如何打造超大规模的智慧交通仿真环境？核心精华都在这里

近年来，交通仿真领域提出了“大世界”的概念，也为交通相关仿真提出了全新的挑战。

其中，为智慧交通静态仿真带来的四大挑战是：在宏观层面，上百平方公里的超大型地图的构建；在中观层面，对“大世界”中数字资产的整合；多平台下的渲染效率优化；在微观层面，复合数字资产库的建设。

本期51TECH，我们请到51WORLD智能驾驶与交通事业部内容总监王超，请他聊一聊静态环境仿真技术的升级及超大交通仿真环境打造技术详解。

51WORLD智能驾驶与交通事业部内容团队自成立之初即致力于为自动驾驶仿真及交通仿真提供全栈式内容方案。在服务了近百例项目的基础上，团队在仿真地图的快速制作、自动化地图生成、多平台高效渲染和美观度平衡等方面，积累了丰富的经验。

作为一名常年征战在一线的静态仿真工程师，对当前行业的面临挑战深有感触，团队在实际工作中沉淀了挺多思考，也收获了不少经验，这些思考和经验也许能给行业贡献些价值，在此简单分享一下。

“虚拟大世界”的构建与性能平衡

5G时代的到来将智慧交通推升到一个新的高度，也催生了交通仿真领域的“大世界”概念。

这里，“大世界”意味着两层含义：

一，是仿真可视化地图范围和路网长度需求陡增。一个交通项目，可能需要上百甚至上千公里的大型或超大型仿真地图用于车辆数据集训练、收集及辅助决策。二，是仿真功能需求体量的成倍增加。

随之，给静态仿真行业带来的四大挑战是：

第一，上百平方公里的超大型地图的构建；

第二，对“大世界”中数字资产的整合；

第三，多平台下的渲染效率优化；

第四，复合数字资产库的建设。

挑战1：超大型路网世界的构建

随着交通行业的智慧升级，以往以第一视角为主的局部式仿真地图已不能满足时代需要。兼具第一跟车视角和第三鸟瞰视角的全自由视角仿真地图正在不断成为刚需。而要实现第三视角的鸟瞰仿真，就必然需要进行上百公里、甚至上千公里的大型仿真场域地图地形的精准还原。

举个例子：要对100平方公里的场景进行交通仿真，大致需要涵盖总长度约300公里的道路，其中约40公里的高速公路或一级道路，约160公里城市快速路或二级道路，约100公里分支道路或三级及以下道路等，由此组成庞大的道路路网。

要完成如此大规模的仿真地图工程，在整个流程上，就需要做更精细化的管理，从而将有限的计算资源进行高效整合和利用，最终完成大场景仿真地图的构建。

在这里，介绍一下我们是怎么通过做压力测试，来大幅降低对GPU不合理的资源消耗的。怎么做压力测试呢?

首先需要明确的是，交通仿真地图是对真实世界的映射和还原，其依赖各类数据源，包括点云数据、倾斜摄影、卫星图、全景图、航拍视频等。但来自这些数据源的数据或多或少存在各种问题，因此需要经过二次设计，以达到地理位置准确、地域风格匹配、运行效率顺畅。

通过我们常年项目积累的测试白模数据进行前期调研，用以评估路网和地表的融合情况，并预计算出一套地图切分方案来方便程序能高效加载每个原子地图，从而更加灵活的制作交通功能。

此外，在道路层面上进行不低于3倍的网格平滑细分，不低于100辆动态车辆，不低于100个动态行人，并为测试白模各组件适配专门测试用的复杂着色器和高精度贴图，同时增加不低于5000个多类型植被等，验证静态场景帧率。

根据渲染压力测试的类型，如路网、建筑、植被等，进行分组制作，并严格把控压力测试后的预算范围，以提升团队制作效率，从而缩短研发周期。值得注意的是，在没有强制剔除（ForceCulling）、资源多层级细节（LOD）、子地图多层级细节（HLOD）的支撑下，我们当前采用的这种压力测试方式，总体还是非常高效的，因为通常这种办法能够快速评估资产层面对地图渲染带来的影响，从而快速统计出建筑、道路、地表、车辆、行人等各类型资源的预算空间，以便为动态功能预留出更多空间。

