CN110299003A - 为测试车辆仿真不同的交通状况的方法 - Google Patents
为测试车辆仿真不同的交通状况的方法 Download PDFInfo
- Publication number
- CN110299003A CN110299003A CN201910212058.5A CN201910212058A CN110299003A CN 110299003 A CN110299003 A CN 110299003A CN 201910212058 A CN201910212058 A CN 201910212058A CN 110299003 A CN110299003 A CN 110299003A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- test
- vehicles
- test vehicle
- traffic condition
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000006243 chemical reaction Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000001558 permutation test Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/14—Traffic procedures, e.g. traffic regulations
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/042—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles providing simulation in a real vehicle
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/048—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles a model being viewed and manoeuvred from a remote point
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于为测试车辆仿真不同的交通状况的方法,包括:使测试车辆仿真地行驶通过预先确定的仿真的道路网;使其它车辆仿真地随机化行驶通过道路网;检测针对测试车辆的行驶参数;检测其它车辆的相应的行驶参数;检查测试车辆和其它车辆在测试区中是否处于预定义的交通状况中;针对测试车辆和其它车辆在测试区内处于预定义的交通状况中的情形,结束处在预定义的交通状况中的其它车辆的随机化行驶,强制不再随机化行驶的其它车辆的预先确定的行驶操纵。由此能在为测试车辆仿真不同的交通状况时提高引发测试车辆的自主或半自主反应的可用状况频率。
Description
技术领域
本发明涉及一种用于为测试车辆仿真不同的交通状况的方法,带有下列方法步骤:
-使测试车辆仿真地行驶通过预先确定的仿真的道路网;以及
-使多个其它车辆仿真地随机化行驶通过道路网。
本发明此外涉及一种非易失的、计算机可读的存储介质和储存在该存储介质上的指令,指令在其于处理器上实施时造成了这种方法,并且本发明还涉及一种用于执行该方法的相应的计算机系统。
因此本发明涉及对测试车辆的随机化的测试。这种测试车辆通常具有带至少一个传感器的传感器系统来检测在车辆的周边环境中的物体并且至少部分基于由该传感器系统检测到的信号加以控制。测试车辆的相应的传感器通常是超声传感器、LIDAR传感器、RADAR传感器和/或相机,用它们能检测测试车辆的周边环境,以便因此达到测试车辆的自主的或至少半自主的行驶。相应的传感器系统此外还是用于接收其它车辆的数据或道路交通的静止装置的数据,以便通过评估所述数据达到车辆的自主的或至少半自主的行驶(Car2X通信)。
背景技术
在自主行驶时,驾驶员必需在至少很长的路径上几乎不再介入行驶过程。在半自主行驶时至少是这样的,即,车辆自动地、亦即没有驾驶员介入地对特定的交通状况做出反应并且因此以如下方式避免例如与在前方较为缓慢行驶的车辆碰撞,即,在接近该在前方行驶的车辆时自动导入制动过程。为了能执行这种自动化的行驶操纵,借助传感器系统的传感器来检测:其它车辆、行人或其它障碍物在该车辆的周边环境中处于何处。
在装备有相应传感器系统的车辆实际上、即在真实的道路网中能半自主地或自主地行驶运行前,必须执行多次测试,以便保证:半自主或自主的行驶确实是可靠的和安全的。虽然这种测试典型地在后期阶段中也在有真实车辆的公共道路上进行。但通常都会事先执行仿真形式的测试。为了检查传感器系统对大量不同的、也无法预见的状况的反应,在现有技术中已知的是,随机地,也就是说,尽可能逼真地、不预设特定的交通状况地执行这种测试。然而这种随机的测试因此变得极为耗时,因为所执行的行驶操纵根据定义均没有被预定义并且人们因此必须等待引起测试车辆做出反应的可用状况。
由DE102005047591A1已知一种用于在操作机动车时给驾驶员减负的方法,该机动车带有用于执行多个不同的行驶操纵的多个驾驶员辅助系统和用于获取描述当前行驶状况的状况数据的器件。所述方法包括下列步骤:通过机动车获取状况数据,借助所述状况数据通过机动车确定限定量的符合状况的行驶操纵以及根据唯一一个符合状况的行驶操纵的实施在机动车和驾驶员之间进行协调。
