CN111723458A - 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 - Google Patents
面向自动驾驶决策规划系统仿真测试场景自动化生成方法 Download PDFInfo
- Publication number
- CN111723458A CN111723458A CN202010386871.7A CN202010386871A CN111723458A CN 111723458 A CN111723458 A CN 111723458A CN 202010386871 A CN202010386871 A CN 202010386871A CN 111723458 A CN111723458 A CN 111723458A
- Authority
- CN
- China
- Prior art keywords
- scene
- vehicle
- action
- planning system
- simulation test
- 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
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computer Networks & Wireless Communication (AREA)
- Structural Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,该方法包括以下步骤:步骤1:基于关键字的场景描述:根据用户需求,对需要描述的场景采用关键字进行语义描述;步骤2:将语义描述中的关键字数据化;步骤3:基于关键字数据化处理后的语义描述批量生成场景文件。与现有技术相比,本发明具有可以快速建立多样化的自动驾驶仿真场景等优点。
Description
技术领域
本发明涉及自动驾驶测试领域,尤其是涉及一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法。
背景技术
随着自动驾驶技术的发展,自动驾驶车辆测试已经成为了保证自动驾驶车辆安全性的重要环节,决策规划系统作为自动驾驶的核心,为了提高其测试的安全性和效率并降低测试成本,一般对其进行仿真测试,为此,需要建立用于自动驾驶决策规划系统仿真测试的仿真场景。
现有的仿真测试过程在生成场景时,需要进行详细的场景描述,降低了场景生成的效率,且过于详细的描述对于决策规划系统往往是不必要的,从而导致测试效率降低。
因此,如何高效、快速的生成多样化的自动驾驶仿真场景是现有技术亟待解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法。
本发明的目的可以通过以下技术方案来实现:
一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,该方法包括以下步骤:
步骤1:基于关键字的场景描述:根据用户需求,对需要描述的场景采用关键字进行语义描述;
步骤2:将语义描述中的关键字数据化;
步骤3:基于关键字数据化处理后的语义描述批量生成场景文件。
进一步地,所述的步骤1中的关键字包括场景内的道路拓扑结构,场景内自车初始位置、他车初始位置和他车将进行的动作以及对应的触发条件,场景的终止条件。
进一步地,所述的道路拓扑结构包括直道、弯道、十字路口和匝道;所述的自车包括由决策规划算法控制的待测试车辆;所述的他车包括所述自车周边可能影响所述自车的决策规划算法控制的车辆。
进一步地,所述的自车初始位置包括所述自车所在的车道;所述他车初始位置包括所述他车相对于所述自车的方位;所述他车将进行的动作包括加速,减速,匀速,加速变道,减速变道,匀速变道,并包含相应的基本参数。
进一步地,所述的他车将进行的动作相应的基本参数包括加速动作的速度变化数值及持续时间、减速动作的速度变化数值及持续时间、匀速动作的速度数值、换道动作的持续时间、加速变道动作的加速动作及换道动作的基本参数组合、减速变道动作的减速动作及换道动作的基本参数组合。
进一步地,所述的触发条件包括基于时间触发、基于地点触发以及基于事件触发;所述的终止条件包括基于时间终止、基于地点终止以及基于事件终止。
进一步地,所述的步骤2具体包括:采用通用格式,将一个场景描述为一个对象,对象的第一个成员为道路拓扑结构,其值为场景对应的道路拓扑结构,然后将场景内车辆依次转化为对象内的成员,每个成员包含具体变量,变量依次为位置变量与动作变量。
进一步地,所述的通用格式包括JSON、XML和ProtoBuf;所述的道路拓扑结构的值包括道路拓扑结构对应的字符串;所述的位置变量包括所述场景内的所述道路拓扑结构中车辆可能占据的位置的编号;所述的动作变量包括动作名称转换为的同名字符串。
进一步地,所述的步骤3具体包括:对于给定的场景对象,通过读取其成员及变量值,遍历其变量值对应的参数空间得到全部场景,并根据自然驾驶数据分析得到的各参数的逻辑相关性,排除具有不合理参数关系的场景,保留有效场景,采用脚本批量化生成场景文件。
进一步地,所述的参数空间包括位置变量对应X、Y和Z各坐标参数的范围空间和动作变量对应个动作的基本参数的范围空间;所述的场景文件包括OpenSCENARIO和GeoScenario仿真场景格式的文件。
与现有技术相比,本发明具有以下优点:
(1)本发明方法步骤1:基于关键字的场景描述:根据用户需求,对需要描述的场景采用关键字进行语义描述;步骤2:将语义描述中的关键字数据化;步骤3:基于关键字数据化处理后的语义描述批量生成场景文件,可以快速建立多样化的自动驾驶仿真场景。
(2)本发明一种面向自动驾驶决策规划系统仿真测试场景的自动化生成方法,本实施例方法的应用场景可以是:在对自动驾驶决策规划系统进行仿真测试时,批量生成仿真场景,使决策规划系统的仿真测试结果更全面。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明的示例性实施例提供了一种面向自动驾驶决策规划系统仿真测试场景的自动化生成方法,本实施例方法的应用场景可以是:在对自动驾驶决策规划系统进行仿真测试时,批量生成仿真场景,使决策规划系统的仿真测试结果更全面。
