CN110243610A - 一种移动和固定组合的多维干扰自动驾驶测试系统及方法 - Google Patents

Abstract

本发明公开了一种移动和固定组合的多维干扰自动驾驶测试系统，包括：信息采集子系统、仿真测试子系统、移动干扰子系统、固定干扰子系统和综合分析平台；所述移动干扰子系统，搭载于所述自动驾驶汽车上，用于对自动驾驶汽车进行移动式干扰；所述固定干扰子系统，设置于测试场景的固定位置，用于对自动驾驶汽车进行固定式干扰。本发明提供一种局部干扰方式，通过将移动干扰子系统搭载与自动驾驶汽车上，能随着汽车的移动而移动，为移动式干扰，不再局限于在测试场地中固定设置相应干扰，节省了测试场地的制作成本同时还简化了测试步骤。

Description

一种移动和固定组合的多维干扰自动驾驶测试系统及方法

技术领域

本发明涉及自动驾驶技术领域，更具体的说是涉及一种移动和固定组合的多维干扰自动驾驶测试系统及方法。

背景技术

科学技术的发展带来了政策研究、技术开发等领域的创新，技术开发伴随着测试评价技术的发展壮大。如何使用有限的资源和人力，来完成某件技术产物或某个复杂系统的测试评估成为技术人员眼前亟需解决的问题。当然，在测试过程中，需要测试囊括产品从设计到报废过程中可能出现的众多问题，这就需要技术人员缜密的测试方案作为测试基础。

自动驾驶作为汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是全球汽车与交通出行领域智能化和网联化发展的主要方向，成为各国争抢的战略制高点。技术人员在进行自动驾驶技术的测试过程中，通常要受到场地以及被测车辆等的限制，在美国移动中心，场地包含了长高速公路、高架道路和曲线隧道以及高风险场景；在加利福尼亚，测试场地包含了公路街道、立交桥、隧道、铁路等城市设施，并包含了多用户并发停车、测试导航、传感器与通信技术、高速测试、铁路道口和轨道等。但是这些实际测试场地对于评估被测汽车在外界干扰下的性能变化情况存在局限性。当测试产地需要施加干扰信息时，温度、湿度以及自然气候环境对自动驾驶汽车的干扰难以实现，且耗资巨大。

因此，设计出一种对测试场地要求较低测试方法简单的自动驾驶测试系统及方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种移动和固定组合的多维干扰自动驾驶测试系统及方法，改进了现有的测试方法中不能包括多种干扰因素集成、多种施加干扰方式组合的测试方案，在多种干扰因素影响下对自动驾驶车辆进行测试，从而能避免对自动驾驶车辆的性能评价出现偏差的问题。

为了实现上述目的，本发明采用如下技术方案：

一种移动和固定组合的多维干扰自动驾驶测试系统，包括：信息采集子系统、仿真测试子系统、移动干扰子系统、固定干扰子系统和综合分析平台；

所述信息采集子系统，用于采集车辆的实时行车数据；

所述仿真测试子系统包括场景扫描模块和测试训练模块；

所述场景扫描模块用于实时扫描测试场地，建立虚拟测试场景；

所述测试训练模块用于在测试过程中对所述自动驾驶汽车的动作进行及时调整和修复，实现测试与改进同时进行；

所述移动干扰子系统，搭载于所述自动驾驶汽车上，用于对自动驾驶汽车进行移动式干扰；

所述固定干扰子系统包括设置于固定位置的积水、积雪、振动以及磨砂凹凸设计，还包括固定式机械臂；

所述固定式机械臂固定于道路两侧，用于完成对自动驾驶汽车施加固定干扰。

所述综合分析平台，用于接收所述信息采集子系统、所述场景扫描模块和所述测试训练模块的实时数据，进而对实时数据进行分析处理，并对所述信息采集子系统、所述场景扫描模块、所述测试训练模块进行控制，根据分析处理结果对自动驾驶汽车的动作进行调整，完成信息的反馈；

