[论文解读] Hardware-In-the-Loop for Connected Automated Vehicles Testing in Real Traffic

Yeojun Kim, Samuel Tay+3 more|arXiv (Cornell University)|Jul 21, 2019

Real-time simulation and control systems参考文献 11被引用 10

一句话总结

本文提出了一种软硬件协同（HIL）仿真平台，整合了真实车辆动力学、交通微观仿真以及车载电子控制单元（ECU），用于在真实的城市环境中测试联网自动驾驶车辆（CAV）的控制与规划算法。通过结合PreScan、Vissim、ETAS DESK-LABCAR以及车载ECU与真实交通数据，该平台实现了可重复、安全且交互式的测试，验证了基于模型预测控制（MPC）的节能自适应巡航控制（eco-ACC）在交通信号灯和其它车辆存在的城市场景下的显著节能量，通过滑行和最小化制动实现。

ABSTRACT

We present a hardware-in-the-loop (HIL) simulation setup for repeatable testing of Connected Automated Vehicles (CAVs) in dynamic, real-world scenarios. Our goal is to test control and planning algorithms and their distributed implementation on the vehicle hardware and, possibly, in the cloud. The HIL setup combines PreScan for perception sensors, road topography, and signalized intersections; Vissim for traffic micro-simulation; ETAS DESK-LABCAR/a dynamometer for vehicle and powertrain dynamics; and on-board electronic control units for CAV real time control. Models of traffic and signalized intersections are driven by real-world measurements. To demonstrate this HIL simulation setup, we test a Model Predictive Control approach for maximizing energy efficiency of CAVs in urban environments.

研究动机与目标

• 开发一种可重复、安全且逼真的测试环境，用于复杂城市交通中联网自动驾驶车辆（CAV）控制与规划算法的验证。
• 通过整合高保真车辆动力学、真实世界交通微观仿真以及CAV与周围交通之间的双向交互，克服现有HIL系统设置的局限性。
• 利用真实交通数据和物理车辆硬件，在真实条件下验证节能控制策略——特别是eco-ACC——的性能。
• 在HIL框架中实现分布式控制与云连接，以支持可扩展且可扩展的CAV算法测试。
• 展示基于数据驱动的虚拟环境在实现一致、可重复且安全的CAV验证方面的可行性。

提出的方法

• 使用PreScan实现高保真感知、道路拓扑结构以及带信号灯的交叉路口仿真，并结合真实测量数据。
• 利用PTV Vissim基于真实交通和信号相位数据，实现数据驱动的微观交通仿真。
• 采用ETAS DESK-LABCAR作为 dynamometer，利用真实车辆测量数据模拟高保真车辆与动力系统动力学。
• 将车载ECU（如dSpace MicroAutoBox、Matrix PC）与云平台（如AWS）连接，实现分布式控制与规划执行。
• 实现实时、双向的物理CAV与仿真交通之间的交互，包括V2X通信和带信号灯的交叉路口行为。
• 实施基于模型预测控制（MPC）的eco-ACC框架，以最小化制动并优化速度跟踪，同时遵守交通信号灯约束。

实验结果

研究问题

• RQ1 结合真实车辆动力学、数据驱动交通仿真和车载ECU的软硬件协同（HIL）平台，是否能够实现在真实城市环境中对CAV控制算法进行可重复且安全的测试？
• RQ2 基于MPC的eco-ACC控制器在存在信号灯和相互作用车辆的城市交通中，能否有效降低能耗？
• RQ3 该HIL设置在多大程度上准确复现了真实世界中的交通交互与车辆行为，特别是在能效和安全性方面？
• RQ4 云连接与分布式控制的集成在多大程度上提升了HIL框架中CAV测试的可扩展性与真实性？
• RQ5 该HIL平台是否能够在保持安全与效率的前提下，支持在最坏情况假设（如前车突然减速）下对CAV控制器进行验证？

主要发现

• HIL系统成功实现了基于真实交通数据的实时、交互式仿真，使CAV能够对动态交通和带信号灯的交叉路口做出响应。
• eco-ACC控制器通过最小化制动并利用滑行阶段实现了节能，尤其在接近红灯或前方车辆减速时表现显著。
• 在城市场景中，由于高保真动力学与控制导向动力学之间的模型失配，智能体车辆通过施加小幅度制动扭矩维持了安全距离并避免了碰撞。
• 控制器在包含八个信号灯和多辆相互作用车辆的复杂城市环境中表现出安全且稳定的性能，仅依赖雷达和车道检测传感器数据。
• HIL平台实现了在真实条件下对CAV算法的一致、可重复测试，结果显示滑行被优先采用以减少能量浪费。
• 云连接与车载ECU的集成支持了可扩展的分布式控制实现，为未来扩展至更大规模CAV系统提供了支持。