CN111222750A - 无人驾驶车辆综合定量测评系统及其方法 - Google Patents
无人驾驶车辆综合定量测评系统及其方法 Download PDFInfo
- Publication number
- CN111222750A CN111222750A CN201911181818.7A CN201911181818A CN111222750A CN 111222750 A CN111222750 A CN 111222750A CN 201911181818 A CN201911181818 A CN 201911181818A CN 111222750 A CN111222750 A CN 111222750A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- vehicle
- unmanned vehicle
- test
- comprehensive
- 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
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims description 46
- 238000012360 testing method Methods 0.000 claims abstract description 152
- 238000011156 evaluation Methods 0.000 claims abstract description 150
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 22
- 238000013210 evaluation model Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 10
- 238000004445 quantitative analysis Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000408659 Darpa Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明揭示了无人驾驶车辆综合定量测评系统,包括测试条件评价模块,用于分析车辆的行驶环境要素和行驶任务要素对无人驾驶测试条件进行评价;测试结果评价模块,用于从安全性、智能性、平稳性和速度性四个方面对无人驾驶测试结果进行评价,得到车辆各方面单项性能得分;综合测评模块,用于选取序关系分析法对无人驾驶测试条件和测试结果模块进行赋权,采用模糊综合评价法最终得到车辆综合性能得分。本发明可以更全面的考虑车辆的表现,进行综合定量评价,使得评价结果更加合理、科学、可靠,从而促进无人驾驶技术的发展。
Description
技术领域
本发明属于无人驾驶技术领域,尤其涉及一种无人驾驶车辆综合定量测评 系统及其方法。
背景技术
随着无人驾驶车辆研究的不断深入。美国、欧洲和中国分别在2004年、2006 年和2009年开始在统一的测试环境、内容与评判标准下,有组织地举办无人驾 驶车辆赛事。通过赛事增进各研究机构之间的沟通与交流,促进无人驾驶车辆 研究的发展。主要的无人驾驶车辆赛事包括:美国DARPA分别于2004年、2005 年、2007年和2012年举办两届GrandChallenge、一届Urban Challenge和 一届Robotics Challenge;自2006年至今欧洲连续8届组织ELROB比赛;自 2009年至今NSFC连续5届举办“中国智能车未来挑战赛”。除了上述有组织地 进行无人驾驶车辆比赛之外,引起关注的还有意大利帕尔玛大学的洲际挑战赛 与谷歌无人驾驶的研究。
然而,无论是国内外有组织的无人驾驶车辆竞赛测评,还是开展的相关测 评研究,这些测评规则的设计都是按照其自身的无人驾驶车辆特点量身定制的, 目前的测评大多存在评价维度单一、主观性强、缺乏科学依据等局限性,这些 测评不能够全面、系统、客观地反映无人驾驶车辆的综合性能。
因此,为了全面、系统、客观地测试与评价智能驾驶车辆的综合性能,必 须系统地开展无人驾驶车辆认知测评的研究。通过对无人驾驶车辆测试条件和 结果进行综合测评,以评价智能驾驶车辆的安全性、智能性、平稳性和速度性 等各方面的性能,从而规范智能驾驶车辆技术的研究,推进相关测试评价体系 的完善。
发明内容
本发明的目的是为了解决上述技术问题,而提供无人驾驶车辆综合定量测 评系统及其方法,从而实现车辆综合定量评价,评价结果更加合理、科学、可 靠。为了达到上述目的,本发明技术方案如下:
