面向自动驾驶的全球测试战略
仿真，验证复杂性的 解决之道
高度自动化驾驶功能越接近批量生产环节，系统验证就越重要。通过打通数字测试和实际测试之间的渠道，保时捷工程集团构建了包括比蒂希海姆-比辛根、克卢日-纳波卡、纳尔德奥、俄斯特拉发和上海在内的跨国研发网络，为高效可靠的验证过程奠定了基础。
在交通拥堵的状况下，打开自动驾驶，躺在驾驶座上放松片刻，或者把恼人的找车位和泊车工作交给驾驶辅助系统——高度自动化驾驶功能有助于进一步提高未来机动车驾驶的舒适性和安全性。然而，在这些功能的研发过程中不能抱任何侥幸心理，因为不论何时、不论何种情况下驾驶安全始终都是摆在第一位的。“完全依赖实际测试的验证方法在辅助驾驶领域不可避免地遇到了瓶颈。”保时捷工程集团虚拟汽车开发专业负责人弗兰克·塞耶 (Frank Sayer) 介绍说，“因为从纯粹的数学角度来看，测试车辆必须在道路上行驶数亿公里才能证明自动驾驶功能的可靠性。就目前而言，普通测试车队需要数十年才能做到这一点，因而这是一项不可能完成的任务。”
复杂的挑战：高度自动化驾驶功能也必须能应对上海等大城市的复杂路况，并且得到全方位的安全验证。
团队合作：蒂尔·卡罗琳·鲁普、克拉拉·玛丽娜·马丁内斯、皮尔波阿洛·波西塔诺和许正君（左起）等专家在比蒂希海姆-比辛根、纳尔德奥和上海研发基地开展合作，为高度自动化驾驶保驾护航。
在全球范围内采用相同方法
因此，塞耶和他的团队与其他专业部门的同事一起研发了一套全新的灵活验证方法，也就是将模拟器虚拟测试与道路真实测试有机结合起来。为了实现这一目标，来自保时捷工程集团虚拟 ADAS 系统测试中心 (PEVATeC) 平台的研发人员以及来自其他领域的同事组成合作团队，共同负责从验证到功能发布的各个环节。“所以我们在全球范围内采用相同方法，并能确保较高的验证标准。”塞耶解释说。此外还建立了一个中央服务器架构，整个合作团队可以通过它来交流测试结果，并确定接下来的处理方法。
“我们使用与测试车辆相同的软件平台进行仿真。”
克拉拉·玛丽娜·马丁内斯
保时捷工程集团研发工程师
验证一项新的驾驶功能通常从频繁的信息交换开始。“在这些讨论中，我们找出哪些交通情况和场景与测试新的驾驶功能最为相关。”保时捷工程集团研发工程师蒂尔·卡罗琳·鲁普 (Tille Karoline Rupp) 说，“泊车辅助的重点在于车辆的操控，而高速公路上的自动驾驶更多是在不同速度下的安全纵向和横向控制。”
她根据这些信息在计算机中创建数字路线模型，并在其中运行仿真测试，而这项工作往往需要几天的时间。“这种所谓数字孪生的相似程度和所需投入，在很大程度上取决于要测试的驾驶功能，以及所处的研发阶段。”鲁普解释说，“制作极其逼真的城市内部密集道路网的街景模型是非常耗时的。在功能开发的早期阶段，有时含有少量物体的简单场景就已足够，我们可以借助模块创建通用模型。”为了尽可能降低未来的研究成本，所有路线模型都被编入目录并储存在服务器上，以便专家们后续重复使用。此外，创建过程中的自动化程度也在不断提高，例如通过可参数化的算法或使用和组合不同的地图数据来创建场景。
“数字孪生的相似程度在很大程度上取决于要测试的驾驶功能。”
蒂尔·卡罗琳·鲁普
保时捷工程集团研发工程师
研发工程师克拉拉·玛丽娜·马丁内斯 (Clara Marina Martínez) 利用这些数据集，使用虚拟车辆在PEVATeC 平台测试新的驾驶功能。在此期间，她在路线模型上执行各种测试场景，这些场景同样是事先与研发专家共同确定的。借助仿真，就可以测试由于安全原因难以在真实道路交通中再现的交通状况。另外，天气和照明情况也可以仿真，且更容易进行复现。时常出现的交通状况包括比如以不同顺序和速度驶入十字路口的横向来车、超车和并入车道的车辆，以及突然闯入车流的行人。之后会与其他专业部门一起评估各项结果。
接下来的步骤通常是驾驶测试。为此，来自模拟计算机的最新软件数据集被传输到测试车辆的控制单元，以验证真实驾驶条件下的计算结果。驾驶测试通常在比如纳尔德奥技术中心 (NTC) 的封闭测试道路上进行。出于安全考虑，只在极少数例外情况下才会在公共道路上试车，以验证自动驾驶功能。
这方面的验证方法也在不断改进和提升。例如NTC 的工程师们正致力于在驾驶测试中更多运用驾驶机器人。“这样便能够提高驾驶操作的准确性，令多次驾驶操作保持完全一致。”NTC 工程部高级经理皮尔波阿洛·波西塔诺 (Pierpaolo Positano) 解释道。如今已可以在测试场景中投入多达六辆自动驾驶汽车，由机械执行器负责油门、刹车和方向盘的操作。机器人汽车由本地计算机控制，后者能够打造一个同步的多车辆场景。此外，纳尔德奥的整个测试场均实现了数字化。研发人员在计算机上创建了一条还原度极高的虚拟车道。作为数字孪生，它能数字化还原真实车道的所有特征。
