陳立龍，宋建文，王 穎，曹學(xué)海，于 敏

（1三明學(xué)院 藝術(shù)與設(shè)計(jì)學(xué)院，福建 三明 365004；2克拉斯諾達(dá)爾 國(guó)立文化學(xué)院，克拉斯諾達(dá)爾邊疆區(qū) 克拉斯諾達(dá)爾 350072；3吉林動(dòng)畫(huà)學(xué)院動(dòng)畫(huà) 藝術(shù)學(xué)院，吉林 長(zhǎng)春 130012；4中國(guó)美術(shù)學(xué)院 互動(dòng)藝術(shù)與技術(shù)研究所，浙江 杭州 310002；5福建江夏學(xué)院 體育部，福建 福州，350001）

據(jù)公安部交管局統(tǒng)計(jì)，2019年全國(guó)新領(lǐng)證駕駛?cè)耍{齡不滿1a）數(shù)量達(dá)2 943萬(wàn)人。較于龐大的駕考人員數(shù)量，駕考場(chǎng)地是十分稀缺的資源。因?yàn)轳{駛培訓(xùn)場(chǎng)地和駕考場(chǎng)地差異性大，駕考人員在科目二、科目三的路考之前需要排隊(duì)到駕考場(chǎng)地熟悉考場(chǎng)，這些環(huán)節(jié)的費(fèi)用較高、流程耗時(shí)、路線眾多、現(xiàn)場(chǎng)路況和交通狀況復(fù)雜。隨著計(jì)算機(jī)硬件性能、渲染引擎以及VR（virtual reality，虛擬現(xiàn)實(shí)）配套設(shè)備的快速發(fā)展，虛擬駕考體驗(yàn)應(yīng)運(yùn)而生。通過(guò)對(duì)駕考場(chǎng)地、路線、路況、車輛駕駛、流程等進(jìn)行建模，實(shí)現(xiàn)一個(gè)支持多人在線的虛擬仿真駕考系統(tǒng)。

1 相關(guān)工作

關(guān)于汽車駕駛的虛擬仿真方面已有相關(guān)的研究成果。谷新平等[1-3]采用Unity 3D作為開(kāi)發(fā)平臺(tái)，研發(fā)了包括車輛和行人的動(dòng)態(tài)路面三維場(chǎng)景；謝瀟[4]設(shè)計(jì)了六自由度的駕駛模擬仿真系統(tǒng)，并對(duì)體感算法和人體前庭評(píng)價(jià)模型進(jìn)行建模，高自由度的模擬器有較好的用戶體驗(yàn)感；顧根[5]設(shè)計(jì)了四自由度的駕駛模擬器，該系統(tǒng)具有較高的經(jīng)濟(jì)適用性；張弛[6]對(duì)訓(xùn)練型汽車駕駛模擬器的汽車動(dòng)力學(xué)仿真技術(shù)、視景生成技術(shù)和駕駛培訓(xùn)系統(tǒng)等三個(gè)方面的關(guān)鍵技術(shù)進(jìn)行了研究；陳彥廷[7]以實(shí)際的訓(xùn)練考試場(chǎng)地創(chuàng)建虛擬場(chǎng)景，設(shè)計(jì)了汽車運(yùn)動(dòng)工況、轉(zhuǎn)向燈等信息狀態(tài)的模擬；王磊[8]利用Unity3D和Oculus Rift模擬駕駛操作系統(tǒng)，實(shí)現(xiàn)在環(huán)路中的人機(jī)交互式仿真；楊亞聯(lián)等[9]基于Unity3D和HTC Vive搭建了虛擬現(xiàn)實(shí)顯示系統(tǒng),進(jìn)行汽車試驗(yàn)場(chǎng)完整環(huán)境的渲染和VR顯示，顯示畫(huà)面良好，且駕駛員具有較高的視場(chǎng)角及自由靈活的觀察視角，有效提升了駕駛員的沉浸感；Capustiac A等[10]提出了與運(yùn)動(dòng)駕駛模擬器的控制策略的仿真和驗(yàn)證等方面相關(guān)的模型，包括前庭系統(tǒng)的動(dòng)力學(xué)模型，結(jié)合觸覺(jué)、視覺(jué)和聽(tīng)覺(jué)提示，提高了虛擬駕駛的沉浸感；Bruzelius F等[11]提出了駕駛模擬器的動(dòng)力學(xué)模型，以及駕駛模擬器運(yùn)動(dòng)平臺(tái)的功能在簡(jiǎn)單性和準(zhǔn)確性之間進(jìn)行權(quán)衡的問(wèn)題；陽(yáng)彪[13]利用Virtools設(shè)計(jì)了汽車虛擬駕駛仿真系統(tǒng)，引入了駕駛行為過(guò)程的判斷與處理以及聲響和天氣環(huán)境的模擬[12]；陳旭東利用OpenGL對(duì)地形進(jìn)行建模，采用光照、霧化和紋理映射融合等特效開(kāi)發(fā)了汽車駕駛虛擬場(chǎng)景系統(tǒng)，加入了汽車定位導(dǎo)航和位置檢索功能等三維地理信息元素；李明[14]使用Quest3D開(kāi)發(fā)平臺(tái)，進(jìn)行動(dòng)力學(xué)、碰撞檢測(cè)、聲效等方面的模擬，并使用多通道渲染輸出；李穆遠(yuǎn)[15]使用Unreal Engine和羅技G27方向盤對(duì)虛擬人機(jī)交互設(shè)備輸出的數(shù)據(jù)進(jìn)行實(shí)時(shí)渲染；邱國(guó)鵬[16]等提出了駕考場(chǎng)地高清影像獲取、處理與高精度地形生成的實(shí)踐方案。

