一种基于车辆道路测试数据的模型在环仿真测试方法及系统与流程

1.本发明涉及自动驾驶技术领域，具体提供模型在环仿真测试方法。


背景技术：

2.当今社会自动驾驶汽车已成为未来汽车行业的发展方向，目前自动驾驶技术还不太成熟，为保证自动驾驶车辆的安全和稳定，行业内通常要经过进行大量的实车路试，同样要经过充分的仿真测试，才能保证智能车的完备性、有效性和安全性，从而保证产品在市场中能够的核心竞争力，智能车技术的开发与应用成就了汽车企业市场的竞争。
3.自动驾驶汽车是一种通过智能控制器实现无人驾驶的汽车，由智能驾驶仍处于技术迭代期，还无法实现完全的无人驾驶，但已实现有限自动驾驶。要实现无人驾驶，首先要解决高精度地图、传感器融合、人工智能、云计算及信息安全等汽车领域的技术难题，其次要将自动驾驶的所有零部件形成产业链，再次要解决自动驾驶汽车上下游的产业链不完备的问题。
4.传统车主要以实车测试为主，但是实车测试不仅要耗费大量的人力物力，而且实车测试存在较大的风险，故行业内期望可以通过仿真测试的方式辅助实车测试。


技术实现要素：

5.本发明针对现有技术存在的不足，提出一种基于车辆道路测试数据的模型在环仿真测试方法，以验证仿真测试的有效性，重现车辆道路测试效果。
6.本发明的技术方案如下：本发明提出一种基于车辆道路测试数据的模型在环仿真测试方法，包括：道路测试数据采集、数据分析、测试重点挖掘、仿真测试案例、仿真测试验证、仿真测试结果与路试数据对比。具体：车辆路试数据采集，同步采集和存储实车在道路测试的车辆路试数据。
7.数据分析，对车辆路试数据进行解析和分析，测试数据的解析是将路试数据通过vector canape工具解析成标准可视化数据，根据解析后的数据进行人工分析出车辆测试情况，为测试重点挖掘做准备工作。
8.测试重点挖掘，根据解析出来的实车数据，从环境场景、车辆情况、驾驶员操作以及系统状态等角度，再根据实车道路测试的整体情况，进而挖掘得到本次测试的侧重点，并将关键点分解到本次模拟仿真测试，作为模型在环仿真测试的测试关键点。
9.仿真测试案例，编写模型在环仿真测试案例。
10.仿真测试验证，模拟实车的测试环境后，运用模型在环仿真测试的方法验证测试的重点，并生成仿真测试结果。
11.仿真测试结果与路试数据对比，将模型在环仿真测试得到的测试数据与车辆路试测试数据进行对比，反复测试、完善仿真测试的模型，直至两种测试方法的数据重合度一致。
12.本发明进一步提供一种基于车辆道路测试数据的模型在环仿真测试系统，包括：工况场景设计模块，用于模拟车辆和车辆行驶过程的真实环境，包括道路、车辆、行人、其他交通参与者等外部环境的要素，对本车和目标车的所有车辆信息、道路的所有参数、交通参与者和外界环境等。
13.车辆动力学，用于模拟实车的真实的动力输出，同时需要根据车辆性能指标对动力响应进行调试和标定，其将响应与算法模块连接，再将算法的输出反馈给动力学，最终实现算法对车辆动力的闭环控制。
14.算法模块，用于控制整个车辆系统，是基于整个系统的设计运行范围，根据车辆的运行环境给车辆一个相应的决策和控制，进而实现代替一部分驾驶员的操作，起到辅助驾驶的作用。
15.通信模块，是基于can总线协议进行配置的通讯，用于整个系统的数据交互，使数据在整个系统中形成闭环。
16.仿真平台，用于根据测试内容搭建适配所有仿真环境，通过仿真测试环境在运行范围内对有限自动驾驶算法进行充分的验证和测试。
17.基于上述技术方案，本发明通过搭载有限自动驾驶算法的实车进行道路测试，并同步采集和存储车辆的道路测试数据，进行车辆道路测试数据分析，挖掘实车道路测试的重点，作为模型在环仿真测试的测试关键点，进行编写模型在环仿真测试案例，从而展开基于模型在环仿真测试，得到仿真测试结果，将仿真测试数据与车辆道路测试数据进行对比。这样，可基于车辆道路测试的数据，在模拟环境中将整个车辆道路测试情况复现出来，并通过模拟的方式将整个实车测试环境和实车环境在仿真环境中模拟出来，该基于模型的仿真测试方法可以确切的验证出该模型的有效性和与实车的一致程度，可重现车辆道路测试效果。
