文末附下載方式

摘要

本白皮書討論了自動代客泊車 (AVP) 系統(tǒng)的發(fā)展，以及制定詳盡的測試場景并在所有可能的條件下驗證 AVP 系統(tǒng)所面臨的挑戰(zhàn)。本文還強調了開發(fā)自動代客泊車功能的若干關鍵需求。

簡介

乘用車的自動代客泊車系統(tǒng)將成為首批進入市場的“無人駕駛” 車輛應用之一。這些系統(tǒng)的推廣將有助于減少交通擁堵，優(yōu)化現(xiàn)有停車位的使用情況，提高燃油經(jīng)濟性，助力駕駛員輕松駕駛。AVP 系統(tǒng)的發(fā)展需要管理安全性并確保提供可靠的解決方案，以應對復雜的交通狀況并綜合考慮由于狹窄的停車位、障礙物、車輛動力學、天氣和其他干擾造成的各種情況。本白皮書基于 OEM 和一級供應商資助的研究和項目經(jīng)驗，重點介紹開發(fā)自動代客泊車功能的一些關鍵要求：?  一個精準的虛擬框架，用于測試和驗證系統(tǒng)和算法，并確定需進行進一步物理驗證的一組簡化關鍵場景?  集成在可用的實體系統(tǒng)和車輛框架中?  持續(xù)滿足功能、性能和安全需求。

需求和測試場景

我們需要定義一套完整的測試場景來驗證 AVP 系統(tǒng)。這些場景在很大程度上取決于環(huán)境（停車場、倉庫、車輛產線終端等），這些環(huán)境將作為用例來推動系統(tǒng)的需求。測試場景包括正常情況和故障情況（例如傳感器故障或傳感器信號的噪聲）。初始場景直接來源于需求和預期場景，系統(tǒng)必須在其中成功運行。

每種場景都應考慮大量的條件和參數(shù)。例如，執(zhí)行停車操作時，應考慮：1) 本車輛的開始和結束位置增量；2) 車輛方向（例如，與道路方向平行或成不同角度，向著停車位的左側或右側）；3) 引入其他行為者（例如行人和車輛）。每個場景還需要定義車輛在不同子場景下的反應（例如，在行人過馬路時停下來等待）。ISO 26262 標準涵蓋了車輛電氣和/ 或電子系統(tǒng)的功能安全性，并支持安全相關條件的定義。然而，它無法像 AVP那樣完全解決更高級別的自動駕駛問題。AVP 系統(tǒng)可能會在非故障條件下造成危險情況，對其他行為者造成傷害。要解決這一缺陷，可以應用 ISO/PAS 21448（預期功能的安全性 (SOTIF) 分析）， 以確保不存在 ISO 262626 第 3部分所列危險分析和風險評估 (HARA) 未識別出的“技術安全需求缺失”。系統(tǒng)- 理論流程分析 (STPA) 則針對可能導致識別潛在危險（“已知不安全” 情況）的外部事件和內部流程控制操作。STPA 方法以結構化的方式獲取安全需求并確定測試用例。這種方法豐富了初始安全需求和測試用例集，而這可能是使用傳統(tǒng)危險分析技術無法實現(xiàn)的。AVP 驗證和確認的場景可以通過不同的來源來確定，包括現(xiàn)有標準、公共文獻、真實駕駛數(shù)據(jù)、事故數(shù)據(jù)庫等。測試用例的生成流程是迭代、遞歸的：在整個系統(tǒng)開發(fā)流程中都需要修改測試場景。借助虛擬框架，我們可以基于眾多參數(shù)組合對這些用例進行測試，從而識別控制戰(zhàn)略失敗的給定場景中最關鍵的組合或實例。這種基于數(shù)值優(yōu)化（使用 HEEDS ? 設計探索和優(yōu)化）的方法是由西門子工程團隊開發(fā)的，可以對控制戰(zhàn)略進行微調，重點關注最相關的實例。

