CN111856969A - 自动驾驶仿真测试方法及装置 - Google Patents
自动驾驶仿真测试方法及装置 Download PDFInfo
- Publication number
- CN111856969A CN111856969A CN202010782508.7A CN202010782508A CN111856969A CN 111856969 A CN111856969 A CN 111856969A CN 202010782508 A CN202010782508 A CN 202010782508A CN 111856969 A CN111856969 A CN 111856969A
- Authority
- CN
- China
- Prior art keywords
- driving
- driver
- real
- simulated
- parameter
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供一种自动驾驶仿真测试方法及装置,该方法包括:创建的初始驾驶员模型及汽车模型;获取模拟环境信息并确定各个驾驶员类型;获取每个驾驶员类型在真实环境下的真实驾驶曲线;获取各个属性参数并确定每个属性参数的取值范围;将各个属性参数与各个真实驾驶曲线进行拟合,获得各个目标参数集合;将各个目标参数集合输入初始驾驶员模型生成对应的驾驶员模型,应用各个驾驶员模型在该模拟驾驶道路上对汽车模型进行自动驾驶仿真测试。应用该方法,可以设定多种驾驶员类型,通过各个属性参数拟合的方式最终获得各个驾驶员类型对应的驾驶员模型,以结合各种驾驶员类型对汽车模型进行自动驾驶仿真测试,提高仿真测试结果的准确性。
Description
技术领域
本发明涉及仿真技术领域,特别是涉及一种自动驾驶仿真测试方法及装置。
背景技术
随着科学技术的快速发展,自动驾驶汽车是目前汽车行业发展的一个重要的研究方向。自动驾驶汽车相对于传统的汽车,其增加了许多传感器、控制器等用于模拟驾驶员在驾驶过程中对环境的感知,并通过计算机根据环境对汽车进行操控。
在自动驾驶技术的实际发展过程中,如果要将自动驾驶汽车部署到交通道路中,需要确定汽车驾驶过程中的各个真实环境,并通过仿真测试的方式模拟汽车在各个环境中驾驶的过程。在自动驾驶的仿真测试中,驾驶员模型是对仿真测试结果影响的因素之一,但在现有的自动驾驶的仿真测试中,驾驶员模型并未设置一个很好的规范定义,驾驶员模型的设置过于单一,但实际上每个驾驶员的驾驶方式和习惯不同,在不同环境下对汽车驾驶的速度和其他操作也存在区别,若仅仅只应用单一的设置进行自动驾驶的仿真测试,不能保证仿真测试结果的准确性。
发明内容
有鉴于此,本发明提供一种自动驾驶仿真测试方法,通过该方法,可以设定多种驾驶员类型,结合各种驾驶员类型对自动驾驶过程进行仿真测试,提高仿真测试结果的准确性。
本发明还提供了一种自动驾驶仿真测试装置,用以保证上述方法在实际中的实现及应用。
一种自动驾驶仿真测试方法,包括:
创建的初始驾驶员模型及汽车模型;
获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
上述的方法,可选的,所述获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,包括:
确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
上述的方法,可选的,所述获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,包括:
获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
上述的方法,可选的,还包括:
当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;
将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
上述的方法,可选的,所述基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,包括:
按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
一种自动驾驶仿真测试装置,包括:
创建单元,用于创建的初始驾驶员模型及汽车模型;
第一获取单元,用于获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
第二获取单元,用于获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
确定单元,用于获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
拟合单元,用于基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
仿真测试单元,用于将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
上述的装置,可选的,所述第一获取单元,包括:
第一确定子单元,用于确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
第一获取子单元,用于获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
第一生成子单元,用于基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
上述的装置,可选的,所述第二获取单元,包括:
第二获取子单元,用于获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析子单元,用于解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
