2022 CIAC系列讲座第6期——面向智能网联汽车的虚拟开发与人机协同设计（文字版）
嘉宾介绍：
冯泇铖，国家智能网联汽车创新中心-整车虚拟与人机交互实验室 技术负责人。专注汽车智能系统、HMI、仿真领域，国家智能网联汽车创新中心整车虚拟与人机交互实验室技术方案设计者、负责人，参加过多项国家级项目与课题研究，研究成果发表 SCI 及 EI论文 7 篇，发明与实用新型专利 6 项，参与《中国智能网联汽车蓝皮书》著作以及多项公开独立研究报告。多年国内外车企技术与工程服务，丰富的行业合作生态和汽车领域国际合作关系。
关键词：智能驾驶，虚拟仿真，人机协同，智能网联汽车
讲座正文：
本次报告分为四部分：仿真的价值和意义、技术概况与实现方式、技术路径与工程实践及从工程开发到人机协同。
一、仿真的价值与意义
车企有零部件供应商、工厂、测试场、经验丰富的工程师和设计师，为什么要让虚拟仿真技术参与到开发和测试中呢？为什么要用人机协同设计来进行智能网联汽车产品的研发和评价呢？智能网联汽车发展越来越成熟，用户需求也越来越多：用户多变、正向开发、研发概念难以快速验证、多方案验证成本高、优化迭代周期长、无法实时同步优化验证、实际环境难以搭建、实际测试效率低、极限工况测试危险、难以开展深度研究……这些需求如何满足呢？虚拟仿真技术、半实物仿真、人机双在环仿真及人-车-路交通系统仿真。
（一）什么是虚拟仿真
仿真是对于设计对象进行研究和建立逻辑关系的过程，它不仅仅是方法，其本身过程就是研发的过程，完成仿真系统的搭建和建模，也就完成了产品的理论设计、功能设计及性能设计。通过对于真实汽车及相关系统的解析，基于物理原理与经验数据，包括外特性，建立数学模型或经验模型、半经验模型。然后通过软硬件系统重构真实完整的汽车及交通环境，使被测对象能够在构建的虚拟仿真环境中形成与真实情况，包括交通动态、智能控制、驾驶操纵能够高度吻合的场景映射关系。
对于开发而言，仿真环境建立其实也是整个研发最基础的一个阶段，提供了原理透明、易改变、可迭代的技术理论平台。无论对企业还是高校来讲，都是技术的一个积累过程，也是技术的一个储备过程。
仿真包括很多类型的仿真，包括最传统的汽车动力学、空气动力学仿真、有限元模型、面向智能网联汽车的智能驾驶系统仿真，以及面向智能座舱的HMI系统仿真。
二、技术概况及主流实现方案
（一）方法论及工具链
要构建一个智能网联汽车研发和测试的工具链，逻辑及合理性对于整个研发来说非常关键。就主流方案而言，从模型开发到软件在环、硬件在环，再到整车和驾驶员在环，形成从虚到实的完整研发测试流程。研发测试的工具链和研发过程的阶段性交付物呈现高度吻合的状态（整个研发过程与产品的交付阶段能够形成时间轴的匹配），包括显化重点、快速构建、柔性测试、多维分析等优势。
从虚到实的过程也是逐步增加环境变量和干扰因素的过程，所以也是产品从概念雏形走向成熟和高鲁棒性的低成本的实现路径。
总体上讲分为三个阶段。第一阶段、功能实现。通过MIL开展算法开发验证，对整个系统建立一个控制逻辑，建立一个最基础的理论模型，然后由这个模型的基础功能进行最基本的测试。接下来会开展SIL完成代码的分析验证。SIL其实是一致性的测试，是将算法进行代码化后对软件进行工程化之后的功能测试。MIL和SIL都可以通过纯虚拟仿真环境来完成，是整个研发功能实现的一个阶段。第二阶段、物理验证，也叫半实物仿真阶段。把研究对象通过软硬件集成形成一个比较完整的系统或控制器零部件，然后对零部件进行相关的测试。第三阶段、高度实物化仿真。通过DIL（驾驶员在环）及VIL（整车在环）的形式开展。会加上很多车辆监测及人体的监测设备来进行多通道的同步分析，从性能角度上来讲，定量的判断产品设计输出的工况是否能满足当初设计需求。
