詳談面向V2C場景的ADAS數(shù)字孿生模型構(gòu)建方法

物聯(lián)網(wǎng)（IoT）的發(fā)展提出了許多新穎的技術(shù)，其中的應(yīng)用場景不僅限于用戶級別（例如，個(gè)人消費(fèi)者或私有公司），而且還可以應(yīng)用于系統(tǒng)級別（例如，商業(yè)或工業(yè)領(lǐng)域）。數(shù)字孿生是物聯(lián)網(wǎng)的新興代表，最近引起了越來越多的關(guān)注。數(shù)字孿生被評為2019年十大戰(zhàn)略技術(shù)趨勢之一，其中包括自動駕駛事物（例如，自動駕駛汽車），沉浸式技術(shù)（例如，虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)）以及量子計(jì)算。

*本文來自本實(shí)驗(yàn)室李王睿的研究成果和學(xué)習(xí)筆記

盡管數(shù)字孿生的定義在不同的研究中有所不同，但基本思想非常相似：數(shù)字孿生是物理域中實(shí)體的數(shù)字域中的數(shù)字副本。數(shù)字孿生技術(shù)得益于物理網(wǎng)絡(luò)連接和網(wǎng)絡(luò)物理系統(tǒng)（CPS）元素，為實(shí)時(shí)監(jiān)控和與虛擬對等實(shí)體同步實(shí)時(shí)活動開辟了道路。數(shù)字孿生概念最早是在航空領(lǐng)域誕生的，當(dāng)時(shí)美國國家航空航天局（NASA）將其作為其2010年技術(shù)路線圖的關(guān)鍵要素。在過去十年中，隨著其在不同領(lǐng)域的快速發(fā)展，包括航空和航天，機(jī)器人技術(shù)，制造業(yè)和信息學(xué)，數(shù)字孿生在運(yùn)輸領(lǐng)域也具有巨大潛力。自從在過去的十年中出現(xiàn)以來，數(shù)字孿生概念已經(jīng)在汽車行業(yè)中被松散地定義和采用，部分原因是它與CPS和IoT等其他技術(shù)的相似性和聯(lián)系。

在本文中，我們提出了一種使用車輛到云（V2C）通信的互聯(lián)車輛的數(shù)字孿生框架。針對高級駕駛員輔助系統(tǒng)（ADAS）開發(fā)了一種數(shù)字孿生模型，比如由云計(jì)算的參考速度顯示在車輛車載駕駛員接口（DVI）設(shè)備上，因此駕駛員可以在駕駛中更智慧地控制車輛。此外，還進(jìn)行了協(xié)作式匝道并線的案例研究，其中在三輛乘用車上的真實(shí)交通中的現(xiàn)場實(shí)施驗(yàn)證了所提出的數(shù)字孿生框架的有效性。

智能網(wǎng)聯(lián)汽車的數(shù)字孿生系統(tǒng)的總體框架

從上圖可以看出，我們?yōu)榫哂袃蓪涌蚣艿幕ヂ?lián)車輛開發(fā)了數(shù)字孿生系統(tǒng)。下層代表物理域，而上層代表數(shù)字域。此外，通信模塊在此系統(tǒng)框架中起著至關(guān)重要的作用，它是將兩層緊密連接在一起的紐帶。

數(shù)字孿生框架的物理層隨時(shí)間在世界坐標(biāo)上定義，可能包含所有物理實(shí)體及其相互作用，包括車輛和零部件，駕駛員和乘客，道路基礎(chǔ)設(shè)施，氣象學(xué)，其他道路使用者等。該層中的兩個(gè)關(guān)鍵模塊是傳感器和執(zhí)行器。傳感器可以檢測物理實(shí)體的動態(tài)狀態(tài)，操作過程中的變化或事件發(fā)生（例如車速，駕駛員的視線和交通燈狀態(tài)），并以不同的解決方案匯總測量結(jié)果。信息通過通信模塊傳輸?shù)綌?shù)字域，以進(jìn)行進(jìn)一步處理。

另一方面，（再次通過通信模塊）接收到來自數(shù)字域的處理結(jié)果，并將其用作物理域中實(shí)體或過程的駕駛指示。物理域中的智能網(wǎng)聯(lián)車輛可以是部分或完全自動化的（即聯(lián)網(wǎng)和自動化的車輛），也可以由具有某些ADAS功能的人類駕駛員來駕駛。數(shù)字域發(fā)送的駕駛指示將建議智能網(wǎng)聯(lián)車輛的自動控制器或人工駕駛員進(jìn)行協(xié)作/智能操作，進(jìn)而在安全性，機(jī)動性和環(huán)境可持續(xù)性方面受益于運(yùn)輸系統(tǒng)。