查找子单元,用于在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
上述的装置,可选的,还包括:
更新子单元,用于当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
上述的装置,可选的,所述拟合单元,包括:
选取子单元,用于按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
第二生成子单元,用于基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
计算子单元,用于应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
输入子单元,用于将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
检测子单元,用于检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
第二确定子单元,用于在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
设定子单元,用于将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述的自动驾驶仿真测试方法。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的自动驾驶仿真测试方法。
与现有技术相比,本发明包括以下优点:
本发明提供一种自动驾驶仿真测试方法,包括:创建的初始驾驶员模型及汽车模型;获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。应用本发明的方法,可以设定多种驾驶员类型,通过各个属性参数拟合的方式最终获得各个驾驶员类型对应的驾驶员模型,以结合各种驾驶员类型对汽车模型进行自动驾驶仿真测试,提高仿真测试结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种自动驾驶仿真测试方法的方法流程图;
图2为本发明实施例提供的一种自动驾驶仿真测试方法的又一方法流程图;
图3为本发明实施例提供的一种自动驾驶仿真测试方法的再一方法流程图;
图4为本发明实施例提供的一种自动驾驶仿真测试装置的装置结构图;
图5为本发明实施例提供的一种电子设备的结构示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种自动驾驶仿真测试方法,该方法可以应用在多种系统平台,其执行主体可以为计算机终端或各种移动设备的处理器,该计算机或各种移动设备的处理器中设有仿真平台,用于实现自定驾驶仿真测试的过程,所述方法的方法流程图如图1所示,具体包括:
S101:创建初始驾驶员模型及汽车模型;
在本发明实施例,基于预先设定的驾驶员模型参数、驾驶员模型名称等信息创建初始驾驶员模型,同时基于汽车模型参数及汽车模型名称、模型形状、模型颜色等信息创建汽车模型。
S102:获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
在本发明实施例中,该模拟环境信息包括当前需要进行仿真测试的模拟驾驶道路的车况信息、道路条件、道路周围环境、汽车模型当前所在的交通流对应的位置等。在进行自动驾驶仿真测试之前,技术人员根据实际驾驶过程中各个驾驶员的驾驶情况设置了多种驾驶员类型,各个驾驶员类型分别为活跃型、舒适型、匆忙型和非安全型等类型的驾驶员。
其中,活跃型表征该类型的驾驶员的驾驶技术娴熟,能够根据车况等信息正确变换道、超车、驾驶时车速稳定、保持车距稳定、遵守交通规则等;舒适型表征该类型驾驶员的驾驶技术较好,不轻易变换道、超车、驾驶时车速稳定、保持稳定车距、遵守交通规则等;匆忙型表征该类型的驾驶员的驾驶技术较好,经常变换车道、超车、车速在允许范围内较高、行车车距保持不稳定、遵守交通规则等;非安全型表征该类型的驾驶员的驾驶技术较好但是相对于匆忙型的驾驶员,非安全型的驾驶员变换车道和超车的频率更高、经常超速、不能良好地保持车距、不遵守交通规则等;
S103:获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
在本发明实施例中,在进行自动驾驶仿真测试之前,技术人员根据每个驾驶员类型,在真实环境下对各个驾驶员类型对应的驾驶员驾驶汽车的过程进行检测,获得每个驾驶员类型对应的驾驶员在多个真实环境下驾驶汽车的真实驾驶曲线。
可以理解的是,每个驾驶员类型对应多个真实环境下的真实驾驶曲线。例如,舒适型的驾驶员类型对应的各个真实驾驶曲线包含了,在直道上行驶的真实驾驶曲线和在弯道上行驶的真实的驾驶曲线等。
S104:获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
在本发明实施例中,各个属性参数用于表征驾驶员在行驶过程中的个人行为和习惯。各个属性参数包括但不仅限于驾驶速度、加速度、减速度、曲线速度、遵守速度限制、保持车距、车道保持、保持速度、车道动态变换、超车冲动、换到空闲车道、应对尾随、预见距离,转向距离、使用指示灯、遵守交通标志及遵守交通灯等驾驶行为特征对应的参数,例如:参数V表示驾驶速度,参数A表示加速度等。其中,每个属性参数均有其对应的取值范围,各个属性参数的取值范围可以相同,也可以不同。
例如,上述的各个属性参数的取值范围为[0,1],则上述的各个属性参数在该取值范围参数值越大表示对此属性参数对应的特征的倾向性越强;参数值趋向0意味着对此属性参数没有要求或没有该属性参数对应的特征,参数值为0.5表示普通驾驶员水平,参数值趋向1意味着强烈具有这一属性参数对应的特征。
