CN111814308B - 一种面向自动驾驶系统的加速测试系统 - Google Patents
一种面向自动驾驶系统的加速测试系统 Download PDFInfo
- Publication number
- CN111814308B CN111814308B CN202010512791.1A CN202010512791A CN111814308B CN 111814308 B CN111814308 B CN 111814308B CN 202010512791 A CN202010512791 A CN 202010512791A CN 111814308 B CN111814308 B CN 111814308B
- Authority
- CN
- China
- Prior art keywords
- scene
- simulation
- module
- automatic driving
- specific
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 79
- 230000001133 acceleration Effects 0.000 title claims abstract description 54
- 238000004088 simulation Methods 0.000 claims abstract description 92
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims abstract description 13
- 238000010845 search algorithm Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013215 result calculation Methods 0.000 claims description 4
- 238000013515 script Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000011234 economic evaluation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims description 2
- 230000026676 system process Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F30/18—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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种面向自动驾驶系统的加速测试系统,该系统包括场景构建模块、仿真模块、加速测试模块以及仿真流程管理模块,场景构建模块提供面向自动驾驶系统具体测试需求的功能场景、逻辑场景以及特定场景格式的具体场景,仿真模块支持自动驾驶系统在相应的仿真场景中运行并返回原始仿真结果,加速测试模块基于原始仿真结果计算评价指标,并通过优化搜索算法探索场景参数空间,仿真流程管理模块根据具体场景配置仿真场景、控制每轮仿真实验的生存周期以及整体加速测试的终止时机并使对应测试过程自动化进行。本发明可以帮助寻找决策规划系统的设计缺陷,提高系统安全性和可靠性,可以帮助寻找系统的性能边界,减少场景测试的时间,提高测试效率。
Description
技术领域
本发明涉及自动驾驶仿真场景测试技术领域,尤其是涉及一种面向自动驾驶系统的加速测试系统。
背景技术
在自动驾驶测试过程中,基于仿真的场景测试方法已成为国内外研究热点。通过构建在环仿真平台可以方便快捷地为自动驾驶系统配置各种场景,进行大规模测试。且通过针对性的测试场景设计,可以提高测试效率。但在使用基于场景的测试方法时,理论上所有的测试影响因素组合都必须被测试,以验证系统安全性。如果系统的影响因素具有连续定义域,则可以生成无限数量的具体测试场景,完整地测试这些场景需要消耗大量的时间成本。如何提高对开发和测试更具意义的关键场景的生成效率,加速自动驾驶测试过程是一个关键难题。
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系统的加速测试系统。
本发明的目的可以通过以下技术方案来实现:
一种面向自动驾驶系统的加速测试系统,该系统包括场景构建模块、仿真模块、加速测试模块以及仿真流程管理模块。其中,所述场景构建模块,用于提供面向自动驾驶系统具体测试需求的功能场景、逻辑场景以及特定场景格式的具体场景;所述仿真模块,用于在配置的具体仿真场景中,运行被测自动驾驶系统并获取原始仿真结果;所述加速测试模块,用于根据原始仿真结果计算评价指标,对被测自动驾驶系统在该场景下的表现进行评估,并根据加速算法生成优先待评估的场景参数组合;所述仿真流程管理模块,用于根据具体场景配置仿真场景、控制每轮仿真实验的生存周期以及整体加速测试的终止时机并使整个加速测试过程自动化进行。
