1. 駛向 Vision Zero 的無人駕駛
據(jù)世界衛(wèi)生組織最新數(shù)據(jù)顯示，每年約有 135 萬人由于道路交通事故而死亡，其中超過 90% 的交通事故是人為因素造成的[1]。而無人駕駛從不醉酒、分心或是疲勞，這些因素分別占所有致命事故起因的 41%、10% 和 2.5%。生命可貴，是任何其它社會(huì)利益都無法交換的，這也是 Vision Zero(無人傷亡的全球性道路交通安全項(xiàng)目)的核心原則[2]，而無人駕駛是實(shí)現(xiàn) Vision Zero 的重要途徑。
2. 多少里程可以驗(yàn)證安全?
然而無人駕駛也面臨著許多挑戰(zhàn)，比如惡劣的天氣、復(fù)雜的交通環(huán)境等等，因此在某些場(chǎng)景下的表現(xiàn)可能無法匹敵人類駕駛員，甚至存在新的更加嚴(yán)重的事故風(fēng)險(xiǎn)(如網(wǎng)絡(luò)攻擊)。那么無人駕駛到底如何才能證實(shí)其安全性?
著名戰(zhàn)略咨詢公司蘭德就無人駕駛的安全可靠性及所需路測(cè)里程進(jìn)行了統(tǒng)計(jì)分析[3]，其分析報(bào)告顯示，在 95% 的置信度下，無人駕駛系統(tǒng)需要進(jìn)行約 50 億英里的路測(cè)才可證明其事故率顯著小于人類駕駛員，也就是 100 輛車在全天 24 小時(shí)、全年 365 天及平均車速為 25 英里每小時(shí)的情況下，需要測(cè)試約 225 年!
3. 仿真是第一生產(chǎn)力
仿真在無人駕駛的開發(fā)測(cè)試及評(píng)價(jià)過程中是必不可少的。在 2016 年 Waymo 在其仿真系統(tǒng) Carcraft 的測(cè)試?yán)锍桃淹黄?25 億英里，每天測(cè)試?yán)锍炭梢赃_(dá)到 800 萬英里，而全年實(shí)際路測(cè)里程僅 300 萬英里[4,5]。Waymo 的 CEO 曾對(duì)外宣稱，Waymo 無人駕駛系統(tǒng) 80% 的改進(jìn)都來自其仿真系統(tǒng) Carcraft。
“長(zhǎng)遠(yuǎn)來看，我們做無人車的單位必須要堅(jiān)持一件事，模擬環(huán)境必須占到絕大部分發(fā)展過程。99% 安全驗(yàn)證應(yīng)該是在模擬環(huán)境情況下做出來的，0.9% 左右應(yīng)該在 TestTrack 做，最后少部分在公共交通道路來做”，密歇根大學(xué) MCity 移動(dòng)出行中心主任彭暉教授在 2018 國(guó)際汽車智能共享出行大會(huì)如是分享[6]，基于計(jì)算機(jī)仿真技術(shù)對(duì)自動(dòng)駕駛系統(tǒng)進(jìn)行虛擬測(cè)試與評(píng)價(jià)已經(jīng)成為行業(yè)普遍共識(shí)[7]。
具體來說，無人駕駛仿真系統(tǒng)由虛擬場(chǎng)景與無人駕駛車輛組成 [8]，其中無人駕駛車輛包括車輛模型、動(dòng)力學(xué)模型、傳感器模型，而虛擬場(chǎng)景則可以進(jìn)一步分為動(dòng)態(tài)與靜態(tài)層次，路網(wǎng)(Layer 1)、交通設(shè)施(Layer 2)屬于靜態(tài)層，交通管控造成的道路或交通設(shè)施的臨時(shí)性改變(Layer 3)、交通流(Layer 4)、環(huán)境條件(Layer 5)均屬于動(dòng)態(tài)層。
路網(wǎng)指車道級(jí)的道路信息，交通設(shè)施為實(shí)現(xiàn)交通管理、安全防護(hù)的道路基本設(shè)施，如交通標(biāo)志、防護(hù)柵欄等。第三層則為臨時(shí)性交通管理與控制，如車道臨時(shí)封閉、改變限速等。第四層交通流是指道路上連續(xù)行駛形成的車流，古有“車水馬龍” 之說，車如流水，馬如游龍，也正是交通流的含義。最后一層環(huán)境條件則是天氣等自然環(huán)境。
4. 什么是交通流仿真?
