CN108734949A - 无人驾驶车辆仿真平台构建方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了无人驾驶车辆仿真平台构建方法、装置、设备及存储介质，其中方法包括：构建城市级别的静态层路网；在静态层路网上构建动态交通流，所述动态交通流由N个交通片段组成，N为大于一的正整数；根据所述交通片段构建出测试场景。应用本发明所述方案，能够提升测试性能等。

Description

无人驾驶车辆仿真平台构建方法、装置、设备及存储介质

【技术领域】

本发明涉及计算机应用技术，特别涉及无人驾驶车辆仿真平台构建方法、装置、设备及存储介质。

【背景技术】

无人驾驶车辆，也可称为自动驾驶车辆，是指通过各种传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

在无人驾驶车辆实际上路行驶之前，通常需要先在计算机上对其各方面的性能进行仿真测试，以降低事故率，提升无人驾驶车辆的安全性。

现有技术中，通常都是基于人工构建的局部线路或街道等来构建测试场景，具有很大的局限性，从而降低了测试性能。

【发明内容】

有鉴于此，本发明提供了无人驾驶车辆仿真平台构建方法、装置、设备及存储介质，能够提升测试性能。

具体技术方案如下：

一种无人驾驶车辆仿真平台构建方法，包括：

构建城市级别的静态层路网；

在所述静态层路网上构建动态交通流，所述动态交通流由N个交通片段组成，N为大于一的正整数；

根据所述交通片段构建出测试场景。

根据本发明一优选实施例，

所述构建城市级别的静态层路网包括：

通过地毯式的高精地图采集和处理，构建整个城市的静态层路网。

根据本发明一优选实施例，

所述构建城市级别的静态层路网包括：

按照划分为M层的方式，构建出所述静态层路网，M为大于一的正整数。

根据本发明一优选实施例，所述划分为M层包括：

每层中分别包括不同的交通要素；

第i层位于第i-1层之上，i为正整数，且1＜i≤M。

根据本发明一优选实施例，

每个交通片段分别对应所述静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

根据本发明一优选实施例，

所述根据所述交通片段构建出测试场景包括：

选定交通片段；

在所述交通片段对应的子区域中对所述交通片段对应的交通流中的车辆和行人进行仿真，得到所述测试场景。

根据本发明一优选实施例，

所述根据所述交通片段构建出测试场景进一步包括：

对所述交通片段对应的子区域中的交通要素进行编辑。

根据本发明一优选实施例，

所述构建出测试场景之后，进一步包括：

利用所述测试场景进行无人驾驶车辆测试。

一种无人驾驶车辆仿真平台构建装置，包括：第一构建单元以及第二构建单元；

所述第一构建单元，用于构建城市级别的静态层路网；

所述第二构建单元，用于在所述静态层路网上构建动态交通流，所述动态交通流由N个交通片段组成，N为大于一的正整数，并根据所述交通片段构建出测试场景。

根据本发明一优选实施例，

所述第一构建单元通过地毯式的高精地图采集和处理，构建整个城市的静态层路网。

根据本发明一优选实施例，

所述第一构建单元按照划分为M层的方式，构建出所述静态层路网，M为大于一的正整数。

根据本发明一优选实施例，

每层中分别包括不同的交通要素；

第i层位于第i-1层之上，i为正整数，且1＜i≤M。

根据本发明一优选实施例，

每个交通片段分别对应所述静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

根据本发明一优选实施例，

所述第二构建单元选定交通片段，在所述交通片段对应的子区域中对所述交通片段对应的交通流中的车辆和行人进行仿真，得到所述测试场景。

根据本发明一优选实施例，

所述第二构建单元进一步用于，对所述交通片段对应的子区域中的交通要素进行编辑。

根据本发明一优选实施例，所述装置中进一步包括：测试单元；

所述测试单元，用于利用所述测试场景进行无人驾驶车辆测试。

一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。

基于上述介绍可以看出，采用本发明所述方案，可首先构建城市级别的静态层路网，之后可在静态层路网上构建由多个交通片段组成的动态交通流，进而可根据所述交通片段构建出测试场景，相比于现有技术，本发明所述方案具备城市级别的路网模拟能力，从而提升了测试性能。