无人驾驶车辆综合定量测评系统,包括车辆参数信息采集模块、无人驾驶 车辆测试条件评价模块、无人驾驶车辆测试结果评价模块和综合测评模块;
车辆参数信息采集模块包括采集感知系统、决策规划系统和控制执行系统 的相关数据采集;
无人驾驶车辆测试条件评价模块,用于对无人驾驶车辆的测试条件评价, 由行驶环境要素和行驶任务要素组成,得出无人驾驶车辆测试条件的评价分数;
无人驾驶车辆测试结果评价模块,用于获取车辆运动过程测试数据,对无 人驾驶车辆的测试结果进行评价;
综合测评模块,根据无人驾驶车辆测试条件评价模块、无人驾驶车辆测试 结果评价模块的评价结果综合得出无人驾驶车辆综合定量测评分数。
具体的,对所述无人驾驶车辆的测试结果进行评价,主要从车辆安全性、 智能性、平稳性和速度性进行评价,通过建立多级模糊综合评价模型计算无人 驾驶车辆测试结果的评价分数。
无人驾驶车辆综合定量测评方法,包括以下步骤:
S1,利用车辆参数信息采集模块获取感知系统、决策规划系统和控制执行系统 的数据信息;
S2,利用无人驾驶车辆测试条件评价模块对无人驾驶车辆的测试条件进行评价,该模块包括用于展示测试过程中的环境信息的行驶环境信息显示单元、用来展 示测试过程中的任务信息的行驶任务信息显示单元和用于对行驶环境和行驶任 务进行评价的测试条件评分单元;
S3,利用无人驾驶车辆测试结果评价模块通过采集到的车辆运动数据结合相关处理单元最终给出对车辆测试结果的各方面评分,该模块包括车辆轨迹信息单 元、车辆视频监控单元、车辆行驶信息显示单元和测试结果评分单元;
S4,利用综合测评模块根据车辆参数信息采集模块、无人驾驶车辆测试条件评 价模块、无人驾驶车辆测试结果评价模块,依据序关系分析法对无人驾驶车辆 测试条件、结果进行赋权,采用模糊综合评价法对无人驾驶车辆测试进行综合 评价,得到最终评价分数并进行实时显示。
具体的,步骤S1中,感知系统包括交通标志识别、车辆及其他交通参与者 的识别和路况的识别感知信息;决策规划系统包括局部路径规划与全局路径规 划、目标挑选、模式选择、是否换道的决策数据;控制执行系统包括对系统控 制性方面的速度控制、距离控制、轨迹跟踪、响应时间及完成时间。
具体的,步骤S2中,行驶环境信息显示单元包括基础环境信息和附加环境 信息;基础环境包括动态交通要素和静态交通要素,附加环境包括气候环境要 素和信息环境要素;其中,动态交通要素包括动态车辆、行人,静态交通要素 包括光照、道路和交通标志要素;气候环境要素主要包括雨天、雪天、雾天和 风沙要素;信息环境要素包括与其他车辆和道路基础设施进行实时信息共享。
具体的,步骤S2中,行驶任务信息显示单元包括多维度行驶任务和本体视 觉任务,多维度行驶任务包括交通参与者数目要素和交通行为机理要素,本体 视觉任务包括感知与定位系统要素、决策规划系统要素和控制执行系统要素。
具体的,步骤S2中,测试条件评分单元的行驶环境评价包括基础环境信息 复杂度评价和附加环境信息复杂度评价;行驶任务评价包括多维度行驶任务复 杂度评价和本体视觉任务复杂度评价。
具体的,步骤S2中,测试条件评分单元的评价流程为:对无人驾驶车辆测 试条件进行定性评价;采用序关系分析法对无人驾驶测试条件的各级评价指标 进行赋权;利用模糊综合评价法对无人驾驶测试条件进行评价,得到无人驾驶 车辆测试条件的定量评价结果。
具体的,步骤S3中,车辆轨迹信息单元通过车辆参数信息采集模块采集的 GPS定位信息来生成车辆运动的轨迹曲线,曲线可实时观察到车辆的行驶状态, 并与系统规划的理想轨迹进行对比;车辆视频监控单元通过实时显示车辆行驶 信息、外界环境、交通标志信息,对测试结果进行评测或者查询;车辆行驶信 息显示单元主要通过曲线图来显示车辆在行驶过程中尤其在转角或者弯道时的 转向、转向响应、侧倾三个方面的表现。
具体的,步骤S3中,测试结果评分单元采用安全性、智能性、平稳性和速 度性四个方面进行评价,根据测试场景对无人驾驶车辆测试过程中表现进行定 性评价;利用测试过程中采集的数据,运用李雅普诺夫函数对车辆运动部分指 标进行量化分析,作为车辆在该指标下系统稳定性的判断依据;依据量化分析 结果结合序关系分析法对无人驾驶车辆的各级指标进行赋权;采用模糊综合评 价法对无人驾驶车辆测试结果建立评价模型,计算综合评价分数。
与现有技术相比,本发明无人驾驶车辆综合定量测评系统及其方法的有益 效果主要体现在:
测试条件评价模块,用于分析车辆的行驶环境要素和行驶任务要素对无人 驾驶测试条件进行评价;测试结果评价模块,用于从安全性、智能性、平稳性 和速度性四个方面对无人驾驶测试结果进行评价,得到车辆各方面单项性能得 分;综合测评模块,用于选取序关系分析法对无人驾驶测试条件和测试结果模 块进行赋权,采用模糊综合评价法最终得到车辆综合性能得分。根据本发明的 无人驾驶车辆综合定量测评系统与方法可以更全面的考虑车辆的表现,进行综 合定量评价,使得评价结果更加合理、科学、可靠,从而促进无人驾驶技术的 发展。
