广告
自动驾驶和智慧交通有它会更好
2022-01-08 19:03:52· 来源：智车科技
人类历史上一切交通工具的进化都是为了提升移动效率。从马车到蒸汽机车，从汽车到飞机，无不为了使“出行”更高效便捷。互联网、移动通信等技术进步不仅使人们沟
人类历史上一切交通工具的进化都是为了提升移动效率。从马车到蒸汽机车，从汽车到飞机，无不为了使“出行”更高效便捷。互联网、移动通信等技术进步不仅使人们沟通更方便快捷，也提升了出行效率。
要实现这一美好愿景，没有先进技术的加持万万不能。在智能交通和智能网联汽车上升到国家战略高度之时，智能技术正引领前所未有的变革。
12月28日，腾讯数字孪生自动驾驶测试平台TAD Sim以其在智能网联核心技术领域的突出贡献，荣获“2021智能驾驶杰出平台奖”。
自动驾驶研发落地难在哪儿？
自动驾驶几经周折，何时实现，说法莫衷一是。其难以成形的最大原因莫过于安全。2018年，Uber的自动驾驶致死事故使其9个月后才恢复公共路测资格，也给行业带来了巨大冲击。
路测安全只是自动驾驶落地难的问题之一，建立自动驾驶感知算法训练数据集需要消耗大量人力物力和时间，不仅要部署自动路测终端，还要实地测试，无法满足开发高频迭代的需求。
路测中，除了采集大量天气、路况、城市感知数据，还要进行标注，成本非常高。全球每年这方面投入超过10亿美元，成本不菲。自动驾驶软件OTA回归测试亦然，如果如兰德智库所说，每一版算法想达到量产应用条件，至少要经过110亿英里测试，相信任何一家公司都难以承受。
从虚拟仿真到数字孪生
实现虚拟仿真技术有四步：第一步是模型构建，数字孪生既要形似，更要神似。除了要建立与物理世界相匹配的模型，更要实现物理世界与虚拟世界的实时信息互动，这是第二步。而带来价值的是第三步——仿真推演，必须将物理世界的描述转化为虚拟世界的模型，以此进行仿真推演，才能进行预测。有了预测，才能完成数字孪生最核心的目标——辅助决策，这就是第四步。只有四步闭环，才有利于整个业务的迭代。
从虚拟仿真到数字孪生的技术演进推动着智慧交通、智慧城市的快速发展。腾讯2016年成立自动驾驶部门，5年来，打造了三位一体的自动驾驶技术体系，包括高精度地图平台、大数据云开发平台和虚拟仿真平台TAD Sim。同时，腾讯研发出融合定位、环境感知、决策规划等核心算法，可针对市场和用户需求提供场景化自动驾驶解决方案以及模块化软件和服务。
数字化工具箱和加速器
据腾讯自动驾驶仿真技术总监孙驰天介绍，在自动驾驶研发测试中采用数字孪生技术能够降低路测风险，提升安全性，大幅降低测试时间和成本，提高开发迭代效率。此外，在软件OTA回归测试方面，数字孪生虚拟仿真可以实现高效软件升级。
基于以上需求，腾讯开发出有助于加快自动驾驶研发落地的工具箱和加速器，包括自动驾驶仿真系统TAD Sim（已升级到2.0）、自动驾驶汽车端全栈算法TAD Pilot、面向自动驾驶云研发的工具链TAD Cloud，以及高精地图平台TAD HD Map等产品和方案。其合作伙伴包括汽车制造商、Tier1、政府、测试场、科研机构及一些创新应用公司等。
自动驾驶的“头号玩家”
史蒂文·斯皮尔伯格的《头号玩家》以科幻形式展现了VR游戏的未来世界。类似《头号玩家》的绿洲系统，腾讯构建了一个沉浸式虚拟自动驾驶仿真系统TAD Sim。其接入的不是人类玩家，而是自动驾驶算法。
腾讯数字孪生自动驾驶测试平台TAD Sim具有四大核心能力：
-
场景几何还原：包括三维场景重建、仿真以及基于三维场景的高精度传感器仿真，强调高逼真度还原场景，最终获得真实结果。
-
