基于Google Earth的車輛防碰撞虛擬仿真系統

肖廣兵 陳有超 季淦 孫寧 陳勇

摘要：車載自組織網絡（VANET）是近年來智能交通領域的研究熱點之一。在VANET網絡中，智能車輛通過交互共享道路環境信息，可提高交通安全水平。在現實環境中進行大規模的車載自組織網絡實驗，在經濟性和可行性上都具有較大困難。在SUMO交通仿真基礎上開發出車輛防碰撞虛擬仿真系統，通過Google StreetMap獲取真實道路環境（如路網、樓宇、植被等），并結合GEMV2軟件對智能車輛在真實道路環境下的無線通訊鏈路質量進行評估，實現了虛擬行車交通流與車輛間無線通訊質量評估兩位一體的模擬仿真，增強了車輛對周圍道路交通環境的綜合感知能力。

關鍵詞：虛擬行車系統;交通仿真;SUMO;車載自組織網絡;通訊鏈路評估

DOI：10.11907/rjdk.191860開放科學（資源服務）標識碼（OSID）：中圖分類號：TP319文獻標識碼：A 文章編號：1672-7800（2019）010-0107-04

0引言

車載自組織網絡（VehicularAd hoc Network，VANET）是近年來智能交通領域的研究熱點之一，在城市道路交通系統中具有極其重要的研究價值。在現實環境中進行大規模的車載自組織網絡試驗，在經濟性與可行性上都存在較大困難，而隨著近年來計算機仿真技術的快速發展，采用虛擬仿真技術進行車載自組織網絡仿真實驗研究車輛避碰方案已成為一種趨勢。該研究方式可在縮短研究周期、降低研究難度的同時，極大地節省研究經費，因此是一種行之有效的方法。

在大規模交通流仿真實驗中，目前運用較廣的是SU-MO交通仿真（Simulation of Urban Mobility）。文獻[2]、[3]均采用SUMO進行交通仿真，取得了良好的仿真效果，但SUMO仿真僅限于交通流仿真，并不涉及交通流中車輛與車輛之間的通訊仿真，且仿真結果僅能從宏觀視角進行展示，不具備以駕駛員為觀測視角的道路實景仿真功能，缺乏直觀性，難以實現避碰方案研究的最佳環境。

本文設計的車輛防碰撞虛擬仿真系統在SUMO仿真基礎上進行二次開發，可將SUMO中任意車輛的仿真結果轉化為以駕駛員為第一視角的行駛過程實時路況仿真，之后進一步結合GEMV2（Geometry-based Efficient propaga-tion Model for V2V communication）對車輛行駛過程中的通訊鏈路進行評估，從而實現虛擬行車和通訊質量評估兩位一體的模擬仿真，使仿真結果的顯示更加直觀與真實。

1研究現狀

目前，車載自組織網絡仿真更加注重真實性、可拓展性以及系統集成性，并通過虛擬現實建模技術增強仿真的表現力和感染力。但目前該領域取得的研究成果，如車道公路通行能力仿真、非信號燈公路交叉口交通仿真、高速路人口匝道交通仿真等，僅是針對一些局部或特定問題的研究，其對網絡和車輛流的分析都缺乏系統化考慮。

從涵蓋范圍來看，車載自組織網絡仿真主要涉及兩方面：一是對網絡方面的仿真，通過建立車輛間通訊模型與算法，對車輛間的通訊質量進行評估與測試;二是對車輛流的仿真，通過仿真模型模擬車輛在路網中的運動狀況。以上兩方面的仿真工具目前都已發展得很成熟，如典型的網絡模擬器NS-2，OPNET、OMNet++等，典型的交通模擬器CORSIM、VISSIM、SOMO等。

車輛運動會直接影響到車輛間的通訊狀況，例如：當車輛經過高樓等遮擋物時，部分通訊鏈路會被遮蔽。反之，車輛間的通訊信息同樣會作用于車輛運動，例如：當某車輛接收到其相對方向車輛駛來的信號，則發出避讓提示，必然會引起車輛運動軌跡的改變。因此，在車載自組網仿真中，網絡模擬器和交通模擬器是相互影響、相互作用的。以上提到的仿真軟件在功能上相對獨立，但整合性欠佳，距離實現網絡與車輛流的聯合仿真還有一定差距。

在文獻[6]中，考慮到因距離產生的信號衰減及阻擋信號傳播障礙物的影響，提出一種新的基于拓撲的可見性模型，以實現更精確的警告消息傳播過程。但該方案在仿真模擬階段多采用高速公路場景（最簡單的布局、無交叉點）和曼哈頓風格的街道網格（街道正交排列），而很少使用真實的城市場景布局，因此難以實現仿真的準確性與真實性;在文獻[7]中提出一種利用SUMO軟件計算道路上車輛每個時刻位置以及道路特性的模擬方案，雖然一定程度上還原了真實的道路情況，但由于SUMO只能提供平面路網信息，因此該方案缺乏直觀的行車交互感知，也未能實現對信號傳播中障礙物影響的檢測。

本文設計了一種虛擬車輛防碰撞系統，在SUMO仿真基礎上結合Google Earth地圖軟件得到以駕駛員為第一視角行駛的實時路況，并結合GEMV²對行駛車輛通訊鏈路進行評估，較好地實現了網絡與車輛流的聯合仿真。

