基于數字孿生的自動駕駛交通場景構建研究

梁恩云，高琛，葉少檳，賴粵

（廣東工業大學自動化學院，廣州 510006）

0 引言

進入21世紀以來，AI、通信技術的快速發展與傳統汽車工業的深度融合，智能化的汽車成為了現代工業時代最有前景的應用。近10年來，國內外各個汽車廠商和眾多研究機構都在該新興領域作出了巨大的投入和研究，力求自動駕駛汽車能夠早日投入商用。然而，Tesla公司和Uber公司在自動駕駛汽車研發的過程中發生的重大事故讓整個技術行業陷入了沉思，反映出技術層面存在一定的問題。

在國外，2016年美國汽車工程學會對自動駕駛的定義［1］和自主程度進行了分級規劃，以Level 0～5級分別對應無自動駕駛、駕駛輔助、部分自動化駕駛、有條件化自動駕駛以及完全化自動駕駛［2］，并且做出了可靠的評估。認為目前自動駕駛技術處于2級到3級之間的安全階段，其存在的不足是測試方面安全性低，測試效率低且測試標準在各個地區不統一。從美國國家公路交通安全管理局（NHTSA）的研究數據來看［3］，一輛汽車大約要在人為駕駛43.6萬英里（70萬公里）才會遇到一起事故，而且大約人為駕駛1億英里（1.6億公里）導致1人死亡。在我國，習近平總書記［4］提出了要圍繞人工智能、基因編輯、醫療診斷、無人駕駛和自動駕駛領域加強開發，尤其要加強自動化安全性方面的建設，多實際道路安全測試等。然而，考慮到安全問題，目前自動駕駛算法90%在仿真平臺上完成，9%在封閉測試場完成，僅有1%通過實際道路測試完成［4］。自動駕駛仿真測試是自動駕駛技術的重要一環，結合數字孿生技術，正是為了彌補實際路測的不足，可以在確保安全的前提下，將實測的交通場景映射到虛擬空間中，節省測試時間和成本并能確保測試安全，助力自動駕駛技術汽車的快速落地。

目前，自動駕駛測試方法主要分為三類：軟/硬件在環測試、封閉測試場測試、開放道路測試。三種測試方法各有優缺，但都存在一個問題，任何單獨的一種測試方法都不能確保測試效果，將來的自動駕駛汽車測試必定是軟/硬件在環測試、封閉測試場測試、開放道路測試的三者有機融合［6］。三種測試方法的優劣對比分析如表1所示。

表1 三種測試方法的優劣對比

隨著社會的不斷進步，交通場景也逐漸變得復雜，如表1所述三種現有的自動駕駛測試方法在實際應用中暴露出很多的問題，具體表現為以下幾點：

（1）測試場景碎片化，并不符合實際使用情況［7］；汽車自動駕駛是一個連續的過程，符合實際商用前必須經過大量的路測，這對于實車測試來說花費的時間和成本都是不可接受的。

（2）在真實物理空間中復現極端交通場景困難、安全隱患大；如常見的多車沖突，汽車緊急換道或車輛行駛過程中的復雜光照、雨霧天氣等。

（3）軟/硬件在環測試依賴動力學模型；數字化構建的車輛動力學模型難以精準復現真實車輛動力學模型，降低測試精度。

（4）封閉測試場建設成本高、周期長、靈活性低，難以適應自動駕駛技術升級帶來全新的測試需求。

（5）實際廣泛開發道路測試中交通參與者隨機生成，不確定性因素占主導地位，難以開展重復性的測試。

針對上述問題，相關專家和學者［8］從測試安全的角度出發，加大在虛擬交通場景中開展無人駕駛汽車測試的研究，以盡量少的人力物力消耗來達到測試要求。近年來，伍朝輝等［9］交通場景數字孿生構建虛實融合應用，認為利用數字孿生技術中的“虛實結合”可以構建交通場景數字孿生體，從人-車-路-環境四個維度對交通場景數字孿生亟待解決的關鍵技術進行了分析，為自動駕駛汽車實際路測安全性低提供了解決方案［10］。

