CN112286206B - 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 - Google Patents

自动驾驶的模拟方法、系统、设备、可读存储介质及平台 Download PDF

Info

Publication number
CN112286206B
CN112286206B CN202011286050.2A CN202011286050A CN112286206B CN 112286206 B CN112286206 B CN 112286206B CN 202011286050 A CN202011286050 A CN 202011286050A CN 112286206 B CN112286206 B CN 112286206B
Authority
CN
China
Prior art keywords
data
vehicle
driving
simulated
simulated vehicle
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
Application number
CN202011286050.2A
Other languages
English (en)
Other versions
CN112286206A (zh
Inventor
韩坪良
商伯涵
王维
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.)
Suzhou Zhijia Technology Co Ltd
Original Assignee
Suzhou Zhijia Technology 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 Suzhou Zhijia Technology Co Ltd filed Critical Suzhou Zhijia Technology Co Ltd
Priority to CN202011286050.2A priority Critical patent/CN112286206B/zh
Publication of CN112286206A publication Critical patent/CN112286206A/zh
Priority to PCT/CN2021/118205 priority patent/WO2022105394A1/en
Application granted granted Critical
Publication of CN112286206B publication Critical patent/CN112286206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • 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
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
    • 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
    • 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
    • G06F11/3696—Methods or tools to render software testable

Abstract

本申请公开了一种自动驾驶的模拟方法、系统、设备、可读存储介质及平台，涉及模拟驾驶领域。该方法包括：获取参考驾驶数据集；根据参考车道数据运行模拟驾驶平台；实时获得模拟车辆的模拟车姿数据；确定模拟车姿数据与参考车姿数据之间的位置偏差，并根据位置偏差以及根据参考交通数据与参考车姿数据之间的对应关系,对模拟车辆的驾驶轨迹进行规划以得到模拟驾驶闭环仿真数据。通过获取参考驾驶数据集对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，提高了模拟驾驶测试的准确率，以及提高了模拟驾驶测试的真实性。