同时，所述综合分析平台还对所述移动干扰子系统和所述固定干扰子系统进行控制，实现对所述自动驾驶汽车的干扰。

优选的，所述信息采集子系统包括监控模块、雷达模块、视觉计算模块和定位模块；

所述监控模块用于实时获取车辆前后的场景信息；

所述雷达模块用于实时探测车辆前后所存在的路障并计算与所述路障存在的距离；

所述视觉计算模块用于结合所述监控模块和所述雷达模块所采集到的数据信息，实时识别车辆前后出现的障碍物或干扰并计算距离；

所述定位模块用于实时获取车辆的位置信息。

优选的，所述测试训练模块包括在线诊断单元和调整机器学习模型；

所述在线诊断单元和所述调整机器学习模型均接收所述综合分析平台所发送的反馈调整信息；

所述在线诊断单元用于根据所述反馈调整信息对自动驾驶汽车的动作进行及时调整和修复，所述调整机器学习模型对所述综合分析平台所给出的调整和修复方法进行学习和训练，实现测试与改进同时进行。

优选的，所述移动干扰子系统包括和移动式机械臂；

所述电磁干扰模块、噪声干扰模块、超声干扰模块和移动式机械臂均与所述综合分析平台无线连接；

所述电磁干扰模块采用电磁辐射发生源，所述噪声干扰模块采用雷击、周边负载设备的开关机、无线通讯设备产生噪声，所述超声波模块利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波；

所述移动式机械臂可拆卸地固定安装在所述自动驾驶汽车上，用于完成对自动驾驶汽车施加移动干扰。

优选的，所述固定干扰子系统包括设置于固定位置的积水、积雪、振动以及磨砂凹凸设计，还包括固定式机械臂；

所述固定式机械臂固定于道路两侧，用于完成对自动驾驶汽车施加固定干扰。

一种移动和固定组合的多维干扰自动驾驶测试方法，具体测试步骤为：

(1)根据实际的测试场景获取相对应的虚拟测试场景，虚拟测试场景中实时更新测试中的自动驾驶汽车的实时数据信息；

(2)分别采集所述自动驾驶汽车和非自动驾驶汽车在实际的测试场景中进行实时行车数据，将所获得的两种实时行车数据进行对比，完成初次评估；

(3)在实际的测试场景中加入多维信息干扰，包括移动式干扰和固定式干扰，在加入了多维信息干扰后的测试场景中行车，采集干扰后的实时行车数据并分析，再次评估自动驾驶汽车性能，获得多维干扰信息对自动驾驶车辆性能的影响；

(4)在实际的测试场景中分别加入单维信息干扰并完成行车，分别采集单维信息干扰后的实时行车数据并分析，获得不同的单维干扰信息对自动驾驶车辆性能的影响；

(5)综合分析干扰信息对自动驾驶车辆的影响，并在测试的过程中同时完成改进。

优选的，采集实时行车数据的具体步骤为：

通过监控模块实时获取车辆前后的场景信息；通过雷达模块实时探测车辆前后所存在的路障并计算与所述路障存在的距离；通过视觉计算模块结合所述监控模块和所述雷达模块所采集到的数据信息，实时识别所述车辆前后出现的障碍物或干扰并计算距离；定位模块用于实时获取所述自动驾驶汽车的位置信息。

优选的，加入信息干扰的具体方法为：

通过电磁辐射发生源产生电磁干扰，通过采用雷击、周边负载设备的开关机、无线通讯设备产生噪声进而产生噪声干扰，利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波进而产生超声波干扰。

优选的，加入多维干扰信息的具体步骤为：

将多种干扰信息进行排列组合，根据不同的排列组合方式向测试场地中加入干扰信息。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种移动和固定组合的多维干扰自动驾驶测试系统及方法，针对现有技术中的汽车测试方法中对测试场地的要求高、局限性高的缺陷，提供一种局部干扰方式，通过将移动干扰子系统搭载与自动驾驶汽车上，能随着汽车的移动而移动，为移动式干扰，不再局限于在测试场地中固定设置相应干扰，节省了测试场地的制作成本同时还简化了测试步骤。