其中,若上述各个属性参数取值范围均为[0,1],则驾驶速度表征在没有其他限制的情况下,驾驶员对驾驶速度的偏好;0表示驾驶员偏好开车开得很慢,1表示驾驶员偏好开车为车的最高车速。加速度表征驾驶员对加速快慢的偏好,即:期望慢速加速还是快速加速;0表示偏好几乎没有加速度,1表示偏好取该车型的最大加速度。减速度表征驾驶员对减速快慢的偏好,但不适用于因外因导致的车辆的紧急制动,即:期望慢速减速还是快速减速;0表示偏好几乎没有减速,1表示偏好急刹车。曲线速度表征驾驶员容忍的最大曲线速度,即:驾驶员期望慢速过弯还是快速过弯;0表示曲线行驶时会慢速过弯,1表示曲线行驶时会如赛车般过弯。遵守速度限制表征遵守或超出速度限制的倾向;0表示完全违反限制,1表示100%尊重速度限制。保持车距定义期望与前车保持的车距;0表示非常接近,1表示保持非常远距离。车道保持义驾驶时保持在车道中心的能力;0表示在车道保持能力不好,1表示精确保持中心。保持速度定义驾驶员保持目标车速的能力;0表示不能真正匹配速度,1表示能准确保持速度。车道动态变换表征驾驶员试图改变车道的方式;0表示缓慢变道,1表示迅速变道。超车冲动表征驾驶员想超车的冲动;0表示根本不会试图超车,1表示非常想超车。换到空闲车道定义驾驶员选择转向空闲车道的方式,即:驾驶员在旁边车道空闲时的变道倾向;0表示不会变道,1表示会尽早变道。应对尾随表征驾驶员受到相邻驾驶车辆的影响。范围从对非常接近的车辆都没有反应到很早就有反应。预见距离:驾驶员在前方观察其他车辆和标志的预见距离;0表示非常短视,1表示很有预见性。转向距离表征驾驶员的转向距离,即:转弯时驾驶员倾向于较晚转弯还是较早转弯;0表示转向晚,1表示转向早。使用指示灯定义驾驶员使用指示灯表示左转或右转的时长;0表示从不使用指示灯,1表示在计划转弯前很长时间就使用指示灯。遵守交通标志表征是否遵守道路交通标志。遵守交通灯表征是否遵守交通灯。
S105:基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
在本发明实施例中,所述对各个所述属性参数进行拟合的过程具体可以是根据各个属性参数的取值范围提取每个属性参数的多个参数值,由各个属性参数的各个参数值组成多个参数集合,并根据每个驾驶员类型对应的真实驾驶曲线进行拟合,即由各参数集合拟合各个真实驾驶曲线,最终与各个真实驾驶曲线拟合度最高的各个参数集合则为目标参数集合。
可以理解的是,每个真实驾驶曲线均对应一个拟合度最高的参数集合,该参数集合则为目标参数集合,且该参数集合与该真实驾驶曲线对应的驾驶员类型相对应。
S106:将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
在本发明实施例中,将每个驾驶员类型对应的目标参数集合输入该初始驾驶员模型后,分别生成多个驾驶员模型,每个驾驶员模型用于模拟真实环境下各个驾驶员类型的驾驶行为和习惯。
具体的,将目标参数输入至初始驾驶员模型,调整该初始驾驶员模型中的模型参数,以使该初始驾驶员模型的驾驶行为和习惯更符合该目标参数集合对应的驾驶员类型的驾驶行为和习惯。因此获得的各个驾驶员类型对应的驾驶员模型,可以模拟真实环境下各种类型的驾驶员的驾驶过程,通过各个驾驶员模型对该汽车模型进行自动驾驶仿真测试。
本发明实施例提供的自动驾驶仿真测试方法中,在需要进行自动驾驶仿真测试时,先创建初始驾驶员模型和汽车模型,并获取当前需要进行仿真测试的模拟驾驶道路上的模拟环境信息,确定预先设置的各个驾驶员类型,以获得在该模拟环境信息对应的真实环境下的真实环境曲线,即在该模拟环境信息对应的真实环境下,每个驾驶员类型均有一个对应的真实驾驶曲线。获取各个属性参数,各个属性参数是用于反映驾驶员在驾驶过程中的操作情况,即反映驾驶员在驾驶过程中的行为和习惯等,例如驾驶速度、加速度、减速度、曲线速度、遵守速度限制、保持车距、车道保持、保持速度、车道动态变换、超车冲动、换到空闲车道、应对尾随、预见距离等各个驾驶行为的特征均有对应的属性参数,且每个属性参数均有对应的取值范围,属性参数的取值越大,表征驾驶员对这一属性参数对应的特征的倾向性越强。基于各个属性参数的取值范围,将各个属性参数与各个真实驾驶曲线进行拟合,由各参数集合拟合各个真实驾驶曲线,最终与各个真实驾驶曲线拟合度最高的各个参数集合则为目标参数集合。将各个目标参数集合输入初始驾驶员模型当中,可以生成多个驾驶员类型的驾驶员模型,以通过各个驾驶员模型对汽车模型进行自动驾驶仿真测试。
应用本发明提供的方法,可以设定多种驾驶员类型,通过各个属性参数拟合的方式最终获得各个驾驶员类型对应的驾驶员模型,以结合各种驾驶员类型对汽车模型进行自动驾驶仿真测试,提高仿真测试结果的准确性。
本发明实施例提供的方法中,上述步骤S102的内容中,所述获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息的过程如图2所示,具体可以包括:
S201:确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
在本发明实施例中,交通流是指汽车在道路上连续行驶形成的车流,在需要对汽车模型进行仿真测试时,用户需预先选定该模拟驾驶道路上的交通流分布信息,即该汽车模型在当前的交通流中的位置,若选定了表示可以在前方和后方的交通流分布,则该汽车模型及该初始驾驶员模型将随机分布到交通流车辆中;若选定了表示前方的交通流分布,将驾驶员模型和汽车模型设置在模拟驾驶道路的中央车辆的前面;若选定了表示后方的交通流分布,将驾驶员模型和汽车模型设置在模拟驾驶道路的中央车辆的后面。
S202:获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
本发明实施例中,该路况信息包括了车流量、各个交通标志、交通灯位置等信息,该道路类型可以是直道、弯道或坡道等道路。
S203:基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
