CN110118661A - 驾驶仿真场景的处理方法、装置及存储介质 - Google Patents
驾驶仿真场景的处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110118661A CN110118661A CN201910386494.4A CN201910386494A CN110118661A CN 110118661 A CN110118661 A CN 110118661A CN 201910386494 A CN201910386494 A CN 201910386494A CN 110118661 A CN110118661 A CN 110118661A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- car
- background
- little
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 93
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims description 158
- 238000012545 processing Methods 0.000 claims description 28
- 230000015572 biosynthetic process Effects 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G01M17/06—Steering behaviour; Rolling behaviour
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G05D1/81—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/10—Number of lanes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/12—Lateral speed
Abstract
本发明提供了一种驾驶仿真场景的处理方法、装置及存储介质;方法包括:确定用于驾驶仿真的路网模型中的多个路径端点;从所述多个路径端点中,选取至少一个路径端点作为发车点,以及选取至少一个路径端点作为收车点;在所述路网模型中的发车点生成背景车辆,并控制所述背景车辆从所述发车点驶入所述路网模型,在行驶至所述收车点时驶出所述路网模型。通过本发明,能够自动构建用于车辆仿真的驾驶仿真场景,处理效率高。
Description
技术领域
本发明涉及自动驾驶技术,尤其涉及一种驾驶仿真场景的处理方法、装置及存储介质。
背景技术
自动驾驶车辆又称无人驾驶车辆、电脑驾驶车辆,是实现车辆在无人状态下自主沿道路行进的智能车辆。通常,在自动驾驶车辆于实际交通道路行驶前,需要进行大量测试以检测其安全性及稳定性。
出于道路安全的考虑,相关技术中提供驾驶仿真平台构建仿真测试场景,以对自动驾驶车辆进行仿真测试,然而,相关技术中在搭建仿真测试场景时,需要用户手动添加背景车辆及测试车辆,使得对于需求较多背景车辆的大规模仿真测试场景的处理效率低。
发明内容
本发明实施例提供一种驾驶仿真场景的处理方法、装置及存储介质,能够自动构建用于车辆仿真的驾驶仿真场景,处理效率高。
本发明实施例的技术方案是这样实现的:
本发明实施例提供一种驾驶仿真场景的处理方法,包括:
获取用于驾驶仿真的路网模型中的多个路径端点;
确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;
在所述路网模型中的发车点生成背景车辆,并控制所述背景车辆从所述发车点驶入所述路网模型,并在行驶至收车点时驶出所述路网模型。
本发明实施例还提供一种驾驶仿真场景的处理装置,包括:
获取单元,用于获取用于驾驶仿真的路网模型中的多个路径端点;
确定单元,用于确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;
生成单元,用于在所述路网模型中的发车点生成背景车辆;
控制单元,用于控制所述背景车辆从所述发车点驶入所述路网模型,并在行驶至所述收车点时驶出所述路网模型。
本发明实施例还提供一种驾驶仿真场景的处理装置,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现本发明实施例提供的上述驾驶仿真场景的处理方法。
本发明实施例提供一种存储介质,存储有可执行指令,用于引起处理器执行时,实现本发明实施例提供的上述驾驶仿真场景的处理方法。
本发明实施例具有以下有益效果:
1)、确定多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点,如此,路网模型中发车点及收车点的位置均对应路径端点,避免了背景车辆在路径中间产生所造成的交通状态的突然变化,以及视觉上的突兀感;
2)、在路网模型中的发车点生成背景车辆,如此,实现了驾驶仿真过程中,背景车辆的自动生成,提高了驾驶仿真场景的处理效率;
3)、控制背景车辆从发车点驶入路网模型,并在行驶至收车点时驶出路网模型,如此,由于路网模型中背景车辆的驶入及驶出分别对应特定的发车点及收车点,使得背景车辆的生成及消失更具备合理性,避免了仿真过程中显示效果的突兀。
附图说明
图1是本发明实施例提供的驾驶仿真系统的架构示意图;
图2是本发明实施例提供的驾驶仿真平台的仿真测试原理示意图;
图3是本发明实施例提供的自动驾驶系统的架构示意图;
图4是本发明实施例提供的驾驶仿真场景的处理装置的结构示意图;
图5是本发明实施例提供的驾驶仿真场景的处理方法的流程示意图;
图6是本发明实施例提供的路网模型中发车点及收车点的示意图;
图7是本发明实施例提供的发车点生成测试车辆与背景车辆的示意图;
图8是本发明实施例提供的车辆行驶至路径交叉位置及信号灯位置的示意图;
图9为本发明实施例提供的路径交叉位置的背景车辆的转向比例的示意图;
图10为本发明实施例提供的生成测试车辆及背景车辆的流程示意图;
图11为本发明实施例提供的背景车辆的转向决策控制的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
对本发明实施例进行进一步详细说明之前,对本发明实施例中涉及的名词和术语进行说明,本发明实施例中涉及的名词和术语适用于如下的解释。
1)、自动驾驶,是指不需要测试驾驶员执行物理性驾驶操作的情况下,能够对车辆行驶任务进行指导与决策,并代替测试驾驶员的操控行为,使车辆完成安全行驶的功能。
2)、测试车辆,用于对自动驾驶车辆及其动力学特性(如功率、扭矩、百公里加速)进行模拟,以在驾驶仿真中代替自动驾驶车辆,对自动驾驶车辆应用的行驶策略(即自动驾驶算法)进行安全性及稳定性的测试。
3)、背景车辆,在自动驾驶车辆的驾驶仿真中,构成测试车辆的行驶背景的符合动力学模型的车辆,用于触发测试车辆的反应,例如跟车、超车和停车等。
4)、路网模型,基于地图数据,既可以是现实世界的不同级别的地图(城市地图、市区地图等)数据,也可以是自定义的虚拟世界的地图数据,进行三维或二维建模所得到的、供测试车辆及背景车辆行驶的图形化的数学模型。
5)、路径规划,基于车辆的当前的状态(包括位置、速度和加速度)、当前的驾驶场景(车辆所处环境从不同维度表现出来的特性,如行驶道路的拥堵程度、行驶位置是否对应信号灯位置/路径交叉位置等),以及车辆的目标状态(包括目标位置、速度和加速度),计算出的从当前位置到目标位置的平滑的路径。
6)、速度规划,在路径规划所得路径的基础上计算出的每个路径点的速度,从而形成一条速度曲线。
7)、发车点,路网模型中生成测试车辆和/或背景车辆的位置(即出现测试车辆和/或背景车辆的位置),所生成的车辆从该位置出发驶入路网模型。
8)、收车点,路网模型中测试车辆和/或背景车辆消失的位置,即车辆从该位置驶出路网模型,收车点可以和发车点为同一位置(即收车点亦是发车点),也可以和发车点为不同位置。
9)、响应于,用于表示所执行的操作所依赖的条件或者状态,当满足所依赖的条件或状态时,所执行的一个或多个操作可以是实时的,也可以具有设定的延迟;在没有特别说明的情况下,所执行的多个操作不存在执行先后顺序的限制。
下面说明本发明实施例提供的驾驶仿真场景的处理方法和装置的示例性应用,本发明实施例提供的驾驶仿真场景的处理装置可以采用软件形式、或软硬件结合的形式,例如本发明实施例提供的驾驶仿真场景的处理装置可以是驾驶仿真平台的子功能,从而能够设置到任意类型的驾驶仿真场景的处理装置中,例如电脑终端、服务器和服务器集群等。
接下来以服务器实施驾驶仿真场景的处理方法为例,说明涵盖该服务器的驾驶仿真系统。