进一步的，本发明提出了一种移动和固定组合的多维干扰自动驾驶测试方法，有助于自动驾驶车辆测试过程的完善，为规避自动驾驶车辆在使用过程中发生的众多问题提供参考，实现了多种干扰因素并发实施的测试，从而革新了传统意义上的自动驾驶技术的测试方案，在多种干扰因素影响下对自动驾驶车辆进行测试，能有效避免对自动驾驶车辆的性能评价出现偏差的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的示意图；

图2附图为本发明提供的移动干扰子系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

本发明实施例公开了一种移动和固定组合的多维干扰自动驾驶测试系统，包括：信息采集子系统、仿真测试子系统、移动干扰子系统、固定干扰子系统和综合分析平台；

信息采集子系统，用于采集车辆的实时行车数据；

仿真测试子系统包括场景扫描模块和测试训练模块；

场景扫描模块用于实时扫描测试场地，建立虚拟测试场景；

测试训练模块用于在测试过程中对自动驾驶汽车的动作进行及时调整和修复，实现测试与改进同时进行；

移动干扰子系统，搭载于自动驾驶汽车上，用于对自动驾驶汽车进行移动式干扰；

固定干扰子系统，设置于测试场景的固定位置，用于对自动驾驶汽车进行固定式干扰；

综合分析平台，用于接收信息采集子系统、场景扫描模块和测试训练模块的实时数据，进而对实时数据进行分析处理，并对信息采集子系统、场景扫描模块、测试训练模块进行控制，根据分析处理结果对自动驾驶汽车的动作进行调整，完成信息的反馈；

同时，综合分析平台还对移动干扰子系统和固定干扰子系统进行控制，实现对自动驾驶汽车的干扰。

更进一步地，信息采集子系统包括监控模块、雷达模块、视觉计算模块和定位模块；

监控模块用于实时获取车辆前后的场景信息；

雷达模块用于实时探测车辆前后所存在的路障并计算与路障存在的距离；

视觉计算模块用于结合监控模块和雷达模块所采集到的数据信息，实时识别车辆前后出现的障碍物或干扰并计算距离；

定位模块用于实时获取车辆的位置信息。

更进一步地，测试训练模块包括在线诊断单元和调整机器学习模型；

在线诊断单元和调整机器学习模型均接收综合分析平台所发送的反馈调整信息；

在线诊断单元用于根据反馈调整信息对自动驾驶汽车的动作进行及时调整和修复，调整机器学习模型对综合分析平台所给出的调整和修复方法进行学习和训练，实现测试与改进同时进行。

更进一步地，移动干扰子系统包括电磁干扰模块、噪声干扰模块、超声干扰模块和移动式机械臂；

电磁干扰模块、噪声干扰模块、超声干扰模块和移动式机械臂均与综合分析平台无线连接；

电磁干扰模块采用电磁辐射发生源，噪声干扰模块采用雷击、周边负载设备的开关机、无线通讯设备产生噪声，超声波模块利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波；

移动式机械臂可拆卸地固定安装在自动驾驶汽车上，用于完成对自动驾驶汽车施加移动干扰。

更进一步地，固定干扰子系统包括设置与固定位置的积水、积雪、振动以及磨砂凹凸设计，还包括机械臂；

机械臂固定于道路两侧，用于完成对自动驾驶汽车施加固定干扰。

本发明的工作原理为：

通过信息采集子系统中的监控模块实时获取车辆前后的场景信息，雷达模块用于实时探测车辆前后所存在的路障并计算与所述路障存在的距离，视觉计算模块结合所述监控模块和所述雷达模块所采集到的数据信息，实时识别车辆前后出现的障碍物或干扰并计算距离，定位模块实时获取车辆的位置信息，将信息采集子系统中所采集到的所有数据信息均发送至综合分析平台，仿真测试子系统通过场景扫描模块可实时获取测试场地中测试车辆的位置信息等实时数据，可在虚拟测试场景中实时显示测试车辆的位置信息等信息；

