CN111539087A - 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 - Google Patents
自动驾驶系统仿真测试平台和自动驾驶系统评价方法 Download PDFInfo
- Publication number
- CN111539087A CN111539087A CN201910048863.9A CN201910048863A CN111539087A CN 111539087 A CN111539087 A CN 111539087A CN 201910048863 A CN201910048863 A CN 201910048863A CN 111539087 A CN111539087 A CN 111539087A
- Authority
- CN
- China
- Prior art keywords
- test
- motion
- traffic flow
- real
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 168
- 238000004088 simulation Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 title claims abstract description 16
- 230000002452 interceptive effect Effects 0.000 claims abstract description 32
- 230000033001 locomotion Effects 0.000 claims description 122
- 238000006073 displacement reaction Methods 0.000 claims description 37
- 230000008859 change Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种自动驾驶系统的自动化测试平台,其特征在于,所述自动化测试平台包括测试用例生成模块、自动化测试管理模块以及测试报告生成模块,其中,所述测试用例生成模块基于实时交互式动态交通流的测试系统描述仿真测试环境;所述自动化测试管理模块按顺序读取生成的测试用例并将其输入到所述实时交互式动态交通流的测试系统中;所述测试报告生成模块用以自动记录每个测试用例的仿真测试详细数据。同时本发明还涉及一种基于所述自动驾驶系统的自动化测试平台的自动驾驶系统评价方法。
Description
技术领域
本发明涉及车辆自动驾驶的测试,具体而言,涉及一种车辆自动驾驶系统仿真测试平台以及基于所述自动驾驶系统仿真测试平台的自动驾驶系统评价方法。
背景技术
随着无人驾驶技术在软件和硬件方面不断地发展和更新,各大车企对于自动驾驶技术的开发也在朝着越来越高的等级(SAE将自动驾驶的级别分为1至级,其中,1级代表着最低程度的自动驾驶而5级代表着最高程度的完全无人化自动驾驶)迈进。而随着自动驾驶技术的等级的提升,自动驾驶车辆所面临的驾驶系统也越来越复杂,因此更加充分的试验需要进行用以模拟这些驾驶系统。而仿真测试相比于实车测试能够大大降低测试时间并且降低测试成本同时提高安全性,因此其在自动驾驶技术的开发过程中具有重要的地位。总的来说,仿真测试环境与实车测试环境越接近,测试的结果就越贴近实际并且可信度越高。
而实际道路上,交通参与者会因道路实时交通状况、其他交通参与者等因素,产生各种行为变化,包括通过加速阻止前车换道、突然换道行驶、突然减速等,而目前仿真中的交通参与者均处于稳定状态,即在车道内保持恒定的横向位置和纵向速度或纵向加速度,这与实际的交通流情况差异较大。
同时,在车辆自动驾驶系统迭代开发的过程中,需要使用越来越多的驾驶环境系统对算法进行验证,然而,常常为解决其中一个驾驶环境系统做出的修改会导致该自动驾驶控制算法在其他驾驶环境系统中出现问题。为了及时发现所述的问题并且及时相应地改进算法,在算法每次进行迭代时,都需要该自动驾驶控制算法对所有的驾驶环境系统遍历一次。
更进一步来说,相比于传统的高级驾驶辅助系统,自动驾驶系统需要应对的道路驾驶环境场景更多、行驶工况也更加复杂。仅仅通过不同交通参与者的不同运动参数组合来定义测试用例难以覆盖到所有自动驾驶系统可能遇到的场景和工况。
发明内容
为解决以上技术问题,本发明提供以下技术方案。
根据本发明的一个方面,本发明实现了一种自动驾驶系统的自动化测试平台。所述自动化测试平台包括测试用例生成模块、自动化测试管理模块以及测试报告生成模块,其中,
-所述测试用例生成模块基于实时交互式动态交通流的测试系统描述仿真测试环境;
-所述自动化测试管理模块按顺序读取生成的测试用例并将其输入到所述实时交互式动态交通流的测试系统中;
-所述测试报告生成模块用以自动记录每个测试用例的仿真测试详细数据。