进一步地,所述的场景构建模块包括面向特定自动驾驶系统具体测试需求的功能场景元素库、统一的功能场景描述格式、场景元素的参数范围库及约束条件库以及以特定场景格式为载体的具体场景。
进一步地,所述的仿真模块包括自动驾驶仿真软件、被测自动驾驶系统以及其他可选的实时测量硬件等在环仿真管理设备。
进一步地,所述的加速测试模块包括面向不同评价维度的原始仿真结果计算模块以及用于生成优先待评估的场景参数组合的优化搜索算法模块。
进一步地,所述的仿真流程管理模块包括仿真场景配置模块、单轮仿真实验生存周期控制模块、整体加速测试终止时机控制模块以及自动化测试模块。
进一步地,所述的功能场景元素库包括道路、交通设施、临时变动、静动态实体、环境和数字信息的主要分类以及相互关系;所述的功能场景描述格式包括标准化的高级自然语言格式以及JSON、XML、SDL等序列化语言格式;所述的特定元素参数范围包括离散型参数的可选值集合以及连续型参数的上下限和分布;所述的约束条件包括不同元素的值约束条件和关系约束条件等;所述的以特定场景格式为载体的具体场景包括以OpenSCENARIO和OpenDRIVE、GeoSCENARIO和Lanelet为核心的专用自动驾驶具体场景格式,以及以Python脚本、Protobuf等为核心的自定义自动驾驶具体场景格式。
进一步地,所述的自动驾驶仿真软件包括开源自动驾驶仿真软件CARLA、AirSim以及LGSVL等,商业自动驾驶仿真软件Vires Test Drive以及PreScan等,机器人仿真软件Gazebo以及V-REP等;所述的被测自动驾驶系统从属性角度包括模型、软件、硬件以及实车,从完整程度上包括全栈自动驾驶系统以及感知、决策规划、控制执行等自动驾驶子系统,从算法实现角度包括模块化的自动驾驶系统以及端到端的自动驾驶系统;所述的在环仿真设备包括PXI、dSPACE、ETAS等品牌的实时测量硬件。
进一步地,所述的原始仿真结果计算模块所涉及的评价维度包括安全性评价指标、鲁棒性评价指标、舒适性评价指标、经济性评价指标等;所述的优化搜索算法模块包括启发式搜索算法、贝叶斯优化算法、强化学习搜索算法以及各种优化搜索算法的组合等。
进一步地,所述的仿真场景配置模块用于依据静态场景参数生成道路拓扑以及建筑物等基本仿真环境,依据动态场景参数控制各仿真对象的行为逻辑等;所述的单轮仿真实验生存周期控制模块主要包括基于时间触发、基于地点触发、基于事件触发的生存周期控制方法;所述的整体加速测试终止模块则包括消耗完预先分配的仿真时间、达到预先设定的实验迭代轮数、仿真实验结果收敛等终止条件;所述的自动化测试模块管理以上流程自动化进行。
进一步地,所述的安全性评价指标包括碰撞时间(Time To Collision,TTC)、车头时距(Time Headway,TH)等;所述的鲁棒性评价指标包括时序逻辑的违反程度等;所述的舒适性评价指标包括最大、最小加速度以及加速度变化率等;所述的经济性评价指标包括系统处理特定场景所需时间以及计算力消耗等。
本发明还提供了一种面向自动驾驶系统的加速测试系统的整体应用流程,包括如下步骤:
S1、依据被测自动驾驶系统的特性和测试需求从功能场景元素库中选取功能场景元素;
S2、选择功能场景的描述格式;
S3、在选定的功能场景元素的基础上,选择关键场景参数的参数取值范围和需考虑的约束条件类型;
S4、选择生成的具体场景格式,生成以特定场景格式为载体的具体场景;
S5、构建基于自动驾驶仿真软件、被测自动驾驶系统以及可选的相关仿真设备的在环仿真测试系统;
S6、选择评价维度以及具体优化算法,设计具体评价指标的计算方式,选择具体优化算法的模型参数;
S7、选择单轮仿真实验终止条件、加速测试终止条件;
S8、单轮仿真实验开始,在仿真测试系统中根据具体场景参数构建并运行自动驾驶仿真场景;
S9、在仿真实验中,通过仿真数据接口不断获取并保存用以计算评价指标以及与仿真实验终止条件相关的原始仿真结果,并计算是否满足仿真实验终止条件,满足时终止当前轮次仿真实验;
S10、根据原始仿真结果计算评价指标,度量被测自动驾驶系统在当前场景下的表现;
S11、优化算法基于获取的场景参数和评价指标,生成优先待评估的新的场景参数组合;
S12、计算是否满足加速测试终止条件;
S13、重复S8-S12,直到满足加速测试终止条件时退出。
与现有技术相比,本发明具有以下优点:
(1)本发明系统利用仿真平台和优化算法,将基于场景测试的加速测试问题转化为数学上的黑箱优化问题,降低了分析问题的复杂性,提高了场景测试效率,加速了自动驾驶测试过程。
