周 龍，王國慶，楊 康，黃 鑫

（長安大學工程機械學院，西安710064）

0 引 言

最早的虛擬駕駛系統(tǒng)主要應用在航空航天領域，用來對飛機駕駛員進行培訓，以此來降低飛行訓練的危險系數以及訓練成本［1］。近年來，隨著計算機圖形技術和仿真技術的發(fā)展，以及全世界汽車保有量的迅速提高，無人車虛擬駕駛系統(tǒng)應運而生［2］。國內外都對虛擬駕駛系統(tǒng)進行了深入的研究：文獻［3］建立了自主車行駛的虛擬環(huán)境及典型障礙物模型；文獻［4］建立復雜道路口的三維虛擬場景和實現了場景的指定路徑漫游，并將其運用于車輛導航系統(tǒng)；文獻［5］采用三維圖像技術結合虛擬儀表技術推出了模擬駕駛培訓系統(tǒng)；文獻［6］開發(fā)了低成本計算機上的分布式駕駛模擬技術，完成3D環(huán)境和車輛的重復數據采集；文獻［7］設計了逼真的虛擬場景以及車輛動力學模型，使用戶通過轉向、離合、油門等操縱機構駕駛控制車輛，通過場景中車輛模型的運動姿態(tài)控制四自由度的運動平臺，實現人機交互。

然而現階段虛擬駕駛系統(tǒng)只是單純地作為演示或者駕駛培訓系統(tǒng)，并沒有真正發(fā)揮虛擬系統(tǒng)的潛在價值。因此，提出一種面向人類智慧提取的無人車虛擬訓練系統(tǒng)，通過搭建虛擬場景記錄人類操控車輛的數據信息，提取人類的駕駛智慧。系統(tǒng)大幅降低了無人車研發(fā)成本、縮短研發(fā)周期、降低安全風險。同時虛擬訓練系統(tǒng)可運行于多個主流平臺。

1 人類智慧提取的整體思路

人類在駕駛車輛過程中，利用人類感官判斷車輛與周圍環(huán)境的相對速度、方向、距離等信息，根據信息變換相應的駕駛動作，操控車輛行駛。而無人車在研發(fā)過程中，控制程序復雜，需要在不同的場景下進行長時間的道路測試。如果將人類的駕駛智慧應用于無人車的研發(fā)，將在保證可靠性的同時極大簡化研發(fā)流程。但人類操控車輛的智慧是難以定量表達的，如果采用數學建模分析人類駕駛技能，過程復雜。為提取人類駕駛模式，提出一種面向人類智慧提取的無人車虛擬訓練系統(tǒng)。

在虛擬場景中，駕駛員操控無人車行駛，不斷變換的虛擬場景使駕駛員沉浸其中，駕駛員根據虛擬場景中反饋的道路、車輛位置和障礙物等信息，不斷變換相應的駕駛動作，與此同時，虛擬傳感器記錄相關數據信息，達到對車輛進行訓練的目的。通過對人類駕駛數據的處理與分析，形成人類操控車輛的數據模版，再將數據模版輸入無人車控制器，最終實現對無人車的控制，其整體設計思路如圖1所示。

圖1 人類智慧提取的整體思路Fig.1 The overall idea of human intelligence extraction

2 系統(tǒng)整體架構

系統(tǒng)提出面向人類智慧提取的無人車虛擬訓練系統(tǒng)架構如圖2所示。

由圖2可見，系統(tǒng)主要由虛擬場景、車輛動力學模型、虛擬駕駛及智能化驅動算法三部分構成。

其中，利用Unity3D引擎開發(fā)具有高度沉浸感的都市虛擬場景，為數據采集豐富的場景信息；車輛動力學建模部分綜合考慮車輛的驅動、制動和轉向三個方面，簡化車輛動力學并建立車輛動力學模型，模擬真實的駕駛感；虛擬駕駛和智能化驅動算法部分將對車輛動力學模型的分析進行腳本化，從而通過腳本控制場景中的車輛運動。

圖2 虛擬訓練系統(tǒng)整體架構Fig.2 The overall architecture of virtual training system

3 虛擬場景搭建

當前，都市場景中面臨更復雜的交通狀況，以現代都市為背景，基于層次細節(jié)技術和視景分塊調度技術，搭建具有高度真實感的虛擬場景。對此可得闡釋分述如下。

3.1 公路交通網絡

在城市交通網絡規(guī)劃中，按照公路建設標準建模，設計了道路交通標識、交通信號燈、護欄、人行道等公路元素。為豐富駕駛場景，還設計了“S”型彎道、“U”型彎道和立交橋。不同類型的道路模型如圖3所示。