Description

自动驾驶的模拟方法、系统、设备、可读存储介质及平台
技术领域
本申请实施例涉及模拟驾驶领域，特别涉及一种自动驾驶的模拟方法、系统、设备、可读存储介质及平台。
背景技术
自动驾驶是一种在无人类驾驶员的情况下使得车辆自动行进的技术。在推出市场之前，需要对自动驾驶系统进行大量测试以保证系统的安全性和可靠性。一般认为，自动驾驶系统至少需要110亿英里的测试里程，才能到达安全性和可靠性需求。
可以通过实际道路测试来完成上述测试。然而，实际道路测试往往难以提供需要的测试体量。此外，实际道路测试往往受制于实际道路情况，而使得难以就特殊场景对自动驾驶系统进行测试。
也可以在仿真平台上，基于经构建的模拟驾驶场景并通过模拟自动驾驶车辆在仿真平台上的模拟驾驶而对自动驾驶系统进行测试。其中，通过模拟可能发生的场景环境，尤其可以通过模拟一些特殊场景如危险场景、极端场景来完成极端驾驶情况下的自动驾驶系统的测试。仿真平台还可以利用从真实世界中采集的实际道路驾驶数据进行测试，但由于需要把实际道路驾驶数据转换成相关场景，容易出现导致场景选择错误或者场景丢失的问题。此外，对实际道路驾驶数据进行采集并标注的成本也是相当高昂的。
需要一种方法，以至少解决上述问题中的一者或多者。
发明内容
本申请实施例提供了一种自动驾驶的模拟方法、系统、设备、可读存储介质及平台。本申请实施例至少可以提高自动驾驶算法的测试效率，例如，至少可以提高自动驾驶算法的测试结果的准确率、减少完成测试所需的时间或减少测试体量等，从而改进自动驾驶系统的整体可靠性和安全性。
一方面，提供了一种自动驾驶的模拟方法，所述方法包括：
获取参考驾驶数据集，所述参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集，其中，所述参考车道数据子集中的参考车道数据、所述参考交通数据子集中的参考交通数据，以及所述参考车姿数据子集中的参考车姿数据具有对应关系；
根据所述参考车道数据运行模拟驾驶平台，以供模拟车辆在所述模拟驾驶平台上进行自动的模拟驾驶；
实时获得所述模拟车辆的模拟车姿数据；
确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差，并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据，所述位置偏差用于指示所述模拟车辆与所述参考驾驶数据集对应的参考车辆在道路上的地理位置差异；
根据所述参考车道数据和所述目标交通数据对所述模拟车辆的驾驶轨迹进行规划以得到模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述参考交通数据中包括道路参与车辆的位置数据；
所述根据所述参考车道数据和所述目标交通数据对所述模拟车辆的驾驶轨迹进行规划以得到模拟驾驶闭环仿真数据，包括：
根据所述参考车道数据和所述道路参与车辆的位置数据，对所述道路参与车辆进行意图轨迹预测，得到参与车辆预测数据；
通过所述参考车道数据和所述参与车辆预测数据，对所述模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据；
根据所述轨迹规划数据确定所述模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述根据所述轨迹规划数据确定所述模拟驾驶闭环仿真数据，包括：
接收所述模拟车辆返回的反馈数据，所述反馈数据用于指示所述模拟车辆的模拟驾驶情况；
根据所述反馈数据和所述轨迹规划数据生成控制命令；
根据所述控制命令运行所述模拟车辆，并根据所述模拟车辆的运行结果生成更新后的所述模拟车姿数据；
根据所述更新后的所述模拟车姿数据，重复执行所述确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差，并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据的步骤，得到所述模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述得到模拟驾驶闭环仿真数据之后，还包括：
从所述模拟驾驶闭环仿真数据中获取测试关键指标；
对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果。
在一个可选的实施例中，所述对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果，包括：
从所述测试关键指标中获取指标测评结果；
响应于所述指标测评结果未通过，获取所述未通过的所述指标测评结果在所述自动驾驶过程中的时间定位，得到所述平台测评结果。
在一个可选的实施例中，所述测试关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种；
所述刹车指标对应所述模拟车辆的刹车加速度；
所述加速指标对应所述模拟车辆的提速加速度；
所述车辆间距指标对应所述模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
在一个可选的实施例中，所述方法还包括：
响应于所述刹车加速度达到第一加速度要求，确定所述刹车指标未通过；
响应于所述提速加速度达到第二加速度要求，确定所述加速指标未通过；
响应于所述模拟车辆在所述指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定所述车间距指标未通过。
在一个可选的实施例中，所述获取参考驾驶数据集，包括：
获取数据包列表，所述数据包列表中包括不同驾驶时间段分别对应的数据包，且所述数据包按所述驾驶时间段正向排列；
依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集。
在一个可选的实施例中，所述数据包中包括参考驾驶视频中与图像帧对应的所述参考驾驶数据集；
所述依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集，包括：
依次从所述数据列表中读取所述数据包；
从所述数据包中逐帧获取所述图像帧对应的所述参考驾驶数据并进行缓存。
另一方面，提供了一种自动驾驶的模拟系统，所述系统包括：
获取模块，用于获取参考驾驶数据集，所述参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集，其中，所述参考车道数据子集中的参考车道数据、所述参考交通数据子集中的参考交通数据，以及所述参考车姿数据子集中的参考车姿数据具有对应关系；
运行模块，用于根据所述参考车道数据运行模拟驾驶平台，以供模拟车辆在所述模拟驾驶平台上进行自动的模拟驾驶；
所述获取模块，还用于实时获得所述模拟车辆的模拟车姿数据；
确定模块，用于确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据，所述位置偏差用于指示所述模拟车辆与所述参考驾驶数据集对应的参考车辆在道路上的地理位置差异；
规划模块，用于根据所述参考车道数据和所述目标交通数据对所述模拟车辆的驾驶轨迹进行规划以得到模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述参考交通数据中包括道路参与车辆的位置数据；
所述规划模块，包括：
预测单元，用于根据所述参考车道数据和所述道路参与车辆的位置数据，对所述道路参与车辆进行意图轨迹预测，得到参与车辆预测数据；
规划单元，用于通过所述参考车道数据和所述参与车辆预测数据，对所述模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据；
确定单元，用于根据所述轨迹规划数据确定所述模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述确定单元，还用于接收所述模拟车辆返回的反馈数据，所述反馈数据用于指示所述模拟车辆的模拟驾驶情况；根据所述反馈数据和所述轨迹规划数据生成控制命令；
所述确定单元，还用于根据所述控制命令运行所述模拟车辆，并根据所述模拟车辆的运行结果生成更新后的所述模拟车姿数据；根据所述更新后的所述模拟车姿数据，重复执行所述确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据的步骤，得到所述模拟驾驶闭环仿真数据。
在一个可选的实施例中，所述获取模块，还用于从所述模拟驾驶闭环仿真数据中获取测试关键指标；
所述确定模块，还用于对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果。
在一个可选的实施例中，所述获取模块，还用于从所述测试关键指标中获取指标测评结果；响应于所述指标测评结果未通过，获取所述未通过的所述指标测评结果在所述自动驾驶过程中的时间定位，得到所述平台测评结果。
在一个可选的实施例中，所述关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种；
所述刹车指标对应所述模拟车辆的刹车加速度；
所述加速指标对应所述模拟车辆的提速加速度；
所述车辆间距指标对应所述模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
在一个可选的实施例中，所述确定模块，还用于响应于所述刹车加速度达到第一加速度要求，确定所述刹车指标未通过；
所述确定模块，还用于响应于所述提速加速度达到第二加速度要求，确定所述加速指标未通过；
所述确定模块，还用于响应于所述模拟车辆在所述指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定所述车间距指标未通过。
在一个可选的实施例中，所述获取模块，还用于获取数据包列表，所述数据包列表中包括不同驾驶时间段分别对应的数据包，且所述数据包按所述驾驶时间段正向排列；依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集。
在一个可选的实施例中，所述数据包中包括参考驾驶视频中与图像帧对应的所述参考驾驶数据；
所述获取模块，还用于依次从所述数据列表中读取所述数据包；从所述数据包中逐帧获取所述图像帧对应的所述参考驾驶数据并进行缓存。
另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的自动驾驶的模拟方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述本申请实施例中任一所述的自动驾驶的模拟方法。
另一方面，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。计算机设备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，使得该计算机设备执行上述实施例中任一所述的自动驾驶的模拟方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
能够基于参考驾驶数据集中的参考车道数据、参考交通数据以及参考车姿数据对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，提高自动驾驶算法的测试效率，例如，至少可以提高自动驾驶算法的测试结果的准确率、减少完成测试所需的时间或减少测试体量等，从而改进自动驾驶系统的整体可靠性和安全性。
本申请至少可以改进开环模拟驾驶测试过程中，根据参考驾驶情况对自动驾驶进行模拟时无法得到准确的模拟驾驶结果的不足。在开环模拟驾驶测试中，由于开环模拟驾驶过程需要不断根据真实/参考驾驶车辆的位置来对模拟车辆进行位置调整，而导致无法得到完整的模拟驾驶过程。本申请提供的自动驾驶的模拟方法提高了模拟驾驶测试的准确率，以及提高了模拟驾驶测试的真实性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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是本申请实施例提供的一种自动驾驶的模拟方法的实施环境示意图；
图2是本申请一个示例性实施例提供的自动驾驶的模拟方法的流程图；
图3是本申请一个示例性实施例提供的模拟驾驶系统的结构框图；
图4是本申请另一个示例性实施例提供的自动驾驶的模拟方法的流程图；
图5是本申请一个示例性实施例提供的自动驾驶的模拟装置的结构框图；
图6是本申请另一个示例性实施例提供的自动驾驶的模拟装置的结构框图；
图7是本申请一个示例性实施例提供的服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
无人车：全称为无人驾驶汽车，也称为自动驾驶汽车、轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。无人车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。无人车利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。无人车集自动控制、体系结构、人工智能、视觉计算等众多前沿技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