图1是本发明实施例提供的驾驶仿真系统100的一个可选的架构示意图,参见图1,终端(示例性示出了终端200-1和终端200-2)的各种用户(例如自动驾驶算法开发者、车辆生产商、车辆检测机构等),通过网络400将终端连接到集成有驾驶仿真平台(包括本发明实施例提供的驾驶仿真场景的处理装置)的服务器300;网络400可以是广域网或者局域网,又或者是二者的组合,使用无线链路实现数据传输。
终端(如终端200-1),用于发送对应自动驾驶车辆的仿真测试请求,所述仿真测试请求携带自动驾驶车辆的行使策略;
服务器300,用于响应所述仿真测试请求,获取自动驾驶车辆的测试路网对应的地图数据,基于地图数据,建立对自动驾驶车辆进行仿真测试的路网模型,在路网模型中的发车点,生成背景车辆及对应自动驾驶车辆的测试车辆,控制背景车辆的行驶状态,使背景车辆从发车点驶入路网模型,并在行驶至收车点时驶出路网模型,监测测试车辆响应于背景车辆的行驶状态,基于行驶策略作出的路径规划和/或速度规划,返回测试车辆在不同时间点的仿真测试结果;
终端(如终端200-1),还用于通过图形界面(如图形界面210-1)显示测试车辆在不同时间点的仿真测试结果。
在一些实施例中,终端(如终端200-1)上设置有驾驶仿真客户端,终端(如终端200-1)基于驾驶仿真客户端实现自动驾驶车辆的仿真测试,当用户触发仿真测试指令时,驾驶仿真客户端发送对应自动驾驶车辆的仿真测试请求给服务器300,接收服务器300返回的仿真测试结果,并通过驾驶仿真客户端的仿真测试界面显示接收的仿真测试结果。
接下来对驾驶仿真系统100中服务器300所运行的驾驶仿真平台进行说明。
图2是本发明实施例提供的驾驶仿真平台的仿真测试原理示意图,参见图2,示例性地,服务器300通过驾驶仿真平台,对自动驾驶车辆进行仿真测试时,从数据库500获取自动驾驶车辆的测试路网对应的地图数据,然后基于地图数据进行三维建模,得到用于仿真测试的路网模型;在生成的路网模型中生成符合自动驾驶车辆的动力学模型的测试车辆,以及符合预设动力学模型(可以和自动驾驶车辆的动力学模型相同或不同)的多个背景车辆,控制生成的背景车辆在路网模型中的行驶,并监测测试车辆响应于背景车辆的行驶状态,基于行驶策略(自动驾驶算法)作出的路径规划和/或速度规划,以验证自动驾驶算法控制的测试车辆在应对不同路况时,所作出的变换车道、超车、跟车、停车等决策是否符合预期,例如供车辆检测机构判断自动驾驶算法是否符合安全标准,供车辆生产商决定是否需要就自动驾驶算法进行实际的路测等。
接下来对控制测试车辆的自动驾驶算法进行说明,在自动驾驶车辆中,在自动驾驶系统中应用自动驾驶算法,用于实现车辆的不同级别的自动驾驶功能,参见图3,图3是本发明实施例提供的自动驾驶系统的架构示意图,自动驾驶系统30包括:环境感知系统31、决策规划系统32和车辆控制系统33。可以理解地,自动驾驶系统30包括的上述系统在一些实施例中也可以被称为子系统或模块,将在下面分别进行说明。
环境感知系统31用于感知环境信息,包括环境中障碍物的位置、速度,朝向以及物体分类(如车辆,行人,自行车)。在一些实施例中,还可以感知车辆自身的状态(包括速度、加速度和方向)以及车辆的实时位置的高精度地图。
决策规划系统32根据环境信息和目标位置,结合客观的物理规律,结合障碍物和周边环境以及积累的历史数据知识,对感知到的障碍物做出预测以便做出宏观地决策,保证车辆能够顺利到达目标状态。
在一些实施例中,决策规划系统32的决策包括车道选择、参考车速、道路上是否正常跟随障碍物(例如人、车等)、是否绕过障碍物(例如人、车等)、是否停车、遇到交通灯和行人时是否等待避让、以及在路口和其他车辆的交互通过等。
决策规划系统32还用于根据环境感知信息及所作出的决策,进行行驶规划(包括路径规划及速度规划),包括选择轨迹途经的路径点,以及到达每个路径点时车辆的速度、朝向和加速度等。路径点不仅在时空上保持连续性,而且每个路径点的速度、朝向和加速度等参数,都在车辆的实际可操作的物理范围之内。
车辆控制系统33接收决策规划系统32做作出的行驶规划,结合车身属性和外界物理因素进行动力学计算,转换成对车辆电子化控制的油门量、刹车量、以及方向盘信号等车辆控制参数并执行。
继续说明本发明实施例提供的驾驶仿真场景的处理装置的示例性结构,驾驶仿真场景的处理装置可以实施于如图1示出的服务器300,也可以通过各种终端实施,例如笔记本电脑、台式电脑等。参见图4,图4是本发明实施例提供的驾驶仿真场景的处理装置的结构示意图,图4所示的驾驶仿真场景的处理装置40包括:至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。驾驶仿真场景的处理装置40中的各个组件通过总线系统440耦合在一起。可理解,总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图4中将各种总线都标为总线系统440。
处理器410可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器450包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory),易失性存储器可以是随机存取存储器(RAM,Random Access Memory)。本发明实施例描述的存储器450旨在包括任意适合类型的存储器。存储器450可选地包括在物理位置上远离处理器410的一个或多个存储设备。
在一些实施例中,存储器450能够存储数据以支持驾驶仿真场景的处理装置40的操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统451,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块452,用于经由一个或多个(有线或无线)网络接口420到达其他计算设备,示例性的网络接口420包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB,Universal Serial Bus)等;
显示模块453,用于经由一个或多个与用户接口430相关联的输出装置431(例如,显示屏、扬声器等)使得能够呈现信息(例如,用于操作外围设备和显示内容和信息的用户接口);
输入处理模块454,用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,作为本发明实施例提供的驾驶仿真场景的处理方法采用软件实施的示例,存储器450还可以包括本发明实施例提供的驾驶仿真场景的处理装置455;驾驶仿真场景的处理装置455在图4中采用了软件单元的方式,包括获取单元4551、确定单元4552、生成单元4553、控制单元4554;其中,获取单元,用于获取用于驾驶仿真的路网模型中的多个路径端点;确定单元,用于确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;生成单元,用于在路网模型中的发车点,生成背景车辆;控制单元,用于控制背景车辆从发车点驶入路网模型,并在行驶至收车点时驶出路网模型。
当然,本发明实施例提供的驾驶仿真场景的处理装置455可以实施为纯硬件的形式或软硬件结合的形式,作为本发明实施例提供的驾驶仿真场景的处理装置455采用硬件实施的示例,可以直接采用硬件译码处理器形式的处理器410来执行完成本发明实施例提供的驾驶仿真场景的处理方法,例如,被一个或多个应用专用集成电路(ASIC,ApplicationSpecific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable LogicDevice)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件执行实现本发明实施例提供的驾驶仿真场景的处理方法。
接下来结合前述的实现本发明实施例的驾驶仿真系统及驾驶仿真场景的处理装置的示例性应用实施,说明实现本发明实施例的驾驶仿真场景的处理方法。
参见图5,图5是本发明实施例提供的驾驶仿真场景的处理方法的一个可选的流程示意图,以服务器(如图1中服务器300)实现驾驶仿真场景的处理方法为例,结合图1及图5对本发明实施例提供的驾驶仿真场景的处理方法进行说明。
步骤101:服务器获取用于驾驶仿真的路网模型中的多个路径端点。
在一些实施例中,服务器可通过如下方式获取用于驾驶仿真的路网模型中的多个路径端点:
服务器获取自动驾驶车辆的测试路网对应的地图数据,基于地图数据,建立对自动驾驶车辆进行仿真测试的路网模型,基于路网模型的路网结构,确定用于驾驶仿真的路网模型中的多个路径端点。
在实际实施时,服务器可以从数据库获取存储的地图数据,或者接收终端发送的地图数据。
