CN112256590A - 虚拟场景有效性判定方法、装置和自动驾驶系统 - Google Patents

虚拟场景有效性判定方法、装置和自动驾驶系统 Download PDF

Info

Publication number
CN112256590A
CN112256590A CN202011263668.7A CN202011263668A CN112256590A CN 112256590 A CN112256590 A CN 112256590A CN 202011263668 A CN202011263668 A CN 202011263668A CN 112256590 A CN112256590 A CN 112256590A
Authority
CN
China
Prior art keywords
virtual scene
data
simulation test
driving risk
scene
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
CN202011263668.7A
Other languages
English (en)
Other versions
CN112256590B (zh
Inventor
侯琛
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011263668.7A priority Critical patent/CN112256590B/zh
Publication of CN112256590A publication Critical patent/CN112256590A/zh
Application granted granted Critical
Publication of CN112256590B publication Critical patent/CN112256590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种虚拟场景有效性判定方法、装置、自动驾驶系统和存储介质。方法包括：获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；根据匹配结果，判定虚拟场景的有效性。避免无效的虚拟场景对仿真测试带来的干扰，从而有助于在后续的仿真测试过程中提高仿真测试结果的准确性。

Description

虚拟场景有效性判定方法、装置和自动驾驶系统
技术领域
本申请涉及人工智能技术领域，特别是涉及一种虚拟场景有效性判定方法、装置、自动驾驶系统和存储介质。
背景技术
随着人工智能技术的发展，出现了自动驾驶技术，而仿真测试是自动驾驶技术中的重要过程。在仿真测试时，仿真测试平台下发虚拟场景至测试车辆，通过虚拟场景来反应这些场景的驾驶安全情况。
传统仿真测试技术中，测试车辆以接收到的虚拟场景为依据进行测试，然而，虚拟场景信息在下发的过程中会遭遇众多因素的干扰，现有自动驾驶仿真测试中尚无对虚拟场景有效性判定的方案，从而导致车辆接收到的虚拟场景信息可能并不能完全反应这些场景的驾驶安全性，无法支持高精度的仿真测试。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高仿真测试结果准确性的虚拟场景有效性判定方法、装置、自动驾驶系统和存储介质。
一种虚拟场景有效性判定方法，方法包括：
获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；
根据匹配结果，判定虚拟场景的有效性。
一种虚拟场景有效性判定装置，装置包括：
数据获取模块，用于获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
数据修正模块，用于根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
数据匹配模块，用于获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；
有效性判定模块，用于根据匹配结果，判定虚拟场景的有效性。
一种自动驾驶系统，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；
根据匹配结果，判定虚拟场景的有效性。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；
根据匹配结果，判定虚拟场景的有效性。
上述虚拟场景有效性判定方法、装置、自动驾驶系统和存储介质，通过获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延，将虚拟场景下发带来的时延作为考虑因素，根据发送时延和仿真测试车辆预设的事故反应时间来修正车辆所处虚拟场景中的驾驶风险，将历史交通事故率作为虚拟场景的先验信息，通过将修正驾驶风险数据与历史事故率进行匹配，根据匹配结果，判定虚拟场景是否能反应真实的场景，确定虚拟场景的有效性，避免无效的虚拟场景对仿真测试带来的干扰，从而有助于在后续的仿真测试过程中提高仿真测试结果的准确性。
附图说明
图1为一个实施例中虚拟场景有效性判定方法的应用环境图；
图2为一个实施例中虚拟场景有效性判定方法的流程示意图；
图3为另一个实施例中虚拟场景有效性判定方法的流程示意图；
图4为再一个实施例中虚拟场景有效性判定方法的流程示意图；
图5为又一个实施例中虚拟场景有效性判定方法的流程示意图；
图6为还一个实施例中虚拟场景有效性判定方法的流程示意图；
图7为另一个实施例中虚拟场景有效性判定方法的流程示意图；
图8为一个实施例中虚拟场景有效性判定方法的应用场景图；
图9为一个实施例中虚拟场景有效性判定方法的另一应用场景图；
图10为一个实施例中虚拟场景有效性判定装置的又一应用场景图；
图11为一个实施例中虚拟场景有效性判定装置的结构框图；
图12为一个实施例中自动驾驶系统的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
自动驾驶技术是人工智能的一个重要应用方面，通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，自定驾驶技术有着广泛的应用前景。
本申请提供的虚拟场景有效性判定方法，可以应用于如图1所示的应用环境中。其中，仿真测试车辆102通过网络与仿真测试平台104进行通信。例如，通过蜂窝基站106进行通信等。仿真测试平台104将虚拟场景发送至仿真测试车辆102，仿真测试平台104接收仿真测试车辆102根据虚拟场景反馈的虚拟场景驾驶风险数据和虚拟场景发送时延，根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应；根据匹配结果，判定虚拟场景的有效性。仿真测试平台104可以通过服务器来实现，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在其他实施例中，仿真测试平台的数据处理过程也可以是其他任何与仿真测试平台存在交互通道的计算机设备来实现，在此不作限定。
在一个实施例中，如图2所示，提供了一种虚拟场景有效性判定方法，以该方法应用于图1中的仿真测试平台为例进行说明，包括以下步骤202至步骤208。
步骤202，获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延。