车联网：即车辆物联网，是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与车、人、路、服务平台等对象之间的网络连接，能够提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶感受与交通服务，同时提高交通运行效率，提高社会交通服务的智能化水平。可选地，车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。车联网通常表现出以下几点特征：车联网能够为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；车联网可以帮助车主实时导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。
自动驾驶仿真：自动驾驶仿真技术是计算机仿真技术在汽车领域的应用，它比传统ADAS(Advanced Driving Assistance System，高级驾驶辅助系统)仿真系统研发更为复杂，对系统在解耦和架构上的要求非常高。自动驾驶仿真系统通过数学建模的方式将真实世界进行数字化还原和泛化，建立正确、可靠、有效的仿真模型(即路径规划模型)是保证仿真结果具有高可信度的关键和前提。仿真技术的基本原理是在仿真场景内，将真实控制器变成算法，结合传感器仿真等技术，完成对自动驾驶算法的测试和验证。
通常，在自动生成道路测试仿真场景的过程中，会在仿真场景地图的某些位置上人为设置车辆障碍物并赋予速度、姿态等信息来生成虚假的车辆障碍物感知信号，或者，在真实环境中自动采样车道线的位置点，并仿真场景地图中对应的位置点生成虚假的车道线感知信号，以此来模仿真实路况场景。可选地，还能够基于GPU(Graphics ProcessingUnit，图形处理器)制作一个贴近真实环境的仿真场景，该仿真场景类似于真实环境中的动画，并重新基于算法进行感知信息的计算。
在上述过程中，无法真实反映出实际路测时车辆障碍物的运动状态和车道线等感知信息，而人工设计的车辆障碍物或者车道线等信息，通常忽略了噪声干扰，使得仿真场景无法更好地复刻出真实路况，导致自动驾驶仿真系统的仿真效果较差，使得路径规划模型所采用的自动驾驶算法无法进行更加快速、准确的迭代更新，影响了自动驾驶算法的精准程度，影响了自动驾驶车辆的智能性。
有鉴于此，本申请实施例提供一种自动驾驶的模拟方法，能够基于参考驾驶数据集(其中，参考驾驶数据集是参考/真实车辆在道路上行驶时，根据从参考车辆的驾驶过程中采集到数据而获得的数据集，用于指示参考车辆在道路不同位置处的驾驶情况，例如交通情况、车道情况、车姿情况等)中的参考车道数据、参考交通数据以及参考车姿数据对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，提高自动驾驶算法的测试效率，例如，至少可以提高自动驾驶算法的测试结果的准确率、减少完成测试所需的时间或减少测试体量等，从而改进自动驾驶系统的整体可靠性和安全性。本申请至少可以改进开环模拟驾驶测试过程中，根据参考驾驶情况对自动驾驶进行模拟时无法得到准确的模拟驾驶结果的不足。在开环模拟驾驶测试中，由于开环模拟驾驶过程需要不断根据真实/参考驾驶车辆的位置来对模拟车辆进行位置调整，而导致无法得到完整的模拟驾驶过程。
图1是本申请实施例提供的一种自动驾驶的模拟方法的实施环境示意图。参见图1，在该实施环境中包括载具101和计算机设备102。
载具101用于在实际行驶/驾驶过程中采集路测数据，可选地，载具101上安装有车载传感器、定位组件、摄像头组件、控制器、数据处理器、自动驾驶系统等功能模块，上述功能模块能够借助车联网、5G(5th Generation Mobile Networks，第五代移动通信技术)和V2X(Vehicle To X，车用无线通信技术)等现代移动通信与网络技术，实现交通参与物彼此间的互换与共享，从而具备在复杂环境下的传感感知、决策规划、控制执行等功能。
可选地，该载具101包括传统汽车、智能汽车、无人车、电动车、自行车、摩托车等交通工具，载具101可由驾驶员手动驾驶操作，也可由自动驾驶系统驱动以实现无人驾驶。
可选地，该车载传感器包括激光雷达、毫米波雷达传感器、加速度传感器、陀螺仪传感器、接近传感器、压力传感器等数据采集单元。
在一些实施例中，路测数据为载具101路测时由ROS(Robot Operating System，机器人操作系统)回传的rosbag数据包，在rosbag包中存储载具101路测时基于摄像头组件和车载传感器等功能模块采集的信息，用于进行障碍物位置和运动姿态以及车道线的感知及追踪，可选地，rosbag包中还存储定位组件基于GPS(Global Positioning System，全球定位系统)采集的定位数据，可选地，rosbag包中还存储IMU(Inertial Measurement Unit，惯性测量仪，也称惯性传感器)对载具101自身的车辆姿态估测，可选地，rosbag包中还存储上述各类信息的时间戳。
载具101与计算机设备102能够通过有线或无线通信方式进行直接或间接地连接，例如，载具101与计算机设备102通过车辆网进行无线连接，本申请实施例在此不作限制。
计算机设备102用于调试模拟驾驶平台的参数，以对模拟驾驶平台进行迭代更新。可选地，计算机设备102包括一台服务器、多台服务器、云计算平台或者虚拟化中心中的至少一种。可选地，计算机设备102承担主要计算工作，载具101承担次要计算工作；或者，计算机设备102承担次要计算工作，载具101承担主要计算工作；或者，载具101和计算机设备102两者之间采用分布式计算架构进行协同计算。
可选地，载具101泛指多个载具中的一个，载具101上安装有用于与计算机设备102进行通信连接的终端设备，终端设备的类型包括但不限于：车载终端、智能手机、平板电脑、智能手表、智能音箱、电子书阅读器、MP3(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机中的至少一种。终端设备上配置有自动驾驶系统，该自动驾驶系统能够基于计算机设备102调试后的路径规划模型来规划载具101的行驶参数。
本领域技术人员可以知晓，上述载具101的数量可以更多或更少。比如上述载具101可以仅为一个，或者上述载具101为几十个或几百个，或者更多数量。本申请实施例对载具101的数量和设备类型不加以限定。
图2是根据本申请一个示例性实施例的自动驾驶的模拟方法的流程图，以该方法应用于计算机设备中为例进行说明，如图2所示，该方法包括：
步骤201，获取参考驾驶数据集，参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集。
参考驾驶数据集可以是参考车辆在道路上驾驶时，根据从参考车辆的驾驶过程中采集到数据而获得的数据集，用于指示参考车辆在道路不同位置处的驾驶情况，例如交通情况、车道情况、车姿情况等。
其中，参考车道数据子集可以包括参考车道数据，参考交通数据子集可以包括参考交通数据，和参考车姿数据子集可以包括参考车姿数据。参考车道数据至少包括车道标识信息、速度限制信息、道路材质信息等信息中的至少一种，其中，车道标识信息即表示参考车辆在当前道路上位于第几条车道的信息，速度限制信息表示当前参考车辆所处的车道对应的限速信息，道路材质信息表示当前参考车辆所处的车辆的地面材质；参考交通数据至少包括道路与车辆的信息、交通信号灯信息、障碍物信息等信息中的至少一种，其中，道路参与车辆的信息表示当参与车辆行驶至某一位置时，位于该参与车辆周侧的其他车辆的信息，交通信号灯信息表示参与车辆在道路上行驶时经过的交通信号灯，以及交通信号灯的指示情况(如：红灯指示停车、黄灯指示缓行、绿灯指示通行)，障碍物信息表示道路上出现的障碍物，如：减速带、路台等；参考车姿数据至少包括方向盘信息、速度信息、加速度信息、车辆位置信息等信息中的至少一种，其中，方向盘信息用于表示当前参考车辆的方向控制情况；速度信息用于表示参考车辆的当前速度，加速度信息用于表示车辆的当前加速度，如：起步加速阶段或刹停阶段的加速度，车辆位置信息用于表示参考车辆当前距离起点或者终点的距离。其中，参考车道数据子集中的参考车道数据、参考交通数据子集中的参考交通数据，以及参考车姿数据子集中的参考车姿数据具有对应关系。
可以通过如下方式中的至少一种获取参考驾驶数据集：
在一种实施例中，参考车辆为真实车辆，通过采集参考车辆，即采集真实车辆在真实道路上行驶产生的真实驾驶数据来获取参考驾驶数据集。真实驾驶数据可以包括车辆自身的车姿数据、交通数据、车道数据等。其中，交通数据和车道数据可以通过手动输入(例如，通过系统工程师进行识别)，或者，交通数据和车道数据也可以是通过对驾驶过程中产生的驾驶影像自动识别后生成的；
假设人类驾驶员驾驶参考车辆从城市A出发并行驶至城市B结束。其中，车姿数据是根据人类驾驶员进行的驾驶过程而获得的车辆行驶情况的数据，其中包括参考车辆从城市A行驶至城市B的期间在不同道路位置处，参考车辆的方向盘信息、速度信息、加速度信息、车辆位置信息等信息中的至少一种。可以通过在人类驾驶员的驾驶过程中对车辆周侧的环境影像进行采集，以生成驾驶视频，并对驾驶视频进行识别，来获得交通数据和车道数据，其中包括参考车辆从城市A行驶至城市B的期间在不同道路位置处的车道检测信息、障碍物检查信息、道路参与车辆的信息等。
第二，参考车辆为车辆驾驶应用程序中的车辆模型，由玩家在车辆驾驶应用程序中对车辆模型进行控制，生成驾驶数据，其中，驾驶数据中包括车辆模型的车姿数据、交通数据、车道数据等，其中，交通数据和车道数据为根据车辆模型所处的三维虚拟环境生成的，或，交通数据和车道数据为通过对车辆模型行驶过程中产生的驾驶影像自动识别后生成的；
示意性的，车辆模型从三维虚拟环境的起始点触发，由玩家在终端控制车辆模型从起始点行驶至终点，根据玩家在终端上的控制操作生成车姿数据，其中，包括车辆模型在起始点和终点之间不同位置处车辆模型的方向盘数据、速度数据、加速度数据、车辆位置数据等信息中的至少一种，在玩家对车辆模型的控制过程中，对车辆模型周侧的三维虚拟环境进行图像采集，生成驾驶视频，并对驾驶视频进行识别，得到交通数据和车道数据。
在一个实施例中，可以根据真实驾驶过程的真实驾驶视频来获得参考驾驶数据集。真实驾驶视频为在参考车辆的驾驶过程中，对真实驾驶环境进行图像采集得到的视频。例如，可以从真实驾驶视频的图像帧中获取数据而构成参考驾驶数据集中。驾驶视频与参考驾驶数据集中的数据存在对应关系。
在一些实施例中，参考驾驶数据集中的参考车道数据子集可以包括如下参考车道数据：该参考车道数据与驾驶视频中的图像帧对应，如：驾驶视频中的第n帧对应有参考车道数据，用于表示参考车辆驾驶到第n帧图像帧对应的位置时的车道情况，n为正整数。
在一些实施例中，参考驾驶数据集中包括参考交通数据子集，参考交通数据子集中包括参考交通数据，参考交通数据与驾驶视频中的图像帧对应，如：驾驶视频中的第n帧对应有参考交通数据，用于表示参考车辆驾驶到第n帧图像帧对应的位置时的交通情况。
在一些实施例中，参考驾驶数据集中包括参考车姿数据子集，参考车姿数据子集中包括参考车姿数据，参考车姿数据与驾驶视频中的图像帧对应，如：驾驶视频中的第n帧对应有参考车姿数据，用于表示参考车辆驾驶到第n帧图像帧对应的位置时参考车辆的车姿情况。
也即，结合上述参考驾驶数据集中各个数据子集与驾驶视频中的图像帧之间的关系，参考车道数据、参考交通数据以及参考车姿数据之间也具有对应关系，该对应关系用于表示参考车辆驾驶至某一个位置处时，车道情况、交通情况以及车辆自身的姿态情况。而参考车辆驾驶至某一位置处时，在驾驶视频中对应某一帧或某一组图像帧(相邻两帧关键帧之间的图像帧)，故，存在一帧或一组图像帧，与驾驶数据集中的一组参考车道数据、参考交通数据以及参考车姿数据对应。
在一些实施例中，获取数据包列表，该数据包列表中包括不同驾驶时间段分别对应的数据包，且数据包按驾驶时间段正向排列，依次从数据包列表中读取数据包中的参考驾驶数据集。
步骤202，根据参考车道数据运行模拟驾驶平台，以供模拟车辆在模拟驾驶平台上进行自动的模拟驾驶。
在一些实施例中，将参考车道数据上传至模拟驾驶平台，模拟车辆以参考车道数据作为模拟驾驶时的车道进行模拟驾驶。
模拟驾驶平台为在无人驾驶和控制的基础上，用于基于参考车辆的实际驾驶数据，完成模拟车辆的路径规划和行为决策的平台，通常模拟驾驶平台通过多个功能模块或者一个功能模块中的多个单元完成路径规划和行为决策。在一些实施例中，运行模拟驾驶平台对模拟车辆进行自动的模拟驾驶之前，还需要在模拟驾驶平台中输入模拟车辆的基础参数，如：车辆重量、载重量、最高时速、百公里加速度、车辆厢数、制动灵敏度、油门灵敏度等。从而模拟驾驶平台能够对模拟车辆进行模拟控制。
示意性的，参考驾驶数据集可以包括多个组的模拟车道数据，其中，第一组模拟车道数据表示模拟驾驶平台控制模拟车辆开始进行行驶的车道的数据。例如，第一组模拟车道数据可以是四车道中的第二车道的数据，则表示模拟驾驶平台控制模拟车辆在该第二车道开始进行行驶。