在一些实施例中,地图数据中可包括地图类型,可以是现实世界的不同级别的地图(城市地图、市区地图等),也可以是自定义的虚拟世界的地图;区域,可以是城市级别、市区级别和其他级别,当城市/市区未被指定时,默认城市的地图将被采用。
在一些实施例中,地图数据中还可包括车道类型、车道的宽度、车道数量等,其中车道类型如封闭高速路、人车混行路、单行行驶道路、双向行驶道路。
在一些实施例中,地图数据中还可包括交通控制设施,如路障的设置位置和数量、车道中路径交叉位置的设定、信号灯状态(包括红灯、绿灯和黄灯)的设定(如切换间隔)。
在一些实施例中,地图数据中还可包括背景车辆的数量/密度、背景车辆的行驶特性,如是否违规行驶,对交通控制设施的响应方式等,以及背景车辆的动力特性,即背景车辆符合的动力学模型。
可以理解地,地图数据中还可包括任何对自动驾驶车辆进行仿真测试所需的地图数据,对于本发明实施例地图数据中未提及的项目,服务器300可以采用默认项目的默认设置或根据需要进行添加。
在一些实施例中,服务器可通过如下方式建立对自动驾驶车辆进行仿真测试的路网模型:服务器基于地图数据,进行三维建模,得到供测试车辆及背景车辆行驶的图形化的三维数学模型。
步骤102:确定多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点。
在一些实施例中,服务器可通过如下方式进行发车点及收车点的确定:
服务器基于多个路径端点在路网模型中的分布,选取第一数量的路径端点作为发车点,选取第二数量的路径端点作为收车点。其中,第一数量及第二数量的具体数值可依据实际需要进行设定。
步骤103:在路网模型中的发车点生成背景车辆,并控制背景车辆从发车点驶入路网模型,在行驶至收车点时驶出路网模型。
这里,首先对路网模型中发车点及收车点的设定进行说明,图6是本发明实施例提供的路网模型中发车点及收车点的示意图,参见图6,在实际应用中,为了避免车辆在路网中间直接产生,造成交通状态的突然变化(如引起车辆碰撞)以及视觉上的突兀感,在实际实施时,发车点可以选取地图外侧边缘处道路或者地图中断头路处,供背景交通流车辆和测试车驶入路网模型;类似的,为了避免车辆在路网模型的车道中突然消失,造成交通状态的突然变化(如引起车辆碰撞)以及视觉上的突兀感,在实际实施时,收车点可以选取地图外侧边缘处道路或者地图中断头路处,供背景交通流车辆和测试车驶出路网模型。
在一些实施例中,在路网模型中的发车点,服务器可通过如下方式进行背景车辆及测试车辆的生成:服务器获取路网模型中的发车点;确定发车点符合测试车辆生成条件时,生成测试车辆;确定发车点不符合测试车辆生成条件,但符合背景车辆生成条件时,生成背景车辆;确定发车点既符合测试车辆生成条件,又符合背景车辆生成条件时,不生成背景车辆,即暂停对背景车辆的生成,并进行日志记录。
在实际应用中,生成测试车辆的发车点与生成背景车辆的发车点可以相同或不同,示例性地,参见图7,图7是本发明实施例提供的发车点生成测试车辆与背景车辆的示意图。
在实际实施时,发车点的数量可以为一个或多个,对于某个特定的发车点来说,服务器首先判断该发车点是否符合测试车辆生成条件,并在确定该发车点不符合测试车辆生成条件时,进一步判断该发车点是否符合背景车辆生成条件,并基于判断结果进行背景车辆生成与否的决定;也就是说,测试车辆的生成优先级高于背景车辆的生成优先级,如此,保证在仿真测试过程中测试车辆的顺利生成,避免无法生成测试车辆所导致的自动驾驶车辆仿真测试的失败。
在一些实施例中,发车点的数量为多个,服务器在对发车点是否符合测试车辆生成条件进行判断时,可以对多个发车点进行遍历,并在确定当前遍历的发车点对应多个车道时,对多个车道进行遍历,以判断每个车道对应的发车点是否符合测试车辆生成条件。
在一些实施例中,服务器确定当前遍历的车道所对应的发车点到达生成测试车辆的时间,且该发车点一定距离内不存在其他车辆时,确定测试车辆生成条件得到满足。
在实际实施时,服务器中设置有仿真时钟,服务器可获取测试车辆的生成时间表,在一些实施例中,测试车辆的生成间隔可以为固定时间间隔,或依据实际需要进行设定;在实际实施时,服务器基于测试车辆的生成时间表判断当前时刻是否到达生成测试车辆的时间,当确定到达生成测试车辆的时间时,进一步判断当前车道是否存在阻塞车辆,即一定距离内是否存在其他车辆,当一定距离内存在其他车辆时,不进行测试车辆的生成,并进行相应的日志记录,如此,避免了由于存在阻塞车辆,即使生成了测试车辆也无法正常行驶而造成的交通进一步的阻塞。
在一些实施例中,服务器确定发车点不符合测试车辆生成条件(未到达生成测试车辆的时间,和/或发车点一定距离内存在其他车辆)、到达生成背景车辆的时间、且一定距离内不存在其他车辆时,生成背景车辆,所生成的背景车辆符合预设的动力学模型,该动力学模型对应预设车型。
这里,在实际实施时,服务器确定发车点不符合测试车辆生成条件时,进行是否符合背景车辆生成条件(到达生成背景车辆的时间且发车点一定距离内不存在其他车辆)的判断,首先进行是否到达生成背景车辆的时间的判断,若未到生成背景车辆的时间,不进行背景车辆的生成,并进行相应的日志记录;若到达生成背景车辆的时间,进一步判断当前车道是否存在阻塞车辆,即一定距离内是否存在其他车辆,当一定距离内存在其他车辆时,不进行背景车辆的生成,并进行相应的日志记录,如此,避免了由于存在阻塞车辆,即使生成了背景车辆也无法正常行驶而造成的交通进一步的阻塞。
对生成背景车辆的时间进行说明,在实际实施时,服务器可获取背景车辆的生成时间表,背景车辆的生成时间间隔可以设置为固定数值,或者服从一定的概率分布,如负指数分布或者平均分布;在一些实施例中,当出车点处有多条车道时,可以每条车道独立计算,按一定的时间间隔产生车辆,并在初始时间上叠加一个时间偏差,即每条车道都有一个相应的背景车辆生成时间表,如背景车辆在第一条车道上产生的时刻为第1秒,4秒,7秒…,在第二条车道上产生的时刻为第2秒,5秒,8秒…(假设都是按固定间隔每3秒产生一辆,车道间的偏差为1秒),如此,避免了多辆背景车辆同时进入路网模型所造成的交通阻塞,或驾驶仿真准确度的下降。
在实际实施时,生成背景车辆后,该背景车辆被赋予一定的车辆属性(如车型、初速度、目的状态等),同时,该背景车辆符合对应所述车型的动力学模型。
在一些实施例中,为了更准确的对自动驾驶车辆进行仿真测试,在路网模型中生成测试车辆前,需要确保背景车辆在路网模型中充分分布,因此,在生成测试车辆前存在一定时间的仿真预热期,即仿真测试开始一段时间(可依据实际情况如经验值设定)内只进行背景车辆的生成,以确保路网模型中背景车辆的数量及相应的分布满足仿真测试需求,或者,在生成测试车辆前确定路网模型中已经存在一定数量(可依据实际需要进行设定)的背景车辆。
在一些实施例中,服务器可通过如下方式控制背景车辆的行驶状态:
服务器获取背景车辆的行驶位置及行驶方向,基于行驶位置及行驶方向,确定背景车辆行驶至路径交叉位置和/或信号灯位置时,对背景车辆的行驶速度和/或行驶路径进行规划。
这里,对背景车辆行驶至路径交叉位置及背景车辆行驶至信号灯位置进行说明,图8是本发明实施例提供的车辆行驶至路径交叉位置及信号灯位置的示意图,参见图8,在实际实施时,背景车辆行驶至路径交叉位置,是指背景车辆行驶方向前方存在路径交叉口,且背景车辆与该路径交叉口的距离在设定的第一距离范围内;背景车辆行驶至信号灯位置,是指背景车辆行驶方向前方存在信号灯,且背景车辆与信号灯的距离在设定的第二距离范围内。
在一些实施例中,服务器基于背景车辆当前的行驶位置,判断背景车辆是否行驶至路径交叉位置,当确定背景车辆行驶至路径交叉位置时,对背景车辆的行驶路径进行规划,如直行、左转、右转;这里,在实际实施时,可对路网模型的各个车道中行驶至路径交叉位置的背景车辆的转向比例进行设定,图9为本发明实施例提供的路径交叉位置的背景车辆的转向比例的示意图,参见图9,行驶至图9中示出的路径交叉位置的多个背景车辆中,25%的背景车辆需要左转,15%的背景车辆需要右转,60%的背景车辆需要直行。
服务器确定背景车辆行驶至路径交叉位置但未行驶至路径交叉位置时,对是否行驶至信号灯位置(即当前行驶位置是否对应信号灯位置)进行判断,若确定驶至信号灯位置时,获取相应的信号灯颜色,即获取行驶方向上信号灯的颜色,基于信号灯颜色,控制背景车辆的行驶速度。
在实际应用中,服务器可通过如下方式实现基于信号灯颜色,控制背景车辆的行驶速度:判断信号灯颜色是否为绿色,若信号灯颜色为绿色,保持当前车速不变匀速行驶;若信号灯颜色非绿色,而是黄色,均匀减速并停止,或者匀速抢黄灯驶过;若信号灯颜色非绿色,而是红色,均匀减速并停止,当然,在实际实施时,可控制一定数量的背景车辆闯红灯,如加速或保持速度不变的通过。