按照本发明的一个实施例,所述测试用例生成模块利用如下种类的运动参数生成仿真测试环境:
1)初始切向位移;
2)初始法线位移;
3)初始切向速度;
4)被测车辆的运动事件;
6)终止切向速度;
7)速度变化完成时间;
8)终止法线位移;
9)横向运动完成位移。
按照本发明的一个实施例,所述测试用例可以通过相应实际获取的运动参数模拟道路测试系统、标准法规中规定的测试系统、典型事故系统或经验系统。
按照本发明的一个实施例,所述测试用例通过随机生成所述运动参数的值的方法随机地生成,即
确定交通流中包含的交通参与者的数量;
确定交通参与者的运动参数的取值范围;
为每一个交通参与者的各个运动参数分别分配范围在0到1的随机数;
各个随机数分别乘以所配属的运动参数,用以获得随机运动参数数值,这些随机运动参数数值用以构成测试用例,从而生成仿真测试环境。
按照本发明的一个实施例,所述交通参与者的运动参数的取值范围包括车辆或行人加速度极限或速度极限。
按照本发明的一个实施例,在所述交通参与者的运动参数为离散量时,所获得的随机运动参数数值取与其最接近的运动参数离散值。
按照本发明的一个实施例,所述运动参数的值在所述实时交互式动态交通流的测试系统中随机生成。
按照本发明的另一方面,本发明提出了一种基于所述自动驾驶系统的自动化测试平台的自动驾驶系统评价方法,包括:
检测由不同等级驾驶水平的、不同风格的驾驶员在所述实时交互式动态交通流仿真系统内驾驶时被测车辆的动作记录;
相应于各等级驾驶风格的类别,在相同的实时交互式动态交通流仿真系统内实施被测算法模块,检测被测车辆的所述动作记录以及运动事件完成情况;
基于两种情况下被测车辆的动作记录通过相关性分析,用以计算所述被测算法模块与各等级、不同类别的驾驶风格的相近程度,得出仿人相似度指标;
基于所述被测车辆完成运动事件的情况,用以得出所述被测算法成熟度指标;
利用所述仿人相似度指标和所述被测算法成熟度指标对自动驾驶系统进行评价。
按照本发明的一个实施例,在驾驶员在所述实时交互式动态交通流仿真系统内驾驶时以及在所述实时交互式动态交通流仿真系统内实施被测算法模块时还检测被测车辆的驾驶安全性和舒适性。
按照本发明的一个实施例,所述被测车辆完成运动事件的情况包括运动事件的达成率和累计行驶里程。
本发明所公开的自动驾驶系统的自动化测试平台以及基于所述自动驾驶系统的自动化测试平台的自动驾驶系统评价方法能够自动化地生成测试用例并且使得被测算法模块在每一种测试用例中都被测试,从而实现自动地测试自动驾驶的驾驶策略,达到降低测试所需的时间成本的目的。此外,自动驾驶系统评价方法不仅评价了自动驾驶策略的安全性和舒适性,同时也对被测算法的仿人性和驾驶风格做出了评价,相比于传统的驾驶策略评价方法而言更加全面以及符合实际。由此,本发明所公开的技术方案对于自动驾驶策略的开发和测试具有有益的技术效果。
根据以下实施方式和附图,本发明的以上特征和优势将变得更加显而易见。
附图说明
从结合附图的以下详细说明中,将会使本发明的上述和其他目的及优点更加完整清楚,其中,相同或相似的要素采用相同的标号表示:
图1示意性地示出了按照本发明所公开的实时交互式动态交通流的测试系统;
图2示意性地示出纵向运动控制模块以及横向运动控制模块的具体结构;以及
图3示出按照本发明所公开的自动驾驶系统的自动化测试平台。
具体实施方式
出于简洁和说明性目的,本文主要参考其示范实施例来描述本发明的原理。但是,本领域技术人员将容易地认识到相同的原理可等效地应用于所有类型的实时交互式动态交通流的测试系统,并且可以在其中实施这些相同或相似的原理,任何此类变化不背离本专利申请的实质精神和范围。而且,在下文描述中,参考了附图,这些附图示出特定的示范实施例。在不背离本发明的精神和范围的前提下可以对这些实施例进行更改。此外,虽然本发明的特征是结合若干实施/实施例的仅其中之一来公开的,但是如针对任何给定或可识别的功能可能是期望和/或有利的,可以将此特征与其他实施/实施例的一个或多个其他特征进行组合。因此,下文描述不应视为在限制意义上的,并且本发明的范围由所附权利要求及其等效物来定义。
图1示意性地示出了按照本发明所公开的实时交互式动态交通流的测试系统1。由图能够清楚地看出,所述实时交互式动态交通流的测试系统包括由纵向运动控制模块4和横向运动控制模块5构成的交通流控制模块3、车辆模型模块6、被测算法模块7以及测试管理模块8。其中,所述交通流控制模块3和所述车辆模型模块6共同形成被测算法模块的仿真环境2。在此,所述交通流控制模块3利用纵向运动控制模块4和横向运动控制模块5模拟该测试系统中被测车辆以外的交通参与者的运动,用以响应于被测车辆的运动事件变化而提供一种统一的交通参与者的运动控制调用方式。
具体地,所述纵向运动控制模块4用以在需要响应被测车辆的运动事件时相应地触发其余交通参与者沿着车道方向的纵向运动,而所述横向运动控制模块5用以在需要响应被测车辆的运动事件时相应地触发其余交通参与者沿着车道方向的法线方向的运动。
