面向智能网联车的硬件在环仿真平台

陈子轩 马万经 郝若辰 戚新洲

（同济大学交通运输工程学院 上海 201804）

基金项目：国家战略性国际科技创新合作重点专项复杂环境下“一带一路”城市智能交通系统构建技术子课题：复杂环境下智能交通协同管控技术（2016YFE0206800）。

摘要：随着通信技术及人工智能技术的不断发展，交通智能化、网联化已经成为交通发展的必然趋势，本文针对目前对智能网联车（Intelligent and Connected Vehicle，ICV）在进行测试时存在的耗时长、费用高且测试场地复杂等问题，构建了基于VISSIM面向ICV的仿真平台，通过引入硬件在环仿真技术克服仿真场景和现实场景之间的差距和局限性，并在此基础上搭建算法接口模块以应对ICV多样化的控制需求，为方便用户对仿真算法及仿真车辆的评估，搭建了仿真SQL数据库评价模块并创新性地引入了执行度评价指标。最后，以目前较为成熟的协同自适应巡航控制（Cooperative Adaptive Cruise Control，CACC）算法为仿真目标，以上海市同济大学嘉定校区内嘉三路和李庄环路为基础路网建立仿真示例，验证仿真平台的有效性。

关键词：智能网联车；HiLS；执行度；TCP/IP 通信；地图匹配；VISSIM

Hardware-in-the-loop Simulation Testbed for Intelligent and Connected Vehicle

Chen Zixuan Ma Wanjing Hao Ruochen Qi Xinzhou

(College of Transportation Engineering， Tongji University， Shanghai 201804)

Abstract: With the rapid development of communication technology and artificial intelligence， networking and intelligentizing has become an inevitable trend of transportation development. Aiming at the problem that the current test of Intelligent and Connected Vehicle (ICV) is highly time-consuming ， costly and needs complex test sites this paper built a simulation platform for ICV based on VISSIM， through the hardware-in-the-loop simulation technology to overcome the gaps and limitations between the simulation scene and the real scene. On this basis we built the algorithm interface module to face the diverse control requirements of ICV. In order to facilitate the users’ evaluation of simulation algorithms and vehicles， a simulation SQL database evaluation module was built and an execution evaluation index was innovatively introduced. Finally， using the current mature Cooperative Adaptive Cruise Control (CACC) as the simulation goal， a simulation example was established based on Jiasan Road and Lizhuang Loop in Shanghai Tongji University Jiading Campus， which verified the simulation platform’s effectiveness.

Keywords: Intelligent and Connected Vehicle， Hardware-in-the-loop Simulation， TCP/IP， Map Matching， VISSIM

1 引言

近年，通信技术及人工智能技术发展迅速，交通逐渐走向智能化与网联化，国家高度重视交通产业的发展，2015年国务院发布《中国制造2025》，明确提出了智能网联汽车（Intelligent and Connected Vehicle，ICV）的概念，并计划在2025年基本建成自主的智能网联汽车产业链与智慧交通体系。智能网联车是产业创新、融合发展的产物，代表了未来交通发展的主流方向。智能网联车是以车辆为主体，融合现代通信与网络技术，使车辆与外部节点实现信息共享和控制协同，以达到安全、有序、高效、节能的新一代车辆系统，其增强了交通环境的整体性及安全性，将人、车、路融为一体，在这一过程中能减少90%由于驾驶员误操作产生的交通事故[1]，同时能够减少交通拥堵并改善环境质量。

中国汽车工业协会将智能网联车分为五个等级，目前国内多数企业的智能车还处在第二级，还有着巨大的发展空间[2]。但是巨大的发展空间并没有带动 ICV 的快速发展，很大程度上是因为目前我国对ICV的研究起步较晚，政策标准还在完成的过程中，同时，ICV的测试耗时长、费用高并且其对场地的测试要求较为复杂。

针对这一问题，需要结合仿真测试方法、硬件在环（HiL）和车辆在环（VEHiL）等仿真测试方法，以低成本、低风险、灵活的方式开展测试[3]。硬件在环仿真技术（Hardware-in-the-Loop Simulation， HiLS）是在仿真技术的基础上，将真实世界中的设备运行状态通过仿真环境的接口与仿真环境中的设备实现同步，把真实世界的不决定性引入仿真环境，以降低仿真环境与真实环境的差距和局限性，使仿真结果更加贴近现实。