附图说明
图1是本发明无人驾驶车辆测试条件评价流程图;
图2是实施例2中无人驾驶车辆测试条件的定性评价准则;
图3是实施例2中无人驾驶车辆测试结果评价流程图;
图4是实施例1-2中的无人驾驶车辆综合定量测评系统流程图;
具体实施方式
下面结合附图将对本发明实施例中的技术方案进行清楚、完整的描述,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。
实施例1:
参照图4所示,本实施例是一种无人驾驶车辆综合定量测评系统,包括车 辆参数信息采集模块、无人驾驶车辆测试条件评价模块、无人驾驶车辆测试结 果评价模块和综合测评模块;
其中,车辆参数信息采集模块主要包括采集感知系统、决策规划系统和控 制执行系统的相关数据采集。
无人驾驶车辆测试条件评价模块,用于对无人驾驶车辆的测试条件评价, 主要由行驶环境要素和行驶任务要素组成,得出无人驾驶车辆测试条件的评价 分数。
无人驾驶车辆测试结果评价模块,用于获取车辆运动过程测试数据,对无人 驾驶车辆的测试结果进行评价,主要从车辆安全性、智能性、平稳性和速度性 四个方面进行,通过建立多级模糊综合评价模型计算无人驾驶车辆测试结果的 评价分数。
综合测评模块,主要根据无人驾驶车辆测试条件评价模块、无人驾驶车辆 测试结果评价模块的评价结果综合得出无人驾驶车辆综合定量测评分数。
实施例2:
无人驾驶车辆综合定量测评方法,包括以下步骤:
S1,利用车辆参数信息采集模块获取感知系统、决策规划系统和控制执行 系统的数据信息,数据采集单元可通过原始数据、轨迹曲线等方式实时显示。 通过雷达、摄像头、GPS与惯导组合获取感知系统、决策规划系统和控制执行 系统的数据信息。
其中,感知系统包括交通标志识别、车辆及其他交通参与者的识别和路况 的识别等感知信息;决策规划系统包括局部路径规划与全局路径规划、目标挑 选、模式选择、是否换道等决策数据;控制执行系统包括对系统控制性方面的, 如速度控制、距离控制、轨迹跟踪、响应时间及完成时间。
S2,利用无人驾驶车辆测试条件评价模块,主要通过车辆行驶环境和行驶 任务对无人驾驶车辆的测试条件进行评价。该模块主要包括行驶环境信息显示 单元、行驶任务信息显示单元和测试条件评分单元。
行驶环境信息显示单元主要用来展示测试过程中的环境信息,主要包括基 础环境信息和附加环境信息。基础环境包括动态交通要素和静态交通要素,附 加环境包括气候环境要素和信息环境要素。其中,动态交通要素主要包括动态 车辆、行人;静态交通要素主要包括光照、道路和交通标志要素;气候环境要 素主要包括雨天、雪天、雾天和风沙要素;信息环境要素主要包括与其他车辆 和道路基础设施进行实时信息共享。
行驶任务信息显示单元主要用来展示测试过程中的任务信息,主要包括多 维度行驶任务和本体视觉任务。多维度行驶任务包括交通参与者数目要素和交 通行为机理要素,本体视觉任务包括感知与定位系统要素、决策规划系统要素 和控制执行系统要素。其中,交通参与者数目主要包括机动车、非机动车及行 人数目;交通行为机理主要包括机动车、非机动车辆及行人与无人驾驶车辆发 生的交互行为;感知与定位系统主要包括交通标志识别、车辆及其他交通参与 者的识别和路况的识别感知要素;决策规划系统主要包括局部路径规划与全局 路径规划、目标挑选、模式选择及是否换道决策要素;控制执行系统主要包括 速度控制、距离控制和轨迹跟踪要素。
测试条件评分单元主要用来对行驶环境和行驶任务进行评价。行驶环境评 价包括基础环境信息复杂度评价和附加环境信息复杂度评价;行驶任务评价包 括多维度行驶任务复杂度评价和本体视觉任务复杂度评价,具体参见附图1。
其中,测试条件评分单元的评价流程为:a)对无人驾驶车辆测试条件进行 定性评价;b)采用序关系分析法对无人驾驶测试条件的各级评价指标进行赋权; c)利用模糊综合评价法对无人驾驶测试条件进行评价,得到无人驾驶车辆测试 条件的定量评价结果。
无人驾驶车辆测试条件进行定性评价,主要是对指标层进行测试条件方面的 难易度评价,评价无人驾驶车辆所处测试环境、所需完成测试任务的等级。如 天气条件,考察无人驾驶车辆所处的环境是晴天、雨天、雾天或者风沙等,雾 天、风沙等天气恶劣情况下,对无人驾驶车辆的运动会有影响,其难度相较于 晴天等环境下要高,通过五个等级(难,较难,中,较易,易)给出评价结果, 具体参见附图2。
序关系分析法通过在指标集{x1,x2,...,xm}中将指标组成序关系,如下式所示:
r<sub>k</sub> | 说明 |
1.0 | 指标x<sub>k-1</sub>比x<sub>k</sub>同样重要 |
1.2 | 指标x<sub>k-1</sub>比x<sub>k</sub>稍微重要 |