为了实现上述功能,所述纵向运动控制模块4包括纵向运动参数写入模块15用于导入交通参与者的纵向运动参数,例如速度变化完成时间、初始切向速度、终止切向速度、初始切向位移以及需要响应的被测车辆的运动事件、例如变道或者加速等;事件接收模块16来接收测试系统中被测车辆的运动事件,其中包含有需要响应的被测车辆的运动事件;状态接收模块17用于接收交通参与者的运动状态信息、如当前时间t,当前被测车辆所处位置等;纵向事件解析模块18用于解析所述事件接收模块所接收到的运动事件并且判断其是否为需要响应的被测车辆的运动事件,以及用以表示交通参与者的纵向运动规则的纵向运动规划模块。在被测车辆的运动事件需要被响应时,纵向事件解析模块18相应地触发所述纵向运动规划模块19,使得纵向运动规划模块相应地重置或者被触发进行纵向运动规划。所述纵向运动规则具体而言即是交通参与者沿着所在车道的车道切线方向的位移随时间的函数。在本发明的一个实施例中,以上提到的位移通过各交通参与者沿着所在车道的车道切线方向速度的积分获得。各交通参与者纵向运动的动态性定义为在一定时间的切线方向速度的变化形式。在此,该切线方向的速度可以按照时间的三次多项式的方式构造,其表征在速度变化完成时间之内,由初始切向速度变化到终止切向速度的动态过程。求解该三次多项式的条件包括初始切向速度、终止切向速度、初始切向加速度、终止切向加速度,并且其中,假定初始切向加速度和终止切向加速度均为0。
同样地,所述横向运动控制模块5包括横向运动参数写入模块20用于导入交通参与者的横向运动参数、例如包括初始法线位移、终止法线位移、横向运动完成位移、需要响应的被测车辆的运动事件、例如变道或者加速等;事件接收模块16’用以接收测试系统中被测车辆的运动事件;状态接收模块17’用于接收交通参与者的运动状态信息,如当前时间、当前被测车辆所处位置等;横向事件解析模块21用于解析所述事件接收模块所接收到的运动事件并且判断其是否为需要响应的被测车辆的运动事件,以及用以表示交通参与者的横向运动规则的横向运动规划模块。在被测车辆的运动事件需要被响应时,横向事件解析模块相应地触发所述横向运动规划模块22,使得横向运动规划模块相应地重置或者被触发进行横向运动规划。其中,所述横向运动规划表示各交通参与者的横向运动规则,即交通参与者沿着所在车道的车道法线方向的位移随时间的函数。在本发明的一个实施例中,所述横向位移通过各交通参与者在其所在车道内的法线位移相对于在其所在车道内的切向位移的函数获得。各交通参与者横向运动的动态性定义为在横向位移在一段位移内的变化形式。在此,横向位移可以构造为切向位移的五次多项式的形式,其表征在纵向运动位移完成内,交通参与者由初始法线位移变化到终止法线位移。求解该五次多项式的条件包括初始法线位移、终止法线位移、初始法线位移的一阶及二阶导数以及终止法线位移的一阶及二阶导数。在此可以假定,初始法线位移的一阶导数、初始法线位移的二阶导数、终止法线位移的一阶导数以及终止法线位移的二阶导数为零。
为了精确地动态地仿真被测车辆在被测算法、也就是被测的无人驾驶策略作用下的动作响应,在优选的实施例中将所述车辆模型模块6中的被测车辆模型构造为车辆动力学模型。
所述实时交互式动态交通流的测试系统中的测试管理模块8包括事件管理模块9和结果记录模块10。事件管理模块9在被测算法在测试系统中测试的过程期间依据被测车辆的驾驶策略、被测车辆的行驶位置发送运动事件。发送的运动事件包括实验开始事件,具体而言即是被测车辆是否到达预定初始条件、例如车速到达目标车速,测试开始事件发出后,其余交通参与者被触发而移动其位置到预定位置上,进而开始实验;测试结束事件,包含碰撞时间、即被测车辆是否与其余交通参与者发生了碰撞,和被测车辆的运动事件完成事件,碰撞或运动事件完成事件均会触发实验结束,并保留实验结果;测试进程事件,即被测车辆执行运动事件的进度,包括触发变道、变道压线、变道临近结束等。在测试进程中,其他交通参与者可以监控这些运动事件并且等待需要响应的运动事件,用以触发其运动。通过利用不同的运动事件、也就是说在不同的时机触发其余交通参与者,能够实现相对于所述运动事件的多种多样的交互式交通流,从而大大提高无人驾驶策略仿真测试的可信度。
此外,所述结果记录模块10用以记录每次仿真测试中的信息,包括测试初始条件,其包括横向运动控制和纵向运动控制的运动参数以及被测车辆的初始位置及初始速度;中间结果,包括被测车辆的方向盘转角、被测车辆横纵向速度、被测车辆横纵向加速度等;以及测试结果,包括被测车辆是否与交通流控制模块中的任何交通参与者发生过碰撞,是否完成运动事件,行驶的累计行驶里程等。
由图3可以看出按照本发明所公开的自动驾驶系统的自动化测试平台11,该自动化测试平台包括测试用例生成模块12、自动化测试管理模块13和测试报告生成模块14。在此,所述测试用例生成模块12基于本发明以上所公开的实时交互式动态交通流的测试系统1来生成测试用例,从而描述仿真测试环境。通常地,所述测试用例生成模块通过利用如下列举的或者更多种类的运动参数生成仿真测试环境:初始切向位移、初始法线位移、初始切向速度、被测车辆的运动事件(例如变速运动事件、换道运动事件等)、终止切向速度、速度变化完成时间、终止法线位移、横向运动完成位移。
