CN111695253A - 自动驾驶中的站点测试方法、装置、设备及存储介质 - Google Patents

自动驾驶中的站点测试方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111695253A
CN111695253A CN202010518847.4A CN202010518847A CN111695253A CN 111695253 A CN111695253 A CN 111695253A CN 202010518847 A CN202010518847 A CN 202010518847A CN 111695253 A CN111695253 A CN 111695253A
Authority
CN
China
Prior art keywords
station
site
connectivity
pair
data
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
Application number
CN202010518847.4A
Other languages
English (en)
Other versions
CN111695253B (zh
Inventor
毛雷
周杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010518847.4A priority Critical patent/CN111695253B/zh
Publication of CN111695253A publication Critical patent/CN111695253A/zh
Application granted granted Critical
Publication of CN111695253B publication Critical patent/CN111695253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了自动驾驶中的站点测试方法、装置、设备及存储介质,涉及自动驾驶测试技术领域。具体实现方案为:在自动驾驶测试中,通过获取连通测试任务中所有站点对之间的站点连通数据,根据该站点连通数据,确定连通测试任务的站点评价信息,进而确定所述连通测试任务的测试结果。该技术方案以连通测试的站点连通数据作为基础,通过分析站点之间的连通性能、稳定性和全连通站点集信息等站点评价信息,进而得到该连通测试任务的测试结果,从站点测试场景的角度进行分析,能够及时发现自动驾驶场景中站点存在的问题,提高了自动驾驶测试结果的准确性。

Description

自动驾驶中的站点测试方法、装置、设备及存储介质
技术领域
本申请实施例涉及自动驾驶技术领域,尤其涉及一种自动驾驶中的站点测试方法、装置、设备及存储介质,可用于自动驾驶测试领域。
背景技术
随着自动驾驶技术(Autonomous Driving Technology)的迅速发展,应用自动驾驶技术的相关产品也在逐步投入运营。为了保证自动驾驶车辆的安全性、稳定性,在各自动驾驶产品投入运营之前需要对自动驾驶车辆的相关产品、技术进行全面的测试。
现有技术中,自动驾驶测试主要从自动驾驶车过程中的安全性、功能性、舒适性等角度进行评价。具体的,在自动驾驶仿真系统中,通过构建仿真数据对自动驾驶车辆的各个模块进行测试,并对各个模块的响应进行处理,生成记录文件,根据该记录文件,对自动驾驶车辆的运行状态进行分析,得到测试结果。若自动驾驶车辆的安全性和功能性得到保证,且用户舒适性满足一定条件,则认为当次测试结果通过,否则,认为不通过。
然而,上述自动驾驶测试方法仅是基于自动驾驶车辆本身进行评价,未考虑自动驾驶车辆所处环境的影响,可能导致自动驾驶车辆所处运行场景中的某些问题无法暴露,从而影响自动驾驶测试的全面性和准确性。
发明内容
本申请实施例提供了一种自动驾驶中的站点测试方法、装置、设备及存储介质,用于提高自动驾驶测试的全面性和准确性。
根据第一方面,提供了一种自动驾驶中的站点测试方法,包括:
获取连通测试任务中所有站点对之间的站点连通数据;
根据所述站点连通数据,确定所述连通测试任务的站点评价信息,所述站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及所述连通测试任务的全连通站点信息;
根据所述连通测试任务的站点评价信息,确定所述连通测试任务的测试结果。
根据第二方面,提供了一种自动驾驶中的站点测试装置,包括:获取模块、性能确定模块和结果确定模块;
所述获取模块,用于获取连通测试任务中所有站点对之间的站点连通数据;
所述性能确定模块,用于根据所述站点连通数据,确定所述连通测试任务的站点评价信息,所述站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及所述连通测试任务的全连通站点信息;
所述结果确定模块,用于根据所述连通测试任务的站点评价信息,确定所述连通测试任务的测试结果。
第三方面,本申请实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
第四方面,本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面所述的方法。
第五方面,本申请实施例提供一种自动驾驶中的站点测试方法,包括:
根据从连通测试任务获取到的站点连通数据,确定所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息;
根据所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息,确定所述连通测试任务的测试结果。
本申请实施例提供了一种自动驾驶中的站点测试方法、装置、设备及存储介质,在自动驾驶测试中,通过获取连通测试任务中所有站点对之间的站点连通数据,根据该站点连通数据,确定连通测试任务的站点评价信息,进而确定所述连通测试任务的测试结果。该技术方案以连通测试的站点连通数据作为基础,通过分析站点之间的连通性能、稳定性和全连通站点集信息等站点评价信息,进而得到该连通测试任务的测试结果,从站点测试场景的角度进行分析,能够及时发现自动驾驶场景中站点存在的问题,提高了自动驾驶测试结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例提供的自动驾驶中的站点测试方法的应用场景示意图;
