同济大学研发全球首套智能驾驶汽车云控测评系统
同济大学研发全球首套智能驾驶汽车云控测评系统
智能驾驶汽车的测试与评价是当前汽车行业面临的重要课题。同济大学汽车学院副院长熊璐在2024中国汽车论坛上发表演讲，探讨了智能驾驶汽车测试与评价的现状与挑战，并介绍了同济大学研发的云控多交通参与者测评系统。
智能驾驶汽车测试与评价的现状与挑战
我国智能网联汽车市场规模迅速攀升，2019-2023年市场规模持续增长，2025年出货量预计将超过两千万辆。然而，在实际应用过程中，智能驾驶汽车仍面临诸多问题，包括安全验证和测试评价体系的完善等。
智能驾驶汽车的测试与评价面临一系列挑战：
稀疏度灾难问题：要评价智能汽车是否足够安全，需要进行大规模测试。例如，要证明车辆比人类驾驶员更安全，可能需要测试上百亿英里，这在时间和成本上都是巨大的挑战。
公开道路测试的局限性：公开道路测试难以复现极限特殊场景，因为安全员或系统会提前干预，导致无法充分测试车辆在极端情况下的表现。
传统测试方法的局限性：传统测试方法环境条件简单，场景范围局部，工况设置零散，性能评价割裂，无法全面评估智能驾驶系统的整体性能。
同济大学研发的云控多交通参与者测评系统
针对上述挑战，同济大学与上海国际汽车城、上海机动车检测中心合作研发了云控多交通参与者测评系统。该系统基于5G云控技术，实现大规模交通参与者协同规划与连续动态场景自动生成，是全球首套具备连续动态场景城市NOA测试功能的封闭场地。
该系统具有以下特点：
多交通参与者协同：系统可以同时控制假人、假车、假摩托车等多种交通参与者，实现大规模测试环境。
连续动态测试：系统可以生成连续的动态测试场景，被测车辆可以在其中不断遇到新的corner case，实现持续挑战。
参数可调：系统支持变工况测试，可以设置不同的测试参数和场景复杂度。
主动对抗测试：系统可以主动制造冲突场景，实现群体博弈和主动对抗测试。
系统的核心技术包括：
边缘场景学习生成技术：基于深度强化学习算法快速生成边缘场景。
多车协同滚动优化技术：实现大规模参与者轨迹优化。
车端鲁棒运动控制技术：解决5G通信时延问题，实现可靠控制。
项目成果与影响
该项目获得第一届上海市检测检验行业创新创业大赛奖，受到领导和专家的关注。该系统的研发为智能驾驶汽车的测试与评价提供了新的解决方案，有助于推动智能驾驶技术的发展和应用。