数字孪生与自动驾驶测试

 数字孪生(Digital Twin)是近几年热度很高的一个词汇，频繁出现在各大论坛的演讲与报告中。2016年以来，知名IT咨询公司Gartner连续多年将数字孪生列入新兴科技技术成熟度曲线(Hype Cycle)。数字孪生正成为美国、德国、日本、中国等国家数字化转型的新抓手以及通用电气、西门子、达索等跨国公司业务布局的新方向。


Hype Cycle for Emerging Technologies, 2020
(图片来自gartner.com)

那么什么是数字孪生？它主要应用在哪些方面？而在自动驾驶领域，它又充当着什么重要角色呢？今天，我们就来“摆摆”数字孪生以及自动驾驶数字孪生测试的“龙门阵”。

01：什么是数字孪生？

首先，让我们看一下部分权威机构对“数字孪生”的定义：
德勤(Deloitte)将数字孪生定义为以数字化的形式对某一物理实体过去和目前的行为或流程进行动态呈现。
美国国防军需大学(Defense Acquisition University)对数字孪生的定义是：数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

是不是看完更懵了？哈哈，简单地说，数字孪生就是在虚拟环境中建立一个和现实世界一致的模型。现实世界各种动态可以在虚拟环境里同步更新，而在虚拟环境中做的各种仿真测试、分析优化的结果，可以用来作为指导和干预现实世界决策与行为的重要依据，从而实现现实世界与虚拟环境之间信息互通、状态互动。

说到这里，有没有同学想到今年因疫情而诞生的健康码？健康码也许算是数字孪生在目前最贴近我们生活的一种应用，称之为Digital Me或Digital Health Passport，个人的基本信息、健康状态、旅居史等反映为绿、黄、红三种颜色的二维码，帮助检疫人员快速地对人群进行分流与管控。当然，目前的健康码还是比较简单的应用，但在未来，我们很可能会拥有个人全面的数字孪生档案，涵盖我们的身份、资产、税务、社保、教育、医疗等全方位的信息，真正实现数字化社会和数字化生活。


苏康码

02：数字孪生的应用

＋ 数字孪生工厂

目前的工业体系中，已经有着相当成熟的CAD、CAE、CAM数字化设计开发流程，但数字孪生工厂不止于此。

通过对工厂(园区)的建筑、设施设备、产线等进行建模，对人员、车辆、设施状态、产品、产能、能耗等信息采集并汇集到数字化管理平台，从而具备可以实现在虚拟环境中进行实时模拟经营生产，帮助管理者做出最优的园区管理和生产管理决策；可以对设备运行数据进行分析，提供故障排查和设备维护的依据；可以对产品进行仿真测试，及时调整参数改进工艺，有效提高产品的质量；可以提供虚拟的产品观摩与试用，为顾客提供更优质的服务和体验等一系列功能。


数字孪生工厂(图片来自www.3ds.com)

＋ 数字孪生城市

数字孪生城市则是对城市及城市的基础设施进行建模，城市功能区域的划分、城市基础设施的覆盖范围、城市的水、电、通信、交通、停车位等运行使用状态，以及公共服务人员的配置情况，都动态地呈现在虚拟环境中，为城市的规划、运行、安保提供最直观的参考。


南京市江北新区智慧城市指挥中心
(图片来自www.51hitech.com)

此外，在医疗、物流、水利、环保、房地产、军事等领域，数字孪生也有不同程度的应用。

03：当数字孪生遇上自动驾驶测试

除了上述应用，数字孪生在自动驾驶测试领域中也逐渐成为不可或缺的一环。

“落地应用难”是自动驾驶技术发展到现阶段的主要问题，如何高效可信地对自动驾驶车辆进行测试评价成为自动驾驶车辆能否安全上路的关键。越来越多的主动安全控制器装配上车后，这些控制器会对车辆进行不同程度的干预，一旦出现错误就可能导致灾难性后果，因此需要对控制器及整车的整体性能进行充分的测试。

在当前基于场景库的自动驾驶测试体系中，主要有仿真测试SIL(Software in the Loop)、部件在环HIL(Hardware in the Loop)、整车在环VIL(Vehicle in the Loop)、实车场地测试、实车道路测试几种方法。其中，SIL是纯虚拟测试, HIL是在虚拟的测试环境中对真实的控制器进行测试，VIL是在实验室内对整车进行测试，实车场地测试是实车在测试场内测试，实车道路测试则是实车在实际道路上测试。


目前业界普遍采用部件在环HIL的测试方法对控制器进行测试。但是，在hil测试中只有被测控制器是真实的硬件，车辆动力学、道路、驾驶员等都是虚拟的模型，与真实汽车的车辆动力学、道路情况、驾驶员等存在偏差，测试结果的有效性难以保证。采用实车场地测试或道路测试虽然更真实，但是存在时间成本、人力成本、物力成本高昂、安全性低、测试环境可重复性低等问题。


基于场景库的自动驾驶测试体系

自动驾驶数字孪生测试VRIL(Virtual Reality in the Loop)则是真实的车辆行驶在真实的测试场地中，同时映射到虚拟的测试环境中的整车闭环测试。

在虚拟仿真系统中建立环境、道路、交通参与者、测试车辆的模型及其配置的传感器模型，虚拟传感器在仿真环境中探测到的目标信息发送给搭载自动驾驶算法的测试车辆进行信息融合与决策控制，测试车辆在测试场地内运行的同时，测试车辆的运动状态信息采集并反馈给虚拟场景，从而完成虚、实状态的同步，实现整个数字孪生系统的闭环实时仿真测试。

结合场景库数据，可以快速的设置贴近真实交通环境的测试条件，有效提升测试的效率与真实度。

  
左：慕尼黑联邦国防军大学
右：清华大学苏州汽车研究院

  
左：宝马对ADAS功能进行数字孪生测试 
右：标致对自动泊车功能进行数字孪生测试

相比纯仿真测试，VRIL采用真实的路面、真实的控制器和车辆执行机构，测试环境更符合实际情况，测试结果更真实可信；

相比单个控制器的硬件在环测试，VRIL可以测试车辆整体的性能与执行效果；

相比整车在环测试(VIL)，VRIL不需要建立需要转毂设备的测试实验室，以较低的成本即可实现整车级在环测试；

相比实车场地或道路测试，VRIL可以快速便捷地重现危险事故场景与关键测试场景而不虞有碰撞的危险，测试的效率更高、安全性更高、成本也较低；

结合5G、V2X等技术，还可以对真实交通流进行数字孪生，将测试车辆置于实时的动态虚拟交通流中进行测试。

划重点：清华汽研院自动驾驶数字孪生测试平台

为帮助自动驾驶汽车更为便捷高效的开展测试验证，清华大学苏州汽车研究院对数字孪生测试的关键技术进行了深入的研究，基于自主研发的场景库“镜”打通了数字孪生测试的技术链路。

系统支持使用国内外多款自动驾驶仿真软件，如51SimOne、SCANeR、VTD、PreScan等，集成场景数据库、场景管理、测试评价一体的测试工具链，形成了数字孪生测试服务与数字孪生测试系统构建服务能力。


参考文献:
1. 数字孪生白皮书(2019),中国电子信息产业发展研究院.
2. 5Trends Drive the Gartner Hype Cycle for Emerging Technologies, 2020, https://www.gartner.com.
3. 工业4.0与数字孪生, 德勤.
4. 数字孪生:打造生力产品,重塑客户体验, 埃森哲.