交通流是動(dòng)態(tài)層中最為復(fù)雜多變的要素，但是現(xiàn)有的虛擬測(cè)試工具(開源如百度的 Apollo，Intel 的 CARLA，微軟的 AirSim;其它如 PreScan，VTD)都缺乏高逼真度交通流場(chǎng)景模擬能力，因此無法滿足高等級(jí)自動(dòng)駕駛測(cè)試需求。而無人駕駛仿真中的交通流仿真目前其實(shí)是微觀交通流仿真，主要研究每個(gè)車輛 - 駕駛員單元的行為交互，相應(yīng)的宏觀層面則將交通流視作由大量車輛組成的可壓縮連續(xù)流體介質(zhì)，關(guān)注如車流平均速度以及平均密度等的集計(jì)屬性。
在交通工程領(lǐng)域，微觀交通流理論的研究由來已久，從 20 世紀(jì) 50 年代起開始涌現(xiàn)以跟馳模型為核心的眾多微觀行為模型[10]。而利用微觀交通流理論構(gòu)造的微觀交通流仿真一直以來都是交通系統(tǒng)評(píng)價(jià)、改善的利器，如交叉口進(jìn)口道渠化方案評(píng)價(jià)、信號(hào)燈配時(shí)改善等等。
而現(xiàn)在，微觀交通流仿真作為無人駕駛仿真中重要的一環(huán)，通過系統(tǒng)性地構(gòu)造多樣的交通場(chǎng)景從而滿足測(cè)試需求。這里作為交通工程師非常欣慰的一點(diǎn)是，交通流仿真不再局限于傳統(tǒng)的交通工程中，漸漸走進(jìn)自動(dòng)駕駛領(lǐng)域，開始煥發(fā)出新的活力，相互交融碰撞的未來值得大家一同探索。
5. 交通流仿真的新進(jìn)展
新的交融也帶來新的改變，在傳統(tǒng)交通工程領(lǐng)域中，微觀交通流仿真的本質(zhì)在于駕駛行為建模，通過機(jī)理解讀，剖析人類駕駛行為并建立解析模型，而隨著人工智能的發(fā)展，眾多機(jī)器學(xué)習(xí)方法也逐漸得到應(yīng)用，如通過擬合真實(shí)駕駛數(shù)據(jù)學(xué)習(xí)人類駕駛行為或是通過強(qiáng)化學(xué)習(xí)得到最優(yōu)駕駛策略，但不論是機(jī)理型解析模型還是機(jī)器學(xué)習(xí)模型，原有的微觀交通流仿真總體而言都是由內(nèi)而外的，因?yàn)檎鎸?shí)交通場(chǎng)景(表現(xiàn)為交通參與者的軌跡)是最外層可觀察到的現(xiàn)象，而產(chǎn)生不同交通場(chǎng)景的本質(zhì)就是異質(zhì)的駕駛行為，因此從駕駛行為的解析到交通流場(chǎng)景是自然的發(fā)展。
相對(duì)而言，新興出現(xiàn)的數(shù)據(jù)導(dǎo)向的方法則是選擇了直接再現(xiàn)可觀察的現(xiàn)象，即通過各類傳感器采集真實(shí)交通場(chǎng)景，經(jīng)處理后導(dǎo)入仿真場(chǎng)景中;同時(shí)基于真實(shí)數(shù)據(jù)的泛化構(gòu)建更多的交通場(chǎng)景[7]。Waymo 在其安全報(bào)告中也提到一種模糊化的方法，即合理地更改真實(shí)場(chǎng)景的某些數(shù)據(jù)特征，泛化生成新的場(chǎng)景[12]。
針對(duì)新興的數(shù)據(jù)驅(qū)動(dòng)的再現(xiàn)及泛化交通場(chǎng)景的方法，其最大的缺點(diǎn)是每一個(gè)場(chǎng)景都是固定的一組數(shù)據(jù)，因此無法與無人駕駛車輛進(jìn)行交互，從而大大降低了測(cè)試的真實(shí)性和有效性。其次，僅僅作為數(shù)據(jù)集來看待的交通場(chǎng)景缺乏物理意義，比如，你很難回答到底需要怎樣的場(chǎng)景數(shù)據(jù)，為什么，而這對(duì)于系統(tǒng)性地測(cè)試和驗(yàn)證都至關(guān)重要。
