CN112131697B - 一种智能集卡的仿真测试方法、装置及平台 - Google Patents

Abstract

本发明公开了一种智能集卡的仿真测试方法，包括：在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。上述的测试方法，通过建立目标智能集卡模型、目标交通场景和目标交通流，通过与所述目标交通场景类型对应的车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，不需要采用集装箱卡车进行大规模的场地测试。

Description

一种智能集卡的仿真测试方法、装置及平台

技术领域

本发明涉及仿真测试技术领域，尤其涉及一种智能集卡的仿真测试方法、装置及平台。

背景技术

传统码头平均每月会发生1-2起安全事故。因此为了提升码头作业的效率及安全性，使用智能集卡在码头进行无人驾驶作业势在必行。另外相比自动驾驶乘用车，自动驾驶卡车是更容易落地的场景，也是更容易商业化的场景。除港口、矿区等适合自动驾驶的封闭场景外，卡车在高速公路较开放交通场景有更长的行驶时间，场景相对单一，更适合自动驾驶落地。

2016年兰德智库研究表明L5自动驾驶上路需要经历110亿英里测试。自动驾驶的落地上路必须累计大量的测试里程，数据才具有统计学意义，证明自动驾驶在减少伤亡事故方面的可靠性。然而，集装箱卡车调度困难，场地灵活性低，难以进行大规模的场地测试。

发明内容

有鉴于此，本发明提供了一种智能集卡的仿真测试方法、装置及平台，用以解决现有技术中自动驾驶的落地上路必须累计大量的测试里程，数据才具有统计学意义，证明自动驾驶在减少伤亡事故方面的可靠性。然而，集装箱卡车调度困难，场地灵活性低，难以在码头内进行大规模的场地测试的问题。具体方案如下：

一种智能集卡的仿真测试方法，包括：

在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；

依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；

依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。

上述的方法，可选的，依据所述目标交通场景的类型，确定所述目标智能集卡模型的车辆控制信号包括：

依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；

获取所述目标智能集卡模型的原车信号数据；

依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号。

上述的方法，可选的，依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置；

依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径。

上述的方法，可选的，依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息；

依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

一种智能集卡的仿真测试装置，包括：

获取模块，用于在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

构建模块，用于依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；

确定模块，用于依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；

仿真模块，用于依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。

上述的装置，可选的，所述确定模块包括：

规划单元，用于依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；

获取单元，用于获取所述目标智能集卡模型的原车信号数据；

确定单元，用于依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号。

上述的装置，可选的，所述规划单元包括：

第一获取子单元，用于当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置；

第一规划子单元，用于依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径。

上述的装置，可选的，所述规划单元包括：

第二获取子单元，用于当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息；

第二规划子单元，用于依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

一种智能集卡的仿真测试平台，包括：PreScan模块、TruckSim模块、Matlab/Simulink模块、VISSIM模块、场景工作站和算法工作站，其中：

所述PreScan模块，用于模拟目标智能集卡的交通场景和传感器模型；

所述TruckSim模块，用于模拟所述目标智能集卡的执行系统；

所述Matlab/Simulink模块，用于运行所述PreScan模块和所述TruckSim模块；

所述VISSIM模块，用于通过控制所述交通场景中交通车辆的行为，模拟所述目标智能集卡的交通流；

所述场景工作站；用于获取所述传感器模型的数据和原车信号数据，并将所述数据和所述原车信号数据发送至所述算法工作站；

所述算法工作站，用于接收所述数据和所述原车信号数据，依据所述数据和所述原车信号数据生成车辆控制信号，将所述车辆控制信号发送给所述场景工作站。

上述的平台，可选的，所述TruckSim模块包括：动力学子模块和控制子模块，其中：

所述动力学子模块，用于建立所述目标智能集卡的动力学模型；

所述控制子模块，用于对所述动力学模型进行控制。

与现有技术相比，本发明包括以下优点：

本发明公开了一种智能集卡的仿真测试方法，包括：在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。上述的测试方法，通过建立目标智能集卡模型、目标交通场景和目标交通流，通过与所述目标交通场景类型对应的车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，不需要采用集装箱卡车进行大规模的场地测试。

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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种智能集卡的仿真测试方法流程图；

