虚拟道路、更智能的安全性：面向混合自主交通安全分析的数字孪生框架
机器人学
2025-04-28 v1
摘要
本文提出了一个用于混合交通环境主动安全分析的数字孪生平台。该平台基于无人机载空载激光、OpenStreetMap 和车辆传感器数据（如 GPS 和倾角读数）构建的多模态数据驱动交通环境。通过 AI 驱动的语义分割和对空载激光数据的地理参照，生成高分辨率的三维道路几何。为模拟真实驾驶情景，平台集成了 CAR 学习行动 (CARLA) 模拟器、Simulation of Urban MObility (SUMO) 交通模型和 NVIDIA PhysX 车辆动力学引擎。CARLA 提供详细的微观级传感器和感知数据，SUMO 管理宏观级交通流。NVIDIA PhysX 使车辆在多样化条件下的行为建模更加准确，考虑了质量分布、轮胎摩擦和重心位置。该集成系统支持高保真模拟，捕捉自动驾驶车辆与传统车辆之间的复杂相互作用。实验结果表明，该平台能够再现真实的车辆动力学和交通情景，增强对主动安全措施的分析。总体而言，本文提出的框架为车辆在动态和异构交通环境中的行为分析提供了以物理为导向的深入评估方法。
引用
@article{arxiv.2504.17968,
title = {Virtual Roads, Smarter Safety: A Digital Twin Framework for Mixed Autonomous Traffic Safety Analysis},
author = {Hao Zhang and Ximin Yue and Kexin Tian and Sixu Li and Keshu Wu and Zihao Li and Dominique Lord and Yang Zhou},
journal= {arXiv preprint arXiv:2504.17968},
year = {2025}
}
备注
14 pages, 18 figures