替代地,这些测试用例也可以通过相应实际获取的运动参数来模拟道路测试系统、标准法规中规定的测试系统、典型事故系统或经验系统,从而用以在软件的环境中实现实际的测试场景。
为了更加大范围地覆盖尽可能多的驾驶环境系统,所述测试用例也能够通过随机生成运动参数的值的方法随机地生成。这种方法包括:确定交通流中包含的交通参与者的数量;确定交通参与者的运动参数的取值范围,包括车辆或行人加速度极限或速度极限;为每一个交通参与者的各个运动参数分别分配范围在0到1的随机数;各个随机数分别乘以所配属的运动参数,用以获得随机运动参数数值,其中,在所述交通参与者的运动参数为离散量时,所获得的随机运动参数数值取与其最接近的运动参数离散值。这些随机运动参数数值用以构成测试用例进而输入到实时交互式动态交通流的测试系统中,从而生成无人驾驶被测算法的仿真测试环境。
为了在实时交互式动态交通流的测试系统中也能够实时地实现更多种被测算法仿真环境,也可以利用上述随机生成交通参与者的运动参数的方法,使得所述运动参数的值在所述实时交互式动态交通流的测试系统中也能够用随机生成。
在生成所述测试用例的情况下,所述自动化测试管理模块13按顺序读取生成的测试用例并将其输入到所述实时交互式动态交通流的测试系统1中,进而控制交通参与者能够按照既定测试用例完成相应运动。并且在仿真结束后,仿真测试数据和日志文件可以被自动记录。在仿真测试结束后,所述测试报告生成模块14自动记录每个测试用例的仿真测试详细数据。
利用本发明以上所述的自动驾驶系统的自动化测试平台,本发明还提出一种自动驾驶系统评价方法。该评价方法包括:检测由不同等级驾驶水平的、不同风格的驾驶员在所述实时交互式动态交通流仿真系统内驾驶时被测车辆的动作记录;相应于各等级驾驶风格的类别,在相同的实时交互式动态交通流仿真系统内实施被测算法模块,检测被测车辆的所述动作记录以及运动事件完成情况、包括运动事件的达成率和累计行驶里程;基于两种情况下被测车辆的动作记录通过相关性分析,用以计算所述被测算法模块与各等级、不同类别的驾驶风格的相近程度,得出仿人相似度指标;基于所述被测车辆完成运动事件的情况,用以得出所述被测算法成熟度指标;利用所述仿人相似度指标和所述被测算法成熟度指标对自动驾驶系统进行评价。
此外,为了更全面地评价无人驾驶的被测算法,也可以将驾驶安全性和舒适性纳入到评价系统中。也就是说,在驾驶员在所述实时交互式动态交通流仿真系统内驾驶时以及在所述实时交互式动态交通流仿真系统内实施被测算法模块时,该评价方法还检测被测车辆的驾驶安全性和舒适性。
以上例子主要说明了本公开的实时交互式动态交通流的测试系统、自动驾驶系统的自动化测试平台以及基于此的一种自动驾驶系统评价方法。尽管只对其中一些本发明的实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (10)
1.一种自动驾驶系统的自动化测试平台,其特征在于,所述自动化测试平台包括测试用例生成模块、自动化测试管理模块以及测试报告生成模块,其中,
-所述测试用例生成模块基于实时交互式动态交通流的测试系统描述仿真测试环境;
-所述自动化测试管理模块按顺序读取生成的测试用例并将其输入到所述实时交互式动态交通流的测试系统中;
-所述测试报告生成模块用以自动记录每个测试用例的仿真测试详细数据。
2.按照权利要求1所述的自动驾驶系统的自动化测试平台,其特征在于,所述测试用例生成模块利用如下种类的运动参数生成仿真测试环境:
1) 初始切向位移;
2) 初始法线位移;
3) 初始切向速度;
4) 被测车辆的运动事件;
6) 终止切向速度;
7) 速度变化完成时间;
8) 终止法线位移;
9) 横向运动完成位移。
3. 按照权利要求2所述的自动驾驶系统的自动化测试平台,其特征在于,所述测试用例可以通过相应实际获取的运动参数模拟道路测试系统、标准法规中规定的测试系统、典型事故系统或经验系统。
4.按照权利要求2所述的自动驾驶系统的自动化测试平台,其特征在于,所述测试用例通过随机生成所述运动参数的值的方法随机地生成,即
确定交通流中包含的交通参与者的数量;
确定交通参与者的运动参数的取值范围;
为每一个交通参与者的各个运动参数分别分配范围在0到1的随机数;
各个随机数分别乘以所配属的运动参数,用以获得随机运动参数数值,这些随机运动参数数值用以构成测试用例,从而生成仿真测试环境。
5.按照权利要求4所述的自动驾驶系统的自动化测试平台,其特征在于,所述交通参与者的运动参数的取值范围包括车辆或行人加速度极限或速度极限。
6.按照权利要求4所述的自动驾驶系统的自动化测试平台,其特征在于,在所述交通参与者的运动参数为离散量时,所获得的随机运动参数数值取与其最接近的运动参数离散值。