下面结合图1对本示例性实施例做进一步说明,如图1所示面向自动驾驶决策规划系统仿真测试场景的自动化生成方法可以包括以下步骤S1~S3:
步骤S1,基于关键字的场景描述:根据用户需求,对需要描述的场景采用关键字进行语义描述;
具体地,关键字可以包括场景内的道路拓扑结构,场景内自车初始位置,他车初始位置和他车将进行的动作及对应的触发条件,场景的终止条件;道路拓扑结构包括直道、弯道、十字路口、匝道等;自车即由决策规划算法控制的待测试车辆;他车即自车周边可能影响自车决策规划的车辆;自车初始位置即自车所在的车道;他车初始位置包括他车相对于自车的方位,如前、后、左、右、左前、左后、右前、右后等方位;他车将进行的动作包括加速,减速,匀速,加速变道,减速变道,匀速变道等单个行为及其在时间顺序上的组合,并包含相应的基本参数;触发条件包括基于时间触发、基于地点触发及基于事件触发,默认为基于时间触发;场景的终止条件包括基于时间终止、基于地点终止及基于事件终止,默认为基于时间终止。
在一个实施例中,场景的语义描述可以为“在三车道直道道路上,自车位于中间车道,他车一位于自车左前方,先变道后制动,他车二位于自车右后方,进行加速”,通过提取场景描述中的关键字,并默认动作触发条件为基于时间触发,场景终止条件为基于时间终止,进行下一步关键字数据化。
步骤S2,关键字数据化:采用通用格式,将一个场景描述为一个对象,对象的第一个成员为道路拓扑结构,其值为场景对应的道路拓扑结构,再将场景内车辆依次转化为对象内的成员,每个成员包含具体变量,变量依次为位置与动作
具体地,通用格式包括但不限于JSON、XML和ProtoBuf等数据格式;道路拓扑结构成员的值包括道路拓扑结构对应的字符串,如“Straight”、“Curve”、“Crossroad”和“Ramp”等;位置变量包括将所述场景内道路拓扑结构中车辆可能占据的位置进行编号,位置变量的值即为各位置的编号;动作变量包括动作名称转换为的同名字符串,如加速动作转换为“ACC”、匀速变道动作转换为“LangeChange”等。
在一个实施例中,将整个场景描述作为一个对象,场景内车辆依次为自车,他车一,他车二,分别为在对象中表示为成员;根据场景的语义描述,将三车道直道的拓扑结构中车辆可能占据的位置从左至右、从前至后编号为(0,0),(1,0)…(3,3),其中自车坐标为(1,1),分别代表中间车道和纵向中间位置,从而得到其他车辆对应的具体位置值,在对象中表现为成员的值;最终得到的数据化的关键字,整个对象为{“Road Topology”;“Straight”;“Car0”:1,1;“Car1”:1,0,“LangChange”,“Brake”;“Car2”:2,2,“ACC”},该对象可以为JSON、XML和ProtoBuf等通用数据格式;
步骤S3,场景文件的批量生成:对于给定的场景对象,通过读取其成员及变量值,遍历其变量值对应的参数空间,得到全部场景,并根据自然驾驶数据分析得到的各参数的逻辑相关性,排除具有不合理参数关系的场景,保留有效场景,采用脚本批量化生成场景文件。
具体地,场景文件可以包括OpenSCENARIO和GeoScenario等仿真场景格式的文件;参数空间可以包括位置变量对应X,Y,Z等各坐标参数的一定范围,动作变量对应各动作的基本参数的一定范围。
在一个实施例中,将给定的场景对象转化为OpenSCENARIO格式的场景文件。读取其成员为Car0,Car1,Car2,并且将Car0默认为被测车辆,设定为自动驾驶模式,由外部算法控制,根据读取的值1,1,赋予其初始坐标值(X0,Y0,Z0),由于场景对象中不包含车辆初始坐标的高度信息,故Z皆为0;接着读取Car1成员的值,依次读取到Car1的位置和动作,将Car1坐标值设为(X1,Y1,Z1),其中因Car0和Car1位于同一车道,X1等于X0,Y1取值可取值为参数空间内的遍历,且满足条件Y1小于Y0,例如设定为Y0-15至Y0-5,遍历间隔为5m;Car1的第一个动作为变道,故对应参数空间内的变道时间,遍历其范围,例如设定为2~6秒,遍历间隔为1s;Car1的第二个动作为制动,由于该动作触发条件为默认的基于时间触发,故设定为第3s开始,制动动作对应参数空间内的减速时间和减速数值,例如减速时间设定为2~4s,遍历间隔为1s,减速数值设定为5m/s~10m/s,遍历间隔为1m/s;同理,生成Car2的位置和动作。通过脚本将上述参数空间进行遍历组合,并分析各参数间逻辑相关性,发现该参数空间范围内,Car1第一个变道动作超过3s的场景与第二个动作发生冲突,故排除Car1第一个变道动作持续时间大于3s的场景,保留剩余有效场景,生成OpenSCENARIO格式的场景文件,用于在仿真软件例如VTD中进行测试。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,该方法包括以下步骤:
步骤1:基于关键字的场景描述:根据用户需求,对需要描述的场景采用关键字进行语义描述;
步骤2:将语义描述中的关键字数据化;
步骤3:基于关键字数据化处理后的语义描述批量生成场景文件。
2.根据权利要求1所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的步骤1中的关键字包括场景内的道路拓扑结构,场景内自车初始位置、他车初始位置和他车将进行的动作以及对应的触发条件,场景的终止条件。
3.根据权利要求2所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的道路拓扑结构包括直道、弯道、十字路口和匝道;所述的自车包括由决策规划算法控制的待测试车辆;所述的他车包括所述自车周边可能影响所述自车的决策规划算法控制的车辆。
4.根据权利要求2所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的自车初始位置包括所述自车所在的车道;所述他车初始位置包括所述他车相对于所述自车的方位;所述他车将进行的动作包括加速,减速,匀速,加速变道,减速变道,匀速变道,并包含相应的基本参数。
