CN109520744A - 自动驾驶车辆的驾驶性能测试方法和装置 - Google Patents
自动驾驶车辆的驾驶性能测试方法和装置 Download PDFInfo
- Publication number
- CN109520744A CN109520744A CN201811339210.8A CN201811339210A CN109520744A CN 109520744 A CN109520744 A CN 109520744A CN 201811339210 A CN201811339210 A CN 201811339210A CN 109520744 A CN109520744 A CN 109520744A
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- driving vehicle
- scene
- index
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Abstract
本申请实施例公开了自动驾驶车辆的驾驶性能测试方法和装置。该方法的一具体实施方式包括:获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。该实施方式能够准确地定位出自动驾驶车辆出现行驶问题的场景,进而缩小了问题原因的排查范围,有助于提升自动驾驶的问题排查效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及人工智能领域,尤其涉及自动驾驶车辆的驾驶性能测试方法和装置。
背景技术
自动驾驶仿真平台是通过传感器仿真、车辆动力学仿真、图形处理等技术搭建仿真的道路场景,以供自动驾驶车辆在其中完成道路测试的平台。自动驾驶仿真平台可以在较短的时间内完成大量的行驶测试,相对于实际路测可以大幅地提升测试效率。
自动驾驶仿真平台可以对车辆行驶中的各种数据进行采集和记录,并基于采集的数据对自动驾驶车辆的驾驶情况进行评价。自动驾驶车辆驾驶情况的评价通常采用较为单一的规则进行判断,例如判断车辆是否准确地达到目的地、行驶过程是否安全。
发明内容
本申请实施例提出了自动驾驶车辆的驾驶性能测试方法和装置。
第一方面,本申请实施例提供了一种自动驾驶车辆的驾驶性能测试方法,包括:获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。
在一些实施例中,上述预设性能指标包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标;上述驾驶行为指标包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标;上述自动驾驶车辆业务模块的性能指标包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标;上述运行状态指标包括自动驾驶车辆的各业务模块之间的兼容性指标、运行中的故障统计指标。
在一些实施例中,上述基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果,包括以下至少一项:对应于被动安全性指标,根据交通规则以及预先设定的被动安全规则,确定自动驾驶车辆的驾驶数据所表征自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度;对应于主动安全性指标,根据已获取的驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据,比对自动驾驶车辆的驾驶数据与驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据之间的一致性;对应于体感指标,采用已训练的乘坐舒适度评估模型预测自动驾驶车辆的驾驶数据对应的体感舒适度,其中乘坐舒适度评估模型基于已标注舒适度的样本驾驶数据训练得出;对应于驾驶效率指标,确定表征自动驾驶车辆的行驶效率的驾驶数据的等级;对应于自动驾驶车辆业务模块的性能指标,根据自动驾驶车辆的驾驶数据,以及仿真场景的场景信息,确定自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性;对应于运行状态指标,根据自动驾驶车辆的驾驶数据确定自动驾驶车辆的各业务模块之间的兼容性指数以及统计自动驾驶车辆的故障次数。
在一些实施例中,上述基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,包括:统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的预设场景,作为问题场景。
在一些实施例中,上述场景信息包括场景元素标签,场景元素标签包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签;上述统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,包括:基于各预设场景对应的各场景元素标签对自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
在一些实施例中,上述方法还包括:基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息;从自动驾驶车辆的行驶情况评价结果中提取出与目标场景的场景信息匹配的行驶情况评价结果,并推送与目标场景的场景信息匹配的行驶情况评价结果。
第二方面,本申请实施例提供了一种自动驾驶车辆的驾驶性能测试装置,包括:获取单元,被配置为获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;评价单元,被配置为基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;确定单元,被配置为基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。
在一些实施例中,上述预设性能指标包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标;上述驾驶行为指标包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标;上述自动驾驶车辆业务模块的性能指标包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标;上述运行状态指标包括自动驾驶车辆的各业务模块之间的兼容性指标、运行中的故障统计指标。
在一些实施例中,上述评价单元进一步被配置为基于自动驾驶车辆的驾驶数据,按照如下至少一种方式确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果:对应于被动安全性指标,根据交通规则以及预先设定的被动安全规则,确定自动驾驶车辆的驾驶数据所表征自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度;对应于主动安全性指标,根据已获取的驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据,比对自动驾驶车辆的驾驶数据与驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据之间的一致性;对应于体感指标,采用已训练的乘坐舒适度评估模型预测自动驾驶车辆的驾驶数据对应的体感舒适度,其中乘坐舒适度评估模型基于已标注舒适度的样本驾驶数据训练得出;对应于驾驶效率指标,确定表征自动驾驶车辆的行驶效率的驾驶数据的等级;对应于自动驾驶车辆业务模块的性能指标,根据自动驾驶车辆的驾驶数据,以及仿真场景的场景信息,确定自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性;对应于运行状态指标,根据自动驾驶车辆的驾驶数据确定自动驾驶车辆的各业务模块之间的兼容性指数以及统计自动驾驶车辆的故障次数。
在一些实施例中,上述确定单元进一步被配置为基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,按照如下方式确定自动驾驶车辆的问题场景:统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的预设场景,作为问题场景。
在一些实施例中,上述场景信息包括场景元素标签,场景元素标签包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签;上述确定单元进一步被配置为按照如下方式统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果:基于各预设场景对应的各场景元素标签对自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
在一些实施例中,上述装置还包括推送单元,被配置为:基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息;从自动驾驶车辆的行驶情况评价结果中提取出与目标场景的场景信息匹配的行驶情况评价结果,并推送与目标场景的场景信息匹配的行驶情况评价结果。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面提供的自动驾驶车辆的驾驶性能测试方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的自动驾驶车辆的驾驶性能测试方法。
本申请上述实施例的自动驾驶车辆的驾驶性能测试方法和装置,通过获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的场景类别,能够准确地定位出自动驾驶车辆出现行驶问题的场景,进而缩小了问题原因的排查范围,有助于提升自动驾驶各模块的问题排查效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的自动驾驶车辆的驾驶性能测试方法的一个实施例的流程图;
图3是根据本申请的自动驾驶车辆的驾驶性能测试方法的另一个实施例的流程图;
图4是本申请的自动驾驶车辆的驾驶性能测试装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的自动驾驶车辆的驾驶性能测试方法或自动驾驶车辆的驾驶性能测试装置的示例性系统架构。
如图1所示,本申请的自动驾驶车辆的驾驶性能测试方法和装置的系统架构100可以包括车辆101、硬件平台102、软件平台103以及云服务平台104。其中,车辆101可以与硬件平台102、软件平台103、云服务平台104通过网络交互。
