于跟驰队列虚实孪生场景对该智能网联车辆跟驰模型进行测试与验证，证明该智能网联车辆跟驰模型精准反映智能网联车辆在实际道路下的跟驰行为
。2.
如权利要求1所述的方法，其特征在于，具体包含以下步骤：步骤1：基于真实环境的三维仿真场景搭建和虚拟交通流的生成三维场景搭建主要是对基础设施数据中的道路
、
道路周边元素进行静态场景建模，具体包括：步骤
1.1
：数据准备阶段选取封闭测试场地选取智能化
、
信息化改造后的汽车综合性能试验场，车载工控机选型为
Nuvo
‑
8208GC
，数据的采集主要通过全域路侧感知传输单元实现；全域路侧感知传输单元主要由边缘计算单元
、
路侧传输单元
、
车载单元和多套智慧基站组成；路侧传输单元通过视频相机或激光雷达获取到激光点云视频流数据后再经过边缘计算单元得到全域感知数据，车载单元通过局域网和
4G/5G
网络获取到车辆数据，再借助路采车辆或者便携式近景摄像机采集静态场景数据；步骤
1.2
：数据处理通过内业
、
外业数据处理，创建道路中心线
、
机动车道
、
非机动车道矢量图，将视频影像
、
测绘矢量
、
点云数据以及全景图多种非结构化真实测绘数据进行结构化融合处理，生成高精度地图，其中包含路网
、
停止线信息的路网语义建立；步骤
1.3
：模型制作获取到步骤
1.2
处理好的全域感知数据
、
车辆数据以及静态场景数据后，基于仿真软件中的模型素材进行三维场景模型制作，制作过程主要包含以下5个步骤：
(1)
按照道路的真实结构及其附属设施进行道路制作，制作内容包括主路
、
绿化
、
周边建筑及地形制作；
(2)
对照道路真实纹理实现纹理的制作与映射，借助图像处理软件对采集到的真实车载数据和视频数据进行真实纹理制作；
(3)
在得到纹理与模型后，按照纹理结构及布局对其进行合并，补充相关属性信息，同时将地形数据基于道路三维模型作进一步匹配；
(4)
参照影像数据对周围绿化范围进行绿化；
(5)
在模型制作完以后，提交至数据库并调用三维虚幻引擎对路况模型进行数字化还原，完成三维静态场景的孪生；步骤
1.4
：虚拟交通流的生成基于
Flow
框架提取出交通语义和车辆信息并学习固定场景下的交通场景数据，最后通过仿真软件构建虚拟交通流；通过仿真软件将获取到的全域感知数据
、
车辆数据以及静态场景数据等以传感器感知
数据的形式注入给真实测试车辆，并结合具体的测试案例，实现车辆动力学仿真
、
静态交通场景和虚拟交通流数据结合的跟驰队列虚实孪生场景测试；步骤2：考虑单后车多前车影响的智能网联车辆跟驰模型的构建以
IDM
为基础模型，结合分子动力学理论，构建单后车
、
多前车与主车的车头间距
、
速度差和加速度因素的智能网联车辆跟驰模型；如公式
(1)
所示：该表达式由两项组成，其中：第一项为加速项，式中，是第
n
辆车在自由流状态下的最大加速度值，
v
n
()
则是第
n
辆车在
t
时刻的速度值，是第
n
辆车的期望速度值；第二项为减速项，式中，
α
代表敏感性系数，对不同类型车辆取相同的敏感性系数；
μ
H
是
H
辆前车对于主车的影响权重，
D
H
是指多前车影响主车的减速度和；
μ
b
是指紧邻后车对主车的影响权重，
D
b
是指影响主车的后车减速度；
D
H
和
D
b
的具体表达式如公式
(2)、(3)
所示：所示：其中，公式
(2)
中的
h、f
代表主车前第
h、f
辆车，代表第
n+h
‑1辆前车的最大加速度；同理，公式
(3)
中的代表后车的最大加速度；引入
f
来表达不同前置车辆对于主体车辆的影响程度，
f
的具体赋值方式如公式
(4)
所示：式中，为第
f
辆前车对于主车的吸引力或排斥力的势能函数，则代表主车受到
q
辆前车运动影响的总势能，的具体表达式如公式
(5)...

【专利技术属性】
技术研发人员：刘占文，王洋，李文倩，牛艺丹，杨楠，程娟茹，薛志彪，范锦，贾晓航，王超，李蕊芬，肖方伟，方帆，刘文龙，
申请(专利权)人：长安大学，
类型：发明
国别省市：