編者按   如何實現(xiàn)對智能網(wǎng)聯(lián)汽車（VUT/SUT）與兩輪車之間的雙向交互過程的仿真，尤其是在城市道路中交叉口場景強交互情景（軌跡交叉）下的仿真，是我們此次想探討的話題。從這種交通沖突的暴露率和危害率等角度看，仿真測試的必要性毋庸置疑。從相關(guān)研究現(xiàn)狀的角度看，能夠?qū)崿F(xiàn)強交互模擬的兩輪車行為模型的發(fā)展遠滯后于同類的車輛行為模型（駕駛員模型）和行人運動模型。本文基于對中國城市路口自然駕駛數(shù)據(jù)的分析，和對仿真環(huán)境的適配要求分析，對傳統(tǒng)社會力模型進行了改進設(shè)計，并基于數(shù)值模擬和仿真模擬分析了新模型（ISFM）的效果，初步探索了其在測試應(yīng)用上的潛力。  

內(nèi)容概覽  

1. 引言

2. 目標：兩輪車與汽車的交互行為

3. 示例：現(xiàn)有方法仿真測試表現(xiàn)

4. 示例：改進社會力模型仿真測試表現(xiàn)

5. 展望

編者：劉鎮(zhèn)源 陳君毅

1、引言

2023年11月我國正式發(fā)布了《關(guān)于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》。然而，隨著試點工作的開展，目前智能網(wǎng)聯(lián)汽車（Intelligent Connected Vehicles，ICV）與現(xiàn)實世界中的動態(tài)交通參與者的交互表現(xiàn)，尤其是行為多變的兩輪車，尚不令人滿意。

兩輪車在交通系統(tǒng)中的現(xiàn)狀：

暴露率高：兩輪車是交通系統(tǒng)的重要組成。僅中國，自行車和電動兩輪車的保有量已超過4億輛，且未來仍有不小的上升空間
易受到傷害：2021年全球交通事故中兩輪車駕駛員死亡占比約達35%行為不確定性高：部分兩輪車駕駛員在通勤和送外賣等情況時，會做出闖紅燈行駛（速度不確定），從擁堵車流中穿梭（軌跡不確定）等行為

綜上，高級別ICV在面臨由兩輪車構(gòu)成的復(fù)雜真實交通環(huán)境時，如何保證安全，且平衡效率和舒適等各方面性能，成為了目前亟待解決的問題。因此，有必要在這類場景下開展對ICV的測評。然而，現(xiàn)有測試法規(guī)中如E-NCAP，C-ICAP等，測試過程為汽車與預(yù)定義軌跡兩輪車的單向交互，顯然不能夠反映真實世界中兩輪車實時變化的情況。所以，有必要在測試任務(wù)中復(fù)現(xiàn)真實世界的兩輪車運動行為，即構(gòu)建兩輪車運動行為模型，實現(xiàn)被測汽車與兩輪車的雙向交互，以支撐更為全面和合理的測試結(jié)果。

2、兩輪車與汽車的交互行為

下面兩個動圖展示了真實交通環(huán)境中，兩輪車與汽車發(fā)生強交互時的兩種不同決策行為：超車和避讓。

超車：在遇到汽車時，兩輪車速度增加或不變，有時其運動方向朝汽車頭部方向偏移（以保證足夠的超車空間），優(yōu)先于汽車通過沖突點

避讓：在遇到汽車時，兩輪車速度減小或不變，有時其運動方向朝汽車尾部方向偏移（以保證一定的通行效率），落后于汽車通過沖突點

圖2 超車：兩輪車從車頭前方超車

圖3 避讓：兩輪車從汽車尾部避讓

以上是兩輪車與汽車在真實世界發(fā)生強交互時的兩種不同決策行為，在仿真環(huán)境中對兩輪車運動行為建模時，需要注意模型能否對真實行為進行良好的復(fù)現(xiàn)。

3、現(xiàn)有方法仿真測試表現(xiàn)

圖4 強交互場景示意圖

3.1 方法一：軌跡預(yù)定義

軌跡預(yù)定義的兩輪車與Apollo的交互過程如下所示。這是典型的單向交互過程中，即Apollo的行為會根據(jù)兩輪車的行為做出響應(yīng)，但兩輪車的行為不會隨場景中汽車行為的改變而改變。重播 方法一：軌跡預(yù)定義的仿真測試表現(xiàn)從視頻中可以看到，無論汽車距離兩輪車多近多遠，或是汽車是否有過減速動作，兩輪車都只能以預(yù)定義的方式運動。這種單向交互的測試方法雖然簡單直觀且完全可重復(fù)，但其既不能體現(xiàn)出兩輪車在交互時的特點（無真實性），又受限于具體場景（缺乏泛化性）。

