霹图卫：VISSIM软件在自动驾驶仿真测试中的应用

4月10日在深圳举办的CITE2021智能汽车技术生态峰会暨第五届ADAS与自动驾驶论坛上，霹图卫软件科技（上海）有限公司中国区总经理沈畅女士发表了主题演讲《PTV VISSIM软件在自动驾驶仿真测试中的应用》。演讲内容如下：

PTV 中国区总经理沈畅女士

很高兴有机会向大家介绍一下PTV VISSIM软件在自动驾驶中的应用。我的演讲主要分四部分：

PTV公司背景；

自动驾驶仿真测试需要复杂的交通场景；

PTV VISSIM软件介绍；

联合仿真及其它应用介绍。

PTV公司背景

从2017年开始，位于斯图加特的Porsche Automobil Holding SE（保时捷汽车控股公司）收购了PTV Plannung Transport Verkehr AG 的100%的股份。作为PTV Group在中国的子公司，霹图卫软件科技（上海）有限公司是德国PTV集团在世界范围内投资的第20家外商独资子公司。

PTV公司距今已有40多年历史，一直深耕在传统的交通领域和物流领域，从2005年开始进入中国市场，近年来慢慢在汽车市场中被广泛熟知。PTV在全世界在120多个国家有着20多家分公司，共有5400多个用户，软件应用在全球分布广泛。

在自动驾驶车辆开发阶段，会大量进行路侧、测试单元，以及极限场景的测试。

拟人化的自动驾驶车辆开发有很多阶段：阶段1、阶段2主要是基础场景和高级场景；阶段3涉及到交通的状态；阶段4为交通场景。

通俗解释就是：自动驾驶车辆不可能仅为一辆车在一条道路上运行，会不可避免碰到道路的其他使用者和其它交通工具，比如，公共汽车、小汽车、自行车、摩托车、行人等。在这样一些复杂的场景下，自动驾驶车辆是否符合城市交通环境的运行状态，是需要在车辆开发高阶段考虑的问题。

已经有很多车厂给我们反馈，自动驾驶车辆开发到高阶段时，交通状态是绕不开的一个坎。PTV VISSIM会提供一个虚拟交通场景状态以及交通流状态。

场景1、多种交通方式参与的交通场景

如上三幅图所示的交通场景，就是交通流仿真的具体形式。图片展示的是一个典型欧洲城市的交叉口，在这个交叉口里，有很多信号灯控制的标识以及交通信号灯配置方案，包含：大巴车、公共汽车、自行车、小汽车、轨道交通。

在一个复杂的交通空间里，所有交通参与者都会互相发生作用，PTV VISSIM可以在这样一个平台上进行仿真分析——通行时间、速度、加速度等，这是标准城市交叉口的交通仿真。

场景2、随机生成的驾驶员操作失误的仿真

PTV VISSIM可以根据需求开发不同的交通场景。举个例子：根据不同路段类型，随机生成驾驶员操作失误仿真。比如，等红绿灯时看手机、有让行标志但没注意避让、限速路段超速、压线行驶等等，这几种驾驶员操作失误场景，在实际道路物理测试时，不一定会发生。

但在仿真平台上，很容易定义它的发生概率，把类似的仿真场景放到仿真软件里，可以和自动驾驶车辆一起进行仿真，观察在这种状况下，自动驾驶算法是否能够处理这种情况。

场景3、多种交通方式在交叉口混行

这是一个比较典型的交通场景，路面不止一个交叉口，由几个交叉口或一个交通走廊组成。在这个交通走廊中有很多交通流，在这些交叉口处，对应大量指示牌以及行人的步行空间。

在这样一个复杂的交叉口场景中，PTV VISSIM可以把真实世界中很多的交通元素，包括标识、信号灯配时，以一种软件能够理解的语言读进去，而不是简单地放一张图，立一个信号灯，背后有相对应的驾驶规则、让行规则，都会模拟出来，给无人驾驶测试提供交通场景。

场景4、自动驾驶车队

这是2020年增加的新功能。无人驾驶最容易落地的一个场景之一，就是高速公路上的无人驾驶车队。VISSIM提供一些新的对象，模拟自动驾驶的编队和离队场景，在软件里可以进行测试。