數(shù)字孿生框架內(nèi)的數(shù)字域處理了此兩層框架中的所有計(jì)算工作。它不僅包含物理域的摘要（即物理實(shí)體和過程的數(shù)字副本），而且還執(zhí)行一些關(guān)鍵功能。首先，對來自物理域的感知數(shù)據(jù)進(jìn)行清理（例如異常檢測和刪除，丟失數(shù)據(jù)歸因）并進(jìn)行融合（包括時(shí)間同步）。然后，預(yù)處理的數(shù)據(jù)可以存儲在數(shù)據(jù)庫中（例如，用于數(shù)字可追溯性）或發(fā)送到數(shù)據(jù)挖掘和知識發(fā)現(xiàn)模塊以進(jìn)行進(jìn)一步探索

使用先進(jìn)的計(jì)算技術(shù)（例如機(jī)器學(xué)習(xí)），從數(shù)據(jù)挖掘和知識發(fā)現(xiàn)模塊中提取的信息可用于為知識庫做出貢獻(xiàn)或構(gòu)建物理域的模型。出于可視化目的，可以將模擬工具（例如車輛模擬器，駕駛模擬器和交通模擬器）集成到建模模塊中。知識庫位于數(shù)字域的中心，建立在歷史信息之上，并隨著新信息的涌入而不斷更新?？梢蕴崛≈R以進(jìn)行預(yù)測分析（與建模/仿真工具結(jié)合使用）并找到最佳信息支持決策過程的策略?；旌蟿幼鳎ㄍㄟ^通信模塊）傳輸回物理域中的執(zhí)行器，以提高整體系統(tǒng)性能。

基于V2C的ADAS架構(gòu)

在本節(jié)中，我們在數(shù)字孿生框架內(nèi)開發(fā)了基于V2C通信的ADAS，其目的是為駕駛員提供參考速度信息。下圖中顯示了專門用于此ADAS的系統(tǒng)架構(gòu)圖。下面將討論此基于V2C的ADAS中不同組件的特征。

物理域

在現(xiàn)實(shí)世界中，聯(lián)網(wǎng)車輛由蜂窩熱點(diǎn)（可選），全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS），DVI設(shè)備和人類駕駛員組成。由于計(jì)算得出的速度指南是通過V2C通信從數(shù)字域發(fā)送的，因此在物理域中不需要車載計(jì)算機(jī)。

1）蜂窩熱點(diǎn)：此模塊提供對DVI設(shè)備的蜂窩訪問，因此可以在此數(shù)字孿生模型中進(jìn)行V2C通信。Wi-Fi熱點(diǎn)可能配備有4G LTE（可能是5G）sim卡，并具有“共享熱點(diǎn)”功能。但是，如果DVI設(shè)備（例如手機(jī)或平板電腦）已經(jīng)配備了SIM卡，則此蜂窩熱點(diǎn)不是必需的。

2）GNSS：車輛上裝有此模塊，用于測量其實(shí)時(shí)原始位置（緯度和經(jīng)度）和速度信息，并通過微型USB電纜將其發(fā)送到DVI設(shè)備。

3）DVI設(shè)備：此模塊向駕駛員顯示建議信息（通過V2C通訊）以進(jìn)行協(xié)作/智能操作。在DVI上顯示的信息（圖中顯示了一個(gè)示例）可能包括當(dāng)前速度（左側(cè)數(shù)字），參考速度（右側(cè)數(shù)字）和其他一些其他消息（例如，語言指導(dǎo)，緯度和經(jīng)度，IP地址） 。

4）駕駛員：配備的車輛的駕駛員可以通過踩下加速/制動踏板，根據(jù)DVI來調(diào)整車速。由于駕駛員不可能完美地保持參考速度，因此在云服務(wù)器上運(yùn)行了人類行為模型來預(yù)測加速/制動錯(cuò)誤并實(shí)時(shí)補(bǔ)償指導(dǎo)以提高系統(tǒng)性能。

數(shù)字域

該基于V2C的ADAS的所有計(jì)算都在云服務(wù)器上進(jìn)行，在云服務(wù)器中，在數(shù)字域中創(chuàng)建物理實(shí)體（例如，車輛，駕駛員，道路）和相關(guān)功能模塊的數(shù)字副本。以下列出了ADAS的主要數(shù)字模塊的細(xì)分：