（二）研发初期的纯虚拟仿真：模型与软件在环（MIL、SIL）
研发初期，开发者完成系统结构及控制策略(算法)后，需要对设计系统在设计环境中进行测试，验证设计产品是否能够在理想环境下实现预期设计的功能。这是整个开发最基础的一步。通过虚拟场景、虚拟车辆模型、仿真环境构成纯虚拟的研发测试平台，实现各种算法逻辑的柔性在环测试。
无论使用怎样的工具链，基本流程是一样的：道路仿真（对静态道路建模，是最基本的静态建模）--环境仿真--车辆仿真（包括整车动力学建模）--智能系统仿真--测试用例构建--测试数据处理。总体也是分为三个模块。第一、虚拟场景模块。通过各种方式构建场景，比如可以通过实际的路采、激光雷达、摄像头的实际融合形成三维的场景，或者直接用三维软件进行虚拟建模，再就是通过RSU进行动态场景采集，对实际道路的交通流进行1:1复现。整个场景其实相当于整个实验的剧本。第二、虚拟车辆模块，是建模工作难度最大的一个模块。包括传统的车辆动力学模型、激光雷达、毫米波以及摄像头模型的建模，加上仿真平台（仿真系统交互模型的搭建）。第三、仿真测试模块。所有数据的输出，包括实时监控及仿真结果。
（三)研发中后期的半实物仿真：硬件在环（HIL）及智能系统整车在环（HIL+VIL）
硬件在环测试是研发中期完成控制器或系统开发后的关键环节，也是软硬件结合后的算法一致性验证。通过HIL测试能够快速、柔性、安全的验证算法在各种理想、约束、故障环境下的功能实现效果。帮助开发者在系统整车集成前规避大量的开发缺陷和BUG。实验可以基于虚拟车辆模型执行，也可以基于实际车辆执行，满足不同阶段的测试需求。
随着仿真技术的升级和迭代，HIL已经走向“X-in the loop”这样一个万物皆可在环的高自由度阶段。不仅仅是控制器，包括转向、制动、各个汽车零部件的环境，都可以进行HIL搭建实现比较聚焦的测试。对智能驾驶系统、线控系统以及智能交互系统等开发提供了方便的研发测试平台。
（四）人-车-环境动态综合仿真：驾驶员在环（DIL）
驾驶员在环是一种通过环境及车辆动力学模型虚拟仿真的手段，利用动态或静态驾驶模拟器及生理监测设备重构或重现“人-车-环境”的方法。研究在实际车辆驾驶中各系统及相互作用的新型测试系统，尤其对车辆性能开发（虚拟调校）、智能驾驶系统的功能性能（安全性、可靠性、控制品质）、人机交互、复杂交通以及创新系统验证等方面开展研究和评价。
就整个系统而言，包括四大部分。与HIL和SIL相比，DIL有更多的硬件的和实验系统搭配。包括最关键的运动驾舱模块（HMI智能驾舱及运动平台，实现驾驶环境及体感的仿真），人体监测模块（眼动仪、肌电采集仪、脑部检测设备），虚拟车辆模型（传感器模型），以及场景模型。
（五）人-机双在环中的驾驶员监测技术
驾驶员监测对于汽车设计的主客观评至关重要。对于载人工具，操纵者和乘坐着对于车辆可用性、易用性、感知危险性、舒适性以及驾驶易控性的直接感受是对产品设计合理性和科学性验证的关键，也是现代化汽车设计中用户体验的深度测试方法，在智能驾驶和主动安全领域，生理监测技术在人驾驶能力短暂性不足的工况下实现主动安全介入或自动驾驶系统接管，实现相对最优驾控能力输出，保证车辆处于相对安全的受控状态。这是HMI与智能驾驶结合的闭环控制策略。另外在HMI的测试评价中，监测技术也能规避一部分传统主观评价的人因和个体差异。
基于此技术，可开展的测试项目有很多：交互系统测试、主动安全开发、内饰方案评价、人机共驾设计、交互系统分析、智能驾驶分析、驾驶员认知研究及驾驶性研究。