硬件平台102可以包括摄像头、激光雷达、惯性导航系统等硬件结构,软件平台103包括实现感知模块、预测模块、路径模块、规划模块以及决策模块的相应功能的软件模块。云服务平台104可以包括提供仿真模拟环境的仿真平台1041,云服务器平台104还可以提供高精地图服务、实时语音服务等。
硬件平台102、软件平台103、云服务平台104之间可以通过网络进行数据信息的交换。仿真平台1041可以用于创建并运行供车辆在其中行驶的仿真场景,并在车辆行驶过程中基于硬件平台102提供的硬件结构、软件平台103的软件模块提供的方法来获取车辆的驾驶数据。然后根据驾驶数据对车辆的行驶情况进行评估。
本申请实施例所提供的自动驾驶车辆的驾驶性能测试方法可以在云服务平台104的仿真平台1041中执行,相应地,自动驾驶车辆的驾驶性能测试装置可以设置于云服务平台104的仿真平台1041中。仿真平台1041的服务可以由云服务平台的服务器提供,则自动驾驶车辆的驾驶性能测试方法可以由云服务平台的服务器执行,自动驾驶车辆的驾驶性能测试方法也可以设置于云服务平台的服务器中。
继续参考图2,其示出了根据本申请的自动驾驶车辆的驾驶性能测试方法的一个实施例的流程200。该自动驾驶车辆的驾驶性能测试方法,包括以下步骤:
步骤201,获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据。
在本实施例中,自动驾驶车辆的驾驶性能测试方法的执行主体可以获取自动驾驶车辆在仿真平台提供的仿真平台中行驶时的驾驶数据,以及仿真平台提供的仿真场景的场景信息。
驾驶数据可以是自动驾驶车辆行驶过程中产生的数据,包括在行驶中感知模块所感知的数据、行驶中预测模块的预测数据、路径模块规划的路径数据、规划模块的轨迹数据、决策模块生成的车辆行为决策数据以及车辆执行的控制指令数据。其中,感知模块感知的数据例如为车载摄像头采集的道路图像、激光雷达获取的道路雷达数据、碰撞传感器感知到的碰撞数据等;预测模块的预测数据例如为与障碍物之间的距离和相遇时间的预测数据、决策模块生成的车辆行为决策数据例如为在十字路口处根据交通信号灯的指示停车的决策数据、在前方障碍物与车辆间距离小于预设阈值时刹车的决策数据、控制指令数据例如为制动指令、转向指令等等。
场景信息可以是车辆的行驶场景中的环境信息,包括路网信息、路况信息、行人或车辆等障碍物的位置和移动轨迹信息、周边地理信息点的信息,等等。在设定自动驾驶的行程之后,可以获取所经过的路段的场景信息来构建自动驾驶车辆的仿真场景。
在本实施例中,上述仿真场景的场景信息可以存储于数据库中,也可以是根据测试需求配置的。测试自动驾驶车辆的性能时,可以设定自动驾驶车辆的行程的起点和终点,自动驾驶车辆可以获取数据库中该起点和终点之间的路网信息、实时路况信息、建筑物信息等进行路径规划。可以配置道路上的障碍物(包括障碍车、行人等)信息,或者获取实际道路上的障碍物信息,构建自动驾驶车辆的仿真场景。上述执行主体可以从数据库中获取场景信息,并获取配置的场景信息。
步骤202,基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果。
在本实施例中,可以基于自动驾驶车辆的驾驶数据对其驾驶性能进行评估,具体可以对自动驾驶车辆的预设性能指标进行评估,得到自动驾驶车辆对应于预设性能指标的行驶情况评价结果。其中,预设性能指标可以是预先设定的用于评价车辆行驶情况的性能指标,可以包括以下中的至少一项:安全性指标、行程合理性指标、车辆工况标准程度指标,等等。
具体地,对于各预设性能指标,可以从驾驶数据中提取出该预设性能指标相关的数据,然后对提取出的相关的数据进行聚合分析,根据聚合分析结果确定该预设性能指标的车辆行驶情况评价结果。预设性能指标与驾驶数据或驾驶数据的类型之间的相关关系可以是预先设定的,例如安全性指标可以与车辆的速度、碰撞次数、与障碍车之间的平均最小距离等数据相关,行程合理性指标可以与行程所花费的时间、行程中道路的拥堵系数、行程总长度等数据相关,车辆工况标准程度指标可以与车辆的动力系统、传动系统、制动系统、传感系统、转向系统等硬件系统的工作参数数据相关。
作为示例,对于安全性指标,可以统计车辆的平均速度、车辆的最大瞬时速度以及车辆的碰撞次数,然后与预先设定的各安全等级的阈值进行比对、确定车辆的平均速度、最大瞬时速度以及碰撞次数所属的安全等级。例如预设安全等级中“安全1级”的阈值为车速小于60千米/小时、且碰撞次数为0。当自动驾驶车辆的驾驶数据中,平均速度为40千米/小时、最大瞬时速度为60千米、碰撞次数为0时,可以确定自动驾驶车辆的安全等级为“安全1级”。即自动驾驶车辆对应于安全性能指标的行驶情况评价结果为“安全1级”。
在本实施例中,上述执行主体在基于自动驾驶车辆的驾驶数据进行评估时,可以针对自动驾驶车辆驾驶过程中的不同场景下的预设性能指标进行行驶情况评价。例如自动驾驶车辆的行程中包括多个路段,可以基于每个路段分别进行预设性能指标的行驶情况评价,又例如自动驾驶车辆经过了多个路口,则可以对每个路口的行驶情况进行评价,等等。
本实施例中,预设性能指标可以包括多个性能指标,上述执行主体可以分别针对每个预设性能指标,提取相关的驾驶数据,按照预设的评价标准进行行驶情况评价。
步骤203,基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景。
在这里,问题场景是自动驾驶车辆的行驶情况存在问题的场景。换言之,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。
在本实施例中,可以对步骤202得到的自动驾驶车辆的行驶情况评价结果按照场景类别进行统计分析。同一场景类别下的场景信息相同或相似。例如避障类别的场景中场景信息包括行人、障碍车等障碍物。车道选择类别的场景中场景信息包括具有多条车道的道路的信息、该道路上的障碍物信息,等等。
通常在车辆的行程中可以包含多个相似或相同的场景,例如行程中经过多个路口的场景、多次变道的场景、多次超车或被超车的场景,等等。在本实施例中,可以首先基于场景信息进行场景分类,将相同或相似场景划分为同一场景类别,然后对同一场景类别的行驶情况评价结果进行汇总,判断自动驾驶车辆在该类别场景中的总体行驶情况评价结果是否符合预设的行驶标准。若不符合,则可以确定该场景为问题场景、若符合,可以确定该场景不是问题场景。
上述预设的行驶标准可以是预先制定的满足安全、舒适、高效等条件的行驶标准。可以基于大数据的统计结果或根据交通规则设定上述行驶标准。可选地,可以针对每一项预设性能指标,都设定对应的行驶标准。
当确定自动驾驶车辆在某些场景中不符合预设的行驶标准时,可以确定在这些场景中自动驾驶车辆的性能测试不合格,同时确定这些场景为问题场景。这样,通过对自动驾驶车辆的行驶情况进行评价,可以定位出存在问题的场景,以便于自动驾驶车辆的开发者针对问题场景对相关的自动驾驶算法或硬件装置进行改进。
本申请上述实施例的自动驾驶车辆的驾驶性能测试方法和装置,通过获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的场景类别,能够准确地定位出自动驾驶车辆出现行驶问题的场景,进而缩小了问题原因的排查范围,有助于提升自动驾驶各模块的问题排查效率。
在一些实施例中,可以基于多层级的性能指标来评价自动驾驶车辆的行驶情况。具体地,上述预设性能指标可以包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标。
驾驶行为指标可以包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标。
自动驾驶车辆的业务模块包括感知(Perception)模块、预测(Prediction)模块、路径(Routing)模块、规划(Planning)模块、决策(Decision)模块。感知模块用于感知场景数据,预测模块用于对自动驾驶车辆将要进入的场景进行预测,路径模块用于寻找路径,规划模块用于规划车辆的行驶轨迹,决策模块用于根据相关数据做出控制决策。相应的,自动驾驶车辆业务模块的性能指标可以包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标。
运行状态指标可以包括自动驾驶车辆的各业务模块之间的兼容性指标以及运行中的故障统计指标。
可以根据驾驶数据对上述各项预设性能指标进行评估,具体可以从驾驶数据中提取出上述各项预设性能指标相关的数据,然后按照预设的评价算法计算得出对于各项预设性能指标的行驶状态评价结果。
在进一步的实施例中,上述基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果的步骤202可以包括以下至少一项:
对应于上述被动安全性指标,可以根据交通规则以及预先设定的被动安全规则,确定自动驾驶车辆的驾驶数据所表征自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度。预先设定的被动安全规则可以是人工设定的,例如在车速大于x的情况下与前方同车道上的障碍车的距离小于y时减速至z(x、y、z为预先设定的阈值或区间),又例如在到达距离路口100米且需要在路口左转或右转时完成变道至相应的左转车道或右转车道,等等。
对应于上述主动安全性指标,可以根据已获取的驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据,比对自动驾驶车辆的驾驶数据与驾驶员在与真场景相同的实际场景中的安全驾驶行为数据之间的一致性。在这里,实际场景中的安全驾驶行为数据可以是行程中乘员感知安全性等级高的驾驶行为数据。驾驶行为数据可以包括操控数据。可以获取在与仿真场景相同的实际场景中的乘员感知的安全等级较高的人工驾驶场景中的驾驶行为数据作为基准,比对自动驾驶车辆的驾驶数据中表征驾驶行为的数据(例如操作数据)与作为基准的驾驶行为数据之间的一致性。
对应于上体感指标,采用已训练的乘坐舒适度评估模型预测自动驾驶车辆的驾驶数据对应的体感舒适度。其中乘坐舒适度评估模型可以基于已标注舒适度的样本驾驶数据训练得出。也即可以预先记录历史行程中的驾驶数据和乘员的乘坐舒适度评价结果,作为已标注舒适度的样本驾驶数据,然后构建待训练的乘坐舒适度评估模型,在训练过程中迭代调整待训练的乘坐舒适度评估模型,使待训练的乘坐舒适度评估模型的舒适度评价结果逼近舒适度的标注结果。在训练完成得到已训练的乘坐舒适度评估模型后,可以将当前测试的自动驾驶车辆的驾驶数据输入已训练的乘坐舒适度评估模型,得到当前测试的自动驾驶车辆的乘坐舒适度评价结果,即得到上述体感指标。