同時(shí)泛化的特征是否為核心屬性并存在相應(yīng)物理意義，是否符合真實(shí)的統(tǒng)計(jì)分布，泛化得到的數(shù)據(jù)是否合理，比如單車的軌跡擾動(dòng)有時(shí)會(huì)造成整個(gè)交通流的失穩(wěn)，而簡(jiǎn)單地遍歷數(shù)據(jù)特征無法重現(xiàn)此現(xiàn)象。歸根結(jié)底，僅僅通過流于表面的數(shù)據(jù)處理無法構(gòu)建有效的交通流場(chǎng)景，我們需要透過現(xiàn)象看本質(zhì)，理解交通流中每個(gè)車輛單元的駕駛行為。
6. 回歸機(jī)理的核心模型
在交通工程領(lǐng)域的微觀交通流模型中，交通流被視為由大量車輛組成的復(fù)雜自驅(qū)動(dòng)粒子系統(tǒng)。以單個(gè)車輛為研究對(duì)象，建立車輛運(yùn)動(dòng)規(guī)律及相互作用模型，主要包括縱向的跟馳模型和橫向的換道模型。
跟馳行為是最基本的微觀駕駛行為，描述了在限制超車的單車道上行駛車隊(duì)中相鄰兩車之間的相互作用。跟馳模型是研究前車運(yùn)動(dòng)狀態(tài)變化所引起跟馳車的相應(yīng)行為[13]。
按照現(xiàn)有的分類方式，跟馳模型分為交通工程學(xué)和心理生理學(xué)兩大類，或者是交通工程和統(tǒng)計(jì)物理兩大類，雖然分類方法有所差異，但是所指的模型均為過去六十多年跟馳行為建模研究中的典型模型[13]。其中主要包括汽車領(lǐng)域中實(shí)際應(yīng)用的 ACC 中的模型，交通領(lǐng)域中的刺激反應(yīng)類、心理生理類模型以及人工智能類模型等，如下表所示：
換道模型是微觀交通流理論中的另一核心模型[14]，可分為強(qiáng)制換道和自由換道：強(qiáng)制換道是指車輛為了完成其正常行駛目的而必須采取的換道行為，自由換道是指為了追求更快的車速、更自由的駕駛空間而發(fā)生的車道變換行為。兩類換道行為均可拆解為四個(gè)步驟：動(dòng)機(jī)產(chǎn)生，車道選擇，間隙選擇，換道執(zhí)行。
動(dòng)機(jī)產(chǎn)生：每一車輛都有期望車速，即在不受其它車輛約束的情況下駕駛員所希望達(dá)到的最大車速。期望車速與車輛機(jī)械性能、駕駛員特性、道路的限速措施等有關(guān)。當(dāng)車輛在當(dāng)前車道行駛時(shí)，由于受到前方慢車的影響而使其車速低于其期望車速的一定數(shù)值范圍內(nèi)，則車輛會(huì)產(chǎn)生任意性的車道變換意圖。而強(qiáng)制性換道的動(dòng)機(jī)則由車輛行駛路徑與車道功能的不匹配產(chǎn)生，如右轉(zhuǎn)需要進(jìn)入右轉(zhuǎn)專用道，因此車輛必須換道進(jìn)入該專用道進(jìn)行右轉(zhuǎn)。
車道選擇：對(duì)于自由性換道，考慮備選期望車道的平均車速、前車間距等建立效用模型，選擇效用大的一側(cè)車道進(jìn)行換道。對(duì)于強(qiáng)制性換道，車輛會(huì)向著距離目標(biāo)車道更近的車道換道。
間隙選擇：判斷目標(biāo)車道的前后換道間隙是否滿足可接受間隙，可接受間隙隱含了接受后車一定程度減速的意愿。此可接受間隙一般認(rèn)為與目標(biāo)車道前后車的速度差，與強(qiáng)制換道臨界點(diǎn)的距離相關(guān)。
換道執(zhí)行：學(xué)術(shù)界研究較少，一般首先考慮本車速度與車長(zhǎng)確定換道長(zhǎng)度，再規(guī)劃平滑的軌跡曲線，如五次多項(xiàng)式或貝賽爾曲線。
7. 可用平臺(tái)?支持國(guó)產(chǎn)!