图2为本申请实施例公开的一种智能集卡的仿真测试平台示意图；

图3为本申请实施例公开的一种智能集卡的仿真测试装置结构框图。

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。

本发明公开了一种智能集卡的仿真测试方法、装置及平台，应用在智能集卡仿真测试过程中，本发明实施例中，利用场景-传感器-动力学模型-交通流模型联合仿真直接高效的对智能驾驶算法进行仿真测试。所述仿真测试方法的执行流程如图1所示，包括步骤：

S101、在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

本发明实施例中，所述目标智能集卡为当前需要进行仿真测试的智能集卡，在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数，其中，所述仿真测试请求可以通过点击终端界面对应的按钮进行下发，所述仿真参数可以包括：所述目标智能集卡的类型；其中，所述类型可以包括，所述目标智能集卡车身的几何参数信息和状态信息，所述几何参数信息可以包括长、宽和高等信息，所述状态信息可以包括：档位状态、挂车速度和挂车轮速等。所述目标智能集卡的行驶的交通场景参数；其中，所述交通场景参数可以包括，交通场景的类型；其中，所述交通场景的类型可以包括：高速公路场景和港口园区泊车场景。对应的交通场景中，建筑物、障碍物、车辆、车道、传感器或者库位的位置信息等。所述目标智能集卡的交通流信息；其中，所述交通流信息可以包括：交通流的密度，车辆的类型(卡车/轿车)、交通流车辆的形式分各个(激进/保守)等。

S102、依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；

本发明实施例中，依据所述仿真参数，采用PreScan软件用于模拟所述目标交通场景，其中，所述目标交通场景包括场景环境和虚拟的传感器模型；VISSIM软件用于模拟所述目标交通流，其中，所述目标交通流可以包括控制PreScan场景中交通车辆的类型和行驶风格以及车辆的密度；所述TruckSim软件用于模拟车辆的执行系统，包括车辆动力学模型、ESC/EPS/VCU等控制模型。Matlab/Simulink是基础软件，用于运行PreScan软件构建的目标交通场景模型和TruckSim构建的目标智能集卡模型。

S103、依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；

本发明实施例中，获取所述目标交通场景的类型，依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，解析所述目标交通场景所属的类型，其中：所述类型可以是高速公路场景或者港口园区泊车场景。获取所述目标智能集卡模型的原车信号数据，依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号。

其中：在所述行驶路径的确定过程中，当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置，依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径；当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息，依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

依据所述类型，确定行驶路径，依据所述行驶路径和所述目标智能集卡模型的原车信号数据，确定所述目标智能集卡模型的车辆控制信号，其中，所述车辆控制信号包括：速度、方向盘转角和档位控制信号。

S104、依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。

本发明实施例中，依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，依据所述目标智能集卡模型在所述目标交通场景和所述目标交通流下的表现，对所述车辆控制信号进行调整，通过对所述车辆控制信号的调整，实现对所述目标智能集卡中软件算法的调整。

本发明公开了一种智能集卡的仿真测试方法，包括：在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。上述的测试方法，通过建立目标智能集卡模型、目标交通场景和目标交通流，通过与所述目标交通场景类型对应的车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，不需要采用集装箱卡车进行大规模的场地测试。

本发明实施例中，所述仿真测试方法是基于智能集卡仿真测试平台实现的，其中，所述仿真测试平台的结构示意图如图2所示，

PreScan模块201、TruckSim模块202、Matlab/Simulink模块203、VISSIM模块204、场景工作站205和算法工作站206，其中：

所述PreScan模块201，用于模拟目标智能集卡的交通场景和传感器模型，其中，针对同一类型的交通场景，可以包含多个备选交通场景，备选交通场景的障碍物，建筑物或者库位等的位置可以不同，不同的位置设置，对应着不同的备选交通场景，其中，优选的，可以分别将每一种备选交通场景作为目标交通场景，用于对所述目标智能集卡模型的仿真。所述传感器模型用于模拟传感器获取对应的传感器数据，其中，针对目标交通场景为高度公路场景，所述传感器模型可以用于检测车道线和障碍物的位置，针对目标交通场景为港口园区泊车场景，所述传感器模型可以包括检测库位角点信息。

所述TruckSim模块202，用于模拟所述目标智能集卡的执行系统，其中，所述TruckSim模块202包括：动力学子模块207和控制子模块208，其中：所述动力学子模块207，用于建立所述目标智能集卡的动力学模型；所述控制子模块208，用于对所述动力学模型进行控制。