在一些实施例中,服务器当确定背景车辆行驶至路径交叉位置时,进一步对是否行驶至信号灯位置(即路径交叉口是否存在信号灯)进行判断,若确定驶至信号灯位置时,获取相应的信号灯颜色,基于信号灯颜色,控制背景车辆的行驶速度;具体地,判断信号灯颜色是否为绿色或黄色,若信号灯颜色为绿色或黄色,进一步判断确定的行驶路径是否存在相应的让行规则,所述让行规则,指示所确定的行驶路径的行驶优先级低于与测试车辆未处于同一道车上的车辆的行驶优先级,如左转让直行,右转让左转;若确定的行驶路径存在相应的让行规则,基于让行规则,控制背景车辆的行驶速度,如控制背景车辆均匀减速至停止。
在一些实施例中,服务器确定背景车辆行驶至路径交叉位置,且未行驶至信号灯位置,即路径交叉位置不存在信号灯时,进一步判断确定的驶路径是否存在相应的让行规则,若不存在让行规则,保持当前的车速不变;若存在相应的让行规则时,基于让行规则,控制背景车辆的行驶速度。
在一些实施例中,所述路网模型中还设置有减速带及让行牌,相应的,服务器基于背景车辆的行驶位置判断是否到达减速带位置和/或让行牌位置,并基于判断结果对背景车辆的速度进行控制,如确定行驶位置前方一定距离内存在减速带时,控制背景车辆的速度均匀减速至一定速度,确定行驶位置前方一定距离内存在让行牌时,控制背景车辆的速度均匀减速至停止。
在一些实施例中,服务器还监测测试车辆响应于背景车辆的行驶状态,基于行驶策略作出的行驶规划,行驶规划包括:路径规划及速度规划中至少之一。
在一些实施例中,服务器可通过如下方式监测测试车辆响应于背景车辆的行驶状态,基于行驶策略作出的行驶规划:
服务器获取测试车辆基于行驶策略作出的行驶规划对应的行驶参数,行驶参数包括:速度参数、位置参数及方向参数中至少之一;其中,行驶策略,用于获取背景车辆的行驶状态,行驶状态包括行驶位置、行驶方向及行驶速度中至少之一;基于行驶状态,对测试车辆进行行驶规划。
示例性地,测试车辆基于路网模型中背景车辆的行驶位置、行驶方向及行驶速度,确定行驶方向一定距离处发生交通阻塞,基于目标位置(即行驶终点位置),重新进行路径规划,如在行驶至路径交叉位置时左转或右转,变换到达目标位置的路径,以躲避拥堵。
继续对本发明实施例提供的驾驶仿真场景的处理方法进行说明。
在进行驾驶仿真之前,需要进行路网模型的构建,在一些实施例中,路网模型可以为二维或三维模型,该路网模型基于涵盖测试路网的背景地图得到,该背景地图可以是根据现实世界中采集数据所制作的高清地图,也可以是用户编辑创建的自定义地图。
路网模型中设置有发车点,即出车点,出车点位置选择在地图外侧边缘处道路上或者地图中断头路处,供背景车辆及测试车辆生成并由此驶入路网模型,如此,可避免车辆在道路中间直接产生,进而引起车辆碰撞,造成交通状态的突然变化以及视觉上的突兀感。
路网模型中还设置有收车点,供背景车辆及测试车辆由此驶出路网模型,即当车辆行驶至收车点处时,车辆无论在哪个车道都会被移除出路网模型;收车点位置选择在地图外侧边缘处道路上或者地图中断头路处,以避免车辆在道路中间突然消失,造成交通状态的突然变化以及视觉上的突兀感。
在一些实施例中,驾驶仿真场景的处理方法可以包括四部分,分别为:仿真测试预热、测试车辆及背景车辆生成、背景车辆转向决策、测试车辆行驶规划监测,需要说明的是,测试车辆及背景车辆生成、背景车辆转向决策、测试车辆行驶规划监测的执行顺序不分先后,可同时实施,以下分别进行说明。
一、仿真测试预热。
驾驶仿真开始之前,进行仿真测试预热,在该阶段,仅进行背景车辆的生成,使得路网模型中各个车道都有充分的背景车辆分布,以确保路网模型中有足够多的背景车辆供测试车辆进行仿真测试,在实际实施时,可设定一段时间(可根据实际情况进行设定)为仿真测试预热阶段,或者确定路网模型中背景车辆的数量从零增长至一定数量的阶段,为仿真测试预热阶段。
对仿真测试预热阶段中背景车辆的生成进行说明。在实际实施时,设置有背景车辆的生成时间表,该生成时间表的数量为一个或多个,如对于一个发车点存在多条道路的情况,可对应每一条道路设置一个背景车辆的生成时间表,基于该生成时间表进行背景车辆的生成,在背景车辆生成的同时,赋予一定的车辆属性(如车型、初速度等),随着仿真时钟的推进而驶入路网模型。
这里,背景车辆的生成间隔可以设置为固定数值(如3秒),或者服从一定的概率分布,如负指数分布或者平均分布。当出车点处有多条车道时,可以每条车道独立计算,按一定的间隔分布产生车辆,并在初始时间上叠加一个时间偏差以避免多辆车同时进入系统,如背景车辆在第一条车道上产生的时刻为第1秒,4秒,7秒…,在第二条车道上产生的时刻为第2秒,5秒,8秒…(假设都是按固定间隔每3秒产生一辆,车道间的偏差为1秒)。
二、测试车辆及背景车辆生成。
在仿真测试预热之后,路网模型中不止能够生成背景车辆,可以进行测试车辆的生成,类似的,测试车辆也存在对应的生成时间表,测试车辆的生成间隔可以设置为固定数值,或者依据实际需要进行设定。若对于某个测试车辆的生成时刻,正好与背景车辆产生的时刻冲突,则此背景车辆的生成将暂停,直至该车道下一个要产生背景车辆的时刻到来再恢复产生车辆。当测试车辆无法在预先设定的时刻产生时(如被溢流车辆堵住),则将此出车时刻顺延一个仿真步长Δt,直至该地点满足生成条件再产生测试车辆。
设定测试车辆的生成优先级高于背景车辆的生成优先级,也即,对于某个发车点来说,若该发车点同时具备生成测试车辆的条件(生成时间到达且相应车道不存在阻塞车辆)及生成背景车辆的条件(生成时间到达且相应车道不存在阻塞车辆),生成测试车辆但不生成背景车辆,同时进行日志记录,具体地,以路网模型中存在多个发车点,且存在对应多个道路的发车点为例,对测试车辆及背景车辆的生成进行说明。
图10为本发明实施例提供的生成测试车辆及背景车辆的流程示意图,参见图10,测试车辆及背景车辆的生成包括:
步骤201:对路网模型中的出车点进行遍历。
步骤202:判断是否已经遍历所有出车点,如果未遍历所有出车点,执行步骤203,如果已遍历所有出车点,执行步骤217。
步骤203:将下一个出车点设置为当前出车点,对当前出车点对应的车道进行遍历。
步骤204:判断当前出车点对应的车道是否均已遍历,如果均已遍历,执行步骤202;如果存在未遍历的车道,执行步骤205。
步骤205:选定下一条车道为当前车道。
步骤206:判断是否到达测试车辆的生成时刻,如果到达,执行步骤207;如果未到达,执行步骤210。
步骤207:判断是否到达背景车辆的生成时刻,如果未到达,执行步骤208;如果未到达,执行步骤214。
步骤208:判断此位置是否可以生成测试车辆,如果可以,执行步骤209;如果不可以,执行步骤215。
这里,判断此位置是否可以生成测试车辆,即判断当前车道是否存在阻塞车辆。
步骤209:在当前道路对应的出车点生成测试车辆,执行步骤204。
步骤210:判断是否到达背景车辆的生成时刻,如果到达,执行步骤211;如果未到达,执行步骤204。
步骤211:判断此位置是否可以生成背景车辆,如果可以,执行步骤212;如果不可以,执行步骤213。
这里,判断此位置是否可以生成背景车辆,即判断当前车道是否存在阻塞车辆。
步骤212:在当前道路对应的出车点生成背景车辆,执行步骤204。
在实际实施时,生成的背景车辆符合动力学模型,被赋予一定的车辆属性(如车型、初速度等)。
步骤213:进行错误日志记录,执行步骤204。
步骤214:暂停背景车辆的生成,并进行日志记录。
步骤215:暂停测试车辆的生成,并将其生成时间向后推移一个时间步长,并执行步骤204。
这里,一个时间步长即Δt,具体可依据实际需要进行设定。
步骤216:仿真时钟等距推进一个时间步长。
步骤217:判断总仿真测试时间是否已到达,如果到达,执行步骤218;如果未到达,执行步骤216。
步骤218:仿真结束运行。
三,背景车辆转向决策。
路网模型中设置有路径交叉口,如十字路口、丁字路口,还设置有信号灯,通过设置转向决策,对行驶中的背景车辆进行组织及调控。如当背景车辆行驶至距路径交叉口和/或信号灯位置一定距离时,对背景车辆的行驶路径(直行、左转、右转)及行驶速度进行控制。
其中,信号灯的颜色包括红色、黄色及绿色,背景车辆对信号灯颜色的反应可以如下:绿色:保持速度不变,匀速前进;红色:减速至停止;黄色:以一定概率减速并停止,或者匀速抢黄灯驶过路口。
对于行驶至路径交叉口,涉及背景车辆的左转或右转时,可设定相应的让行规则,如左转让直行,右转让左转。
对于行驶至路径交叉口的多个背景车辆,在路径交叉口前一定距离(如30米)设置转向决策点,当车辆行驶至决策点(即前述的路径交叉位置)时,按一定事先设置好的比例会被赋予一个行驶方向(如左转、直行或者右转),然后背景车辆将按行驶方向换到相应的下游车道,并按照相应信号灯行驶。
图11为本发明实施例提供的背景车辆的转向决策控制的流程示意图,参见图11,背景车辆的转向决策控制包括:
步骤301:对背景车辆进行遍历,选取背景车辆。
在实际应用中,路网模型中的背景车辆可携带相应的标识,以唯一的标识该背景车辆。
步骤302:判断背景车辆是否到达转向决策点,如果到达,执行步骤303;如果未到达,执行步骤304。