（六）驾驶模拟器与智能驾舱
驾驶模拟器通过驾驶操纵设备、驾舱系统实现驾驶环境的拟车化仿真，在视觉和听觉系统加持下给驾驶员和乘客带来沉浸式的体验。动态模拟器还会将动力学计算出的各自由度的加速度通过一系列计算（洗出算法）通过运动平台实现体感仿真。驾舱的构成主要包括驾驶操纵系统的仿真（转向、三踏板、换挡机构），转向一般采用直驱电机工况模拟或者基于实车转向系统加装阻力模拟电机来进行仿真。HMI系统包括主驾屏幕、中控、电子后视镜等。
目前，全球范围内研发商用级别的高性能模拟器有几种：第一、电缸驱动的运动平台，也是六自由度的动态模拟实现。第二、磁气悬浮+电缸运动平台，是一个低频的负责车辆转动的模拟，加上六自由度的车辆姿态还原，实现综合的九自由度模拟。第三、分层短距轨道运动平台，一些运动型车辆及赛车的驾驶模拟会采用这样的方案。第四、大型轨道+电缸运动平台，实现范围更广，加速模拟更加高逼真的仿真。
对于驾舱系统，场景的仿真度和驾舱设计是驾驶员和乘客沉浸感的关键，包括视场范围内合理的画幅随动性能、尺寸和视觉高度、距离、车宽道路比例等。面向HMI开发的平台要满足尽可能丰富的交互模态、交互区域、驾控数采系统等，实现高逼真的人机还原。同时还要搭载驾驶模拟器专有的设备，比如通话系统、视频系统、远程控制系统、紧急停车按键等，在操作和驾驶前需要系统化的培训和准备，保证实验的顺利开展和人员的安全性。
右图是动态驾舱的基本布局，是我们和德国团队一起做的规划，包括HUD、眼动仪、主驾驶屏、中控屏、中控副屏、急停按键、中央及两侧后视镜等，显示不同需求、不同区域、不同模态的交互任务。
三、技术路径与工程实践
（一）智能驾驶与主动安全开发测试流程
智能驾驶的研发测试中已经有70%的工作可以通过仿真来完成、包括算法设计、模型搭建、功能分析、算法训练、算法测试及控制策略设计，控制品质分析等。通过“人-机-环境”系统及功能解析，跨学科、跨领域融合分析，结合系统的物理性能、人机工程及人因工程多角度的进行安全性、舒适性分析，多领域的协同设计已经成为面向用户和量产级智能驾驶汽车设计的关键因素和趋势。在智能驾驶的仿真测试中，核心工作包括：第一、车辆模型设计。第二、传感器模型搭建及虚拟标定。第三、智能驾驶控制算法集成。第四、虚拟测试道路环境与交通流场景构建。第五、人机共驾及HMI模块仿真。
智能驾驶的仿真测试内容及从过去单纯的功能开发发展到更加倾向于性能的测试。包括：车辆在不同危险工况下的极限安全边界，通过仿真可以安全的进行测试；车辆自动驾驶控制的品质，包括与环境交通参与体的博弈、加减速的控制过程、横向的动态控制、驾驶员感知危险性与信任分析、舒适性的分析，尤其是乘坐的主观感受，是自动驾驶规模化商业化落地的关键因素。
右图是智能驾驶测试环境的搭建流程，包括车辆建模（车辆动力学及传感器）、场景建模（实现测试剧本的构建）、生理监测设备搭载（实现人车多通道数据输出，给到测试环境）。
（二）整车虚拟建模与性能开发流程
整车性能开发的大量前期结构设计、标定、匹配分析等工作依赖于虚拟仿真建模和测试。车辆车身系统（悬架、转向等）性能的设计、标定、调校、轮胎选型等，都可以通过虚实结合的开发策略，将实验室的仿真模拟和道路实测结合起来，对整车操稳、平顺性进行主客观的分析。尤其是架控品质的分析，包括转向手感主客观分析、动力与底盘驾驶感受分析、极限工况的场景测试、操控安全性分析、用户体验。
线控底盘和性能开发过程中，构建精准的车辆动力学模型，能够为车辆性能开发、标定、调校提供可靠的仿真平台。在整车定义初期和风格设计验证有很大的工程意义，助力于快速原型定义、低成本虚拟开发、快速设计与实时调校、安全的极限测试。