1.4 | 指标x<sub>k-1</sub>比x<sub>k</sub>明显重要 |
1.6 | 指标x<sub>k-1</sub>比x<sub>k</sub>强烈重要 |
1.8 | 指标x<sub>k-1</sub>比x<sub>k</sub>极端重要 |
模糊综合评价法的无人驾驶车辆测试条件评价模型建立具体步骤如下:
1)在指标体系确定的基础上,针对单因素ui(i=1,2,3,...,m,m为因素数)进行单因 素评判,得到对应的评价等级vj(j=1,2,3,...,n,n为等级数)的隶属度rij。由此,m个因素的评价结果构成一个评价矩阵R,即确定了从U到V的模糊关系R,如下 式所示。其中,指标层的评价矩阵即为上述的定性测试结果,一般将R按行或 列进行归一化。
对于多层次的评价模型来说,采用多级模糊评价模型。由最下层开始计算, 得到的结果组成上一级评价要素的评价矩阵,以此类推得到无人驾驶测试条件 评价模型C。
3)计算无人驾驶车辆测试条件评价得分。通过确定隶属度等级(好,较好, 一般,较差,差)确定对应的分数集μ=[1.0 0.8 0.6 0.4 0.2]。百分制计分下的 综合得分G由下式计算得到:
G=100Cμ=(c1 c2 … cn)·μT×100
S3,无人驾驶车辆测试结果评价模块,主要包括车辆轨迹信息单元、车辆 视频监控单元、车辆行驶信息显示单元和测试结果评分单元,通过采集到的车 辆运动数据结合相关处理单元最终给出对车辆测试结果的各方面评分。
车辆轨迹信息单元主要通过车辆参数信息采集模块采集的GPS等定位信息 来生成车辆运动的轨迹曲线,曲线可实时观察到车辆的行驶状态,并与系统规 划的理想轨迹进行对比。
车辆视频监控单元主要通过实时显示车辆行驶信息、外界环境、交通标志 等信息,以便对测试结果进行评测或者查询。
车辆行驶信息显示单元主要通过曲线图来显示车辆在行驶过程中尤其在转 角或者弯道时的转向、转向响应、侧倾三个方面的表现,可直观地通过曲线的 波动情况来判断车辆在行驶过程中的平顺性,以便对车辆的操纵平稳性进行准 确评价。
测试结果评分单元主要采用从安全性、智能性、平稳性和速度性四个方面进 行评价的方法。一级目标层:对无人驾驶车辆测试结果的评价;二级准则层: 无人驾驶车辆的安全性、智能性、平稳性、速度性;三级要素层:安全性评价 包括功能安全和碰撞安全,智能性评价包括感知性能、行为决策规划和控制执 行,平稳性评价包括车辆操纵平稳性,速度性即为纵向速度;四级指标层即针 对要素层每项要素进行具体指标评价,具体参见图3所示。测试结果评分单元 的评价流程为:a)根据测试场景对无人驾驶车辆测试过程中表现进行定性评价; b)利用测试过程中采集的数据,运用李雅普诺夫函数对车辆运动部分指标进行量化分析,作为车辆在该指标下系统稳定性的判断依据;c)依据量化分析结果 结合序关系分析法对无人驾驶车辆的各级指标进行赋权;d)采用模糊综合评价 法对无人驾驶车辆测试结果建立评价模型,计算综合评价分数。
其中,根据测试场景对无人驾驶车辆测试过程中进行定性评价,主要对指标 层进行测试结果方面评价,评价无人驾驶车辆在所处测试场景中完成测试任务 的多方面表现。以前方车辆行驶状态、障碍物识别为例,通过判断前方车辆驶 入、对向车辆借道行驶时测试车辆能否根据目标车辆切入后的距离和速度自适 应调整车速,避免碰撞;判断测试车辆在遇到障碍物时能否通过制动、转向或 组合方式避障。通过5个等级(好,较好,中,较差,差)进行评价,若在避 障过程中不能正确开启转向灯(两次转向灯),则可给出(0,0.8,0.2,0,0),若在 避障过程中刹停或碾压道路边线,则可给出(0,0,0.6,0.4,0),且该过程每持续5 秒则评价系数可依次降低0.1,即(0,0,0.5,0.5,0),若避障过程中出现碰撞,则 给出(0,0,0,0,1)。
对车辆运行部分指标进行量化分析主要采用李雅普诺夫第二方法建立相关 能量函数,对当前车辆运动的非线性系统进行稳定性分析,计算最大李雅普诺 夫指数值。
考虑连续时间非线性系统时变自由系统:
其中f(0,t)=0,即状态空间的原点为系统的平衡状态,如果存在一对x和t具 有连续一阶偏导数的标量函数V(x,t),V(0,t)=0,且满足如下条件:
(1)V(x,t)正定且有界;
(3)当x的范数趋于无穷时,V(x,t)→∞,则系统在原点平衡状态下是大范围一 致渐近稳定的。
S4,综合测评模块,主要通过综合测评单元根据所述车辆参数信息采集模块、 无人驾驶车辆测试条件评价模块、无人驾驶车辆测试结果评价模块,依据序关 系分析法对无人驾驶车辆测试条件、结果进行赋权,采用模糊综合评价法对无 人驾驶车辆测试进行综合评价,得到最终评价分数并进行实时显示。