此外,由DE102006044086A1已知一种用于对交通状况进行虚拟仿真的系统和方法,该系统带有用于图像显示虚拟的交通状况的显示单元和输入单元,并且带有至少一个模型化的参考车辆和至少另一个模型化的交通参与者,其中,参考车辆具有模型化的探测装置来检测该参考车辆的虚拟的周边环境并且参考车辆至少暂时在考虑到由所述探测装置检测到的信息的情况下在仿真的交通状况期间进行表现。因此尤其应当提供一种系统来分析临近事故的危险状况。
由DE102017116192A1已知一种用于使用虚拟的数据来测试和训练停车位检测系统的方法和系统。该发明的一些方面将虚拟的行驶环境与(例如雷达系统的)传感器模型集成,以便在较短的时间间隔内提供较大量的虚拟的雷达数据。传感器模型检测用于训练数据组的相关参数的值。相关参数可以所记录的数据随机化,以便确保有最小偏差的多样化的训练数据组。因为行驶环境被虚拟化,所以所述训练数据组能和地面实况数据一起生成。地面实况数据用于标注实际的位置,实际的位置用于训练一种用于检测空位边界的停车位分类算法。
由DE102016109651A1已知,一种虚拟的自主车辆可以在有其它随机行驶的交通参与者的虚拟环境中行驶,以便引发和记录行驶状况。
最后,文献“用于在驾驶仿真器中仿真和生成周围车辆的模型”(Johan JansonOlstam,林雪平大学,诺尔雪平2005)公开了一种带有具有随机行驶的虚拟交通参与者的虚拟环境的驾驶仿真器和在虚拟的环境中生成预定义的交通状况。
发明内容
本发明的任务是,在为测试车辆仿真不同的交通状况时,提高真正引发测试车辆的自主的或半自主的反应的可用状况的频率,而不会明显妨碍仿真的真实性。
该任务通过权利要求1的技术方案解决。优选的扩展设计在从属权利要求中说明。
因此按照本发明规定了一种用于为测试车辆仿真不同的交通状况的方法,带有下列方法步骤:
-使测试车辆仿真地行驶通过预先确定的仿真的道路网;
-使多个其它车辆仿真地随机化行驶通过所述道路网;
-检测至少一个针对测试车辆的行驶参数;
-检测在测试车辆周围的预先确定的测试区内的其它车辆、优选所有其它车辆的至少一个的相应的行驶参数;
-在其它车辆随机化行驶期间,检查测试车辆和至少一个其它车辆在测试区中是否处于预定义的交通状况中,其中,预定义的交通状况由测试区内的其它车辆的至少一个行驶参数、特别是可选也由其它车辆的或者测试车辆的另一些行驶参数得出;以及
-针对测试车辆和至少一个其它车辆在测试区内处于预定义的交通状况中的情形,结束处在预定义的交通状况中的至少一个其它车辆的随机化行驶,并且强制不再随机化行驶的其它车辆的预先确定的行驶操纵,其中,预先确定的行驶操纵由所检测到的预定义的交通状况预定。
按照本发明,因此检查是否存在预定义的交通状况。这种预定义的交通状况包括测试车辆的至少一个行驶参数和测试区内其它车辆的至少一个行驶参数,并且始终在满足这些行驶参数时与其它车辆的所检测到的行驶参数独立地得出。
对本发明重要的是,仿真地随机化其它车辆的行驶,这被理解为,其它车辆在仿真中随机地、但也按照预先确定的规则运动通过道路网,按照所述规则,与所有其它车辆一样对待测试车辆。预先确定的规则对所有其它车辆可以是相同的或者也可以是不同的。尤其能通过所述规则为每一个其它车辆预定参数,例如功率、车辆的类型等。此外可以规定:相应的其它车辆驶过了预先确定的路线或者按照统计选用了这条路线。此外可以规定:其它车辆行驶得有多快、典型地在道路的哪条车道上行驶以及有没有遵守交通规则或遵守交通规则到何种程度。特别适用于所有车辆的是,所有的车辆均逼真地,也就是说,貌似真实地运动通过车流,在车辆行驶时因此考虑到了其它的车辆以及通常不会离开所述道路网。
但是在车辆的这种随机化行驶中仍然出现了危急的状况,在危急的状况中产生了或者可能产生危险状况。危险状况可能尤其是至少在两辆车之间的碰撞或者在这种碰撞之前发生的状况。但危险状况也可以是这样一种状况,在该状况下,仅单辆车、如单独测试车辆出现了危险,该测试车辆例如发生了打滑或者离开了或者可能离开道路。此外,测试车辆的行驶可以通过预先确定的道路网沿着预先确定的路线进行或者至少部分是随机的,因而例如在每个接下来的十字路口上纯按照统计来决定,测试车辆是否拐弯以及如果拐弯时朝哪里拐弯。
如在上面已经进一步阐述的那样,在本发明的范畴内适用于测试车辆的是,该测试车辆优选具有用于检测在车辆的周围环境中的物体的、具有至少一个传感器的传感器系统,并且至少部分基于由该传感器系统检测到的信号加以控制。以这种方式能够仿真:测试车辆在危急的状况下如何自主地或半自主地表现。通过传感器系统检测在测试车辆的周围环境中的物体,当然取决于相应的传感器的有效范围和定向。典型的传感器包括超声传感器、相机、RADAR传感器和LIDAR传感器,其中,后三者通常具有比超声传感器更大的有效范围。
测试车辆在仿真的道路网中的行驶当然是虚拟的。尽管如此仍能实现不同的仿真模式,在不同的仿真模式中,硬件以不同的程度参与。完全仿真指的是“软件在环”或“模型在环”。在此仿真所有,即在此不仅仿真道路网和其它车辆,而且也仿真测试车辆连同它的传感器系统、测试车辆通过道路网的行驶以及通过传感器系统的至少一个传感器对测试车辆的周围环境的检测。“硬件在环”指的是,在测试时在硬件方面使用例如真正的控制器和/或传感器系统的真正的传感器。最后,“汽车硬件在环”指的是真的用测试车辆进行驾驶。测试车辆的真正的驾驶通常发生在闭锁的场地上,如停运的机场上,其中,将代表了仿真的道路网和带有其它车辆的仿真的周围环境的仿真信号输送给测试车辆的传感器。