虚拟场景是指仿真测试平台中的仿真模拟器通过仿真技术生成的仿真场景，虚拟场景并非真实存在的场景，通过仿真技术，可以模拟出各种环境信息。以自动驾驶过程中的虚拟场景为例，虚拟场景中包括其他交通参与者的质量、速度、加速度、GPS坐标、路面粘度、路面摩擦系数、道路弯度、能见度等数据信息。
仿真测试平台将虚拟场景发送至仿真测试车辆，仿真测试车辆的车载电脑通过提取虚拟场景中的数据信息，结合仿真测试车辆的自身运行参数，对虚拟场景驾驶风险进行分析，得到虚拟场景驾驶风险数据。虚拟场景驾驶风险数据是指在虚拟场景下，仿真测试车辆发生事故的概率。
虚拟场景发送时延是指仿真测试平台将虚拟场景下发的时间点到仿真测试车辆接收到虚拟场景的时间差。
在实施例中，虚拟场景发送时延可以是由仿真测试车辆的车载电脑根据虚拟场景携带的发送时间和虚拟场景的接收时间确定，仿真测试车辆的车载电脑将确定的虚拟场景发送时延反馈至仿真测试平台。也可以是由仿真测试车辆的车载电脑将虚拟场景的接收时间反馈至仿真测试平台，由仿真测试平台根据预先记录的虚拟场景的发送时间与反馈的接收时间来确定。
在一个实施例中，如图3所示，获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延即步骤202包括步骤302至步骤304。
步骤302，发送携带有时间数据和环境参数的虚拟场景数据至仿真测试车辆。
步骤304接收所述仿真测试车辆反馈的虚拟场景驾驶风险数据和虚拟场景发送时延。
其中，所述虚拟场景驾驶风险数据为所述仿真测试车辆根据所述虚拟场景中的环境参数以及所述仿真测试车辆的运行参数得到，所述虚拟场景发送时延为所述仿真测试车辆根据所述虚拟场景的接收时间以及所述发送时间的时间差得到。
仿真测试车辆从车内设备获取自身质量、速度、加速度、GPS坐标，从仿真测试平台下发的虚拟场景中提取出虚拟场景中的其他交通参与者的质量、速度、加速度、GPS坐标、路面粘度、路面摩擦系数、道路弯度、能见度，然后采用现有的驾驶风险计算模型计算车端驾驶风险。
在实施例中，车辆潜在碰撞风险，即虚拟场景驾驶风险数据的计算公式如下
Figure BDA0002775432250000051
Figure BDA0002775432250000052
其中，质量M，距离r，速度V，行驶方向是cosθ，DR是指驾驶员风险因子，R是指路面因素，路面因素包括这个路面的粘度、湿度、坡度。温度。D是指的路宽。LTa是指路标类型，取值1，2，3，4(路标给驾驶员带来的压力越大，LTa的值越大)。k1＝3，k2＝1，k3＝光速。
其他交通参与者对应的物体一共分为两类：静止的和运动的，静止的分为两类，一类是静止的但是会与本车发生碰撞的，第二类是静止的不会与本车发生碰撞但是会影响本车与其他物体发生碰撞的物体。静止的与运动的分别用第一和二个公式计算。
第一个公式的第一项是静止的但是可能会与本车发生碰撞的物体与本车之间的碰撞强度的计算方法。第一个公式的第二项是指静止的不会与本车发生碰撞但是会影响本车的驾驶风险的物体给本车带来的驾驶风险的计算方法。第二个公式是指运动的且会与本车发生碰撞的物体与本车之间的驾驶风险的计算方法，驾驶风险可以指车辆之间的碰撞概率或者车辆之间的碰撞强度。
仿真测试车辆的车载电脑基于虚拟场景中的数据信息，结合仿真测试车辆的自身运行参数，分析计算得到虚拟场景驾驶风险数据。
在一个实施例中，仿真测试平台在发送虚拟场景时，会对虚拟场景打上发送时间对应的时间戳，仿真测试车辆的车载电脑在接收到虚拟场景时，也会对虚拟场景打上与接收时间对应的时间戳，并根据虚拟场景对应的两个时间戳所对应时间的时间差，即可得到虚拟场景发送时延。
仿真测试车辆的车载电脑在分析得到虚拟场景对应的虚拟场景驾驶风险数据以及虚拟场景发送时延后，通过网络将虚拟场景驾驶风险数据以及虚拟场景发送时延反馈至仿真测试平台，仿真测试平台通过接收反馈数据，即可得到虚拟场景驾驶风险数据和虚拟场景发送时延。通过将虚拟场景驾驶风险数据和虚拟场景发送时延的分析过程集中在仿真测试车辆的车载电脑实现，能够减少数据传输量，减小数据传输资源的占用，而且更少的数据传输过程，能够更为快速地得到数据结果，提高数据处理效率。
步骤204，根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
事故反应时间是指对虚拟场景中的发生的状况进行反应的时间，因为延时的存在，驾驶风险的实时性遭到了破坏。然而，仿真测试车辆中的驾驶员或者控制系统(自动驾驶车辆的控制者是控制系统)对实时性的破坏具有一定的容忍度，容忍度与驾驶员或控制系统的事故反应时间有关。车辆驾驶员或者控制系统的反应时间是预先设定的。例如，驾驶员的反应时间设置为0.7秒等。
在实施例中，可以根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间的数值大小，确定虚拟场景驾驶风险数据的修正参数，修正参数具体可以是虚拟场景发送时延和仿真测试车辆预设的事故反应时间中较小值与较大值的比值结果，根据修正参数对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据，从而能根据虚拟场景发送过程的延时来修正仿真测试车辆所处虚拟场景中的驾驶风险数据，得到更为准确可靠的驾驶风险数据。
步骤206，获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果。
其中，实际事故场景与虚拟场景对应。实际事故场景是已经实际发生过的场景，实际事故场景与虚拟场景对应，其区别在于虚拟场景是虚拟构造生成的，实际事故场景是真实发生的历史场景。
仿真测试平台中对于生地的每一类虚拟场景，都有与之对应的实际事故场景中的历史事故率，根据虚拟场景的类型，可以确定对应的实际事故场景，然后通过实际事故场景，查找得到仿真测试车辆在实际事故场景中的历史事故率。
某个交通事故场景的历史交通事故率反应了虚拟场景中的仿真测试车辆在该虚拟场景中遭遇交通事故风险的概率，对于某一仿真测试车辆，其修正驾驶风险数据应该与实际事故场景的交通事故风险即历史事故率成正向关系。通过将修正驾驶风险数据与历史事故率进行匹配，根据其匹配结果是否成正向关系，判定仿真测试平台下发至仿真测试车辆的虚拟场景是否有效。
步骤208，根据匹配结果，判定虚拟场景的有效性。
在实施例中，根据修正驾驶风险数据与历史事故率的匹配结果是否成正向关系，判定仿真测试平台下发至仿真测试车辆的虚拟场景是否有效。具体来说，当修正驾驶风险数据与历史事故率的匹配结果成正向关系时，判定仿真测试平台下发至仿真测试车辆的虚拟场景有效，当修正驾驶风险数据与历史事故率的匹配结果不成正向关系时，判定仿真测试平台下发至仿真测试车辆的虚拟场景无效。
上述虚拟场景有效性判定方法，通过获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延，将虚拟场景下发带来的延时作为考虑因素，根据发送延时和仿真测试车辆预设的事故反应时间来修正车辆所处虚拟场景中的驾驶风险，将历史交通事故率作为虚拟场景的先验信息，通过将修正驾驶风险数据与历史事故率进行匹配，判定虚拟场景是否能反应真实的场景，确定虚拟场景的有效性，避免无效的虚拟场景对仿真测试带来的干扰，从而有助于在后续的仿真测试过程中提高仿真测试结果的准确性。
在一个实施例中，如图4所示，根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据即步骤204，包括步骤402至步骤404。