【附图说明】

图1为本发明所述无人驾驶车辆仿真平台构建方法实施例的流程图。

图2为本发明所述land_layer层、road_layer层、signal_layer层以及traffic_layer层之间的关系示意图。

图3为本发明所述无人驾驶车辆仿真平台构建装置实施例的组成结构示意图。

图4为本发明所述各一级api对应的功能示意图。

图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。

【具体实施方式】

为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。

图1为本发明所述无人驾驶车辆仿真平台构建方法实施例的流程图，如图1所示，包括以下具体实现方式。

在101中，构建城市级别的静态层路网。

比如，可以通过地毯式的高精地图采集和处理，构建整个城市的静态层路网，具体实现为现有技术。

高精地图是应用于无人驾驶领域的一种地图，是和传统的电子地图相比较而言的。

高精度，一方面是指绝对坐标精度更高，另一方面是指所包含的交通要素信息等更为丰富和细致。

传统的电子地图的绝对坐标精度大约在10米左右即可，但对于无人驾驶车辆来说，其需要精确地知道自己在道路上的位置，往往车辆离马路牙子和旁边的车道也就几十厘米左右，因此高精地图的绝对坐标精度一般都会在亚米级，而且横向的相对精度往往还要更高。

而且，相比于传统的电子地图，高精地图中包含的信息更为丰富，如可包括车道线、车道边界、斑马线、停止线、红绿灯、交通标志、车道线的精确位置、车道的限速，以及，每个车道的坡度、曲率、航向、侧倾的数据等，以及，车道与车道之间的车道线是虚线、实线还是双黄线、线的颜色，道路的隔离带、隔离带的材质甚至道路上的箭头、文字的内容等。

另外，可按照划分为M层的方式，构建出所述静态层路网，M为大于一的正整数。

每层中分别包括不同的交通要素，并且，第i层位于第i-1层之上，i为正整数，且1＜i≤M。

M的具体取值可根据实际需要而定，较佳地，可取值为3。

当M取值为3时，按照从下到上的顺序，各层可依次为：land_layer层、road_layer层、signal_layer层。

其中，land_layer层可理解为原始道路层，即只包括地面、路边建筑物、树木等。

road_layer层覆盖在land_layer层之上，包括隔离带、护栏、车道线等，即在land_layer层的基础上添加了隔离带、护栏、车道线等。

signal_layer层进一步覆盖在road_layer层之上，包括交通信号灯、交通标志、指挥交通的交警等，即在road_layer层的基础上进一步添加了交通信号灯、交通标志、交警等。

上述三层构成了基本的交通条件，除交警外，基本都属于静态要素，共同组成所述静态层路网。

分层的意义在于解耦，优势表现为提升了层自身以及层与层之间的灵活性，便于更新要素和构建场景。

比如，某条道路上新增加了隔离带，那么只需要修改road_layer层即可，无需对其它层进行修改。

再比如，某个十字路口的红绿灯暂时坏了，那么可在signal_layer层以patch的方式添加一个交警，从而构建交警指挥的场景。

在102中，在静态层路网上构建动态交通流，动态交通流由N个交通片段组成，N为大于一的正整数。

如前所述，land_layer层、road_layer层和signal_layer层共同组成静态层路网，在此之上，可进一步构建动态交通流，即构建traffic_layer层，从而可模拟各种路况下的测试场景。

traffic_layer层可由多个交通片段即traffic_segment组成。

traffic_segment表示某个时间段内局部道路的交通流，即每个traffic_segment分别对应静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

由于traffic_segment具有时间属性，因此同一子区域可对应多个traffic_segment。

traffic_segment的来源可以有以下方式：

1)获取无人驾驶车辆实际上路时的采集数据rosbag，通过对采集数据进行解析得到traffic_segment；

2)自行构建；

3)获取交管局的摄像头拍摄到的交通数据，通过对交通数据进行解析得到traffic_segment。

为了更符合真实世界的交通情况，较佳地，可采用上述方式1)或方式3)来得到traffic_segment。

具体地，traffic_segment可以是指，其对应的子区域在预定时间段内的车辆数、行人数、车辆走向、行人走向、车辆分布、行人分布等等。

基于上述介绍，图2为本发明所述land_layer层、road_layer层、signal_layer层以及traffic_layer层之间的关系示意图，如图2所示，按照从下到上的顺序依次为land_layer层、road_layer层、signal_layer层以及traffic_layer层，其中，traffic_layer层中可包括多个traffic_segment。

在103中，根据交通片段构建出测试场景。

当需要构建测试场景时，可选定traffic_segment，并在traffic_segment对应的子区域中对traffic_segment对应的交通流中的车辆和行人等进行仿真，从而得到所需的测试场景。