因此可以通过一位真正的驾驶员(汽车硬件在环)或者通过仿真的驾驶员(软件/模型/硬件在环)驾驶测试车辆通过预先确定的道路网。在仿真的驾驶员的情形下,完全仿真地进行测试车辆通过道路网的行驶。但如之前阐释的那样,也可以在闭锁的区域上借助真正的驾驶员来驾驶真正的测试车辆,其中,将仿真的信号导入给测试车辆的传感器系统的传感器,以便仿真在测试车辆的周围环境中的其它车辆。在此总体上涉及测试车辆的真正的半自主的行驶。
测试车辆可以真正地或者在仿真中,即也完全自主地行驶通过道路网。此外也可能的是,可以由真正的驾驶员例如在带有后置的驾驶室的驾驶仿真器中在硬件/模型/软件在环仿真的范畴内驾驶虚拟的车辆,驾驶室例如包括真正的车辆的方向盘、踏板、换挡杆和其它操作元件。
在测试车辆周围的测试区可以设定成大小不同。在测试车辆周围的测试区尤其优选至少这么大,使得多个其它车辆能在该区中以及因此在测试车辆附近行驶。按照本发明的一种优选的扩展设计方案规定,在测试车辆周围的测试区的大小至少对应传感器系统的最大的有效范围。测试区因此覆盖基于传感器系统的传感器所能检测到的整个区域。因此仿真尤为逼真,因为可以考虑到也能借助传感器系统在实践中真正加以检测的所有其它车辆。
此外,按照一种优选的扩展设计方案规定,测试区直到直接达到测试车辆为止和/或完全包围测试车辆,并且因此在极端情况下这些其它车辆也完全处在测试区中,其它车辆按照危急的状况与测试车辆处于直接接触,例如在碰撞时或碰撞前不久。
就从测试车辆和其它车辆检测到的行驶参数而言,考虑到了能够定义一种交通状况的不同的参数。按照本发明的一种优选的扩展设计方案,使用测试车辆的或至少一个其它车辆的位置和/或测试车辆的或至少一个其它车辆的速度和/或测试车辆的或至少一个其它车辆的定向和/或测试车辆的或至少一个其它车辆的加速度作为行驶参数。当然也能考虑其它的参数,原则上也考虑到了测试车辆或另一个测试车辆的类型,即是否涉及小型汽车、高级轿车、SUV、小型运输车或载重汽车,和车辆是否牵引例如有特定长度的挂车。此外,优选不仅考虑到了唯一一个其它车辆,而且也考虑到了在测试区内的多个其它车辆。
就关于这些驾驶参数的预定义的交通状况而言,原则上也能为所述行驶参数定义准确地确定的单值。不过预定义的交通状况优选由针对考虑到参数的相应的值域得出。以这种方式在随机化测试的范畴内明显产生了更多的交通状况,按照所述交通状况就以如下方式偏离了纯随机化的测试,即,至少一个其它车辆实施由相应的交通状况预定的行驶操纵。此外,这种其它车辆优选还实施这种预定的行驶操纵,所述车辆在定义交通状况时也进行了参与,即所述车辆用其至少一个行驶参数形成一部分定义。
就其它车辆的位置而言,所述位置优选通过其它车辆相对测试车辆的相对位置得出。这种相对位置优选是相对测试车辆的相对的纵向位置、相对测试车辆的相对的横向位置和/或其它车辆相对测试车辆行驶的行驶轨迹。此外有利的是,其它车辆的速度和/或加速度至少选择性地与测试车辆相关地说明。在这种设计方案中,可以例如完全或部分以如下方式来定义预定义的交通状况,即,另一个车辆与测试车辆或其它车辆的绝对速度无关地采用一种相对测试车辆的特定的相对速度。
此外,按照本发明的一种优选的设计方案,在仿真的范畴内规定了多个其它车辆仅在与测试车辆的预先确定的间距内随机化地行驶通过道路网。在此,测试车辆的预先确定的间距优选对应在测试车辆周围的测试区。因此优选规定,在仿真的范畴内在测试区外“生成”其它车辆,然后驶入测试区,并且倘若其它车辆在前方、后方或侧向再次离开测试区,那么它就离开了仿真。
原则上也可以考虑的是,仅规定了唯一一种预定义的交通状况,在该交通状况中偏离了纯随机化的测试。不过按照本发明的一种优选的扩展设计方案预定了多个预定义的交通状况,在达到所述交通状况时引发了至少一个其它车辆的预先确定的行驶操纵。
原则上也可能的是,通过检测到的预定义的交通状况预定,通过至少一个其它车辆来执行多个预先确定的行驶操纵中的其中一个。因此可以例如按照统计从预定的组中选出这种预先确定的行驶操纵。
同样可能的时,为唯一一个预先确定的行驶操纵规定多个预定义的交通状况,其中,从多个预定义的交通状况中选出各一个交通状况,在该交通状况中,针对测试车辆和至少一个其它车辆处在所选出的交通状况中的情形,强制执行不再随机化行驶的车辆的预先确定的行驶操纵,其中,特别是循环地或随机地、重复地执行来自多个预定义的交通状况中的一个新的交通状况。最后的实施方式有时可能例如以下列方式促成对不同的测试状况的更好的覆盖,即,在前方行驶的车辆执行由于撞上而强制的行驶操纵之前,允许测试车辆以不同的密度紧跟前方行驶的车辆。
按照本发明的一种优选的扩展设计方案规定,测试车辆的和参与了危急的交通状况的至少一个其它车辆的、优选这些其它车辆的行驶参数,至少从一个时间点起被记录,在该时间点上检测到存在预定义的交通状况。以这种方式也在事后能对相应的状况进行分析并且可以限定地重复相应的状况。优选记录了测试车辆的和参与了危急的交通状况的其它车辆的下列行驶参数:测试车辆的或至少一个其它车辆的位置和/或测试车辆的或至少一个其它车辆的速度和/或测试车辆的或至少一个其它车辆的定向和/或测试车辆的或至少一个其它车辆的加速度。
此外,本发明还涉及一种非易失的、计算机可读的存储介质和储存于其上的指令,当在处理器上实施所述指令时,指令如之前所说明那样产促成了一种方法。
最后,本发明也涉及一种计算机系统,该计算机系统如之前所说明那样设置用于执行一种方法。
附图说明
接下来借助附图在优选的实施例的范畴内进一步详细阐释本发明。
附图中:
图1示意性示出了按照本发明的一种优选的实施例的第一种交通状况;
图2示意性示出了按照本发明的一种优选的实施例的第二种交通状况;
图3示意性示出了按照本发明的一种优选的实施例的第三种交通状况;
图4示出了按照本发明的一种优选的实施例的GUI,通过该GUI能在屏幕上输入预定义的交通状况。
具体实施方式