所述Matlab/Simulink模块203，用于运行所述PreScan模块和所述TruckSim模块，所述Matlab/Simulink模块203是基础软件。

所述VISSIM模块204，用于通过控制所述交通场景中交通车辆的行为，模拟所述目标智能集卡的交通流，其中，所述交通流可以可定义的，也可以是预先设置好的，其中对交通流的设置或者定义可以通过交通流的密度，车辆的类型(卡车/轿车)、交通流车辆的形式分各个(激进/保守)等进行设置，不同的设置，对应着不同的交通流。

所述场景工作站205；用于获取所述传感器模型的数据和原车信号数据，并将所述数据和所述原车信号数据发送至所述算法工作站，其中，所述原车信号数据可以包括：车辆横摆角速度(YawRate)、牵引车轮速(WheelSpeed)、档位状态(ShifterPosition)、加速度(Accel)、牵引车轮速脉冲(WheelPulse)、挂车速度(TrailerSpeed)、挂车轮速(TrailerWheelSpeed)、车灯状态(Direction/BeamLamp)、牵引车挂车角度(HingePointAng)等

所述算法工作站206，用于接收所述数据和所述原车信号数据，依据所述数据和所述原车信号数据生成车辆控制信号，将所述车辆控制信号发送给所述场景工作站。依据所述车辆控制信号对所述目标智能集卡模型进行仿真测试。

本发明实施例中，根据所述智能集卡的仿真测试平台，在所述仿真参数中获取目标智能集卡的实车参数及动力学标定参数，在TruckSim模块202中建立智能集卡的动力学模型。基于Matlab/Simulink环境，搭建TruckSim-PreScan-Vissim联合仿真环境，其中PreScan模块201集成了场景环境及虚拟的传感器模型，Vissim模块204提供交通流模型。针对高速场景，在PreScan搭建多车道高速道路，对应到Vissim中的路网，用于接入可定义的交通流或者预设的交通流，PreScan的虚拟传感器用于检测车道线及障碍物；针对园区泊车场景，PreScan构建园区环境及待泊入库位，虚拟传感器检测库位角点信息，发给算法工作站206。其中所述算法工作站205可以是Windows工作站，与场景工作站205通讯，其中所述场景工作站205可以是Linux工作站，用于智能驾驶规划控制算法的实时运行。通讯通过UDP实现，场景工作站205发送虚拟传感器探测结果、车辆动力学信息等消息至算法工作站206，同时，算法工作站206发送车辆规划控制信号至场景工作站205。

本发明通过建立智能集卡车的动力学模型，基于Matlab/Simulink搭建TruckSim-PreScan-Vissim联合仿真环境，构建了高速及园区泊车场景针对智能集卡的仿真测试系统。一方面Vissim模块解决了无丰富交通流的问题，并可一定程度模拟港口作业卡车交通运行状况；另一方面泊车场景通过虚拟传感器对库位角点的检测，解决了环视及超声波传感器难以模拟的问题，可以更方便的进行泊车规划的仿真测试。

基于上述的一种智能集卡的仿真测试方法，本发明实施例中，还提供了一种智能集卡的仿真测试装置，所述仿真测试装置的结构框图如图3所示，包括：获取模块301、构建模块302、确定模块303和仿真模块304。

其中，

所述获取模块301，用于在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

所述构建模块302，用于依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；

所述确定模块303，用于依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；

所述仿真模块304，用于依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。

本发明公开了一种智能集卡的仿真测试装置，包括：在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流；依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号；依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真。上述的测试装置，通过建立目标智能集卡模型、目标交通场景和目标交通流，通过与所述目标交通场景类型对应的车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，不需要采用集装箱卡车进行大规模的场地测试。

本发明实施例中，所述确定模块303包括：

规划单元、获取单元和确定单元。

其中，

所述规划单元，用于依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；

所述获取单元，用于获取所述目标智能集卡模型的原车信号数据；

所述确定单元，用于依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号。

本发明实施例中，所述规划单元包括：

第一获取子单元和第一规划子单元。

其中，

所述第一获取子单元，用于当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置；

所述第一规划子单元，用于依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径。

本发明实施例中，所述规划单元包括：

第二获取子单元和第二规划子单元。

其中，

所述第二获取子单元，用于当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息；

所述第二规划子单元，用于依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

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。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，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。而且，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。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上对本发明所提供的一种智能集卡的仿真测试方法、装置及平台进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种智能集卡的仿真测试方法，其特征在于，包括：

在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流，所述目标交通场景包括场景环境和虚拟的传感器模型；

依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号，所述车辆控制信号包括：速度、方向盘转角和档位控制信号；