比蒂希海姆-比辛根：保时捷工程集团虚拟ADAS 系统测试中心(PEVATeC) 平台的研发人员和来自其他领域的同事组成合作团队。他们的合作从验证一直持续到功能发布。仿真的结果会与专业部门一起进行评估。
在模拟器中进行测试的专家：克拉拉·玛丽娜·马丁内斯（左）和蒂尔·卡罗琳·鲁普设计了用于验证的数字路线和车辆模型。
研发工程师主持并密切协调保时捷工程集团和大众汽车集团的虚拟 ADAS 开发的仿真和方法项目。同时他们还共同负责保时捷工程集团虚拟 ADAS 系统测试中心 (PEVATeC)的升级迭代。
克拉拉·玛丽娜·马丁内斯 (Clara Marina Martínez) 拥有克兰菲尔德大学智能混合电动汽车博士学位和汽车机电一体化硕士学位。
蒂尔·卡罗琳·鲁普 (Tille Karoline Rupp) 在斯图加特大学学习数学和物理，并拥有巴登符腾堡双元制应用技术大学的电气工程学士学位。
机器人控制真实车辆
“数字孪生令虚拟和现实之间的界限愈发模糊。”波西塔诺说，“我们可以在计算机中进行十分逼真的仿真，因为除了路线之外，还充分考虑到了各个路段的特征。在此基础上，我们可以让机器人在车道上驾驶真正的汽车。它们遵循仿真的结果并反复测试以获得更多测量数值，而且通过与仿真数据的比对进行最终验证。我们已经通过反复仿真和测试开发出一个程序，在此程序内，双方可以做到相互验证。这大大提高了结果的可靠性。”波西塔诺说。
“数字孪生令虚拟和现实之间的界限愈发模糊。”
皮尔波阿洛·波西塔诺
NTC 工程部高级经理
联通两个世界的桥梁：皮尔波阿洛·波西塔诺将真实和虚拟验证相结合。
皮尔波阿洛·波西塔诺 (Pierpaolo Positano) 是 NTC 工程部高级经理。他的工作重点包括扩大服务组合，其中包括ADAS 和高度自动化驾驶功能。波西塔诺拥有巴里理工大学机械工程硕士学位。
在 NTC 或其他测试场的驾驶测试中经常会遇到新的问题，例如雨雪天气对驾驶功能的影响。发生这种情况后，需要对仿真结果进行调整并再次进行仿真，然后将结果传送回测试车辆。“我们使用与测试车辆相同的软件平台进行仿真，因此我们的结果可以一比一地移植到现实中，令车辆系统可以快速且顺利地接受软件测试。”马丁内斯说。在仿真和测试部门之间的反复互动中，团队将所有关键点测试完毕，从而让新的高度自动化驾驶功能得到全方位的验证。
“我们在全球范围内 采用相同的方法， 并能确保制定出较 高的验证标准。”
弗兰克·塞耶
保时捷工程集团虚拟汽车开发专业负责人
这套全新的验证方法也会在不久的将来引入保时捷工程集团中国分公司。自 2014 年成立以来，上海分公司一直坚持对接当地企业，是保时捷公司在中国市场的战略合作伙伴。目前，保时捷工程正大规模增强其在中国高度自动化驾驶领域的研发实力，这也是为了能够在研发过程中充分考虑当地的条件。例如，为了节约空间，中国建造了大量多层高架桥，车道并非横向拓展，而是纵向叠加。“如果驾驶功能的设计没有考虑到这一点，ADAS 就可能发生故障，因为没有采用高程模型，也没有进行足够的仿真测试。”保时捷工程集团中国分公司软件开发（HAD 和 ADAS）高级经理许正君说。中国道路上的驾驶方式在某些方面也与欧洲不同。例如，频繁变道和近距离并道使正常驾驶状态和危险状态之间的过渡更为突然。因此需要对车辆传感器系统进行特殊的调校。“近年来，高度自动化驾驶在中国愈发受到重视。”许正君说，“这是因为许多司机开始关注舒适驾驶功能，如高速自动辅助驾驶和自动泊车。此外，驾驶自动化和自动驾驶是未来汽车行业的关键技术，这也是中国政府发布了众多政策和法规来引导和促进这项技术发展的原因所在。”
纳尔德奥：实际驾驶测试在纳尔德奥技术中心 (NTC) 进行。机器人越来越多地成为测试车辆驾驶者，以使测试结果保持一致。此外还采用测试路线的数字孪生，它能非常准确地还原真实道路的所有特征。如此一来，仿真和测试就能得到相互验证。
数字孪生：NTC 中处理路线的两个视图：上图为现场照片，下图为虚拟图像。
智能网联汽车试验场
中国政府在上海郊区选定了一块约 30 平方公里的区域，用于在真实的公共道路交通条件下测试车辆。得益于先进的 5G 移动网络，在此能够开发和测试用于车辆与基础设施之间交换数据的新技术。“所有这些具有中国特色的要求都需要当地具备相应的研发实力，而且仿真测试也必须在中国进行。”许正君说，“要模拟这么多中国特有的复杂场景，是一个巨大的挑战。我们相信，在未来，PEVATeC 平台将对提高中国的 ADAS 和高度自动化驾驶研发的效率和质量大有裨益。”