5.根据权利要求4所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的他车将进行的动作相应的基本参数包括加速动作的速度变化数值及持续时间、减速动作的速度变化数值及持续时间、匀速动作的速度数值、换道动作的持续时间、加速变道动作的加速动作及换道动作的基本参数组合、减速变道动作的减速动作及换道动作的基本参数组合。
6.根据权利要求2所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的触发条件包括基于时间触发、基于地点触发以及基于事件触发;所述的终止条件包括基于时间终止、基于地点终止以及基于事件终止。
7.根据权利要求1所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的步骤2具体包括:采用通用格式,将一个场景描述为一个对象,对象的第一个成员为道路拓扑结构,其值为场景对应的道路拓扑结构,然后将场景内车辆依次转化为对象内的成员,每个成员包含具体变量,变量依次为位置变量与动作变量。
8.根据权利要求7所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的通用格式包括JSON、XML和ProtoBuf;所述的道路拓扑结构的值包括道路拓扑结构对应的字符串;所述的位置变量包括所述场景内的所述道路拓扑结构中车辆可能占据的位置的编号;所述的动作变量包括动作名称转换为的同名字符串。
9.根据权利要求1所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的步骤3具体包括:对于给定的场景对象,通过读取其成员及变量值,遍历其变量值对应的参数空间得到全部场景,并根据自然驾驶数据分析得到的各参数的逻辑相关性,排除具有不合理参数关系的场景,保留有效场景,采用脚本批量化生成场景文件。
10.根据权利要求9所述的一种面向自动驾驶决策规划系统仿真测试场景自动化生成方法,其特征在于,所述的参数空间包括位置变量对应X、Y和Z各坐标参数的范围空间和动作变量对应个动作的基本参数的范围空间;所述的场景文件包括OpenSCENARIO和GeoScenario仿真场景格式的文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386871.7A CN111723458B (zh) | 2020-05-09 | 2020-05-09 | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010386871.7A CN111723458B (zh) | 2020-05-09 | 2020-05-09 | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723458A true CN111723458A (zh) | 2020-09-29 |
CN111723458B CN111723458B (zh) | 2022-09-16 |
Family
ID=72564486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010386871.7A Active CN111723458B (zh) | 2020-05-09 | 2020-05-09 | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723458B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668077A (zh) * | 2020-12-21 | 2021-04-16 | 苏州挚途科技有限公司 | 测试场地规划数据的确定方法及装置、处理器、电子装置 |
CN112744229A (zh) * | 2021-01-18 | 2021-05-04 | 国汽智控(北京)科技有限公司 | 一种自动驾驶领域专有语言的生成系统 |
CN115061386A (zh) * | 2022-06-27 | 2022-09-16 | 合众新能源汽车有限公司 | 智能驾驶的自动化仿真测试系统及相关设备 |
CN115167182A (zh) * | 2022-09-07 | 2022-10-11 | 禾多科技(北京)有限公司 | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
US20190377981A1 (en) * | 2018-06-11 | 2019-12-12 | Venkata Subbarao Veeravasarapu | System and Method for Generating Simulated Scenes from Open Map Data for Machine Learning |
CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
CN110675476A (zh) * | 2019-09-25 | 2020-01-10 | 武汉光庭信息技术股份有限公司 | 一种直观传达自动驾驶场景定义的方法和装置 |
CN110717248A (zh) * | 2019-09-11 | 2020-01-21 | 武汉光庭信息技术股份有限公司 | 自动驾驶仿真场景的生成方法及系统、服务器及介质 |
CN111027160A (zh) * | 2019-11-20 | 2020-04-17 | 中山大学 | 一种基于数据转换的sumo交通仿真场景精准构建方法 |
-
2020