在本发明实施例中,该模拟环境信息由该交通流分部信息、路况信息及道路类型生成。
本发明实施例提供的方法中,先确定预先选定的交通流分布信息,以根据该交通流分布信息,确定该驾驶员模型及该汽车模型需要分布在当前的模拟驾驶道路上的位置,同时获取当前设定的路况信息,确定该模拟驾驶道路的道路类型,以根据该交通流分布信息、路况信息及道路类型生成模拟环境信息。本发明实施例中,结合交通流分布信息、路况信息及道路类型生成模拟环境信息,更能体现真实环境下的交通情况。
本发明实施例提供的方法中,基于上述步骤S103的内容,所述获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,具体可以包括:
获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
在本发明实施例提供的自动驾驶仿真测试方法中,技术人员在进行仿真测试之前,预先在各个真实环境下对多个驾驶员和车辆的驾驶过程进行检测,从而根据各个驾驶员的驾驶行为和习惯设定多个驾驶员类型,并且检测每个驾驶员类型在各个真实环境下进行驾驶时的真实驾驶曲线,并根据每个驾驶员类型生成其对应的真实驾驶曲线集合存储在驾驶员类别列表中。当需要在模拟驾驶道路中进行仿真测试时,根据其对应的模拟环境信息确定其对应的真实环境,即,根据该模拟环境信息中的环境标识号,确定与该驾驶道路对应的真实环境,即在真实生活中的真实的驾驶道路。并在各个驾驶员类型对应的真实驾驶曲线集合中,获取该真实环境对应的真实驾驶曲线,以获得各个驾驶员类型在该模拟环境信息对应的真实环境下的各个真实驾驶曲线。
需要说明的是,该驾驶员类别列表中包含多个驾驶员类型,及每个驾驶员类型对应的名称、编号及各个真实驾驶曲线等。
可选的,在上述实施例中,驾驶员类别列表中包含多个驾驶员类型,用户实时对列表中的各个驾驶员类型进行增删改,具体可以包括:
当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;
将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
可以理解的是,在需要进行自动驾驶仿真测试期间,用户可以通过实地考察先设定多个驾驶员类型,同时可以实时更新驾驶员类别列表中的各个驾驶员类型,以保证更加全面地模拟真实用户在真实环境下进行自动驾驶的过程。
应用本发明实施例提供的方法,每个驾驶员类型在各个真实环境中均有对应的真实驾驶曲线,能够在仿真测试过程中提供更为精确的测试依据。
本发明实施例提供的方法中,上述步骤S104的内容中,所述基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合的过程如图3所示,具体可以包括:
S301:按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
在本发明实施例中,该选取规则是根据每个取值范围在设定的区间内对各个属性参数进行提取参数值。例如,各个属性参数的取值范围均为[0,1],设定的区间为0.1,则每个属性参数所提取的各个参数值分别均为:0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1。
需要说明的是,该设定的区间可以根据具体的业务需求进行设定,设定的区间越小,在拟合过程中的最大的拟合度就越高。
可选的,由于在每个取值范围内,最大值和最小值分别代表每个属性参数对应的特征的极端,因此,在进行取值时,可以不选择最大值和最小值作为属性参数的参数值,或者是在该设定的区间的基础上,取趋近于最大值和最小值的值作为参数值。例如,上述的各个属性参数的取值范围均为[0,1],设定的区间为0.1时,可以选取0.001作为该取值范围内提取的最小值,选取0.999作为该取值范围内提取的最大值,则提取各个属性参数的各个参数值分别均为:0.001、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、0.999。
S302:基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
在本发明实施例中,将各个属性参数的各个参数进行排列组合,生成多个参数集合,每个参数集合中均包含每一个属性参数的一个参数值。
S303:应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
在本发明实施例中,第一算法可以是拟合算法,对参数集合中的各个参数值进行计算后根据计算结果输出该参数集合对应的驱动信号。
S304:将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
在本发明实施例中,初始驾驶员模型可以按照输入的驱动信号,确定在该模拟驾驶道路上该汽车模型的驾驶速度、加速度、减速度等各个属性参数对应的特征,以控制汽车模型的驱动。
S305:检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
在本发明实施例中,在汽车模型驱动的过程中,实时对其驱动过程进行检测,即,检测每个参数集合对应的驱动信号驱动该汽车模型时当前的驱动信号对应模拟驾驶曲线。在检测到每个驱动信号分别对应的模拟驾驶曲线后,将各个模拟驾驶曲线与真实驾驶曲线进行拟合,以确定各个模拟驾驶曲线与各个真实驾驶曲线的拟合度。
S306:在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
在本发明实施例中,与真实驾驶曲线拟合度最高的模拟驾驶曲线表征该模拟驾驶曲线对应的驱动信号驱动汽车在模拟驾驶道路上行驶时,与在真实环境下行驶相似度最高,因此,将该模拟驾驶曲线作为目标驾驶曲线。
S307:将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