图2是本申请第一实施例提供的自动驾驶中的站点测试方法的流程示意图;
图3是本申请实施例中连通测试任务的连通站点评价标准的组成示意图;
图4是本申请第二实施例提供的自动驾驶中的站点测试方法的流程示意图;
图5是本申请实施例中连通测试任务对应的多个站点对中站点之间的连通示意图;
图6是本申请第三实施例提供的自动驾驶中的站点测试方法的流程示意图;
图7是本申请第四实施例提供的自动驾驶中的站点测试方法的流程示意图;
图8是本申请实施例中连通测试任务包括的站点组成全连通站点集的示意图;
图9为本申请实施例中站点连通数据的存储结构示意图;
图10是本申请第一实施例提供的自动驾驶中的站点测试装置的结构示意图;
图11是本申请第二实施例提供的自动驾驶中的站点测试装置的结构示意图;
图12是用来实现本申请实施例提供的自动驾驶中的站点测试方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在介绍本申请的技术方案之前,首先对本申请实施例中涉及到的术语进行解释:
连通测试
在自动驾驶测试的部分运行场景中,自动驾驶车辆需要对地图内的一些站点之间进行反复的测试,以便对自动驾驶业务的推进提供支持,针对这些场景的测试被称为连通测试。可选的,地图内的这些站点通常为固定的接驳站点,该接驳站点是指无缝连接的点,可以理解为搭车的“换乘站点”。
可以理解的是,在本申请的实施例中,接驳站点和站点的意义相同。
在实际应用中,连通测试具备以下特点:
1、起点和终点较为固定,都是从某一站点到另一站点的单向测试;
2、出发点(即起始点)坐标较为精确,但结束点坐标可能存在一定偏差,这与自动驾驶车辆的实际行驶轨迹有关;
3、每一次连通测试任务包含多组测试数据,且每对站点之间至少包含一组测试数据。
全连通站点集
全连通站点集是指站点集中的任意两个站点之间均是直接连通的。
站点连通数据
站点连通数据是指站点对之间的连通测试数据,其是在建立的仿真场景中,通过对站点对之间的连通性进行测试得到的测试数据。
在介绍本申请的技术方案之前,再对本申请实施例的应用场景进行简单介绍:
现有技术中,对自动驾驶技术测试结果进行评价的过程中,主要围绕自动驾驶过程中的安全性、功能性、舒适性等。当自动驾驶车辆的安全性和功能性得到保证,且舒适性满足一定条件时,认为当次测试是通过的,进而可以对自动驾驶车辆是否能进行上路测试进行评估,即利用测试结果对自动驾驶测试技术的下一步研发、测试、运营等提供一些参考建议。
在实际应用中,连通测试是自动驾驶测试的一个运行场景,自动驾驶车辆需要在多个固定的接驳站点之间进行往复运行。但是,在连通测试中,除了需要考虑自动驾驶车辆在行驶过程中的运行状况,还需要从接驳站点的维度进行评估。若不能针对接驳站点进行评估,可能会导致有部分问题无法暴露,例如:接驳站点选择不合理、地图不够完善、自动驾驶能力不足。
其中,接驳站点选择不合理,即在接驳站点周围的道路状况较差或受处于封闭园区和限行路段影响时难以到达其他站点;地图不够完善,即地图更新不及时或存在一些问题时,难以从部分站点出发、或难以到达个别站点;自动驾驶能力不足,即当站点处于路口等特殊路段时,自动驾驶技术无法应对这一情况,导致与该站点有关的测试无法通过。
因而,如何评价单次测试中自动驾驶车辆在各个站点之间运行情况的好坏,是一个值得仔细考虑的问题。为了对自动驾驶的运行情况进行判断,除了对车辆在自动驾驶过程中的运行情况进行判断,还需要对测试过程中每次运行情况的数据进行统计分析,包括每一对连通站点之间的运行情况是否稳定、各个接驳站点驶入驶出情况、全连通站点集中的站点数占所有连通测试任务包括的所有站点数的比例等。
本申请实施例基于自动驾驶中场景中连通测试具有的特点(起点和终点较为固定,都是从某一站点到另一站点的单向测试;出发点(即起始点)坐标较为精确,但结束点坐标可能存在一定偏差,这与自动驾驶车辆的实际行驶轨迹有关;每一次连通测试任务包含多组测试数据,且每对站点之间至少包含一组测试数据),为了能够站在站点的维度对自动驾驶测试结果进行评价,全方面的考察站点的连通情况,可以从站点的驶入率、驶出率、稳定性等多个方面进行考察,可以首先制定站点测试的评价标准。
可选的,站点测试的评价标准可以如下:
1、两个站点之间是否存在直接连通的测试用例;
2、针对单个站点,该站点作为起点或终点的测试结果中,成功连通率的占比分别是多少;
3、针对单组站点对,在多次测试结果中,每次的运行里程和时间差距是否在合理范围内;
4、最大全连通站点集的站点数占整个连通测试任务对应站点集的总站点数的比例。由于终点的坐标在站点的某一范围内不固定,因此,只将所有站点中能直接连通的站点组成的集合视为全连通站点集。
基于以上评价标准、结合实际测试任务的特点,本申请实施例提供了一种自动驾驶中的站点测试方法,在自动驾驶测试中,通过获取连通测试任务中所有站点对之间的站点连通数据,根据该站点连通数据,确定连通测试任务的站点评价信息,进而确定所述连通测试任务的测试结果,也即,本申请实施例以连通测试的站点连通数据作为基础,通过分析站点之间的连通性能、稳定性和全连通站点集信息等站点评价信息,进而得到该连通测试任务的测试结果,从站点测试场景的角度进行分析,能够及时发现自动驾驶场景中站点存在的问题,提高了自动驾驶测试结果的准确性。
可以理解的是,在实际应用中,本申请的技术方案可以应用于自动驾驶仿真系统、自动驾驶测试系统。
下面,在介绍本申请的具体实施例之前,首先介绍本申请的应用场景进行说明。
图1为本申请实施例提供的自动驾驶中的站点测试方法的应用场景示意图。该自动驾驶中的站点测试方法的应用场景可以是自动驾驶测试系统。可选的,参照图1所示,该应用场景可以包括:上面设置有多个站点的目标道路11、行驶在目标道路11上的自动驾驶车辆12以及可以与自动驾驶车辆12进行通信的电子设备13。该自动驾驶车辆12可以在该目标道路11的任意两个站点之间往复运行。
可选的,在本申请的应用场景中,自动驾驶车辆12上安装有可以相互通信的车辆定位模块和车载处理器。该车辆定位模块可以记录自动驾驶车辆12的位置信息,该车载处理器可以收集自动驾驶车辆的运行数据,并利用该运行数据和车辆定位模块确定的位置信息生成站点连通数据。
可选的,车载处理器可以将每个站点对之间的站点连通数据传输至电子设备13,电子设备13可以对获取到的所有站点对之间的站点连通数据进行处理,并执行本申请的技术方案。