在驾舱的人机交互中，驾驶操纵和车辆的驾驶性是影响行驶安全及用户体验的关键因素，也是整车品质的重要体现。驾驶性涉及到驾驶的各个环节，包括点火启动、关闭、车辆加速、制动、车辆转向系统手感和可控性以及车辆行驶中的舒适性。另外还包括辅助驾驶类（主动安全)的功能对驾驶员的干预带来的主客观影响。
比如左下图，加速踏板操纵与加速体感的同步性、持续性，以及油门踏板在不同开合度的灵敏性等各方面都可以进行仿真和测试。
（三）智能驾舱与人机交互的开发测试流程
智能驾舱的研发和测试目前呈现出快速增长的需求，也是汽车产品设计力和溢价的体现。基于仿真环境的HMI开发和测试是目前车企高效、低成本的解决方案。我把HMI核心的关注点大概分为五类。第一类，安全性，包括驾驶保持、注视偏移、功能限制以及智能驾驶。第二类，有用性。包括功能支持、任务成功率、可及性、稳定性、交互模态等。第三类，高效性，任务时间、操作复杂度。第四类，可用性/易用性，逻辑结构、元素可见性、元素可理解、元素可记忆、易学性、系统反馈、个性化帮助设计、容错性。第五类，智能性，功能智能、场景智能。
在仿真实现方面，基于预设典型场景（日常交互场景、人机共驾场景），通过眼动仪或别的生理监测设备对驾驶员在预设工况下的生理指标进行采集，结合驾驶员或乘客的主观感感受进行分析。比如通过眼动仪采集驾驶员的眼动信号、注视点、扫视轨迹，判断交互设计的合理性，以及人机工程标定的合理性；通过皮肤定位测试驾驶员在不同场景下的紧张度，判断交接系统包括人机共驾系统是否合理；通过脑电波判断驾驶员在操纵行为中的认知负荷，判断驾驶员当前状态下的脑力负荷调用。
未来的汽车设计已经从单纯的功能实现性设计走向人机系统的协同设计，智能驾舱的设计已经涉及到整车方案的人际关系分析、海量智能化系统的科学集成、智能驾驶人机共驾交互分析、个性化设计与柔性设计、从人车交互到V2X交互、基于市场需求的用户导向设计，覆盖了概念设计、工程设计、测试验证的全流程。逐渐复杂化的HMI设计对于交互的科学性和合理性有更高的要求。汽车交互功能越来越多，驾舱可能要布置几十甚至上百个交互功能，如此复杂的功能分布不能通过矩阵式把功能全部扁平化的摆出来，需要通过科学的设计使得在不同功能、不同场景下能够科学的显示出来，满足最小学习成本下的交互。需要建立系统化的测试评价体系与优化方法，结合实验系统进行分析。
人机交互的需求阶段分为：必要阶层，保证汽车的安全性；功能阶层，高效的发挥汽车的核心性能，提高功能实现的便捷性；享受阶层，降低操纵汽车的疲劳感，提高操纵汽车的愉悦感。
（四）虚实结合的元宇宙混合仿真（车路协同）
车路协同是未来智能驾驶实现的一个重要方式，也是智能网联汽车中国方案的体现。对于车路协同的仿真，能够结合虚拟和真实世界的关键变量，实现虚拟世界和真实世界的选择性融合。实现路径是通过路测设施RSU采集道路中车流量和其他交通参与者的动态信息，包括坐标、运动速度、运动方向及车辆类型等，将监测到的车辆信息同步映射到我们通过三维建立的1:1交通道路虚拟环境中，
将虚拟的道路、虚拟的交通流和真实的交通流结合，共同显示在虚拟世界中，驾驶员在主车的自动或人工驾驶中能够更加直接的感受真实交通环境下的交互，满足测试真实性和可信度的要求。其主要功能和优点包括：自然交通场景的实时导入；虚拟被测车辆的实时交通场景接入；真实的测试车辆在特定交通环境下自动驾驶效果；有利于对整个交通系统的评价。
（五）部分国际领先案例
