基于数据驱动的多层次多度量评估方法研究

量化虚拟仿真与真实数据差距，提升自动驾驶感知模型置信度

引用信息： Li, H., Bamminger, N., Wan, L. et al. Multi-level and Metrics Evaluation Approach for Data-Driven Based Sensor Models. Automot. Innov. 7, 248–257 (2024). https://doi.org/10.1007/s42154-023-00275-8

研究背景

随着高阶自动驾驶技术的发展，虚拟仿真在系统验证中的作用日益凸显，其中感知系统的虚拟建模是实现功能闭环的关键基础。然而，仿真模型的可信度始终是行业关注的核心问题。为此，研究人员提出一种多层次、多度量的评估方法，用于量化虚拟合成数据与真实测量数据之间的差异，从而提升模型置信度。

研究内容

1. 评估流程构建
该评估体系由模型泛化性评估（MGAE）和隐性案例表现评估（CIPE）两部分构成。通过神经网络训练数据驱动的传感器模型，拟合真实传感器输出特性，并利用MGAE中的量化指标对模型泛化能力进行系统评估，确保其在多样化场景下的适用性。

Fig. 1 提出的验证方法总体架构

2. 数字孪生仿真场景构建
选取具有挑战性的实际测试案例，构建高保真的数字孪生虚拟仿真环境。借助IPG CarMaker软件平台，精确复现真实车辆的运行轨迹与动力学行为，为后续评估提供可靠基准。基于CIPE提出的相似性度量指标，验证仿真模型在关键场景下的表现一致性。

Fig. 2 Digitrans试验场概览及雨雾模拟装置细节

3. 多层次评估体系
通过多个维度的评估指标，从不同角度对仿真置信度进行全面衡量，有效量化虚拟与现实之间的性能偏差。实验结果表明，基于神经网络的感知模型具备良好的泛化能力，能够在数字孪生环境中高度还原真实传感器的表现，为高级别自动驾驶的虚拟开发提供了有力支撑。

作者团队简介

李赫瑄，现任德国某车企ADAS仿真工程师，法国克莱蒙奥弗涅大学本硕毕业，曾在标致雪铁龙、奥迪中国从事E/E集成与ADAS开发工作，后于格拉茨工业大学获博士学位。研究方向聚焦感知系统建模、高阶自动驾驶功能仿真及XiL测试，拥有国家发明专利十余项。

Nadine Bamminger，格拉茨工业大学机械工程专业本硕毕业，专注“电机驱动技术”与“车辆安全技术”，现就职于奥地利Digitrans GmbH，主要从事自动驾驶测试相关工作。

万利，先后毕业于乌珀塔尔大学与卡尔斯鲁厄理工学院，获机械工程学位。自2016年起任职于德国IPG Automotive GmbH，担任方案工程师，专注于自动驾驶、车辆动力学与动力总成仿真，后续参与台架系统集成应用。

Arno Eichberger，格拉茨工业大学汽车工程学院教授、博导，主要研究领域包括驾驶员辅助系统、车辆动力学与底盘控制。主持多项奥地利科研基金（FFG）及企业合作项目，并牵头国家重点研发计划国际合作课题。1995年获机械工程学位，2000年于该校完成博士学业。1998–2007年任职Magna Steyer公司，负责主被动安全系统开发，2007年起任教于格拉茨工业大学。

期刊介绍：《Automotive Innovation》

《Automotive Innovation》是由国家新闻出版署批准、中国汽车工程学会（China SAE）主办的首个汽车行业英文科技期刊，致力于打造国际化的学术交流平台，推动中国汽车创新成果走向世界。

期刊以建设世界一流科技期刊为目标，汇聚来自全球15个国家和地区的权威专家组成编委会，与Springer Nature集团合作出版，确保高水平的学术质量与国际化标准。目前已入选EI、ESCI、Scopus数据库，2023年影响因子达4.8，CiteScore为8.5，位列中科院工程技术一区。

期刊每季度出版一期，读者覆盖72个国家和地区，单篇最高下载量超3.2万次。主要刊载智能网联汽车、新能源汽车、未来出行等领域的原创理论、方法研究及工程技术应用成果。

创刊联合主编为清华大学李骏院士、赵福全教授，执行副主编为吉林大学章新杰教授。