步骤303:判断背景车辆是否行驶在相应车道,如果在相应车道,执行步骤304;如果未在相应车道,执行步骤312。
这里,当背景车辆行驶至转向决策点时,对背景车辆的行驶路径重新进行规划,如直行、左转、右转,相应的,判断背景车辆是否行驶在相应车道,指的是判断背景车辆是否已在重新规划后的车道。
步骤304:控制背景车辆正常行驶。
这里,控制背景车辆正常行驶,即控制背景车辆以当前速度在相应车道行驶。
步骤305:判断视距内是否存在信号灯,如果存在,执行步骤306;如果不存在,执行步骤316。
这里,视距的大小可以依据实际情况或经验值进行设定。
步骤306:判断信号灯是否为绿色,如果不为绿色,执行步骤307;如果为绿色,执行步骤316。
步骤307:判断信号灯是否为黄色,如果不为黄色,执行步骤308;如果为黄色,执行步骤315。
步骤308:确定信号灯为红色。
步骤309:控制背景车辆减速至停止。
步骤310:判断是否已遍历所有背景车辆,如果已遍历所有背景车辆,执行步骤311;如果未遍历所有背景车辆,执行步骤317。
步骤311:判断总仿真时间是否已到达,如果到达,执行步骤318;如果未到达,执行步骤314。
步骤312:控制背景车辆变换车道至相应的车道。
步骤313:选取下一个背景车辆。
步骤314:仿真时钟等距推进一个时间步长,并执行步骤301。
步骤315:判断是否需要减速至停止,如果需要,执行步骤309;如果不需要,执行步骤316。
步骤316:判断是否存在让行规则,如果存在,执行步骤309;如果不存在,执行步骤317。
步骤317:控制背景车辆正常行驶。
步骤318:仿真结束运行。
四、测试车辆行驶规划监测。
在驾驶仿真过程中,需要对测试车辆的行驶参数进行监测,包括对测试车辆的行驶速度、行驶位置及行驶方向的获取,以确定测试车辆基于背景车辆的行驶状态所作出的反应,如避让、变换车道、超车、跟车、停车等。
应用本发明实施例具备以下有益技术效果:
1)、在路网模型中设置发车点及收车点,使得车辆的产生及消失在特定位置,避免了车辆在不定位置产生及消失所造成的交通状态的突然变化(如引起车辆碰撞)以及视觉上的突兀感。
2)、在路网模型中的发车点,生成背景车辆及对应自动驾驶车辆的测试车辆,如此,实现了驾驶仿真过程中,背景车辆及测试车辆的自动生成,提高了驾驶仿真场景的处理效率。
3)、控制背景车辆的行驶状态,使背景车辆从发车点驶入路网模型,并在行驶至收车点时驶出路网模型,如此,通过对背景车辆行驶状态的控制,达到对测试车辆的行驶策略进行验证的目的。
4)、当发出点同时满足测试车辆的生成条件及背景车辆的生成条件时,生成测试车辆不生成背景车辆,即测试车辆的生成优先级高于背景车辆的生成优先级,如此,保证在仿真测试过程中测试车辆的顺利生成,避免无法生成测试车辆所导致的自动驾驶车辆仿真测试的失败。
本发明实施例还提供一种驾驶仿真场景的处理装置,包括:
获取单元,用于获取用于驾驶仿真的路网模型中的多个路径端点;
确定单元,用于确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;
生成单元,用于在所述路网模型中的发车点生成背景车辆;
控制单元,用于控制所述背景车辆从所述发车点驶入所述路网模型,并在行驶至所述收车点时驶出所述路网模型。
在一些实施例中,所述获取单元,还用于获取自动驾驶车辆的测试路网对应的地图数据,基于地图数据,建立对自动驾驶车辆进行仿真测试的路网模型,基于路网模型的路网结构,确定用于驾驶仿真的路网模型中的多个路径端点。
所述确定单元,还用于基于所述多个路径端点在所述路网模型中的分布,选取第一数量的路径端点作为发车点,选取第二数量的路径端点作为收车点。
所述生成单元,还用于获取所述路网模型中的发车点;
确定所述发车点符合测试车辆生成条件时,生成测试车辆;
确定所述发车点不符合测试车辆生成条件,但符合背景车辆生成条件时,生成所述背景车辆。
在一些实施例中,所述生成单元,还用于响应于所述发车点的数量为多个,对所述多个发车点进行遍历;
确定当前遍历的发车点对应多个车道时,对所述多个车道进行遍历;
确定当前遍历的车道所对应的发车点到达生成测试车辆的时间,且一定距离内不存在其他车辆,生成所述测试车辆。
在一些实施例中,所述生成单元,还用于确定所述发车点不符合测试车辆生成条件、到达生成背景车辆的时间、且一定距离内不存在其他车辆时,生成所述背景车辆;
所述背景车辆符合预设的动力学模型,所述动力学模型对应预设车型。
在一些实施例中,所述控制单元,还用于获取所述背景车辆的行驶位置及行驶方向;
基于所述行驶位置及行驶方向,确定所述背景车辆行驶至路径交叉位置和/或信号灯位置时,对所述背景车辆的行驶速度和/或行驶路径进行规划。
在一些实施例中,所述控制单元,还用于当所述背景车辆行驶至路径交叉位置时,确定所述背景车辆的行驶路径;
当所述路径交叉位置存在信号灯时,基于所述行驶路径确定相应的信号灯颜色;
基于所确定的信号灯颜色,控制所述背景车辆的行驶速度。
在一些实施例中,所述控制单元,还用于当所述路径交叉位置不存在信号灯、且所述行驶路径存在相应的让行规则时,基于所述让行规则,控制所述背景车辆的行驶速度;
其中,所述让行规则,指示所述行驶路径的行驶优先级低于与所述测试车辆未处于同一道车上的车辆的行驶优先级。
在一些实施例中,所述控制单元,还用于当所述信号灯颜色为绿色或黄色、且所述行驶路径存在相应的让行规则时,基于所述让行规则,控制所述背景车辆的行驶速度。
在一些实施例中,所述控制单元,还用于当所述行驶位置未对应路径交叉位置、但对应信号灯位置时,确定相应的信号灯颜色;
基于所述信号灯颜色,控制所述背景车辆的行驶速度。
在一些实施例中,还包括:
监测单元,用于监测测试车辆响应于所述背景车辆的行驶状态,基于行驶策略作出的行驶规划,所述行驶规划包括:路径规划及速度规划中至少之一。
在一些实施例中,所述监测单元,还用于获取所述测试车辆基于行驶策略作出的行驶规划对应的行驶参数,所述行驶参数包括:速度参数、位置参数及方向参数中至少之一;
所述行驶策略,用于获取所述背景车辆的行驶状态,所述行驶状态包括行驶位置、行驶方向及行驶速度中至少之一;基于所述行驶状态,对所述测试车辆进行所述行驶规划。
本发明实施例提供一种存储有可执行指令的存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本发明实施例提供的驾驶仿真场景的处理方法,例如,如图5示出的驾驶仿真场景的处理方法。
这里需要指出的是:以上涉及驾驶仿真场景的处理装置的描述,与上述方法描述是类似的,同方法的有益效果描述,不做赘述,对于本发明实施例所述驾驶仿真场景的处理装置中未披露的技术细节,请参照本发明方法实施例的描述。
实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、随机存取存储器(RAM,Random Access Memory)、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (15)
1.一种驾驶仿真场景的处理方法,其特征在于,包括:
获取用于驾驶仿真的路网模型中的多个路径端点;
确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;
在所述路网模型中的发车点生成背景车辆,并控制所述背景车辆从所述发车点驶入所述路网模型,在行驶至所述收车点时驶出所述路网模型。
2.如权利要求1所述的方法,其特征在于,所述在所述路网模型中的发车点生成背景车辆,包括:
获取所述路网模型中的发车点;
确定所述发车点符合测试车辆生成条件时,生成测试车辆;
确定所述发车点不符合测试车辆生成条件,但符合背景车辆生成条件时,生成所述背景车辆。
3.如权利要求2所述的方法,其特征在于,所述确定所述发车点符合测试车辆生成条件时,生成测试车辆,包括:
响应于所述发车点的数量为多个,对所述多个发车点进行遍历;
确定当前遍历的发车点对应多个车道时,对所述多个车道进行遍历;
确定当前遍历的车道所对应的发车点到达生成测试车辆的时间,且一定距离内不存在其他车辆,生成所述测试车辆。
4.如权利要求2或3所述的方法,其特征在于,所述确定所述发车点不符合测试车辆生成条件,但符合背景车辆生成条件时,生成所述背景车辆,包括:
确定所述发车点不符合测试车辆生成条件、到达生成背景车辆的时间、且一定距离内不存在其他车辆时,生成所述背景车辆;
所述背景车辆符合预设的动力学模型,所述动力学模型对应预设车型。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述背景车辆的行驶位置及行驶方向;
基于所述行驶位置及行驶方向,确定所述背景车辆行驶至路径交叉位置和/或信号灯位置时,对所述背景车辆的行驶速度和/或行驶路径进行规划。