应用本实施例时,测试条件评价模块,用于分析车辆的行驶环境要素和行 驶任务要素对无人驾驶测试条件进行评价;测试结果评价模块,用于从安全性、 智能性、平稳性和速度性四个方面对无人驾驶测试结果进行评价,得到车辆各 方面单项性能得分;综合测评模块,用于选取序关系分析法对无人驾驶测试条 件和测试结果模块进行赋权,采用模糊综合评价法最终得到车辆综合性能得分。 根据本发明的无人驾驶车辆综合定量测评系统与方法可以更全面的考虑车辆的 表现,进行综合定量评价,使得评价结果更加合理、科学、可靠,从而促进无 人驾驶技术的发展。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说, 在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于 本发明的保护范围。
Claims (10)
1.无人驾驶车辆综合定量测评系统,其特征在于:包括车辆参数信息采集模块、无人驾驶车辆测试条件评价模块、无人驾驶车辆测试结果评价模块和综合测评模块;
车辆参数信息采集模块包括采集感知系统、决策规划系统和控制执行系统的相关数据采集;
无人驾驶车辆测试条件评价模块,用于对无人驾驶车辆的测试条件评价,由行驶环境要素和行驶任务要素组成,得出无人驾驶车辆测试条件的评价分数;
无人驾驶车辆测试结果评价模块,用于获取车辆运动过程测试数据,对无人驾驶车辆的测试结果进行评价;
综合测评模块,根据无人驾驶车辆测试条件评价模块、无人驾驶车辆测试结果评价模块的评价结果综合得出无人驾驶车辆综合定量测评分数。
2.根据权利要求1所述的无人驾驶车辆综合定量测评系统,其特征在于:对所述无人驾驶车辆的测试结果进行评价,主要从车辆安全性、智能性、平稳性和速度性进行评价,通过建立多级模糊综合评价模型计算无人驾驶车辆测试结果的评价分数。
3.无人驾驶车辆综合定量测评方法,其特征在于,包括以下步骤:
S1,利用车辆参数信息采集模块获取感知系统、决策规划系统和控制执行系统的数据信息;
S2,利用无人驾驶车辆测试条件评价模块对无人驾驶车辆的测试条件进行评价,该模块包括用于展示测试过程中的环境信息的行驶环境信息显示单元、用来展示测试过程中的任务信息的行驶任务信息显示单元和用于对行驶环境和行驶任务进行评价的测试条件评分单元;
S3,利用无人驾驶车辆测试结果评价模块通过采集到的车辆运动数据结合相关处理单元最终给出对车辆测试结果的各方面评分,该模块包括车辆轨迹信息单元、车辆视频监控单元、车辆行驶信息显示单元和测试结果评分单元;
S4,利用综合测评模块根据车辆参数信息采集模块、无人驾驶车辆测试条件评价模块、无人驾驶车辆测试结果评价模块,依据序关系分析法对无人驾驶车辆测试条件、结果进行赋权,采用模糊综合评价法对无人驾驶车辆测试进行综合评价,得到最终评价分数并进行实时显示。
4.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S1中,感知系统包括交通标志识别、车辆及其他交通参与者的识别和路况的识别感知信息;决策规划系统包括局部路径规划与全局路径规划、目标挑选、模式选择、是否换道的决策数据;控制执行系统包括对系统控制性方面的速度控制、距离控制、轨迹跟踪、响应时间及完成时间。
5.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S2中,行驶环境信息显示单元包括基础环境信息和附加环境信息;基础环境包括动态交通要素和静态交通要素,附加环境包括气候环境要素和信息环境要素;其中,动态交通要素包括动态车辆、行人,静态交通要素包括光照、道路和交通标志要素;气候环境要素主要包括雨天、雪天、雾天和风沙要素;信息环境要素包括与其他车辆和道路基础设施进行实时信息共享。
6.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S2中,行驶任务信息显示单元包括多维度行驶任务和本体视觉任务,多维度行驶任务包括交通参与者数目要素和交通行为机理要素,本体视觉任务包括感知与定位系统要素、决策规划系统要素和控制执行系统要素。
7.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S2中,测试条件评分单元的行驶环境评价包括基础环境信息复杂度评价和附加环境信息复杂度评价;行驶任务评价包括多维度行驶任务复杂度评价和本体视觉任务复杂度评价。
8.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S2中,测试条件评分单元的评价流程为:对无人驾驶车辆测试条件进行定性评价;采用序关系分析法对无人驾驶测试条件的各级评价指标进行赋权;利用模糊综合评价法对无人驾驶测试条件进行评价,得到无人驾驶车辆测试条件的定量评价结果。