当压力测试做得足够清晰时，在制作阶段就可以对不同情况，进行有针对性的优化。接下来，我们来说说在路网还原这一环节的难点。

路网需要完全还原真实道路的复杂状况，比如路面的起伏变化、不同路段的路口变化等，同时，还要支持不同的智慧交通业务部门，如并行计算、传感器仿真、车辆动力学等，对路网的不同需求。因此，交通仿真路网的制作，不能简单通过Spline工具（曲线编辑工具）来进行。

基于此，51WORLD自主研发了WorldEditor世界编辑器，来自动化路网几何数据和UV映射，这样就极大提升了路网的制作效率。确定了路网之后，整个仿真世界就可以路网为依据进行展开了。

目前，我们团队已经可以轻松完成100平方公里以内的大型地图，下一步会着手实现几百平方公里大型地图和上千公里长度的道路路网的快速搭建。

以上简单介绍了我们在构建“大世界”过程中，尤其是对二次设计、压力测试和路网还原的经验分享。接下来，还有更头疼的事情。我们来说说在地图的具体制作中，如何有效进行数字资产的整合。

挑战2：在“大世界”中整合数字资产

“大世界”是由一个个小的单元地图拼合在一起形成的，而每个单元地图都包含大量的数字资产。由于不同的项目，有不同的验收标准。如何通过灵活地整合数字资产，来高效应对不同的验收标准，是亟需解决的问题。目前，我们在数字资产的整合上，主要有两个方向：一个是对数字资产添加语义，二是对重量级资产进行轻量化。

针对数字资产进行语义添加：用在传感器仿真中的资产是典型的重量级数字资产，也是最高级别的数字资产。在时间和天气变化时，这些资产就需要增添语义信息，以满足传感器识别训练的不同要求，比如环境干湿变化的参数要求、积雪脏渍的覆盖参数要求等。目前，我们已经处理过的带有语义的重量级数字资产类型达40余种，能最大化还原真实世界中的物体属性和材质变化。

针对重量级资产的轻量化处理，其常用于资产的快速调取和使用。比如，针对WorldEditor高精地图编辑器，这里面所加载的数字资产就需要进行轻量化。如果通过制作和维护多个版本的资产来应对不同需求，看上去是可行的，但显然不是最优选项，会带来极高的成本，这同时也违背了我们制作轻量资产的初衷。

因此，我们在资产LOD的不同层级内定义了不同需求，通过BP（蓝图工具）封装这些不同需求的资产，并可以更加灵活的对其进行升降级、配置附属物、替换材质等操作，便于支持到传感器仿真、案例测试、车辆动力学等多种类用途。

比如，我们把真实世界中的车辆分为静态属性和动态属性两个大的维度，在静态属性中轻量化资产需要结构合理、低面数、较少的材质数量，而重量级资产需要结构清晰、材质丰富、质感逼真，同时两者又能灵活的增加附属物，比如公交车牌、广告贴纸、警示灯具等；而动态属性要预先考虑到哪一种级别适配多少骨骼动画、约束发光强度、控制粒子数量等等，所以灵活的升级降级和配置附属物成为了制作复合资产的核心。

挑战3：复合数字资产库的建立

构建地图最小的单元是数字资产库，单个资产的健康度，其符不符合在交通系产品领域的渲染标准，直接影响到仿真地图的性能。而地图的性能最后影响的是能否构建出可用的大世界。因此，建设复合数字资产库十分重要。我们从美观度、健康度、易用性三个层面来评估数字资产是否合格。