3.2 方法二：簡單規(guī)則模型

與方法一不同，簡單規(guī)則模型能夠與Apollo實現(xiàn)雙向交互，即兩者自身的行為會隨著對方的改變而改變，具體雙向交互過程如下所示。重播 方法二：簡單規(guī)則模型的仿真測試表現(xiàn)

從視頻中可以看到，規(guī)則模型待汽車完全通過后才開始行駛，過于保守。這類模型只能在滿足規(guī)則設(shè)定的情況下做出相對合理的行為（如直路場景），而在更為復(fù)雜的交叉口場景，規(guī)則驅(qū)動的模型則凸顯出在雙向交互中真實度較低的問題。因此，這種仿真方法難以模擬復(fù)雜的雙向交互過程，真實性較差。

綜上，現(xiàn)有兩種方法僅能在特定情況下進行應(yīng)用，對于高級別ICV的測試需求無法滿足。

4、改進社會力模型仿真測試表現(xiàn)

4.1 方法三：改進社會力模型（ISFM）測試表現(xiàn)

社會力模型（Social Force Model，SFM）最初被用于行人運動建模，其基于物理學中的粒子模型思想，是對社會系統(tǒng)中個體之間的相互作用和行為演化過程建模的一種方法。

在此基礎(chǔ)上，我們結(jié)合對真實交互過程的觀察和對仿真環(huán)境適配要求的分析，對傳統(tǒng)社會力模型進行了改進設(shè)計，提出了改進社會力模型（Improved Social Force Model，ISFM），其在仿真中的雙向交互過程如下面的視頻所示（起始條件與第3節(jié)的設(shè)定保持一致）。

方法三：改進社會力模型的仿真測試過程

從視頻中可以看到，ISFM在遇到汽車前正常行駛，遇到汽車時進行一定的減速，同時朝車尾方向偏移，能夠良好復(fù)現(xiàn)真實世界中兩輪車的避讓行為，實現(xiàn)了測試過程中較為真實的雙向交互。

具體地，三種方法的速度對比曲線如下所示，能夠看到ISFM具有合理的速度波動產(chǎn)生。

圖5 軌跡預(yù)定義、規(guī)則模型與ISFM的速度曲線對比

4.2 傳統(tǒng)社會力模型介紹、分析與驗證

社會力模型采用牛頓力學的思想，將可能對個體有影響的對象抽象為一種「社會力」，如目標地點帶來的「領(lǐng)航力」，汽車帶來的「汽車力」等。

傳統(tǒng)社會力模型的社會力類型及作用：

領(lǐng)航力：驅(qū)動個體前往目標地點

邊界力：將個體的運動約束在一定范圍內(nèi)汽車力、其他兩輪車力：相互排斥、避免碰撞

傳統(tǒng)社會力模型中，兩輪車直行通過路口時，其可能受到的社會力如下圖所示。

圖6 傳統(tǒng)社會力模型概念圖

在傳統(tǒng)社會力模型中，兩輪車受到的汽車力為兩點間斥力的形式，這會使得兩輪車速度下降的同時方向朝車頭方向偏離，造成與真實行為相矛盾的情況發(fā)生，下面的動圖展示了傳統(tǒng)社會力模型的交互過程。

4.3 改進社會力模型介紹、分析與驗證

經(jīng)過上述分析，傳統(tǒng)社會力模型在強交互場景中表現(xiàn)與真實結(jié)果差異較大的原因是汽車力的設(shè)計不合理，因此，在ISFM中對「汽車力」進行了重新設(shè)計，如下圖所示。

圖8 改進社會力模型（ISFM）概念圖

在ISFM中，汽車力由避讓力和超車力兩部分組成，介紹如下：

避讓力：兩輪車縱向減速，橫向朝車尾偏移

超車力：在滿足超車條件時（兩輪車速度大于汽車速度），兩輪車縱向加速，橫向朝車頭偏移

其中，為了更合理的復(fù)現(xiàn)真實交互行為，與橫向相關(guān)的力設(shè)置了一個生效范圍，當且僅當汽車出現(xiàn)在范圍內(nèi)時，該橫向相關(guān)的力生效。