STPA 針對可能導致識別潛在危險的外部事件和內部流程控制操作。此方法以結構化的方式獲取安全需求并確定測試用例

虛擬框架

虛擬框架有助于在大量測試條件下驗證系統(tǒng)性能。借助這一框架，用戶能夠：

?  根據(jù)機器學習算法評估一組傳感器（類型、數(shù)量、位置）以準確識別駕駛場景

?  在實際駕駛條件下檢查系統(tǒng)的行為

?  測試并驗證控制戰(zhàn)略和算法

?  識別關鍵場景的可管理子集，以進行系統(tǒng)的物理驗證和確認

虛擬框架有助于在大量測試條件下驗證系統(tǒng)性能
西門子 Simcenter ? 工程和咨詢服務已將此框架應用于先進駕駛輔助系統(tǒng) (ADAS) 和自動駕駛汽車開發(fā)的先前和當前項目中。需要擁有足夠保真度的模型以確保車輛、AVP 系統(tǒng)和環(huán)境的真實表現(xiàn)。還應考慮車輛動力學，因為它會影響系統(tǒng)的性能。其中可能包含多種保真度。在 Simcenter ?Amesim ? 軟件中，車輛離散分布，自由度有限（例如自由度為 15 ）。這是一種高效計算的方法，需要了解底盤的物理參數(shù)。如果不適用于這一情況，則開發(fā)一種逆向工程方法，根據(jù)在車輛上進行的一系列測試來識別這些參數(shù)。輪胎也是一個關鍵部件，在低速停車時尤其重要。Simcenter Tire MF-Swift 模型提供了可以與 Amesim 車輛模型結合使用的解決方案。Simcenter ? Prescan360 是用來代表靜態(tài)和動態(tài)場景的解決方案，允許使用不同保真度的傳感器模型，并定義和管理大量場景和條件。該框架與控制算法接口相連，并允許在虛擬環(huán)境中模擬真實的測試用例。Simcenter Engineering 已為各種 ADAS 和自動功能開發(fā)了感知、路徑規(guī)劃和控制算法。對于 AVP 而言，諸如 Hybrid A* 這樣的圖形搜索方法在大多數(shù)情況下都能成功找到合適的路徑。結合基于優(yōu)化的方法，上述圖形搜索算法可以推廣到多部車輛同時進行的分布式運動規(guī)劃中。關鍵情況下的碰撞避讓問題可以采用模型預測控制(MPC) 或其他基于模型的控制算法來解決，也可以結合基于人工智能的數(shù)據(jù)驅動方法，向經(jīng)驗豐富的駕駛員學習，提高控制精度。最后，“學習控制” 已被應用于重復場景的情況，如家庭或公寓停車。事實證明，它可以迭代提高控制性能（跟蹤、時間、燃油經(jīng)濟性和其他性能因素），同時確保滿足安全需求。

用于停車的混合 A* 路徑規(guī)劃算法示例

混合現(xiàn)實測試

APV 系統(tǒng)的開發(fā)人員必須驗證系統(tǒng)可以處理運行時面臨的極度復雜的環(huán)境和條件。其中包括大量無法在現(xiàn)實世界中全部測試的測試條件，例如各種行為者、車輛和行人。使用上述框架的虛擬測試有助于管理大量場景下的系統(tǒng)驗證?？梢栽谌杭蛟浦型瓿蛇@一大規(guī)模測試。為了縮小虛擬測試和現(xiàn)實測試之間的差距，該框架進行了擴展，可以在所謂的混合現(xiàn)實環(huán)境中進行測試和仿真組合，從而在實體系統(tǒng)可用時立即進行集成。在歐盟資助的ENABLE-S3 項目中，西門子和電裝公司合作進行了一項混合現(xiàn)實實驗，以演示這一方法。在此實驗中，一輛真實的汽車在空停車場中行駛。虛擬框架中則引入了虛擬行為者（靜態(tài)和動態(tài)車輛）。車輛傳感器檢測到虛擬行為者，就好像它們真實存在一樣。這為設置各種測試場景提供了更大的靈活性，同時在實體車輛上“安裝” 真實系統(tǒng)。西門子已經(jīng)進行了其他類型的混合現(xiàn)實實驗。認證機構也計劃在車輛認證流程中加入混合現(xiàn)實測試。

基于運行試驗的車輛動力學模型逆向工程流程

結論

本白皮書討論了 AVP 系統(tǒng)的發(fā)展，以及制定詳盡的測試場景并在所有可能的條件下驗證 AVP 系統(tǒng)所面臨的挑戰(zhàn)。同時討論了場景定義的流程，以確保覆蓋范圍最大化。隨后提出了一個虛擬框架，根據(jù)系統(tǒng)開發(fā)流程的多種情況，通過仿真來驗證系統(tǒng)。最后，本白皮書探討了將現(xiàn)實和虛擬測試集成到混合現(xiàn)實框架中的問題。借助這一功能，開發(fā)人員可以管理針對如此多情況的物理驗證的需求，并將最終驗證限制在數(shù)量較少的若干關鍵情況中。

包含實體車輛和虛擬靜態(tài)/ 動態(tài)行為者 (*) 的混合現(xiàn)實實驗

參考信息? “Mixed reality testing of multi-vehicle coordination in an automated valet parking environment” Accepted to the 21st IFAC – (International Federation of Automatic Control) World Congress in Berlin, Germany, July 12-17, 2020

? Son, T.D., Bhave A., and Van der Auweraer H., “Autonomous driving control in safety critical scenarios ”, JSAE 2019, Yokohama, Japan

? Son, T.D., Van der Auweraer H., and Van Herbruggen J., “Autonomous Valet Parking Planning and Control Developments”, JSAE 2018, Yokohama, Japan

? Son, T.D., Bhave A., Geluk T., and Van der Auweraer H., “Simulation-based testing framework for autonomous driving development”, IEEE 2019 International Conference on Mechatronics, Ilmenau, Mar. 2019

? Son, T.D., Awatsu L., Hubrechts J., Bhave A., and Van der Auweraer H., “A simulation-based verification and testing framework for ADAS development”, Transport Research Arena, Vienna, 2018

? Son, T.D., Quan N., “Safety-critical control for non-affine nonlinear systems with application on autonomous vehicle”, 58th IEEE Conference on Decision and Control, Nice, Dec. 2019

? A reference to Enable S3: https://www.enable-s3.eu/

識別二維碼原文下載：