江南二月春深浅，芳草青时。同济大学TOPS课题组在2017年2月17日迎来了德国PTV全球副总裁 Peter Möhl、PTV亚太总裁David Ng、PTV China总经理姜靖、PTV China项目经理沈畅、TOPS课题组孙剑教授、倪颖副教授与其在合作的诸多方面进行了密切而深入的交流，课题组相关研究方向的同学也参与了探讨。

首先由倪颖老师介绍前期与PTV合作的项目，即VISSIM指导手册以及模型标定工具箱的初步进展。

符合中国交通道路运行实际情况的高可信度交通仿真模型是进行工程项目分析的基础，而缺乏经验的工程师或用户缺乏对VISSIM模型深层次的认识，往往无法得到与实际交通运行相符的理想的仿真结果，甚至出现较大的偏差。尤其是中国的交通运行状况相比欧洲国家更加复杂。目前我国国内相关VISSIM指导书籍分为入门操作教程和宏观工程指导两类。

入门操作教程其主要帮助初学者了解VISSIM软件的具体操作步骤，讲解各类设置按钮的位置和简单作用，其受众为学生或VISSIM初学者，以初步操作VISSIM软件为目标，主要用于教学。宏观工程指导类书籍指导读者更高效的应用微观交通仿真软件，为交通分析人员提供交通系统的现状以及可能的改进措施等方面的决策参考。其受众为交通分析人员，以完成可信交通仿真分析项目为目标，主要应用于工程咨询。

而我们的VISSIM指导手册是介于现存两者之间的一种补充，弥补国内缺乏对建立高可信度“中国化”VISSIM仿真模型的规范指导的空白。该指导手册主要梳理建立VISSIM仿真模型的规范流程，指导用户利用VISSIM建立“中国化”的高可信度交通仿真模型。在交叉口、快速路、大型路网三种场景下，提出具体的或者通用的实用建议。其受众人群既包括已初步掌握VISSIM软件的使用方法，但所建立仿真模型可信度较低不符合实际交通运行情况的入门级用户，又涵盖能够独立构建面向工程的VISSIM模型，但仿真模型的建立过程存在疏漏，希望规范操作流程并进一步提高能力的部分高阶用户。

我们向PTV公司展示了手册式及导则式两种模板供其选择，PTV公司的工程师表示对我们所展示的tips模式非常欣赏，后续将继续在这一基础上进行完善。

除此之外，我们还向PTV公司展示了基于VISSIM仿真模型的自动标定工具。VISSIM仿真模型的底层核心跟车模型、换道模型均由大量参数组成，为建立符合“中国本地化”的交通运行状况的仿真模型传统的仿真模型，使其能够更真实的反映实际道路运行情况，需要对模型的缺省值进行标定。而传统的模型标定方法需要手动完成，其工作量和耗时较长，而我们的标定工具可以自动完成参数筛选以及标定参数过程，且这一过程还可以向用户提供“一键标定”、“自定义标定参数”等功能，目前该标定工具已经进入后期调试阶段。

会议讨论中

在倪颖老师介绍完后，孙剑老师介绍了期待与PTV合作的另一方向。现阶段由于无人驾驶技术的飞速发展，无人车的上路必须要经过各种交通场景环境的大量测试，目前仅在上海，正在新建的无人车实车试验场就已有4座，另已建成1座。

一般VISSIM的核心功能是提供车辆环境及各种微观交通模型。未来，TOPS课题组期望联合VISSIM进行无人车的测试工作，以协助VISSIM向各种无人车企业的推广。

目前VISSIM的DLL模块可以进行不同跟驰，变道等模型的测试，但这仅仅是无人驾驶车辆测试的极小方面，它并不能完成无人车辆在整个生命周期的各类驾驶场景测试，比如VISSIM就不能提供在不同恶劣天气情况下，无人驾驶车辆微观行为的测试，并且检测的周边车辆环境十分有限。

本课题组前期进行的相关研究种，在中国首次将PreScan与Vissim进行了连接。由PreScan提供不同路况，天气（阴天，雨雪雾）等交通场景及在这些场景下，无人车雷达、光达及呈像设备的感知数据（与实际数据存在误差），由VISSIM提供车辆输入，来进行无人驾驶车辆的软件在环测试。

本课题组已经连接了VISSIM与PreScan进行了智能车各类跟驰模型及汇入模型的测试。同时课题组也进行了相关的无人车硬件在环的仿真测试工作，包括第一层的将无人车的决策行为轨迹传输至仿真环境中，仿真软件向无人测试车辆反馈周边交通状态信息，然后由无人车决策模块决策车辆下一阶段的行为，在这一层无人车辆不执行操作，只提供决策模块；在第二层，我们将无人测试车辆放在固定台架，车辆执行操作时，车辆执行模块会在台架执行各种真实操作，但车辆位置固定，方便进行室内测试；第三层，我们将车辆置于实际道路环境，进行实际场景的运动测试。

课题组提出了“AlphaCar”计划，利用深度强化学习理念，以整个决策过程的安全与效率为指标，进行正负向学习，得出最优的行为决策。

最后，PreScan的相关工程师对现阶段与交通服务行业的相关企业如滴滴等，进行出行行为研究合作，以及未来车辆拥有权共享规划等宏观方面的研究。现已研发了相关测试软件的Demo版本。

双方对此卓有成效的沟通表示赞赏，并详细沟通了下一步深入合作的工作安排，并期待在未来有更多机会进行交流与合作。