在本发明中重要的是,通过提高仿真中令人感兴趣的可用事件的时间密度来提高随机化测试的效率。对用于高度自动化的(半自主)或自主驾驶的控制器的测试,与对行驶动态调节系统的测试等相比,不仅以显著更大数量的仿真的测试公里数为前提。更确切地说,尤其也必须对各种不同的交通状况进行仿真。在传统的方法中,必须在准备阶段准确地预定义这些交通状况。但因为在半自主或完全自主驾驶时用于功能性的测试耗费较高,所以有必要一方面能简单地创建有大量参与对象的测试场景。另一方面也应当能描绘没有准确地在准备阶段定义的测试场景,以便以这种方式加大测试深度。最后,半自主地或自主地行驶的车辆中的算法必须在任一行驶状况下均能正确和可靠地运行。
随机化的测试特别适合这个目的。取代准确地预定义短暂的行驶操纵,虚拟的车辆超过很长一个时间段都在大型虚拟道路网中运动并且在此与大量其它交通参与者、主要与也称为“伙伴”的其它车辆交互。当特别是实时执行这些测试时,这些测试当然极为耗时,因为人们必须等待引发测试车辆反应的令人感兴趣的状况。因此用按照本发明当前所说明的优选的实施例的方法提高了这种状况的频繁性。
现在,按照本发明在当前所说明的优选的实施例的、用于为测试车辆仿真不同的交通状况的方法,规定了下列方法步骤:
虚拟的测试车辆在仿真的范畴内、在此为完全仿真(软件在环)的范畴内行驶通过预先确定的仿真的道路网。在此可以为测试车辆预定预先确定的路线或者测试车辆可以按照统计以如下方式行驶通过道路网,即,在每一个分岔可能性中纯按照统计来重新决定,测试车辆是否走分岔路以及如果走分岔路的话走哪条分岔路。在所述测试车辆周围发生了多个其它车辆通过道路网的仿真的、随机化行驶。所述其它车辆独立地、貌似真实地并且相对测试车辆和相对其它车辆一样地表现。由此产生了始终全新的、没有在准备阶段定义的、和在现实中一样的交通状况。当然通常实际上不产生可以在其中测试自主或半自主地行驶的测试车辆的自动反应的危急交通状况。
就此而言,按照本发明的当前所说明的优选的实施例的方法还规定:检测用于测试车辆的多个行驶参数,如测试车辆的位置、测试车辆的速度、测试车辆的定向和测试车辆的加速度。也检测用于所有在预先确定的测试区中在测试车辆周围的其它车辆的相应的行驶参数,即位置、速度、定向和加速度。该测试区在此被这样设定大小,使得它超过了设置在测试车辆中的传感器系统的所有传感器的有效范围。换句话说:可以由测试车辆的传感器系统的传感器检测的所有其它车辆,因此也通过测试区被考虑到。
现在,在其它车辆随机化行驶期间连续地检查:测试车辆和其它车辆在测试区内是否处在预定义的交通状况中。为此预定义适合由一个相应的交通状况引发危急的交通状况的多个交通状况,在该危急的交通状况中可以预期测试车辆的自动的反应。这种预定义的交通状况通过测试车辆的和测试区内确定数量的其它车辆的上述行驶参数得出。为这些行驶参数预定义值域,因而存在针对如下这样的交通状况的一定的容限,所述交通状况适合主动地、即在至少一个其它车辆退出(aufgabe)随机化行驶下引发危急的交通状况。
针对测试车辆和预定数量的其它车辆在测试区中处于预定义的交通状况中的情形,当然也退出了参与危急的交通状况的其它车辆的随机化行驶,并且为其它车辆中的至少一个车辆强制预先确定的行驶操纵,以便引发对测试车辆来说危急的并且也因此基于由测试车辆的传感器系统的传感器检测到的信号产生测试车辆的自主的或半自主的反应的交通状况。在此还额外适用的是,在检测到测试车辆和预先确定数量的其它车辆在测试区中处于预定义的交通状况中时,记录包括测试车辆在内的所参与的车辆的行驶参数,以便之后能分析并且必要时能限定地再调整所产生的状况。
在此可以通过不同参数的变化使交通状况简单地变化,即通过仿真参数、如车辆的数量和车辆的开始位置的变化,和车辆参数、如由车辆的功率和其结构得出的车辆类型如PKW、LKW、带有挂车等的变化。变化的也还可以是如额定速度、安全间距、交通流量、平均速度等的参数。
适合引发危急的交通状况的预定义的交通状况,可以借助针对所检测到的行驶参数的相应值域被预定义成抽象的和有容限的状况。因此可以定义状态模式,如“右边车道堵塞、在左边车道上车辆快速地从后方靠近、在相同的车道上一车辆在前方行驶”。若检测到了这种预定的交通状况,那么为所参与的车辆施加之前定义的运动行为,如“在前方行驶的车辆以-8m/s2减速到15km/h”或者“正在超车的车辆保持速度并且插入到测试车辆之前5m”。
通过识别这些有容限的场景、所参与车辆的选择和为至少一个其它车辆施加预先定义的运动行为,特别是无中断地产生了车辆的切合实际的运动,因而包括自主的或半自主的行驶的有待测试的算法在内的测试车辆的传感器系统应当能做到这一点。以这种方式可以确保:危急的交通状况事实上仅在测试车辆上出现并且几乎不会在其它车辆本身上出现。用按照本发明的当前所说明的优选的实施例的方法因此能在任意貌似真实的状况中测试、记录和评估具体的、有待测试的场景,即危险的状况和可能的错误行为。因此能将在可以预料到测试车辆的自动的反应的两个危急的交通状况之间的平均时间间隔减小若干个数量级。
图1示出了在也称为本车辆(Ego-Fahrzeug)的测试车辆E周围具有多个其它车辆的交通群。为清楚起见,其它车辆没有标出自己的附图标记。测试车辆E处在围绕测试车辆的虚拟的测试区T内的中心。在仿真的范畴内,车辆在测试区T外被初始化(作为围绕车辆的椭圆形示出)并且在从测试区出来之后被解除初始化(通过车辆上方的十字叉示出)。在该测试区T内,其它车辆按照它们的参数化貌似真实地表现。导致其它车辆退出完全随机化行驶的预定义的交通状况,可以例如如下借助必须同时被满足的四条标准加以定义:
标准1:在和测试车辆相同的车道上在测试车辆E之前的车辆与测试车辆E具有小于50m的间距。