6.如权利要求5所述的方法,其特征在于,所述确定所述背景车辆行驶至路径交叉位置和/或信号灯位置时,对所述背景车辆的行驶速度和/或行驶路径进行规划,包括:
当所述背景车辆行驶至路径交叉位置时,确定所述背景车辆的行驶路径;
当所述路径交叉位置存在信号灯时,基于所述行驶路径确定相应的信号灯颜色;
基于所确定的信号灯颜色,控制所述背景车辆的行驶速度。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
当所述路径交叉位置不存在信号灯、且所述行驶路径存在相应的让行规则时,基于所述让行规则,控制所述背景车辆的行驶速度;
其中,所述让行规则,指示所述行驶路径的行驶优先级低于与所述测试车辆未处于同一道车上的车辆的行驶优先级。
8.如权利要求6所述的方法,其特征在于,所述基于所确定的信号灯颜色,控制所述背景车辆的行驶速度,包括:
当所述信号灯颜色为绿色或黄色、且所述行驶路径存在相应的让行规则时,基于所述让行规则,控制所述背景车辆的行驶速度。
9.如权利要求5所述的方法,其特征在于,所述确定所述背景车辆行驶至路径交叉位置和/或信号灯位置时,对所述背景车辆的行驶速度和/或行驶路径进行规划,包括:
当所述行驶位置未对应路径交叉位置、但对应信号灯位置时,确定相应的信号灯颜色;
基于所述信号灯颜色,控制所述背景车辆的行驶速度。
10.如权利要求1所述的方法,其特征在于,所述方法还包括:
在所述路网模型中的发车点生成测试车辆;
监测所述测试车辆响应于所述背景车辆的行驶状态,基于行驶策略作出的行驶规划,所述行驶规划包括:路径规划及速度规划中至少之一。
11.如权利要求10所述的方法,其特征在于,所述监测所述测试车辆响应于所述背景车辆的行驶状态,基于行驶策略作出的行驶规划,包括:
获取所述测试车辆基于行驶策略作出的行驶规划对应的行驶参数,所述行驶参数包括:速度参数、位置参数及方向参数中至少之一;
所述行驶策略,用于获取所述背景车辆的行驶状态,所述行驶状态包括行驶位置、行驶方向及行驶速度中至少之一;基于所述行驶状态,对所述测试车辆进行所述行驶规划。
12.如权利要求1所述的方法,其特征在于,所述确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点,包括:
基于所述多个路径端点在所述路网模型中的分布,选取第一数量的路径端点作为发车点,选取第二数量的路径端点作为收车点。
13.一种驾驶仿真场景的处理装置,其特征在于,包括:
获取单元,用于获取用于驾驶仿真的路网模型中的多个路径端点;
确定单元,用于确定所述多个路径端点中的至少一个路径端点作为发车点,以及至少一个路径端点作为收车点;
生成单元,用于在所述路网模型中的发车点生成背景车辆;
控制单元,用于控制所述背景车辆从所述发车点驶入所述路网模型,并在行驶至所述收车点时驶出所述路网模型。
14.一种驾驶仿真场景的处理装置,其特征在于,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至12任一项所述的方法。
15.一种存储介质,其特征在于,存储有可执行指令,用于引起处理器执行时,实现权利要求1至12任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386494.4A CN110118661B (zh) | 2019-05-09 | 2019-05-09 | 驾驶仿真场景的处理方法、装置及存储介质 |
EP20801543.8A EP3968001A4 (en) | 2019-05-09 | 2020-04-26 | DRIVING SCENE PROCESSING METHOD AND APPARATUS AND STORAGE MEDIUM |
PCT/CN2020/087045 WO2020224462A1 (zh) | 2019-05-09 | 2020-04-26 | 驾驶仿真场景的处理方法、装置及存储介质 |
US17/378,432 US11971723B2 (en) | 2019-05-09 | 2021-07-16 | Processing method and apparatus for driving simulation scene, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386494.4A CN110118661B (zh) | 2019-05-09 | 2019-05-09 | 驾驶仿真场景的处理方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110118661A true CN110118661A (zh) | 2019-08-13 |
CN110118661B CN110118661B (zh) | 2024-03-26 |
Family
ID=67522088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910386494.4A Active CN110118661B (zh) | 2019-05-09 | 2019-05-09 | 驾驶仿真场景的处理方法、装置及存储介质 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3968001A4 (zh) |
CN (1) | CN110118661B (zh) |
WO (1) | WO2020224462A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597088A (zh) * | 2019-09-25 | 2019-12-20 | 西南交通大学 | 一种极坐标系下的车辆动力学仿真方法 |
CN111625927A (zh) * | 2020-04-27 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 仿真车辆的控制方法及相关设备 |
CN111681435A (zh) * | 2020-03-27 | 2020-09-18 | 北京世纪互联宽带数据中心有限公司 | 基于边缘计算的交通控制方法、装置、电子设备及存储介质 |
WO2020224462A1 (zh) * | 2019-05-09 | 2020-11-12 | 腾讯科技(深圳)有限公司 | 驾驶仿真场景的处理方法、装置及存储介质 |
CN112269325A (zh) * | 2020-12-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
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 |
CN112527632A (zh) * | 2020-11-20 | 2021-03-19 | 北京赛目科技有限公司 | 一种交通测试方法及装置 |
CN112579464A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 自动驾驶算法的校验方法、装置、设备以及存储介质 |
CN114743385A (zh) * | 2022-04-12 | 2022-07-12 | 腾讯科技(深圳)有限公司 | 车辆处理方法、装置及计算机设备 |
US11971723B2 (en) | 2019-05-09 | 2024-04-30 | Tencent Technology (Shenzhen) Company Limited | Processing method and apparatus for driving simulation scene, and storage medium |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560253B (zh) * | 2020-12-08 | 2023-02-24 | 中国第一汽车股份有限公司 | 驾驶场景的重构方法、装置、设备及存储介质 |
CN113721592A (zh) * | 2021-09-03 | 2021-11-30 | 吉林大学 | 一种用于实现自动驾驶有效干扰测试的装置及方法 |
CN114780646A (zh) * | 2022-04-12 | 2022-07-22 | 腾讯科技(深圳)有限公司 | 车辆处理方法、装置、计算机设备及存储介质 |
CN114936515B (zh) * | 2022-04-25 | 2023-09-19 | 北京宾理信息科技有限公司 | 一种生成仿真交通场景文件的方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1178352A (zh) * | 1996-08-09 | 1998-04-08 | 科乐美股份有限公司 | 模拟驾驶游戏机及记录有模拟驾驶游戏程序的记录媒体 |