步骤402，当虚拟场景发送时延小于事故反应时间时间时，根据虚拟场景发送时延与事故反应时间时间的比值，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
步骤404，当虚拟场景发送时延不小于事故反应时间时间时，根据事故反应时间时间与虚拟场景发送时延的比值，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
因为仿真测试车辆对虚拟场景的驾驶风险的反应在产生虚拟场景的那一刻才有用，所以如果仿真测试车辆i接收到虚拟场景j的延时ti,j大于等于驾驶员或者控制系统的延时Ti，那么即使仿真测试车辆对驾驶风险做出了反应，此反应的实际意义也很小，对交通事故率正面影响小，负面影响大；如果仿真测试车辆i接收到虚拟场景j的延时ti,j小于Ti，那么，ti,j越接近Ti意味着此驾驶风险数据的意义越小即对交通事故率的负面影响越大，反之，意义越大即对交通事故率的负面影响越小。因此，即对于仿真测试车辆i，当仿真测试车辆i接收到虚拟场景j的延时ti,j大于等于驾驶员或者控制系统的延时Ti时，它在虚拟场景j中的驾驶风险Ei,j,应被修改为
Figure BDA0002775432250000081
仿真测试车辆i接收到虚拟场景j的延时ti,j大于等于Ti时，在虚拟场景j中的驾驶风险Ei,j应被修改为
Figure BDA0002775432250000091
通过根据虚拟场景发送过程的延时来修正仿真测试车辆所处虚拟场景中的驾驶风险数据，得到更为准确可靠的驾驶风险数据。
在一个实施例中，如图5所示，虚拟场景的数量为多个。获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果即步骤206包括步骤502至步骤506。
步骤502，获取仿真测试车辆在与各虚拟场景对应的实际事故场景中的历史事故率，将仿真测试车辆各虚拟场景对应的修正驾驶风险数据和历史事故率分别按数值大小进行排序。
步骤504，根据排序顺序相同的修正驾驶风险数据和历史事故率，构建数据对。
步骤506，当数据对中的修正驾驶风险数与历史事故率对应的虚拟场景不相同时，将数据对标记为匹配失败数据对。
对于仿真测试车辆i，当仿真测试车辆i接收到虚拟场景j的延时ti,j大于等于驾驶员或者控制系统的延时Ti时，它在虚拟场景1,2,...,n中的驾驶风险Ei,1,Ei,2,...,Ei,n应分别被修改为
Figure BDA0002775432250000092
仿真测试车辆i接收到虚拟场景j的延时ti,j大于等于Ti时，在虚拟场景1,2,...,n中的驾驶风险Ei,1,Ei,2,...,Ei,n应分别被修改为
Figure BDA0002775432250000093
修改后的驾驶风险数据，分别记为
Figure BDA0002775432250000094
对于仿真测试车辆i，它在虚拟场景1,2,...,n中的修正驾驶风险数据分别为
Figure BDA0002775432250000095
因为某个交通事故场景的历史交通事故率反应了虚拟场景中的仿真测试车辆在该虚拟场景中遭遇交通事故风险的概率，所以修正驾驶风险数据应该与实际事故场景的交通事故风险成正向关系，即历史交通事故率p1,p2,...,pn之间的大小关系应该与修正驾驶风险数据
Figure BDA0002775432250000096
之间的大小关系相同。仿真测试平台按照如下方法判断仿真测试车辆接收到的虚拟场景是否是能反应真实场景交通事故情况：
将p1,p2,...,pn和
Figure BDA0002775432250000101
按照数值从大到小或从小到大的顺序进行排列，记排列后分别为
Figure BDA0002775432250000102
和
Figure BDA0002775432250000103
然后比较排列序号相同的
Figure BDA0002775432250000104
和
Figure BDA0002775432250000105
看是否与同一场景对应，如果不是，那么将它们标记为“匹配失败数据对”，否则，称为“匹配成功数据对”。
通过按数值进行排列并构建数据对的形式，可以快速检测出修正驾驶风险数据和历史事故率是否成正向关系。从而提高数据处理速度。
在一个实施例中，根据匹配结果，判定虚拟场景的有效性包括：根据仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到匹配失败数据的数量对与数据对的数量的比值数据。当比值数据小于历史事故率时，判定虚拟场景有效。当比值数据不小于历史事故率时，判定虚拟场景无效。
将所有的“匹配失败数据对”的数量与所有的“数据对”的数量作比，得到“匹配失败数据对”的占比。判断其是否小于历史事故率，因为仿真测试结果是用于指导实际交通的，实际交通的指标之一就是要降低交通事故率，所以进行仿真测试的指标之一是测试结果要能有利于降低区域的交通事故率，即各种场景的平均交通事故率。因此，如果“匹配失败数据对”的占比大于对应虚拟场景的历史事故率，那么最终的仿真结果也不利于降低交通事故率，从而不利于指导实际交通降低交通事故率，如果前者小于后者，那么仿真测试平台下发的虚拟场景能反应真实场景的交通事故情况；如果前者大于后者，即仿真不能反应真实场景的交通事故情况。
在一个实施例中，仿真测试车辆的数量为多个。如图6所示，根据匹配结果，判定虚拟场景的有效性包括步骤602至步骤608。
步骤602，归集各仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到数据对的总量以及匹配失败数据对的总量。
步骤604，确定匹配失败数据对的总量与数据对的总量的比值数据，并确定各仿真测试车辆的历史事故率的平均值。
步骤606，当比值数据小于平均值时，判定虚拟场景有效。
步骤608，当比值数据不小于平均值时，判定虚拟场景无效。
针对仿真测试车辆1,2,...,m，确定出所有仿真测试车辆的“匹配失败数据对”。分别记与车辆1,2,...,m对应的“匹配失败数据对”数量为u1,u2,...,um；将所有的“匹配失败数据对”与所有的“数据对”作比得到“匹配失败数据对”占比。所有的“匹配失败数据对”数量是u1+u2+...+um，车辆1,2,...,m都有相同数量n“数据对”所有的“数据对”数量是nm，它们的比值为
Figure BDA0002775432250000111
并判断其是否小于平均历史事故率
Figure BDA0002775432250000112
如果比值数据小于平均历史事故率，那么仿真测试平台下发的虚拟场景能反应真实场景的交通事故情况；如果比值数据大于等于平均历史事故率，即仿真不能反应真实场景的交通事故情况。
在一个实施例中，方法还包括：当判定虚拟场景无效时，对虚拟场景发送时延或仿真测试车辆预设的事故反应时间进行调整，以得到有效的虚拟场景。
对于仿真测试车辆i，将其在交通事故场景1,2,...,n的历史交通事故率p1,p2,...,pn和修正驾驶风险数据
Figure BDA0002775432250000113
按照数值从大到小或从小到大排列，记排列后分别为
Figure BDA0002775432250000114
和
Figure BDA0002775432250000115
然后比较排序相同的
Figure BDA0002775432250000116