可选的,在本实施例中,车载处理器在自动驾驶车辆中可以称为行车电脑或车载单元(on board unit,OBU),其不仅可以实现对自动驾驶车辆的自动控制,还可以完成一些其他的操作等。本申请实施例并不限定车载处理器执行的具体操作,其可以根据实际情况确定。
示例性的,电子设备13可以是云端的监控系统,例如,包括:处理器131和显示器132,处理器131用于对接收到的站点连通数据进行处理,显示器132用于呈现处理器131的处理结果。图1中的电子设备仅示例性的示出了一个处理器和一个显示器,关于电子设备的实际组成可以根据实际情况确定,此处不再赘述。
在图1所示的应用场景中,以1辆自动驾驶车辆在目标道路上的3个站点(站点A、站点B、站点C)之间的连通测试进行解释说明。可以理解的是,目标道路上的站点数量可以根据实际应用场景确定,本申请实施例并不对其进行限定。
可以理解的是,上述图1所示应用场景中的电子设备可以是终端设备,例如,计算机、平板电脑等设备,也可以是服务器,例如,后台的处理平台等。本实施例以电子设备为执行主体进行解释说明,关于该电子设备具体为终端设备,还是服务器,其可以根据实际情况确定,此处不再赘述。
下面,通过具体实施例对本申请的技术方案进行详细说明。需要说明的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2是本申请第一实施例提供的自动驾驶中的站点测试方法的流程示意图。可选的,本申请实施例以图1所示应用场景中的电子设备为执行主体进行解释说明。如图2所示,该方法可以包括如下步骤:
S201、获取连通测试任务中所有站点对之间的站点连通数据。
在本申请的实施例中,对于每个自动驾驶测试过程,首先确定出连通测试任务该连通测试任务对应的待测试站点集合,进而再获取该连通测试任务中所有站点对之间的站点连通数据。
可选的,在本申请的实施例中,每个连通测试任务对应的待测试站点集合可以包括多个站点对,每个站点对由待测试站点集合中的任意两个站点组成。
在本申请的一种可能设计中,在自动驾驶测试系统中,自动驾驶车辆在待测试站点集合中的任意两个站点之间运行后,可以得到每个站点对之间的站点连通数据,因而,电子设备可以通过与自动驾驶车辆进行通信,获取该连通测试任务中所有站点对之间的站点连通数据。
在本申请的另一种可能设计中,在自动驾驶测试仿真系统中,电子设备可以监控并实时获取自动驾驶车辆在目标道路上的运行数据,从而可以获取基于得到的运行数据,确定该连通测试任务中所有站点对之间的站点连通数据。
可以理解的是,本申请实施例并不限定电子设备获取上述站点连通数据的具体实现方式,其可以根据实际场景确定,此处不再赘述。
S202、根据上述站点连通数据,确定该连通测试任务的站点评价信息。
其中,该站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及该连通测试任务的全连通站点信息。
在本申请的实施例中,电子设备获取到上述站点连通数据后,可以根据预设的连通站点评价标准对该站点连通数据进行分析和处理,从而可以得到该连通测试任务的站点评价信息。
示例性的,该预设的连通站点评价标准是基于连通测试的特点制定的,主要涉及站点间的连通性能、站点对之间的运行稳定性能以及全连通集合的规模等。
可选的,图3是本申请实施例中连通测试任务的连通站点评价标准的组成示意图。参照图3所示,在本申请的实施例中,该连通测试任务的连通站点评价标准可以从如下四个方面进行说明,分别是各个站点的驶入成功率、各个站点的驶出成功率、各个站点对的运行稳定性、最大连通集的规模等。该最大连通集是指该连通测试任务对应的所有站点中可以两两连通的站点组成的集合。
其中,在本申请的实施例中,每个站点对中两个站点之间的连通性能可以通过各个站点的驶入成功率、各个站点的驶出成功率表征,每个站点对的稳定性信息主要指各个站点对的运行稳定性,相应的,该连通测试任务的全连通站点信息可以通过最大连通集的规模表征。
可以理解的是,本申请实施例并不对站点连通评价标准的具体组成进行限定,在其他场景下,还可能具有其他的评价标准,例如,站点对之间的运行里程数等。相应的,本申请实施例也不对站点评价信息的具体表现形式进行限定。
S203、根据该连通测试任务的站点评价信息,确定连通测试任务的测试结果。
在本申请的实施例中,电子设备得到该连通测试任务的站点评价信息后,可以根据该站点评价信息评价该连通测试任务的测试结果。
可选的,电子设备可以基于该连通测试任务中所有每个站点对的两个站点之间的连通性能、每个站点对的稳定性和全连通站点信息对连通测试任务的测试结果进行分析。例如,在所有每个站点对的两个站点之间的连通性能和运行稳定性均满足预设的要求时,可以认为连通测试任务通过,和/或全连通站点数占连通测试任务包括的所有站点数的比例超过预设的比值时,也可以任务连通测试任务通过,否则认为连通测试任务不通过。
进一步的,基于得到的连通测试任务的测试结果,可以确定参与连通测试的所有站点中能够投入使用的站点以及这些站点对应的应用范围。
本申请实施例提供的自动驾驶中的站点测试方法,以连通测试任务的所有站点对之间的站点连通数据作为基础,通过分析站点之间的连通性能、稳定性和全连通站点集信息等站点评价信息,进而得到该连通测试任务的测试结果,其从站点测试场景的角度进行分析,能够及时发现自动驾驶场景中站点存在的问题,提高了自动驾驶测试结果的准确性。
示例性的,在上述实施例的基础上,图4是本申请第二实施例提供的自动驾驶中的站点测试方法的流程示意图。如图4所示,在站点评价信息包括每个站点对中两个站点之间的连通性能时,上述S202中的根据站点连通数据,确定每个站点对中两个站点之间的连通性能,可以通过如下步骤实现:
S401、根据上述站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率。
在本申请的实施例中,电子设备获取到上述站点连通数据后,可以首先统计该站点连通数据对应的所有站点对,再分析每个站点对中以每个站点作为起始点的测试数据和每个站点作为终点的测试数据。
在本申请的实施例中,每个站点的驶出成功率可以用该站点作为起点的连通成功率表征,每个站点的驶入成功率可以用该站点作为终点的连通成功率表征。因而,在本实施例中,该S401可以通过如下步骤实现:
A1、根据该站点连通数据,确定每个站点作为起点的连通成功率和每个站点作为终点的连通成功率。