美观度：数字资产是否真实还原现实世界中物体的属性，包括表面材质、大小比例等，能否直观上符合大众审美标准。比如我们的行人角色及行为动作是通过真人扫描生成3D素材和Motion Capture生成动作序列，为的是这些资产看上去是可信且美观的。
健康度：数字资产的健康度是指其在每个环节的达标情况，健康度的评估不仅包括模型和材质，还包括隐藏功能，比如顶点着色、多套UV的作用、模型LOD、物理材质、碰撞遮挡体、发光部件、多维子材质数量、骨骼数量、音频码率、动画帧率、粒子大小范围、源文件格式、命名规则、存储位置等等，很多看不见的工作会直接影响这个资产后续反复迭代的成本。
易用性：当一个数字资产被地图引用后，首先要能够满足关卡设计师进行灵活使用，其次是进行二次资源修改时不会导致关卡反复修改构建，最后还能模块化组合成新的资源，这背后考验的是资产在制作初期，是否对组成方式进行过认真拆解。

智慧交通和自动驾驶在静态环境仿真上对数字资产提出的需求是：最近可视距离＜1m，对数字资产库的依赖性极高。多平台展示，如基于PC的VR\MR\XR进行展示，云渲染接入也要考量资源量包大小等问题，所以对数字资产提出了很高的要求，重功能、重效果、但需要轻量化处理，看似矛盾的需求在影视游戏行业也一直存在。

我们的数字资产库由9大类别构成，它们分别承担了真实世界构成的最大元素，每个类别下又细分了不少于8个的子层级，原则上来讲任何一个静态数字资产都应该具有动态功能的拓展性。

所以，我们预留了拓展它们的功能接口，例如一个静态3D模型的LOD、UV、材质、顶点信息，以便于可以让工程师通过工具灵活组合成可用的动态元素，当然，工具本身也是资产库的一部分。

聚焦到单个数字资产，虚拟环境仿真会有大量的工时铺在每一个3D资产上，我们没有大量时间来对每一个数字资产做极致的艺术化处理，如果影视游戏的数字资产可以打10分，那么数字孪生所需要的数字资产起步在6分，去除大量艺术化的细节处理，让模型、贴图、材质回归到原始真实的状态，这也是符合现实所看到的。

虽然从美学上很难统一每个人的认知，我认为数字孪生在视觉美观度上首先要做到符合大众的基础审美标准，比如晴天要看到蓝天、水面就应该有反射等，在直觉和情感上找到平衡就是定义数字资产的基础，这也关系到制作成本。

挑战4：多平台下的渲染效率

得益于地图的二次设计、性能压力测试及标准化复合数字资产的维护，在多平台交付的交通仿真项目上，渲染效率整体都是达标的，甚至超出了同类产品。

目前，智慧交通和自动驾驶仿真项目大多是基于PC平台搭建的，在此基础上如何实现5G云渲染串流、VR、MR等多平台下的高效渲染展示也是一大挑战。

影响渲染效率的核心因素，除了地图规模外，还涉及数字资产本身和工具链。就像跑步，地图跑起来没问题，想跑得快就是另一回事了，因为同时还要背着数据、功能一起跑，容易心有余而力不足。如数字资产中，不同的视角、模型、贴图、材质、灯光、动作序列、特效、音效、UI等也会影响渲染效率。

想要提升仿真地图的渲染效率，修炼内功是关键。高性能PC配合轻量化的仿真地图，这样效果才是最理想的。
目前，在交通类项目上，基于PC平台硬件，我们已达到以下渲染目标：

【成功落地案例】目前，团队已解决了如何在L4视觉级别(51WORLD全要素场景分为L1-L5这五个级别，L4-L5两个级别可以还原道路与交通设施、车辆和行人等更高细节元素)上百平方公里的静态仿真地图需求下确保帧率达标，并且在近期的几个大项目上得到了验证。

在北京西三环微观交通仿真可视化的地图制作中，地图范围跨度从万柳桥到苏州桥往返总里程为30公里，分支道路约10公里，涉及还原面积达到400平方公里。

得益于大场景构建能力，我们采取了WorldComposition地图构建方式，特别对线性路网地图的构建特别有帮助，可以很好的在多个摄像机机位变化的同时灵活加载和剔除目标关卡，使得在平衡多个子地图之间的性能差异更为轻松。