由于运行模拟驾驶平台为一个循环的过程，也即，在初始阶段，根据参考车道数据运行模拟车辆行驶在参考车道数据对应的车道上，并在后续过程中，根据模拟车辆的驾驶情况实时获取驾驶过程中产生的数据和来自真实车辆的参考驾驶数据集，从而继续对模拟车辆进行控制。
步骤203，实时获得模拟车辆的模拟车姿数据。
模拟车姿数据用于表示模拟车辆在自动驾驶的模拟过程中的车辆行驶情况，其中包括模拟车辆的方向盘信息、速度信息、加速信息、车辆位置信息等，其中，车辆位置信息用于表示模拟车辆当前所处的位置，该车辆位置信息可以通过与起点之间的距离来表示，也可以通过在起点与终点之间构建的坐标系中的坐标来表达，本申请实施例对此不加以限定。
其中，车辆位置信息可以是根据对模拟车辆进行实时定位得到的，或，车辆位置信息也可以是根据模拟车辆在在先模拟驾驶中的速度信息、加速度信息、方向盘信息推断得到的。
示意性的，可以根据速度信息来确定模拟车辆的当前驾驶速度以及在某段时间内的驾驶距离。可以根据加速度信息来确定模拟车辆的驾驶速度变化情况，也可以根据方向盘信息来确定模拟车辆的驾驶方向变化情况、在不同驾驶方向上的驾驶距离以及在不同车道之间的变化情况。
步骤204，确定模拟车姿数据与参考车姿数据之间的位置偏差，并根据位置偏差以及根据参考交通数据与参考车姿数据之间的对应关系，从参考交通数据中确定模拟车姿数据对应的目标交通数据。
可选地，位置偏差用于指示模拟车辆与参考车辆在时间轴上的同一时间点处的地理位置差异。举例来讲，假设模拟车辆行驶至第10分钟时的地理位置是第一地理位置，以及参考车辆行驶至第10分钟时的地理位置是第二地理位置，则可以确定模拟车辆与参考车辆在第10分钟的时间点处的位置偏差是第一地理位置与第二地理位置之间的差异。其中，第一地理位置和第二地理位置之间的差异可以通过距离进行表示，假设第一地理位置与起点之间具有第一距离，和第二地理位置与起点之间具有第二距离，则确定第一地理位置和第二地理位置之间的差异为第一距离与第二举例之间的距离差。
在确定模拟车辆与参考车辆之间的位置偏差后，可以根据该位置偏差来从参考交通数据中确定参考车辆在相应于第一地理位置的位置处的参考交通数据(称作“目标交通数据”)，该目标交通数据指示参考车辆在该位置处的道路交通情况。
在一些实施例中，参考交通数据中包括道路参与车辆的位置数据，也即，目标交通数据中包括参考车辆驾驶至第一位置时，道路上参与车辆的位置数据，如：参考车辆驾驶至第一位置时，参考车辆周侧的参与车辆的位置。
示意性的，当模拟车辆驾驶至第m分钟时，确定模拟车辆当前所处的位置A，m为正数，并确定参考车辆在驾驶至第m分钟时所处的位置B，根据位置A和位置B之间的位置偏差，确定参考车辆在处于位置A的时刻，并从而确定该时刻下对应的目标交通数据。在一些实施例中，还需要确定该目标交通数据所对应的参考车道数据中的目标车道数据，也即在该时刻下参考车辆所处位置的车道信息。
根据模拟车辆和参考车辆位置的偏差，结合模拟车辆所处的车道、模拟车辆与参考车辆的相对距离对缓存的参考交通数据进行检索，从中确定出目标交通数据。
步骤205，根据参考车道数据和目标交通数据对模拟车辆的驾驶轨迹进行规划得到模拟驾驶闭环仿真数据。
可选地，结合参考车道数据和目标交通数据中参与车辆的位置数据，对模拟车辆的驾驶轨迹进行规划，从而得到模拟驾驶闭环仿真数据，其中，规划过程是根据模拟车辆的当前位置实时进行的，也即，模拟车辆根据规划的驾驶轨迹来修改车姿，从而根据修改后的车姿继续进行规划，直至模拟车辆完成自动驾驶过程，得到最终的模拟驾驶闭环仿真数据。
可选地，在对驾驶轨迹进行规划过程中，根据参考车道数据和参考交通数据中的道路参与车辆的位置数据，对道路参与车辆进行意图驾驶轨迹预测，得到参与车辆的驾驶轨迹预测数据，通过参考车道数据和参与车辆的驾驶轨迹预测数据，对模拟车辆的驾驶轨迹进行规划，得到驾驶轨迹规划数据，并根据驾驶轨迹规划数据得到模拟驾驶闭环仿真数据，其中，对模拟车辆的驾驶规划中还包括行为规划，而行为规划在一定程度上会得到对驾驶轨迹的规划。
其中，根据参考车道数据、模拟车姿数据(可以用于确定模拟车辆与车道之间的关系)，以及模拟车辆与车道之间的关系进行驾驶轨迹的规划，至少可以避免出现模拟车辆压车道实线，或避免模拟车辆在两条车道之间长时间等不期望的行驶事件。在一些实施例中，根据参考车道数据进行驾驶轨迹的规划，还可以对车道上的障碍物进行识别，并根据障碍物的大小、形状等参数来判断是否控制模拟车辆避让障碍物行驶。如：当障碍物较大时，控制模拟车辆避让障碍物形式；或，障碍物较小，但形状为带较为锋利尖头的形状时，控制模拟车辆避让障碍物。
在一些实施例中，可以获取模拟车辆返回的反馈数据，并根据反馈数据和驾驶轨迹规划数据来生成控制命令。该反馈数据用于指示模拟车辆的模拟驾驶情况，如：模拟车辆根据最近一次控制命令的行驶方向和行驶距离。根据经生成的控制命令来运行模拟车辆，并根据模拟车辆的运行结果来更新模拟车姿数据。根据更新后的模拟车姿数据，重复执行确定模拟车姿数据与参考车姿数据之间的位置偏差，并根据位置偏差以及根据参考交通数据与参考车姿数据之间的对应关系，从参考交通数据中确定模拟车姿数据对应的目标交通数据的步骤，得到模拟驾驶闭环仿真数据。
模拟驾驶闭环仿真数据用于表示该模拟驾驶过程为闭环进行的，根据参考车辆生成的参考驾驶数据集对模拟车辆的闭环驾驶过程进行道路信息和交通信息的指示，从而辅助参考车辆在闭环仿真过程中的车辆控制。在模拟车辆的整体驾驶过程中，根据参考驾驶数据中的车道和交通情况来对模拟车辆的行驶进行驾驶轨迹规划和控制，从而完成整体的模拟驾驶/行驶过程，并根据模拟驾驶/行驶过程中的车辆控制情况来确定模拟驾驶平台的模拟驾驶测试的效率。
其中，模拟驾驶闭环仿真是指根据来自真实驾驶过程中的参考驾驶数据并根据模拟车辆在仿真驾驶过程中的位置反馈进行模拟车辆的驾驶轨迹规划和控制。换句话说，模拟驾驶闭环仿真平台根据来自真实驾驶过程中的参考驾驶数据而对模拟车辆的驾驶轨迹规划和控制进行决策的过程，不涉及根据相应真实驾驶过程的车辆位置来对模拟车辆的位置进行调整和修正。
综上所述，本实施例提供的自动驾驶的模拟方法，基于参考驾驶数据集中的参考车道数据、参考交通数据以及参考车姿数据对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，避免开环模拟驾驶测试过程中，由于根据参考驾驶情况对，模拟驾驶情况进行实时调整而无法得到模拟驾驶真实的完整驾驶过程，从而无法得到准确的模拟驾驶结果的情况，提高自动驾驶算法的测试效率，例如，至少可以提高自动驾驶算法的测试结果的准确率、减少完成测试所需的时间或减少测试体量等，从而改进自动驾驶系统的整体可靠性和安全性。
示意性的，图3是本申请一个示例性实施例提供的模拟驾驶系统的结构框图，如图3所示，该系统中包括：数据包列表310、回放封装单元320、预测单元330、规划单元340、控制单元350以及车辆模型360；
其中，回放封装单元320可以包括：
1)帧信息缓存模块321，用于根据整体仿真进度进行动态调整读取数据的速率。在模拟车辆的闭环仿真过程中，回放封装单元320持续从数据包列表310中读取数据，当驾驶速度较快时，可以提高读取数据的速率，反之，当驾驶速度较慢时，可以降低读取数据的速率。可以对从数据包中的读取的与每帧图像对应的数据进行缓存，其中可以包括车道信息、车辆信息等静态信息，也可以包括交通信息、自车的关键信息等动态信息。其中，应该可以理解的是，帧信息缓存模块对于实施例的实现并不是必须的。
2)车辆车姿偏移管理模块322，用于通过将在闭环仿真过程中获取的模拟车姿与经缓存的参考车姿，生成车姿的偏差，其中模拟车姿用于表示模拟车辆的车姿情况，参考车姿用于表示参考车辆的车姿情况。
3)帧信息调度模块323，即根据上述车辆车姿偏移管理模块322确定的车姿的偏差，结合模拟车辆和车道的相对距离、模拟车辆与参考车辆的相对距离，对缓存的交通信息进行检索，得到当前模拟车辆对应的目标交通数据。
4)指标评测模块324，用于生成测试关键指标。测试指标是指预先设定的需要测评完成情况的指标，比如可以是急刹车、突然加速、起步停车时与前车的距离、自车抖动等等。通过这些指标的来评判测试用例是否满足正常行驶要求，从而识别出模拟驾驶过程中存在的问题。
值得注意的是，上述帧信息缓存模块321、车辆车姿偏移管理模块322、帧信息调度模块323和指标评测模块324的功能能够实现在回放封装单元320中，也可以拆分为多个子单元分别进行实现，本申请实施例对此不加以限定。
而回放封装单元320与模拟驾驶系统中的其他单元还会进行如下交互：
1、回放封装单元320发送缓存的车道信息、其他车辆信息，以及修改的车姿信息至预测单元330，预测单元330根据实时接收到的信息，对道路参与者的行为进行意图和轨迹预测，也即对道路参与车辆进行意图轨迹预测，预测单元330将预测结果发送至规划单元340。
2、回放封装单元320发送缓存的车道信息和修改的车姿信息至规划单元340，规划单元340根据车道信息和修改的车姿信息，并根据从预测单元330获取的预测信息，进行模拟车辆的行为和轨迹的规划。可选地，规划单元340将仿真的规划轨迹发送至控制单元350。可选地，规划单元340还将仿真的规划轨迹反馈至回放封装单元320。
3、回放封装单元320发送修改的车姿信息至控制单元350，控制单元350接收规划单元340发送的仿真的规划轨迹，并根据模拟车辆的车辆模型360返回的车辆反馈，生成控制命令，并向车辆模型360发送控制命令。其中，车辆反馈中包括当前模拟车辆的位置信息、速度信息、加速度信息、方向盘信息等。
4、根据控制单元350发送的控制命令，对车辆模型360进行控制，模拟车辆的运行，然后把车辆的移动情况发送给回放封装单元320。
值得注意的是，上述回放封装单元320、预测单元330、规划单元340、控制单元350以及车辆模型360可以分别实现为不同的单元，也可以实现为一个功能模块中的不同单元，本申请实施例对此不加以限定。
在一些实施例中，在得到模拟驾驶闭环仿真数据之后，还需要从模拟驾驶闭环仿真数据中获取测试关键指标，图4是本申请另一个示例性实施例提供的自动驾驶的模拟方法的流程图，以该方法应用于计算机设备中为例，如图4所示，该方法包括：
步骤401，获取参考驾驶数据集，参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集。
其中，参考车道数据子集中的参考车道数据、参考交通数据子集中的参考交通数据，以及参考车姿数据子集中的参考车姿数据具有对应关系。
在一些实施例中，上述参考驾驶数据集与驾驶过程中的驾驶视频存在关联关系，示意性的，驾驶视频为在参考车辆的驾驶过程中，对驾驶环境进行图像采集得到的视频，而参考驾驶数据集中的数据是在参考车辆的驾驶过程中产生的数据，故，驾驶视频中的图像帧与参考驾驶数据集中的数据存在对应关系。
在一些实施例中，获取数据包列表，该数据包列表中包括不同驾驶时间段分别对应的数据包，且数据包按驾驶时间段正向排列，依次从数据包列表中读取数据包中的参考驾驶数据集。在一些实施例中，数据包中包括参考驾驶视频中与图像帧对应的参考驾驶数据集，由于数据包中包括参考驾驶视频，而参考驾驶数据集根据参考驾驶视频中的图像帧进行对应存储，故以此从数据列表中读取数据包，从数据包中逐帧获取图像帧对应的参考驾驶数据并进行缓存。其中，由于参考驾驶视频是根据参考车辆的过程录制的视频，而参考驾驶视频的图像帧排列顺序与参考车辆的驾驶过程中参考驾驶数据的生成顺序对应，从而，依次获取与图像帧对应的参考驾驶数据进行缓存。
步骤402，根据参考车道数据运行模拟驾驶平台，以供模拟车辆在模拟驾驶平台上进行自动的模拟驾驶。
在一些实施例中，将参考车道数据上传至模拟驾驶平台，模拟车辆以参考车道数据作为模拟驾驶时的车道进行模拟驾驶。
由于运行模拟驾驶平台为一个循环的过程，也即，在初始阶段，根据参考车道数据运行模拟车辆行驶在参考车道数据对应的车道上，并在后续过程中，根据模拟车辆的驾驶情况实时获取驾驶过程中产生的反馈数据和参考驾驶数据集，从而继续对模拟车辆进行控制。
步骤403，实时获得模拟车辆的模拟车姿数据。
模拟车姿数据用于表示模拟车辆在自动驾驶的模拟过程中的车辆行驶情况，其中包括模拟车辆的方向盘信息、速度信息、加速信息、车辆位置信息等，其中，车辆位置信息用于表示模拟车辆当前所处的位置，该车辆位置信息可以通过与起点之间的距离来表示，也可以通过在起点与终点之间构建的坐标系中的坐标来表达，本申请实施例对此不加以限定。步骤404，确定模拟车姿数据与参考车姿数据之间的位置偏差，并根据位置偏差以及根据参考交通数据与参考车姿数据之间的对应关系，从参考交通数据中确定模拟车姿数据对应的目标交通数据。
可选地，在确定模拟车姿数据与参考车姿数据之间的位置偏差时，位置偏差用于指示模拟车辆与参考车辆在时间轴上的同一时间点处的地理位置差异。
在确定第一位置与第二位置之间的位置偏差后，根据位置偏差确定参考车辆驾驶至第一位置时所参考交通数据中对应的目标交通数据，即表示参考车辆驾驶至第一位置时道路的交通情况。
在一些实施例中，参考交通数据中包括道路参与车辆的位置数据，也即，目标交通数据中包括参考车辆驾驶至第一位置时，道路上参与车辆的位置数据，如：参考车辆驾驶至第一位置时，参考车辆周侧的参与车辆的位置。
步骤405，根据参考车道数据和目标交通数据对模拟车辆的驾驶轨迹进行规划得到模拟驾驶闭环仿真数据。