示例性的,对于每个站点对,可以首先确定该站点对中每个站点作为起点的所有运行次数以及该站点对的成功连通次数,进而计算该站点对的成功连通次数与该站点对中以第一站点作为起点的所有运行次数的第一比值,该第一比值即为第一站点作为起点的连通成功率。其中,该第一站点为该站点对中的任意一个站点。
同理,对于每个站点对中的任意一个站点,首先确定该站点对中每个站点作为终点的所有运行次数以及该站点对的成功连通次数,进而计算该站点对的成功连通次数与该站点对中以第一站点作为终点的所有运行次数的第二比值,该第二比值即为第一站点作为终点的连通成功率。
A2、对于每个站点对中的任意一个站点,将该站点作为起点的连通成功率作为该站点的驶出成功率,将该站点作为终点的连通成功率作为该站点的驶入成功率。
在本实施例中,在连通测试任务对应的所有站点对中,例如,对于上述站点对中的第一站点,可以将第一站点作为起点的连通成功率作为该第一站点的驶出成功率,即该站点对的成功连通次数与该站点对中以第一站点作为起点的所有运行次数的比值;将第一站点作为终点的连通成功率作为该第一站点的驶入成功率,即该站点对的成功连通次数与该站点对中以第一站点作为终点的所有运行次数的比值。
示例性的,在连通测试任务中,假设从第一站点应该有10趟自动驾驶车辆驶出,但是只有9趟车辆驶出,即以该第一站点为起点的连通成功率为0.9;假设到达第二站点自动驾驶车辆应该有10辆,但是只有8趟车辆到达第二站点,即以该第二站点为终点的连通成功率为0.8。
通过计算每个站点作为起点的连通成功率和每个站点作为终点的连通成功率,其为站点的驶出成功率和驶入成功率的表征提供了实现可能,进而为后续确定站点对的两个站点之间的连通性能奠定了基础。
S402、根据每个站点对中所有站点的驶出成功率和驶入成功率,确定每个站点对的两个站点之间的连通性能。
在本申请的实施例中,站点的驶出成功率和/和驶入成功率可以用于表征站点对的两个站点之间的连通性能,站点的驶出成功率和/和驶入成功率越高,表明该站点所在的站点对的连通性能越好,站点的驶出成功率和/和驶入成功率越低,表明该站点所在的站点对的连通性能越差,因而,当某个站点的驶出成功率和/和驶入成功率低于某个预设的连通性阈值时,可能表明该连通测试任务对应的自动驾驶测试场景中存在问题,此时,可以认为测试不通过。
例如,图5是本申请实施例中连通测试任务对应的多个站点对中站点之间的连通示意图。参照图5所示,假设连通测试任务包括3个站点,分别为站点A、站点B和站点C,其组成3个站点对,分别为站点A-站点B,站点A-站点C和站点B-站点C。
示例性的,在图5所示的示意图中,以自动驾驶车辆在每个站点对之间来回运行3次进行说明。可选的,在站点A-站点B这个站点对中,以站点A作为起点的运行次数为3次,该站点对的成功连通次数为3次,即站点A的驶出成功率为100%;以站点A作为终点的运行次数为3次,该站点对的成功连通次数为3次,即站点A的驶入成功率为100%;同理,在站点A-站点B这个站点对中,站点B的驶出成功率为100%,站点B的驶入成功率为100%,即,站点A-站点B的双向连通。
类似的,在站点A-站点C这个站点对中,站点A的驶出成功率为100%,站点A的驶入成功率为0%;站点C的驶出成功率为0%,站点C的驶入成功率为100%。因而,站点A到站点C连通,而站点C到站点A不连通或连通性能差。
在站点B-站点C这个站点对中,站点B的驶出成功率为33.3%,站点B的驶入成功率为100%,站点C的驶出成功率为100%,站点C的驶入成功率为33.3%。因而,站点B到站点C不连通或连通性能差,而站点C到站点B连通。
本申请实施例提供的自动驾驶中的站点测试方法,通过根据站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率,进而确定每个站点对的两个站点之间的连通性能,从而实现了对站点对之间的连通性能的评估,为及时发现站点对之间可能存在的问题奠定了基础。
示例性的,在上述实施例的基础上,图6是本申请第三实施例提供的自动驾驶中的站点测试方法的流程示意图。如图6所示,在站点评价信息包括每个站点对的稳定性信息时,上述S202中的根据站点连通数据,确定每个站点对的稳定性信息,可以通过如下步骤实现:
S601、根据上述站点连通数据,确定每个站点对之间的多次测试数据。
在本申请的实施例中,电子设备获取到上述站点连通数据后,通过对该站点连通数据进行分析,首先可以统计该站点连通数据对应的所有站点对,并且,当自动驾驶车辆在每个站点对之间运行多次时,还可以确定出每个站点对之间的多次测试数据。该多次测试数据可以包括站点对之间的双向运行数据,即,本申请实施例可以对同一站点对的多次测试情况进行分析。
S602、根据每个站点对之间的多次测试数据,对每个站点对的稳定性进行评估,得到每个站点对的稳定性信息。
在实际应用中,电子设备统计出每个站点对之间的多次测试数据,并据此评价站点对之间的稳定性。可选的,每个站点对的稳定性信息可以采用多个不同的指标进行表征。
可选的,该站点对的稳定性信息包括如下至少一种:连通成功率、运行里程标准差与运行里程最小值的比值。
其中,连通成功率即站点对中每个站点作为起点或终点的连通成功率。关于连通成功率的具体解释可以参见上述图4所示实施例中的记载,此处不再赘述。可以理解的是,站点对的连通成功率越高,表明站点对越稳定,站点对之间存在问题的可能性越小。
运行里程标准差与运行里程最小值的比值,即电子设备首先根据站点对之间的多次测试数据,确定出站点对之间的多个单向运行里程以及单向运行里程最小值,进而利用统计学的标准差计算公式计算该多个单向运行里程的标准差,得到运行里程标准差,从而可以计算该运行里程标准差与单向运行里程最小值的比值,利用该比值评价站点对之间的运行稳定性。可以理解的是,该比值越小,表明站点对越稳定,站点对之间存在问题的可能性越小。
本申请实施例提供的自动驾驶中的站点测试方法,根据上述站点连通数据,确定每个站点对之间的多次测试数据,进而对每个站点对的稳定性进行评估,得到每个站点对的稳定性信息。该技术方案,利用站点对之间的多次测试数据实现了站点对之间的稳定性评估,是及时发现站点对之间可能存在问题的另一种可能实现方式。
示例性的,在上述实施例的基础上,图7是本申请第四实施例提供的自动驾驶中的站点测试方法的流程示意图。如图7所示,在站点评价信息包括连通测试任务的全连通站点信息时,上述S202中的根据站点连通数据,确定连通测试任务的全连通站点信息,可以通过如下步骤实现:
S701、根据站点连通数据,确定该连通测试任务中的全连通站点集。
其中,该全连通站点集中的任意两个站点之间均能够直接连通。
在本申请的实施例中,电子设备通过对连通测试任务的所有站点对之间的站点连通数据进行分析,根据预设的全连通站点集的计算方式,可以计算出该连通测试任务中的最大全连通站点集。
通常情况下,全连通站点集的计算方式有两种:只考虑直接连通的测试数据、考虑间接连通的测试数据。在本申请的实施例中,由于站点连通数据是以站点对为基础的,针对同一个站点对的多次测试数据中,不同测试的终点坐标可能不同,因而,为了避免同一站点的驶入和驶出过程可能存在其他一些影响因素的情况,本实施例中,以只考虑直接连通的测试数据的计算方法计算全连通站点集。
可以理解的是,本实施例所述的全连通站点集通常是指连通测试任务对应的所有站点组成的最大全连通站点集,在该最大全连通站点集中,任意两个站点之间均能够直接双向连通。
S702、确定该全连通站点集中的全连通站点数以及全连通站点数占连通测试任务包括的所有站点数的比例。
在本申请的实施例中,全连通站点信息可以利用全连通站点集包括的全连通站点数和该全连通站点数占连通测试任务包括的所有站点数的比例来表示。该全连通站点信息也可以在一定程度上评价该连通测试任务包括的站点之间是否存在问题。
具体的,电子设备可以首先确定该连通测试任务包括的所有站点数,然后在确定出全连通站点集之后,统计该全连通站点集包括的全连通站点数,进而可以计算该全连通站点集中的全连通站点数占整个连通测试任务包括的所有站点数的比例,即得到该全连通站点集的规模。
示例性的,图8是本申请实施例中连通测试任务包括的站点组成全连通站点集的示意图。图8所示的实施例以上述图3和图5为基础,即该连通测试任务包括站点A、站点B和站点C。
在图8所示的示意图中,站点A能到达站点B和站点C;站点B能到站点A;站点C能到站点B;但是,站点B不能直接到达站点C,只能通过站点A的中转才能到达站点C;站点C不能直接到达站点A,只能通过站点B的中转才能到达站点A。
在图8中,由于自动驾驶车辆驶入站点A的实际坐标与从站点A驶出的实际坐标可能不同,即每个站点对之间的终点坐标是不固定的,因此,驶入站点A和驶出站点A的过程中可能会存在其他的一些影响因素,故确定站点B和站点C是不连通的。同理,自动驾驶车辆从站点A驶入站点B和驶出站点B的实际坐标也可能不同,因而,认为站点A和站点C是不连通的。所以,在图8中,该连通测试任务对应的最大连通站点集为{站点A,站点B}。
在本申请的实施例中,根据站点连通数据,确定该连通测试任务中的全连通站点集,进而确定该全连通站点集中的全连通站点数以及全连通站点数占连通测试任务包括的所有站点数的比例,实现了对连通测试任务中全连通站点集规模的统计,为准确评价自动驾驶测试场景提供了一定的指导意义。
进一步的,在本申请上述各实施例的基础上,在上述S201之后,该方法还可以包括如下步骤:
根据该站点连通数据对应的起点和终点,将站点连通数据存储在树状结构中。
可选的,电子设备收集到连通测试任务中所有站点对的站点连通数据后,可以对站点连通数据进行收集处理和整理,便于后续的使用提供便利。
示例性的,图9为本申请实施例中站点连通数据的存储结构示意图。参照图9所示,在连通性测试中,站点连通数据为每个站点对在单次运行过程中的测试数据。可选的,为了便于区分每次运行得到的测试数据,站点连通数据可以利用站点对和测试序号进行表示。
示例性的,站点A和站点B的测试数据用数据A-B-1和数据A-B-2表示,站点B和站点C的测试数据用数据B-C-1表示,站点C和站点A的测试数据用数据C-A-1表示,站点B和站点A的测试数据用数据B-A-1表示。
可选的,在本申请的实施例中,为了方便后续使用,可以基于站点连通数据对应的起点和终点,将这些连通测试数据存储于一个树状结构中,参照图9所示,将同一站点对之间的站点连通数据,存储在一起,以便后续分析。
综合上述各实施例,本申请实施例提供的技术方案,在单次连通测试任务中,能够确定出自动驾驶车辆在各个接驳站点之间运行情况,对于自动驾驶技术的发展和自动驾驶产品的投入使用提供了一定的指导意义。
上述介绍了本申请实施例提到的自动驾驶中的站点测试方法的具体实现,下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图10是本申请第一实施例提供的自动驾驶中的站点测试装置的结构示意图。该装置可以集成电子设备中,也可以通过电子设备实现。如图10所示,在本实施例中,该自动驾驶中的站点测试装置100可以包括:获取模块1001、性能确定模块1002和结果确定模块1003。
其中,该获取模块1001,用于获取连通测试任务中所有站点对之间的站点连通数据;
该性能确定模块1002,用于根据所述站点连通数据,确定所述连通测试任务的站点评价信息,所述站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及所述连通测试任务的全连通站点信息;
该结果确定模块1003,用于根据所述连通测试任务的站点评价信息,确定所述连通测试任务的测试结果。
示例性的,图11是本申请第二实施例提供的自动驾驶中的站点测试装置的结构示意图。本实施例是对上述实施例的进一步说明。
在本申请的一种可能设计中,如图11所示,上述性能确定模块1002,包括:第一确定单元10021和第二确定单元10022。
该第一确定单元10021,用于根据所述站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率;
该第二确定单元10022,用于根据每个站点对中所有站点的驶出成功率和驶入成功率,确定每个站点对的两个站点之间的连通性能。
可选的,该第一确定单元10021,具体用于根据所述站点连通数据,确定每个站点作为起点的连通成功率和每个站点作为终点的连通成功率,对于每个站点对中的任意一个站点,将所述站点作为起点的连通成功率作为所述站点的驶出成功率,将所述站点作为终点的连通成功率作为所述站点的驶入成功率。
在本申请的另一种可能设计中,如图11所示,上述性能确定模块1002,包括:第三确定单元10023和第四确定单元10024。
该第三确定单元10023,用于根据所述站点连通数据,确定每个站点对之间的多次测试数据;
该第四确定单元10024,用于根据每个站点对之间的多次测试数据,对每个站点对的稳定性进行评估,得到每个站点对的稳定性信息。