1 自動駕駛仿真測試

1.1 自動駕駛技術的發展

自20世紀70年代［11］，以美國為首的發達國家已經著手對自動駕駛汽車進行研究，并在可行性和使用等方面取得了突破性的進展。2004年在Mojave沙漠舉行的自動駕駛挑戰賽直接推動了自動駕駛汽車的快速發展；之后，斯坦福大學、麻省理工學院和費吉尼亞理工大學等高校對該技術領域進行深入探究，為自動駕駛汽車的落地奠定了基礎。工業界對自動駕駛技術也寄予厚望，2009年谷歌開啟Waymo自動駕駛研究計劃，隨后Uber、特斯拉、福特、博世、奔馳、豐田等也陸續進軍自動駕駛領域。

我國在20世紀80年代便已著手自動駕駛的研發［12］，ATB-1是國內第一輛自動駕駛汽車，于1992年在武漢科技大學成功研發。近年來，百度、騰訊、華為等公司也步入該領域研發［13］，自動駕駛技術引領著整個汽車行業的突破。進入21世紀后，伴隨著相關政府標準和法律法規的不斷完善［14］，消費者對安全性和舒適性需求的日益增長，成為基于環境感知的汽車ADAS的主要驅動力，5G/V2X網聯、大數據、人工智能、通信等新興技術的崛起，封閉式場地測試或純仿真測試滿足不了自動駕駛技術升級帶來的全新測試需求［15］。從安全角度，目前國際廣泛公開的道路用于自動駕駛汽車測試的依然很難覆蓋復雜多樣的交通場景。

1.2 自動駕駛仿真測試的意義

自動駕駛汽車在實際商用之前，需要經歷大量的道路測試。但其作為新興事物，自動駕駛汽車依然面臨著巨大的挑戰，如實際路測所花費的高昂費用、各國對于自動駕駛仿真測試的容忍度、極端交通場景復現困難、安全隱患大、道路交通環境及習慣差異等等，在一定程度上對自動駕駛系統的發展起到了阻礙作用。

采用實際路測消耗大量的人力物力。自動駕駛是人工智能領域下的一個范疇［16］，目前處于開發階段。美國蘭德公司曾提出自動駕駛車輛要累計177億公里的駕駛數據才能夠達到人類的駕駛水平，假設一支由100輛自動駕駛車輛組成的車隊，不間斷地進行測試，平均車速為40公里每時，則需要大約500年的時間才能完成測試目標，這對于大多數國家來說都是不可以承受的。

有關法律法規以及保險機制的缺失限制了自動駕駛汽車路測大范圍的開展［17］，我國注重“以人為本”的中心思想，自動駕駛汽車現階段尚不能保證絕對安全，故對開放實際道路用于自動駕駛仍然保持謹慎的態度。但是，僅僅依靠目前廣泛公開的道路配合智能網聯測試去優化自動駕駛算法，難以滿足自動駕駛技術升級帶來的全新測試需求，主要體現為以下5點：

（1）自動駕駛汽車缺乏相應的交通法律法規。中國的交通環境復雜，難以制定涵蓋方方面面的法律規章制度。

（2）自動駕駛汽車測試不能載人載物，與實際汽車不符，阻礙自動駕駛技術的發展。

（3）事故責任劃分標準缺乏，自動駕駛汽車的駕駛主體大多是實驗室的研究人員，與現實駕駛員存在巨大差別，因此目前現有的大多交通法規都不再適用。

（4）自動駕駛缺乏相應的保險理賠機制。現階段有關自動駕駛汽車的保險規定并沒有真正落實，造成自動駕駛汽車“無險可投”，測試人員的生命健康得不到保證。

（5）實際中的極端場景往往都是可遇不可求的，想要重現難度和安全隱患較大。

由于傳統的測試方法無法窮盡復雜多樣的測試場景，可擴展性較差，導致自動駕駛測試的效率不高。

1.3 基于虛擬交通場景的仿真測試成為自動駕駛的關鍵

基于交通場景庫的仿真測試是解決自動駕駛研發測試挑戰的主要路線［18］。虛擬仿真測試主要是通過構建虛擬的交通場景［19］、復雜的照明模型、車輛動力學模型，實現自動駕駛汽車的感知、決策控制的閉環仿真測試，以此助力自動駕駛技術的發展。

在虛擬交通場景中，普通交通場景下的算法也不完善，普通場景如何擴展和做到更真實也是個問題，場景的豐富性、有效性、真實性、重復性難以再現。

在虛擬交通場景中，如何擴展普通場景、豐富場景以及提高環境逼真度依然是現階段的主要突破點。但在仿真平臺可以輕松自定義各種的極端場景，故業界普遍的共識是基于現有企業仿真軟件進行自動駕駛測試，優化自動駕駛算法。目前現有的自動駕駛仿真軟件及其應用特點如表2所示。