标准2:在测试车辆E的右边的车道上的车辆与测试车辆E具有小于10m的间距。
标准3:在测试车辆E的左边的车道上的车辆与测试车辆E具有小于10m的间距
标准4:测试车辆以至少40km/h的速度运动。
当识别到在测试车辆E前有一辆车并且左边和右边的车道被其它车辆占据时,可以给在测试车辆之前的在前方行驶的车辆施加强烈制动。制动减速能事先被固定地调整并且可以在不同的仿真运行中改变。这在图2中示意性示出。测试车辆E因此接近在它前方行驶的其它车辆,因为所述其它车辆制动,因而可以检查:测试车辆在此在自主的或半自主的行驶运行中如何表现。
用于定义示例性的预定义的交通状况的四条标准不应理解为是唯一的,也就是说,其未包含对在测试区T内存在未被其中三个标准包括进去的其它车辆的陈述。因此并且由于所述标准的容限保持了对随机化测试重要的偶然元素。标准例如对于是否能换道操纵到另一条行驶车道上或者在测试车辆后方行驶的其他车辆是否禁止测试车辆E的制动操纵保持开放。
当状况检查识别到了这样一种状况,即,在右边的车道上存在一定数量的车辆时,那么可以选出特定的车辆来用之前确定的参数执行车道变换。可以在不同的仿真运行中改变车道变换。这在图3中被示出,在其中一辆其它车辆在右边在测试车辆E之前以如下方式引起了危急的状况,即,该其它车辆在测试车辆E前不远处在测试车辆之前行驶到中间的车道上。在此也可以检查:测试车辆是否处于自主的或半自主的行驶运行中。
按照本发明的一种优选的实施例,预定义的交通状况可以通过在屏幕上的GUI输入,如在图4中示例性地针对在图2中所示例子示出那样。GUI是用于构建仿真环境的软件的一部分。操纵定义包括称为“本车辆(Ego)”的测试车辆E和能由用户任意选择数量的伙伴。在文本输入区“要求”中能为每一个伙伴储存一个形式为绝对参数或与测试车辆的相对参数的额定给定。在第二文本输入区“车辆操纵”中能为每一个伙伴定义一项操纵,一旦满足所有在左侧定义的额定给定,相应的伙伴就实施所述操纵。空白的区域意味着:相应的伙伴不应当执行特殊的操纵。测试车辆例如应当在此以至少40km/h快速行驶,并且第一个伙伴应当在测试车辆的左边的车道上以最大10m的间距处于测试车辆E之前或之后。
附图标记列表
E 测试车辆
T 测试区
Claims (12)
1.一种用于为测试车辆(E)仿真不同的交通状况的方法,所述方法带有下列方法步骤:
-使测试车辆(E)仿真地行驶通过预先确定的仿真的道路网;
-使多个其它车辆仿真地随机化行驶通过所述道路网;
-检测至少一个针对测试车辆(E)的行驶参数;
-检测用于在测试车辆(E)周围的预先确定的测试区(T)内的所有其它车辆的至少一个相应的行驶参数;
-在所述其它车辆随机化行驶期间,检查测试车辆(E)和至少一个其它车辆在测试区(T)中是否处于预定义的交通状况中,其中,预定义的交通状况由测试区(T)内其它车辆的至少一个行驶参数或者由测试区内测试车辆(E)的至少一个行驶参数和其它车辆的至少一个行驶参数得出;以及
-针对测试车辆(E)和至少一个其它车辆在测试区(T)内处于预定义的交通状况中的情形,结束处在预定义的交通状况中的至少一个其它车辆的随机化行驶,并且强制不再随机化行驶的其它车辆的预先确定的行驶操纵,其中,所述预先确定的行驶操纵由所检测到的预定义的交通状况预定。
2.按照权利要求1所述的方法,其中,所述测试车辆(E)具有用于检测在车辆的周围环境中的物体的、带有至少一个传感器的传感器系统,并且至少部分基于由传感器系统检测到的信号加以控制。
3.按照权利要求2所述的方法,其中,在所述测试车辆(E)周围的测试区(T)的尺寸足够大,使得多个其它车辆能在所述测试区中行驶。
4.按照前述权利要求中的任一项所述的方法,其中,所述测试车辆(E)的位置或其它车辆的位置和/或所述测试车辆(E)的速度或其它车辆的速度和/或所述测试车辆(E)的定向或其它车辆的定向和/或所述测试车辆(E)的加速度或其它车辆的加速度用作行驶参数。
5.按照前述权利要求中的任一项所述的方法,其中,预定义的交通状况通过用于考虑到的行驶参数的相应的值域给定。
6.按照前述权利要求中的任一项所述的方法,其中,至少一个行驶参数在预定义的交通状况中预定为绝对值或者相对所述测试车辆(E)的相对值。
7.按照前述权利要求中的任一项所述的方法,其中,多个其它车辆仅在距所述测试车辆(E)的预先确定的间距内仿真地随机化行驶通过道路网。
8.按照权利要求7所述的方法,其中,与所述测试车辆(E)的预先确定的间距对应在所述测试车辆(E)周围的测试区(T)。
9.按照前述权利要求中的任一项所述的方法,其中,通过检测到的预定义的交通状况预定:执行正好一个预先确定的行驶操纵。
10.按照前述权利要求中的任一项所述的方法,带有下列附加的步骤:
-至少从已检测到存在预定义的交通状况的时间点起记录在所述测试区(T)内所述测试车辆(E)的行驶参数和其它车辆的行驶参数,在该时间点上已检测到存在预定义的交通状况。
11.非易失的、计算机可读的存储介质,带有储存在该存储介质上的指令,在处理器上执行指令时,指令引起按照权利要求1至9中的任一项所述的方法。
12.计算机系统,设置用于实施按照权利要求1至10任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18163089.8A EP3543985A1 (de) | 2018-03-21 | 2018-03-21 | Simulieren verschiedener verkehrssituationen für ein testfahrzeug |
