CN109284889B - 一种无人车反应敏捷度评测方法和装置 - Google Patents

Abstract

本发明实施例提供了一种无人车反应敏捷度评测方法，包括：对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；获得实时性指标M2；对M1、B_k和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。根据上述方式，能够提供一种无人车反应敏捷度进行评估的方法，该方法从环境复杂度、驾驶行为、操作实时性三个维度对无人车反应敏捷度进行分析，能够得到科学有效的评测结果，从而保证了无人车在真实环境中实现稳定、安全、可靠的驾驶。本发明实施例还提供了一种无人车反应敏捷度评测装置。

Description

一种无人车反应敏捷度评测方法和装置

技术领域

本发明涉及车辆测试技术领域，具体涉及一种无人车反应敏捷度评测方法和装置。

背景技术

随着国家战略支持和智能网联汽车概念提出，无人驾驶车辆的研究引起了高度的重视。无人驾驶车辆搭载车载传感器、控制器等装置，具备定位导航、环境感知、决策控制、路径任务规划及执行等功能。目前，国内外的主流车企和互联网公司都在积极地研究无人驾驶相关技术并研发出各具特色的无人驾驶汽车，比如，特斯拉、谷歌无人车、百度无人车等等。

但是，现阶段无人驾驶技术离实现上路行驶还有一定的距离。而且，随着近期关于无人驾驶汽车出现的各种事故，让人们对无人驾驶汽车的安全性提出了质疑。因此，制定规范的安全测评标准并开展测试也是无人驾驶技术发展的一项重要举措。

目前，国内外对无人车的研究取得了初步成果，可以在简单、结构化的特定环境实现自主驾驶，但要实现无人车产品化的要求，达到在真实城市环境、收费站、高速公路上，特别是拥挤道路的复杂交通环境下实现安全行驶的目的，仍然需要对其进行更深层次的探索。

在对无人车的研究探索中，对无人车各方面工作性能的测试已成为一个重要环节，由此出现了很多用于无人车测试的测试方法，然而，现有的无人车测试方法中，并没有具体针对无人车反应敏捷度的测试方法。

发明内容

为了至少部分地解决现技术存在的问题，本发明实施例期望提供一种无人车反应敏捷度评测方法和装置。

根据第一方面，一种实施例中提供了一种无人车反应敏捷度评测方法，包括：

对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；

评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；

对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

优选地，所述环境复杂度指标M1通过以下方式获得：

将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；

按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，m为交通环境所包含的子要素总数。

优选地，所述将对无人车进行测试的交通环境分为不同的基本要素，包括：

将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境；

所述对各个基本要素进行分解，将每个基本要素分解为多个子要素，包括：

将道路环境分解为路表环境和道路拓扑环境两个子要素；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一。

将障碍物环境分解为静态环境和动态环境；

将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

优选地，所述评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k，包括：

将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故；

按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

优选地，所述确定实时性指标M2，包括：

确定出每一个反应时间对应的标度值；

将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

根据第二方面，一种实施例中提供了一种无人车反应敏捷度评测装置，包括：环境复杂度评估模块、驾驶行为评估模块、实时性指标确定模块、反应敏捷度得分确定模块及反应敏捷度水平等级确定模块；其中，

所述环境复杂度评估模块，用于对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；

所述驾驶行为评估模块，用于评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

所述驾驶行为评估模块，用于评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；

所述反应敏捷度得分确定模块用于对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M；

所述反应敏捷度水平等级确定模块，用于根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

优选地，所述环境复杂度评估模块，包括：第一分解单元和第一确定单元；其中，

所述分解单元，用于将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；

所述第一确定单元，用于按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，m为交通环境所包含的子要素总数。