对应于上述驾驶效率指标,确定表征自动驾驶车辆的行驶效率的驾驶数据的等级。表征自动驾驶车辆的行驶效率的驾驶数据可以包括以下一项或多项:是否准确达到目的地、平均速度、完成行程所花费的时间、行程总距离,等等。可以对这些数据进行评估分级,得到对应于驾驶效率的行驶情况评价结果。
对应于上述自动驾驶车辆业务模块的性能指标,根据自动驾驶车辆的驾驶数据,以及仿真场景的场景信息,确定自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性。具体地,在上述自动驾驶车辆业务模块的性能指标的评估中,可以结合场景信息,例如交通信号灯、道路拥堵状况、车道信息等,判断各模块的实际输出是否与这些场景下的期望输出一致。
作为示例,对应于感知模块的性能指标,可以判断自动驾驶车辆行驶过程中传感器感知到的道路数据(例如交通信号等)是否与高精度地图标注的道路数据一致。对应于预测模块的性能指标,可以判断预测模块检测到的障碍物的形状是否正常、障碍物的编号(ID)是否稳定、连续帧内同一障碍物的位置或形态变化是否在预设的范围内。
对应于上述运行状态指标,根据自动驾驶车辆的驾驶数据确定自动驾驶车辆的各业务模块之间的兼容性指数以及统计自动驾驶车辆的故障次数。可选地,还可以进一步对兼容性指数和故障次数进行分级。
通过进行多等级、多维度性能指标评价,可以准确、全面的评估自动驾驶车辆的性能,从而为问题场景定位提供更丰富的数据支持,可以有效支持多种场景以及复杂场景中自动驾驶车辆的问题分析。
继续参考图3,其示出了根据本申请的自动驾驶车辆的驾驶性能测试方法的另一个实施例的示意性流程图。如图3所示,本实施例的自动驾驶车辆的驾驶性能测试方法的流程300,包括以下步骤:
步骤301,获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据。
在本实施例中,自动驾驶车辆的驾驶性能测试方法的执行主体可以获取自动驾驶车辆在仿真平台提供的仿真平台中行驶时的驾驶数据,以及仿真平台提供的仿真场景的场景信息。驾驶数据可以是自动驾驶车辆行驶过程中产生的数据,包括在行驶中感知模块所感知的数据、行驶中预测模块的预测数据、路径模块规划的路径数据、规划模块的轨迹数据、决策模块生成的车辆行为决策数据以及车辆执行的控制指令数据,等等。场景信息可以是车辆的行驶场景中的环境信息,包括路网信息、路况信息、行人、车辆等障碍物的位置和移动轨迹信息、周边地理信息点的信息,等等。在设定自动驾驶的行程之后,可以获取所经过的路段的场景信息来构建自动驾驶车辆的仿真场景。
步骤302,基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果。
在本实施例中,对于各预设性能指标,可以从驾驶数据中提取出该预设性能指标相关的数据,然后对提取出的相关的数据进行聚合分析,根据聚合分析结果确定该预设性能指标的车辆行驶情况评价结果。预设性能指标与驾驶数据或驾驶数据的类型之间的相关关系可以是预先设定的。
本实施例的步骤301、步骤302分别与前述实施例的步骤201、步骤202相对应,步骤301、步骤302的具体实现方式可以分别参考前述实施例中对步骤201、步骤202的描述,此处不再赘述。
步骤303,统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的预设场景,作为问题场景。
在本实施例中,可以预先设定多个场景的场景信息,从而确定多个预设场景。例如可以设定交通信号灯场景,该交通信号灯场景的场景信息包含路口的交通信号灯的颜色指示信息。又例如可以设定超车场景,该超车场景的场景信息包含车道信息和障碍车信息。又例如可以设定泊车场景,泊车场景的场景信号包含车位信息、停车场入口和出口信息等。
可以根据各预设场景的场景信息,对步骤302得到的行驶情况评价结果按照预设场景进行统计。也即可以统计各预设场景下的行驶情况评价结果。在一些实施例中,可以执行多次驾驶性能测试,自动驾驶车辆可以完成多个行程,则可以统计多个行程中同一预设场景的行驶情况评价结果。
然后可以根据统计结果确定各预设场景是否为问题场景。具体地,当某一预设场景下的多个评价结果中一定比例的统计结果确定不符合预设的行驶标准时,可以确定该预设场景为问题场景,例如当统计结果中自动驾驶车辆对路口处交通信号灯的感知信息与场景中车辆通过路口时实际信号灯信息不一致的评价结果在所有路口交通信号灯场景的评价结果的比例大于50%时,可以确定路口处交通信号灯场景为问题场景。或者,当某一预设场景的所有评价结果中不满足预设行驶标准的评价结果数量超过预设的数量时,可以确定该预设场景为问题场景,例如当车辆在变道场景中发生碰撞的次数超出预设的次数时,可以确定变道场景为问题场景。
通过预先设定场景并统计各预设场景的自动驾驶车辆的行驶情况评价结果来定位出问题场景,节省了场景分类所消耗的时间,可以提升问题场景的定位效率。
进一步地,在图3所示实施例的一些可选的实现方式中,场景信息可以包括场景元素标签,场景元素标签可以包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签。在这里,地图元素可以包括交通信号灯、道路标志(例如限速标志)、车道、周边建筑物等。主车标签即为被测试的自动驾驶车辆标签,障碍车标签为场景中除了被测试的自动驾驶车辆之外的其他车辆的标签,环境标签可以包括气象标签、道路类型标签等。通过这些标签可以定义各预设场景的场景信息。例如一个预设场景中可以包括交通信号灯标签和车道标签。
这时,上述步骤303中,可以按照如下方式统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果:基于各预设场景对应的各场景元素标签对自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
可以按照各预设场景的场景元素标签,对各预设场景对应的行驶情况评价结果进行聚类。具体可以判断每一项行驶情况评价结果是否对应于预设场景中的所有场景元素标签,若是,则可以将该项行驶情况评价结果聚类至该预设场景的评价结果聚簇中。
通过基于场景元素标签的预设场景构建以及相应评价结果的聚类分析,能够直接确定出问题场景的场景元素标签,从而帮助准确分析问题原因。
进一步地,如图3所示,在一些可选的实现方式中,上述自动驾驶车辆的驾驶性能测试方法的流程300还可以包括:
步骤304,基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息。
可以获取用户指定的场景元素标签,并基于用户指定的场景元素标签的相关信息确定出目标场景。在仿真平台中可以提供用于观测目标场景的性能测试结果的控件,用户可以通过该控件从场景元素标签库中选择场景元素标签,并指定这些场景元素标签对应的相关信息来构建一个期望测试的目标场景。例如,用户可以选择限速标签,并指定限速标签对应的相关信息为不超过60千米每小时,则目标场景为限速60千米每小时的道路场景。
步骤305,从自动驾驶车辆的行驶情况评价结果中提取出与目标场景的场景信息匹配的行驶情况评价结果,并推送与目标场景的场景信息匹配的行驶情况评价结果。
由于自动驾驶车辆的行驶情况评价结果是基于仿真场景中车辆的驾驶数据得出的,因而自动驾驶车辆的行驶情况评价结果可以是对应于仿真场景中各个具体场景的。在本实施例中,可以从自动驾驶车辆的行驶情况评价结果中提取出与目标场景的场景信息匹配的行驶情况评价结果,例如目标场景为限速60千米每小时的道路场景时,可以从步骤302确定的行驶情况评价结果提取出所有限速60千米每小时的道路场景的行驶情况评价结果。
然后可以向用户推送提取出的与目标场景的场景信息匹配的行驶情况评价结果,可以将该提取出的与目标场景的场景信息匹配的行驶情况评价结果以图像、文字等形式展示在用户的前端显示屏上。这样,可以根据用户需求,组合不同的场景元素标签来指定各种目标场景得到各种场景的行驶情况评价结果,进而更有效地帮助用户定位出自动驾驶车辆的问题。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种自动驾驶车辆的驾驶性能测试装置的一个实施例,该装置实施例与图2和图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的自动驾驶车辆的驾驶性能测试装置400包括:获取单元401、评价单元402以及确定单元403。其中,获取单元401被配置为获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;评价单元402被配置为基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;确定单元403被配置为基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。
在一些实施例中,上述预设性能指标包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标;上述驾驶行为指标包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标;自动驾驶车辆业务模块的性能指标包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标;运行状态指标包括自动驾驶车辆的各业务模块之间的兼容性指标、运行中的故障统计指标。
在一些实施例中,上述评价单元402可以进一步被配置为基于自动驾驶车辆的驾驶数据,按照如下至少一种方式确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果:对应于被动安全性指标,根据交通规则以及预先设定的被动安全规则,确定自动驾驶车辆的驾驶数据所表征自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度;对应于主动安全性指标,根据已获取的驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据,比对自动驾驶车辆的驾驶数据与驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据之间的一致性;对应于体感指标,采用已训练的乘坐舒适度评估模型预测自动驾驶车辆的驾驶数据对应的体感舒适度,其中乘坐舒适度评估模型基于已标注舒适度的样本驾驶数据训练得出;对应于驾驶效率指标,确定表征自动驾驶车辆的行驶效率的驾驶数据的等级;对应于自动驾驶车辆业务模块的性能指标,根据自动驾驶车辆的驾驶数据,以及仿真场景的场景信息,确定自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性;对应于运行状态指标,根据自动驾驶车辆的驾驶数据确定自动驾驶车辆的各业务模块之间的兼容性指数以及统计自动驾驶车辆的故障次数。