移动干扰子系统对测试汽车产生移动干扰，主要是通过电磁干扰模块、噪声干扰模块、超声干扰模块实现电磁、噪声和超声波干扰，移动式机械臂由于可拆卸地固定在测试汽车上，随汽车的移动而移动，可在需要时对测试车辆的摄像等设备进行干扰；

固定干扰子系统对测试汽车产生固定干扰，主要是在测试道路上设置固定的积水、积雪、振动以及磨砂凹凸设计和固定式机械臂来对测试进行固定式干扰。

先对测试汽车进行多维信息干扰采集数据，再对测试汽车进行单维信息干扰采集数据，针对所获得的所有数据进行统一分析获得自动驾驶汽车性能分析结果。

一旦在行车过程中自动驾驶汽车受到影响后产生故障或其他情况，那么通过在线诊断单元对测试车辆的动作进行初步调整和修复，综合分析平台同时对测试测量进行进一步调整和修复，调整机器学习模型则对综合分析平台的调整修复方案进行学习对在线诊断单元进行训练，实现测试与改进同时进行。

一种移动和固定组合的多维干扰自动驾驶测试方法，具体测试步骤为：

(1)根据实际的测试场景获取相对应的虚拟测试场景，虚拟测试场景中实时更新测试中的自动驾驶汽车的实时数据信息；

需要进一步说明的是：

本测试方法主要是通过自动驾驶汽车在加入干扰信息后的实际测试场景中自动完成转弯、避障、提速、识别路标、自主选择变道等操作来测试自动驾驶汽车的性能。

(2)分别采集自动驾驶汽车和非自动驾驶汽车在实际的测试场景中进行实时行车数据，将所获得的两种实时行车数据进行对比，完成初次评估；

实际测试场景中包括：车辆行驶中的红绿灯、交叉路、桥梁等，以及测试场中的测试车辆，测试设施以及测试背景物；

在初次评估时，对车辆的位置,车辆周围的道路拓扑关系，与其他对象间的距离，相对于其他对象的方向，车辆的导航路线，以及周围的环境状态进行测试。

初次评估中对自动驾驶汽车性能评估项目包括汽车行驶时是否能完成各个不同的测试场景下的动作、自动驾驶汽车行驶时的反应时间长短、自动驾驶汽车行驶时的路径选择是否正确等，也即是自动驾驶汽车动作完成度与测试用例之间的吻合程度。

(3)在实际的测试场景中加入多维信息干扰，包括移动式干扰和固定式干扰，在加入了多维信息干扰后的测试场景中行车，采集干扰后的实时行车数据并分析，再次评估自动驾驶汽车性能，获得多维干扰信息对自动驾驶车辆性能的影响；

需要说明的是：

再次评估自动驾驶汽车性能具体可以为：在上述多维干扰信息的影响下，自动驾驶车辆的操作程序发生异常的程度，包括上述评估结果在内的汽车是否按照速度规则进行高速路上的持续加速、是否按照避障规则对人为加入的机械臂进行躲避、是否按照变道规则在不同道路之间做出最优选择、是否按照交通规则在不同的路标下进行正确的动作等，以及在自动驾驶汽车完成正确动作的情况下动作的正确程度。

获得多维干扰信息对自动驾驶车辆性能的影响的具体方法可以为：对自动驾驶汽车的行为特征进行描述和总结。

在对自动驾驶汽车行为进行描述和总结过程中，又可以包括采取分布式控制策略，描述多个场景下汽车的行为动态，进行场景分类和行为分类；包括实时获取和调节自动驾驶车辆及测试场地的各项参数；还包括确定自动驾驶汽车的驾驶任务、危险的预测和规避情况、危险的识别和处理情况。