整车企业：玛莎拉蒂通过VIL+DIL的综合虚拟开发在环实现两个实验室跨物理区域的联合仿真及联合研发。沃尔沃通过建立车辆多系统及人机在环仿真平台，实现动力学研发和轮胎选型、全数字仪表开发（HMI）、变速器、空气与结构产生噪音隔离，高保真音响等。
测试机构、检测机构及研发机构：IDIADA（伊狄达）结合测试场及实验室实现了实际和虚拟双重的仿真对照，开展了自动驾驶算法研究、自动驾驶算法测试，以及自动驾驶人机交互信任研究。也做了大量的工作。国家智能网联汽车创新中心（CICV），建立了整车仿真与整车及驾驶员在环系列实验室，实现了从MIL、SIL、HIL到DIL全列的仿真，涉及虚拟建模、控制器在环和人机交互测试等等各领域。
四、从工程开发到人机协同开发
（一）设计理念的升级与研发复杂性增加
未来的汽车设计已经从单纯的功能实现性设计走向“人-机”系统，甚至是“人-机-路”的协同设计。从简单的机械电子系统设计，转变到功能开发、人机关系协同设计、智慧交通系统接入的立体化多维度的信息物理系统设计。呈现出从传统单一功能满足型研发走向多领域耦合、虚实结合、生态融入的多变量影响下的优化设计。
左下图是一个多系统协同工作的模型构建，包括车辆物理模型（以白盒模型为主），加上轮胎模型（经验模型），然后是驾驶员模型（黑盒模型），通过控制输入、路面输入以及驾驶环境输入等进行动态输出，实现车辆和人的交互。右下图是多实验系统协同开发的架构。包括我们DIL、HIL、VIL各实验系统间的交互关系及信息的交互关系。
（二）人机、人因导入的功能设计与开发流程
随着智能化、网联化的发展趋势，未来汽车的主流设计理念是如何让车更好的适应人，而不是人去适应车。汽车的设计原则是降低人驾驶和使用汽车的学习成本，从工业设计角度讲，就是提高车辆系统的安全性、可用性、易用性，降低驾驶和乘坐过程中的心理负荷和生理负荷。汽车也从单一的工程设计转向以用户为中心的导向，以人的使用习惯和需求反向对功能进行设计和优化，将智能化的优势和人的因素做适应性协调，形成高效的人机系统。
（三）HMI与智能驾驶的耦合设计：人机协同控制策略
智能驾驶的渗透率逐年增加，从L1-L5实现了辅助驾驶到自动驾驶。智能驾驶由于功能的可靠性与场景的适应性，存在人机共驾的需求，高级别自动驾驶也存在驾驶系统故障之后的紧急接管避险能力储备。人也会由于疲劳驾驶、分心驾驶出现驾控能力不足或判断有误的现象。所以，人机共驾不仅仅是中低级别自动驾驶的功能需求，也是高级别自动驾驶的储备功能。通过对多变量信息采集，包括驾驶员状态、驾驶操纵行为、驾驶环境状态、感知传感器状态、算力储备，甚至是远程控制下的通信状态，来进行多维度实时动态评估，综合分析当前驾驶权、合理性以及最优交接主体，实现车辆的全工况实时安全驾驶，构建HMI、智能驾驶系统、人、车辆的闭环控制。
对驾驶权接管的分析是评价人机接口设计合理性的关键，人机交互方案直接关系到智能网联汽车交互工效，策略和合理性也关系到交互功能的效率及行驶安全。对于智能驾驶车辆来说，重点在于人机接口的设计，尤其L2~L4级别的自动驾驶汽车，只有合理的人机接口设计，才能保证安全的驾驶与自动驾驶功能的合理输出及耦合，充分发挥自动驾驶系统。
驾驶权接管分为几个阶段：感知-认知-决策-人工接管-机器接管。当自动驾驶系统发生脱离时，人类感知到HMI系统或交互系统相关提示，进行信号识别（搜索时间），然后进行内容认知（感知时间），接着驾驶员要对车辆状态进行评估并给出操作决策。接管信息搜索时间和认知、决策时间统称为人机接口延迟时间。在完成识别接管的执行后，就开始人工接管，包括开始执行、执行保持和干预结束。最后，再回到自动驾驶机器接管状态。 对过程进行拆解要达到这些目标：高效的“人驾-机驾”模式切换；清晰智能的信息传递；危险工况下快速的交互方案；合理的人机共驾策略；符合人机工程学和人因工程的UI设计。这些都是人机协同控制策略的设计目标。