在一些实施例中,上述确定单元403可以进一步被配置为基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,按照如下方式确定自动驾驶车辆的问题场景:统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的预设场景,作为问题场景。
在一些实施例中,上述场景信息可以包括场景元素标签,场景元素标签包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签;上述确定单元403可以进一步被配置为按照如下方式统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果:基于各预设场景对应的各场景元素标签对自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
在一些实施例中,上述装置400还可以包括推送单元,被配置为:基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息;从自动驾驶车辆的行驶情况评价结果中提取出与目标场景的场景信息匹配的行驶情况评价结果,并推送与目标场景的场景信息匹配的行驶情况评价结果。
应当理解,装置400中记载的诸单元与参考图2和图3描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置400及其中包含的单元,在此不再赘述。
本申请上述实施例的自动驾驶车辆的驾驶性能测试装置400,通过获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定不符合预设的行驶标准的自动驾驶车辆的行驶情况所对应的场景类别,能够准确地定位出自动驾驶车辆出现行驶问题的场景,进而缩小了问题原因的排查范围,有助于提升自动驾驶各模块的问题排查效率。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请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500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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申请的操作的计算机程序代码,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)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、评价单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取仿真场景的场景信息以及仿真场景中自动驾驶车辆的驾驶数据;基于自动驾驶车辆的驾驶数据,确定自动驾驶车辆对应于预设性能指标的行驶情况评价结果;基于自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及场景信息,确定自动驾驶车辆的问题场景,自动驾驶车辆在问题场景中的行驶情况评价结果不符合预设的行驶标准。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种自动驾驶车辆的驾驶性能测试方法,包括:
获取仿真场景的场景信息以及所述仿真场景中自动驾驶车辆的驾驶数据;
基于所述自动驾驶车辆的驾驶数据,确定所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果;
基于所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及所述场景信息,确定所述自动驾驶车辆的问题场景,所述自动驾驶车辆在所述问题场景中的行驶情况评价结果不符合预设的行驶标准。
2.根据权利要求1所述的方法,其中,所述预设性能指标包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标;
所述驾驶行为指标包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标;
所述自动驾驶车辆业务模块的性能指标包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标;
所述运行状态指标包括所述自动驾驶车辆的各业务模块之间的兼容性指标、运行中的故障统计指标。
3.根据权利要求2所述的方法,其中,所述基于所述自动驾驶车辆的驾驶数据,确定所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果,包括以下至少一项:
对应于所述被动安全性指标,根据交通规则以及预先设定的被动安全规则,确定所述自动驾驶车辆的驾驶数据所表征所述自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度;
对应于所述主动安全性指标,根据已获取的驾驶员在与所述仿真场景相同的实际场景中的安全驾驶行为数据,比对所述自动驾驶车辆的驾驶数据与驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据之间的一致性;
对应于所述体感指标,采用已训练的乘坐舒适度评估模型预测所述自动驾驶车辆的驾驶数据对应的体感舒适度,其中所述乘坐舒适度评估模型基于已标注舒适度的样本驾驶数据训练得出;
对应于所述驾驶效率指标,确定表征所述自动驾驶车辆的行驶效率的驾驶数据的等级;
对应于所述自动驾驶车辆业务模块的性能指标,根据所述自动驾驶车辆的驾驶数据,以及所述仿真场景的场景信息,确定所述自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性;
对应于所述运行状态指标,根据所述自动驾驶车辆的驾驶数据确定所述自动驾驶车辆的各业务模块之间的兼容性指数以及统计所述自动驾驶车辆的故障次数。
4.根据权利要求1-3任一项所述的方法,其中,所述基于所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及所述场景信息,确定所述自动驾驶车辆的问题场景,包括:
统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的所述自动驾驶车辆的行驶情况所对应的预设场景,作为所述问题场景。
5.根据权利要求4所述的方法,其中,所述场景信息包括场景元素标签,所述场景元素标签包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签;
所述统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,包括:
基于各所述预设场景对应的各场景元素标签对所述自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各所述预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
6.根据权利要求5所述的方法,其中,所述方法还包括:
基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息;
从所述自动驾驶车辆的行驶情况评价结果中提取出与所述目标场景的场景信息匹配的行驶情况评价结果,并推送与所述目标场景的场景信息匹配的行驶情况评价结果。
7.一种自动驾驶车辆的驾驶性能测试装置,包括:
获取单元,被配置为获取仿真场景的场景信息以及所述仿真场景中自动驾驶车辆的驾驶数据;
评价单元,被配置为基于所述自动驾驶车辆的驾驶数据,确定所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果;
确定单元,被配置为基于所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及所述场景信息,确定所述自动驾驶车辆的问题场景,所述自动驾驶车辆在所述问题场景中的行驶情况评价结果不符合预设的行驶标准。
8.根据权利要求7所述的装置,其中,所述预设性能指标包括驾驶行为指标、自动驾驶车辆业务模块的性能指标以及运行状态指标;
所述驾驶行为指标包括用于表征车辆的驾驶行为的安全性等级的被动安全性指标、用于表征乘员感知的安全性等级的主动安全性指标、用于表征乘坐舒适度的体感指标、用于表征车辆的行驶效率的驾驶效率指标;
所述自动驾驶车辆业务模块的性能指标包括自动驾驶车辆的:感知模块的性能指标、预测模块的性能指标、路径模块的性能指标、规划模块的性能指标以及决策模块的性能指标;
所述运行状态指标包括所述自动驾驶车辆的各业务模块之间的兼容性指标、运行中的故障统计指标。
9.根据权利要求8所述的装置,其中,所述评价单元进一步被配置为基于所述自动驾驶车辆的驾驶数据,按照如下至少一种方式确定所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果:
对应于所述被动安全性指标,根据交通规则以及预先设定的被动安全规则,确定所述自动驾驶车辆的驾驶数据所表征所述自动驾驶车辆的驾驶行为与交通规则以及预先设定的被动安全规则的符合程度;
对应于所述主动安全性指标,根据已获取的驾驶员在与所述仿真场景相同的实际场景中的安全驾驶行为数据,比对所述自动驾驶车辆的驾驶数据与驾驶员在与仿真场景相同的实际场景中的安全驾驶行为数据之间的一致性;
对应于所述体感指标,采用已训练的乘坐舒适度评估模型预测所述自动驾驶车辆的驾驶数据对应的体感舒适度,其中所述乘坐舒适度评估模型基于已标注舒适度的样本驾驶数据训练得出;
对应于所述驾驶效率指标,确定表征所述自动驾驶车辆的行驶效率的驾驶数据的等级;
对应于所述自动驾驶车辆业务模块的性能指标,根据所述自动驾驶车辆的驾驶数据,以及所述仿真场景的场景信息,确定所述自动驾驶车辆业务模块的输出数据与对应的仿真场景下该业务模块的期望输出数据之间的一致性;
对应于所述运行状态指标,根据所述自动驾驶车辆的驾驶数据确定所述自动驾驶车辆的各业务模块之间的兼容性指数以及统计所述自动驾驶车辆的故障次数。
10.根据权利要求7所述的装置,其中,所述确定单元进一步被配置为基于所述自动驾驶车辆对应于预设性能指标的行驶情况评价结果,以及所述场景信息,按照如下方式确定所述自动驾驶车辆的问题场景:
统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果,根据统计结果确定不符合预设的行驶标准的所述自动驾驶车辆的行驶情况所对应的预设场景,作为所述问题场景。
11.根据权利要求10所述的装置,其中,所述场景信息包括场景元素标签,所述场景元素标签包括以下至少一项:地图元素标签、主车标签、障碍车标签、环境标签;