另外，如果需要，还可对traffic_segment对应的子区域中的交通要素进行编辑(即修改、调整)。

在实际应用中，可通过调用不同的应用程序接口(API，Application ProgrammingInterface)来完成测试场景的构建等。

所述api可包括layer api、segment api、车辆仿真api以及行人仿真api等一级api。

其中，layer api可用于编辑静态要素和编辑patch等。

比如，traffic_segment为通过对交管局的摄像头拍摄到的交通数据进行解析得到的，通过拍摄结果可知，traffic_segment对应的子区域中的某条道路上新增加了隔离带，那么则可调用layer api来修改原来的road_layer层，在相应的道路上添加隔离带。

再比如，通过拍摄结果可知，traffic_segment对应的子区域中的某个十字路口的红绿灯暂时坏了，并添加了交通，那么则可调用layer api，在原来的signal_layer层以patch的方式添加交警。

segment api可用于处理各种来源的数据并解析成traffic_segment，比如，通过对交管局的摄像头拍摄到的交通数据进行解析得到traffic_segment，另外，还可用于分割traffic_segment、融合traffic_segment、编辑traffic_segment等，分割即指将一个traffic_segment分为两个甚至更多个traffic_segment，融合即指将多个traffic_segment合并为一个traffic_segment。

车辆仿真api可进一步包括多个二级车辆api，各不同的二级车辆api可分别对应不同的车辆仿真功能，比如，可包括：3D定位api、传感器(sensor)仿真api、路径规划api、车辆控制api、交通信号(信号灯、标志线、标志灯)识别api、障碍物识别api、日志api等。

行人仿真api也可进一步包括多个二级行人api，各不同的二级行人api可分别对应不同的行人仿真功能，比如，可包括：3D定位api、路径规划api、行为控制api、交通信号识别api、障碍物识别api、日志api等。

车辆仿真api和行人仿真api中分别具体包括哪些二级api可根据实际需要而定。

通过调用segment api，可加载traffic_segment，并通过调用车辆仿真api和行人仿真api等，可再现原来的交通流。

可将待测试的无人驾驶车辆加入到的构建出的测试场景中，从而对待测试的无人驾驶车辆进行测试。

比如，将无人驾驶车辆加入到测试场景中之后，当出现行人横穿马路的情况时，发现无人驾驶车辆会撞到行人，那么则可对对应的二级车辆api进行升级，如对障碍物识别api等进行升级，以便测试进行升级后的无人驾驶车辆的处理方式。

再比如，将无人驾驶车辆计入到测试场景中之后，经测试无人驾驶车辆运行正常，未出现问题，比如未出现撞到行人等问题，那么可通过调用segment api等，在测试场景中添加新的车辆和/或行人，以测试无人驾驶车辆在更新后的测试场景中的运行情况等。

基于上述介绍可以看出，采用本实施例所述方式，可首先构建城市级别的静态层路网，之后可在静态层路网上构建由多个交通片段组成的动态交通流，进而可根据交通片段构建出测试场景，相比于现有技术，本实施例所述方案具备城市级别的路网模拟能力，从而提升了测试性能。

而且，静态层路网采用分层设计方式，降低了耦合度，提升了每层自身以及层与层之间的灵活性。

另外，采用本实施例所述方案，可方便地对接第三方能力，如第三方提出的对无人驾驶车辆的性能改进等，具备良好的可扩展性。

再有，现有技术中，用于进行仿真测试的模拟器或仿真器等，大多本质上只是播放器，很少具有编辑功能，使用起来不够方便，模拟起来也不够真实，而采用本实施例所述方案，通过构建静态层路网和交通流等，可最大程度地模拟真实世界的交通情况，更为贴近实际驾驶，从而提高了测试结果的准确性，而且，可方便地构建出不同的测试场景，具体良好的通用性等。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