2系統設計與工作原理

車輛防碰撞虛擬仿真系統將交通仿真工具SUMO與通訊仿真工具GEMV²進行整合，運用本文開發的Python腳本，可將SUMO中產生的車輛移動樣本生成可供GoogleEarth地圖軟件使用的KML文件，再通過通訊仿真工具GEMV²生成包含車輛間通訊鏈路的KML文件。最終將兩者的仿真結果整合到Google Earth中進行演示，通過實時調整駕駛員視線與水平線的夾角，形成多視角車輛防碰撞虛擬仿真系統。

2.1交通仿真工具SUMO

SUMO（Simulation of Urban Mobility）是一種開源、微觀、多模態的交通模擬器，可以實現車輛跟馳模型、換道模型、路徑選擇、信號燈控制、路口轉向等仿真功能，能真實模擬城市道路中的車輛移動。SUMO中的每輛車都是明確建模的，有自己的路線，并在路網中獨立移動。在默認情況下，模擬是確定性的，也可采用SUMO自帶的腳本引入隨機性，如使車輛在多路口路段內隨機轉向等。需要注意的是，其隨機性始終受到路網中包含交通規則的限制，以保證仿真效果的真實、可靠。

包含道路信息的路網文件是用于SUMO仿真的基本文件。OpenStreetMap（一個開源地圖軟件）有豐富、準確的路網信息，采用提取自OpenStreetMap的路網文件，再根據仿真實驗需求作進一步調整，基本可達到仿真要求，是一種高效、可行的方案。

SUMO仿真是車輛防碰撞虛擬仿真系統的基礎，虛擬行車系統將從SUMO仿真軟件最終產生的包含道路和車輛運動的XML文件中提取車輛數據。

SUMO仿真基本步驟可簡化如下：①從地圖文件中提取路網;②運用SUMO提供的腳本生成符合路網交通規則的車輛;③運行SUMO交通流仿真。

2.2通訊仿真工具GEMV²

GEMV²是用于車輛到車輛（V2V）或車輛到基礎設施（V2I）的基于幾何模型的通信模型。使用GEMV²進行仿真的流程如圖4所示。

運行GEMV²仿真，需要地圖幾何模型和車輛群運動參數兩方面數據。其中，地圖幾何模型提取自SUMO仿真時用到的同一個OpenStreetMap地圖文件，而車輛群運動參數提取自SUMO仿真文件。GEMV²根據地圖幾何模型實時計算并評估運動車輛之間的通信鏈路質量，通過確定高質量通信條件以達到避碰目的。例如，當車輛之間沒有建筑物等阻斷信號的物體，且彼此在其廣播能力范圍內時，可通訊質量較好;反之，車輛通訊質量會隨著車輛間阻隔物體的增多或車輛間距離的增大而下降。

GEMV²仿真效果如圖5所示（彩圖見封三），其中藍色線條代表通訊鏈路通訊質量較好，反之，黃色線條代表該通訊鏈路通訊質量較差。

2.3Google Earth

Google Eaah是一款由Google公司開發的虛擬地球軟件，其將衛星照片、航空照相和GIS布置在一個地球的三維模型上，支持多種操作系統平臺。由于Google Eaah提供了大量通用的功能模塊與接口，基于Google Eaah進行二次開發的應用非常豐富，最常見的開發領域是GIS，但在交通模擬方面還十分欠缺。Google Earth豐富的三維模型可為交通模擬提供實驗所需的道路，從而大大減少模擬過程中道路環境搭建的工作量及搭建成本。

Google Eaah三維模型是基于KML（Keyhole MarkupLanguage，Keyhole標記語言）的，KML是一種基于XML的標記語言，利用與XML相似的語法格式描述地理空間數據（如點、線、面、時間、位置及模型等），從而構建地理模型。通過在一系列連續的時間點上定義車輛位置、前進方向、速度等數據，即可實現車輛在Google Earth地理模型道路上行駛的仿真效果。

2.4仿真整合

運用本文開發的Python腳本，從SUMO仿真軟件產生的XML仿真文件中提取車輛運動參數，包括任意時間點上的車輛經緯度、車速、車輛行駛方向等信息，并按照一定格式轉換為Google Eaah專用的KML文件。另一方面，運用GEMV²生成的實時通信鏈路質量評估仿真結果也以KML文件形式同步加載至Google Eaah中。只要確保兩個KML文件中的時間軸同步，即可實現虛擬行車與通訊質量評估兩者合一的虛擬車輛防碰撞系統。虛擬行車系統整體仿真流程如圖6所示。

車輛防碰撞虛擬系統仿真效果如圖7所示（彩圖見封三），結果以類似視頻的形式進行展示。隨著時間推移，車輛沿著設定路徑行駛，在以駕駛員為第一視角顯示道路實景的同時，生成車輛間的通訊鏈路。

3結語

本文創新地將SUMO交通仿真與Google Earth相結合，開發出仿真效果更加立體直觀、道路周邊景物更加豐富的虛擬車輛防碰撞系統，同時結合GEMV²進行車輛間通信質量評估，將原本分離的SUMO交通流仿真與GEMV²通信仿真整合為一個體系，為車載自組織網絡仿真提供了一種有效的解決方案，實現了車輛避碰方案中的真實環境搭建，解決了網絡模擬與交通模擬相互獨立的問題，達到了更佳的虛擬仿真效果。然而，本文開發的系統受限于目前的技術發展狀況，車輛防碰撞虛擬仿真系統中缺少人在交通流中的運動狀態。因此，將運動方向和運動狀態多變的人加入到車輛防碰撞虛擬仿真系統中將是未來無人駕駛交通系統仿真研究的方向。