在本发明实施例中,在确定目标驾驶曲线后,确定每个目标驾驶曲线对应的参数集合,并将各个参数集合确定为目标参数集合。由于各个所述目标驾驶曲线与各个真实驾驶曲线是一一对应的关系,因此可以确定与每个真实驾驶曲线对应的目标参数集合。
本发明实施例提供的自动驾驶仿真测试方法中,先按照预先设定的选取规则选取每个属性参数的多个参数,并生成多个参数集合。应用第一算法对各个参数集合中的各个参数值进行计算,获得每个参数集合对应的驱动信号,该初始驾驶员模型可以根据该驱动信号驱动该汽车模型行驶,并在汽车模型行驶的过程中实时检测其对应的模拟驾驶曲线。将每个驱动信号对应的模拟驾驶曲线与各个真实驾驶曲线进行拟合,确定各个模拟驾驶曲线与各个真实驾驶曲线之间的拟合度,各个分别与每个真实驾驶曲线拟合度最高的模拟驾驶曲线则为目标驾驶曲线,各个目标驾驶曲线对应的参数集合则为目标参数集合。
应用本发明实施例提供的方法,根据各个参数集合中的各个参数值生成确定信号驱动汽车行驶,以获得各个模拟驾驶曲线,通过拟合的方式确定各个目标驾驶曲线,以获得最终的每个驾驶员类型对应的目标参数集合,以根据各个目标参数集合实现自动驾驶仿真测试过程,提高自动驾驶仿真测试过程的准确度。
上述各个实施例的具体实施过程及其衍生方式,均在本发明的保护范围之内。
与图1所述的方法相对应,本发明实施例还提供了一种自动驾驶仿真测试装置,用于对图1中方法的具体实现,本发明实施例提供的自动驾驶仿真测试装置可以应用计算机终端或各种移动设备中,其结构示意图如图4所示,具体包括:
创建单元401,用于创建的初始驾驶员模型及汽车模型;
第一获取单元402,用于获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
第二获取单元403,用于获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
确定单元404,用于获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
拟合单元405,用于基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
仿真测试单元406,用于将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
本发明实施例提供的自动驾驶仿真测试装置中,在需要进行自动驾驶仿真测试时,创建单元先创建初始驾驶员模型和汽车模型,并由第一获取单元获取当前需要进行仿真测试的模拟驾驶道路上的模拟环境信息,确定预先设置的各个驾驶员类型,以通过第二获取单元获得在该模拟环境信息对应的真实环境下的真实环境曲线,即在该模拟环境信息对应的真实环境下,每个驾驶员类型均有一个对应的真实驾驶曲线。获取各个属性参数,各个属性参数是用于反映驾驶员在驾驶过程中的操作情况,即反映驾驶员在驾驶过程中的行为和习惯等,例如驾驶速度、加速度、减速度、曲线速度、遵守速度限制、保持车距、车道保持、保持速度、车道动态变换、超车冲动、换到空闲车道、应对尾随、预见距离等各个驾驶行为的特征均有对应的属性参数,且每个属性参数均有对应的取值范围,属性参数的取值越大,表征驾驶员对这一属性参数对应的特征的倾向性越强。基于各个属性参数的取值范围,拟合单元将各个属性参数与各个真实驾驶曲线进行拟合,由各参数集合拟合各个真实驾驶曲线,最终与各个真实驾驶曲线拟合度最高的各个参数集合则为目标参数集合。仿真测试单元将各个目标参数集合输入初始驾驶员模型当中,可以生成多个驾驶员类型的驾驶员模型,以通过各个驾驶员模型对汽车模型进行自动驾驶仿真测试。
应用本发明提供的装置,可以设定多种驾驶员类型,通过各个属性参数拟合的方式最终获得各个驾驶员类型对应的驾驶员模型,以结合各种驾驶员类型对汽车模型进行自动驾驶仿真测试,提高仿真测试结果的准确性。
本发明实施例提供的装置中,所述第一获取单元402,包括:
第一确定子单元,用于确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
第一获取子单元,用于获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
第一生成子单元,用于基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
本发明实施例提供的装置中,所述第二获取单元403,包括:
第二获取子单元,用于获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析子单元,用于解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
查找子单元,用于在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
本发明实施例提供的装置中,还包括:
更新子单元,用于当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
本发明实施例提供的装置中,所述拟合单元405,包括:
选取子单元,用于按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
第二生成子单元,用于基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
计算子单元,用于应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
输入子单元,用于将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
检测子单元,用于检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