圖9 避讓力示意圖

圖10 超車力示意圖

關(guān)于ISFM更詳細的介紹，感興趣的讀者可以檢索文章題目[2]進行查閱。

同4.2小節(jié)展示的真實交互案例，ISFM的交互過程如下所示，可以看到ISFM能夠在一定程度上復(fù)現(xiàn)兩輪車的真實行為。

改進社會力模型（ISFM）交互與真實交互結(jié)果對比(模擬結(jié)果與真實結(jié)果一致性高)

4.4 改進社會力模型測試過程分析

本小節(jié)將對ISFM的仿真交互過程進行進一步的分析。需要說明的是，為了使得ISFM的輸出能夠與仿真軟件中接收的控制信號合理匹配，ISFM中與橫向相關(guān)的力都以前輪轉(zhuǎn)角的形式解算，與縱向相關(guān)的力仍以縱向加速度的形式解算。

場景1/避讓場景：兩輪車由ISFM控制，初速度為10km/h，汽車以18km/h勻速左轉(zhuǎn)。重播 避讓場景：改進兩輪車社會力模型（ISFM）避讓汽車

上述交互過程中，各時刻下汽車力和導(dǎo)航力的具體信息如下圖所示。從圖中可以明顯看到，隨著汽車與兩輪車之間的距離不斷靠近，兩輪車縱向減速度逐漸增大，同時隨著汽車力（轉(zhuǎn)角）開始作用，兩輪車也朝著汽車尾部方向偏移，有效地解釋了模型運動過程。

圖12 避讓行為：各時刻下兩輪車所受到的社會力

場景2/超車場景：兩輪車由ISFM控制，初速度為15km/h，汽車以10km/h勻速行駛。重播 超車場景：改進兩輪車社會力模型（ISFM）超過汽車下圖也同樣展示了該場景下兩輪車各時刻所受到的社會力信息，表明較高速度下的兩輪車所受到的汽車力并沒有一味地使其減速、避讓，兩輪車也能夠?qū)崿F(xiàn)加速、超車的動作。

圖13 超車行為：各時刻下兩輪車所受到的社會力

5、總結(jié)與展望

城市道路中的兩輪車行為復(fù)雜，軌跡多變，很多人類駕駛員對其的軌跡預(yù)測也時常面臨挑戰(zhàn)，未來高級別ICV的落地也必然要面臨與兩輪車交互的難題，而測試是解決和驗證交互過程的必由之路。

本文針對強交互場景，首先探討了現(xiàn)有測試方法的局限性，并在同樣的場景設(shè)置下，對比分析改進社會力模型（ISFM）的仿真測試表現(xiàn)，體現(xiàn)了ISFM和Apollo在測試中的雙向交互潛力。最后，展示了避讓和超車的兩個交互實例并更具體地呈現(xiàn)了ISFM在交互過程中的社會力變化情況。

在未來，有更多的兩輪車交互行為及場景期待被復(fù)現(xiàn)，如兩輪車轉(zhuǎn)彎，兩輪車集群通過路口，兩輪車從擁堵的車流中穿梭等等。此外，研究人員可以使用潛力更大的方法（如機器學習、大語言模型）對復(fù)雜的兩輪車運動行為進行建模，進而有效地支撐高級別ICV性能的測試和驗證。

6、致謝

感謝HEXAGON & MSC Software提供的自動駕駛仿真軟件VTD的支持

感謝sinD團隊[3]提供的十字路口軌跡數(shù)據(jù)集（http://github.com/SOTIF-AVLab/SinD）

感謝計算機科學與技術(shù)學院、土木工程學院和汽車學院的三位本科生同學（王麒懿、秦蛟和王俊杰同學）在模型優(yōu)化、數(shù)據(jù)處理和仿真接入等方面的研究貢獻

參考文獻：

[1] BAIDU: Apollo. [EB/OL]. [2024-11-19]. https://apollo.baidu.com/(2024). 

[2] Liu Z, Zhong N, Chen J, et al. A modeling method for two-dimensional two-wheeler driving behavior during severe conflict interaction at intersections[J]. Accident Analysis & Prevention, 2024, 205: 107668.

[3] Xu Y, Shao W, Li J, et al. SIND: A Drone Dataset at Signalized Intersection in China[C]//2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2022: 2471-2478.

責編丨高炳釗