(2)本发明系统支持自动化运行整个加速测试过程:通过预先分析设定单轮仿真实验的终止条件、加速测试的终止条件以及基于场景的仿真实验配置方法,使整个加速过程自动化进行,减少了手动操作的时间成本。
(3)本发明系统通过提高面向自动驾驶系统的关键场景生成效率,在系统开发过程中,可以帮助开发人员寻找决策规划系统的设计缺陷,从而更有效地迭代算法,进而提高系统的安全性,保障系统的可靠性。在系统验证过程中,可以帮助测试人员寻找系统的性能边界,减少场景测试的时间,进而提高测试效率。
(4)本发明系统具有完备的场景加速测试流程支持:系统支持多维度场景、不同评价维度、不同加速算法。
附图说明
图1为本发明面向自动驾驶系统的加速测试系统的结构图。
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
如图1所示为本发明对应的实施例的加速测试系统结构图,该系统包括场景构建模块、仿真模块、加速测试模块以及仿真流程管理模块。所述场景构建模块,用于提供面向自动驾驶系统具体测试需求的功能场景、逻辑场景以及特定场景格式的具体场景;所述仿真模块,用于在配置的具体仿真场景中,运行被测自动驾驶系统并获取原始仿真结果;所述加速测试模块,用于根据原始仿真结果计算评价指标,对被测自动驾驶系统在该场景下的表现进行评估,并根据加速算法生成优先待评估的场景参数组合;所述仿真流程管理模块,用于根据具体场景配置仿真场景、控制每轮仿真实验的生存周期以及整体加速测试的终止时机并使整个加速测试过程自动化进行。
针对自动驾驶决策规划系统阐述实施例。
结合决策规划系统的典型输入从功能场景元素库中选取具体的道路拓扑结构、交通信号、自车行为与其他交通参与者行为场景元素。构建在直行三车道上,自车跟随前车行驶时,相邻车道车辆切入到自车当前车道前方的功能场景。并选定JSON格式描述功能场景。
针对道路拓扑结构,选定道路曲线半径、车道数、车道宽度、纵面线形等场景元素并确定参数范围;对于交通信息,选定交通信号的相对位置以及信号的类型等场景元素并确定参数范围;对于自车和其他交通参与者,选定自车初始位置、自车初始速度、自车和其他交通参与者纵向相对距离或相对速度、其他交通参与者的换道时间等场景元素并确定参数范围;选定参数值相关性等值约束条件以及交通参与者与道路拓扑结构之间的关系约束条件。并选定具体场景格式为Python脚本。
选定CARLA作为自动驾驶仿真软件,并选定部署了模块化自动驾驶决策规划系统的工控机作为被测对象,构建硬件在环仿真测试系统。
选定安全性评价维度,构建运行过程中最小TTC和为评价指标。
选定贝叶斯优化算法作为加速算法,分析确定贝叶斯优化算法的代理模型及模型参数、采集函数以及更新方法等模型参数。
选定当单轮仿真实验运行时间超过20s时、自车偏离当前车道时、自车与其他交通参与者发生碰撞时、其他交通参与者之间发生碰撞时、其他交通参与者切入到自车后方时终止单轮仿真实验。设定当总仿真时间超过10000s时、仿真运行实验超过400轮时终止加速测试。
使用仿真流程管理模块在自动驾驶仿真软件中通过Python脚本配置并运行具体场景,记录并保存自车和其他交通参与者的时间戳信息、当前车道信息、在地图上的具体坐标信息以及碰撞事件信息。当满足单轮仿真实验终止条件时,终止当前轮次仿真实验。
使用加速测试模块中的原始结果仿真计算模块,基于保存的轨迹数据计算自车和切入前车的最小TTC,优化搜索算法模块获取评价指标值和对应的场景参数,计算生成优先待评估的场景参数组合。
在自动驾驶仿真软件中配置以上场景参数组合,开启新一轮仿真实验。以上过程重复进行,直到满足加速测试终止条件。
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 (6)
1.一种面向自动驾驶系统的加速测试系统,其特征在于,该系统包括场景构建模块、仿真模块、加速测试模块以及仿真流程管理模块,其中:
所述场景构建模块,用于提供面向自动驾驶系统具体测试需求的功能场景、逻辑场景与特定场景格式的具体场景;
所述仿真模块,用于在配置的具体仿真场景中运行被测自动驾驶系统,并获取原始仿真结果;
所述加速测试模块,用于根据原始仿真结果计算评价指标,对被测自动驾驶系统在该场景下的表现进行评估,并根据加速算法生成优先待评估的场景参数组合,所述的加速测试模块包括面向不同评价维度的原始仿真结果计算模块以及用于生成优先待评估的场景参数组合的优化搜索算法模块,所述的原始仿真结果计算模块涉及的评价维度包括安全性评价指标、鲁棒性评价指标、舒适性评价指标以及经济性评价指标;所述优化搜索算法模块包括启发式搜索算法、贝叶斯优化算法、强化学习搜索算法以及各种优化搜索算法的组合算法;