可选地，结合参考车道数据和目标交通数据中参与车辆的位置数据，对模拟车辆的驾驶轨迹进行规划，从而得到模拟驾驶闭环仿真数据，其中，规划过程是根据模拟车辆的位置实时进行的，也即，模拟车辆根据规划修改车姿，从而根据修改后的车姿继续进行规划，直至模拟车辆完成自动驾驶，得到最终的模拟驾驶闭环仿真数据。
可选地，在规划过程中，根据参考车道数据和道路参与车辆的位置数据，对道路参与车辆进行意图轨迹预测，得到参与车辆预测数据，通过参考车道数据和参与车辆预测数据，对模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据，并根据轨迹规划数据确定模拟驾驶闭环仿真数据，其中，在根据参考车道数据进行驾驶轨迹的规划时，根据模拟车姿数据确定模拟车辆与车道之间的关系，并根据与车道之间的关系进行驾驶轨迹的规划，避免模拟车辆压车道实线，或避免模拟车辆在两条车道之间长时间的驾驶。
步骤406，从模拟驾驶闭环仿真数据中获取测试关键指标。
测试关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种。其中，刹车指标对应模拟车辆的刹车加速度，加速指标对应模拟车辆的提速加速度，车辆间距指标对应模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
可选地，该测试关键指标中还包括车道偏移指标、车辆状况指标等，其中，车道偏移指标用于表示模拟车辆与车道中线之间的偏移情况，车辆状况指标用于表示模拟车辆的车辆自身情况，如：油量、胎压等。本实施例中，以测试关键指标中包括刹车指标、加速指标、车辆间距指标为例进行说明。
可选地，在自动的模拟驾驶过程中，根据车辆自身的车姿情况以及车道情况和交通情况生成测试关键指标。
其中，刹车指标用于确定模拟车辆在刹车时的加速度是否符合刹车适当的第一加速度要求，避免过分刹车产生的不良惯性影响；加速指标用于确定模拟车辆在提速时的加速度是否符合提速适当的第二加速度要求，避免速度提升过快导致乘坐不适感(例如，推背感)明显；车辆间距指标用于确定模拟车辆在指定驾驶阶段与其他车辆的距离不会过近，如：在停车时，与前车的距离不会过近。
步骤407，对测试关键指标进行测评以得到模拟驾驶平台的平台测评结果。
在一些实施例中，从测试关键指标中获取指标测评结果，响应于指标测评结果未通过，获取未通过的指标测评结果在自动驾驶过程中的时间定位，得到平台测评结果。
其中，指标测评结果中包括如下指标测评中的至少一种：
第一，响应于刹车加速度达到第一加速度要求，确定刹车指标未通过；
示意性的，响应于刹车加速度小于-6m/s2时，则确定刹车指标未通过，如：在模拟车辆的驾驶过程中，当驾驶到第12分钟20秒时，刹车加速度为-8/s2，则确定模拟车辆驾驶至第12分钟20秒处时，刹车指标未通过。
第二，响应于提速加速度达到第二加速度要求，确定加速指标未通过；
示意性的，响应于提速加速度大于3m/s2时，则确定加速指标未通过，如：在模拟车辆的驾驶过程中，当驾驶到第13分钟20秒时，提速加速度为6/s2，则确定模拟车辆驾驶至第13分钟20秒处时，加速指标未通过。
第三，响应于模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定车间距指标未通过。
示意性的，响应于模拟车辆在停车时，模拟车辆与前车之间的距离小于0.5米，则确定车间距指标未通过，如：在模拟车辆的驾驶过程中，当驾驶到第14分钟20秒时，模拟车辆速度为0m/s，而模拟车辆与前车之间的距离为0.3米，则确定模拟车辆驾驶至第14分钟20秒处停车时与前车距离过近，车间距指标未通过。
值得注意的是，上述第一加速度要求、第二加速度要求和距离阈值的取值仅为示意性的距离，在实际自动模拟驾驶测试中，第一加速度要求、第二加速度要求和距离阈值为根据设计人员的设置确定的，或，第一加速度要求、第二加速度要求和距离阈值为根据对自动的模拟驾驶过程的分析确定的。本申请实施例对第一加速度要求、第二加速度要求和距离阈值的取值不加以限定。
综上所述，本实施例提供的自动驾驶的模拟方法，基于参考驾驶数据集中的参考车道数据、参考交通数据以及参考车姿数据对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，避免开环模拟驾驶测试过程中，由于根据参考驾驶情况对，模拟驾驶情况进行实时调整而无法得到模拟驾驶真实的完整驾驶过程，从而无法得到准确的模拟驾驶结果的情况，提高自动驾驶算法的测试效率，例如，至少可以提高自动驾驶算法的测试结果的准确率、减少完成测试所需的时间或减少测试体量等，从而改进自动驾驶系统的整体可靠性和安全性。
本实施例提供的方法，提供了基于大数据的端到端的闭环仿真平台，能够直接利用道路测试收集的数据，快速进行端到端的闭环仿真。
本实施例提供的方法，由于模拟驾驶平台为闭环仿真平台，较易支持扩展，便于引入更多的模块。如：若想对车道线进行闭环仿真，则可以将车道线模块加入到模拟驾驶平台中，对回放封装单元和预测模块的接口进行修改即可，提高了自动驾驶模拟的灵活性和适应性。
本实施例提供的方法，扩展以支持分布式运行。可以对数据包列表进行切分，然后在多个机器上面进行分布式运行，然后汇总运行结果，提高了自动的模拟驾驶测试的运行效率。
本实施例提供的方法，在通过使用实际道路驾驶数据回放进行闭环仿真来测试算法改进迭代时，直接使用数据集进行仿真验证，省去由数据集转化成相关场景再仿真的步骤，避免因为场景选择的不全面造成的测试覆盖度不够的问题，从而提高测试的速度和可靠性。
图5是本申请一个示例性实施例提供的自动驾驶的模拟系统的结构框图，如图5所示，该系统包括：获取模块510、运行模块520、确定模块530和规划模块540；
获取模块510，用于获取参考驾驶数据集，所述参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集，其中，所述参考车道数据子集中的参考车道数据、所述参考交通数据子集中的参考交通数据，以及所述参考车姿数据子集中的参考车姿数据具有对应关系；
运行模块520，用于根据所述参考车道数据运行模拟驾驶平台，以供模拟车辆在所述模拟驾驶平台上进行自动的模拟驾驶；
所述获取模块510，还用于实时获得所述模拟车辆的模拟车姿数据；
确定模块530，用于确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据，所述位置偏差用于指示所述模拟车辆与所述参考驾驶数据集对应的参考车辆在道路上的地理位置差异；
规划模块540，用于根据所述参考车道数据和所述目标交通数据对所述模拟车辆的驾驶轨迹进行规划以得到模拟驾驶闭环仿真数据。
在一个可选地实施例中，所述参考交通数据中包括道路参与车辆的位置数据；
如图6所示，所述规划模块540，包括：
预测单元541，用于根据所述参考车道数据和所述道路参与车辆的位置数据，对所述道路参与车辆进行意图轨迹预测，得到参与车辆预测数据；
规划单元542，用于通过所述参考车道数据和所述参与车辆预测数据，对所述模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据；
确定单元543，用于根据所述轨迹规划数据确定所述模拟驾驶闭环仿真数据。
在一个可选地实施例中，所述确定单元543，还用于接收所述模拟车辆返回的反馈数据，所述反馈数据用于指示所述模拟车辆的模拟驾驶情况；根据所述反馈数据和所述轨迹规划数据生成控制命令；
所述确定单元543，还用于根据所述控制命令运行所述模拟车辆，并根据所述模拟车辆的运行结果生成更新后的所述模拟车姿数据；根据所述更新后的所述模拟车姿数据，重复执行所述确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据的步骤，得到所述模拟驾驶闭环仿真数据。
在一个可选地实施例中，所述获取模块510，还用于从所述模拟驾驶闭环仿真数据中获取测试关键指标；
所述确定模块530，还用于对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果。
在一个可选地实施例中，所述获取模块510，还用于从所述测试关键指标中获取指标测评结果；响应于所述指标测评结果未通过，获取所述未通过的所述指标测评结果在所述自动驾驶过程中的时间定位，得到所述平台测评结果。
在一个可选地实施例中，所述关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种；
所述刹车指标对应所述模拟车辆的刹车加速度；
所述加速指标对应所述模拟车辆的提速加速度；
所述车辆间距指标对应所述模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
在一个可选地实施例中，所述确定模块530，还用于响应于所述刹车加速度达到第一加速度要求，确定所述刹车指标未通过；
所述确定模块530，还用于响应于所述提速加速度达到第二加速度要求，确定所述加速指标未通过；
所述确定模块530，还用于响应于所述模拟车辆在所述指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定所述车间距指标未通过。
在一个可选地实施例中，所述获取模块510，还用于获取数据包列表，所述数据包列表中包括不同驾驶时间段分别对应的数据包，且所述数据包按所述驾驶时间段正向排列；依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集。
在一个可选地实施例中，所述数据包中包括参考驾驶视频中与图像帧对应的所述参考驾驶数据；
所述获取模块510，还用于依次从所述数据列表中读取所述数据包；从所述数据包中逐帧获取所述图像帧对应的所述参考驾驶数据并进行缓存。
综上所述，本实施例提供的自动驾驶的模拟系统，通过获取参考驾驶数据集，并根据参考驾驶数据集中的参考车道数据、参考交通数据以及参考车姿数据对模拟车辆的自动驾驶过程进行闭环仿真，实时根据参考车道数据和参考交通数据确定模拟车辆的驾驶轨迹规划，避免开环模拟驾驶测试过程中，由于根据参考驾驶情况对，模拟驾驶情况进行实时调整而无法得到模拟驾驶真实的完整驾驶过程，从而无法得到准确的模拟驾驶结果的情况，提高了模拟驾驶测试的准确率，以及提高了模拟驾驶测试的真实性。
需要说明的是：上述实施例提供的自动驾驶的模拟系统，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的自动驾驶的模拟系统与自动驾驶的模拟方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图7示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲：
服务器700包括中央处理单元(Central Processing Unit，CPU)701、包括随机存取存储器(Random Access Memory，RAM)702和只读存储器(Read Only Memory，ROM)703的系统存储器704，以及连接系统存储器704和中央处理单元701的系统总线705。服务器700还包括用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备706。
大容量存储设备706通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备706及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说，大容量存储设备706可以包括诸如硬盘或者紧凑型光盘只读存储器(Compact Disc Read Only Memory，CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read Only Memory，EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字通用光盘(Digital Versatile Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备706可以统称为存储器。
根据本申请的各种实施例，服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在系统总线705上的网络接口单元711连接到网络712，或者说，也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。
本申请的实施例还提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的自动驾驶的模拟方法。
本申请的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行，以实现上述各方法实施例提供的自动驾驶的模拟方法。
本申请的实施例还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。计算机设备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，使得该计算机设备执行上述实施例中任一所述的自动驾驶的模拟方法。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (17)