可选的,所述站点对的稳定性信息包括如下至少一种:连通成功率、运行里程标准差与运行里程最小值的比值。
在本申请的再一种可能设计中,如图11所示,上述性能确定模块1002,包括:第五确定单元10025和第六确定单元10026。
其中,该第五确定单元10025,用于根据所述站点连通数据,确定所述连通测试任务中的全连通站点集,所述全连通站点集中的任意两个站点之间均能够直接连通;
该第六确定单元10026,用于确定所述全连通站点集中的全连通站点数以及所述全连通站点数占所述连通测试任务包括的所有站点数的比例。
值得说明的是,在本申请的实施例中,上述第一确定单元10021至第六确定单元10026可以集成为一个处理单元,也可以通过两个或两个以上的单元实现。性能确定模块的具体实现可以根据实际场景的需求确定,此处不再赘述。
进一步的,在本申请的又一种可能设计中,该装置还可以包括:存储模块1004。
该存储模块1004,用于根据所述站点连通数据对应的起点和终点,将所述获取模块获取到的所述站点连通数据存储在树状结构中。
本申请实施例提供的装置,可用于执行前述任一方法实施例中的方法,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,获取模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
进一步的,根据本申请的实施例,本申请还提供了一种电子设备和一种计算机可读存储介质。
图12是用来实现本申请实施例提供的自动驾驶中的站点测试方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图12所示,该电子设备包括:一个或多个处理器1201、存储器1202,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图12中以一个处理器1201为例。
存储器1202即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的自动驾驶中的站点测试方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的自动驾驶中的站点测试方法。
存储器1202作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的自动驾驶中的站点测试方法对应的程序指令/模块(例如,附图10所示的获取模块1001、性能确定模块1002和结果确定模块1003)。处理器1201通过运行存储在存储器1202中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的自动驾驶中的站点测试方法。
存储器1202可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据上述电子设备的使用所创建的数据等。此外,存储器1202可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1202可选包括相对于处理器1201远程设置的存储器,这些远程存储器可以通过网络连接至执行自动驾驶中的站点测试的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行自动驾驶中的站点测试的电子设备还可以包括:输入装置1203和输出装置1204。处理器1201、存储器1202、输入装置1203和输出装置1204可以通过总线或者其他方式连接,图12中以通过总线连接为例。
输入装置1203可接收输入的数字或字符信息,以及产生与自动驾驶中的站点测试的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1204可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
进一步的,本申请的实施例还提供一种自动驾驶中的站点测试方法,包括:
根据从连通测试任务获取到的站点连通数据,确定所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息;
根据所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息,确定所述连通测试任务的测试结果。
根据本申请实施例的技术方案,以连通测试任务的所有站点对之间的站点连通数据作为基础,通过分析站点之间的连通性能、稳定性和全连通站点集信息等,进而得到该连通测试任务的测试结果,其从站点测试场景的角度进行分析,能够及时发现自动驾驶场景中站点存在的问题,提高了自动驾驶测试结果的准确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (17)

1.一种自动驾驶中的站点测试方法,其特征在于,包括:
获取连通测试任务中所有站点对之间的站点连通数据;
根据所述站点连通数据,确定所述连通测试任务的站点评价信息,所述站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及所述连通测试任务的全连通站点信息;
根据所述连通测试任务的站点评价信息,确定所述连通测试任务的测试结果。
2.根据权利要求1所述的方法,其特征在于,根据所述站点连通数据,确定每个站点对中两个站点之间的连通性能,包括:
根据所述站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率;
根据每个站点对中所有站点的驶出成功率和驶入成功率,确定每个站点对的两个站点之间的连通性能。
3.根据权利要求2所述的方法,其特征在于,所述根据所述站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率,包括:
根据所述站点连通数据,确定每个站点作为起点的连通成功率和每个站点作为终点的连通成功率;
对于每个站点对中的任意一个站点,将所述站点作为起点的连通成功率作为所述站点的驶出成功率,将所述站点作为终点的连通成功率作为所述站点的驶入成功率。
4.根据权利要求1所述的方法,其特征在于,根据所述站点连通数据,确定每个站点对的稳定性信息,包括:
根据所述站点连通数据,确定每个站点对之间的多次测试数据;