和
Figure BDA0002775432250000117
是否与同一场景对应，如果不是，那么将它们称为与仿真测试车辆i对应的“匹配失败数据对”。找出所有与仿真测试车辆i对应的“匹配失败数据对”。因为，对于与仿真测试车辆i对应的“匹配失败数据对”
Figure BDA0002775432250000118
和
Figure BDA0002775432250000119
假设与
Figure BDA00027754322500001110
对应的交通事故场景是场景yk，此时无需考虑与
Figure BDA00027754322500001111
对应的虚拟场景，一定还存在另一个“匹配失败数据对”，记为
Figure BDA00027754322500001112
和
Figure BDA00027754322500001113
假设与
Figure BDA00027754322500001114
对应的交通事故场景是yz，此时无需考虑与
Figure BDA00027754322500001115
对应的虚拟场景，所以，在接下来下发虚拟场景时，应将仿真测试车辆i在交通事故场景yk下遭遇的修正驾驶风险数据控制在
Figure BDA00027754322500001116
以内。
修正驾驶风险数据控制方式包括：调节虚拟场景信息的下发延时和车辆驾驶员或控制系统的反应时间。例如，调节车辆i接收到虚拟场景yk的延时为
Figure BDA00027754322500001117
或者车辆控制系统的反应时间Ti，以使
Figure BDA00027754322500001118
和
Figure BDA00027754322500001119
对应同一交通事故场景，将车辆i在交通事故场景yz下遭遇的修正驾驶风险数据控制在
Figure BDA0002775432250000121
以内，以使
Figure BDA0002775432250000122
和
Figure BDA0002775432250000123
对应同一交通事故场景，目标是使“匹配失败数据对”u1+u2+...+um与所有的“数据对”数量是nm之比
Figure BDA0002775432250000124
控制在平均历史交通事故率
Figure BDA0002775432250000125
以内，从而将无效的虚拟场景调整为有效的虚拟场景。
在一个实施例中，如图7所示，提供了一种虚拟场景有效性判定方法，方法包括以下步骤：
步骤702，将携带有发送时间的虚拟场景发送至仿真测试车辆，以使仿真测试车辆根据虚拟场景的接收时间以及发送时间，得到虚拟场景发送时延，并根据虚拟场景中的环境参数以及仿真测试车辆的运行参数，得到虚拟场景驾驶风险数据。
步骤704，发送携带有时间数据和环境参数的虚拟场景数据至仿真测试车辆。
步骤704接收所述仿真测试车辆反馈的虚拟场景驾驶风险数据和虚拟场景发送时延。
步骤708，当虚拟场景发送时延不小于事故反应时间时间时，根据事故反应时间时间与虚拟场景发送时延的比值，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
步骤710，获取仿真测试车辆在实际事故场景中的历史事故率，其中，实际事故场景与虚拟场景对应。
步骤712，将仿真测试车辆各虚拟场景对应的修正驾驶风险数据和历史事故率分别按数值大小进行排序。
步骤714，根据排序顺序相同的修正驾驶风险数据和历史事故率，构建数据对。
步骤716，当数据对中的修正驾驶风险数与历史事故率对应的虚拟场景不相同时，将数据对标记为匹配失败数据对。
步骤718，归集各仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到数据对的总量以及匹配失败数据对的总量。
步骤720，确定匹配失败数据对的总量与数据对的总量的比值数据，并确定各仿真测试车辆的历史事故率的平均值。
步骤722，当比值数据小于平均值时，判定虚拟场景有效。
步骤724，当比值数据不小于平均值时，判定虚拟场景无效。
步骤726，对虚拟场景发送时延或仿真测试车辆预设的事故反应时间进行调整，以得到有效的虚拟场景。
如图8所示，本申请还提供一种应用场景，虚拟场景有效性判定方法能用到车辆测试场中平台中，其使用场景包括车辆在环仿真，即通过仿真测试平台向测试车辆下发场景信息，供车辆测试。应用场景中可以包括测试实车、虚拟车辆、虚拟行人、以及虚拟非机动车等。该应用场景应用上述的虚拟场景有效性判定方法。具体地，该虚拟场景有效性判定方法在该应用场景的应用如下：
车辆确定出场景信息的下发延时：仿真测试平台模拟若干个历史交通事故场景，记场景数为n，将n个场景分别称为场景1,2,...,n，它们的历史交通事故率分别为p1,p2,...,pn。每个场景信息都包含时间戳；仿真测试平台将这些场景下发给车辆，每一辆车都会收到场景1,2,...,n。车辆在接收到每个场景信息时给该场景信息打上时间戳，因而可以确定出每一个场景信息的下发延时。记目标区域有m辆车，分别称为车辆1,2,...,m；记车辆i接收到虚拟场景j的延时为ti,j；在接收到仿真测试平台下发的场景后，车辆确定出在下发场景中的驾驶风险：本车从车内设备获取自身质量、速度、加速度、GPS坐标，从测试平台下发的虚拟场景中提取出场景中的其他交通参与者的质量、速度、加速度、GPS坐标、路面粘度、路面摩擦系数、道路弯度、能见度，然后采用现有的驾驶风险计算模型计算车端驾驶风险。记车辆i在虚拟场景k中的驾驶风险为Ei,k；车辆根据延时对驾驶风险进行修正：因为延时的存在，驾驶风险的实时性遭到了破坏。然而，驾驶员或者控制系统对实时性的破坏具有一定的容忍度，容忍度与驾驶员的反应时间有关。记车辆1,2,...,m的驾驶员或者控制系统的反应时间分别为T1,T2,...,Tm(车辆驾驶员或者控制系统的延时是预设的，已知。例如，驾驶员的反应时间为0.7秒)；因为车辆对场景的驾驶风险的反应在产生场景的那一刻才有用，所以如果车辆i接收到场景j的延时ti,j大于等于驾驶员或者控制系统的延时Ti，那么即使车辆对驾驶风险做出了反应，此反应的实际意义也很小，对交通事故率正面影响小，负面影响大；如果车辆i接收到场景j的延时ti,j小于Ti，那么，ti,j越接近Ti意味着此风险对交通事故率的负面影响越大，反之，对交通事故率的负面影响越小。因此，驾驶风险的意义与延时正反比，与驾驶员或者控制系统的反应时间成反比，即对于车辆i，它在场景1,2,...,n中的驾驶风险Ei,1,Ei,2,...,Ei,n应分别被修改为
Figure BDA0002775432250000141
得到修正驾驶风险数据，分别记为
Figure BDA0002775432250000142
对于车辆i，它在模拟交通事故场景1,2,...,n中的修正驾驶风险数据分别为
Figure BDA0002775432250000143
因为某个交通事故场景的历史交通事故率反应了场景中的车辆在该场景中遭遇交通事故风险的概率，所以修正驾驶风险数据应该与实际场景的交通事故风险成正向关系，即历史交通事故率p1,p2,...,pn之间的大小关系应该与有意义的驾驶风险
Figure BDA0002775432250000144
之间的大小关系相同。然而，因为延时等因素的影响，对“不相同”也有一定的容忍度。因此，按照如下方法判断车辆接收到的虚拟场景是否是能反应真实场景的交通事故情况的：将p1,p2,...,pn和
Figure BDA0002775432250000145
