AVL-基于人工智能的ADASAD系统的有效确认和验证方法

车辆在环方法通过将同步的虚拟环境整合到真实的车辆中，在简化的轨道环境中进行测试，并保证物理和虚拟车辆定位之间的相关性，弥补了目前仿真和物理测试方法之间的差距。

为了应对在车辆中实现的自动驾驶功能的日益复杂，智能驾驶技术需要车辆在环解决复杂的测试验证，允许扩大测试覆盖矩阵，以及通过仿真实现更复杂和危险的测试场景。

基于先进的仿真工具设计了一个新的虚拟测试验证平台，以支持ADAS和自动驾驶的技术验证。虚拟传感器信息通过仿真手段生成，并被注入ADAS和自动驾驶车辆的ECU，以测试车辆在触发物理执行器时的行为。车辆的地理定位和数字地图的使用能够合并虚拟和物理世界，为驾驶员提供身临其境的场景。

从本质上讲，车辆在环为车辆创造了虚拟的危险，司机也可以通过增强的视频显示看到这些危险，然后它必须在试验场上通过真实的物理行动来避免这些危险。虚拟危险可以包括多辆汽车和脆弱的道路使用者，并探索那些过于复杂或危险的场景，以便用物理目标设备来实施。

车辆在环的主要应用是ADAS和自动驾驶系统的预校准和评估，它也正在被欧洲NCAP评估，以纳入确定车辆安全等级的过程，允许更广泛的测试矩阵覆盖。通过专门的仿真软件，智能驾驶工程师可以根据现有和未来的标准生成更广泛的复杂交通场景，保证驾驶员的安全。

整车在环测试是一个具有成本效益的智能驾驶验证方法，允许ADAS和自动驾驶系统在多种复杂或危险的情况下进行开发和验证，对试验场资源的要求较低（因为它只需要简单的轨道，有虚拟目标），减少后勤工作，保证高测试精度和可重复性。

车辆在环验证测试技术有助于缩小HIL测试和真实测试驾驶之间的差距。将真实的部件集成到虚拟环境中，可以实现真实的测试。同时，测试场景可以自动化，并可随意复制。特别是在自动驾驶汽车领域和各种ADAS应用，如AEB或回避转向辅助系统，可以在众多的虚拟道路使用者和详细的虚拟环境中进行测试。这使得系统成熟度的早期认证成为可能!