场景逻辑还原：包括场景内所有动态元素的运行逻辑，如其他交通参与者（行人、摩托车、自行车等）的交通流，主要面向决策规划的仿真需求。
-
场景物理还原：包括物理碰撞、摩擦力、风力等，主要面向控制算法及车辆动力学仿真。
-
高并发仿真：基于腾讯云技术优势，在云端高并发运行上万个仿真系统实例，快速完成几十万个物理场景的回归测试，提高算法迭代效率。
真实三维场景有多重要？
真实三维场景对有效验证自动驾驶算法很重要。使用数字孪生技术构建自动驾驶仿真系统TAD Sim有助于打造真实三维场景，还原仿真系统内部使用的真实测试场景，构建一条包含定位、建图、感知等算法的工具链，基于采集车采集到的数据自动生成与现实相对应的数字孪生场景，完成自动驾驶仿真测试的需求。
首先采集一定量的数据进行标注，然后用仿真系统进行对应识别，训练场景自动识别算法。仿真系统可以自动输出语义分割、目标检测及像素深度等真实数据，还可以生成对抗网络将仿真结果转换成更多真实有效的数据。
这样，仅用较低成本采集一定量的道路数据，就可以生成无限量带有真实风格的训练数据集和语义标注结果。因为不需要人工标注，其正确率为100%。
来看一个案例，右边是采集车采集到的路测视频，左边是数字孪生工具链基于采集数据构筑的三维重建场景，再加上导入的动态、静态数据对场景进行进一步还原。可以看到道路两旁的建筑、植被、从高速路导入的红绿灯，以及从动态路测数据中提取的车流和人流情况。通过这种方式，可用有限的空间生成丰富的仿真测试三维场景。
重要的事情说三遍：真实，真实，真实
数字孪生技术还可应用于车辆在环测试。其硬件和全套软件都是运行在实际环境，唯一不同的是它有真实环境中没有的车辆交互，因此可以将仿真系统输出的结果以图层形式输出并叠加到真实车辆的传感器输出图层上，以实现数字孪生。
比如腾讯与湖北襄阳智能网联汽车自动驾驶封闭场地测试基地（全国首批）的合作项目，右边四张图片是仿真系统输出结果，将需要与主车交互的元素（如障碍物或行人）以图层形式注入左边车机图像输入图层。这样，车机看到的场景就是一个空旷的真实场景加一个虚拟障碍物，所以测试者可以看到车辆在完全空旷的测试场内对不同场景、障碍物（如老人、小动物过马路）或不同天气、不同十字路口场景的反应。
真实效果从何而来？
近几年，一些行业合作伙伴和用户也在问：仿真系统的输出真实性有多高？事实上，哪怕开发商做了很多工作去提升传感器输出效果，包括图像、功率等，最终还是要通过游戏引擎输出，所以和真实结果仍有差别。
虽然目前采用图像或点云进行自动驾驶感知算法的测试验证效果还说得过去，但仍不能满足自动驾驶算法训练需求。所以，需要使用基于数字孪生仿真技术的工具链将仿真系统输出的虚拟结果转换成真实效果。
下方左图是仿真系统输出结果，右上角是真实路采数据，右下角是将仿真输出结果转换成真实风格的场景。尽管真正的路采数据与转换出来的数据在细节上仍有差异，但从图片风格上来说已非常接近，可用于自动驾驶感知算法的训练，而不仅仅是测试验证。也就是说，自动驾驶感知算法测试验证的真实性已和实际测试非常贴近了。
如何实现低成本场景重建？
以上做法仍是用采集车采集数据，再用数字孪生工具链对局部场景进行高精度还原。其实这种局部采集的方式成本也比较高，要进行一个城市级重建，有没有更快速且成本更低的方式呢？当然有。
腾讯自动驾驶团队将腾讯地图数据、卫星图数据进行融合，自动生成城市级场景，其结果同样与局部高精重建的结果相匹配。
例如，自动化完成对一个576k㎡城市的重建，一天内即可在系统上全部生成，包括13万多幢建筑和所有的道路、植被、水系。POI数据、建筑数据、语义数据等可以结合从腾讯地图中提取的语义数据及卫星贴图来实现城市级生成，通过与采集车实现的局部高清数字孪生重建相组合，就可以完成对整个城市的三维重建。