1.一种自动驾驶的模拟方法，其特征在于，所述方法包括：
获取参考驾驶数据集，所述参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集，其中，所述参考车道数据子集中的参考车道数据、所述参考交通数据子集中的参考交通数据，以及所述参考车姿数据子集中的参考车姿数据具有对应关系；
根据所述参考车道数据运行模拟驾驶平台，以供模拟车辆在所述模拟驾驶平台上进行自动的模拟驾驶；
实时获得所述模拟车辆的模拟车姿数据；
确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差，并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据，所述位置偏差用于指示所述模拟车辆与所述参考驾驶数据集对应的参考车辆在道路上的地理位置差异；所述参考交通数据中包括道路参与车辆的位置数据；
根据所述参考车道数据和所述道路参与车辆的位置数据，对所述道路参与车辆进行意图轨迹预测，得到参与车辆预测数据；
通过所述参考车道数据和所述参与车辆预测数据，对所述模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据；
接收所述模拟车辆返回的反馈数据，所述反馈数据用于指示所述模拟车辆的模拟驾驶情况；
根据所述反馈数据和所述轨迹规划数据生成控制命令；
根据所述控制命令运行所述模拟车辆，并根据所述模拟车辆的运行结果生成更新后的所述模拟车姿数据；
根据所述更新后的所述模拟车姿数据，重复执行所述确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差，并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据的步骤，得到模拟驾驶闭环仿真数据。
2.根据权利要求1所述的方法，其特征在于，所述得到模拟驾驶闭环仿真数据之后，还包括：
从所述模拟驾驶闭环仿真数据中获取测试关键指标；
对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果。
3.根据权利要求2所述的方法，其特征在于，所述对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果，包括：
从所述测试关键指标中获取指标测评结果；
响应于所述指标测评结果未通过，获取所述未通过的所述指标测评结果在自动驾驶过程中的时间定位，得到所述平台测评结果。
4.根据权利要求2所述的方法，其特征在于，
所述测试关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种；
所述刹车指标对应所述模拟车辆的刹车加速度；
所述加速指标对应所述模拟车辆的提速加速度；
所述车辆间距指标对应所述模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
响应于所述刹车加速度达到第一加速度要求，确定所述刹车指标未通过；
响应于所述提速加速度达到第二加速度要求，确定所述加速指标未通过；
响应于所述模拟车辆在所述指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定所述车辆间距指标未通过。
6.根据权利要求1所述的方法，其特征在于，所述获取参考驾驶数据集，包括：
获取数据包列表，所述数据包列表中包括不同驾驶时间段分别对应的数据包，且所述数据包按所述驾驶时间段正向排列；
依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集。
7.根据权利要求6所述的方法，其特征在于，所述数据包中包括参考驾驶视频中与图像帧对应的所述参考驾驶数据集；
所述依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集，包括：
依次从所述数据列表中读取所述数据包；
从所述数据包中逐帧获取所述图像帧对应的所述参考驾驶数据并进行缓存。
8.一种自动驾驶的模拟系统，其特征在于，所述系统包括：
获取模块，用于获取参考驾驶数据集，所述参考驾驶数据集中包括参考车道数据子集、参考交通数据子集和参考车姿数据子集，其中，所述参考车道数据子集中的参考车道数据、所述参考交通数据子集中的参考交通数据，以及所述参考车姿数据子集中的参考车姿数据具有对应关系；
运行模块，用于根据所述参考车道数据运行模拟驾驶平台，以供模拟车辆在所述模拟驾驶平台上进行自动的模拟驾驶；
所述获取模块，还用于实时获得所述模拟车辆的模拟车姿数据；
确定模块，用于确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据，所述位置偏差用于指示所述模拟车辆与所述参考驾驶数据集对应的参考车辆在道路上的地理位置差异；所述参考交通数据中包括道路参与车辆的位置数据；
规划模块，用于根据所述参考车道数据和所述道路参与车辆的位置数据，对所述道路参与车辆进行意图轨迹预测，得到参与车辆预测数据；通过所述参考车道数据和所述参与车辆预测数据，对所述模拟车辆的驾驶轨迹进行规划，得到轨迹规划数据；接收所述模拟车辆返回的反馈数据，所述反馈数据用于指示所述模拟车辆的模拟驾驶情况；根据所述反馈数据和所述轨迹规划数据生成控制命令；根据所述控制命令运行所述模拟车辆，并根据所述模拟车辆的运行结果生成更新后的所述模拟车姿数据；根据所述更新后的所述模拟车姿数据，重复执行所述确定所述模拟车姿数据与所述参考车姿数据之间的位置偏差，并根据所述位置偏差以及根据所述参考交通数据与所述参考车姿数据之间的对应关系，从所述参考交通数据中确定所述模拟车姿数据对应的目标交通数据的步骤，得到模拟驾驶闭环仿真数据。
9.根据权利要求8所述的系统，其特征在于，所述获取模块，还用于从所述模拟驾驶闭环仿真数据中获取测试关键指标；
所述确定模块，还用于对所述测试关键指标进行测评以得到所述模拟驾驶平台的平台测评结果。
10.根据权利要求9所述的系统，其特征在于，所述获取模块，还用于从所述测试关键指标中获取指标测评结果；响应于所述指标测评结果未通过，获取所述未通过的所述指标测评结果在自动驾驶过程中的时间定位，得到所述平台测评结果。
11.根据权利要求9所述的系统，其特征在于，
所述测试关键指标中包括刹车指标、加速指标、车辆间距指标中的至少一种；
所述刹车指标对应所述模拟车辆的刹车加速度；
所述加速指标对应所述模拟车辆的提速加速度；
所述车辆间距指标对应所述模拟车辆在指定驾驶阶段，与道路其他模拟车辆之间的距离。
12.根据权利要求11所述的系统，其特征在于，所述确定模块，还用于响应于所述刹车加速度达到第一加速度要求，确定所述刹车指标未通过；
所述确定模块，还用于响应于所述提速加速度达到第二加速度要求，确定所述加速指标未通过；
所述确定模块，还用于响应于所述模拟车辆在所述指定驾驶阶段，与道路其他模拟车辆之间的距离小于距离阈值，确定所述车辆间距指标未通过。
13.根据权利要求8所述的系统，其特征在于，所述获取模块，还用于获取数据包列表，所述数据包列表中包括不同驾驶时间段分别对应的数据包，且所述数据包按所述驾驶时间段正向排列；依次从所述数据包列表中读取所述数据包中的所述参考驾驶数据集。
14.根据权利要求13所述的系统，其特征在于，所述数据包中包括参考驾驶视频中与图像帧对应的所述参考驾驶数据；
所述获取模块，还用于依次从所述数据列表中读取所述数据包；从所述数据包中逐帧获取所述图像帧对应的所述参考驾驶数据并进行缓存。
15.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的自动驾驶的模拟方法。
16.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的自动驾驶的模拟方法。
17.一种模拟驾驶平台，其特征在于，所述模拟驾驶平台中包括处理器和控制器；所述处理器和所述控制器用于控制模拟车辆以实现如权利要求1至7任一所述的自动驾驶的模拟方法。
CN202011286050.2A 2020-11-17 2020-11-17 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 Active CN112286206B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011286050.2A CN112286206B (zh) 2020-11-17 2020-11-17 自动驾驶的模拟方法、系统、设备、可读存储介质及平台
PCT/CN2021/118205 WO2022105394A1 (en) 2020-11-17 2021-09-14 Simulation method and system, device, readable storage medium, and platform for autonomous driving