所述确定单元进一步被配置为按照如下方式统计与各预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果:
基于各所述预设场景对应的各场景元素标签对所述自动驾驶车辆的行驶情况评价结果进行聚类分析,得到各所述预设场景的场景信息对应的仿真场景中自动驾驶车辆的行驶情况评价结果。
12.根据权利要求11所述的装置,其中,所述装置还包括推送单元,被配置为:
基于用户输入的场景元素标签的相关信息,确定目标场景的场景信息;
从所述自动驾驶车辆的行驶情况评价结果中提取出与所述目标场景的场景信息匹配的行驶情况评价结果,并推送与所述目标场景的场景信息匹配的行驶情况评价结果。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339210.8A CN109520744B (zh) | 2018-11-12 | 2018-11-12 | 自动驾驶车辆的驾驶性能测试方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339210.8A CN109520744B (zh) | 2018-11-12 | 2018-11-12 | 自动驾驶车辆的驾驶性能测试方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109520744A true CN109520744A (zh) | 2019-03-26 |
CN109520744B CN109520744B (zh) | 2020-04-21 |
Family
ID=65773530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811339210.8A Active CN109520744B (zh) | 2018-11-12 | 2018-11-12 | 自动驾驶车辆的驾驶性能测试方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109520744B (zh) |
Cited By (65)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697169A (zh) * | 2019-03-25 | 2019-04-30 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种自动驾驶系统的测试方法和装置 |
CN110020471A (zh) * | 2019-03-28 | 2019-07-16 | 上海工程技术大学 | 一种自动驾驶汽车的功能仿真检测系统 |
CN110197027A (zh) * | 2019-05-28 | 2019-09-03 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶测试方法、装置、智能设备和服务器 |
CN110377982A (zh) * | 2019-07-01 | 2019-10-25 | 深圳中集智能科技有限公司 | 自动驾驶性能的测试方法及系统、电子设备、存储介质 |
CN110428518A (zh) * | 2019-07-31 | 2019-11-08 | 百度在线网络技术(北京)有限公司 | 行程中状态的提示方法、装置和存储介质 |
CN110502852A (zh) * | 2019-08-27 | 2019-11-26 | 上海汽车集团股份有限公司 | 一种自动驾驶仿真测试场景的生成方法及生成系统 |
CN110606093A (zh) * | 2019-09-26 | 2019-12-24 | 中国第一汽车股份有限公司 | 车辆性能评测方法、装置、设备和存储介质 |
CN110673590A (zh) * | 2019-10-21 | 2020-01-10 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
CN110796007A (zh) * | 2019-09-27 | 2020-02-14 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN110793784A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶车辆的测试方法、装置、存储介质及电子装置 |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
CN111290370A (zh) * | 2020-03-03 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种自动驾驶性能检测方法和装置 |
CN111477028A (zh) * | 2020-04-28 | 2020-07-31 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN111540078A (zh) * | 2020-04-02 | 2020-08-14 | 东软睿驰汽车技术(沈阳)有限公司 | 行驶数据保存方法、装置、电子设备及存储介质 |
CN111579251A (zh) * | 2020-04-16 | 2020-08-25 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测试场景的确定方法、装置、设备及存储介质 |
CN111652153A (zh) * | 2020-06-04 | 2020-09-11 | 北京百度网讯科技有限公司 | 场景自动识别方法、装置、无人车及存储介质 |
CN111723488A (zh) * | 2020-06-22 | 2020-09-29 | 浙江吉利新能源商用车集团有限公司 | 一种关于adas测试的评估方法及系统 |
CN111753261A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN111767651A (zh) * | 2020-06-28 | 2020-10-13 | 北京百度网讯科技有限公司 | 指标预测模型的构建方法、指标预测方法和装置 |
CN111783225A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 仿真系统中场景处理的方法及装置 |
CN111824170A (zh) * | 2019-04-17 | 2020-10-27 | 阿里巴巴集团控股有限公司 | 用于获得车辆性能信息的方法、系统、装置及电子设备 |
CN111858202A (zh) * | 2019-07-12 | 2020-10-30 | 百度(美国)有限责任公司 | 诊断自主驾驶车辆的传感器处理单元的方法、装置和系统、及计算机可读介质 |
CN111859597A (zh) * | 2019-04-18 | 2020-10-30 | 北京京东尚科信息技术有限公司 | 一种自动驾驶算法的评估方法和系统 |
CN112001097A (zh) * | 2020-10-29 | 2020-11-27 | 深圳裹动智驾科技有限公司 | 自动驾驶仿真结果的分析和可视化方法和计算机设备 |
CN112015838A (zh) * | 2020-08-28 | 2020-12-01 | 苏州智加科技有限公司 | 道路测试数据的处理方法、系统和服务器 |
CN112100030A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 自动驾驶技术评估的方法、装置、计算机系统和存储介质 |
CN112241127A (zh) * | 2019-12-20 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶安全评分方法、装置、计算机设备和存储介质 |
CN112256590A (zh) * | 2020-11-12 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 虚拟场景有效性判定方法、装置和自动驾驶系统 |
CN112286206A (zh) * | 2020-11-17 | 2021-01-29 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112326258A (zh) * | 2019-07-30 | 2021-02-05 | 北京地平线机器人技术研发有限公司 | 自动驾驶状态的检测方法、装置、系统以及电子设备 |
CN112382086A (zh) * | 2020-10-30 | 2021-02-19 | 上海炬宏信息技术有限公司 | 自动驾驶汽车开放道路测试评价系统的使用方法 |
CN112525551A (zh) * | 2020-12-10 | 2021-03-19 | 北京百度网讯科技有限公司 | 自动驾驶车辆的路测方法、装置、设备及存储介质 |
CN112559378A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 自动驾驶算法评估方法和装置、场景库生成方法和装置 |
CN112558494A (zh) * | 2020-11-20 | 2021-03-26 | 北京赛目科技有限公司 | 一种用于自动驾驶车辆的仿真测试方法及装置 |
CN112561282A (zh) * | 2020-12-07 | 2021-03-26 | 李强 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
CN112650224A (zh) * | 2020-12-11 | 2021-04-13 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶仿真的方法、装置、设备及存储介质 |
CN112644481A (zh) * | 2019-10-10 | 2021-04-13 | 北京京东乾石科技有限公司 | 一种自动驾驶的紧急避险方法和装置 |
CN112781887A (zh) * | 2020-12-21 | 2021-05-11 | 苏州挚途科技有限公司 | 测试车辆性能的方法、装置和系统 |
CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN112987711A (zh) * | 2019-11-30 | 2021-06-18 | 华为技术有限公司 | 自动驾驶规控算法优化方法及仿真测试装置 |
