[论文解读] Mixed Cloud Control Testbed: Validating Vehicle-Road-Cloud Integration via Mixed Digital Twin

Jianghong Dong, Qing Xu+6 more|arXiv (Cornell University)|Dec 5, 2022

Digital Transformation in Industry被引用 5

一句话总结

本文提出了混合云控制测试平台（MCCT），这是一种基于混合数字孪生（mixedDT）技术的微型实验平台，可实现车辆-道路-云一体化系统的实时、同步验证。通过将物理、虚拟和混合现实环境与基于云的控制及跨平台人机界面统一，MCCT成功实现了包含物理车辆、虚拟车辆和人工驾驶车辆在内的稳定编队行驶，证明了其在未来的智能交通研究中具备良好的灵活性与可扩展性。

ABSTRACT

Reliable and efficient validation technologies are critical for the recent development of multi-vehicle cooperation and vehicle-road-cloud integration. In this paper, we introduce our miniature experimental platform, Mixed Cloud Control Testbed (MCCT), developed based on a new notion of Mixed Digital Twin (mixedDT). Combining Mixed Reality with Digital Twin, mixedDT integrates the virtual and physical spaces into a mixed one, where physical entities coexist and interact with virtual entities via their digital counterparts. Under the framework of mixedDT, MCCT contains three major experimental platforms in the physical, virtual and mixed spaces respectively, and provides a unified access for various human-machine interfaces and external devices such as driving simulators. A cloud unit, where the mixed experimental platform is deployed, is responsible for fusing multi-platform information and assigning control instructions, contributing to synchronous operation and real-time cross-platform interaction. Particularly, MCCT allows for multi-vehicle coordination composed of different multi-source vehicles (\eg, physical vehicles, virtual vehicles and human-driven vehicles). Validations on vehicle platooning demonstrate the flexibility and scalability of MCCT.

研究动机与目标

• 解决纯仿真或纯实地测试在车辆-道路-云一体化系统验证中的局限性。
• 通过开发一种可扩展、低成本的微型实验平台，弥合仿真与真实世界测试之间的差距。
• 通过统一的云控制框架，实现实时、同步的物理车辆、虚拟车辆与人工驾驶车辆之间的交互。
• 在复杂交通场景（如真实条件下编队行驶）中验证多源车辆的协同控制。
• 支持在不同车辆类型和通信层级下对协同控制算法进行全面测试。

提出的方法

• 混合云控制测试平台（MCCT）集成了三种实验平台：物理平台（真实微型车辆）、虚拟平台（在Unity中模拟的车辆）以及混合平台（在共享空间中结合物理与虚拟实体）。
• 一个云单元融合所有平台的数据，并发出同步的控制指令，实现跨平台的实时交互。
• 混合数字孪生（mixedDT）技术通过数字孪生将物理与虚拟实体融合，实现双向交互与共享状态表示。
• 控制指令通过CACC（协同自适应巡航控制）控制器计算，物理车辆与虚拟车辆的参数分别独立调优。
• 系统支持异构车辆源，包括通过驾驶模拟器接入的人工驾驶车辆，并集成HMI设备与外部传感器。
• 速度指令通过离散时间控制律计算：$ v_{i,\mathrm{cmd}}(t) = v_i(t-1) + a_i(t)\Delta t $，确保纵向控制的平滑性。

实验结果

研究问题

• RQ1 统一的实验平台是否能有效验证物理、虚拟和混合现实环境下的车辆-道路-云一体化系统？
• RQ2 在同步、实时控制框架下，多源车辆（物理、虚拟和人工驾驶）之间的协作效果如何？
• RQ3 当将具有不同驾驶行为的人工驾驶车辆集成到MCCT平台时，编队稳定性在多大程度上得以保持？
• RQ4 mixedDT框架如何在信息物理系统中实现跨平台交互与数据融合？
• RQ5 MCCT在支持多样化交通场景与控制算法方面具备多大的可扩展性与灵活性？

主要发现

• MCCT平台成功实现了物理、虚拟和混合现实车辆之间的同步运行与实时跨平台交互。
• 在实验A中，由三辆物理CACC车辆与三辆虚拟CACC车辆组成的编队，通过CACC控制实现了稳定的车速跟踪与头车间距波动的抑制。
• 在实验B中，人工驾驶车辆（HDV）的引入导致速度出现振荡，但后续的虚拟车辆仍通过CACC实现了有效稳定。
• 虚拟车辆的速度轨迹比物理车辆更平滑，表明仿真中未完全复现现实世界中的干扰因素，如传感器噪声与机械延迟。
• 该平台通过无缝集成异构车辆与HMI设备（包括驾驶模拟器）进入单一实验框架，展示了其可扩展性与灵活性。
• 结果验证了MCCT作为未来车辆-道路-云一体化与多车辆协同研究中可靠、低成本且可重复的测试平台的潜力。