以上相關(guān)工作均是在單機(jī)的環(huán)境中進(jìn)行場(chǎng)地和車輛駕駛工況的模擬，沒(méi)有對(duì)多終端同時(shí)在線的各種問(wèn)題展開(kāi)研究，而真實(shí)的駕考環(huán)境當(dāng)中，車輛眾多，路況復(fù)雜。本文針對(duì)駕考場(chǎng)地，利用Unreal Engine引擎，構(gòu)建一個(gè)基于多人同時(shí)在線的虛擬駕考系統(tǒng)，對(duì)汽車行駛過(guò)程中的受力情況以及多人同時(shí)在線各個(gè)終端中不同角色的車輛的平順性進(jìn)行模擬。通過(guò)上述研究，進(jìn)一步增強(qiáng)了用戶體驗(yàn)感，駕考人員可在線上提前熟悉考場(chǎng)、車輛操控等環(huán)節(jié)，通過(guò)模擬訓(xùn)練，學(xué)習(xí)駕考中的各種標(biāo)準(zhǔn)化流程。本系統(tǒng)在一定程度上能縮短訓(xùn)練周期，減少車輛耗損，節(jié)約社會(huì)成本。

2 車輛作用力與轉(zhuǎn)向模擬

2.1 加速度

根據(jù)牛頓第二運(yùn)動(dòng)定律公式：F=ma，加速度的產(chǎn)生是汽車在行駛的過(guò)程當(dāng)中受到的各種作用力（驅(qū)動(dòng)力和汽車行駛阻力）的綜合作用的結(jié)果，車輛的加速度受到驅(qū)動(dòng)力和各種阻力的共同影響。

（1）驅(qū)動(dòng)力

其中：Ttqigi0ηT是驅(qū)動(dòng)力矩；Ttq是發(fā)動(dòng)機(jī)扭矩；ig是變速器傳動(dòng)比；i0是主減速器傳動(dòng)比；ηT是傳動(dòng)系的機(jī)械效率；r是車輪半徑。

（2）空氣阻力

Far=-S2×Cd，空氣阻力與速度方向相反，其中 S是速度（標(biāo)量），Cd是風(fēng)阻系數(shù)（kg/m）。

（3）滾動(dòng)阻力

Frr=Crr×Fn，滾動(dòng)阻力與速度方向相反，其中Crr是滾動(dòng)阻力系數(shù)，F(xiàn)n是正向力。

（4）坡度阻力

汽車在坡道路面上行駛時(shí)，其重力沿道路方向的分力For=G×sinα（其中α為坡道的角度）表現(xiàn)為汽車的坡度阻力。

（5）慣性阻力

汽車加速行駛時(shí)，克服其質(zhì)量加速運(yùn)動(dòng)時(shí)的慣性力，這就是加速阻力Fir。加速阻力包括平移質(zhì)量的慣性力和旋轉(zhuǎn)質(zhì)量的慣性力偶矩，為了便于計(jì)算，一般把旋轉(zhuǎn)質(zhì)量的慣性力偶矩轉(zhuǎn)化為平移質(zhì)量的慣性力。