現(xiàn)有的微觀交通流仿真平臺(tái)多為傳統(tǒng)交通工程領(lǐng)域內(nèi)的專業(yè)軟件，其發(fā)展可追溯到 20 世紀(jì)末，隨著我國(guó)快速的城鎮(zhèn)化、機(jī)動(dòng)化進(jìn)程，各大城市相繼出現(xiàn)嚴(yán)重?fù)矶聠栴}，對(duì)城市交通改善方案的精準(zhǔn)評(píng)估需求催生了大量仿真分析需求，國(guó)外微觀交通仿真軟件開始涌入中國(guó)市場(chǎng)。下面介紹三個(gè)典型的專業(yè)仿真軟件，分別是德國(guó)的 Vissim，SUMO 以及中國(guó)的 TESS NG。
VISSIM：PTV 集團(tuán)(保時(shí)捷汽車控股公司于 2017 年收購(gòu))下的成熟商業(yè)微觀交通流仿真軟件，于 1979 年成立，用于開發(fā)歐洲交通模型[15]。Windows 平臺(tái)，支持二次開發(fā)，模型較完備，可信度較高[16–18]。費(fèi)用昂貴(十萬起[19])，相關(guān)論壇及教程較少。
SUMO：由德國(guó)航空航天中心下屬的交通系統(tǒng)研究所開發(fā)，開源交通流仿真軟件，支持跨平臺(tái)開發(fā)[20]。模型不夠完善，如缺少非機(jī)動(dòng)車專用模型[21]，因此可信度存疑。
TESS NG：同濟(jì)大學(xué)孫劍教授課題組于 2006 年開始針對(duì)中國(guó)混合交通流運(yùn)行特征開展了 100 多項(xiàng)模型創(chuàng)新和仿真系統(tǒng)應(yīng)用實(shí)踐[22]，歷經(jīng)十?dāng)?shù)年開發(fā)的國(guó)產(chǎn)微觀交通仿真軟件，Windows 平臺(tái)，適應(yīng)中國(guó)高密度、多沖突的交通流環(huán)境，模型較完備[23]，可信度較高[24]，開放外部接口模塊調(diào)用并提供定制化用戶服務(wù)。
總結(jié)
無人駕駛的可靠性需要 100 輛車全年無休地路測(cè) 225 年才得以證明[3]，而這幾乎是不可能實(shí)現(xiàn)的，因此借助計(jì)算機(jī)仿真技術(shù)對(duì)無人駕駛系統(tǒng)進(jìn)行虛擬測(cè)試與評(píng)價(jià)已成為行業(yè)普遍共識(shí)。其中微觀交通流仿真是構(gòu)造合理有效的仿真場(chǎng)景的關(guān)鍵技術(shù)，在交通工程的觀點(diǎn)中，核心模型為機(jī)理解析型的跟馳與換道模型。然而現(xiàn)有的無人駕駛仿真平臺(tái)都缺乏高逼真度交通流場(chǎng)景模擬能力，因此引入三個(gè)交通領(lǐng)域典型的微觀交通流仿真軟件：德國(guó)的 VISSIM, SUMO 和中國(guó)的 TESS NG，期待壯大的國(guó)產(chǎn)無人駕駛仿真與交通流仿真平臺(tái)!