优选地，所述第一分解单元用于按照以下方式将对无人车进行测试的交通环境分为不同的基本要素：

将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境；

还用于按照以下方式对各个基本要素进行分解，将每个基本要素分解为多个子要素：

将道路环境分解为路表环境和道路拓扑环境两个子要素；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一。

将障碍物环境分解为静态环境和动态环境；

将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

优选地，所述驾驶行为评估模块，包括：第二分解单元和第二确定单元；其中，

所述第二分解单元，用于将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故；

所述第二确定单元，用于按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

优选地，所述实时性指标确定模块，包括：第三确定单元和第四确定单元确定单元；其中，

所述第三确定单元，用于确定出每一个反应时间对应的标度值；

所述第四确定单元，用于将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

与现有技术相比，本发明实施例至少具备以下优点：

根据本发明实施例提供的无人车反应敏捷度评测方法，对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。根据上述方式，能够提供一种无人车反应敏捷度进行评估的方法，该方法从环境复杂度、驾驶行为、操作实时性三个维度对无人车反应敏捷度进行分析，能够得到科学有效的评测结果，从而保证了无人车在真实环境中实现稳定、安全、可靠的驾驶。

附图说明

图1是本发明无人车反应敏捷度评测方法的基本原理图；

图2是本发明无人车反应敏捷度评测方法在一种实施方式中的流程图；

图3是本发明虚拟场景仿真系统总体框架图；

图4是本发明无人车反应敏捷度评测方法中交通环境在一种实施方式中的划分方式图；

图5是本发明无人车反应敏捷度评测方法中无人车驾驶行为在一种实施方式中的划分方式图；

图6是本发明无人车反应敏捷度评测方法中服务器/客户端架构模式图；

图7是本发明中无人车反应敏捷度评测装置在一种实施方式中的结构框图；

图8是本发明中无人车反应敏捷度评测装置中的环境复杂度评估模块在一种实施方式中的结构框图；

图9是本发明中无人车反应敏捷度评测装置中的驾驶行为评估模块在一种实施方式中的结构框图；

图10是本发明中无人车反应敏捷度评测装置中的实时性指标确定模块在一种实施方式中的结构框图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

无人车的驾驶行为不能孤立地讨论，因此，对无人车反应敏捷度的测评需要考虑各种影响因素。例如，当无人车测试的交通环境发生改变时，会通过视觉传感器、激光雷达等感知到环境发生改变，从而控制与决策随之发生改变，则无人车的驾驶行为也会发生改变。

基于此，本发明提出以待测无人车为主体，以测试环境、驾驶行为和实时性为评价指标四者构成的复杂交互系统，如图1所示。

下面对基于上述系统所提出的无人车反应敏捷度评测方法和装置做以下详细说明。

实施例一

参照图2，示出了本发明一种无人车反应敏捷度评测方法的基本流程图，如图2所示，所述方法具体包括以下步骤：

步骤201、对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；

具体的，无人车反应敏捷度的测试环境可以通过虚拟场景仿真系统设置，该系统主要为无人车提供虚拟交通场景以及为无人车对突发事件的反应敏捷度的测试与评估提供条件。虚拟交通场景中设置一主车辆，所述主车辆是被测试无人车在虚拟交通场景中的映射，主车辆实时获取被测试无人车的速度、加速度、方向盘转角等参数实现自主驾驶，在虚拟交通场景中模拟被测试车辆的驾驶行为，并且通过视觉、激光雷达等虚拟传感器将感知到的虚拟交通场景中的路面坡度、倾斜角等路况信息实时反馈给路面测试控制系统。

虚拟交通场景中还可以设置一个或者多个从车辆、行人，所述从车辆是模拟真实交通环境中的其它行驶车辆，场景中引入从车辆、行人是为了更加真实地模拟复杂的交通环境，从车辆对被测无人车起到干扰的作用，主车辆与从车辆之间发生的行为记录，可以作为评估与验证被测无人车的反应敏捷度的部分依据。所述虚拟场景仿真系统总体框架如图3所示。

交通环境的设置：无人车进行反应敏捷度测试的交通环境是基于虚拟场景生成的，所以虚拟场景中各种场景要素对无人车测试室内反应敏捷度提出了不同要求，如环境中的天气类型很大程度地影响着无人车的行驶，雪天时由于路面光滑，对无人车的控制性能要求较高；雾天时由于能见度降低，对视觉传感器等的性能要求较高；白天和夜晚由于光照不同，对无人车的各方面性能都有要求。障碍物的属性不同也对无人车的考验不同，静态障碍物是指场景中的静态对象，包括道路、车道线、标识牌以及交通灯，相对于静态障碍物，动态障碍物因其具有突发性与不确定性的特点，对无人车反应敏捷度的考验更大，不仅要求能够准确识别这些动态障碍物，更重要的是还要能在尽可能短的时间内做出正确的决策判断，避免与其发生碰撞。动态障碍物一般包括主车辆、从车辆以及行人。因此可以通过组合各类场景要素，研究各种不同难易程度的测试环境，从而实现对无车不同程度的反应敏捷度测试。