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
US20110301925A1 (en) * | 2010-06-08 | 2011-12-08 | Southwest Research Institute | Optical State Estimation And Simulation Environment For Unmanned Aerial Vehicles |
CN104834776A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种微观交通仿真中交通车辆建模仿真系统及方法 |
KR20170091977A (ko) * | 2016-02-02 | 2017-08-10 | 국방과학연구소 | 다수의 지상무인체계 임무통제와 통신기능 점검을 위한 개발용 시뮬레이터 구축방법 및 시스템 |
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
CN108255171A (zh) * | 2016-12-29 | 2018-07-06 | 百度(美国)有限责任公司 | 用于提高自主驾驶车辆的稳定性的方法和系统 |
CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技(深圳)有限公司 | 自动驾驶方法及装置、车辆 |
CN108931927A (zh) * | 2018-07-24 | 2018-12-04 | 百度在线网络技术(北京)有限公司 | 无人驾驶仿真场景的创建方法及装置 |
CA3027663A1 (en) * | 2017-06-19 | 2018-12-19 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for displaying movement of vehicle on map |
US20190084571A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Driving scenario based lane guidelines for path planning of autonomous driving vehicles |
CN109670620A (zh) * | 2017-10-16 | 2019-04-23 | 北京航空航天大学 | 一种车联网环境下出行信息服务策略与仿真验证系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100585640C (zh) * | 2008-05-29 | 2010-01-27 | 上海交通大学 | 汽车与两轮车碰撞事故再现系统 |
US8894413B2 (en) * | 2010-09-22 | 2014-11-25 | Telcordia Technologies, Inc. | Architecture, method, and program for generating realistic vehicular mobility patterns |
AT510101B1 (de) * | 2011-09-21 | 2014-01-15 | Avl List Gmbh | Verfahren zur computerbasierten Erzeugung eines Fahrzyklus-Datensatzes und eines Längsprofil-Datensatzes sowie Verfahren zum Testen eines Kraftfahrzeuges |
CN105808315A (zh) * | 2014-12-31 | 2016-07-27 | 中国移动通信集团公司 | 一种高层体系结构协同交通安全仿真方法及装置 |
US10343685B2 (en) * | 2016-09-28 | 2019-07-09 | Baidu Usa Llc | Physical model and machine learning combined method to simulate autonomous vehicle movement |
CN106777747A (zh) * | 2016-12-29 | 2017-05-31 | 广西航程威特科技有限公司 | 一种三维交通仿真模拟系统 |
CN106934107A (zh) * | 2017-02-20 | 2017-07-07 | 北京百度网讯科技有限公司 | 交通出行场景构建方法、装置、设备及存储介质 |
CN109521748B (zh) * | 2017-09-19 | 2021-07-02 | 成都鼎桥通信技术有限公司 | 无人驾驶车辆的测试方法 |
CN108829087B (zh) * | 2018-07-19 | 2019-09-10 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统 |
CN110118661B (zh) * | 2019-05-09 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 驾驶仿真场景的处理方法、装置及存储介质 |
-
2019
- 2019-05-09 CN CN201910386494.4A patent/CN110118661B/zh active Active
-
2020
- 2020-04-26 EP EP20801543.8A patent/EP3968001A4/en active Pending
- 2020-04-26 WO PCT/CN2020/087045 patent/WO2020224462A1/zh unknown
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1178352A (zh) * | 1996-08-09 | 1998-04-08 | 科乐美股份有限公司 | 模拟驾驶游戏机及记录有模拟驾驶游戏程序的记录媒体 |
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
US20110301925A1 (en) * | 2010-06-08 | 2011-12-08 | Southwest Research Institute | Optical State Estimation And Simulation Environment For Unmanned Aerial Vehicles |
CN104834776A (zh) * | 2015-04-30 | 2015-08-12 | 吉林大学 | 一种微观交通仿真中交通车辆建模仿真系统及方法 |
KR20170091977A (ko) * | 2016-02-02 | 2017-08-10 | 국방과학연구소 | 다수의 지상무인체계 임무통제와 통신기능 점검을 위한 개발용 시뮬레이터 구축방법 및 시스템 |
CN107992016A (zh) * | 2016-10-26 | 2018-05-04 | 法乐第(北京)网络科技有限公司 | 一种无人驾驶车辆模拟测试方法 |
CN108255171A (zh) * | 2016-12-29 | 2018-07-06 | 百度(美国)有限责任公司 | 用于提高自主驾驶车辆的稳定性的方法和系统 |
CN108459588A (zh) * | 2017-02-22 | 2018-08-28 | 腾讯科技(深圳)有限公司 | 自动驾驶方法及装置、车辆 |
CA3027663A1 (en) * | 2017-06-19 | 2018-12-19 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for displaying movement of vehicle on map |
US20190084571A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Driving scenario based lane guidelines for path planning of autonomous driving vehicles |
CN109670620A (zh) * | 2017-10-16 | 2019-04-23 | 北京航空航天大学 | 一种车联网环境下出行信息服务策略与仿真验证系统 |