表2 自動駕駛仿真軟件及其應用特點

企業仿真軟件的最初開發思想都是以結合仿真測試、封閉測試場以及開放道路測試三種測試方式去訓練和驗證自動駕駛系統［20］，模擬輸出的數據不僅可用于驗證算法的可行性，也可以作為基于人工干預程度、任務復雜度、環境復雜度的三維評價模型的輸入數據［21］，基于人-車-交通多維度測試評價規則從整車安全、人機交互、駕駛體驗、能耗以及效率等幾個角度進行分析對比，構建出自動駕駛安全性、交互性、效率性方面的評價體系。基于仿真平臺上的測試方法和工具，在研究初期以較少的投資去驗證自動駕駛系統，開發主動安全系統和物聯網汽車系統，但對于后期的算法優化，則必須在真實道路中測試完成。

2 數字孿生技術介紹

2.1 數字孿生概念介紹

數字孿生這一概念源自美國密歇根州州立大學的一個教授［22］的觀點，其總結為“基于最佳可用的物理模型、結合升級化的傳感器以及飛行器的歷史數據的一個綜合多物理、多尺度的概率模擬系統來映射出虛擬空間中孿生兄弟的生命周期全過程”。美國NSNA將飛機的運行活動進行了虛擬化模擬，因此也稱為Digital Twin（數字孿生），是將實物向虛擬世界轉換的一種方法［23］。

總結上述定義的理解要點是：數字孿生就是能夠將真實的設備或系統虛擬世界中映射成數字版的“克隆體”的方法。這個“克隆體”也被稱為數字孿生體，它被創造在虛擬的空間中，是虛擬存在的，它是仿真應用的拓展。數字孿生體最大的特點在于：它是對實體對象的動態仿真［24］。然而，數字孿生體的跳動并不是隨機的，它會跟隨物理對象的設計模型、傳感器接收的數據、運行的歷史數據來動態改變。簡言之，實體對象運行的實時數據和外界環境條件這些參數都會在孿生體中呈現出來。對實體對象使用數字孿生技術，最大的優勢在于，凡是做對系統有影響的測試時，可以將其移至數字孿生體上進行，避免對實體本身的污染，還可以提高測試效率、節約成本。

此外，數字孿生還有全生命周期、實時和雙向等特點。全生命周期，是指數字孿生可以貫穿產品設計、開發、制造、服務、維護乃至報廢回收的整個周期，它除了能夠幫助企業更好地制造產品，還幫助用戶更好地使用產品；實時或準實時，是指實體對象與孿生體之間在構建交互通道的基礎上，進行數據的雙向傳送，兩者并不是完全獨立的，實體與虛體之間的映射關系同時也具備實時性；雙向，是指數據在實體與虛體兩者之間雙向傳輸，孿生體將波動數據傳輸給實體，實體執行相關操作，并將執行結果反饋給孿生體，以虛控實，對實體進行優化，企業可以利用該信息對實體采取進一步的行動和干預。

2.2 數字孿生技術的主流應用

近年來，伴隨著物聯網、云計算、大數據、人工智能等新一代信息技術的崛起，數字孿生無論是在在學術界還是工業界都得到廣泛的傳播［25］。這表明，該技術不僅具有研究價值，而且非常具有商業化應用前景。全球最具權威的IT研究與顧問公司Gartner連續兩年將數字孿生作為當年十大戰略科技發展趨勢之一。數字孿生是各種先進技術（尤其是AI和通信）與工業相結合發展而來的技術和方法，它的發展、應用和落地能夠直接解決當前工業中存在的痛點和難點。其主要應用有：

（1）航天航空。飛行器故障診斷、飛行器維護維修、機組人員安全、生產及裝配優化、工應鏈數字化、發動機設計與管理。

（2）電力。電廠三維可視化管理、電廠運行優化、電力設備健康管理、通用電網模型構建。

（3）汽車。汽車研發環節驗證、汽車運行狀態監測、故障診斷與維護維修、不同環境形勢過程模擬。

（4）制造業。產品設計與仿真驗證、公益規劃與仿真驗證、生產規劃與執行、設備管理與遠程監測。

（5）城市管理。城市分析與規劃、動態時間實時優化、災害模擬與影響預測、科學研究與虛擬實驗、交通路線優化。

數字孿生主要應用于無法進行人為監測、監測成本高、監測危險性大的各個場景［26］，然而，并不是所有的場景都適用數字孿生技術，當場景的需求是數據驅動，才考慮使用數字孿生，它的核心在于應用智能化的手段對數據進行加工和處理，以達到監測、輔助決策和管理優化的目的。