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011286050.2A CN112286206B (zh) 2020-11-17 2020-11-17 自动驾驶的模拟方法、系统、设备、可读存储介质及平台

Publications (2)

Publication Number Publication Date
CN112286206A CN112286206A (zh) 2021-01-29
CN112286206B true CN112286206B (zh) 2024-01-23

Family

ID=74399124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011286050.2A Active CN112286206B (zh) 2020-11-17 2020-11-17 自动驾驶的模拟方法、系统、设备、可读存储介质及平台

Country Status (2)

Country Link
CN (1) CN112286206B (zh)
WO (1) WO2022105394A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112286206B (zh) * 2020-11-17 2024-01-23 苏州智加科技有限公司 自动驾驶的模拟方法、系统、设备、可读存储介质及平台
CN113093627A (zh) * 2021-04-13 2021-07-09 上海车右智能科技有限公司 一种用于自动驾驶测试的运动载具系统
CN113110449B (zh) * 2021-04-14 2022-08-23 苏州智行众维智能科技有限公司 一种车辆自动驾驶技术的仿真模拟系统
CN114217104A (zh) * 2021-11-24 2022-03-22 深圳市道通智能汽车有限公司 一种室内模拟信号发生方法、装置及模拟信号发生器
CN114371015A (zh) * 2022-01-04 2022-04-19 一汽解放汽车有限公司 自动驾驶测试方法、装置、计算机设备、存储介质
CN116522691B (zh) * 2023-07-03 2023-09-05 石家庄市科恒电子有限公司 车辆模拟行驶控制方法、模拟平台展示系统、设备及介质