CN108931927A (zh) * | 2018-07-24 | 2018-12-04 | 百度在线网络技术(北京)有限公司 | 无人驾驶仿真场景的创建方法及装置 |
Non-Patent Citations (2)
Title |
---|
郑英力: "城市道路路段基于元胞自动机的交通模拟模型", 《中国人民公安大学学报(自然科学版)》 * |
郑英力: "城市道路路段基于元胞自动机的交通模拟模型", 《中国人民公安大学学报(自然科学版)》, 31 December 2004 (2004-12-31), pages 78 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020224462A1 (zh) * | 2019-05-09 | 2020-11-12 | 腾讯科技(深圳)有限公司 | 驾驶仿真场景的处理方法、装置及存储介质 |
US11971723B2 (en) | 2019-05-09 | 2024-04-30 | Tencent Technology (Shenzhen) Company Limited | Processing method and apparatus for driving simulation scene, and storage medium |
CN110597088B (zh) * | 2019-09-25 | 2020-07-28 | 西南交通大学 | 一种极坐标系下的车辆动力学仿真方法 |
CN110597088A (zh) * | 2019-09-25 | 2019-12-20 | 西南交通大学 | 一种极坐标系下的车辆动力学仿真方法 |
CN111681435A (zh) * | 2020-03-27 | 2020-09-18 | 北京世纪互联宽带数据中心有限公司 | 基于边缘计算的交通控制方法、装置、电子设备及存储介质 |
CN111625927B (zh) * | 2020-04-27 | 2023-05-12 | 腾讯科技(深圳)有限公司 | 仿真车辆的控制方法及相关设备 |
CN111625927A (zh) * | 2020-04-27 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 仿真车辆的控制方法及相关设备 |
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 |
CN112527632A (zh) * | 2020-11-20 | 2021-03-19 | 北京赛目科技有限公司 | 一种交通测试方法及装置 |
CN112269325B (zh) * | 2020-12-21 | 2021-03-16 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
CN112269325A (zh) * | 2020-12-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 自动驾驶仿真方法和装置、存储介质及电子设备 |
CN112579464A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 自动驾驶算法的校验方法、装置、设备以及存储介质 |
CN114743385A (zh) * | 2022-04-12 | 2022-07-12 | 腾讯科技(深圳)有限公司 | 车辆处理方法、装置及计算机设备 |
WO2023198020A1 (zh) * | 2022-04-12 | 2023-10-19 | 腾讯科技(深圳)有限公司 | 虚拟场景中添加车辆的方法、装置、计算机设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2020224462A1 (zh) | 2020-11-12 |
EP3968001A1 (en) | 2022-03-16 |
EP3968001A4 (en) | 2022-06-22 |
US20210341935A1 (en) | 2021-11-04 |
CN110118661B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110118661A (zh) | 驾驶仿真场景的处理方法、装置及存储介质 | |
WO2021227502A1 (zh) | 一种信号交叉口交通信号灯和车辆轨迹控制方法 | |
JP7150846B2 (ja) | 自律車両のための物体相互作用予測システムおよび方法 | |
WO2020224434A1 (zh) | 一种驾驶仿真方法、装置、电子设备及计算机存储介质 | |
CN109976355A (zh) | 轨迹规划方法、系统、设备及存储介质 | |
Dresner et al. | Traffic intersections of the future | |
CN109643118B (zh) | 基于关于车辆的环境的与功能相关的信息来影响车辆的功能 | |
JP5455777B2 (ja) | 交通シミュレーション装置、及び交通シミュレーションプログラム | |
CN110065495A (zh) | 车辆的速度行为规划 | |
Ci et al. | V2I-based car-following modeling and simulation of signalized intersection | |
CN113345253B (zh) | 车流阵列与信号协同控制系统 | |
RU2601133C2 (ru) | Имитационная модель движения транспортных и пешеходных потоков в городских условиях на основе агентно-ориентированного подхода | |
Sun et al. | Microscopic simulation and optimization of signal timing based on multi-agent: A case study of the intersection in Tianjin | |
WO2021244956A1 (en) | Generating simulation environments for testing av behaviour | |
Chen et al. | Towards human-like speed control in autonomous vehicles: A mountainous freeway case | |
Ren et al. | Self-learned intelligence for integrated decision and control of automated vehicles at signalized intersections | |
WO2023274284A1 (zh) | 一种车辆控制方法、装置及系统 | |
JP2023156266A (ja) | シミュレーション方法、コンピューティングデバイス及び記憶媒体 | |
París et al. | A new autonomous agent approach for the simulation of pedestrians in urban environments | |
CN113424022B (zh) | 一种处理预测运动轨迹的方法、显示约束屏障的方法以及装置 | |
CN115540887A (zh) | 一种路径规划的方法、服务器和车辆 | |
Zhang et al. | Simulation research on driving behaviour of autonomous vehicles on expressway ramp under the background of vehicle-road coordination | |
Wong et al. | Improving Parking Lot Efficiency through Autonomous Control and Assignment Strategies: A Microscopic Traffic Simulation Analysis | |
WO2023108524A1 (zh) | 电子地图的生成方法、装置及电子地图 | |
JPH09147285A (ja) | 交通流シミュレータ |
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 |