在已有研究中，YUN I等通过信号机与计算机之间的CID设备，将信号机状态传入计算机后利用VISSIM二次开发技术将真实信号机状态与VISSIM内信号机状态同步，完成HiLS平台，对比了三种信号机在信号配时切换过程中的综合性能[4]；Yoo C等利用HiLS技术模拟了无人机对于空域中其他飞机的躲避操作，验证了在地面通信无故障的状态下，无人机对于入侵飞机规避动作的有效性[5]；Hwang T等利用CarSim建立车辆模型并通过Simulink实现与RT-Lab仿真软件的交互，成功搭建了汽车仿真平台，将车辆ECU作为硬件模块，以测试车辆ABS、TCS等关键模块的可靠性，系统同时可用于实现驾驶员在环仿真来测试驾驶员对于不同驾驶情景的反应[6]；O.J. Gietelink等利用Prescan程序搭建了车辆在环仿真平台，对智能车的预碰撞场景进行了建模[7]。可见，HiLS技术多用于测试费用高昂、测试环境危险的情况下，这符合我们对于ICV的测试情境。

在这一背景下，为了迎合快速仿真的需求，使用C#语言开发了基于VISSIM面向ICV的HiLS平台并取名为HiSim，开发HiSim具有以下重要意义：

① 为ICV测试提供新的途径，降低对测试环境的依赖。

② 模拟车辆危险环境，避免人员受伤，大大降低测试成本。

③ 助力ICV快速发展，为高校实验提供帮助。

2 HiSim理论基础

（1）VISSIM仿真器

VISSIM是由德国PTV公司开发的微观交通流仿真系统，其内部主要由交通仿真器和信号状态产生器构成，本研究主要利用其仿真器部分。仿真器通过在每一仿真步内移动每个仿真实体来实现交通流仿真，交通实体间的纵向运动采用了1974年由德国Karlsruhe大学Wiedemann教授建立的“心理—生理跟驰模型”，横向运动采用了基本规则（Rule-based）的算法。其精确程度很高且被业内一致认同，迎合了开发ICV仿真平台的仿真器需求。

（2）VISSIM COM组件与Driver Model模块

VISSIM提供了丰富的二次开发功能，本平台主要利用了COM组件与Driver Model模块。COM组件可以通过外部程序访问VISSIM，控制VISSIM的仿真，并能够在仿真过程中与VISSIM交互，读取和修改路网及车辆参数，这为实现HiSim提供了可靠的技术支持。Driver Model模块用于操纵VISSIM内部的驾驶模型，同时因为利用COM操控与实际运行会有偏差，因此利用Driver Model模块纠正驾驶参数，使仿真更加贴合真实情况。

（3）地图匹配技术

为了将ICV在真实环境下的位置对应到仿真路网中，需要将ICV传回的GPS数据转化为VISSIM可以读取的路段及路段位置数据，路网匹配的步骤为：

① 通过提前在百度地图上选点，记录各路段开始及结束的 GPS 坐标，并记录各路段行驶方向及路网拓扑关系，记录在txt文件内。

② 车辆进入路网在路段开始坐标集中不断搜寻，当某开始位置与当前位置距离小于5m时，将其路段加入候选路段集。

③ 通过车辆传回的方向角信息在候选路段集中搜索，方向相差一定角度内，匹配到开始路段。

④ 通过车辆行进位置与开始位置距离计算车辆在中的位置。

⑤ 通过路段拓扑关系及路段结束位置进行下一路段的匹配。

3 HiSim基础架构

硬件在环仿真的结构一般分为硬件、软件、接口三部分，HiSim平台结构如图1所示。

HiSim 仿真平台的主体是平台前端程序，前端程序集成通信模块、硬件在环模块、DLL 算法读取模块及VISSIM控制模块。平台打开后，用户将准备好的VISSIM路网文件、GPS标记点txt文件及算法DLL文件读入平台内部；仿真运行前，用户可利用平台快速调节一些参数，如仿真精度、车流量等信息；仿真开始后，平台建立与车载通信设备（星云互联NEBULA LINK通信设备）的连接，仿真路网内产生与真实车辆对应的HiLS车辆。在仿真每一步内，算法模块通过读取路网内所有算法所需的信息后产生所有车的控制信息，同时将对HiLS车辆未来的控制目标传递给真实车辆，真实车辆根据这一信息动作后，与其他仿真车辆的控制信息一起传递给VISSIM，并将这一过程中的所有信息储存入SQL数据库。然后，VISSIM继续将下一步信息传递到算法模块。Hisim仿真机理如图2所示。