Fir=（mcar+mea）a，其中mea是車輛旋轉(zhuǎn)部件的等價(jià)質(zhì)量，計(jì)算方式如下

其中：Iw是車輪和車軸的極慣性矩（取值 2.7 kg·m2）；Ip是傳動(dòng)軸的極慣性矩（取值 0.05 kg·m2）；Ie是引擎的極慣性矩（取值0.2 kg·m2）與飛輪和離合器的極慣性矩（取值0.5 kg·m2）之和；ηf是主減速器的機(jī)械效率；ηt是傳動(dòng)系統(tǒng)的機(jī)械效率；ig是變速箱減速比；if是主減速器減速比；rw是車輪半徑。

2.2 轉(zhuǎn)向

車輛轉(zhuǎn)向與車輛速度相關(guān)，車輛靜止時(shí)，不允許轉(zhuǎn)向；運(yùn)動(dòng)時(shí)，方向盤轉(zhuǎn)向角度固定的前提下，無(wú)論速度大小，轉(zhuǎn)向半徑是固定的，如圖1所示。

圖1 車輛轉(zhuǎn)向

Δx=（Uvf×V）Δt，其中 Uvf為速度方向的單位向量，V 為速度向量，Δt為幀間隔。

Δθ=（Δx/Rt）Ts，其中 Rt為轉(zhuǎn)向半徑，Ts為方向盤轉(zhuǎn)向行程。

如圖2所示，旋轉(zhuǎn)向量vr=Δθ×e，其中e為旋轉(zhuǎn)軸單位向量，Δθ為旋轉(zhuǎn)弧度，轉(zhuǎn)向的時(shí)候，速度向量跟隨旋轉(zhuǎn)向量進(jìn)行變換。

圖2 旋轉(zhuǎn)向量

3 車輛平順性算法分析

本系統(tǒng)基于Unreal Engine實(shí)現(xiàn)，Unreal Engine中多人同時(shí)在線機(jī)制基于 “客戶端-服務(wù)器”模式。如圖3所示，服務(wù)器（Server）擔(dān)當(dāng)角色狀態(tài)的主控者，而連接的客戶端（Client）保持近似復(fù)本，Server可將車輛狀態(tài)同步到所有Client上。角色除了服務(wù)器中的主控者（ROLE_Authority）之外，還有Client端中的他機(jī)所控制的ROLE_SimulatedProxy與本機(jī)所控制的ROLE_AutonomousProxy。Server中控制的Car-s在Client中都是SimulatedProxy角色；而在Client1中控制的Car-c1，在Server中是Authority角色，在Client2中是SimulatedProxy角色；Client2同Client1。

圖3 客戶端-服務(wù)器模式

不同終端的硬件性能的差異導(dǎo)致幀率的各不相同，所以模擬出來(lái)的本機(jī)車輛的加速度不停地在與服務(wù)器同步的過(guò)程中，隨著時(shí)間的累積，本機(jī)與服務(wù)器的車輛勢(shì)必產(chǎn)生不同的速度，進(jìn)而導(dǎo)致車輛位置的不同步；同樣的，轉(zhuǎn)向角度的不同步會(huì)進(jìn)一步加大位置的偏差，所以需要讓服務(wù)器周期性地與ROLE_AutonomousProxy進(jìn)行狀態(tài)同步。

不管是本機(jī)通過(guò)RPC（遠(yuǎn)程過(guò)程調(diào)用）與服務(wù)器進(jìn)行通信還是服務(wù)器在固定周期時(shí)更新客戶端的狀態(tài)，網(wǎng)絡(luò)傳輸?shù)倪^(guò)程中間必然帶來(lái)延遲，從而導(dǎo)致本地控制的ROLE_AutonomousProxy產(chǎn)生劇烈抖動(dòng)。ROLE_SimulatedProxy是根據(jù)上次從服務(wù)器獲得的速度，利用更新的間歇進(jìn)行移動(dòng)模擬。當(dāng)服務(wù)器為特定的ROLE_SimulatedProxy發(fā)送更新時(shí)，客戶端將向著新的方位調(diào)整其位置，如圖4所示，此時(shí)也必然帶來(lái)劇烈抖動(dòng)的現(xiàn)象。