9.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S3中,车辆轨迹信息单元通过车辆参数信息采集模块采集的GPS定位信息来生成车辆运动的轨迹曲线,曲线可实时观察到车辆的行驶状态,并与系统规划的理想轨迹进行对比;车辆视频监控单元通过实时显示车辆行驶信息、外界环境、交通标志信息,对测试结果进行评测或者查询;车辆行驶信息显示单元主要通过曲线图来显示车辆在行驶过程中尤其在转角或者弯道时的转向、转向响应、侧倾三个方面的表现。
10.根据权利要求3所述的无人驾驶车辆综合定量测评方法,其特征在于:步骤S3中,测试结果评分单元采用安全性、智能性、平稳性和速度性四个方面进行评价,根据测试场景对无人驾驶车辆测试过程中表现进行定性评价;利用测试过程中采集的数据,运用李雅普诺夫函数对车辆运动部分指标进行量化分析,作为车辆在该指标下系统稳定性的判断依据;依据量化分析结果结合序关系分析法对无人驾驶车辆的各级指标进行赋权;采用模糊综合评价法对无人驾驶车辆测试结果建立评价模型,计算综合评价分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911181818.7A CN111222750A (zh) | 2019-11-27 | 2019-11-27 | 无人驾驶车辆综合定量测评系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911181818.7A CN111222750A (zh) | 2019-11-27 | 2019-11-27 | 无人驾驶车辆综合定量测评系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111222750A true CN111222750A (zh) | 2020-06-02 |
Family
ID=70810442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911181818.7A Pending CN111222750A (zh) | 2019-11-27 | 2019-11-27 | 无人驾驶车辆综合定量测评系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222750A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180927A (zh) * | 2020-09-27 | 2021-01-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶时域构建方法、设备、存储介质及装置 |
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 |
CN112465395A (zh) * | 2020-12-15 | 2021-03-09 | 同济大学 | 一种面向自动驾驶汽车的多维度综合评价方法及装置 |
CN113379333A (zh) * | 2021-07-22 | 2021-09-10 | 交通运输部公路科学研究所 | 一种辅助驾驶营运车辆智能化等级评价方法 |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
CN113626337A (zh) * | 2021-08-26 | 2021-11-09 | 中汽创智科技有限公司 | 一种数值化评价智能网联车测试的方法及装置 |
CN113642708A (zh) * | 2021-08-13 | 2021-11-12 | 北京赛目科技有限公司 | 一种车辆环境等级识别模型的训练方法、识别方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829980A (zh) * | 2012-03-29 | 2012-12-19 | 中国科学院自动化研究所 | 一种智能车辆的智能程度测评方法 |
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
US20170364083A1 (en) * | 2016-06-21 | 2017-12-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Local trajectory planning method and apparatus for smart vehicles |