EP18163089.8 | 2018-03-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110299003A true CN110299003A (zh) | 2019-10-01 |
Family
ID=61731691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910212058.5A Pending CN110299003A (zh) | 2018-03-21 | 2019-03-20 | 为测试车辆仿真不同的交通状况的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11238674B2 (zh) |
EP (1) | EP3543985A1 (zh) |
CN (1) | CN110299003A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113272744A (zh) * | 2019-12-17 | 2021-08-17 | 弗泰里克斯有限公司 | 用于监测自动驾驶车辆的适当行为的系统及其方法 |
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 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10754030B2 (en) * | 2018-10-23 | 2020-08-25 | Baidu Usa Llc | Methods and systems for radar simulation and object classification |
US10636295B1 (en) * | 2019-01-30 | 2020-04-28 | StradVision, Inc. | Method and device for creating traffic scenario with domain adaptation on virtual driving environment for testing, validating, and training autonomous vehicle |
US11391649B2 (en) * | 2019-05-29 | 2022-07-19 | Pony Ai Inc. | Driving emulation system for an autonomous vehicle |
US11565711B2 (en) | 2019-07-08 | 2023-01-31 | Morgan State University | System and method for generating vehicle speed alerts |
CN110926830A (zh) * | 2019-12-06 | 2020-03-27 | 上海蔚来汽车有限公司 | 自动驾驶车辆测试方法、装置以及控制器和介质 |
US11518406B2 (en) * | 2020-04-02 | 2022-12-06 | Toyota Research Institute, Inc. | Test failure detection using a governing agent data set |
US11964670B1 (en) | 2021-03-16 | 2024-04-23 | Nuro, Inc. | Methods and apparatus for estimating assurance |
CN113220000B (zh) * | 2021-05-11 | 2022-12-02 | 华中科技大学 | 一种面向水下探测作业的无人艇路径跟踪预设性能控制方法及系统 |
US20230177839A1 (en) * | 2021-12-02 | 2023-06-08 | Nvidia Corporation | Deep learning based operational domain verification using camera-based inputs for autonomous systems and applications |
CN114283649B (zh) * | 2022-01-14 | 2023-10-27 | 成都运达科技股份有限公司 | 列车巡检仿真培训系统和方法及培训设备和使用方法 |
CN115775457B (zh) * | 2023-01-31 | 2023-05-05 | 江苏天一航空工业股份有限公司 | 一种用于民航机场车路协同路径测试方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006044086A1 (de) * | 2006-09-20 | 2008-04-10 | Audi Ag | System und Verfahren zur Simulation von Verkehrssituationen, insbesondere unfallkritischen Gefahrensituationen, sowie ein Fahrsimulator |
WO2016172009A1 (en) * | 2015-04-24 | 2016-10-27 | Northrop Grumman Systems Corporation | Autonomous vehicle simulation system |