附图说明
18.图1是基于模型的有限自动驾驶系统的仿真测试验证系统的结构框图；图2是基于车辆道路测试数据的模型在环仿真测试方法的总体流程图。
具体实施方式
19.下面将结合本发明附图和实施例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，同样它们不对本发明构成限定。
20.如图1所示，本发明的仿真测试方法是在如图所示的仿真测试验证系统上实现，该系统包括：工况场景设计模块，该模块是模拟车辆和车辆行驶过程的真实环境，这些信息是在环通过prescan模拟出来的，包括道路、车辆、行人、其他交通参与者等外部环境的要素，对本车和目标车的所有车辆信息、道路的所有参数、交通参与者和外界环境等进行配置。
21.车辆动力学模型，用于模拟实车的真实的动力输出，同时需要根据车辆性能指标对动力响应进行调试和标定，例如车辆加速度，车辆减速度，和其他车辆影响车辆响应的关键参数。本发明的车辆动力学模型是用carsim软件搭建的，与决策控制相连，构成车辆执行
部分。其将响应与算法模块连接，再将算法的输出反馈给动力学，最终实现算法对车辆动力的闭环控制。
22.算法模块，用于控制整个车辆系统，是基于整个系统的设计运行范围，根据车辆的运行环境给车辆一个相应的决策和控制，进而实现代替一部分驾驶员的操作，起到辅助驾驶的作用。
23.本实施例中，算法是用matlab/simulink工具开发的，因为本算法适用于基于模型的有限自动驾驶系统，所以该有限自动驾驶系统可以对代替驾驶员对车辆实现有限的决策，辅助驾驶员对车辆进行控制驾驶，这种控制只能适用于一些特殊的工况下。
24.通信模块，本系统是基于can总线协议进行配置的通讯，用于整个系统的数据交互，主要是平台与算法之间的通讯，通讯配置成功后可以使数据在整个系统中形成闭环。
25.仿真平台，仿真平台是自动驾驶系统中重要的一个组成部分，用于适配整个测试环境，也可称其为仿真测试环境。本实施例是用simulink搭建的仿真测试平台，用于根据测试内容搭建适配所有仿真环境，通过该仿真测试环境在运行范围内对有限自动驾驶算法进行充分的验证和测试。
26.如图2所示，本实施例是基于车辆道路测试数据的模型在环仿真测试方法的总体流程，具体包括：车辆路试数据采集，主要是将实车在道路测试的数据用数据采集设备保存测试数据，其数据包括测试车辆上传感器、执行器、车身控制器、主控制器等数据。
27.数据分析，是对车辆路试数据进行解析和分析，为后续的数据使用做准备工作。测试数据的解析是将路试数据通过vector canape工具解析成标准可视化数据，根据解析后的数据进行人工分析出车辆测试情况。canape是德国vector公司开发的一个基于asap标准的车载控制器匹配和标定系统。canape在系统运行期间同时标定参数值和采集测量信号。
28.测试重点挖掘，是对数据进行分析后，了解本次模拟仿真测试的测试关键点。具体是根据解析出来的实车数据，从环境场景、车辆情况、驾驶员操作以及系统状态等角度，再根据实车道路测试的整体情况，进而挖掘得到本次测试的侧重点，并将关键点分解到本次模拟仿真测试，作为模型在环仿真测试的测试关键点。
29.编写仿真测试案例，是指导仿真测试的方案，案例中必须要包含需求的功能点、测试的开始条件、通过标准等信息。
30.仿真测试验证，是模拟实车的测试环境后，运用模型在环仿真测试的方法验证测试的重点，并生成仿真测试结果。
31.仿真测试结果与路试数据对比，主要是将模型在环仿真测试得到的测试数据与车辆路试测试数据进行对比，经过大量的反复测试后，不断完善仿真测试的模型，直至两种测试方法的数据重合度一致。