具体的，采用分解熵法对交通环境复杂度进行评估，获得环境复杂度指标M1，包括以下步骤：

A1、将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；

比如，将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境。针对上述三大基本要素又可以分别分解为不同的子要素。

比如，依照图4，将道路环境分为路表环境和道路拓扑环境；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一。将障碍物环境分解为以静态障碍物为主的静态环境和以动态障碍物为主的动态环境，其中，静态障碍物可以为行驶道路上的任何静态物体，而动态障碍物可以包括：不同速度的车、行人、动物等等；将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

以上仅给出了一种示例性的交通环境子要素划分方法，实际实现时可以根据实际需要进行划分，不限于上述划分方式。

A2、按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，m为交通环境所包含的子要素总数。

以图4为例，由于交通环境被划分为三个要素，每个要素分别被划分为两个子要素，总共有六个子要素，因此，m取值为6。

具体的，该步骤中，每种子要素出现的概率越小，交通环境中出现该子要素的不确定性越大，交通环境越复杂混乱，复杂度就越高。

步骤202、评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

针对无人驾驶车辆的反应敏捷度，无人驾驶车辆进行测试的交通环境可以通过虚拟场景进行设置，而在不同复杂度的交通环境，无人驾驶车辆有着不同的驾驶行为及不同的反应程度，测试台架上的被测无人车对虚拟场景中的不同环境感知进而做出相应的驾驶行为，因此可通过对无人驾驶车辆的驾驶行为的评估，进而对无人车的敏捷度评估提供部分依据，具体可采用分层法对无人驾驶车辆驾驶行为进行评估。其步骤如下：

B1、将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故。具体划分方式如图5所示。

B2、按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

具体的，无人车准则层中的准则可以分解为多个指标，所有指标组成的集合为：M_i＝{m_i1,m_i2,...,m_in}；

按照指标层各个指标的得分可以得出准则层的得分A_i：

目标层的得分即为无人驾驶车辆的驾驶行为评估结果。目标层可以分为多个指标，根据所含的指标个数可以得到目标层的得分B_k：

则B_k是对无人车驾驶行为的评估结果。

步骤203、确定实时性指标M2；

本发明应用的架构模式是服务器/客户端的架构模式，服务器端即路面测试控制系统端，主要通过线程将主车辆在虚拟场景中模拟被测试车辆的数据发送给客户端，客户端用于接收来自服务器端发来的对应类型的数据，对被测试无人车反馈的速度、加速度、方向盘转角、虚拟场景环境信息等进行分析；客户端提供数据读取和测试结果回送服务。无人车读取数据时记录时间T1，回送测试结果时记录时间T2，最后由路面测试控制系统端将时间差T＝T2-T1存储并显示。该时间差T也可以被称为反应时间，代表无人车接收到虚拟场景中的路况实时信息后，针对该路况实时信息作出反应的时间。本发明将时间差T确定为量化实时性的评价指标，可以作为评估与验证被测无人车的反应敏捷度的部分依据。服务器/客户端的架构模式如图6所示。

为了确定实时性指标M2，可以预先设置一个反应时间T与实时性标度的对应关系表，一个示例性的时间差T和实时性标度的对应关系表如下：

反应时间范围	标度
		[min，min+Δt]	9
[min+Δt，min+2Δt]	8
		[min+2Δt，min+3Δt]	7
[min+3Δt，min+4Δt]	6
		[min+4Δt，min+5Δt]	5
[min+5Δt，min+6Δt]	4
		[min+6Δt，min+7Δt]	3
[min+7Δt，min+8Δt]	2
		[min+8Δt，min+9Δt]	1
[min+9Δt，max]	0