细节中求真理，向真实无限逼近

“真”是交通相关仿真的核心之一。如果将交通系产品拟人化，解决了四大挑战后，某种程度讲这个人已经有骨有肉，但我们认为这还不够。在这个基础之上，我们还要赋予她灵魂。从宏观地理信息、微观的场景管理，及动态系统等多方面着力打磨，让这个“人”不仅好看，而且更加真实和鲜活。

1、还原真实地理信息

从宏观维度，我们需要遵循真实世界构建的规则，并应用在虚拟仿真工作中，最大程度上保障环境仿真的真实性。
仿真还原的顺序和现实施工很像。首先，地理信息上要遵循地球的经纬度、时间天气，保留现实自然环境的山川河流湖泊等。然后，需要一块地来规划路网，接着就是不同类型的建筑群体的生成，最后，深入到以路网为还原重心的微观环境上来，细化道路强相关设施设备、路侧设施绿化等。

2、细分场景类别

从微观维度，为了做到逼近真实，我们把静态仿真分成了20多个类别。不同项目的制作重点也不相同，举几个重点类别：地域类型、道路类型、道路标线、交通强相关设备、路侧设施、主车和交通流车辆、行人和动物、天气和时间、后期效果和展示视角等。51WORLD在每个类别里都有细分的工具链。会考虑具体项目情况，拿地域类型举例：北京在赤道以北，广州相比北京离赤道更近，地域性不同，因此它的绿植、地表材质的表现，太阳高度角表现的光影变化都会有很多差异。

又如，交通强相关的设施设备：红绿灯、指示牌，雷达测速等，这一部分的静态仿真很容易被忽略掉，但51WORLD一直在不断丰富和积累同类型物料的不同风格，在遵循国家标准的同时，强调地域性、特征性，比如北京红绿灯的风格和上海、广州、杭州、香港等地都是不同的。北京是标准的圆柱形、上海是挖了个弧度的角，深圳就像我们戴了个贝雷帽一样有个小屋檐。在这方面，我们的产品是不仅做到了标准、美观，更希望是专业的呈现它们的特性。

3、完善的动态系统

静态环境仿真需要动态系统各模块的支撑来达到真实可信的目的。我们把交通流、行人流、天气变化、时间变化等动态系统比喻为智慧交通仿真领域的神经网络，时间和天气系统对静态环境仿真的粘合度最高。

有过离线渲染经验的人都有这样一个体会，就是即便这个世界都是白盒材质，也可以通过GI+布光使其看起来真实、好看、可信。所以在实时渲染一样可以延续这个概念，光和影的合理性直接影响观感，随着光线追踪技术的不断提升，势必会对环境仿真带来质的飞跃。

完善的时间和天气功能，能够更好的满足上游研发团队更为准确的定义交通案例。在实时渲染引擎的不断更新中，动态天气和时间逐渐完善，但并不能完整的支撑真实数据的接入和联动。举两个例子，客户要求中午十二点的晴天环境下需要看到一些雨水落下、阴天的傍晚依稀能看到太阳的轮廓等，以往的做法是把时间和天气分别制作，随着此类需求的增加，如果没有一个能够模拟真实环境的时间工具和天气工具，这会大大降低工作效率和输出品质，同时对传感器的语义识别也是非常不友好的。

所以，内容团队设计了一套基于目前项目类型的时间天气系统，并预设了8种常见天气，12种极端天气，预留出时间、材质、特效、动画接口，通过程序员对其功能层面的二次开发从而既满足了51Sim-One仿真平台的灵活调用和传感器的感知决策，也能够最大化实现客户对时间天气高度自定义的需求。目前工程团队的高级程序员正在升级这个工具，未来会更加逼真易用。

目前，我们团队的静态仿真可以做到在流程和品控非线性灵活切换的同时，保证工期准时，并赋予仿真场景写实且美观的视觉效果，随着实时渲染引擎中灯光、材质、动画等技术的不断迭代，未来所能呈现的仿真地图、动态效果会更加逼真。同时团队内部经常会组织相关培训课程，不断提升组员的综合技术能力，力争在目前的技术水平上不断实现超越，力臻极致。如同赛马，拼的是最后的分毫。