按照从大到小或从小到大排列，记排列后分别为
Figure BDA0002775432250000146
和
Figure BDA0002775432250000147
然后
Figure BDA0002775432250000148
和
Figure BDA0002775432250000149
看是否与同一场景对应，如果不是，那么将它们标记为“匹配失败数据对”，否则，称为“匹配成功数据对”；以此类推，针对车辆1,2,...,m，确定出所有的“匹配失败数据对”。分别记与车辆1,2,...,m对应的“匹配失败数据对”数量为u1,u2,...,um；将所有的“匹配失败数据对”与所有的“数据对”作比得到“匹配失败数据对”占比。所有的“匹配失败数据对”数量是u1+u2+...+um，车辆1,2,...,m都有相同数据量n“数据对”，总的“数据对”数量是nm，它们的比值为
Figure BDA00027754322500001410
并判断其是否小于平均历史交通事故率
Figure BDA0002775432250000151
如果小于，那么仿真测试平台下发的虚拟场景能反应真实场景的交通事故情况，否则不能反应真实场景的交通事故情况。
为证明本申请中虚拟场景有效性判定方法的可靠性，申请人进行了多次实验。该实验在模拟器进行，随机通过模拟器中的仿真测试平台向模拟器中的车辆下发虚拟场景，并设置实验组和对照组进行对照实验。
对照组：只要仿真测试平台下发的虚拟场景是数据库中存在的，那么就认为它是有效的。
实验组：车辆将风险计算值返回给仿真测试平台，仿真测试平台判断该虚拟场景是否有效。
分别记录实验组和对照组中误将无效虚拟场景视为有效虚拟场景的数量，并计算现有技术和本申请的方案误将无效虚拟场景视为有效的数量之比。实验结果如表1所示：
表1实验结果
模拟故障情况 现有技术和本申请中的误将无效虚拟场景视为有效的数量之比
第一次实验 1.42
第二次实验 1.35
第三次实验 1.45
第四次实验 1.46
第五次实验 1.45
第六次实验 1.51
第七次实验 1.55
第八次实验 1.45
第九次实验 1.56
第十次实验 1.62
根据上述实验结果可知，本申请的方案相较于现有技术能够更准确地识别虚拟场景是否为有效场景，判定结果的可靠性较高。
本申请还提供一种应用场景，通过虚拟场景有效性判定方法判判定为有效场景的虚拟场景可以在该应用场景应用。具体地，该应用场景的实施环境如图9所示，图9中的图像显示界面包括实车驾驶舱通过车载图像或视频采集装置采集到的路面真实场景、仿真器基于地面或空中的图像或视频采集装置的采集数据生成的第一视角的虚拟场景以及第二视角的虚拟场景。其中，第一视角是指如图9中间部分与驾驶舱视角相同或相近的视角，第二视角是指如图9右下角所示的能够展示整个路面车辆状况的鸟瞰视角。
此外，本申请还提供了一种如图10所示的应用场景，该场景中包括四个场景图，图中左上角所示为该车辆所在环境的三维场景图，图中右上角所示为该车辆所在环境的车道场景图，图中右下角所示为车载摄像装置采集的路测视频，图中左下角所示为基于固定于地面或空中的摄像装置采集数据仿真生成的仿真视频。其中，通过仿真生成的三维场景图属于城市级数字孪生三维环境，由空中和地面采集融合而成，数字孪生是指充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，通过高精度地图及行业数据的融合支撑，实现城市级交通流仿真，得到车道场景图。该应用场景中可以通过云端并行仿真与渲染加速，使得仿真得到的仿真视频与路测视频的相对精度达到20cm，基本达到一致。此外，基于车载智能终端的反馈，实现对仿真视频中的仿真场景的有效性判断，实现仿真视频的有效实时更新，提高驾驶安全性。
举例来说，在大雾天气或转弯视线受阻等车载摄像装置无法采集到准确图像的情况下，基于车载摄像装置采集到的路测视频可能无法真实反映当前的路况信息，而基于仿真得到的三维场景图、车道场景图以及仿真视频，其基于地面或空中的摄像装置采集数据仿真生成，不依赖于车辆的视角，能够更为准确的反映当前的路况信息，避免安全事故的发生。应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，提供了一种虚拟场景有效性判定装置1100，该装置可以采用软件模块或硬件模块，或者是二者的结合成为自动驾驶系统的一部分，该装置具体包括：数据获取模块1110、数据修正模块1120、数据匹配模块1130和有效性判定模块1140，其中：
数据获取模块1110，用于获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延。
数据修正模块1120，用于根据虚拟场景发送时延和仿真测试车辆预设的事故反应时间，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
数据匹配模块1130，用于获取仿真测试车辆在实际事故场景中的历史事故率，将修正驾驶风险数据与历史事故率进行匹配，得到匹配结果，其中，实际事故场景与虚拟场景对应。
有效性判定模块1140，用于根据匹配结果，判定虚拟场景的有效性。
在一个实施例中，数据获取模块还用于将携带有发送时间的虚拟场景发送至仿真测试车辆，以使仿真测试车辆根据虚拟场景的接收时间以及发送时间，得到虚拟场景发送时延，并根据虚拟场景中的环境参数以及仿真测试车辆的运行参数，得到虚拟场景驾驶风险数据；接收仿真测试车辆反馈的虚拟场景驾驶风险数据和虚拟场景发送时延。
在一个实施例中，数据修正模块还用于当虚拟场景发送时延小于事故反应时间时间时，根据虚拟场景发送时延与事故反应时间时间的比值，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；当虚拟场景发送时延不小于事故反应时间时间时，根据事故反应时间时间与虚拟场景发送时延的比值，对虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
在一个实施例中，虚拟场景的数量为多个；数据匹配模块还用于将仿真测试车辆各虚拟场景对应的修正驾驶风险数据和历史事故率分别按数值大小进行排序；根据排序顺序相同的修正驾驶风险数据和历史事故率，构建数据对；当数据对中的修正驾驶风险数与历史事故率对应的虚拟场景不相同时，将数据对标记为匹配失败数据对。
在一个实施例中，匹配结果包括匹配失败数据对；有效性判定模块，还用于根据仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到匹配失败数据的数量对与数据对的数量的比值数据；当比值数据小于历史事故率时，判定虚拟场景有效；当比值数据不小于历史事故率时，判定虚拟场景无效。
在一个实施例中，匹配结果包括匹配失败数据对；仿真测试车辆的数量为多个；有效性判定模块，还用于归集各仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到数据对的总量以及匹配失败数据对的总量；确定匹配失败数据对的总量与数据对的总量的比值数据，并确定各仿真测试车辆的历史事故率的平均值；当比值数据小于平均值时，判定虚拟场景有效；当比值数据不小于平均值时，判定虚拟场景无效。
在一个实施例中，虚拟场景有效性判定装置还包括数据调整模块，用于对虚拟场景发送时延或仿真测试车辆预设的事故反应时间进行调整，以得到有效的虚拟场景。