DE102016210760A1 (de) * | 2016-06-16 | 2017-12-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Interaktion zwischen einem Fahrzeug und Verkehrsteilnehmer |
CN108225364A (zh) * | 2018-01-04 | 2018-06-29 | 吉林大学 | 一种无人驾驶汽车驾驶任务决策系统及方法 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
CN108304986A (zh) * | 2017-12-15 | 2018-07-20 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种自动驾驶车辆行为安全的测评方法 |
-
2019
- 2019-11-27 CN CN201911181818.7A patent/CN111222750A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829980A (zh) * | 2012-03-29 | 2012-12-19 | 中国科学院自动化研究所 | 一种智能车辆的智能程度测评方法 |
CN103234763A (zh) * | 2013-04-09 | 2013-08-07 | 北京理工大学 | 一种无人驾驶车辆定量评价系统及评价方法 |
DE102016210760A1 (de) * | 2016-06-16 | 2017-12-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Interaktion zwischen einem Fahrzeug und Verkehrsteilnehmer |
US20170364083A1 (en) * | 2016-06-21 | 2017-12-21 | Baidu Online Network Technology (Beijing) Co., Ltd. | Local trajectory planning method and apparatus for smart vehicles |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
CN108304986A (zh) * | 2017-12-15 | 2018-07-20 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种自动驾驶车辆行为安全的测评方法 |
CN108225364A (zh) * | 2018-01-04 | 2018-06-29 | 吉林大学 | 一种无人驾驶汽车驾驶任务决策系统及方法 |
Non-Patent Citations (2)
Title |
---|
孙扬;杨贺;: "无人驾驶车辆智能水平等级划分", 科技导报, no. 17, 13 September 2017 (2017-09-13) * |
孙扬;熊光明;陈慧岩;: "基于Fuzzy-EAHP的无人驾驶车辆智能行为评价", 汽车工程, no. 01, 25 January 2014 (2014-01-25) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180927A (zh) * | 2020-09-27 | 2021-01-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶时域构建方法、设备、存储介质及装置 |
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 |
CN112465395A (zh) * | 2020-12-15 | 2021-03-09 | 同济大学 | 一种面向自动驾驶汽车的多维度综合评价方法及装置 |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
CN113379333A (zh) * | 2021-07-22 | 2021-09-10 | 交通运输部公路科学研究所 | 一种辅助驾驶营运车辆智能化等级评价方法 |
CN113642708A (zh) * | 2021-08-13 | 2021-11-12 | 北京赛目科技有限公司 | 一种车辆环境等级识别模型的训练方法、识别方法及装置 |
CN113642708B (zh) * | 2021-08-13 | 2024-05-14 | 北京赛目科技有限公司 | 一种车辆环境等级识别模型的训练方法、识别方法及装置 |