表1

上述反应时间T与实时性标度的对应关系表可以根据实际需要进行设定，比如，可以根据反应时间T的多次测量结果以及理论上对实时性的要求来进行设定。

当反应时间T处于不同的区间时，其对应的标度值不同，可以看出，当反应时间T越小，其对应的标度值越大，则表示相应驾驶处理的实时性越高。

确定实时性指标M2的具体方式如下：

确定出每一个反应时间对应的标度值；

将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

步骤204、对上述获得的M1、Bk和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

最后综合考虑三种评价指标将其按照对应的权重加和得到总得分M，进而实现对无人车反应敏捷度水平等级划分。

在测试过程中，无人车测试环境复杂度越高，则对无人车的敏捷度考验越高，如果相应的无人驾驶车辆的驾驶行为评估越好，实时性评估越高，则无人车的反应敏捷度等级越高，与之相反，若测试环境复杂度越低，无人驾驶车辆的驾驶行为评估偏差，实时性评估偏低，则无人车的反应敏捷度等级越低。因此，本专利综合考虑无人驾驶车辆测试环境的复杂度，无人驾驶车辆的驾驶行为以及实时性的得分情况，对无人驾驶车辆反应敏捷度水平等级进行划分。主要步骤如下：

D1、将无人驾驶车辆针对各评价指标的得分乘以各指标的权重，设无人车反应敏捷度得分为M，测试环境复杂度得分为M₁，无人驾驶车辆的驾驶行为为B_k，实时性为M₂，则M＝αM₁+βB_k+γM₂，其中α为环境复杂度的权重，β为无人驾驶车辆驾驶行为的权重，γ为实时性的权重。

D2、根据上式得到的反应敏捷度总得分，将总得分排序，即得到无人车的反应敏捷度的水平等级。

综上，本发明实施例一提供的无人车反应敏捷度评测方法，对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。根据上述方式，能够提供一种无人车反应敏捷度进行评估的方法，该方法从环境复杂度、驾驶行为、操作实时性三个维度对无人车反应敏捷度进行分析，能够得到科学有效的评测结果，从而保证了无人车在真实环境中实现稳定、安全、可靠的驾驶。

实施例二

参照图7，示出了本发明一种无人车反应敏捷度评测装置的结构框图，所述装置包括：环境复杂度评估模块71、驾驶行为评估模块72、实时性指标确定模块73、反应敏捷度得分确定模块74及反应敏捷度水平等级确定模块75；其中，

所述环境复杂度评估模块71，用于对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；

所述驾驶行为评估模块72，用于评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

所述驾驶行为评估模块73，用于评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；

所述反应敏捷度得分确定模块74，用于对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M；

所述反应敏捷度水平等级确定模75，用于根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

具体的，参照图8，所述环境复杂度评估模块71，包括：第一分解单元7101和第一确定单元7102；其中，

所述第一分解单元7101，用于将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；

所述第一确定单元7102，用于按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，m为交通环境所包含的子要素总数。

具体的，所述第一分解单元7101用于按照以下方式将对无人车进行测试的交通环境分为不同的基本要素：

将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境；

还用于按照以下方式对各个基本要素进行分解，将每个基本要素分解为多个子要素：

将道路环境分解为路表环境和道路拓扑环境两个子要素；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一。

将障碍物环境分解为静态环境和动态环境；

将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

具体的，参照图9，所述驾驶行为评估模块72，包括：第二分解单元7201和第二确定单元7202；其中，

所述第二分解单元7201，用于将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故；

所述第二确定单元7202，用于按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

具体的，参照图10，所述实时性指标确定模块73，包括：第三确定单元7301和第四确定单元确定单元7302；其中，

所述第三确定单元7301，用于确定出每一个反应时间对应的标度值；

所述第四确定单元7302，用于将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

具体的，反应敏捷度得分确定模块74，用于将无人车环境复杂度指标、驾驶行为指标、实时性指标分别乘以各自的权重之后相加得到反应敏捷度得分。

具体的，假设设无人车反应敏捷度得分为M，测试环境复杂度指标为M₁，无人驾驶车辆的驾驶行为指标为B_k，实时性指标为M₂，则，M＝αM₁+βB_k+γM₂，其中α为环境复杂度的权重，β为无人驾驶车辆驾驶行为的权重，γ为实时性的权重。

不同反应敏捷度得分对应不同的反应敏捷度水平等级，事先划分好不同反应敏捷度水平等级所对应的反应敏捷度得分区间，这样，当根据上式得到反应敏捷度得分之后，即可确定该反应敏捷度得分所处的区间及相应区间对应的反应敏捷度水平等级。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (8)