根据每个站点对之间的多次测试数据,对每个站点对的稳定性进行评估,得到每个站点对的稳定性信息。
5.根据权利要求4所述的方法,其特征在于,所述站点对的稳定性信息包括如下至少一种:连通成功率、运行里程标准差与运行里程最小值的比值。
6.根据权利要求1所述的方法,其特征在于,根据所述站点连通数据,确定所述连通测试任务的全连通站点信息,包括:
根据所述站点连通数据,确定所述连通测试任务中的全连通站点集,所述全连通站点集中的任意两个站点之间均能够直接连通;
确定所述全连通站点集中的全连通站点数以及所述全连通站点数占所述连通测试任务包括的所有站点数的比例。
7.根据权利要求1-6任一项所述的方法,其特征在于,在所述获取连通测试任务中所有站点对之间的站点连通数据之后,所述方法还包括:
根据所述站点连通数据对应的起点和终点,将所述站点连通数据存储在树状结构中。
8.一种自动驾驶中的站点测试装置,其特征在于,包括:获取模块、性能确定模块和结果确定模块;
所述获取模块,用于获取连通测试任务中所有站点对之间的站点连通数据;
所述性能确定模块,用于根据所述站点连通数据,确定所述连通测试任务的站点评价信息,所述站点评价信息包括:每个站点对中两个站点之间的连通性能、每个站点对的稳定性信息以及所述连通测试任务的全连通站点信息;
所述结果确定模块,用于根据所述连通测试任务的站点评价信息,确定所述连通测试任务的测试结果。
9.根据权利要求8所述的装置,其特征在于,所述性能确定模块,包括:第一确定单元和第二确定单元;
所述第一确定单元,用于根据所述站点连通数据,确定每个站点对中每个站点的驶出成功率和驶入成功率;
所述第二确定单元,用于根据每个站点对中所有站点的驶出成功率和驶入成功率,确定每个站点对的两个站点之间的连通性能。
10.根据权利要求9所述的装置,其特征在于,所述第一确定单元,具体用于根据所述站点连通数据,确定每个站点作为起点的连通成功率和每个站点作为终点的连通成功率,对于每个站点对中的任意一个站点,将所述站点作为起点的连通成功率作为所述站点的驶出成功率,将所述站点作为终点的连通成功率作为所述站点的驶入成功率。
11.根据权利要求8所述的方法装置,其特征在于,所述性能确定模块,包括:第三确定单元和第四确定单元;
所述第三确定单元,用于根据所述站点连通数据,确定每个站点对之间的多次测试数据;
所述第四确定单元,用于根据每个站点对之间的多次测试数据,对每个站点对的稳定性进行评估,得到每个站点对的稳定性信息。
12.根据权利要求11所述的装置,其特征在于,所述站点对的稳定性信息包括如下至少一种:连通成功率、运行里程标准差与运行里程最小值的比值。
13.根据权利要求8所述的装置,其特征在于,所述性能确定模块,包括:第五确定单元和第六确定单元;
所述第五确定单元,用于根据所述站点连通数据,确定所述连通测试任务中的全连通站点集,所述全连通站点集中的任意两个站点之间均能够直接连通;
所述第六确定单元,用于确定所述全连通站点集中的全连通站点数以及所述全连通站点数占所述连通测试任务包括的所有站点数的比例。
14.根据权利要求8-13任一项所述的装置,其特征在于,所述装置还包括:存储模块;
所述存储模块,用于根据所述站点连通数据对应的起点和终点,将所述获取模块获取到的所述站点连通数据存储在树状结构中。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种自动驾驶中的站点测试方法,其特征在于,包括:
根据从连通测试任务获取到的站点连通数据,确定所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息;
根据所述连通测试任务的站点连通性能、站点对的稳定性能以及全连通站点信息,确定所述连通测试任务的测试结果。
CN202010518847.4A 2020-06-09 2020-06-09 自动驾驶中的站点测试方法、装置、设备及存储介质 Active CN111695253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010518847.4A CN111695253B (zh) 2020-06-09 2020-06-09 自动驾驶中的站点测试方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010518847.4A CN111695253B (zh) 2020-06-09 2020-06-09 自动驾驶中的站点测试方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111695253A true CN111695253A (zh) 2020-09-22
CN111695253B CN111695253B (zh) 2023-09-01

Family

ID=72479917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010518847.4A Active CN111695253B (zh) 2020-06-09 2020-06-09 自动驾驶中的站点测试方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111695253B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527673A (zh) * 2020-12-22 2021-03-19 北京百度网讯科技有限公司 站点测试方法、装置、电子设备及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5170362A (en) * 1991-01-15 1992-12-08 Atlantic Richfield Company Redundant system for interactively evaluating the capabilities of multiple test subjects to perform a task utilizing a computerized test system
JP2012222666A (ja) * 2011-04-11 2012-11-12 Ntt Docomo Inc 移動通信方法、無線基地局及び移動局
