(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211001635.4 (22)申请日 2022.08.19 (71)申请人 复旦大学 地址 200433 上海市杨 浦区邯郸路2 20号 (72)发明人 吴俊　奉现　杨松烨　周扬帆　 徐熙朗　 (74)专利代理 机构 上海正旦专利代理有限公司 31200 专利代理师 陆飞　陆尤 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于数字孪生的自动驾驶推演系统和 推演方法 (57)摘要 本发明属于自动驾驶技术领域， 具体为一种 基于数字孪生的自动驾驶推演系统和方法。 本发 明系统包括数字孪生场景搭建模块、 环境感知模 块、 仿真推演模块和决策优化模块。 数字孪生场 景搭建模块用于对物理实体建模并基于游戏引 擎搭建数字孪生场景； 环境 感知模块用于实时感 知车辆周围环 境和估计车辆自身的状态； 仿真推 演模块用于将 同一时刻 的多个决策方案在数字 孪生场景中进行并行化的推演； 决策优化模块用 于评估仿真推演的结果， 选择当前时刻下最优的 决策方案， 并反向作用于物理实体。 本发明将数 字孪生技术应用于自动驾驶的仿真推演， 能够对 自动驾驶决策进行优化， 并且能够有针对性的对 突发事件进行处理， 从而提高自动驾驶系统的安 全性与可靠性。 权利要求书3页 说明书5页 附图2页 CN 115392015 A 2022.11.25 CN 115392015 A 1.一种基于数字孪生的自动驾驶推演系统， 其特征在于， 包括： 数字孪生场景搭建模 块、 环境感知模块、 仿真推演模块和决策优化模块， 其中： 所述数字孪生场景搭建模块， 用于对物理实体建模并基于游戏引擎搭建数字孪生场 景； 所述环境感知模块， 用于实时感知车辆周围环境和估计车辆自身的状态； 所述仿真推演模块， 用于将同一 时刻的多个决策方案在数字孪生场景中进行并行化的 推演； 所述决策优化模块， 用于评估仿真推演的结果， 选择当前时刻下最优的决策方案， 并反 向作用于物理实体； 所述数字孪生场景搭建模块包括孪生体模型库、 天气系统和实时渲染可视化部分， 其 中： 所述孪生体模型库， 对真实的物理实体构建数字孪生体， 每个孪生体都由一系列真实 子对象模块组成， 分别负责独立的属性定义， 对应真实世界中对象的复杂物理结构； 所述天气系统， 用于动态模拟云、 雨、 雪、 雾以及光照的真实效果， 以及相关物 理量系数 的影响； 所述实时渲染可视化部分， 能够基于物体实体的数据， 将孪生体模型实例化与整合， 并 基于游戏引擎构建动态的数字 孪生场景； 所述环境感知模块， 用于实时接收物理世界的传感器数据， 对周围环境进行感知， 然后 得到实时的路况信息和行人信息反馈， 并且准确有效的估计出自身状态， 同时更新到数字 孪生场景 里面； 所述仿真推演模块， 在数字孪生场景中， 结合环境感知模块所得到的信息反馈和自身 状态估计， 并且根据多个可能的决策方案进行并行化仿真推演； 仿真推演在不同的进程中 进行， 互不影响， 并保证实时性； 仿真推演结束之后， 对不同决策方案下的行为与状态进行 预测； 所述决策优化模块， 从车辆自身状态、 周围环境情况等方面评估仿真推演结果， 然后选 择最优结果对应的决策方案在数字并进行车辆控制， 通过控制数字孪生场景中的车辆孪生 体来反向控制物理世界的自动驾驶车辆 。 2.根据权利要求1所述的基于数字孪生的自动驾驶推演系统， 其特征在于， 所述仿真推 演模块中引入有突发事件样本库； 通过事先在突 发事件样本库中推演模拟所有能考虑到的 突发危险情况搭建突发事件样本库； 在真实情况下遇到突发事件时， 首先对突发事件样本 库进行搜索， 如果能够检索到类似突 发事件， 则直接采取对应的决策方案， 减少对突 发事件 的处理时间； 否则， 再进行仿真推演， 并将突发事 件和对应决策记录 到突发事 件样本库。 3.基于权利要求1或2所示自动驾驶推演系统的自动驾驶推演方法， 其特征在于， 具体 步骤为： 步骤S1： 搭建自动驾驶数字 孪生场景 S1‑1： 对自动驾驶场景中的物体， 包括： 车辆、 传感器、 建筑物、 行人， 构 建静态孪生体模 型； S1‑2： 对构建好的静态孪生体模型进行分类， 并定义不同类别孪生体的特定属性和所 包含的数据对象， 从而建立孪生体和物理实体的静态映射关系；权　利　要　求　书 1/3 页 2 CN 115392015 A 2S1‑3： 基于游戏物理引擎， 在数字孪生场景中模拟物理世界中的物体实体的交互过程， 从而建立孪生体和物理实体的动态映射关系； S1‑4： 搭建天气系统， 模拟云、 雨、 雪、 雾以及光照的真实效果； S1‑5： 基于游戏渲染引擎， 实现自动驾驶数字 孪生场景的实时渲染和可视化； 步骤S2： 在物 理世界中， 对车辆周围环境进行感知和定位， 并将结果反馈到数字孪生场 景中； S2‑1： 在物理世界中， 使用传感器， 对车辆周围的环境进行感知， 获取周围车辆、 行人以 及其他可能的障碍物的信息； S2‑2： 在物理世界中， 使用传感器对当前天气情况进行感知； S2‑3： 基于路况信息以及先验地图， 使用SLAM技 术进行车辆自身的定位； S2‑4： 将环境感知和定位结果反馈 到所述数字 孪生场景中； 步骤S3： 在数字 孪生场景中， 通过仿真推演模块进行仿真推演； S3‑1： 根据步骤S2 ‑4的反馈结果以及物理传感器的数据， 在数字孪生场景中还原物理 世界的交通路况和天气情况； S3‑2： 针对当前自动驾驶情景， 迅速做出几个合理的决策； S3‑3： 对步骤S3 ‑2中的不同自动驾驶决策以事 件为单位进行并行推演； S3‑4： 将推演结果反馈给 所述决策优化模块； 步骤S4： 对仿真推演结果进行评价并执 行对应决策； S4‑1： 分析步骤S3 ‑4结果， 根据仿真推演中的车辆驾驶情况和是否存在潜在事故方面 来评估自动驾驶决策的好坏； S4‑2： 选择最优的决策 方案； S4‑3： 通过车辆孪生体与物理实体的反向映射， 控制物理世界中的自动驾驶车辆执行 最优决策。 4.根据权利要求3所述的自动驾驶推演方法， 其特征在于， 步骤S3中所述在数字孪生场 景中， 通过仿真推演模块进行仿真推演， 包括进行自动驾驶推演的孪生体根据天气信息参 数得到当前能见度， 由此推演出可视范围的最大安全距离； 根据当前路况信息得到摩擦系 数， 由此推演出当前路况下的最大刹车距离； 根据当前行人信息得到场景内人流量信息， 由 此推演出行人的下一步行进方向以及当前车辆的安全活动范围； 所述的数字孪生的自动驾 驶推演系统根据上述信息对孪生体行为进行决策， 具体步骤为： 步骤S1： 基于真实的物理输入计算出当前孪生体的实时驾驶参数； 所述的驾驶参数包 括最大刹车距离、 能见度、 可视范围、 最大安全距离、 突发事 件概率； 步骤S2： 基于上述驾驶参数用作推演系统的输入， 根据大量数据推演得到的模型进行 决策， 分析 下一时刻的执 行策略与可 行性； 步骤S3： 将推演结果反馈给物 理世界， 得到数字孪生推演系统下的输出结果； 所述的输 出结果即为 最优运转结果。 5.根据权利要求3所述的自动驾驶推演方法， 其特征在于， 步骤S3中所述在数字孪生场 景中， 仿真推演模块中应对突发事 件的具体步骤为： 步骤S1： 提前对突发事 件进行仿真推演并搭建突发事 件样本库； 步骤S2： 自动驾驶过程中， 遇到突发事件时， 从突发事件样本库中搜索并匹配相对应的权　利　要　求　书 2/3 页 3 CN 115392015 A 3