第二确定子单元,用于在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
设定子单元,用于将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
以上本发明实施例公开的自动驾驶仿真测试装置中各个单元及子单元的具体工作过程,可参见本发明上述实施例公开的自动驾驶仿真测试方法中的对应内容,这里不再进行赘述。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述自动驾驶仿真测试方法。
本发明实施例还提供了一种电子设备,其结构示意图如图5所示,具体包括存储器501,以及一个或者一个以上的指令502,其中一个或者一个以上指令502存储于存储器501中,且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作:
创建的初始驾驶员模型及汽车模型;
获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现。
为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种自动驾驶仿真测试方法,其特征在于,包括:
创建的初始驾驶员模型及汽车模型;
获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
2.根据权利要求1所述的方法,其特征在于,所述获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,包括:
确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
3.根据权利要求1所述的方法,其特征在于,所述获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,包括:
获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
4.根据权利要求3所述的方法,其特征在于,还包括:
当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;
将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
5.根据权利要求1所述的方法,其特征在于,所述基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,包括:
按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
6.一种自动驾驶仿真测试装置,其特征在于,包括:
创建单元,用于创建的初始驾驶员模型及汽车模型;
第一获取单元,用于获取所述汽车模型在当前的模拟驾驶道路上的模拟环境信息,并确定预先设置的各个驾驶员类型;
第二获取单元,用于获取每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线,所述真实驾驶曲线用于反映其对应的驾驶员类型对应的驾驶员,在所述真实环境下的对真实汽车进行驾驶的真实驾驶情况;
确定单元,用于获取各个预先设定的属性参数,并确定每个所述属性参数的取值范围;
拟合单元,用于基于每个所述属性参数对应的取值范围,将各个所述属性参数与各个所述真实驾驶曲线进行拟合,获得各个分别与每个所述真实驾驶曲线对应的目标参数集合,每个所述目标参数集合中包含不同属性参数的参数值,各个所述参数值属于其对应的属性参数的取值范围;
仿真测试单元,用于将每个所述驾驶员类型对应的目标参数集合输入所述初始驾驶员模型,生成每个所述驾驶员类型对应的驾驶员模型,并应用各个所述驾驶员模型在所述模拟驾驶道路上对所述汽车模型进行自动驾驶仿真测试。
7.根据权利要求6所述的装置,其特征在于,所述第一获取单元,包括:
第一确定子单元,用于确定预先选定的所述汽车模型在所述模拟驾驶道路上的交通流分布信息;所述交通流分布信息用于确定所述汽车模型在所述模拟驾驶道路上的分布位置;
第一获取子单元,用于获取所述模拟驾驶道路当前设定的路况信息,并确定所述模拟驾驶道路的道路类型;
第一生成子单元,用于基于所述交通流分布信息、所述路况信息及所述道路类型,生成所述汽车在当前的模拟驾驶道路上的模拟环境信息。
8.根据权利要求6所述的装置,其特征在于,所述第二获取单元,包括:
第二获取子单元,用于获取预先设置的驾驶员列表中存储的每个所述驾驶员类型对应的真实驾驶曲线集合,所述真实驾驶曲线集合中包含多个真实驾驶曲线,每个真实驾驶曲线分别属于不同真实环境;
解析子单元,用于解析所述模拟环境信息,获得所述模拟环境信息中包含环境标识号;
查找子单元,用于在各个所述驾驶员类型对应的真实驾驶曲线集合中,查找所述环境标识号对应的真实驾驶曲线,以获得每个所述驾驶员类型在所述模拟环境信息对应的真实环境下的真实驾驶曲线。
9.根据权利要求8所述的装置,其特征在于,还包括:
更新子单元,用于当接收到用户上传的驾驶员信息时,获取所述驾驶员信息中包含的新的驾驶员类型,及所述新的驾驶员类型对应的各个真实驾驶曲线;将所述新的驾驶员类型及其对应的各个真实驾驶曲线更新至所述驾驶员类别列表中。
10.根据权利要求6所述的装置,其特征在于,所述拟合单元,包括:
选取子单元,用于按照预先设定的选取规则,从每个所述属性参数对应的取值范围中,选取每个所述属性参数对应的多个参数值;
第二生成子单元,用于基于各个所述属性参数对应的多个参数值,生成多个参数集合,每个所述参数集合中的各个参数值为不同属性参数的参数值;
计算子单元,用于应用预先设置的第一算法,对每个所述参数集合中的各个参数值进行计算,获得每个所述参数集合对应的计算结果,并将每个所述参数集合对应的计算结果转换成驱动信号;
输入子单元,用于将各个所述驱动信号输入所述初始驾驶员模型,以使所述初始驾驶员模型基于每个所述驱动信号在所述模拟驾驶道路上驱动所述汽车模型;