CN103592903A (zh) * 2013-08-18 2014-02-19 北京联合大学 一种汽车智能驾驶测试数据远程监测方法及系统
CN103617237A (zh) * 2013-11-26 2014-03-05 百度在线网络技术(北京)有限公司 交通线路信息的查询方法和搜索引擎
CN107196835A (zh) * 2017-05-31 2017-09-22 同济大学 车联网大规模网络互联互通的连通基组件构造方法
CN107963085A (zh) * 2017-11-21 2018-04-27 中车长江车辆有限公司 一种车辆、车辆控制方法及系统
CN109765877A (zh) * 2018-12-17 2019-05-17 北京百度网讯科技有限公司 自动驾驶过程的检测方法、装置、系统及存储介质
CN109808915A (zh) * 2018-12-28 2019-05-28 中国人民解放军63653部队 一种长航时大范围飞行试验多站接力测控系统及方法
CN110096006A (zh) * 2019-04-19 2019-08-06 常宁(常州)数据产业研究院有限公司 一种自动驾驶系统测试装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5170362A (en) * 1991-01-15 1992-12-08 Atlantic Richfield Company Redundant system for interactively evaluating the capabilities of multiple test subjects to perform a task utilizing a computerized test system
JP2012222666A (ja) * 2011-04-11 2012-11-12 Ntt Docomo Inc 移動通信方法、無線基地局及び移動局
CN103592903A (zh) * 2013-08-18 2014-02-19 北京联合大学 一种汽车智能驾驶测试数据远程监测方法及系统
CN103617237A (zh) * 2013-11-26 2014-03-05 百度在线网络技术(北京)有限公司 交通线路信息的查询方法和搜索引擎
CN107196835A (zh) * 2017-05-31 2017-09-22 同济大学 车联网大规模网络互联互通的连通基组件构造方法
CN107963085A (zh) * 2017-11-21 2018-04-27 中车长江车辆有限公司 一种车辆、车辆控制方法及系统
CN109765877A (zh) * 2018-12-17 2019-05-17 北京百度网讯科技有限公司 自动驾驶过程的检测方法、装置、系统及存储介质
CN109808915A (zh) * 2018-12-28 2019-05-28 中国人民解放军63653部队 一种长航时大范围飞行试验多站接力测控系统及方法
CN110096006A (zh) * 2019-04-19 2019-08-06 常宁(常州)数据产业研究院有限公司 一种自动驾驶系统测试装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527673A (zh) * 2020-12-22 2021-03-19 北京百度网讯科技有限公司 站点测试方法、装置、电子设备及可读存储介质
CN112527673B (zh) * 2020-12-22 2023-08-01 北京百度网讯科技有限公司 站点测试方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN111695253B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN112050824B (zh) 用于车辆导航的路线规划方法、装置、系统及电子设备
CN103471621B (zh) 一种适用于车载导航多媒体终端的测试方法及测试设备
CN112735124B (zh) 交通数据的分析方法、装置、设备、车辆及存储介质
CN111694973A (zh) 自动驾驶场景的模型训练方法、装置、电子设备
CN112132113A (zh) 车辆再识别的方法、装置、训练方法以及电子设备
CN113129596B (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
CN113011323B (zh) 通行状态的获取方法、相关装置、路侧设备及云控平台
CN111551190B (zh) 自动驾驶确定定位能力的方法、装置、设备及介质
CN111487070A (zh) 自动驾驶车辆的驾驶性能测试方法、装置、设备及介质
CN111477028A (zh) 用于生成信息的方法和装置
CN114564374A (zh) 算子性能评估方法、装置、电子设备及存储介质
CN111552646A (zh) 用于回归测试的方法和装置
CN115374016A (zh) 一种测试场景仿真系统、方法、电子设备及存储介质
CN111695253B (zh) 自动驾驶中的站点测试方法、装置、设备及存储介质
CN114781546A (zh) 用于确定车辆异常行为的方法和装置
CN112559272B (zh) 车载设备的质量信息确定方法、装置、设备及存储介质
CN112149828B (zh) 基于深度学习框架的算子精度检测方法和装置
CN111757272B (zh) 地铁拥堵程度的预测方法、模型训练方法和装置
CN111538656B (zh) 梯度检查的监控方法、装置、设备及存储介质
CN111756762A (zh) 车辆安全性分析方法、装置、电子设备及存储介质
CN114323693B (zh) 车路云感知系统的测试方法、装置、设备及存储介质
CN111767651A (zh) 指标预测模型的构建方法、指标预测方法和装置
CN112581526B (zh) 障碍物检测的测评方法、装置、设备以及存储介质
CN115329597A (zh) 用于仿真检测高精地图质量的方法、装置和设备
CN110849327B (zh) 拍摄盲区的长度确定方法、装置以及计算机设备

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