2.3 數字孿生與傳統仿真的區別

仿真技術，利用仿真硬件與仿真軟件結合進行實驗，分析實驗數據和求解問題來驗證系統行為或決策的合理性。它是利用軟件化的方式去驗證現實物理世界的一種方法，只要模型正確，將完整的數據輸入并考慮環境因素，便能得到近似準確的反映實際物理模型的特性和參數。如果說建模是將物理實體模型化的過程，那么仿真便是驗證物理實體在某個條件下的有效性和合理性。相較于數字孿生技術，仿真技術僅僅是以離線的方式去模擬現實世界的一種方式，并不具備分析優化功能，更不用說實時和雙向數據傳輸了。

數字孿生是將實體對象想虛擬空間轉換的一種方法，通過實測、仿真和數據分析實現對物理實體狀態的實時感知、預測、干預，根據數據分析來進行模型自我優化，提高物理對象在生命周期內的決策能力。

其實，數字孿生是仿真應用的拓展［27］。數字化模型的仿真技術是構建和運行數字孿生體的核心技術，能夠保證孿生體與物理實體實現有效閉環［28］，通過數字孿生系統的通用架構圖可以很清楚地理解到這一點。數字孿生系統的通用架構如圖1所示。

圖1 數字孿生系統的通用架構

數字孿生與物聯網、通信、大數據等技術融合，能夠對實際物理對象進行預測、干預和診斷，通過改進虛擬空間中的孿生體模型參數來優化物理實體。仿真技術作為數字孿生方法的核心技術，是物理實體與孿生體之間實時交互數據信息的基石，借助或繼承技術與傳感器、雷達等設備組成數字交通場景系統，確保孿生體與實體對象之間的保真、實時與閉環。

3 數字孿生構建虛擬自動駕駛交通場景

隨著生活水平的提高，汽車已經成為家庭的必備品，隨之而來的交通擁堵、環境污染、事故頻發、資源緊缺等現象也日益增加，自動駕駛技術的全面升級為上述問題提供了新的解決方法。完整的自動駕駛測試體系能夠提高自動駕駛研發效率，制訂規范技術指標以及法律法規。然而，現實中驟變的天氣光照、交錯的車流網絡、多樣的駕駛任務以及動態的行駛條件都對自動駕駛汽車測試提出了新的挑戰。

3.1 交通場景數字孿生技術

物聯網、大數據等技術的興起推動了數字孿生技術在交通物流運輸方面的應用。5G/V2X通信技術的崛起為數字孿生的應用增加了空間維度［29］，近期數字孿生在交通方面的應用隨處可見，如火車、輪船、汽車和飛機等等。在建立物流和運輸方案時，數字孿生可以提供精準的地理位置、天氣照明模型、路面環境分析率，降低交通安全隱患。

中國人車混流的交通模式使得傳統的交通仿真模型以及輔助決策方法難以運用，對自動駕駛技術更是提出了新的挑戰。我國的道路交通人車混雜、非機動車占道嚴重、路邊停靠、平均車速較低導致交通擁堵的現象隨處可見，現有自動駕駛仿真測試［30］的企業仿真軟件大多采用國外的人車分流的交通實際和歷史數據，不符合我國的實際道路情況。

數字孿生可以將物理實體映射到虛擬空間中［31］，通過衛星系統、雷達系統等高科技手段對實際物理空間中的交通場景、道路環境進行采集并存儲，為我國實際的交通問題分析提供了新的突破點。數字孿生的主要對象是數據［32］，基礎技術主要有數據采集、數據模型構建、數據應用三方面。為了實現數字孿生，需要進行一些基本的操作：