CN113626337A (zh) * | 2021-08-26 | 2021-11-09 | 中汽创智科技有限公司 | 一种数值化评价智能网联车测试的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222750A (zh) | 无人驾驶车辆综合定量测评系统及其方法 | |
CN110264721B (zh) | 一种城市交叉口周边车辆轨迹预测方法 | |
CN113642633B (zh) | 用于对驾驶场景数据进行分类的方法、装置、设备和介质 | |
JP7351487B2 (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
Fang et al. | Dada-2000: Can driving accident be predicted by driver attentionƒ analyzed by a benchmark | |
CN112789619A (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
US11840261B2 (en) | Ground truth based metrics for evaluation of machine learning based models for predicting attributes of traffic entities for navigating autonomous vehicles | |
Hu et al. | Learning a deep cascaded neural network for multiple motion commands prediction in autonomous driving | |
CN112270226A (zh) | 一种基于多特征提取和多注意力机制的行人轨迹预测方法 | |
Gadepally et al. | A framework for estimating long term driver behavior | |
CN110304068A (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
CN114879891B (zh) | 一种自监督多目标跟踪下的多模态人机互动方法 | |
CN111399021A (zh) | 一种导航定位方法 | |
CN114266805A (zh) | 一种用于无人机目标跟踪的孪生区域建议网络模型 | |
CN111724597B (zh) | 基于驾驶行为评估驾驶员认知表现的研究方法 | |
CN117521389A (zh) | 一种基于车路协同感知仿真平台的车辆感知测试方法 | |
Yang et al. | Learn to Model and Filter Point Cloud Noise for a Near-Infrared ToF LiDAR in Adverse Weather | |
DE112022002791T5 (de) | Systeme und verfahren zur partikelfilterverfolgung | |
Wu et al. | Modeling and quantitative evaluation method of environmental complexity for measuring autonomous capabilities of military unmanned ground vehicles | |
Feng et al. | Autonomous RC-car for education purpose in iSTEM projects | |
He et al. | An automatic perception of lateral safety distance for unmanned vehicles driving in curves. | |
CN109284889B (zh) | 一种无人车反应敏捷度评测方法和装置 | |
CN115311867B (zh) | 隧道场景的定位方法、装置、计算机设备、存储介质 | |
Li et al. | A Path Planning Method Based on Large Amount of Artificial Driving Trajectories | |
Li et al. | CNN-based Adaptive Intelligent Driving and Algorithm Optimization |
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 |