CN113074959A (zh) * | 2021-04-06 | 2021-07-06 | 北京理工大学 | 一种自动驾驶系统测试分析方法 |
CN113095344A (zh) * | 2020-01-08 | 2021-07-09 | 奥迪股份公司 | 评价、优化装置、系统及方法、车辆、服务器和介质 |
CN113111003A (zh) * | 2021-01-11 | 2021-07-13 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN113119999A (zh) * | 2021-04-16 | 2021-07-16 | 阿波罗智联(北京)科技有限公司 | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 |
CN113128315A (zh) * | 2020-01-15 | 2021-07-16 | 宝马股份公司 | 一种传感器模型性能评估方法、装置、设备及存储介质 |
CN113297530A (zh) * | 2021-04-15 | 2021-08-24 | 南京大学 | 一种基于场景搜索的自动驾驶黑盒测试系统 |
CN113614505A (zh) * | 2019-03-29 | 2021-11-05 | 日立安斯泰莫株式会社 | 感官评价系统、悬架装置、悬架控制系统 |
CN113640014A (zh) * | 2021-08-13 | 2021-11-12 | 北京赛目科技有限公司 | 自动驾驶车辆测试场景的构建方法、装置及可读存储介质 |
CN113762406A (zh) * | 2021-09-15 | 2021-12-07 | 东软睿驰汽车技术(沈阳)有限公司 | 数据的挖掘方法、装置和电子设备 |
CN113859264A (zh) * | 2021-09-17 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN113859246A (zh) * | 2020-06-30 | 2021-12-31 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN114008551A (zh) * | 2019-10-01 | 2022-02-01 | 华为技术有限公司 | 自动驾驶车辆中故障的自动根本原因分析 |
CN114003310A (zh) * | 2021-10-29 | 2022-02-01 | 深信服科技股份有限公司 | 一种基于业务场景的参数选取方法、装置、设备和介质 |
CN114111757A (zh) * | 2021-10-26 | 2022-03-01 | 北京百度网讯科技有限公司 | 地图数据的修复方法、装置、电子设备和可读存储介质 |
CN114354219A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 自动驾驶车辆的测试方法及装置 |
CN114415628A (zh) * | 2021-12-28 | 2022-04-29 | 阿波罗智联(北京)科技有限公司 | 自动驾驶测试方法及装置、电子设备和存储介质 |
CN114782926A (zh) * | 2022-06-17 | 2022-07-22 | 清华大学 | 驾驶场景识别方法、装置、设备、存储介质和程序产品 |
CN115048972A (zh) * | 2022-03-11 | 2022-09-13 | 北京智能车联产业创新中心有限公司 | 交通场景解构分类方法及虚实结合自动驾驶测试方法 |
CN115631482A (zh) * | 2022-11-30 | 2023-01-20 | 广汽埃安新能源汽车股份有限公司 | 驾驶感知信息采集方法、装置、电子设备和可读介质 |
US11610504B2 (en) | 2020-06-17 | 2023-03-21 | Toyota Research Institute, Inc. | Systems and methods for scenario marker infrastructure |
WO2023097519A1 (zh) * | 2021-11-30 | 2023-06-08 | 华为技术有限公司 | 一种场景获取方法及装置 |
CN116558850A (zh) * | 2023-05-30 | 2023-08-08 | 北京速度时空信息有限公司 | 一种自动驾驶测试系统 |
CN113614505B (zh) * | 2019-03-29 | 2024-04-16 | 日立安斯泰莫株式会社 | 感官评价系统、悬架装置、悬架控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120117333A (ko) * | 2011-04-15 | 2012-10-24 | 주식회사 신호시스템 | 힐스용 차량 모델의 시뮬레이션 시스템 |
CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN108182533A (zh) * | 2017-12-28 | 2018-06-19 | 盯盯拍(深圳)技术股份有限公司 | 车辆乘坐舒适度评估方法以及车辆乘坐舒适度评估装置 |
CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
-
2018
- 2018-11-12 CN CN201811339210.8A patent/CN109520744B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120117333A (ko) * | 2011-04-15 | 2012-10-24 | 주식회사 신호시스템 | 힐스용 차량 모델의 시뮬레이션 시스템 |
CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN108182533A (zh) * | 2017-12-28 | 2018-06-19 | 盯盯拍(深圳)技术股份有限公司 | 车辆乘坐舒适度评估方法以及车辆乘坐舒适度评估装置 |
CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
Cited By (98)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697169A (zh) * | 2019-03-25 | 2019-04-30 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种自动驾驶系统的测试方法和装置 |
CN110020471A (zh) * | 2019-03-28 | 2019-07-16 | 上海工程技术大学 | 一种自动驾驶汽车的功能仿真检测系统 |
CN113614505B (zh) * | 2019-03-29 | 2024-04-16 | 日立安斯泰莫株式会社 | 感官评价系统、悬架装置、悬架控制系统 |
CN113614505A (zh) * | 2019-03-29 | 2021-11-05 | 日立安斯泰莫株式会社 | 感官评价系统、悬架装置、悬架控制系统 |
CN111824170A (zh) * | 2019-04-17 | 2020-10-27 | 阿里巴巴集团控股有限公司 | 用于获得车辆性能信息的方法、系统、装置及电子设备 |
CN111824170B (zh) * | 2019-04-17 | 2023-09-19 | 浙江菜鸟供应链管理有限公司 | 用于获得车辆性能信息的方法、系统、装置及电子设备 |
CN111859597A (zh) * | 2019-04-18 | 2020-10-30 | 北京京东尚科信息技术有限公司 | 一种自动驾驶算法的评估方法和系统 |
CN111859597B (zh) * | 2019-04-18 | 2024-04-05 | 北京京东乾石科技有限公司 | 一种自动驾驶算法的评估方法和系统 |
CN110197027B (zh) * | 2019-05-28 | 2023-07-18 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶测试方法、装置、智能设备和服务器 |
CN110197027A (zh) * | 2019-05-28 | 2019-09-03 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶测试方法、装置、智能设备和服务器 |
CN110377982A (zh) * | 2019-07-01 | 2019-10-25 | 深圳中集智能科技有限公司 | 自动驾驶性能的测试方法及系统、电子设备、存储介质 |
CN111858202A (zh) * | 2019-07-12 | 2020-10-30 | 百度(美国)有限责任公司 | 诊断自主驾驶车辆的传感器处理单元的方法、装置和系统、及计算机可读介质 |
CN112326258A (zh) * | 2019-07-30 | 2021-02-05 | 北京地平线机器人技术研发有限公司 | 自动驾驶状态的检测方法、装置、系统以及电子设备 |
CN110428518A (zh) * | 2019-07-31 | 2019-11-08 | 百度在线网络技术(北京)有限公司 | 行程中状态的提示方法、装置和存储介质 |
CN110807238A (zh) * | 2019-08-26 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种仿真模型校准方法及相关设备 |
CN110502852A (zh) * | 2019-08-27 | 2019-11-26 | 上海汽车集团股份有限公司 | 一种自动驾驶仿真测试场景的生成方法及生成系统 |
CN110793784B (zh) * | 2019-09-16 | 2021-10-26 | 腾讯科技(深圳)有限公司 | 自动驾驶车辆的测试方法、装置、存储介质及电子装置 |
CN110793784A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 自动驾驶车辆的测试方法、装置、存储介质及电子装置 |
CN110606093A (zh) * | 2019-09-26 | 2019-12-24 | 中国第一汽车股份有限公司 | 车辆性能评测方法、装置、设备和存储介质 |
