随着自动驾驶技术的不断发展,自动驾驶技术对它所需要的测试场景数量也越来越大,对场景的复杂度和场景的多样性也有了进一步的提高.一方面,驾驶场景中的要素,例如气象、周边交通和道路情况,数量大而且变化多样,因此它们之间组合出来的场景数量通过道路采集数据也难以穷尽地采集.另一方面,为了丰富场景的多样性,应对突发情况,通常需要收集一些边界危险场景,但边界场景不能刻意去制造.原因是这不仅伤害了驾驶员也伤害了道路交通的其他参与者.因此基于驾驶场景的仿真模型构建是完善自动驾驶仿真测试的关键技术.本文提出了基于数字孪生的仿真模型并通过模型还原真实驾驶场景的构建方法,系统阐述了国内外研究工作的进展和现状,对数字孪生技术进行阐述,构建方法包括了基于物理规律建模和基于数据驱动的方式对行驶车辆进行建模.研究结果表明:从仿真模型设计到还原真实场景可以保证数据的多样性以及采集数据过程的安全性,降低研发成本并提高自动驾驶仿真测试的效率.
NETL
NSTL
万方数据
维普