所述仿真流程管理模块,用于配置仿真场景,控制单轮仿真实验的生存周期以及整个加速测试过程的终止时机,并使对应过程自动化进行,所述的仿真流程管理模块包括用于依据静态场景参数生成基本仿真环境,依据动态场景参数控制各仿真对象的行为逻辑的仿真场景配置模块、单轮仿真实验生存周期控制模块、整体加速测试终止时机控制模块以及用于使对应过程自动化进行的自动化测试模块,所述的单轮仿真实验生存周期控制模块所采用的控制方法包括基于时间触发、基于地点触发和基于事件触发的生存周期控制方法;所述的整体加速测试终止时机控制模块所设置的终止条件包括消耗完预先分配的仿真时间、达到预先设定的实验迭代轮数和仿真实验结果收敛。
2.根据权利要求1所述的一种面向自动驾驶系统的加速测试系统,其特征在于,所述的场景构建模块包括面向特定自动驾驶系统具体测试需求的功能场景元素库、统一的功能场景描述格式、场景元素的参数范围库及约束条件库以及以特定场景格式为载体的具体场景。
3.根据权利要求1所述的一种面向自动驾驶系统的加速测试系统,其特征在于,所述的仿真模块包括自动驾驶仿真软件、被测自动驾驶系统以及可选的在环仿真管理设备。
4.根据权利要求2所述的一种面向自动驾驶系统的加速测试系统,其特征在于,所述的功能场景元素库包括道路、交通设施、临时变动、静动态实体、环境和数字信息的分类及相关关系;所述的功能场景描述格式包括自然语言格式和序列化语言格式;所述的参数范围库中的特定元素参数范围包括离散型参数的可选值集合以及连续型参数的上下限和分布;所述的约束条件库中的约束条件包括不同元素的值约束条件和关系约束条件;所述的以特定场景格式为载体的具体场景包括以OpenSCENARIO和OpenDRIVE、GeoSCENARIO和Lanelet为核心的专用自动驾驶具体场景格式以及以Python脚本、Protobuf为核心的自定义自动驾驶具体场景格式。
5.根据权利要求3所述的一种面向自动驾驶系统的加速测试系统,其特征在于,所述自动驾驶仿真软件包括开源自动驾驶仿真软件CARLA、AirSim和LGSVL、商业自动驾驶仿真软件Vires Test Drive以及PreScan、机器人仿真软件Gazebo以及V-REP;所述被测自动驾驶系统包括属性为模型、软件、硬件以及整车或完成程度为全栈的自动驾驶系统以及感知、决策规划、控制执行自动驾驶子系统、算法实现为模块化或端到端的自动驾驶系统;所述的在环仿真管理设备包括实时测量硬件。
6.根据权利要求1所述的一种面向自动驾驶系统的加速测试系统,其特征在于,所述的安全性评价指标包括碰撞时间和车头时距;所述的鲁棒性评价指标包括时序逻辑的违反程度;所述的舒适性评价指标包括最大、最小加速度以及加速度变化率;所述的经济性评价指标系统处理特定场景所需时间以及计算力消耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512791.1A CN111814308B (zh) | 2020-06-08 | 2020-06-08 | 一种面向自动驾驶系统的加速测试系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512791.1A CN111814308B (zh) | 2020-06-08 | 2020-06-08 | 一种面向自动驾驶系统的加速测试系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814308A CN111814308A (zh) | 2020-10-23 |
CN111814308B true CN111814308B (zh) | 2024-04-26 |
Family
ID=72844696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010512791.1A Active CN111814308B (zh) | 2020-06-08 | 2020-06-08 | 一种面向自动驾驶系统的加速测试系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814308B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112382165B (zh) * | 2020-11-19 | 2022-10-04 | 北京罗克维尔斯科技有限公司 | 驾驶策略生成方法、装置、介质、设备及仿真系统 |
CN112464461B (zh) * | 2020-11-20 | 2021-09-28 | 北京赛目科技有限公司 | 一种自动驾驶测试场景的构建方法及装置 |
CN112380724B (zh) * | 2020-11-26 | 2022-09-23 | 东风汽车集团有限公司 | 无人驾驶车横向自主变道辅助系统仿真测试方法和系统 |
CN112440910B (zh) * | 2020-11-28 | 2022-03-15 | 奇瑞汽车股份有限公司 | 对智能驾驶汽车进行测评的方法和装置 |