在仿真过程中，ICV 依据仿真环境做出动态应对策略，可以有效避免危险动作，同时，HiSim 提供任意位置加车和减车功能，可模拟各种突发情况，也可在HiSim内部观察各个车辆的运行状态。

4 HiSim功能模块设计

（1）仿真控制模块

该模块利用VISSIM提供的COM组件编程，主要实现运行前的参数配置、运行时的实时监控和显示以及仿真运行控制（图3）。

运行前需要对仿真参数进行设定，如各路段车流量、HiLS车辆的起始路段及车型等；以及对起始信息地读取，如路网inp文件、GPS数据txt文件及算法DLL文件。

运行时可对仿真进行控制，如暂停仿真，继续仿真等；并可以在仿真的任意时刻添加和删除任意位置的车辆，同时在窗体的右边实时显示路网基础信息，如车辆速度、编号、加速度等。

（2）算法读取模块

该模块用于读取用户提供的DLL文件。

用户通过exe文件夹下的arithmetic文件夹内的C#项目编入算法，项目内定义好了用户所需的路网内所有的基础数据（如表1），包括所有车辆的跟车距离信息、变道信息、速度位置加速度信息、仿真周期精度信息和路网信息等，用户可利用这些信息通过算法计算得到每辆车的车道编号、位置及速度。

系统开启算法仿真模块后，程序自动寻找到所需的DLL文件，调用内部函数输入基础数据并读取计算出的车道编号、位置及速度信息。

（3）硬件在环模块

路侧设备获取其覆盖范围内的其他 OBE 通过 DSRC/LTE-V 传递的车辆信息，路侧的 RSE 通过TCP/IP协议通信与PC传递其获取的信息，车辆信息进行地图匹配操作后产生VISSIM可读取的位置信息。

通信设备采用NEBULA LINK双模通信设备，该设备内置DSRC、LTE-V通信技术，可以接收在此设备覆盖范围内的其他设备发送的车辆信息，同时NEBULA LINK可以发出WIFI信号，PC连接路侧机的Wi-Fi后可通过TCP/IP协议接收路侧机的信息，通过解包并提取其中的GPS数据、方向角、车辆编号及速度等信息，完成车辆位置在VISSIM内的同步更新，通信过程如图4所示。

平台在开启不同模块的情况下，提供的服务也不同，因此，可针对不同的仿真需求选择不同的模块。

① 当同时开启硬件在环模块和算法模块时，算法将仿真车辆的信息直接传递给每个路网中的车辆，将HiLS车辆的信息传递给实车，实车根据这些控制信息运行后，将运行后的车道编号、位置及速度传入VISSIM，实现实时同步（图5）。

② 当未开启硬件在环模块仅开启算法模块时，算法将直接控制整个仿真路网中的所有车辆（图6）。

③ 当硬件在环模块开启而算法模块关闭时，系统将按照VISSIM内部的驾驶模型运行，只有HiLS车辆实现实时通信，实时更新车辆信息（图7）。

（4）仿真评价模块

该模块用于快速读取本地数据库以完成算法评价及车辆执行度评价，为用户提供数据及图表支持（图8）。

算法评价：提供车辆空间平均车速、停车次数、延误时间等10项基础评价指标的计算，进一步提供空间平均速度变化曲线用以直观地观察。

车辆执行度评价：创新性的提供速度执行度与位置差值以评价ICV对算法的控制命令执行情况，可用于评估车辆控制模块或者ICV的性能。其中，速度执行度为在一次仿真过程中，每一仿真步长，实车的实际速度与理论速度之比：

位置差值为在一次仿真过程中，每一仿真步长，实车的实际位置与理论位置之差的绝对值：

由于这些值就描述的是每一仿真步内的情况，所以一般对整体仿真取平均值来研究车辆的执行情况。

5 HiSIm仿真案例

（1）CACC算法简介

协同自适应巡航控制（Cooperative Adaptive Cruise Control，CACC）算法不同于自适应巡航控制（Adaptive Cruise Control，ACC）算法通过车载设备检测前车行驶状态，而是应用V2V无线通信技术，由前车将速度与加速度等行驶状态信息发送至CACC车辆，一方面可有效缩短前车信息获取时延，另一方面能够获取精确度较高的前车加速度信息，使得CACC车辆可以保持较小的车间时距。