上述虚拟场景有效性判定装置，通过获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延，将虚拟场景下发带来的延时作为考虑因素，根据发送延时和仿真测试车辆预设的事故反应时间来修正车辆所处虚拟场景中的驾驶风险，将历史交通事故率作为虚拟场景的先验信息，通过将修正驾驶风险数据与历史事故率进行匹配，判定虚拟场景是否能反应真实的场景，确定虚拟场景的有效性，避免无效的虚拟场景对仿真测试带来的干扰，从而有助于在后续的仿真测试过程中提高仿真测试结果的准确性。
关于虚拟场景有效性判定装置的具体限定可以参见上文中对于虚拟场景有效性判定方法的限定，在此不再赘述。上述虚拟场景有效性判定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于自动驾驶系统中的处理器中，也可以以软件形式存储于自动驾驶系统中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种自动驾驶系统，该自动驾驶系统可以包括服务器，其内部结构图可以如图12所示。该自动驾驶系统包括通过系统总线连接的处理器、存储器和网络接口。其中，该自动驾驶系统的处理器用于提供计算和控制能力。该自动驾驶系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该自动驾驶系统的数据库用于存储虚拟场景有效性判定数据。该自动驾驶系统的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种虚拟场景有效性判定方法。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的自动驾驶系统的限定，具体的自动驾驶系统可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种自动驾驶系统，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。自动驾驶系统的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该自动驾驶系统执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种虚拟场景有效性判定方法，其特征在于，所述方法包括：
获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
根据所述虚拟场景发送时延和所述仿真测试车辆预设的事故反应时间，对所述虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
获取所述仿真测试车辆在实际事故场景中的历史事故率，将所述修正驾驶风险数据与所述历史事故率进行匹配，得到匹配结果，其中，所述实际事故场景与所述虚拟场景对应；
根据所述匹配结果，判定所述虚拟场景的有效性。
2.根据权利要求1所述的方法，其特征在于，所述获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延包括：
发送携带有时间数据和环境参数的虚拟场景数据至仿真测试车辆；
接收所述仿真测试车辆反馈的虚拟场景驾驶风险数据和虚拟场景发送时延，其中，所述虚拟场景驾驶风险数据为所述仿真测试车辆根据所述虚拟场景中的环境参数以及所述仿真测试车辆的运行参数得到，所述虚拟场景发送时延为所述仿真测试车辆根据所述虚拟场景的接收时间以及所述发送时间的时间差得到。
3.根据权利要求1所述的方法，其特征在于，所述根据所述虚拟场景发送时延和所述仿真测试车辆预设的事故反应时间，对所述虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据包括：
当所述虚拟场景发送时延小于所述事故反应时间时间时，根据所述虚拟场景发送时延与所述事故反应时间时间的比值，对所述虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
当所述虚拟场景发送时延不小于所述事故反应时间时间时，根据所述事故反应时间时间与所述虚拟场景发送时延的比值，对所述虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据。
4.根据权利要求1所述的方法，其特征在于，所述虚拟场景的数量为多个；
所述将所述修正驾驶风险数据与所述历史事故率进行匹配，得到匹配结果包括：
将所述仿真测试车辆各虚拟场景对应的修正驾驶风险数据和历史事故率分别按数值大小进行排序；
根据排序顺序相同的修正驾驶风险数据和历史事故率，构建数据对；
当所述数据对中的修正驾驶风险数与历史事故率对应的虚拟场景不相同时，将所述数据对标记为匹配失败数据对。
5.根据权利要求4所述的方法，其特征在于，所述根据所述匹配结果，判定所述虚拟场景的有效性包括：
根据所述仿真测试车辆对应的所述数据对的数量以及匹配失败数据对的数量，得到所述匹配失败数据的数量对与所述数据对的数量的比值数据；
当所述比值数据小于所述历史事故率时，判定所述虚拟场景有效；
当所述比值数据不小于所述历史事故率时，判定所述虚拟场景无效。
6.根据权利要求4所述的方法，其特征在于，所述仿真测试车辆的数量为多个；
所述根据匹配结果，判定所述虚拟场景的有效性包括：
归集各仿真测试车辆对应的数据对的数量以及匹配失败数据对的数量，得到数据对的总量以及匹配失败数据对的总量；
确定所述匹配失败数据对的总量与所述数据对的总量的比值数据，并确定各仿真测试车辆的历史事故率的平均值；
当所述比值数据小于所述平均值时，判定所述虚拟场景有效；
当所述比值数据不小于所述平均值时，判定所述虚拟场景无效。
7.根据权利要求5或6所述的方法，其特征在于，所述方法还包括：
当判定所述虚拟场景无效时，对所述虚拟场景发送时延或所述仿真测试车辆预设的事故反应时间进行调整，以得到有效的虚拟场景。
8.一种虚拟场景有效性判定装置，其特征在于，所述装置包括：
数据获取模块，用于获取仿真测试车辆在虚拟场景下的虚拟场景驾驶风险数据和虚拟场景发送时延；
数据修正模块，用于根据所述虚拟场景发送时延和所述仿真测试车辆预设的事故反应时间，对所述虚拟场景驾驶风险数据进行修正，得到修正驾驶风险数据；
数据匹配模块，用于获取所述仿真测试车辆在实际事故场景中的历史事故率，将所述修正驾驶风险数据与所述历史事故率进行匹配，得到匹配结果，其中，所述实际事故场景与所述虚拟场景对应；
有效性判定模块，用于根据匹配结果，判定所述虚拟场景的有效性。
9.一种自动驾驶系统，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202011263668.7A 2020-11-12 2020-11-12 虚拟场景有效性判定方法、装置和自动驾驶系统 Active CN112256590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011263668.7A CN112256590B (zh) 2020-11-12 2020-11-12 虚拟场景有效性判定方法、装置和自动驾驶系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011263668.7A CN112256590B (zh) 2020-11-12 2020-11-12 虚拟场景有效性判定方法、装置和自动驾驶系统