检测子单元,用于检测初始驾驶员模型基于每个所述驱动信号驱动所述汽车模型对应的模拟驾驶曲线,并确定各个所述真实驾驶曲线与各个所述模拟驾驶曲线的拟合度;
第二确定子单元,用于在各个所述模拟驾驶曲线中,分别确定每个所述真实驾驶曲线拟合度最高的模拟驾驶曲线为目标驾驶曲线;
设定子单元,用于将每个所述目标驾驶曲线对应的参数集合设定为目标参数集合,以获得各个与每个所述真实驾驶曲线拟合度最高的目标参数集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010782508.7A CN111856969B (zh) | 2020-08-06 | 2020-08-06 | 自动驾驶仿真测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010782508.7A CN111856969B (zh) | 2020-08-06 | 2020-08-06 | 自动驾驶仿真测试方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111856969A true CN111856969A (zh) | 2020-10-30 |
CN111856969B CN111856969B (zh) | 2023-08-01 |
Family
ID=72972641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010782508.7A Active CN111856969B (zh) | 2020-08-06 | 2020-08-06 | 自动驾驶仿真测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111856969B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506170A (zh) * | 2020-11-20 | 2021-03-16 | 北京赛目科技有限公司 | 一种基于驾驶员模型的测试方法及装置 |
CN112733359A (zh) * | 2021-01-05 | 2021-04-30 | 北京三快在线科技有限公司 | 动力学模型验证方法、装置、介质、电子设备及无人设备 |
CN113188814A (zh) * | 2021-05-17 | 2021-07-30 | 联合汽车电子有限公司 | 自动驾驶复现方法、系统和存储介质 |
CN114114954A (zh) * | 2021-11-08 | 2022-03-01 | 北京三快在线科技有限公司 | 一种无人设备的控制方法及装置 |
CN115979679A (zh) * | 2023-03-22 | 2023-04-18 | 中国汽车技术研究中心有限公司 | 自动驾驶系统实际道路测试方法、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04171356A (ja) * | 1990-10-31 | 1992-06-18 | Isuzu Motors Ltd | 自動変速機の制御装置 |
CN101633359A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有驾驶风格识别的自适应车辆控制系统 |
US20100209889A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill based on multiple types of maneuvers |
US20120029801A1 (en) * | 2010-08-02 | 2012-02-02 | Denso Corporation | Driving characteristics detector and route search device |
JP2016047696A (ja) * | 2014-08-28 | 2016-04-07 | トヨタ自動車株式会社 | 車両の制御装置 |
CN107016193A (zh) * | 2017-04-06 | 2017-08-04 | 中国科学院自动化研究所 | 驾驶员跟车行为分析中的期望跟车距离计算方法 |
-
2020
- 2020-08-06 CN CN202010782508.7A patent/CN111856969B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04171356A (ja) * | 1990-10-31 | 1992-06-18 | Isuzu Motors Ltd | 自動変速機の制御装置 |
CN101633359A (zh) * | 2008-07-24 | 2010-01-27 | 通用汽车环球科技运作公司 | 具有驾驶风格识别的自适应车辆控制系统 |
US20100209889A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill based on multiple types of maneuvers |
US20120029801A1 (en) * | 2010-08-02 | 2012-02-02 | Denso Corporation | Driving characteristics detector and route search device |
JP2016047696A (ja) * | 2014-08-28 | 2016-04-07 | トヨタ自動車株式会社 | 車両の制御装置 |
CN107016193A (zh) * | 2017-04-06 | 2017-08-04 | 中国科学院自动化研究所 | 驾驶员跟车行为分析中的期望跟车距离计算方法 |