CN112559378B (zh) * | 2020-12-25 | 2023-12-05 | 北京百度网讯科技有限公司 | 自动驾驶算法评估方法和装置、场景库生成方法和装置 |
CN112345272A (zh) * | 2021-01-11 | 2021-02-09 | 北京赛目科技有限公司 | 一种场景库的自动驾驶仿真测试方法及装置 |
CN112859810A (zh) * | 2021-01-13 | 2021-05-28 | 自行科技(武汉)有限公司 | 一种基于Carla平台的ADAS算法验证方法及装置 |
CN112783766A (zh) * | 2021-01-15 | 2021-05-11 | 北京小马慧行科技有限公司 | 模拟车辆运行场景的编辑系统和编辑方法 |
CN113158560B (zh) * | 2021-04-09 | 2024-02-09 | 中国科学院合肥物质科学研究院 | 一种基于场景对抗的智能驾驶车辆自主能力测试方法 |
CN113514254B (zh) * | 2021-04-30 | 2022-05-17 | 吉林大学 | 一种针对自动驾驶仿真的并行加速测试方法 |
CN113360412B (zh) * | 2021-07-20 | 2021-11-02 | 北京赛目科技有限公司 | 一种测试场景选取方法、装置、电子设备及存储介质 |
CN113673088B (zh) * | 2021-07-23 | 2024-01-12 | 武汉光庭信息技术股份有限公司 | 一种自动化测试系统的构建方法及系统 |
CN113779864B (zh) * | 2021-08-06 | 2024-04-26 | 同济大学 | 面向自动驾驶汽车的运行设计区域构建方法和装置 |
CN114415542A (zh) * | 2022-01-06 | 2022-04-29 | 中国第一汽车股份有限公司 | 自动驾驶仿真系统、方法、服务器及介质 |
CN115080388B (zh) * | 2022-06-08 | 2024-06-25 | 中国科学院软件研究所 | 一种面向自动驾驶系统的仿真测试场景生成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765060A (zh) * | 2018-12-29 | 2019-05-17 | 同济大学 | 一种自动驾驶车辆交通协调性虚拟测试系统及方法 |
CN109765803A (zh) * | 2019-01-24 | 2019-05-17 | 同济大学 | 一种自动驾驶汽车多icu共时空的硬件仿真测试系统及方法 |
CN109992884A (zh) * | 2019-04-01 | 2019-07-09 | 清华大学 | 基于最差场景搜索的自动驾驶车辆功能测评方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11829275B2 (en) * | 2018-10-17 | 2023-11-28 | Toyota Research Institute, Inc. | Systems and methods for automatic test generation |
-
2020
- 2020-06-08 CN CN202010512791.1A patent/CN111814308B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765060A (zh) * | 2018-12-29 | 2019-05-17 | 同济大学 | 一种自动驾驶车辆交通协调性虚拟测试系统及方法 |
CN109765803A (zh) * | 2019-01-24 | 2019-05-17 | 同济大学 | 一种自动驾驶汽车多icu共时空的硬件仿真测试系统及方法 |
CN109992884A (zh) * | 2019-04-01 | 2019-07-09 | 清华大学 | 基于最差场景搜索的自动驾驶车辆功能测评方法 |
Non-Patent Citations (1)
Title |
---|
自动驾驶汽车仿真测试与评价方法进展;周干;张嵩;罗悦齐;;汽车文摘(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111814308A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814308B (zh) | 一种面向自动驾驶系统的加速测试系统 | |
KR101815511B1 (ko) | 교통 시뮬레이션을 위한 프레임워크 및 이를 이용한 시뮬레이션방법 | |
KR102057066B1 (ko) | 교통 빅데이터 기계학습이 내장된 교통시스템 모델링방법 | |