1）地圖匹配：對于地圖匹配模塊，云服務(wù)器上提供了測試場的預(yù)制地圖，其中包含諸如道路類型，道路長度，道路ID和方向，道路速度限制，合并區(qū)域和影響區(qū)。地圖匹配模塊的主要功能是位置同步和地理圍欄。為了進(jìn)行位置同步，可以通過建議的地圖匹配算法將從GNSS接收到的車輛坐標(biāo)（即經(jīng)度，緯度和高度）與預(yù)先構(gòu)建的地圖進(jìn)行匹配，以更新其在數(shù)字域中的當(dāng)前位置。對于地理圍欄，定義標(biāo)志以檢查每個(gè)時(shí)間戳中車輛的位置和狀況，因此可以相應(yīng)地執(zhí)行相關(guān)的操作。

2）駕駛計(jì)劃和運(yùn)動控制：此模塊生成本車輛的參考速度。該模塊的輸入是所有相關(guān)車輛的速度和車道高度位置，其中駕駛計(jì)劃器生成本車輛的預(yù)計(jì)駕駛軌跡，而運(yùn)動控制器計(jì)算參考速度以實(shí)現(xiàn)該期望軌跡。

3）人為行為模型：此模塊預(yù)測駕駛員產(chǎn)生的速度跟隨錯(cuò)誤，并實(shí)時(shí)補(bǔ)償原始參考速度。該模型的輸出是發(fā)送到物理域的參考速度，該速度已經(jīng)考慮了駕駛員產(chǎn)生的速度誤差。

4）數(shù)字孿生可視化：此模塊演示了數(shù)字域中車輛的數(shù)字復(fù)制。它從人類行為模型接收參考速度，并從地圖匹配模塊接收位置和車輛速度。該界面根據(jù)GNSS模塊測量的位置在預(yù)制地圖上顯示所有車輛的實(shí)時(shí)運(yùn)動。它還顯示一些附加信息，例如服務(wù)器IP地址，車輛的緯度和經(jīng)度和所配備車輛中DVI的簡化版本。

5）能效評估：能效評估模塊實(shí)時(shí)分析數(shù)據(jù)。可以在云服務(wù)器上分析速度，加速度，能耗，標(biāo)準(zhǔn)污染物排放和許多其他感興趣的性能指標(biāo)，并將其結(jié)果發(fā)送回物理域或顯示在DVI上。

案例研究：協(xié)作式匝道并線

為了證明根據(jù)ADAS的數(shù)字孿生框架在現(xiàn)實(shí)世界中的有效性，我們進(jìn)行了協(xié)作式匝道并線的案例研究。所提出的方法如圖所示，其中每個(gè)合并的車輛都假定已啟用V2C通信并由駕駛員駕駛。任何兩個(gè)車輛之間的合并操作都被簡化為一個(gè)跟車問題，在先前的研究中，我們采用了“虛擬車輛”的想法：將在另一條合并車道上創(chuàng)建真實(shí)車輛的虛擬車輛，共享與真實(shí)車輛相同的縱向速度和距離。

基于當(dāng)前速度和合并距離，可以由云服務(wù)器上的駕駛計(jì)劃器計(jì)算合并時(shí)間的估計(jì)值。然后可以通過對所有估計(jì)的合并時(shí)間值進(jìn)行排序來確定所有相關(guān)車輛的合并順序。從圖中可以看出，虛擬車輛被投影在另一個(gè)合并車道上，因此其后續(xù)車輛（具有一個(gè)較大的序列ID號）可以基于云服務(wù)器上的運(yùn)動控制器進(jìn)行跟車操作。

基于我們先前的研究，運(yùn)動控制器采用了基于查表的共識算法?；旧?，本車輛i從云服務(wù)器檢索其（虛擬）領(lǐng)先車輛j（j = i?1）的信息，包括其長度，縱向速度和橫向合并距離。然后，共識算法將這些輸入以及來自本車輛i的車輛動力學(xué)數(shù)據(jù)，并通過以下算法計(jì)算本車輛i的參考加速度：

這項(xiàng)研究的未來主要方向是將該數(shù)字孿生模型應(yīng)用于其他車輛用例，例如并非所有車輛都具有V2C連接的混合交通場景，并驗(yàn)證所提出的數(shù)字孿生框架的有效性。此外，與其他通信方法相比，需要在此數(shù)字孿生框架內(nèi)提出和實(shí)現(xiàn)更多服務(wù)模塊，以最大程度地發(fā)揮V2C通信的優(yōu)勢。

fqj