1.一种无人车反应敏捷度评测方法，其特征在于，所述方法包括：

对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；所述获得环境复杂度指标M1，通过下述方式获得：将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，h为交通环境所包含的子要素总数；

评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；

对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M，根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

2.根据权利要求1所述的方法，其特征在于，所述将对无人车进行测试的交通环境分为不同的基本要素，包括：

将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境；

所述对各个基本要素进行分解，将每个基本要素分解为多个子要素，包括：

将道路环境分解为路表环境和道路拓扑环境两个子要素；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一；

将障碍物环境分解为静态环境和动态环境；

将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

3.根据权利要求1所述的方法，其特征在于，所述评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k，包括：

将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故；

按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

4.根据权利要求1所述的方法，其特征在于，确定所述实时性指标M2，包括：

确定出每一个反应时间对应的标度值；

将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

5.一种无人车反应敏捷度评测装置，其特征在于，所述装置包括：环境复杂度评估模块、驾驶行为评估模块、实时性指标确定模块、反应敏捷度得分确定模块及反应敏捷度水平等级确定模块；其中，

所述环境复杂度评估模块，用于对无人车所处的交通环境复杂度进行评估，获得环境复杂度指标M1；所述环境复杂度评估模块，包括：第一分解单元和第一确定单元；其中，所述分解单元，用于将对无人车进行测试的交通环境分为不同的基本要素，再对各个基本要素进行分解，将每个基本要素分解为多个子要素；所述第一确定单元，用于按照下式确定交通环境复杂度得分M₁：

其中，p_i表示每种交通环境子要素出现的概率，h为交通环境所包含的子要素总数；

所述驾驶行为评估模块，用于评估无人驾驶车辆的驾驶行为，获得驾驶行为指标B_k；

所述实时性指标确定模块，用于评估无人驾驶车辆的驾驶操作的实时性，获得实时性指标M2；

所述反应敏捷度得分确定模块用于对上述获得的M1、B_k和M2加权求和，获得无人车敏捷度得分M；

所述反应敏捷度水平等级确定模块，用于根据所述无人车敏捷度得分M确定所述无人车反应敏捷度水平等级。

6.根据权利要求5所述的装置，其特征在于，所述第一分解单元用于按照以下方式将对无人车进行测试的交通环境分为不同的基本要素：

将交通环境分为三大基本要素，包括：道路环境、障碍物环境及天气环境；

还用于按照以下方式对各个基本要素进行分解，将每个基本要素分解为多个子要素：

将道路环境分解为路表环境和道路拓扑环境两个子要素；其中，路表环境可以包括：涉水路、卵石路、搓板路、扭曲路中的至少其中之一，道路拓扑环境可以包括：直路、弯路、交叉路、坡道、高速环道中的至少其中之一；

将障碍物环境分解为静态环境和动态环境；

将天气环境分解为气候环境和光照环境，其中，气候环境包括：晴天、雨天、雪天、雾天中的至少其中之一，光照环境包括：白天、夜晚中的至少其中之一。

7.根据权利要求5所述的装置，其特征在于，所述驾驶行为评估模块，包括：第二分解单元和第二确定单元；其中，

所述第二分解单元，用于将无人车驾驶行为自上而下依次分解为目标层、准则层和指标层；其中，目标层包括：无人驾驶行为；准则层包括：环境识别、执行与决策、安全操作；指标层包括：识别路面特征、识别天气特征、识别其他交通参与者、避开障碍物、平顺性、安全事故；

所述第二确定单元，用于按照下式确定驾驶行为的评估结果B_k：

其中，A_i是准则层中第i个准则的得分，

m为准则层中的准则个数；m_ij为第i个准则所对应的指标层中第j个指标的得分；ni为第i个指标所对应的指标层中的指标的个数。

8.根据权利要求5所述的装置，其特征在于，所述实时性指标确定模块，包括：第三确定单元和第四确定单元确定单元；其中，

所述第三确定单元，用于确定出每一个反应时间对应的标度值；

所述第四确定单元，用于将所有标度值相加后取其平均值，则所述平均值即为无人车的实时性指标M2。

Images