接下來(lái)討論如何克服服務(wù)器在與ROLE_Autonomous Proxy和ROLE_SimulatedProxy同步的時(shí)候所產(chǎn)生的抖動(dòng)現(xiàn)象，使得車輛在所有終端中都能保持平順性。

圖4 抖動(dòng)現(xiàn)象產(chǎn)生的原因

3.1 ROLE_AutonomousProxy平順性的滯后補(bǔ)償算法

服務(wù)器不應(yīng)該在每次更新時(shí)同步客戶端，這會(huì)消耗太多的帶寬和CPU資源。為了在性能與用戶體驗(yàn)（位移大?。┲g取得平衡，本系統(tǒng)設(shè)置服務(wù)器的同步周期為1 s。如圖5所示，假設(shè)曲線X為本機(jī)所控制的ROLE_Autonomous Proxy模擬的直線運(yùn)動(dòng)軌跡，Xrep（rep為repeat簡(jiǎn)寫(xiě)）為服務(wù)器端同步到ROLE_AutonomousProxy的狀態(tài)軌跡。

為了防止在同步時(shí)ROLE_Autonomous-Proxy車輛發(fā)生抖動(dòng)，本文提出了一種滯后補(bǔ)償算法：將用戶控制車輛的每一幀的運(yùn)動(dòng)模擬的相關(guān)信息（包括時(shí)間戳）進(jìn)行記錄，并通過(guò)RPC同步到服務(wù)器，服務(wù)器周期性地將狀態(tài)更新回客戶端時(shí)，傳回服務(wù)器端最新一次模擬的運(yùn)動(dòng)，將清除本地早于此時(shí)間戳的運(yùn)動(dòng)記錄，同時(shí)，重新計(jì)算時(shí)間戳之后的運(yùn)動(dòng)軌跡，確保本地車輛的位置始終領(lǐng)先于服務(wù)器同步回來(lái)的狀態(tài)。算法詳見(jiàn)圖6。在系統(tǒng)實(shí)際運(yùn)行中，服務(wù)器的主控者角色可能出現(xiàn)一些意外狀況，如圖5中Xrep曲線的拐角處，呈現(xiàn)的是服務(wù)端車輛與其他車輛相撞而突然短時(shí)間停滯不前的狀況，此時(shí)本地車輛基于服務(wù)器更新回的車輛狀態(tài)信息（變換信息、速度、最新執(zhí)行的移動(dòng)）進(jìn)行模擬之后，將與原本位置和朝向都不一致，必然在視覺(jué)上產(chǎn)生一個(gè)明顯的抖動(dòng)現(xiàn)象。但這并不是因?yàn)檠舆t而產(chǎn)生的抖動(dòng)，而是因?yàn)榉?wù)器上意外狀況導(dǎo)致的，客戶端的動(dòng)作序列仍然保持領(lǐng)先于服務(wù)器的狀態(tài)。

3.1 ROLE_SimulatedProxy平順性的插值算法

（1）對(duì)車身姿態(tài)轉(zhuǎn)向使用球面線性插值

在轉(zhuǎn)向模擬當(dāng)中，簡(jiǎn)單的線性插值會(huì)導(dǎo)致插值過(guò)程向量的長(zhǎng)度發(fā)生變化，而且當(dāng)兩次同步之間的轉(zhuǎn)角大于180°時(shí)，線性插值會(huì)計(jì)算最短路徑，從而產(chǎn)生錯(cuò)誤，如圖7所示，假設(shè)圖中箭頭方向?yàn)檐囕v當(dāng)前方位，A為起始方向，B為轉(zhuǎn)向后方向，線性插值將在AB逆時(shí)針區(qū)域進(jìn)行插值，從而產(chǎn)生“抖動(dòng)”現(xiàn)象，本文采用球面線性插值。

圖7 球面線性插值

（2）對(duì)位置與速度使用Hermite三次樣條插值

線性插值算法也能在一定程度上緩解抖動(dòng)現(xiàn)象，但會(huì)使得運(yùn)動(dòng)軌跡變成直線運(yùn)動(dòng)。Hermite三次樣條插值能夠增強(qiáng)運(yùn)動(dòng)軌跡的平滑性，也能靈活控制經(jīng)過(guò)同步點(diǎn)時(shí)的運(yùn)動(dòng)軌跡。如圖8所示。