7.按照权利要求4至6中任一项所述的自动驾驶系统的自动化测试平台,其特征在于,所述运动参数的值在所述实时交互式动态交通流的测试系统中随机生成。
8.一种基于所述自动驾驶系统的自动化测试平台的自动驾驶系统评价方法,其特征在于,包括:
检测由不同等级驾驶水平的、不同风格的驾驶员在所述实时交互式动态交通流仿真系统内驾驶时被测车辆的动作记录;
相应于各等级驾驶风格的类别,在相同的实时交互式动态交通流仿真系统内实施被测算法模块,检测被测车辆的所述动作记录以及运动事件完成情况;
基于两种情况下被测车辆的动作记录通过相关性分析,用以计算所述被测算法模块与各等级、不同类别的驾驶风格的相近程度,得出仿人相似度指标;
基于所述被测车辆完成运动事件的情况,用以得出所述被测算法成熟度指标;
利用所述仿人相似度指标和所述被测算法成熟度指标对自动驾驶系统进行评价。
9.按权利要求8所述的基于所述自动化测试平台的自动驾驶系统评价方法,其特征在于,在驾驶员在所述实时交互式动态交通流仿真系统内驾驶时以及在所述实时交互式动态交通流仿真系统内实施被测算法模块时还检测被测车辆的驾驶安全性和舒适性。
10.按权利要求8或9所述的基于所述自动化测试平台的自动驾驶系统评价方法,其特征在于,所述被测车辆完成运动事件的情况包括运动事件的达成率和累计行驶里程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910048863.9A CN111539087B (zh) | 2019-01-18 | 2019-01-18 | 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910048863.9A CN111539087B (zh) | 2019-01-18 | 2019-01-18 | 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539087A true CN111539087A (zh) | 2020-08-14 |
CN111539087B CN111539087B (zh) | 2024-04-09 |
Family
ID=71976625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910048863.9A Active CN111539087B (zh) | 2019-01-18 | 2019-01-18 | 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539087B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328477A (zh) * | 2020-11-02 | 2021-02-05 | 东软睿驰汽车技术(沈阳)有限公司 | 自动驾驶算法测试用例的生成方法、装置和电子设备 |
CN112464462A (zh) * | 2020-11-20 | 2021-03-09 | 北京赛目科技有限公司 | 一种仿真运行数据的处理方法及装置 |
CN113138084A (zh) * | 2021-04-22 | 2021-07-20 | 华录易云科技有限公司 | 用于调整虚拟车流的方法、装置及设备 |
CN113406962A (zh) * | 2021-08-20 | 2021-09-17 | 禾多阡陌科技(北京)有限公司 | 自动驾驶车辆测试信息确定方法、装置和电子设备 |
CN113625597A (zh) * | 2021-08-04 | 2021-11-09 | 京东鲲鹏(江苏)科技有限公司 | 仿真车辆控制方法、装置、电子设备和存储介质 |
CN114610410A (zh) * | 2022-03-16 | 2022-06-10 | 北京三快在线科技有限公司 | 一种仿真环境下的参数配置方法及装置 |
CN114997056A (zh) * | 2022-06-07 | 2022-09-02 | 南京航空航天大学 | 一种基于卷积神经网络的换道决策模型的构建方法 |
CN115981177A (zh) * | 2022-12-07 | 2023-04-18 | 北京百度网讯科技有限公司 | 仿真车辆生成方法和装置、电子设备、计算机存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823929A (zh) * | 2014-02-18 | 2014-05-28 | 北京理工大学 | 一种基于驾驶员模型的车辆转向系统性能测试方法 |
WO2016169290A1 (zh) * | 2015-04-21 | 2016-10-27 | 华南理工大学 | 一种面向道路交通事故应急处置的决策支持系统及方法 |
CN107015483A (zh) * | 2015-11-06 | 2017-08-04 | 福特全球技术公司 | 用于生成用于自主车辆的测试用例的方法和装置 |