- 2020-05-09 CN CN202010386871.7A patent/CN111723458B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190377981A1 (en) * | 2018-06-11 | 2019-12-12 | Venkata Subbarao Veeravasarapu | System and Method for Generating Simulated Scenes from Open Map Data for Machine Learning |
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
CN110717248A (zh) * | 2019-09-11 | 2020-01-21 | 武汉光庭信息技术股份有限公司 | 自动驾驶仿真场景的生成方法及系统、服务器及介质 |
CN110675476A (zh) * | 2019-09-25 | 2020-01-10 | 武汉光庭信息技术股份有限公司 | 一种直观传达自动驾驶场景定义的方法和装置 |
CN111027160A (zh) * | 2019-11-20 | 2020-04-17 | 中山大学 | 一种基于数据转换的sumo交通仿真场景精准构建方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668077A (zh) * | 2020-12-21 | 2021-04-16 | 苏州挚途科技有限公司 | 测试场地规划数据的确定方法及装置、处理器、电子装置 |
CN112744229A (zh) * | 2021-01-18 | 2021-05-04 | 国汽智控(北京)科技有限公司 | 一种自动驾驶领域专有语言的生成系统 |
CN112744229B (zh) * | 2021-01-18 | 2021-12-21 | 国汽智控(北京)科技有限公司 | 一种自动驾驶领域专有语言的生成系统 |
CN115061386A (zh) * | 2022-06-27 | 2022-09-16 | 合众新能源汽车有限公司 | 智能驾驶的自动化仿真测试系统及相关设备 |
CN115167182A (zh) * | 2022-09-07 | 2022-10-11 | 禾多科技(北京)有限公司 | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111723458B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723458B (zh) | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 | |
CN110197027B (zh) | 一种自动驾驶测试方法、装置、智能设备和服务器 | |
CN112685289A (zh) | 场景的生成方法、基于场景的模型在环测试方法和系统 | |
WO2020060480A1 (en) | System and method for generating a scenario template | |
CN112051832B (zh) | 基于仿真节点的故障测试方法、装置、系统及存储介质 | |
Ponn et al. | An optimization-based method to identify relevant scenarios for type approval of automated vehicles | |
EP4191464A1 (en) | Method for constructing simulation traffic flow and simulation device | |
CN113219962A (zh) | 一种面向混行队列跟驰安全的控制方法、系统及存储介质 | |
CN115599694A (zh) | 一种自动驾驶软件版本集成测试方法 | |
CN115099051A (zh) | 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质 | |
CN115402344A (zh) | 泊车场景仿真方法和装置 | |
Koenig et al. | Bridging the gap between open loop tests and statistical validation for highly automated driving | |
CN111983934B (zh) | 一种无人车仿真测试用例生成方法及系统 | |
CN116438434A (zh) | 用于基于概率对车辆进行速度预测的计算机辅助的方法和装置 | |
CN112329152B (zh) | 一种驾驶数据搜索方法、装置及设备 | |
Wang et al. | Hybrid online model-based testing for communication-based train control systems | |
CN116861678A (zh) | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 | |
CN115543809A (zh) | 自动驾驶功能的测试场景库构建方法及装置 | |
CN113868875B (zh) | 测试场景自动生成方法、装置、设备和存储介质 | |
CN115129027A (zh) | 一种用于智能驾驶的自动化评估方法及装置 | |
CN115454018A (zh) | 基于复杂度的自动驾驶场景测试用例生成方法及系统 | |
CN115270450A (zh) | 一种自动驾驶决策系统性能局限的预期功能安全优化方法 | |
CN115148028A (zh) | 依据历史数据构建车辆路测场景的方法、装置及一种车辆 | |
CN114676556A (zh) | 一种仿真场景设置方法、装置、设备及存储介质 | |
Zhang | Specifying and modeling automotive cyber physical systems |
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 |