圖8 Hermite三次樣條插值

本文使用Hermite三次樣條插值算法對(duì)ROLE_SimulatedProxy的運(yùn)動(dòng)軌跡（位置）進(jìn)行插值，算法如下：

其中p0是起點(diǎn)，p1是終點(diǎn)，m0是起點(diǎn)的斜率，m1是終點(diǎn)的斜率，t是alpha值，取值t∈(0,1)。

結(jié)合圖6與上述公式中的參數(shù)，可以推導(dǎo)出速度的插值計(jì)算。其中d是樣條軌跡某一處的斜率，Δl是位移變化量，Δα 是 alpha值的變化量，Δt是幀間隔，ΔtBLU（between last updates）是兩次同步的間隔時(shí)間。

4 場(chǎng)景設(shè)計(jì)與實(shí)現(xiàn)

虛幻引擎是開(kāi)放的實(shí)時(shí)3D創(chuàng)作平臺(tái)，系統(tǒng)項(xiàng)目基于Unreal Engine 4.24的C++模板、Steam VR與HTC VIVE頭顯構(gòu)建，場(chǎng)景地圖繪制工具使用GlobalMapper，地形工具使用World Machine，植被工具使用SpeedTree，結(jié)合3ds(3d Studio)Max進(jìn)行車輛和場(chǎng)景建模，使用萊達(dá)仕V900方向盤模擬器。

4.1 地形設(shè)計(jì)

（1）獲得數(shù)字高程模型（DEM）數(shù)據(jù)。本文從ASTER GDEM下載30 m精度（一個(gè)像素代表30 m×30 m區(qū)域）高程紋理，通過(guò)輸入經(jīng)緯度坐標(biāo)的方式指定下載駕考場(chǎng)地周邊區(qū)域。通過(guò)ERDAS IMAGINE 9.2對(duì)下載的高程文件進(jìn)行精度校驗(yàn)。即便高程不是很精確，最終可以對(duì)高程進(jìn)行插值模擬。

（2）利用GlobalMapper處理及轉(zhuǎn)換高程圖格式。從下載下來(lái)的DEM數(shù)據(jù)中選取駕考場(chǎng)地區(qū)域，轉(zhuǎn)換成World Machine可識(shí)別的格式。導(dǎo)出hfz格式的考場(chǎng)地圖文件。

（3）World Machine地形處理。地形尺寸需要按照比例，所以需要計(jì)算好長(zhǎng)寬高的比例大小。通常分辨率越高構(gòu)建的地形精度越高。做一些刻畫(huà)調(diào)整，最后保存導(dǎo)出高度圖格式RAW16，以及單通道灰度圖等所需要的格式的圖片。

（4）Unreal Engine 4地圖處理。創(chuàng)建初始的地形，在World Machine中對(duì)地形進(jìn)行細(xì)致的刻畫(huà)，從而得到更好的地面效果，也可在Unreal Engine 4里進(jìn)行復(fù)雜的材質(zhì)處理、法線貼圖等，地形設(shè)計(jì)效果圖如圖9。

圖9 地形設(shè)計(jì)

4.2 場(chǎng)景設(shè)計(jì)

輛模型制作：本文使用VR設(shè)備進(jìn)行交互，要求模型制作的高精細(xì)度，需要根據(jù)硬件條件在效果與性能之間進(jìn)行平衡。

建筑制作：可借助衛(wèi)星地圖，將地圖放置到地形上，根據(jù)具體駕考場(chǎng)地的建筑物進(jìn)行建模，然后將模型放置到衛(wèi)星圖上面，確保建筑的坐標(biāo)位置。

道路制作：根據(jù)具體駕考場(chǎng)地現(xiàn)場(chǎng)的考試測(cè)試點(diǎn)位置，標(biāo)記準(zhǔn)確位置，運(yùn)用3ds Max按照衛(wèi)星圖進(jìn)行道路建模。

4.3 植被與樹(shù)木

利用SpeedTree制作植被，導(dǎo)入到場(chǎng)景中，依據(jù)衛(wèi)星貼圖進(jìn)行定位。同時(shí)加入Wind Directional Source風(fēng)力系統(tǒng)，讓草地和樹(shù)木更加生動(dòng)。效果如圖10所示。