（1）數據收集與處理。利用傳感器或其他物聯網手段對道路交通的實時數據進行采集，結合AI技術對采集到的數據進行加工、理解、建模、應用。

（2）構建數據模型。對實際的道路交通環境進行數字化處理，搭建三維立體的交通場景數字孿生體［33］。

（3）數據應用。將虛擬空間中的交通場景數字孿生體與實際道路交通場景相結合［34］，達到監測、輔助決策和管理優化的目的。

3.2 搭建數字孿生交通場景的關鍵技術分析

與其他場景不同，交通場景相對復雜，主要包含人-車-道路-環境四個要素，每個要素之間存在較強的耦合關系。在對交通場景建模時，除了需要構建單個要素交通場景的數字孿生模型［35］，還需要考慮該要素與其他要素之間的聯系，且后者相對更重要，要素之間的聯系是實際交通場景與數字孿生交通場景實時交互的基礎［36］，能夠雙向準時地反映出實際交通場景的變化。混合交通場景數字孿生構架與共融系統原型可如圖2所示。

圍繞復雜交通數字孿生的人-車-路-環境四個要素構建與融合這一思想，考慮交通運行場景特征，從圖2系統框圖出發，分析交通場景構建的關鍵技術。

圖2 混合交通場景數字孿生構架與共融系統原型

3.2.1 檢測數據驅動的路面病害建模

由于路面經歷長時間的碾壓，出現或多或少的裂縫、車轍、坑洼、下沉、錯位等現象，而對交通場景進行建模［37］時很少會考慮到這方面的影響。研究檢測數據驅動的路面病害與動態變化技術，在對道路檢測數據進行特征分析和語義標注的基礎上，對常見的道路病害數字化建模，提高對實際道路環境分析率，降低道路病害對自動駕駛測試帶來的影響。

可以結合時間不同序列的路面病害模型，根據材料建立衰減參數模型，構建路面損傷過程的動態變化和預測模型，結合我國“以人為本”的思想，從安全的角度出發，支持交通參與者開展路面病害和路面平整度等相關的評價與決策。

3.2.2 混合交通流環境的車輛駕駛行為建模

我國的道路交通環境比較復雜，混合交通流的場景十分常見，而目前很多現有的企業仿真軟件大多都只考慮小轎車開展自動駕駛仿真測試［38］，很少會考慮貨車、公交車、自行車或電動車模型，兼容性比較差。針對國內小轎車、貨車、自行車/電動車、公交車混合交通流的行為特征以及仿真方法，分析不同車道的固有屬性和換道模式，研究交通信號適配與優化分析的方法，在虛擬交通場景中構建現實交通交通流的數字孿生體，實時地基于動態交通流進行調整和優化。基于混合交通流環境的車輛行為建模，獲得在復雜場景下的車輛行為的決策行為［39］，為自動駕駛汽車的落地起到了推動作用，并且借助復雜交通流環境中的車輛特征來優化被測車輛的運行模型，搭建更具包容性的汽車跟馳模型/變道模型［40］，融合實例數據和實測數據進行擬合迭代，不斷優化模型。

3.2.3 在線數據驅動的數字孿生環境仿真

自動駕駛仿真測試交通場景［41-44］不僅包含路面、混合交通流，還包括在復雜的天氣、光照/照明、信號燈等環境因素。物聯網技術高速發展，氣象、路面信號燈、電子誘導牌都可以利用網絡進行互聯，可以便捷地實現數據上傳，視頻檢測數據、設施檢測數據、設備狀態監測等功能。但目前數字孿生技術構建的模型仍未考慮到這一方面的影響，造成物聯網傳感器數據與實時環境、仿真場景脫節，難以反映出當下最實時的信息。

對交通場景中的物聯網傳感器的數據進行分類，根據不同的數據特征與虛擬環境模型之間的關系，實現交通場景在線數據與孿生體場景中顯示與環境要素設定。基于在線氣候、光照數據的環境仿真技術，借助城市空間視頻影像和多元的傳感器實時數據、歷史數據上傳，實現不同條件下的交通場景仿真。分析物聯網，尤其是5G/V2X傳輸的在線數據［45］的不同變化對人-車-路-環境四個交通場景要素的影響，通過在線數據融合、環境構建、聯動響應的不斷迭代，實現更貼合實際的數字孿生交通場景構建［46］。