CN107291972A (zh) * | 2017-03-10 | 2017-10-24 | 清华大学 | 基于多源数据挖掘的汽车智能驾驶系统有效性评价方法 |
CN108763733A (zh) * | 2018-05-24 | 2018-11-06 | 北京汽车集团有限公司 | 驾驶仿真测试方法、装置和系统 |
CN108765235A (zh) * | 2018-05-09 | 2018-11-06 | 公安部交通管理科学研究所 | 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法 |
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 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及测试方法 |
-
2019
- 2019-01-18 CN CN201910048863.9A patent/CN111539087B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823929A (zh) * | 2014-02-18 | 2014-05-28 | 北京理工大学 | 一种基于驾驶员模型的车辆转向系统性能测试方法 |
WO2016169290A1 (zh) * | 2015-04-21 | 2016-10-27 | 华南理工大学 | 一种面向道路交通事故应急处置的决策支持系统及方法 |
CN107015483A (zh) * | 2015-11-06 | 2017-08-04 | 福特全球技术公司 | 用于生成用于自主车辆的测试用例的方法和装置 |
CN107291972A (zh) * | 2017-03-10 | 2017-10-24 | 清华大学 | 基于多源数据挖掘的汽车智能驾驶系统有效性评价方法 |
CN108765235A (zh) * | 2018-05-09 | 2018-11-06 | 公安部交通管理科学研究所 | 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法 |
CN108763733A (zh) * | 2018-05-24 | 2018-11-06 | 北京汽车集团有限公司 | 驾驶仿真测试方法、装置和系统 |
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 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及测试方法 |
Non-Patent Citations (4)
Title |
---|
ANDR´ES E.G´OMEZ等: "Simulation Platform for Cooperative Vehicle Systems", IEEE, 11 October 2014 (2014-10-11) * |
孙扬: "无人驾驶车辆智能水平的定量评价", no. 04, pages 3 * |
高振海等: "基于行驶场景模型的线控辅助转向系统仿真", vol. 40, no. 8, pages 1 * |
黄妙华,陈飚,陈胜金: "电动汽车前向仿真中驾驶员模型建模与仿真", no. 06, pages 825 - 828 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328477A (zh) * | 2020-11-02 | 2021-02-05 | 东软睿驰汽车技术(沈阳)有限公司 | 自动驾驶算法测试用例的生成方法、装置和电子设备 |
CN112328477B (zh) * | 2020-11-02 | 2023-08-15 | 东软睿驰汽车技术(沈阳)有限公司 | 自动驾驶算法测试用例的生成方法、装置和电子设备 |
CN112464462A (zh) * | 2020-11-20 | 2021-03-09 | 北京赛目科技有限公司 | 一种仿真运行数据的处理方法及装置 |
CN113138084A (zh) * | 2021-04-22 | 2021-07-20 | 华录易云科技有限公司 | 用于调整虚拟车流的方法、装置及设备 |
CN113138084B (zh) * | 2021-04-22 | 2024-03-08 | 华路易云科技有限公司 | 用于调整虚拟车流的方法、装置及设备 |
CN113625597A (zh) * | 2021-08-04 | 2021-11-09 | 京东鲲鹏(江苏)科技有限公司 | 仿真车辆控制方法、装置、电子设备和存储介质 |
CN113406962A (zh) * | 2021-08-20 | 2021-09-17 | 禾多阡陌科技(北京)有限公司 | 自动驾驶车辆测试信息确定方法、装置和电子设备 |