圖10 植被與樹(shù)木

5 測(cè)試結(jié)果與分析

（1）車輛運(yùn)動(dòng)工況模擬測(cè)試

查閱某款車型的 “車輛一致性證書(shū)參數(shù)”文件，參數(shù)“行駛狀態(tài)下帶車身的車輛質(zhì)量”的值為1 390 kg，發(fā)動(dòng)機(jī)最大扭矩185 N·m，最小轉(zhuǎn)彎半徑5.4 m，變速器前進(jìn)擋傳動(dòng)比 i0∈[0.396，2.480]，倒擋傳動(dòng)比 i0'∈[1.680，2.604]，i0=5.045，ηT=0.85，官方百公里加速10.2 s，百公里減速35.3 m，系統(tǒng)測(cè)試見(jiàn)圖11。

圖11 系統(tǒng)測(cè)試

經(jīng)多次測(cè)試所得百公里加速與百公里減速的數(shù)據(jù)如表1所示，與官方參數(shù)值擬合度較高。

表1 百公里加速與減速

（2）車輛平順性模擬測(cè)試

現(xiàn)有的VR多終端同步方案主要采用兩種方式。

1）各客戶端只從服務(wù)器同步速度（velocity）的方案，假設(shè)為方案V1；2）各客戶端從服務(wù)器同步變換（位置和旋轉(zhuǎn)）信息（transform）的方案，假設(shè)為方案V2；本測(cè)試基于多終端車輛同時(shí)在線時(shí)，服務(wù)器與各客戶端車輛運(yùn)行的“平順性”作為指標(biāo)，分別進(jìn)行縱向測(cè)試與橫向測(cè)試。1）縱向測(cè)試：V1、V2以及本文的“滯后補(bǔ)償算法”方案，分別在不同的服務(wù)器同步頻率（3、2，1次/s）設(shè)定和網(wǎng)絡(luò)延遲（1、2、3 s）模擬的情況下進(jìn)行測(cè)試。 2）橫向測(cè)試：在相同的服務(wù)器同步頻率設(shè)定和網(wǎng)絡(luò)延遲模擬參數(shù)下，V1、V2以及本文的“滯后補(bǔ)償算法”方案進(jìn)行橫向比較。

縱向測(cè)試結(jié)果顯示：1）V1方案中，各終端車輛始終存在明顯持續(xù)的“抖動(dòng)”現(xiàn)象，而在同步頻率越高與網(wǎng)絡(luò)延遲越低時(shí)，車輛平順性越好；2）V2方案較V1方案，有較大改善，但也存在較明顯的“階段性抖動(dòng)”現(xiàn)象，在同步頻率越高與 網(wǎng)絡(luò)延遲越低時(shí)，車輛平順性越好；3）“滯后補(bǔ)償算法”方案，各終端車輛無(wú)明顯“抖動(dòng)”現(xiàn)象，且同步頻率和網(wǎng)絡(luò)延遲參數(shù)的改變，不改變車輛平順性，車輛總體平順性良好。橫向測(cè)試結(jié)果如表2所示。

表2 相同參數(shù)設(shè)定的車輛平順性橫向模擬測(cè)試

6 結(jié)論

本文針對(duì)駕考人數(shù)眾多而駕考場(chǎng)地稀缺這一客觀現(xiàn)實(shí)，利用Unreal Engine為渲染引擎，構(gòu)建了一個(gè)基于多人在線的虛擬駕考系統(tǒng)，主要研究駕考場(chǎng)地的地形構(gòu)建、場(chǎng)景渲染、車輛運(yùn)動(dòng)工況、多終端中車輛平順性等關(guān)鍵技術(shù)。系統(tǒng)的測(cè)試結(jié)果與分析表明，車輛動(dòng)力性、制動(dòng)性、轉(zhuǎn)向性等汽車性能指標(biāo)的仿真結(jié)果與官方數(shù)據(jù)擬合度較高，達(dá)到較好的模擬效果，特別是多終端同時(shí)在線時(shí)，各終端車輛的平順性體驗(yàn)得到質(zhì)的改善。為多終端同時(shí)在線機(jī)制下的平順性問(wèn)題提供了一種解決方案。由于真實(shí)的駕考流程與車輛系統(tǒng)非常復(fù)雜，本文只研究了其中若干特性，后期需要從以下方面進(jìn)一步完善與改進(jìn)：（1）呈現(xiàn)駕考場(chǎng)地與車輛更多維度的狀態(tài)信息，提升車輛的操控性；（2）通過(guò)優(yōu)化減輕暈動(dòng)癥帶來(lái)的不適感。