依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，依据所述目标智能集卡模型在所述目标交通场景和所述目标交通流下的表现，对所述车辆控制信号进行调整，通过对所述车辆控制信号的调整，实现对所述目标智能集卡中软件算法的调整；

依据所述目标交通场景的类型，确定所述目标智能集卡模型的车辆控制信号包括：

依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；

获取所述目标智能集卡模型的原车信号数据；

依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号；

依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置；

依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径；

依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息；

依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

2.一种智能集卡的仿真测试装置，其特征在于，包括：

获取模块，用于在接收到对目标智能集卡的仿真测试请求的情况下，获取所述仿真测试请求包含的仿真参数；

构建模块，用于依据所述仿真参数，构建目标智能集卡模型、目标交通场景和目标交通流，所述目标交通场景包括场景环境和虚拟的传感器模型；

确定模块，用于依据所述目标交通场景的类型，确定目标智能集卡模型的车辆控制信号，所述车辆控制信号包括：速度、方向盘转角和档位控制信号；

仿真模块，用于依据所述车辆控制信号，在所述目标交通场景和所述目标交通流下对所述目标智能集卡模型进行仿真，依据所述目标智能集卡模型在所述目标交通场景和所述目标交通流下的表现，对所述车辆控制信号进行调整，通过对所述车辆控制信号的调整，实现对所述目标智能集卡中软件算法的调整；

所述确定模块包括：

规划单元，用于依据与所述类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；

获取单元，用于获取所述目标智能集卡模型的原车信号数据；

确定单元，用于依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号；

所述规划单元包括：

第一获取子单元，用于当所述目标交通场景为高速公路场景的情况下，获取交通流密度、车道线位置、建筑物位置和障碍物位置；

第一规划子单元，用于依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径；

所述规划单元包括：

第二获取子单元，用于当所述目标交通场景为港口园区泊车场景的情况下，获取库位四个角点的坐标信息；

第二规划子单元，用于依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

3.一种智能集卡的仿真测试平台，其特征在于，包括：PreScan模块、TruckSim模块、Matlab/Simulink模块、VISSIM模块、场景工作站和算法工作站，其中：

所述PreScan模块，用于模拟目标智能集卡的交通场景和传感器模型，依据车辆控制信号，在目标交通场景和目标交通流下对目标智能集卡模型进行仿真，依据所述目标智能集卡模型在所述目标交通场景和所述目标交通流下的表现，对所述车辆控制信号进行调整，通过对所述车辆控制信号的调整，实现对所述目标智能集卡中软件算法的调整；

所述TruckSim模块，用于模拟所述目标智能集卡的执行系统；

所述Matlab/Simulink模块，用于运行所述PreScan模块和所述TruckSim模块；

所述VISSIM模块，用于通过控制所述交通场景中交通车辆的行为，模拟所述目标智能集卡的交通流；

所述场景工作站；用于获取所述传感器模型的数据和原车信号数据，并将所述数据和所述原车信号数据发送至所述算法工作站；

所述算法工作站，用于接收所述数据和所述原车信号数据，依据所述数据和所述原车信号数据生成车辆控制信号，将所述车辆控制信号发送给所述场景工作站，所述车辆控制信号包括：速度、方向盘转角和档位控制信号；

所述算法工作站依据所述数据和所述原车信号数据生成车辆控制信号包括：

所述算法工作站依据与所述目标交通场景的类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径；获取所述目标智能集卡模型的原车信号数据；依据所述原车信号数据和所述行驶路径，确定所述目标智能集卡模型的车辆控制信号；

所述算法工作站依据与所述目标交通场景的类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为高速公路场景的情况下，所述算法工作站获取交通流密度、车道线位置、建筑物位置和障碍物位置；依据所述交通流密度、所述车道线位置、所述建筑物位置和所述障碍物位置，规划多数目标智能集卡模型的行驶路径；

所述算法工作站依据与所述目标交通场景的类型对应的传感器数据，规划所述目标智能集卡模型的行驶路径，包括：

当所述目标交通场景为港口园区泊车场景的情况下，所述算法工作站获取库位四个角点的坐标信息；依据所述坐标信息，规划所述目标智能集卡模型的泊车路径。

4.根据权利要求3所述的平台，其特征在于，所述TruckSim模块包括：动力学子模块和控制子模块，其中：

所述动力学子模块，用于建立所述目标智能集卡的动力学模型；

所述控制子模块，用于对所述动力学模型进行控制。