CN110796007A (zh) * | 2019-09-27 | 2020-02-14 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN110796007B (zh) * | 2019-09-27 | 2023-03-03 | 华为技术有限公司 | 场景识别的方法与计算设备 |
CN114008551A (zh) * | 2019-10-01 | 2022-02-01 | 华为技术有限公司 | 自动驾驶车辆中故障的自动根本原因分析 |
CN112644481A (zh) * | 2019-10-10 | 2021-04-13 | 北京京东乾石科技有限公司 | 一种自动驾驶的紧急避险方法和装置 |
CN110673590A (zh) * | 2019-10-21 | 2020-01-10 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
CN110673590B (zh) * | 2019-10-21 | 2021-02-05 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
CN112863244A (zh) * | 2019-11-28 | 2021-05-28 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN112863244B (zh) * | 2019-11-28 | 2023-03-14 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN112987711B (zh) * | 2019-11-30 | 2022-08-09 | 华为技术有限公司 | 自动驾驶规控算法优化方法及仿真测试装置 |
CN112987711A (zh) * | 2019-11-30 | 2021-06-18 | 华为技术有限公司 | 自动驾驶规控算法优化方法及仿真测试装置 |
CN112241127B (zh) * | 2019-12-20 | 2023-08-22 | 北京国家新能源汽车技术创新中心有限公司 | 自动驾驶安全评分方法、装置、计算机设备和存储介质 |
CN112241127A (zh) * | 2019-12-20 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶安全评分方法、装置、计算机设备和存储介质 |
CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
US11556128B2 (en) | 2020-01-02 | 2023-01-17 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method, electronic device and storage medium for testing autonomous driving system |
CN113095344A (zh) * | 2020-01-08 | 2021-07-09 | 奥迪股份公司 | 评价、优化装置、系统及方法、车辆、服务器和介质 |
CN113128315A (zh) * | 2020-01-15 | 2021-07-16 | 宝马股份公司 | 一种传感器模型性能评估方法、装置、设备及存储介质 |
CN111290370B (zh) * | 2020-03-03 | 2021-07-23 | 腾讯科技(深圳)有限公司 | 一种自动驾驶性能检测方法和装置 |
CN111290370A (zh) * | 2020-03-03 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种自动驾驶性能检测方法和装置 |
CN111540078A (zh) * | 2020-04-02 | 2020-08-14 | 东软睿驰汽车技术(沈阳)有限公司 | 行驶数据保存方法、装置、电子设备及存储介质 |
CN111579251A (zh) * | 2020-04-16 | 2020-08-25 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆测试场景的确定方法、装置、设备及存储介质 |
CN111477028A (zh) * | 2020-04-28 | 2020-07-31 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN111652153A (zh) * | 2020-06-04 | 2020-09-11 | 北京百度网讯科技有限公司 | 场景自动识别方法、装置、无人车及存储介质 |
CN111652153B (zh) * | 2020-06-04 | 2023-12-22 | 北京百度网讯科技有限公司 | 场景自动识别方法、装置、无人车及存储介质 |
US11610504B2 (en) | 2020-06-17 | 2023-03-21 | Toyota Research Institute, Inc. | Systems and methods for scenario marker infrastructure |
CN111723488A (zh) * | 2020-06-22 | 2020-09-29 | 浙江吉利新能源商用车集团有限公司 | 一种关于adas测试的评估方法及系统 |
CN111767651B (zh) * | 2020-06-28 | 2023-07-25 | 北京百度网讯科技有限公司 | 指标预测模型的构建方法、指标预测方法和装置 |
CN111767651A (zh) * | 2020-06-28 | 2020-10-13 | 北京百度网讯科技有限公司 | 指标预测模型的构建方法、指标预测方法和装置 |
CN111783225A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 仿真系统中场景处理的方法及装置 |
CN111753261B (zh) * | 2020-06-29 | 2023-07-04 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN111753261A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN113859246B (zh) * | 2020-06-30 | 2023-09-08 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN113859246A (zh) * | 2020-06-30 | 2021-12-31 | 广州汽车集团股份有限公司 | 一种车辆控制方法和装置 |
CN112015838A (zh) * | 2020-08-28 | 2020-12-01 | 苏州智加科技有限公司 | 道路测试数据的处理方法、系统和服务器 |
CN112015838B (zh) * | 2020-08-28 | 2022-09-09 | 苏州智加科技有限公司 | 道路测试数据的处理方法、系统和服务器 |
CN112100030B (zh) * | 2020-09-15 | 2023-07-28 | 北京百度网讯科技有限公司 | 自动驾驶技术评估的方法、装置、计算机系统和存储介质 |
CN112100030A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 自动驾驶技术评估的方法、装置、计算机系统和存储介质 |
CN112001097A (zh) * | 2020-10-29 | 2020-11-27 | 深圳裹动智驾科技有限公司 | 自动驾驶仿真结果的分析和可视化方法和计算机设备 |
CN112382086A (zh) * | 2020-10-30 | 2021-02-19 | 上海炬宏信息技术有限公司 | 自动驾驶汽车开放道路测试评价系统的使用方法 |
CN112256590A (zh) * | 2020-11-12 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 虚拟场景有效性判定方法、装置和自动驾驶系统 |
CN112286206A (zh) * | 2020-11-17 | 2021-01-29 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112286206B (zh) * | 2020-11-17 | 2024-01-23 | 苏州智加科技有限公司 | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 |
CN112558494A (zh) * | 2020-11-20 | 2021-03-26 | 北京赛目科技有限公司 | 一种用于自动驾驶车辆的仿真测试方法及装置 |
CN112558494B (zh) * | 2020-11-20 | 2021-11-30 | 北京赛目科技有限公司 | 一种用于自动驾驶车辆的仿真测试方法及装置 |
CN112561282A (zh) * | 2020-12-07 | 2021-03-26 | 李强 | 一种基于大数据的自动驾驶公交车出行风险安全评估系统 |
CN112525551B (zh) * | 2020-12-10 | 2023-08-29 | 北京百度网讯科技有限公司 | 自动驾驶车辆的路测方法、装置、设备及存储介质 |
CN112525551A (zh) * | 2020-12-10 | 2021-03-19 | 北京百度网讯科技有限公司 | 自动驾驶车辆的路测方法、装置、设备及存储介质 |
CN112650224A (zh) * | 2020-12-11 | 2021-04-13 | 国汽(北京)智能网联汽车研究院有限公司 | 自动驾驶仿真的方法、装置、设备及存储介质 |
CN112781887A (zh) * | 2020-12-21 | 2021-05-11 | 苏州挚途科技有限公司 | 测试车辆性能的方法、装置和系统 |
CN112781887B (zh) * | 2020-12-21 | 2024-02-20 | 苏州挚途科技有限公司 | 测试车辆性能的方法、装置和系统 |
CN112559378A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 自动驾驶算法评估方法和装置、场景库生成方法和装置 |
CN112559378B (zh) * | 2020-12-25 | 2023-12-05 | 北京百度网讯科技有限公司 | 自动驾驶算法评估方法和装置、场景库生成方法和装置 |