长尾问题怎么解决？
在实际开发中，如何有效积累测试场景库常被提及，因为根据正向ODD来定义场景很快就可以完成，但生成的场景有限。如果只通过场景泛化来生成海量场景意义并不大，因为绝大部分场景都是无效的。
有个方法可以解决这个问题，就是运行虚拟城市仿真，使用城市级高精地图，在地图中布满自动驾驶车辆和交通流车辆，进行7x24小时的随机测试，通过云上随机测试系统发现自动驾驶汽车遗留的长尾问题。
每辆自动驾驶汽车搭载的监控模块可实时监测并录制主车遇到的所有工况。只要其触发并应对用户自定义的任何KPI，都会将录制的场景数据截取下来，转化成一个被标注过的场景，补充到场景库中，进一步丰富和完善测试场景库。
在实际应用中遇到的长尾问题主要源于测试场景库积累不足，而丰富场景库的主要方法有以下几种：
-
场景型云仿真：运行由一定测试逻辑定义的虚拟场景仿真测试类型；
-
回放型云仿真：基于路采路测数据回放的仿真测试类型；
-
虚拟城市型云仿真：接入大规模AI交通流进行随机测试，帮助用户高效获知未知危险场景，提升测试效率。
核心应用在于真实还原路况
数字孪生仿真技术在交通仿真领域极具优势，其核心问题是如何真实还原城市道路交通状况，以及如何基于实时状况进行现实交通仿真。
实现方法是基于云上交通地图，运行注入真实交通数据的中微观一体化仿真系统。通过中观仿真和微观仿真系统的融合交互，以中观仿真来引导微观仿真的交通分布和运行状况，以微观仿真的数据来指导下一周期中观仿真的管理。
整个流程涉及诸多交通仿真技术，包括OD预测、特征分类等，其目的是通过真实交通大数据的注入，来尽可能准确地还原某一城市、区域或路段的交通状况，并预测未来某一时间段内的交通状况。
中微观仿真系统一方面可进行自动驾驶仿真测试，相当于在实验室内就可基于任何城市道路进行仿真测试，另一方面是可辅助交通仿真管理，如道路规划、系统优化，通过后台计算提供决策依据等。
强感知加持智慧交通
依靠系统的强感知能力，数字孪生仿真技术在智慧交通中大有用武之地。从最初的低清摄像头到雷视一体传感器融合设备，有效解决了传统设备存留的问题。首先，覆盖距离更远，其单点位多目标融合检测与跟踪功能，可较完整还原一个路段内的交通状况，也极大增强了传感器在不同天气、不同时间（包括夜晚）对真实交通道路的感知能力。
作为强感知系统，实时数字孪生系统可在摄像头失灵时依靠毫米波雷达感知，将感知结果投射到仿真系统内部，输出模拟现实世界的数字动画，进行大量仿真推演，例如事故、封路或天气造成的交通中断等情境，并反馈给交通参与者。其结果可通过车端实时测试显示屏、Pad、手机端小程序等形式呈现，提供路况预测和指引。
持续赋能交通与出行
在自动驾驶走向规模量产的过程中，腾讯结合自身技术优势，重点投向在数字孪生仿真测试领域的技术研发，基于工业级车辆动力学模型、强大的游戏引擎，以及三维重建和数据驱动交通流等技术，打造了虚实一体的数字孪生自动驾驶测试平台TAD Sim，通过高并发场景、虚拟城市和平行世界三种云仿真环境，提升自动驾驶研发测试效率，为算法训练和测试验证降本增效，推动交通领域低碳高效的数字化升级。
广告 
广告
编辑推荐
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告（2024版）
2024-12-22 10:11
-
R54法规对商用车轮胎的要求（上）
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33
广告
广告