Publications (2)

Publication Number Publication Date
CN112256590A true CN112256590A (zh) 2021-01-22
CN112256590B CN112256590B (zh) 2022-04-29

Family

ID=74265803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011263668.7A Active CN112256590B (zh) 2020-11-12 2020-11-12 虚拟场景有效性判定方法、装置和自动驾驶系统

Country Status (1)

Country Link
CN (1) CN112256590B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112997128A (zh) * 2021-04-19 2021-06-18 华为技术有限公司 一种自动驾驶场景的生成方法、装置及系统
CN113849971A (zh) * 2021-09-16 2021-12-28 广州文远知行科技有限公司 驾驶系统评估方法、装置、计算机设备和存储介质
CN115268298A (zh) * 2022-07-08 2022-11-01 重庆长安汽车股份有限公司 仿真测试方法、装置、电子设备及存储介质
CN116010237A (zh) * 2022-04-18 2023-04-25 上海滴滴沃芽科技有限公司 驾驶系统的测试方法、装置、服务器、介质和产品
CN116662474A (zh) * 2023-07-28 2023-08-29 智道网联科技(北京)有限公司 高精地图数据处理方法、装置、设备和介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018093650A2 (en) * 2016-11-15 2018-05-24 Inrix Inc. Vehicle application simulation environment
CN108241762A (zh) * 2016-12-26 2018-07-03 乐视汽车（北京）有限公司 用于自动驾驶仿真系统的测试系统和测试方法
CN109446371A (zh) * 2018-11-09 2019-03-08 苏州清研精准汽车科技有限公司 一种智能汽车仿真测试场景库生成方法及测试系统和方法
CN109520744A (zh) * 2018-11-12 2019-03-26 百度在线网络技术（北京）有限公司 自动驾驶车辆的驾驶性能测试方法和装置
EP3486766A1 (en) * 2017-11-17 2019-05-22 Steinbeis Interagierende Systeme GmbH Computer-implemented method of augmenting a simulation model of a physical environment of a vehicle
CN109993849A (zh) * 2019-03-22 2019-07-09 山东省科学院自动化研究所 一种自动驾驶测试场景再现模拟方法、装置及系统
CN110160804A (zh) * 2019-05-31 2019-08-23 中国科学院深圳先进技术研究院 一种自动驾驶车辆的测试方法、装置及系统
CN110197027A (zh) * 2019-05-28 2019-09-03 百度在线网络技术（北京）有限公司 一种自动驾驶测试方法、装置、智能设备和服务器
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
US20200050536A1 (en) * 2018-08-07 2020-02-13 Waymo Llc Using divergence to conduct log-based simulations
CN110793784A (zh) * 2019-09-16 2020-02-14 腾讯科技（深圳）有限公司 自动驾驶车辆的测试方法、装置、存储介质及电子装置
CN110795818A (zh) * 2019-09-12 2020-02-14 腾讯科技（深圳）有限公司 一种确定虚拟测试场景方法、装置、电子设备和存储介质
US20200226226A1 (en) * 2019-01-10 2020-07-16 Uatc, Llc Autonomous Vehicle Service Simulation
CN111489588A (zh) * 2020-03-30 2020-08-04 腾讯科技（深圳）有限公司 车辆驾驶风险预警方法及装置、设备、存储介质
CN111587407A (zh) * 2017-11-10 2020-08-25 辉达公司 用于安全且可靠的自主车辆的系统和方法
US10795804B1 (en) * 2018-08-21 2020-10-06 Waymo Llc Collision evaluation for log-based simulations