CACC跟驰模型如下：

式中，T=0.6s；k0 =1.1；k1=0.23；k2=0.07；x表示位置；v表示速度；a表示加速度；下标i表示当前车；下标i-1表示前车[9]。

在测试场地由于在学校内，所以设定最高车速不超过20km/h以保证安全。

（2）测试内容及过程

由于还没有智能网联车，因此只能将控制目标显示在HiSim主窗体上，通过驾驶员观察，来完成控制目标。

测试场地：嘉三路与李庄环路交叉口（图9）。

测试设备：EVCARD 共享电动车及NEBULA LINK通信设备。

仿真精度：10仿真步/仿真秒。

测试内容：真实车辆同步与HiLS车辆同步后，在其后加入5辆仿真车辆，真实车辆开始以20km/h的速度运行并所有车辆完成平稳跟驰后，在HiLS前方30m位置添加一辆速度为0的车辆作为障碍物，且添加后的车辆会根据CACC算法进行加速，再现CACC车队减速避障后再完成跟驰平衡的过程。

（3）测试结果

测试结果展示，在时间40s处添加障碍车。

表2描述了车辆减速的过程。当实车（第1辆）开始减速后，后车会继续行驶，当靠近到一定距离后开始减速，减速时延约为3s，减速的过程逐渐传递给后车。第2、3辆车开始减速时，第5辆车依旧正常行驶，并逐渐靠近前车，当减速的过程传递至第5辆车时（表2未显示），其开启减速行为。这符合CACC算法的规则，既保证了前后车的安全距离，又使道路拥有较高的通行能力。

图10为速度执行曲线，表示理论速度和实际速度的拟合程度。

平均执行度约为82%，由于是人为操作，因此执行度较差，未来更换为ICV可以大幅提高执行度水平。

6 结语

智能网联车车作为未来社会科技化发展的一个全新的研究方向，将车辆安全要求提高到了一个全新的位置，这使得智能网联车的各项测试成为了重中之重，面对昂贵的实验成本和复杂多变的测试场景，对智能网联车仿真的需求不断增长，本研究针对智能网联车，以VISSIM9.0仿真平台及其外部COM接口交互功能为基础，加入TCP/IP通信模块和外部接口功能，搭建智能网联车的硬件在环仿真平台，降低智能网联车的测试费用，并成功通过平台功能应用测试来对示例算法进行测试，为智能网联车的测试提供了新的途径。

本平台未来可加入V2V通信仿真模块以达到通信仿真的目的，可在此平台的基础上搭建多交叉口多车接入的HiLS平台，达到城市级网联仿真，以预测城市交通运行状况，为交通控制提供建议。

参考文献

［1］Bansal P，Kockelman K M.Are we ready to embrace connected and self-driving vehicles? A case study of Texans［J］. Transportation，2018：1-35.

［2］王群.智能网联汽车何时真正叩开市场之门［N］.工人日报，2016-09-21.

［3］《中国公路学报》编辑部.中国汽车工程学术研究综述·2017［J］.中国公路学报，2017，30（6）：1-197.

［4］Yun I，Best M.Traffic Controller Performance During Time-of-Day Transition at Coordinated Actuated Signal Systems ［J］.Transportation Research Record Journal of the Transportation Research Board，2008，2080（2080）：92-99.

［5］Yoo C，Cho A，Park B，et al.ADS-B HILS test for collision avoidance of Smart UAV［C］// Tyrrhenian International Workshop on Digital Communications - Enhanced Surveillance of Aircraft and Vehicles.IEEE，2011：253-257.

［6］Hwang T，Roh J， Park K，et al.Development of HILS Systems for Active Brake Control Systems［C］// SICE-ICASE，2006.International Joint Conference.IEEE，2007：4404-4408.

［7］Gietelink O J，Verburg D J，Labibes K，et al.Pre-crash system validation with PRESCAN and VEHIL［C］// Intelligent Vehicles Symposium.IEEE，2004：913-918.

［8］王玉鹏.基于VISSIM仿真的交叉口延误分析［J］.中国市政工程，2006（02）：85-87.

［9］Milanés V，Shladover S E.Modeling cooperative and autonomous adaptive cruise control dynamic responses using experimental data［J］.Transportation Research Part C Emerging Technologies，2014，48：285-300.

［10］柳祖鹏，刘守阳，李思君，等.交通控制硬件在环仿真平台的开发与实现［J］.交通信息与安全，2013，31（3）：126-130.