图3为本发明所述无人驾驶车辆仿真平台构建装置实施例的组成结构示意图，如图3所示，包括：第一构建单元301以及第二构建单元302。

第一构建单元301，用于构建城市级别的静态层路网；

第二构建单元302，用于在静态层路网上构建动态交通流，动态交通流由N个交通片段组成，N为大于一的正整数，并根据交通片段构建出测试场景。

具体地，第一构建单元301可通过地毯式的高精地图采集和处理，构建整个城市的静态层路网。

另外，第一构建单元301可按照划分为M层的方式，构建出静态层路网，M为大于一的正整数。

每层中分别包括不同的交通要素，并且，第i层位于第i-1层之上，i为正整数，且1＜i≤M。

M的具体取值可根据实际需要而定，较佳地，可取值为3。

当M取值为3时，按照从下到上的顺序，各层可依次为：land_layer层、road_layer层、signal_layer层。

其中，land_layer层可理解为原始道路层，即只包括地面、路边建筑物、树木等。

road_layer层覆盖在land_layer层之上，包括隔离带、护栏、车道线等，即在land_layer层的基础上添加了隔离带、护栏、车道线等。

signal_layer层进一步覆盖在road_layer层之上，包括交通信号灯、交通标志、指挥交通的交警等，即在road_layer层的基础上进一步添加了交通信号灯、交通标志、交警等。

上述三层构成了基本的交通条件，除交警外，基本都属于静态要素，共同组成所述静态层路网。

分层的意义在于解耦，优势表现为提升了层自身以及层与层之间的灵活性，便于更新要素和构建场景。

第二构建单元302可在静态层路网上构建动态交通流，动态交通流由N个交通片段组成，N为大于一的正整数，并根据交通片段构建出测试场景。

如前所述，land_layer层、road_layer层和signal_layer层共同组成静态层路网，在此之上，可进一步构建动态交通流，即构建traffic_layer层，从而可模拟各种路况下的测试场景。

traffic_layer层可由多个交通片段即traffic_segment组成。

traffic_segment表示某个时间段内局部道路的交通流，即每个traffic_segment分别对应静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

由于traffic_segment具有时间属性，因此同一子区域可对应多个traffic_segment。

较佳地，traffic_segment的来源可以有以下方式：

获取无人驾驶车辆实际上路时的采集数据rosbag，通过对采集数据进行解析得到traffic_segment；

或者，获取交管局的摄像头拍摄到的交通数据，通过对交通数据进行解析得到traffic_segment。

具体地，traffic_segment可以是指，其对应的子区域在预定时间段内的车辆数、行人数、车辆走向、行人走向、车辆分布、行人分布等等。

当需要构建测试场景时，第二构建单元302可选定traffic_segment，并在traffic_segment对应的子区域中对traffic_segment对应的交通流中的车辆和行人等进行仿真，从而得到所需的测试场景。

如果需要，第二构建单元302还可对交通片段对应的子区域中的交通要素进行编辑。

在实际应用中，第二构建单元302可通过调用不同的api来完成测试场景的构建等。

所述api可包括layer api、segment api、车辆仿真api以及行人仿真api等一级api。

其中，layer api可用于编辑静态要素和编辑patch等。

segment api可用于处理各种来源的数据并解析成traffic_segment，比如，通过对交管局的摄像头拍摄到的交通数据进行解析得到traffic_segment，另外，还可用于分割traffic_segment、融合traffic_segment、编辑traffic_segment等，分割即指将一个traffic_segment分为两个甚至更多个traffic_segment，融合即指将多个traffic_segment合并为一个traffic_segment。

车辆仿真api可进一步包括多个二级车辆api，各不同的二级车辆api可分别对应不同的车辆仿真功能，比如，可包括：3D定位api、sensor仿真api、路径规划api、车辆控制api、交通信号(信号灯、标志线、标志灯)识别api、障碍物识别api、日志api等。

行人仿真api也可进一步包括多个二级行人api，各不同的二级行人api可分别对应不同的行人仿真功能，比如，可包括：3D定位api、路径规划api、行为控制api、交通信号识别api、障碍物识别api、日志api等。

车辆仿真api和行人仿真api中分别具体包括哪些二级api可根据实际需要而定。

基于上述介绍，图4为本发明所述各一级api对应的功能示意图，如图4所示，第二构建单元302可调用各一级api以及各一级api下属的各二级api等完成相应的功能。

如图3所示，图3所示装置中还可进一步包括：测试单元303。

测试单元303，用于利用测试场景进行无人驾驶车辆测试。

即测试单元303可将待测试的无人驾驶车辆加入到构建出的测试场景中，从而对待测试的无人驾驶车辆进行测试，具体进行哪些测试可根据实际需要而定。

测试单元303同样可根据实际需要调用上述各api。

图3所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明，不再赘述。

基于上述介绍可以看出，采用本实施例所述方式，可首先构建城市级别的静态层路网，之后可在静态层路网上构建由多个交通片段组成的动态交通流，进而可根据交通片段构建出测试场景，相比于现有技术，本实施例所述方案具备城市级别的路网模拟能力，从而提升了测试性能。