圖3 不同類型的道路模型Fig.3 The different types of roads

3.2 城市建筑

在城市建筑群的搭建中采用 LOD（Level Of Detail）技術。根據攝像機距離景物的遠近，使物體的網格具有不同的細節(jié)層次。當物體距攝像機遠時，顯示物體低細節(jié)網格，反之，顯示物體高細節(jié)網格。場景中某一建筑物的2個層次網格模型如圖4所示。該技術降低平臺對硬件的要求，提升平臺運行流暢度。同時，虛擬場景中還包括街道場景及其各類附屬物，為駕駛數據采集提供豐富的場景信息。

圖4 同一建筑不同細節(jié)層次網格模型Fig.4 Grids of different detail levels of the same building

3.3 交通信號燈

交通信號燈是現代交通中的重要組成元素，系統(tǒng)設計了常用的機動車信號燈和人行橫道信號燈。信號燈的時序變換是信號燈設計的關鍵，以十字路口為例，將其分為橫向車道和縱向車道，則將十字路口機動車信號燈時序變換分為4個狀態(tài)，依次循環(huán)，變換順序見表1。

表1 十字路口交通信號燈的變換順序Tab.1 Change order of traffic lights at crossroads

其中，橫向車道的2個機動車信號燈的紅燈時長為T0+T1，綠燈時長為T2，黃燈時長為T3；縱向車道的2個機動車信號燈的紅燈時長為T2+T3，綠燈時長為T0，黃燈時長為T1，由此設計出機動車信號燈時序變換的關鍵函數詳見如下。

private IEnumeratorChangeToGreenA（floatdelay）｛

yield return newWaitForSeconds（delay）；／／黃燈延時

ChangeGreenA（）；／／切換綠燈

StartCoroutine（ChangeToYellowA（Managers.TrafficLights.green_time）／／設置綠燈時間

｝

3.4 路燈照明系統(tǒng)

路燈在都市交通中發(fā)揮著重要作用，為模擬路燈真實照明效果，每個路燈都包含一個點光源（Point）和一個圓錐形的燈光網格模型（LightShape），改變路燈的enabled屬性可控制路燈的亮滅，路燈照明效果如圖5所示。

圖5 路燈夜晚照明效果Fig.5 Lighting effect of street lamps at night

3.5 天氣管理系統(tǒng)

駕駛員的駕駛行為與天氣狀況有很大關系，天氣管理系統(tǒng)能模擬一天中早、中、晚等不同時段的云和光線的變化。還能模擬下雨、下雪、大霧等不同的天氣環(huán)境，并配有雨聲、風聲、雷電聲等相關音效，豐富了駕駛員的駕駛體驗。

系統(tǒng)中的降雨和降雪利用粒子系統(tǒng)（Particle System）實現。如果將雨雪效果覆蓋整個場景，會大大降低系統(tǒng)運行效率，因此將粒子發(fā)射器在以車輛為圓心，半徑25 m的圓形區(qū)域內產生雨雪效果，節(jié)省系統(tǒng)資源。

霧天采用霧效模擬實現，其原理是依據平臺中景物與攝像機的遠近，將物體的顏色和霧的顏色按一定比例混合成新的顏色。假設場景中任意像素原本顏色為Ci，霧效顏色為Cf，霧效果影響因數為f，則該像素點經過霧效果處理后的顏色C為：

其中，Ci與Cf為常數，霧效果的實現主要通過改變影響因數f，其取值范圍是0～1。f的值由場景中的攝像機與物體距離來確定。當攝像機與物體距離越遠，f值越小，即該處像素點的顏色越接近霧色；當攝像機與物體距離越近，f值越接近1，即該像素點顏色越接近物體本來的顏色。

