MATLAB/RoadRunner的三种自动驾驶场景建模方法及应用案例

仿真工作在自动驾驶系统的开发过程种发挥了重要的作用，可以有效降低开发成本，提高开发效率和安全性。在仿真工作中，如何构建合适的仿真场景对于自动驾驶的功能和性能开发极为关键，“合适的仿真场景”是指场景的复杂度、丰富度、真实度等因素满足系统的仿真要求。在自动驾驶开发的不同开发阶段，对于仿真场景的要求也不同：

1. 在算法开发的早期阶段，主要目标是验证算法的有效性，重点是针对单一的特定场景进行算法开发和优化，提升系统的特定功能和性能，所以自定义的离散场景即可满足要求。
2. 在算法开发的中期阶段，主要目标是验证算法的通用性，重点是在连续的多交通场景中提升系统的整体性能，此时可以利用真实交通环境的场景数据进行离线仿真。
3. 在算法开发的后期阶段，主要目标是验证算法的实用性，重点是在实时的、真实的交通场景中进行在线仿真，确保系统上车后，在实时的交通环境中能够具有足够好的功能和性能，此时需要利用时空在线的数字孪生场景数据，以满足仿真的实时性。

针对上述三个阶段对于仿真场景的需求，本报告描述苏州金龙是如何利用MATLAB®和RoadRunner软件，在不同的阶段进行场景建模的方法，以及相应的应用案例，主要内容包括：

1. 基于标准和法规进行场景建模的方法及案例。该方法通过自定义离散的交通场景，对自动驾驶系统进行基础的功能验证，以满足相关标准、法规的功能要求。该场景的数据主要来源于现有的标准、评价规程等，如ISO、NHTSA、E-NCAP、C-NCAP等多项标准。参考上述标准的要求，我们在MATLAB 和 RoadRunner 软件中搭建了用于验证 AEB、ACC、LKA等智能驾驶功能的离散场景库，从而可重复验证和优化相关的算法。
2. 基于实车数据进行场景建模的方法及案例。该方法基于车载传感器所获得的交通环境感知结果，在MATLAB 和 RoadRunner 软件中读取感知结果，建立交通参与者属性正正确、可视化效果良好，且接近真实交通环境的连续场景模型，可离线模拟高度真实的交通环境，更全方面地测试和优化自动驾驶系统。该方法中，利用MATLAB开发了针对感知数据进行格式转换、读取、滤波、筛选等处理操作的自动化程序，实现了基于感知数据进行场景建模的一键自动化实现。
3. 基于数字孪生数据进行实时场景建模的方法与案例。该方法利用车路云协同技术，基于云控平台中的实时数字孪生数据，在MATLAB 和 RoadRunner软件中搭建与物理世界时空同步的仿真场景，所获得的仿真场景元素与真实世界的元素在时间和空间上同步，场景元素与真实的物理世界一致，可以最全面地模拟自动驾驶系统在真实物理世界中的表现，充分验证功能和性能。
4. 基于MATLAB和RoadRunner，苏州金龙进行了针对自动驾驶巴士和无人环卫作业车的场景建模。结合Simulink^®、Automated Driving Toolbox™、Navigation Toolbox™、Optimization Toolbox™、Embedded Coder®等模块和工具箱，将场景建模应用于规划控制算法的开发、仿真和优化，有效提高了自动驾驶的技术水平，加快了算法应用，提高了开发效率，降低了开发成本，打造了功能完善、性能优良的自动驾驶产品。