CN110162003B (zh) | 一种行车主动服务系统测试验证平台及其测试方法 | |
Saraoglu et al. | Mobatsim: Model-based autonomous traffic simulation framework for fault-error-failure chain analysis | |
Yu et al. | Investigating the longitudinal impact of cooperative adaptive cruise control vehicle degradation under communication interruption | |
Ramakrishna et al. | Anti-carla: An adversarial testing framework for autonomous vehicles in carla | |
Du et al. | Finding diverse failure scenarios in autonomous systems using adaptive stress testing | |
Hyun et al. | Statistical verification framework for platooning system of systems with uncertainty | |
Djoudi et al. | A simulation-based framework for functional testing of automated driving controllers | |
KR20190143832A (ko) | 항공 교통 관리 전자 시스템 테스트 방법, 해당 전자 장치 및 플랫폼 | |
Kuwajima et al. | Open problems in engineering and quality assurance of safety critical machine learning systems | |
Wang et al. | Hybrid online model-based testing for communication-based train control systems | |
CN117131589A (zh) | 智能网联车辆协同算法的仿真测试方法及装置 | |
Gao et al. | Performance limit evaluation by evolution test with application to automatic parking system | |
Iqbal | Metamorphic testing of advanced driver-assistance systems: Implementing Euro NCAP standards on OpenStreetMap | |
CN114743385B (zh) | 车辆处理方法、装置及计算机设备 | |
CN115469635A (zh) | 自动驾驶仿真测试功能安全的验证方法、装置及设备 | |
Souflas et al. | Virtual Verification of Decision Making and Motion Planning Functionalities for Automated Vehicles in Urban Edge Case Scenarios | |
CN111914412B (zh) | 一种基于错误注入器的自动驾驶性能局限测试系统及方法 | |
Che et al. | An open vehicle-in-the-loop test method for autonomous vehicle | |
Ozkan et al. | Trust-Aware Control of Automated Vehicles in Car-Following Interactions with Human Drivers | |
Ponn | How to Define System-Specific Corner Cases for the Type-Approval of Automated Vehicles | |
CN114104005A (zh) | 自动驾驶设备的决策方法、装置、设备及可读存储介质 | |
Moritz et al. | Validation of Vehicle-to-Infrastructure scenarios based on the X-in-the-Loop-approach |
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 |