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101568946A (zh) * 2006-12-04 2009-10-28 富士通株式会社 驾驶模拟评价方法、驾驶模拟评价装置以及计算机程序
CN108549366A (zh) * 2018-05-04 2018-09-18 同济大学 智能汽车道路行驶与虚拟测试平行映射实验方法
CN109211574A (zh) * 2017-07-05 2019-01-15 百度在线网络技术（北京）有限公司 无人驾驶汽车的场地测试方法、装置、设备及可读介质
CN109446662A (zh) * 2018-10-31 2019-03-08 百度在线网络技术（北京）有限公司 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质
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
CN109801534A (zh) * 2019-02-19 2019-05-24 上海思致汽车工程技术有限公司 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统
CN110069887A (zh) * 2019-05-05 2019-07-30 腾讯科技（深圳）有限公司 一种驾驶仿真方法、装置、设备及存储介质
CN110118661A (zh) * 2019-05-09 2019-08-13 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
WO2019183087A1 (en) * 2018-03-20 2019-09-26 Phantom AI, Inc. Data augmentation using computer simulated objects for autonomous control systems
RU2709344C1 (ru) * 2019-01-25 2019-12-17 Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный университет" Министерства обороны Российской Федерации Способ обучения вождению боевого транспортного средства и тренажер для его реализации
CN110864913A (zh) * 2019-11-28 2020-03-06 苏州智加科技有限公司 车辆测试方法、装置、计算机设备及存储介质
CN111123735A (zh) * 2018-10-31 2020-05-08 百度在线网络技术（北京）有限公司 自动驾驶仿真运行方法和装置
CN111409648A (zh) * 2019-01-08 2020-07-14 上海汽车集团股份有限公司 一种驾驶行为分析方法及装置
CN111505965A (zh) * 2020-06-17 2020-08-07 深圳裹动智驾科技有限公司 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质
CN111523254A (zh) * 2020-06-18 2020-08-11 交通运输部公路科学研究所 一种操控特性可调的车辆验证平台及实现方法
CN111765903A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN111856968A (zh) * 2020-07-31 2020-10-30 成都信息工程大学 一种基于并行计算的大规模交通仿真系统及方法
CN111841012A (zh) * 2020-06-23 2020-10-30 北京航空航天大学 一种自动驾驶模拟仿真系统及其测试资源库建设方法
CN111897305A (zh) * 2020-06-02 2020-11-06 浙江吉利汽车研究院有限公司 一种基于自动驾驶的数据处理方法、装置、设备及介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542869A (zh) * 2010-12-21 2012-07-04 北京宣爱智能模拟技术有限公司 一种汽车驾驶技能测评系统
CN102874188B (zh) * 2012-09-01 2015-04-15 北京车网互联科技股份有限公司 一种基于车辆总线数据的驾驶行为警示方法
US9481366B1 (en) * 2015-08-19 2016-11-01 International Business Machines Corporation Automated control of interactions between self-driving vehicles and animals
CN106951627A (zh) * 2017-03-15 2017-07-14 北京百度网讯科技有限公司 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质
CN111919225B (zh) * 2018-03-27 2024-03-26 辉达公司 使用模拟环境对自主机器进行培训、测试和验证
US11199846B2 (en) * 2018-11-29 2021-12-14 Baidu Usa Llc Learning-based dynamic modeling methods for autonomous driving vehicles
CN109760675B (zh) * 2019-03-12 2021-05-25 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110941272B (zh) * 2019-11-27 2022-09-06 深圳先进技术研究院 自动驾驶控制方法和设备
CN112286206B (zh) * 2020-11-17 2024-01-23 苏州智加科技有限公司 自动驾驶的模拟方法、系统、设备、可读存储介质及平台

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101568946A (zh) * 2006-12-04 2009-10-28 富士通株式会社 驾驶模拟评价方法、驾驶模拟评价装置以及计算机程序
CN109211574A (zh) * 2017-07-05 2019-01-15 百度在线网络技术（北京）有限公司 无人驾驶汽车的场地测试方法、装置、设备及可读介质
WO2019183087A1 (en) * 2018-03-20 2019-09-26 Phantom AI, Inc. Data augmentation using computer simulated objects for autonomous control systems
CN108549366A (zh) * 2018-05-04 2018-09-18 同济大学 智能汽车道路行驶与虚拟测试平行映射实验方法
CN109446662A (zh) * 2018-10-31 2019-03-08 百度在线网络技术（北京）有限公司 车辆仿真轨迹的生成方法及装置、计算机设备及存储介质
CN111123735A (zh) * 2018-10-31 2020-05-08 百度在线网络技术（北京）有限公司 自动驾驶仿真运行方法和装置
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
CN111409648A (zh) * 2019-01-08 2020-07-14 上海汽车集团股份有限公司 一种驾驶行为分析方法及装置
RU2709344C1 (ru) * 2019-01-25 2019-12-17 Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный университет" Министерства обороны Российской Федерации Способ обучения вождению боевого транспортного средства и тренажер для его реализации
CN109801534A (zh) * 2019-02-19 2019-05-24 上海思致汽车工程技术有限公司 基于自动驾驶模拟器的驾驶行为硬件在环仿真测试系统
CN110069887A (zh) * 2019-05-05 2019-07-30 腾讯科技（深圳）有限公司 一种驾驶仿真方法、装置、设备及存储介质
CN110118661A (zh) * 2019-05-09 2019-08-13 腾讯科技（深圳）有限公司 驾驶仿真场景的处理方法、装置及存储介质
CN110864913A (zh) * 2019-11-28 2020-03-06 苏州智加科技有限公司 车辆测试方法、装置、计算机设备及存储介质
CN111897305A (zh) * 2020-06-02 2020-11-06 浙江吉利汽车研究院有限公司 一种基于自动驾驶的数据处理方法、装置、设备及介质
CN111505965A (zh) * 2020-06-17 2020-08-07 深圳裹动智驾科技有限公司 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质
CN111523254A (zh) * 2020-06-18 2020-08-11 交通运输部公路科学研究所 一种操控特性可调的车辆验证平台及实现方法
CN111841012A (zh) * 2020-06-23 2020-10-30 北京航空航天大学 一种自动驾驶模拟仿真系统及其测试资源库建设方法
CN111765903A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 自动驾驶车辆的测试方法、装置、电子设备和介质
CN111856968A (zh) * 2020-07-31 2020-10-30 成都信息工程大学 一种基于并行计算的大规模交通仿真系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于交通事故的自动驾驶虚拟测试方法研究;张珊;王蕾;郭魁元;张嘉芮;刘少华;;中国汽车(第05期);第36-41页 *

Also Published As

Publication number Publication date
WO2022105394A1 (en) 2022-05-27
CN112286206A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112286206B (zh) 自动驾驶的模拟方法、系统、设备、可读存储介质及平台
CN110377025A (zh) 用于自动驾驶车辆的传感器聚合框架
US11167770B2 (en) Autonomous vehicle actuation dynamics and latency identification
US20220048533A1 (en) Method and system for validating autonomous control software for a self-driving vehicle
CN110103983A (zh) 用于端对端自主车辆验证的系统和方法
US11740620B2 (en) Operational testing of autonomous vehicles
US20220198107A1 (en) Simulations for evaluating driving behaviors of autonomous vehicles
US20230150529A1 (en) Dynamic sensor data augmentation via deep learning loop
KR102589587B1 (ko) 자율 주행 차량용 동적 모델 평가 패키지
JP7442227B2 (ja) 仮想環境における自動運転車両のシミュレーション方法
CN117130298A (zh) 用于评估自动驾驶系统的方法、装置及存储介质
CN115907250A (zh) 用于调整自主驾驶车辆的运动规划器的基于学习的评论器
CN114638103A (zh) 自动驾驶联合仿真方法、装置、计算机设备及存储介质
WO2022226477A1 (en) Systems and methods for simulation supported map quality assurance in an autonomous vehicle context
CN111983934B (zh) 一种无人车仿真测试用例生成方法及系统
CN113085868A (zh) 用于运行自动化车辆的方法、设备和存储介质
EP4198804A1 (en) Simulation obstacle vehicles with driving styles
CN115202234B (zh) 仿真测试方法、装置、存储介质和车辆
CN114367110B (zh) 数据处理方法、装置、电子设备及存储介质
CN113741384B (zh) 检测自动驾驶系统的方法和装置
US20230024799A1 (en) Method, system and computer program product for the automated locating of a vehicle
US20230391359A1 (en) Automated driving assistance apparatus and method for assisting automated driving
US20240044745A1 (en) Hyperplane search-based vehicle test
US20230406362A1 (en) Planning-impacted prediction evaluation
US20240092375A1 (en) Autonomous vehicle sensor calibration algorithm evaluation

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