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018093650A2 (en) * 2016-11-15 2018-05-24 Inrix Inc. Vehicle application simulation environment
CN108241762A (zh) * 2016-12-26 2018-07-03 乐视汽车（北京）有限公司 用于自动驾驶仿真系统的测试系统和测试方法
CN111587407A (zh) * 2017-11-10 2020-08-25 辉达公司 用于安全且可靠的自主车辆的系统和方法
EP3486766A1 (en) * 2017-11-17 2019-05-22 Steinbeis Interagierende Systeme GmbH Computer-implemented method of augmenting a simulation model of a physical environment of a vehicle
US20200050536A1 (en) * 2018-08-07 2020-02-13 Waymo Llc Using divergence to conduct log-based simulations
US10795804B1 (en) * 2018-08-21 2020-10-06 Waymo Llc Collision evaluation for log-based simulations
CN109446371A (zh) * 2018-11-09 2019-03-08 苏州清研精准汽车科技有限公司 一种智能汽车仿真测试场景库生成方法及测试系统和方法
CN109520744A (zh) * 2018-11-12 2019-03-26 百度在线网络技术（北京）有限公司 自动驾驶车辆的驾驶性能测试方法和装置
US20200226226A1 (en) * 2019-01-10 2020-07-16 Uatc, Llc Autonomous Vehicle Service Simulation
CN109993849A (zh) * 2019-03-22 2019-07-09 山东省科学院自动化研究所 一种自动驾驶测试场景再现模拟方法、装置及系统
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
CN110197027A (zh) * 2019-05-28 2019-09-03 百度在线网络技术（北京）有限公司 一种自动驾驶测试方法、装置、智能设备和服务器
CN110160804A (zh) * 2019-05-31 2019-08-23 中国科学院深圳先进技术研究院 一种自动驾驶车辆的测试方法、装置及系统
CN110795818A (zh) * 2019-09-12 2020-02-14 腾讯科技（深圳）有限公司 一种确定虚拟测试场景方法、装置、电子设备和存储介质
CN110793784A (zh) * 2019-09-16 2020-02-14 腾讯科技（深圳）有限公司 自动驾驶车辆的测试方法、装置、存储介质及电子装置
CN111489588A (zh) * 2020-03-30 2020-08-04 腾讯科技（深圳）有限公司 车辆驾驶风险预警方法及装置、设备、存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
D. ZHAO: "Autonomous Driving Simulation for Unmanned Vehicles", 《2015 IEEE WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION》 *
Z. WANG: "The design and implementation of the metro driving simulation system based on virtual reality", 《2013 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT RAIL TRANSPORTATION PROCEEDINGS》 *
周干: "自动驾驶汽车仿真测试与评价方法进展", 《汽车文摘》 *
朱冰: "基于场景的自动驾驶汽车虚拟测试研究进展", 《中国公路学报》 *
李小勇: "一种城市轨道交通全自动驾驶车辆仿真测试平台方案", 《铁道机车车辆》 *
王凤娇: "自动驾驶仿真测试场景设计", 《科学技术创新》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112997128A (zh) * 2021-04-19 2021-06-18 华为技术有限公司 一种自动驾驶场景的生成方法、装置及系统
CN113849971A (zh) * 2021-09-16 2021-12-28 广州文远知行科技有限公司 驾驶系统评估方法、装置、计算机设备和存储介质
CN116010237A (zh) * 2022-04-18 2023-04-25 上海滴滴沃芽科技有限公司 驾驶系统的测试方法、装置、服务器、介质和产品
CN116010237B (zh) * 2022-04-18 2024-04-05 上海滴滴沃芽科技有限公司 驾驶系统的测试方法、装置、服务器、介质和产品
CN115268298A (zh) * 2022-07-08 2022-11-01 重庆长安汽车股份有限公司 仿真测试方法、装置、电子设备及存储介质
CN116662474A (zh) * 2023-07-28 2023-08-29 智道网联科技(北京)有限公司 高精地图数据处理方法、装置、设备和介质
CN116662474B (zh) * 2023-07-28 2023-11-10 智道网联科技(北京)有限公司 高精地图数据处理方法、装置、设备和介质

Also Published As

Publication number Publication date
CN112256590B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN112256590B (zh) 虚拟场景有效性判定方法、装置和自动驾驶系统
CN113642633B (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
CN109358526B (zh) 基于仿真的自动驾驶循迹算法的软件在环测试方法
CN108334055B (zh) 车辆自动驾驶算法的检验方法、装置、设备及存储介质
CN111123920A (zh) 一种自动驾驶仿真测试场景生成方法和装置
CN110751040A (zh) 一种三维物体的检测方法和装置、电子设备、存储介质
CN111209880A (zh) 车辆行为识别方法、装置
CN111492320A (zh) 环境传感器的行为模型
CN111947669A (zh) 用于将基于特征的定位地图用于车辆的方法
CN118247359A (zh) 鱼眼摄像机自动标定方法、装置、计算机设备及存储介质
CN111723672B (zh) 一种视频识别行车轨迹获取方法、装置及存储介质
US12007499B2 (en) Sensor calibration in advanced driver-assistance system verification
CN112509321A (zh) 一种基于无人机的城市复杂交通情景的驾驶控制方法、系统及可读存储介质
CN117372536A (zh) 激光雷达与相机标定方法、系统、设备和存储介质
CN112525542A (zh) 一种智能车辆性能测试系统及其方法
CN111753901A (zh) 一种数据融合方法、装置、系统及计算机设备
CN117490710A (zh) 针对目标融合的调参方法、装置及目标融合系统
CN114358038B (zh) 一种基于车辆高精度定位的二维码坐标标定方法及装置
CN115470122A (zh) 基于仿真场景的自动驾驶测试方法、装置、介质及设备
CN115762153A (zh) 倒车检测方法及装置
CN112818845B (zh) 测试方法、目标对象检测方法、行驶控制方法及装置
CN115393822A (zh) 一种雾天行车障碍物检测方法及设备
CN113029155A (zh) 机器人自动导航方法及装置、电子设备、存储介质
CN115688254A (zh) 自动驾驶风险预测方法、装置、存储介质及电子设备
CN112347623A (zh) 一种模拟车辆控制的在线仿真平台及车辆控制方法

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