CN113111003A (zh) * | 2021-01-11 | 2021-07-13 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN113111003B (zh) * | 2021-01-11 | 2022-05-03 | 北京赛目科技有限公司 | 一种场景无关的无人驾驶仿真测试评估方法及装置 |
CN113074959A (zh) * | 2021-04-06 | 2021-07-06 | 北京理工大学 | 一种自动驾驶系统测试分析方法 |
CN113074959B (zh) * | 2021-04-06 | 2022-03-25 | 北京理工大学 | 一种自动驾驶系统测试分析方法 |
CN113297530B (zh) * | 2021-04-15 | 2024-04-09 | 南京大学 | 一种基于场景搜索的自动驾驶黑盒测试系统 |
CN113297530A (zh) * | 2021-04-15 | 2021-08-24 | 南京大学 | 一种基于场景搜索的自动驾驶黑盒测试系统 |
CN113119999A (zh) * | 2021-04-16 | 2021-07-16 | 阿波罗智联(北京)科技有限公司 | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 |
JP7391125B2 (ja) | 2021-04-16 | 2023-12-04 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 自動運転特徴の特定方法、装置、設備、媒体及びコンピュータプログラム |
EP4074569A1 (en) * | 2021-04-16 | 2022-10-19 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method for determining automatic driving feature, apparatus, device, medium and program product |
CN113119999B (zh) * | 2021-04-16 | 2024-03-12 | 阿波罗智联(北京)科技有限公司 | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 |
CN113640014A (zh) * | 2021-08-13 | 2021-11-12 | 北京赛目科技有限公司 | 自动驾驶车辆测试场景的构建方法、装置及可读存储介质 |
CN113762406A (zh) * | 2021-09-15 | 2021-12-07 | 东软睿驰汽车技术(沈阳)有限公司 | 数据的挖掘方法、装置和电子设备 |
CN113859264B (zh) * | 2021-09-17 | 2023-12-22 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN113859264A (zh) * | 2021-09-17 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、装置、电子设备及存储介质 |
CN114111757A (zh) * | 2021-10-26 | 2022-03-01 | 北京百度网讯科技有限公司 | 地图数据的修复方法、装置、电子设备和可读存储介质 |
CN114003310A (zh) * | 2021-10-29 | 2022-02-01 | 深信服科技股份有限公司 | 一种基于业务场景的参数选取方法、装置、设备和介质 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN113903102B (zh) * | 2021-10-29 | 2023-11-17 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
WO2023097519A1 (zh) * | 2021-11-30 | 2023-06-08 | 华为技术有限公司 | 一种场景获取方法及装置 |
CN114415628A (zh) * | 2021-12-28 | 2022-04-29 | 阿波罗智联(北京)科技有限公司 | 自动驾驶测试方法及装置、电子设备和存储介质 |
CN114354219A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 自动驾驶车辆的测试方法及装置 |
CN115048972B (zh) * | 2022-03-11 | 2023-04-07 | 北京智能车联产业创新中心有限公司 | 交通场景解构分类方法及虚实结合自动驾驶测试方法 |
CN115048972A (zh) * | 2022-03-11 | 2022-09-13 | 北京智能车联产业创新中心有限公司 | 交通场景解构分类方法及虚实结合自动驾驶测试方法 |
CN114782926B (zh) * | 2022-06-17 | 2022-08-26 | 清华大学 | 驾驶场景识别方法、装置、设备、存储介质和程序产品 |
CN114782926A (zh) * | 2022-06-17 | 2022-07-22 | 清华大学 | 驾驶场景识别方法、装置、设备、存储介质和程序产品 |
CN115631482A (zh) * | 2022-11-30 | 2023-01-20 | 广汽埃安新能源汽车股份有限公司 | 驾驶感知信息采集方法、装置、电子设备和可读介质 |
CN116558850B (zh) * | 2023-05-30 | 2023-11-24 | 北京速度时空信息有限公司 | 一种自动驾驶测试系统 |
CN116558850A (zh) * | 2023-05-30 | 2023-08-08 | 北京速度时空信息有限公司 | 一种自动驾驶测试系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109520744B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744A (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
US11714413B2 (en) | Planning autonomous motion | |
US11840239B2 (en) | Multiple exposure event determination | |
US11693409B2 (en) | Systems and methods for a scenario tagger for autonomous vehicles | |
CN109791678A (zh) | 用于基于分数的动态风险测量并聚合有远程信息处理连接搜索引擎的智能自适应汽车装置及其相应方法 | |
CN109213134A (zh) | 生成自动驾驶策略的方法和装置 | |
US11112797B2 (en) | System and method for improving autonomous vehicle safety performance | |
CN109902899A (zh) | 信息生成方法和装置 | |
KR20220083962A (ko) | 시나리오 기반 거동 명세 및 검증 | |
CN113674523A (zh) | 交通事故分析方法、装置及设备 | |
CN112101670A (zh) | 数据处理方法、装置、电子设备和可读存储介质 | |
CN113867367B (zh) | 测试场景的处理方法、装置及计算机程序产品 | |
CN115165398A (zh) | 车辆的行驶功能测试方法、装置、计算设备及介质 | |
US11745762B2 (en) | System and methods of adaptive trajectory prediction for autonomous driving | |
US20230052037A1 (en) | Method and apparatus for identifying partitions associated with erratic pedestrian behaviors and their correlations to points of interest | |
CN114492544A (zh) | 模型训练方法及装置、交通事件发生概率评估方法及装置 | |
CN115503752A (zh) | 用于操作车辆的方法和系统 | |
Ackaah | Empirical Analysis of Real-time Traffic Information for Navigation and the Variable Speed Limit System | |
KR102484139B1 (ko) | 인공지능모델을 이용하여 이륜차의 운전 패턴 정보를 기초로 이륜차 보험료를 산출하는 방법, 장치 및 시스템 | |
CN116150040B (zh) | 航迹数据测试方法、显示决策方法、存储介质及电子设备 | |
US20240028035A1 (en) | Planning autonomous motion | |
Stephens et al. | Technical report on prototype intelligent network flow optimization (INFLO) dynamic speed harmonization and queue warning. | |
Khazraeian | Methods for utilizing connected vehicle data in support of traffic bottleneck management | |
Al-Mukaram | Modelling drivers’ behaviour within the dilemma zone at traffic signal junctions | |
Fu | An Exploratory Approach to Digitizing the Operational Environments for Connected and Automated Vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211012 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd. |
|
TR01 | Transfer of patent right |