CN114610410A (zh) * | 2022-03-16 | 2022-06-10 | 北京三快在线科技有限公司 | 一种仿真环境下的参数配置方法及装置 |
CN114997056A (zh) * | 2022-06-07 | 2022-09-02 | 南京航空航天大学 | 一种基于卷积神经网络的换道决策模型的构建方法 |
CN115981177A (zh) * | 2022-12-07 | 2023-04-18 | 北京百度网讯科技有限公司 | 仿真车辆生成方法和装置、电子设备、计算机存储介质 |
CN115981177B (zh) * | 2022-12-07 | 2024-05-17 | 北京百度网讯科技有限公司 | 仿真车辆生成方法和装置、电子设备、计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111539087B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539087A (zh) | 自动驾驶系统仿真测试平台和自动驾驶系统评价方法 | |
US11137763B2 (en) | Generating and fusing traffic scenarios for automated driving systems | |
EP3958129A1 (en) | Method and system for validating autonomous control software for a self-driving vehicle | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
KR102531005B1 (ko) | 운전자 구분을 이용한 보험 상품의 제안 방법 및 그 장치 | |
Tenbrock et al. | The conscend dataset: Concrete scenarios from the highd dataset according to alks regulation unece r157 in openx | |
CN116034345A (zh) | 用于测试驾驶员辅助系统的方法和系统 | |
CN114091223A (zh) | 一种仿真交通流的构建方法及仿真设备 | |
US20230236088A1 (en) | Computer-aided method and device for predicting speeds for vehicles on the basis of probability | |
US20230394896A1 (en) | Method and a system for testing a driver assistance system for a vehicle | |
CN117609093A (zh) | 一种自动驾驶场景下交通参与者动态切入行为的生成方法 | |
CN111462475B (zh) | 实时交互式动态交通流的测试系统 | |
CN111930026A (zh) | 一种测试方法及装置 | |
CN116776288A (zh) | 一种智能驾驶感知模型的优化方法、装置及存储介质 | |
CN114492157A (zh) | 一种基于个性化驾驶员模型的自动驾驶测试场景生成方法 | |
CN114862159A (zh) | 一种自动驾驶测试场景的评价方法 | |
CN115358415A (zh) | 自动驾驶学习模型的分布式训练方法及自动驾驶方法 | |
CN116997890A (zh) | 生成未知不安全场景、改进自动交通工具、计算机系统 | |
Kang et al. | A control policy based driving safety system for autonomous vehicles | |
Zhao et al. | Evaluation of a semi-autonomous lane departure correction system using naturalistic driving data | |
CN118238847B (zh) | 一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统 | |
CN118035939B (zh) | 感知目标的置信度获取方法及自动驾驶规划控制方法 | |
CN113044046B (zh) | 驾驶员风格识别方法、系统、电子设备及可读存储介质 | |
Sigl et al. | Modeling Perception Errors of Automated Vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |