时隔一年，课题组与PTV名为《在Vissim中实现智能汽车虚拟测试与人工智能训练方法研究》的项目合作完成成果交付。期间双方多次展开深入交流，从软件接口的完善到技术路线实施的调整，均是在充分沟通、信息共享的条件下进行的。对于研究成果，PTV公司给予高度评价，并对项目负责人孙剑教授进行了采访，经整理的中/英采访稿已经被发布在PTV微信公众号、PTV官方博客上。

考虑到当前智能汽车实车测试存在的无法加速、成本高、具有安全隐患的问题，本项目关注于智能汽车的虚拟测试与训练。该项目主要分为两部分：第一部分主要是结合Prescan在环境模拟、信息感知、车辆控制等方面的优势以及Vissim对于交通流环境模拟的优势，构建智能汽车虚拟测试环境。基于该虚拟测试环境，项目分别提供了快速路汇入区、混合流两相位交叉口、多路口干道三个场景的案例。本研究提出的基于软件在环的智能汽车虚拟测试将在高逼真度仿真的前提下，极大提高智能汽车测试效率。

结合PreScan与Vissim在多路口干道场景下进行智能汽车测试

第二部分是应用现在热门的人工智能技术，在虚拟仿真环境Vissim中实现智能汽车驾驶能力的自我训练。针对智能汽车驾驶数据采集成本高、标签化工作量大的问题，项目提出基于仿真数据进行深度学习，以交叉口左转车为例，成功实现智能汽车面对行人流、非机动车流、以及机动车流多主体交互下的避让与穿越。随后，针对深度学习泛化能力差、仅仅是对数据进行模拟的缺陷，参考”AlphaGo”自我学习的思路，采用强化学习算法，经过万余次的迭代学习，最终训练出适用场景更一般化、驾驶水平高于传统解析模型的车辆驾驶决策模型。

训练初始发生碰撞

训练初始过于保守

训练后可高效跟驰换道

在此合作基础上，未来课题组还将在非机动车仿真、机非混行、双向两车道等非结构化道路的仿真方面与PTV公司展开深入合作。

最近更新：2018年11月13日 13:22:11