Non-Patent Citations (3)
Title |
---|
SCHNELLE: "A Personalizable Driver Steering Model Capable of Predicting Driver Behaviors in Vehicle Collision", IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS, vol. 47, no. 5, pages 623 - 635 * |
万芳: "用于汽车操纵稳定性评价的神经网络驾驶员模型", 工程科技Ⅱ辑, no. 10, pages 7 - 14 * |
薛晓卿 等: "智能网联汽车信息安全管理的实际对策", 中国工程科学, vol. 21, no. 3, pages 1 - 6 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506170A (zh) * | 2020-11-20 | 2021-03-16 | 北京赛目科技有限公司 | 一种基于驾驶员模型的测试方法及装置 |
CN112733359A (zh) * | 2021-01-05 | 2021-04-30 | 北京三快在线科技有限公司 | 动力学模型验证方法、装置、介质、电子设备及无人设备 |
CN112733359B (zh) * | 2021-01-05 | 2024-01-12 | 北京三快在线科技有限公司 | 动力学模型验证方法、装置、介质、电子设备及无人设备 |
CN113188814A (zh) * | 2021-05-17 | 2021-07-30 | 联合汽车电子有限公司 | 自动驾驶复现方法、系统和存储介质 |
CN114114954A (zh) * | 2021-11-08 | 2022-03-01 | 北京三快在线科技有限公司 | 一种无人设备的控制方法及装置 |
CN114114954B (zh) * | 2021-11-08 | 2024-04-19 | 北京三快在线科技有限公司 | 一种无人设备的控制方法及装置 |
CN115979679A (zh) * | 2023-03-22 | 2023-04-18 | 中国汽车技术研究中心有限公司 | 自动驾驶系统实际道路测试方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111856969B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111856969A (zh) | 自动驾驶仿真测试方法及装置 | |
JP7000638B2 (ja) | 車両制御方法、装置、コンピュータ機器及び記憶媒体 | |
CN106874597B (zh) | 一种应用于自动驾驶车辆的高速公路超车行为决策方法 | |
EP3901771A1 (en) | Driving simulation method and apparatus, electronic device and computer storage medium | |
US11897494B2 (en) | Method and a device for generating a dynamic speed profile of a motor vehicle | |
JP5375805B2 (ja) | 運転支援システム及び運転支援管理センター | |
CN112216105B (zh) | 一种车速引导方法、装置、车辆及存储介质 | |
CN113032285B (zh) | 一种高精地图测试方法、装置、电子设备及存储介质 | |
CN111325230B (zh) | 车辆换道决策模型的在线学习方法和在线学习装置 | |
CN109801511A (zh) | 一种碰撞预警方法及装置 | |
KR20190013689A (ko) | 자율 주행 차량 교통 예측에서 예측되는 궤적에 대한 평가 프레임 워크 | |
JP2018113015A (ja) | オートノマスシステムの検証法 | |
CN110686906B (zh) | 车辆自动驾驶测试方法及装置 | |
CN113665593B (zh) | 一种车辆智能驾驶纵向控制方法、系统及存储介质 | |
CN112506170B (zh) | 一种基于驾驶员模型的测试方法及装置 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
CN115113542A (zh) | 自动驾驶仿真方法、系统、电子设备及可读存储介质 | |
CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
CN111199083A (zh) | 复现无人驾驶车辆事故数据的方法和装置 | |
WO2023193652A1 (zh) | 一种车机虚拟形象交互方法、系统、车辆及存储介质 | |
CN112109715A (zh) | 车辆动力输出策略的生成方法、装置、介质及系统 | |
US20230234576A1 (en) | Method and system for algorithm performance evaluation of autonomous driving | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
WO2022137506A1 (ja) | 運転評価システム、学習装置、評価結果出力装置、方法およびプログラム | |
JP2023546367A (ja) | 乗物に対する運転者支援システムを試験するための方法およびシステム |
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 |