如何打造超大规模的智慧交通仿真环境？核心精华都在这里 | 51TECH相关推荐

阿里高德城市大脑·智慧交通战略发布，公共服务版首次亮相！
6 月 19 日,世界交通运输大会期间,国内最大的移动出行平台高德地图联手阿里云在北京发布城市大脑·智慧交通战略,城市大脑·智慧交通公共服务版也首次亮相.高德集团总裁刘振飞在发布会上表示,城市大脑是驱 ...
【EI稳检|华东交通大学主办】2021年智慧交通、能源与动力国际学术会议(STEP 2021)...
摘要进入21世纪以来,机电与车辆工程技术的进步,推动了社会经济的繁荣发展,加快了交通基础设施的建设,也对自然生态环境产生了深刻的影响.在技术迅速发展的历程中,众多高校与企业研发了许多相关的技术和产品 ...
用城市大脑驱动智慧交通高德与阿里云的琴瑟和鸣
高德与阿里云的联手,所打造的不止是一个智慧交通解决方案.高德可以借机向"超级APP"更进一步,阿里云也可以更加深入到交通运输行业应用中. 日前的世界交通运输大会期间,高德与阿里云联 ...
手把手开始ROS仿真小车（一）仿真环境及小车搭建
最近打算自己完成一个无人驾驶汽车仿真运行的项目,因此记录一下过程,希望能帮助到需要搭建ROS仿真环境的人,主要参考了冰达机器人的课程,在B站上也有相关视频可以学习实现过程 1.创建工作区 2.gaz ...
第二届智慧交通论坛开幕：欲善“城市”其事，必先利“交通”其器
工欲善其事,必先利其器. 智慧城市领域,智慧交通就是这把"利器". 智慧交通领域目前活跃着阿里巴巴.腾讯.百度.京东.华为.平安科技.滴滴.高德.千寻位置等公司,国外的参与者则包括 ...
被低估的嘀嗒：智慧交通的隐形冠军
沉寂了许久的出行市场再度热闹了起来. 借鉴下沉电商玩法的花小猪,经历了一段时间的市场观察期后,先后因违法营运被多地交管部门约谈,滴滴的突围计划蒙上了一层阴影. 市场上的另一玩家嘀嗒出行,高调晒出六周年 ...
腾讯智慧交通战略重磅升级打造以人为中心的未来交通
在新基建加速布局下,智慧交通正在成为新基建的主力军,不仅可以助力新基建与传统基建融合,还将推动智慧城市建设,推动我国实现"交通大国"向"交通强国"的升级.9月1 ...
51VR披露自动驾驶仿真平台细节，更大的布局在5G、智慧交通...
自动驾驶仿真技术正在掀起一波浪潮. L3及其以上级别自动驾驶车辆的开发,在车辆系统复杂程度.使用环境复杂程度方面均急剧增加.算法测试.传感器测试.安全性测试已不能通过汽车领域的车辆动力学等仿真方法来解 ...
51VR披露自动驾驶仿真平台细节，更大的布局在5G、智慧交通
自动驾驶仿真技术正在掀起一波浪潮. L3及其以上级别自动驾驶车辆的开发,在车辆系统复杂程度.使用环境复杂程度方面均急剧增加.算法测试.传感器测试.安全性测试已不能通过汽车领域的车辆动力学等仿真方法来解 ...
如何利用大数据打造智慧交通
当今时代,数据已经渗透到每一个行业和业务职能领域,对于海量数据的挖掘和运用,因为近年来,互联网和信息行业的发展而进一步引发关注.仅从交通管理角度出发,探索在大数据时代背景下,如何在智能交通的基础上进一 ...

如何打造超大规模的智慧交通仿真环境？核心精华都在这里 | 51TECH

“虚拟大世界”的构建与性能平衡

细节中求真理，向真实无限逼近

如何打造超大规模的智慧交通仿真环境？核心精华都在这里 | 51TECH相关推荐

最新文章

热门文章