“具有中国特色的要求需要当地具备相应的研发实力。”
许正君
保时捷工程集团中国子公司软件开发（HAD 和 ADAS）高级经理
许正君是上海保时捷工程软件开发（HAD 和 ADAS）高级经理。他在长春市吉林大学获得了计算机科学硕士学位。这张照片拍摄于中国智能网联汽车（上海）试点示范区。
保时捷工程集团目前还在纳尔德奥建立了一个现代化的私人 5G 移动网络，可以实现车辆和台式计算机之间的实时数据传输。“这就为未来的测试方法奠定了基础，我们希望今后以完全自动化的方式进行测试，其中包括调整测试参数。”波西塔诺解释说，“机器人控制的车辆将所有测量数据发送到台式计算机上，然后计算机对它们进行评估和处理。如果结果显示调整参数确有效果，则可以将它们实时传输到汽车上，这样就可以在测试进行时分析其效果。”
上海：目前，保时捷工程集团正在大规模扩大在中国高度自动化驾驶领域的研发实力，以便能在研发过程中充分考虑当地的条件。除了实际测试，虚拟方法在未来也将在此领域发挥重要作用。
互联：无线通讯和激光雷达传感器在上海的智能网联汽车试验场被广泛使用。
综述
保时捷工程集团通过将虚拟和实际驾驶测试结合，为高度自动化驾驶功能保驾护航。为实现这一目标，保时捷在德国、意大利和中国的各个团队展开了紧密的合作。这是确保新的驾驶功能高效且可靠，并同时兼顾不同国家特点的唯一途径。
信息
本文首次发表于《保时捷工程杂志》2022年第1期。
作者：Richard Backhaus
摄影：Yolanda vom Hagen, Annette Cardinale, Danilo Dom Calogiuri
版权：本文中发布的所有图片、视频和音频文件均版权保护。未经保时捷工程书面许可，不得部分或全部复制。欲了解更多信息，请联系我们。
联系方式
您有问题或想了解更多信息吗？请联系我们：info@porsche-engineering.de
消耗数据
Cayenne E-Hybrid
NEFZ 能耗数据：
油耗（综合）：2.5-2.4 l/100 km
二氧化碳排放量（综合）（车型系列）：58-56 g/km
排放标准：Euro 6d-ISC-FCM
能效等级： A+++
耗电量（综合）：22.0–21.6 kWh/100 km
WLTP 能耗数据：
燃油消耗（加权）（PHEV 车型系列）：3.7-3.1 l/100 km
耗电量（综合）（加权）（车型系列）：26.5–25.1 kWh/100 km
二氧化碳排放量（综合）：83-71 g/km
Cayenne E-Hybrid Coupé
NEFZ 能耗数据：
油耗（综合）：2.6-2.5 l/100 km
二氧化碳排放量（综合）（车型系列）：60-58 g/km
排放标准：Euro 6d-ISC-FCM
能效等级：A+++
耗电量（综合）：22.4–22.0 kWh/100 km
WLTP 能耗数据：
燃油消耗（加权）（PHEV 车型系列）：3.7-3.2 l/100 km
耗电量（综合）（加权）（车型系列）：26.5–25.4 kWh/100 km
二氧化碳排放量（综合）：85-73 g/km
Cayenne Turbo S E-Hybrid
NEFZ 能耗数据：
油耗（综合）：3.3-3.2 l/100 km
二氧化碳排放量（综合）（车型系列）：75-72 g/km
排放标准：Euro 6d-ISC-FCM
能效等级：A+++
耗电量（综合）：23.2–22.8 kWh/100 km
WLTP 能耗数据：
燃油消耗（加权）（PHEV 车型系列）：4.0-3.8 l/100 km
耗电量（综合）（加权）（车型系列）：25.9–25.3 kWh/100 km
二氧化碳排放量（综合）：92-86 g/km
Cayenne Turbo S E-Hybrid Coupé
NEFZ 能耗数据：
油耗（综合）：3.3-3.2 l/100 km
二氧化碳排放量（综合）（车型系列）：76-73 g/km
排放标准：Euro 6d-ISC-FCM
能效等级：A+++
耗电量（综合）：23.5–23.0 kWh/100 km
WLTP 能耗数据：
燃油消耗（加权）（PHEV 车型系列）：4.1-3.8 l/100 km
耗电量（综合）（加权）（车型系列）：25.9–25.4 kWh/100 km
二氧化碳排放量（综合）：92-87 g/km
版本：2021 年 11 月