或者，通过虚拟现实技术以及仿真系统模拟实际测试场地上的各种交通状况，作为实际测试场地下的自动驾驶汽车的行为特征的参考，从而为自动驾驶汽车的性能评估提供另一种维度。

(4)在实际的测试场景中分别加入单维信息干扰并完成行车，分别采集单维信息干扰后的实时行车数据并分析，获得不同的单维干扰信息对自动驾驶车辆性能的影响；

需要进一步说明的是：

加入单维信息干扰改变每一个干扰元素的取值大小或性能参数来测定自动驾驶汽车的性能情况。所述改变过程包括：改变湿度和温度的调节范围，增强或减小振动频率和电磁强度，增加或减少机械臂数量，改变路标的形状及大小等。

(5)综合分析干扰信息对自动驾驶车辆的影响，并在测试的过程中同时完成改进。

更进一步地，采集实时行车数据的具体步骤为：

通过监控模块实时获取车辆前后的场景信息；通过雷达模块实时探测车辆前后所存在的路障并计算与路障存在的距离；通过视觉计算模块结合监控模块和雷达模块所采集到的数据信息，实时识别车辆前后出现的障碍物或干扰并计算距离；定位模块用于实时获取自动驾驶汽车的位置信息。

更进一步地，加入信息干扰的具体方法为：

通过电磁辐射发生源产生电磁干扰，通过采用雷击、周边负载设备的开关机、无线通讯设备产生噪声进而产生噪声干扰，利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波进而产生超声波干扰。

更进一步地，加入多维干扰信息的具体步骤为：

将多种干扰信息进行排列组合，根据不同的排列组合方式向测试场地中加入干扰信息。

需要说明的是：

加入多为干扰信息的具体方法可以为：所做测试采用控制唯一变量的方法，设定多维干扰信息序列为[A1,A2,A3,……An],其中的每一个元素代表一种干扰信息，依次取其中的(n-1)项元素组成(n-1)维干扰序列，分为n次实验将n-1维干扰序列加入到综合测试场地中，观察并评估自动驾驶汽车的行驶情况。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种移动和固定组合的多维干扰自动驾驶测试系统，其特征在于，包括：信息采集子系统、仿真测试子系统、移动干扰子系统、固定干扰子系统和综合分析平台；

所述信息采集子系统，用于采集车辆的实时行车数据；

所述仿真测试子系统包括场景扫描模块和测试训练模块；

所述场景扫描模块用于实时扫描测试场地，建立虚拟测试场景；

所述测试训练模块用于在测试过程中对自动驾驶汽车的动作进行及时调整和修复，实现测试与改进同时进行；

所述移动干扰子系统，搭载于所述自动驾驶汽车上，用于对自动驾驶汽车进行移动式干扰；

所述固定干扰子系统，设置于测试场景的固定位置，用于对自动驾驶汽车进行固定式干扰；

所述综合分析平台，用于接收所述信息采集子系统、所述场景扫描模块和所述测试训练模块的实时数据，进而对实时数据进行分析处理，并对所述信息采集子系统、所述场景扫描模块、所述测试训练模块进行控制，根据分析处理结果对自动驾驶汽车的动作进行调整，完成信息的反馈；

同时，所述综合分析平台还对所述移动干扰子系统和所述固定干扰子系统进行控制，实现对所述自动驾驶汽车的干扰。

2.根据权利要求1所述的一种移动和固定组合的多维干扰自动驾驶测试系统，其特征在于，所述信息采集子系统包括监控模块、雷达模块、视觉计算模块和定位模块；

所述监控模块用于实时获取车辆前后的场景信息；

所述雷达模块用于实时探测车辆前后所存在的路障并计算与所述路障存在的距离；

所述视觉计算模块用于结合所述监控模块和所述雷达模块所采集到的数据信息，实时识别车辆前后出现的障碍物或干扰并计算距离；

所述定位模块用于实时获取车辆的位置信息。

3.根据权利要求1所述的一种移动和固定组合的多维干扰自动驾驶测试系统，其特征在于，所述测试训练模块包括在线诊断单元和调整机器学习模型；

所述在线诊断单元和所述调整机器学习模型均接收所述综合分析平台所发送的反馈调整信息；

所述在线诊断单元用于根据所述反馈调整信息对自动驾驶汽车的动作进行及时调整和修复，所述调整机器学习模型对所述综合分析平台所给出的调整和修复方法进行学习和训练，实现测试与改进同时进行。