（四）基于V2X的多模驾驶场景中的汽车设计
“车-人-路-环境”的协同将成为未来车辆智能交互生态拓展的重要方向，在智能驾驶逐渐成熟后，人驾-机驾-云控三种协同驾驶将对车辆人机接口设计提出更高的要求和新的需求、调整。如何安全、快速的进行模式的切换和权限的分配，也将成为HMI策略和层级设计的关键，尤其是多模交互的引入、车辆安全状态识别、基于路测监测设备的V2X信息交互，以及结合驾驶员状态的监测等。
PanoCar试用（学校申请）
姓名*
手机号*
微信号*
邮箱
所在学校*
所在学院*
导师姓名*
导师电话
导师邮箱
试用PanoCar目的*
- 产品选型
- 项目招标
- 毕业设计
- 学术研究
- 参加比赛
- 学习了解
- 其他
您认为软件使用过程中哪些方面比较重要*
- 技术支持
- 产品功能
- 性价比
- 国产化替代
- 需求定制能力
- 仿真精度
- 模型计算效率
- 模型计算稳定性
- 模型参数配置易用性
- 模型参数库丰富程度
- 其他
您关注PanoCar哪些模块或功能*
- 模块：车辆底盘模型
- 模块：动力传动系统模型
- 模块：空气动力学模型
- 模块：转向系统模型
- 模块：悬架系统模型
- 模块：制动系统模型
- 模块：轮胎模型
- 模块：3D道路模型
- 模块：驾驶员模型
- 模块：驾驶操纵模型
- 模块：I/O接口
- 功能：Matlab/Simulink联合仿真
- 功能：PanoCar实时平台应用
- 功能：PanoCar本地仿真测试
- 功能：数据后处理功能
- 功能：动画引擎
您是通过哪种途径了解到PanoCar的*
- 官网
- 微信公众号
- 论文专著
- 学术会议
- 知乎B站等其他新媒体平台
- 行业网站
- 搜索引擎
- 同行推荐
- 他人介绍
- 其他
验证码
PanoCar试用（企业申请）
姓名*
手机号*
所在单位*
所在部门*
微信号*
邮箱
您试用PanoCar软件的目的*
- 产品选型
- 项目招标
- 学习了解
- 其他
您认为软件使用过程中哪些方面比较重要*
- 技术支持
- 产品功能
- 性价比
- 国产化替代
- 需求定制能力
- 仿真精度
- 模型计算效率
- 模型计算稳定性
- 模型参数配置易用性
- 模型参数库丰富程度
- 其他
您关注PanoCar哪些模块或功能*
- 模块：车辆底盘模型
- 模块：动力传动系统模型
- 模块：空气动力学模型
- 模块：转向系统模型
- 模块：悬架系统模型
- 模块：制动系统模型
- 模块：轮胎模型
- 模块：3D道路模型
- 模块：驾驶员模型
- 模块：驾驶操纵模型
- 模块：I/O接口
- 功能：Matlab/Simulink联合仿真
- 功能：PanoCar实时平台应用
- 功能：PanoCar本地仿真测试
- 功能：数据后处理功能
- 功能：动画引擎
您是通过哪种途径了解到PanoCar的*
- 官网
- 微信公众号
- 论文专著
- 学术会议
- 知乎B站等其他新媒体平台
- 行业网站
- 搜索引擎
- 同行推荐
- 他人介绍
- 其他
验证码
![QQ咨询：258506508](javascript:Site.hoverQrCode("//11025885.s21i.faiusr.com/2/ABUIABACGAAg1LHSkwYoxtSupQcwkgk4zQs.jpg",this,{"tips":"请使用微信扫一扫"});){kind=link}