PTV擅长做交通仿真工具，擅长做很多不同交通流方式。交通工具可以放到仿真软件里面来进行模拟，同时道路上很多信号灯控制、交通控制信息，也可以放到软件平台里面。这些交通控制信息会对驾驶行为产生影响。

跟车模型和换道模型

PTV背后有一个国际认可的模型，用来支持车辆和车辆之间的相互行为。一个是跟车模型，即车辆跟车辆之间的跟随，它有四种状态：自由流状态、逼近状态、跟随状态、刹车状态。

换道模型方面，一种是基于路径考虑的必要换道模型，还有一种是不满前面这辆车的速度，在旁边超速空间允许的情况下，进行换道超车，这是自由车道换道模型。

另外还有一种针对中国来说比较重要的机动车和非机动车混行的模型，这种情况也是可以模拟的。

目标决策—如何定义优先权

在这个车道上有很多车辆，有货车、小汽车，中间还有摩托车，摩托车和小汽车混在一起排队过红绿灯，像这样车和车之间的关系，不需要人为定义轨迹点的信息，而是通过软件来帮助运行。

在使用VISSIM的时候，除了定义很多车流量的信息，以及车本身的信息以外，还需要定义它的目标决策，比方说匝道汇入、变道，或者是交叉口的转弯冲突，到底谁让谁，需要通过软件里面的特征属性或者是工具来进行定义，这都是定义优先权的问题。

定义优先权的问题很多种方法，最简单的方法是模拟红绿灯或是交通标志、限速标志，可以根据这些方式对车辆进行流量或者行为影响。

PTV VISSIM还可以定义很多种不同的路径，简单的静态路径，或者是根据公式函数定义的路径，或者是定义一些局部的路径。

比如说在高速上有一辆车抛锚了，需要有半个小时的处理时间。后面所有的车辆可通过VISSIM设置的局部路径，了解车辆抛锚所在的车道，（为了避免拥堵）后车提前变到其他车道上进行通行。出了事故以后，本来是三车道的道路，变成两车道，会导致高速公路上的车流量非常拥堵。

VISSIM可以定量分析它的拥堵情况，然后做出交通流规划。

如何通过VISSIM模拟自动驾驶

接下来我们聚焦无人驾驶车，了解如何通过VISSIM模拟自动驾驶车辆，或者是智能网联车辆。

第一种，在VISSIM内部提供了默认的自带自动驾驶车辆行为的车辆类型。可以自己选车辆类型，把它对应的驾驶参数稍作更改，涉及到跟车模型、车道变化模型、车速等都可以设置。

如果是从交通视角去分析无人驾驶车辆在交通流的不同比例，对于整个交通的影响，可以用上面的模型。如果站在车企视角，要研究具体无人驾驶车辆，可以提供不同的方式，具体为下面几种模式。

大家可以看到这个点相当于是一辆车，上面是有驾驶员操控的车辆，下面是无人驾驶车辆。小汽车和小汽车之间的跟车距离是有变化的，无人驾驶车队可以允许车辆之间的距离非常短。

如果是车企角度，可以用我们外部驾驶员的模型接口。比方说，车辆有一套自己的算法，可以知道在每一个仿真秒，周边每个车的位置、速度，自己做一个判定，该加速还是减速，是否变道。

可以把这个算法放到软件里面，用这个算法去控制交通流仿真里面的一辆车或者是几辆车，其它的背景车辆还是自由控制。这样就可以做到在一个比较大的交通场景里测试无人驾驶车的控制逻辑算法是否正确。

在这里面，我们的接口是C++的，支持windows版本，也提供Linux版本，如果大算力、大仿真也可以做。

其工作原理是，VISSIM每一个仿真步长会计算车辆新的位置，把周边的环境、信号灯状态、速度、加速度等信息传给外部驾驶员接口，外部驾驶员接口跟无人驾驶的算法对接，对接以后，由于周围车辆的信息都已更新，可以通过算法去更新这辆车的位置、速度、加速度的情况，再返回到VISSIM的交通场景里，VISSIM里面的一辆车或者几辆车会被自动驾驶算法控制更新，接下来周围的车辆也会相应地更新。

以上说的是外部驾驶员接口，接下来讲一下驾驶模拟器的接口，这要跟一个硬件的驾驶模拟器进行对接，做人机互动或者是软件硬件在环。同样也是支持C++接口，支持windows版本，也支持Linux版本。

联合仿真