4.根据权利要求1所述的一种移动和固定组合的多维干扰自动驾驶测试系统，其特征在于，所述移动干扰子系统包括电磁干扰模块、噪声干扰模块、超声干扰模块和移动式机械臂；

所述电磁干扰模块、所述噪声干扰模块、所述超声干扰模块和所述移动式机械臂均与所述综合分析平台无线连接；

所述电磁干扰模块采用电磁辐射发生源，所述噪声干扰模块采用雷击、周边负载设备的开关机、无线通讯设备产生噪声，所述超声波模块利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波；

所述移动式机械臂可拆卸地固定安装在所述自动驾驶汽车上，用于完成对自动驾驶汽车施加移动干扰。

5.根据权利要求1所述的一种移动和固定组合的多维干扰自动驾驶测试系统，其特征在于，所述固定干扰子系统包括设置于固定位置的积水、积雪、振动以及磨砂凹凸设计，还包括固定式机械臂；

所述固定式机械臂固定于道路两侧，用于完成对自动驾驶汽车施加固定干扰。

6.一种移动和固定组合的多维干扰自动驾驶测试方法，其特征在于，具体测试步骤为：

(1)根据实际的测试场景获取相对应的虚拟测试场景，虚拟测试场景中实时更新测试中的自动驾驶汽车的实时数据信息；

(2)分别采集所述自动驾驶汽车和非自动驾驶汽车在实际的测试场景中进行实时行车数据，将所获得的两种实时行车数据进行对比，完成初次评估；

(3)在实际的测试场景中加入多维信息干扰，包括移动式干扰和固定式干扰，在加入了多维信息干扰后的测试场景中行车，采集干扰后的实时行车数据并分析，再次评估自动驾驶汽车性能，获得多维干扰信息对自动驾驶车辆性能的影响；

(4)在实际的测试场景中分别加入单维信息干扰并完成行车，分别采集单维信息干扰后的实时行车数据并分析，获得不同的单维干扰信息对自动驾驶车辆性能的影响；

(5)综合分析干扰信息对自动驾驶车辆的影响，并在测试的过程中同时完成改进。

7.根据权利要求6所述的一种移动和固定组合的多维干扰自动驾驶测试方法，其特征在于，采集实时行车数据的具体步骤为：

通过监控模块实时获取车辆前后的场景信息；通过雷达模块实时探测车辆前后所存在的路障并计算与所述路障存在的距离；通过视觉计算模块结合所述监控模块和所述雷达模块所采集到的数据信息，实时识别所述车辆前后出现的障碍物或干扰并计算距离；定位模块用于实时获取所述自动驾驶汽车的位置信息。

8.根据权利要求6所述的一种移动和固定组合的多维干扰自动驾驶测试方法，其特征在于，加入信息干扰的具体方法为：

通过电磁辐射发生源产生电磁干扰，通过采用雷击、周边负载设备的开关机、无线通讯设备产生噪声进而产生噪声干扰，利用驱动电源、控制器或电子箱实现把市电转换为与超声波换能器相匹配的高频交流电信号来驱动超声波换能器工作产生超声波进而产生超声波干扰。

9.根据权利要求6所述的一种移动和固定组合的多维干扰自动驾驶测试方法，其特征在于，加入多维干扰信息的具体步骤为：

将多种干扰信息进行排列组合，根据不同的排列组合方式向测试场地中加入干扰信息。