CN106094812A (zh) * | 2015-04-27 | 2016-11-09 | 通用汽车环球科技运作有限责任公司 | 用于自主驾驶的反应式路径规划 |
DE102016109651A1 (de) * | 2015-06-26 | 2016-12-29 | Fev Gmbh | Verfahren für die Validierung von Fahrzeugfunktionen eines virtuellen autonomen Fahrzeugs |
CN107146408A (zh) * | 2017-05-29 | 2017-09-08 | 胡笳 | 一种基于车联网的道路环保驾驶系统的控制方法 |
CN107226088A (zh) * | 2016-03-25 | 2017-10-03 | 松下电器(美国)知识产权公司 | 控制器、驾驶控制方法以及程序 |
CN107633303A (zh) * | 2016-07-19 | 2018-01-26 | 福特全球技术公司 | 使用虚拟数据测试和训练停车位检测系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6684358B1 (en) * | 1999-11-23 | 2004-01-27 | Janusz Rajski | Decompressor/PRPG for applying pseudo-random and deterministic test patterns |
DE102005047591A1 (de) | 2005-10-05 | 2007-04-12 | Bayerische Motoren Werke Ag | Verfahren zur Entlastung des Fahrers bei der Bedienung eines Kraftfahrzeugs |
US7839292B2 (en) * | 2007-04-11 | 2010-11-23 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
US10037689B2 (en) * | 2015-03-24 | 2018-07-31 | Donald Warren Taylor | Apparatus and system to manage monitored vehicular flow rate |
US20170072850A1 (en) * | 2015-09-14 | 2017-03-16 | Pearl Automation Inc. | Dynamic vehicle notification system and method |
US10496766B2 (en) * | 2015-11-05 | 2019-12-03 | Zoox, Inc. | Simulation system and methods for autonomous vehicles |
US9956963B2 (en) * | 2016-06-08 | 2018-05-01 | GM Global Technology Operations LLC | Apparatus for assessing, predicting, and responding to driver fatigue and drowsiness levels |
CN109643125B (zh) * | 2016-06-28 | 2022-11-15 | 柯尼亚塔有限公司 | 用于训练自动驾驶系统的逼真的3d虚拟世界创造与模拟 |
US20190295333A1 (en) * | 2016-09-16 | 2019-09-26 | Stoneridge, Inc. | Electronic Logging Device (ELD) Apparatus, System, and Method |
JP2020502718A (ja) * | 2016-12-19 | 2020-01-23 | スルグリーン・エルエルシー | デジタル優先度付与をもつ接続された適応型車両交通管理システム |
US20200151611A1 (en) * | 2017-05-26 | 2020-05-14 | Google Llc | Machine-Learned Model System |
US11351987B2 (en) * | 2019-09-13 | 2022-06-07 | Intel Corporation | Proactive vehicle safety system |
-
2018
- 2018-03-21 EP EP18163089.8A patent/EP3543985A1/de not_active Withdrawn
-
2019
- 2019-03-20 CN CN201910212058.5A patent/CN110299003A/zh active Pending
- 2019-03-20 US US16/359,294 patent/US11238674B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006044086A1 (de) * | 2006-09-20 | 2008-04-10 | Audi Ag | System und Verfahren zur Simulation von Verkehrssituationen, insbesondere unfallkritischen Gefahrensituationen, sowie ein Fahrsimulator |