而且，静态层路网采用分层设计方式，降低了耦合度，提升了每层自身以及层与层之间的灵活性。

另外，采用实施例所述方案，可方便地对接第三方能力，具备良好的可扩展性。

再有，现有技术中，用于进行仿真测试的模拟器或仿真器等，大多本质上只是播放器，很少具有编辑功能，使用起来不够方便，模拟起来也不够真实，而采用本实施例所述方案，通过构建静态层路网和交通流等，可最大程度地模拟真实世界的交通情况，更为贴近实际驾驶，从而提高了测试结果的准确性，而且，可方便地构建出不同的测试场景，具体良好的通用性等。

图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图5显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1所示实施例中的方法，即构建城市级别的静态层路网，在静态层路网上构建动态交通流，动态交通流由N个交通片段组成，N为大于一的正整数，根据交通片段构建出测试场景等。

具体实现请参照前述方法实施例中的相关说明，不再赘述。

本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1所示实施例中的方法。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (18)

1.一种无人驾驶车辆仿真平台构建方法，其特征在于，包括：

构建城市级别的静态层路网；

在所述静态层路网上构建动态交通流，所述动态交通流由N个交通片段组成，N为大于一的正整数；

根据所述交通片段构建出测试场景。

2.根据权利要求1所述方法，其特征在于，

所述构建城市级别的静态层路网包括：

通过地毯式的高精地图采集和处理，构建整个城市的静态层路网。

3.根据权利要求1所述方法，其特征在于，

所述构建城市级别的静态层路网包括：

按照划分为M层的方式，构建出所述静态层路网，M为大于一的正整数。

4.根据权利要求3所述方法，其特征在于，

所述划分为M层包括：

每层中分别包括不同的交通要素；

第i层位于第i-1层之上，i为正整数，且1＜i≤M。

5.根据权利要求1所述方法，其特征在于，

每个交通片段分别对应所述静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

6.根据权利要求5所述方法，其特征在于，

所述根据所述交通片段构建出测试场景包括：

选定交通片段；

在所述交通片段对应的子区域中对所述交通片段对应的交通流中的车辆和行人进行仿真，得到所述测试场景。

7.根据权利要求6所述方法，其特征在于，

所述根据所述交通片段构建出测试场景进一步包括：

对所述交通片段对应的子区域中的交通要素进行编辑。

8.根据权利要求1所述方法，其特征在于，

所述构建出测试场景之后，进一步包括：

利用所述测试场景进行无人驾驶车辆测试。

9.一种无人驾驶车辆仿真平台构建装置，其特征在于，包括：第一构建单元以及第二构建单元；

所述第一构建单元，用于构建城市级别的静态层路网；

所述第二构建单元，用于在所述静态层路网上构建动态交通流，所述动态交通流由N个交通片段组成，N为大于一的正整数，并根据所述交通片段构建出测试场景。

10.根据权利要求9所述装置，其特征在于，

所述第一构建单元通过地毯式的高精地图采集和处理，构建整个城市的静态层路网。

11.根据权利要求9所述装置，其特征在于，

所述第一构建单元按照划分为M层的方式，构建出所述静态层路网，M为大于一的正整数。

12.根据权利要求11所述装置，其特征在于，

每层中分别包括不同的交通要素；

第i层位于第i-1层之上，i为正整数，且1＜i≤M。

13.根据权利要求9所述装置，其特征在于，

每个交通片段分别对应所述静态层路网中的一个子区域，且具有时间属性，表示所述子区域在预定时间段内的交通流。

14.根据权利要求13所述装置，其特征在于，

所述第二构建单元选定交通片段，在所述交通片段对应的子区域中对所述交通片段对应的交通流中的车辆和行人进行仿真，得到所述测试场景。

15.根据权利要求14所述装置，其特征在于，

所述第二构建单元进一步用于，对所述交通片段对应的子区域中的交通要素进行编辑。

16.根据权利要求9所述装置，其特征在于，

所述装置中进一步包括：测试单元；

所述测试单元，用于利用所述测试场景进行无人驾驶车辆测试。

17.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8中任一项所述的方法。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～8中任一项所述的方法。