3.2.4 人-車-路-環境的混合交通場景的構建與融合

交通場景中的人-車、人-路、人-環境、車-路、車-環境之間都存在強烈的耦合關系，在對其單一要素進行建模時，需要考慮該元素對其他元素的影響，利用這種耦合關系構建人-車-路-環境交互反饋場景框圖，在虛擬空間中構建數字孿生交通場景，實時地反映現實交通場景的動態變化。這樣，可以在不污染實際交通場景的基礎上，利用數字孿生交通場景在同一交通場景對多個參數與對象進行同步定位、數據通信以及交互設計，實現不同對象對環境或不同對象之間的同步感知、實時交互和決策行為數據采集分析。

研究路面病害變化對車輛運行、參與者感知的影響，考慮環境變化對交通出行、參與者的直觀感受，探索人們不遵循交通規則的行為對交通車輛運行的影響，實現人-車-路-環境混合交通場景合理融合。

3.3 交通場景數字孿生的創新應用

基于數字孿生的交通場景其核心在于數字孿生技術中的“虛實結合”［47-79］，將真實的交通場景映射到虛擬的空間中，實時地觀察孿生交通場景數據的動態變化，采取相應的行為去優化現實交通場景［50］。從上面闡述的關鍵技術可以看出，數字孿生使得交通系統具有萬物可連，萬物相連的能力，將人-車-路-環境等要素數字化建模映射到虛擬世界，搭建虛實結合，以虛控實的復雜交通孿生系統，適用于自動駕駛仿真測試、新型交通車輛研發等領域。

基于車輛運行的歷史數據分析，結合智能化道路基礎設施、車用無限通用網絡5G/V2X以及車用高精度的地理定位技術，構建含數字孿生交通場景的自動駕駛仿真測試系統，實現啟動駕駛算法的測試，助力自動駕駛汽車投入市場商用。基于數字孿生場景的自動駕駛系統框圖如圖3所示。

圖3 基于數字孿生場景的自動駕駛系統

自動駕駛汽車在實際商用之前，都需要經過大量的功能安全和性能安全測試。以確保消費者和公眾的安全［51］。整個開發的測試過程需要經歷軟件在環、硬件在環、車輛在環、封閉測試場測試以及開放道路測試五大步驟［52］。軟件在環仿真，將編譯的生產源代碼集成到數學模型仿真中，提供一個實用的虛擬仿真環境來對大型復雜系統進行詳細控制策略開發和測試；隨著顯卡圖像技術的進步，仿真環境精度越來越高，但純虛擬環境遠不能窮盡所有可能的場景，這就需要硬件在環測試。硬件在環依靠電子控制器與真實傳感器連接，有真實的數據接入，讓仿真測試系統更近一步；硬件層面上的檢查之后，自動駕駛汽車還需要進行車輛在環測試，將自動駕駛系統集成到真實車輛中，并在實驗場地構建模擬道路、交通場景以及環境因素，從而構成完整測試平臺方法，可實現自動駕駛功能驗證、預期功能安全性測試驗證、各種風險場景測試等。

車輛在環測試的關鍵是要確保車輛運行的狀態與實際道路行駛近似，通過在實驗場地搭建完整的虛擬交通測試環境，包括道路設施、交通車輛、行人、自然環境等。將真實車輛置于模擬測試環境中完成不同的駕駛任務，實現多種多樣的交通車輛配置及復雜的局部交通場景。

通常在虛擬環境中，可以覆蓋很多案例場景的參數空間，確定臨界工況，測試極端場景，可獲得自動駕駛系統應對極端交通場景的有效模型。但現階段交通模擬和駕駛員模擬的仿真精度以及車輛系統模型的仿真置信度都存在技術挑戰，需要進行實車測試，來比較虛擬測試與真實測試中的行為，驗證指定場景的系統表現，那么就需要封閉場和公開道路實車測試。

4 結語

“虛實結合、以虛控實”的數字孿生交通場景為自動駕駛仿真測試注入了新的血液，為構建創新型智慧交通帶來了新挑戰和機遇。從測試安全的角度，總結虛擬交通場景對自動駕駛測試的重要性、數字孿生技術發展以及特點，創新地將數字孿生應用于自動駕駛虛擬的交通場景的構建中；關于數字孿生交通場景模型的構建，分別從人-車-路-環境四個方面出發，進行技術分析。研究表明，物聯網、大數據以及通信技術的發展，使得交通系統具備了萬物可連，萬物相連的特點，引入數字孿生，提高自動駕駛汽車測試的安全性與測試效率，助力智慧交通數字化轉型中“數字化、網絡化、智能化”得以真正落地。