WO2016172009A1 (en) * | 2015-04-24 | 2016-10-27 | Northrop Grumman Systems Corporation | Autonomous vehicle simulation system |
CN106094812A (zh) * | 2015-04-27 | 2016-11-09 | 通用汽车环球科技运作有限责任公司 | 用于自主驾驶的反应式路径规划 |
DE102016109651A1 (de) * | 2015-06-26 | 2016-12-29 | Fev Gmbh | Verfahren für die Validierung von Fahrzeugfunktionen eines virtuellen autonomen Fahrzeugs |
CN107226088A (zh) * | 2016-03-25 | 2017-10-03 | 松下电器(美国)知识产权公司 | 控制器、驾驶控制方法以及程序 |
CN107633303A (zh) * | 2016-07-19 | 2018-01-26 | 福特全球技术公司 | 使用虚拟数据测试和训练停车位检测系统 |
CN107146408A (zh) * | 2017-05-29 | 2017-09-08 | 胡笳 | 一种基于车联网的道路环保驾驶系统的控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113272744A (zh) * | 2019-12-17 | 2021-08-17 | 弗泰里克斯有限公司 | 用于监测自动驾驶车辆的适当行为的系统及其方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
EP3543985A1 (de) | 2019-09-25 |
US11238674B2 (en) | 2022-02-01 |
US20190295335A1 (en) | 2019-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110299003A (zh) | 为测试车辆仿真不同的交通状况的方法 | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
CN109358614A (zh) | 自动驾驶方法、系统、装置及可读存储介质 | |
CN110427682A (zh) | 一种基于虚拟现实的交通场景模拟实验平台和方法 | |
Yoo et al. | Stackelberg game based model of highway driving | |
CN112703459A (zh) | 对抗场景的迭代生成 | |
DE102020103509A1 (de) | Erkennung und vermeidung von kollisionsverhalten | |
Galko et al. | Vehicle-Hardware-In-The-Loop system for ADAS prototyping and validation | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN103996312A (zh) | 具有社会行为交互的无人驾驶汽车控制系统 | |
CN105684039B (zh) | 用于驾驶员辅助系统的状况分析 | |
Wachenfeld et al. | Virtual assessment of automation in field operation a new runtime validation method | |
CN114929543A (zh) | 预测周围因素的加塞概率 | |
CN105151044B (zh) | 车辆辅助驾驶方法及装置 | |
CN109147387A (zh) | 信息处理装置和程序 | |
US20220269836A1 (en) | Agent conversions in driving simulations | |
KR20200082672A (ko) | 게임서버 연계 자율주행 시뮬레이션 방법 | |
CN110874610B (zh) | 一种使用机器学习的人类驾驶行为建模系统及方法 | |
KR20230150350A (ko) | 차량의 운전자 보조 시스템을 시험하기 위한 방법 | |
Gonzalo et al. | Testing predictive automated driving systems: Lessons learned and future recommendations | |
EP4302165A1 (en) | Instantiating objects in a simulated environment based on log data | |
CN113071515B (zh) | 可移动载体控制方法、装置、可移动载体及存储介质 | |
US20220266859A1 (en) | Simulated agents based on driving log data | |
CN110435658A (zh) | 一种车辆控制方法、装置、车辆和存储介质 | |
CN117222988A (zh) | 用于产生用于测试车辆的驾驶员辅助系统的场景数据的方法和系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191001 |