霧效果的影響因數f用二次指數模式（Exponential Squared）計算，公式如下：

其中，D表示霧的濃度，z表示攝像機距物體的距離。

分析可見，使用二次指數模式模擬霧效，f隨z變化速度更快，霧效變化明顯。

4 車輛的動力學建模

為模擬車輛的真實行駛狀況，對車輛的橫向和縱向動力學進行分析，考慮車輛的驅動、制動和轉向部分，建立車輛的動力學模型。車輛的驅動動力學分析如圖6所示。

圖6 車輛正常行駛受力分析Fig.6 The stress analysis of vehicles in normal driving

由以上分析以及牛頓第二定律可知，車輛在正常行駛時的運動學方程為：

其中，M為車輛的總質量；v為車輛的速度；t為車輛行駛時間；Ft為車輛驅動力；Ff為滾動阻力；Da為空氣阻力；Fa為加速阻力；Fθ為坡度阻力。

5 虛擬駕駛及智能化驅動算法

為模擬真實駕駛場景，給計算機控制的車輛和行人設計智能化驅動算法，使車輛和行人在虛擬場景中自由運動，實現整個系統(tǒng)的信息交互。這里，將給出分析闡述如下。

5.1 車輛運動模擬

碰撞檢測技術是虛擬對象之間產生物理現象的基礎，也是車輛運動模擬的關鍵部分。利用層次包圍盒算法來檢測車輛與建筑、植被等模型之間的碰撞。給車輛模型添加碰撞體組件（Collider）、剛體組件（Rigidbody）以及車輪碰撞器（WheelCollider），使模型由靜態(tài)碰撞體變?yōu)閯討B(tài)碰撞體。此時模型可接受外力或外力矩，便能檢驗碰撞是否發(fā)生。但僅用這些組件來模擬車輛行駛，其效果遠不如真實車輛，因此本系統(tǒng)以這些組件為基礎，將對車輛運動學分析的解算通過腳本的形式與這些組件相結合，然后加入車輛傳動系統(tǒng)模型，從而模擬出真實車輛的性能。車輛運動模擬的主要函數詳見如下。

voidUpdate（ ）｛

……

Inputs（ ）；／／獲取用戶輸入信息

GearBox（ ）；／／車輛變速箱模擬

Clutch（ ）；／／車輛離合器模擬

Sounds（）；／／車輛殷勤，制動等聲音模擬

ResetCar（）；／／重置車輛

……

｝

voidFixedUpdate（ ）｛

……

Engine（）；／／車輛引擎驅動力模擬

Braking（）；／／車輛制動力模擬

AntiRollBars（ ）；／／車輛平衡桿模擬

SteerHelper（ ）；／／車輛轉向角度模擬

rigid centerOfMass＝transform.InverseTransform Point（COM.transform.position）；／／設置車輛的重心

5.2 車輛的跟隨攝像機設計

為使駕駛員直接觀察到車輛的運動狀態(tài)，對車輛的跟隨攝像機設計了3種視角。為攝像機編寫腳本，實現攝像機相對于車輛的伴隨性移動，方便用戶觀察周邊環(huán)境。

5.3 智能化驅動算法

車輛智能化驅動算法使計算機控制的車輛實現自主尋路、自動檢測信號燈、自主超車等功能。算法的主要函數詳見如下。

voidFixedUpdate（ ）｛

Engine（ ）；／／引擎控制

Navigation（ ）；／／路徑規(guī)劃

FixedRaycasts（ ）；

if（trafficLight?。絥ull）

TrafficLightStatus（ ）；

Resetting（ ）；／／碰撞倒車

AntiRollBars（ ）；

｝

給計算機控制的車輛掛載Navigation組件，并設置目標點，車輛便會根據目標點自動避開障礙物來尋找最短路徑。將公路網絡的屬性設置為“Navigation Static”，調整相關參數對道路進行“Bake（烘培）”，車輛可以在公路網絡上進行導航。導航軌跡如圖7所示。計算機控制的車輛到達信號燈檢測區(qū)域后，自動檢測前方交通信號燈狀態(tài)，并按照交通規(guī)則行駛。同時，車輛在行駛的過程中實時向前方0°、右前方10°、右前方20°以及右方90°發(fā)射4條射線，檢測并判斷其它車輛的位置，實現自主超車。將車輛的層（Layer）屬性設置為“Vehicle”，將射線的觸發(fā)層設置為“Vehicle”，避免射線檢測到非車輛物體被觸發(fā)。

圖7 車輛導航網絡Fig.7 The vehicle navigation network

行人智能化驅動算法使行人通過在行走時產生隨機數來生成動態(tài)漫游路線，同時利用動畫組件進行條件判斷使行人播放行走或者空閑等待動畫。

6 系統(tǒng)測試

對車輛仿真進行測試，給車輛設置不同參數，可以仿真不同的車輛類型，極大提高了平臺的拓展性。將車輛最高時速設置為140 km／h，驅動方式為前輪驅動。分別測試最大驅動扭矩為150 N·m、200 N·m和230 N·m時車輛的加速過程曲線如圖8所示，可驗證車輛符合實際加速過程。

圖8 不同驅動扭矩時車輛的加速過程曲線Fig.8 The acceleraion process of vehicles with different driving torque

對系統(tǒng)進行交互測試，虛擬傳感器能準確記錄車輛與周圍環(huán)境的交互數據及人類面對不同狀況的判斷動作。其記錄的車輛速度，及車輛距車道左右標線距離如圖9所示。

圖9 虛擬傳感器記錄的部分數據信息Fig.9 The partial data recorded by virtual sensors

7 結束語

針對現階段無人車研發(fā)面臨的迫切問題，創(chuàng)造性地提出一種面向人類智慧提取的無人車虛擬訓練系統(tǒng)。完成了系統(tǒng)的搭建，并進行了單元測試和集測試，測試結果表明，該系統(tǒng)立體沉浸感強，可靠性高，呈現出良好的交互效果，能有效收集人類駕駛車輛的數據信息，為推動無人車更好的發(fā)展提供了一個切實可行的新方案，具有可觀的發(fā)展前景。