CN112380724B - 无人驾驶车横向自主变道辅助系统仿真测试方法和系统 - Google Patents

无人驾驶车横向自主变道辅助系统仿真测试方法和系统 Download PDF

Info

Publication number
CN112380724B
CN112380724B CN202011343772.7A CN202011343772A CN112380724B CN 112380724 B CN112380724 B CN 112380724B CN 202011343772 A CN202011343772 A CN 202011343772A CN 112380724 B CN112380724 B CN 112380724B
Authority
CN
China
Prior art keywords
fraction
error interval
unmanned vehicle
transverse
lane change
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
CN202011343772.7A
Other languages
English (en)
Other versions
CN112380724A (zh
Inventor
方柯
张宇探
刘永臣
聂琦
罗丰山
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.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
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 Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202011343772.7A priority Critical patent/CN112380724B/zh
Publication of CN112380724A publication Critical patent/CN112380724A/zh
Application granted granted Critical
Publication of CN112380724B publication Critical patent/CN112380724B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种无人驾驶车横向自主变道辅助系统仿真测试方法，通过构建仿真环境并评价ECU反馈的动作信息，实现了仿真测试无人驾驶车的自主变道辅助系统的功能，根据测试结果确定了自主变道系统的功能是否达标、性能是否符合预期；本发明通过仿真测试在虚拟环境中实现了在现实中无法测试的场景，具有覆盖度广、测试效率高、测试成本低的优点；本发明可根据不同场景设置不同的打分指标，测试全面，评价结果准确。

Description

无人驾驶车横向自主变道辅助系统仿真测试方法和系统
技术领域
本发明属于智能驾驶仿真测试技术领域，具体涉及无人驾驶车横向自主变道辅助系统仿真测试方法和系统。
背景技术
无人驾驶车的横向自主变道辅助系统若在实车上测试需要搭建多种测试环境，比如一种现有技术通过获取每个时刻的车辆运动信息，建立智能驾驶汽车自主车道变换的动态模型，基于改进无迹卡尔曼滤波器估计车辆的运动状态，从而确定车辆关键性基础性能参数；基于车辆关键性基础性能参数构建变道性能评价指标体系，并对指标进行量化，从而对智能驾驶自主车道变换性能进行多维度定量测评。该现有技术根据车辆实际运动信息构建动态模型以进行性能测试，对于一些突发状况需要紧急变道情况(即存在安全隐患的场景)，可能无法获取车辆实际运动信息，从而无法测试智能车辆在这种特殊的变道场景下的自主车道变换性能。
另一种现有技术通过设置交互试验进行仿真测试，由驾驶员通过搭建的在环仿真试验平台完成交互试验，获取交互过程中车辆之间的相对距离等参数，通过映射评价模型，对数据进行仿真分析，得到评价结果。该现有技术需要驾驶员参与到仿真平台中完成交互试验，对于一些较为危险的测试场景，可能无法进行试验。
发明内容
本发明要解决的技术问题是：提供无人驾驶车横向自主变道辅助系统仿真测试方法和系统，用于仿真测试无人驾驶车的自主变道辅助系统。
本发明为解决上述技术问题所采取的技术方案为：无人驾驶车横向自主变道辅助系统仿真测试方法，包括以下步骤：
S1：通过上位机控制下位机构建仿真环境，并将仿真信息发送给ECU；
S2：ECU根据收到的场景信息和驾驶数据做出相应的动作规划，并将动作数据发送给下位机；
S3：下位机根据设定的指标和返回的动作数据对自主变道辅助系统的功能、性能进行测试和打分，并将得到的测试结果上传至上位机。
按上述方案，所述的步骤S1中，仿真信息包括仿真自主变道场景的场景信息和仿真场景中无人驾驶车的驾驶数据。
按上述方案，所述的步骤S3中，具体步骤为：
S31：下位机设定指标的权重；
S32：下位机判断变道是否开始：若变道未开始则继续判断变道是否开始；若变道开始，则根据指标从动作数据中读取对应的指标数据；
S32：下位机判断变道是否结束：若变道未结束则继续从动作数据中读取对应的指标数据；若变道结束则根据提取的指标数据对自主变道辅助系统打分，并将分数发送给上位机。
按上述方案，所述的步骤S3中，指标包括必达指标和评价指标；必达指标用于评价ECU的动作数据是否合格；评价指标用于在不同的误差区间内按权重评分，并以加权计分的方式评价自主变道辅助系统的功能和性能。
进一步的，所述的步骤S3中，必达指标包括变道是否发生碰撞q1、变道前驾驶员是否确认q2、变道时目标车道侧车道线是否为虚线q3、变道时纵向车速是否在功能可激活的车速范围内q4、状态机是否符合预期q5；
设主对角矩阵A满足：
A＝diag(q1，q2，q3，q4，q5)，
设针对必达指标的打分结果为Q1：
Q1＝det(A)，
若必达指标全部合格，qj(j＝1，2，3，4，5)＝1，Q1＝det(A)＝1，则继续进行测试；若任一必达指标不合格，则Q1＝det(A)＝0，测试不通过。
进一步的，所述的步骤S3中，评价指标包括纵向加速度ax、横向速度vy、横向加速度ay、横向加速度变化率
Figure BDA0002799259340000021
换道时间t、首次超调车辆中心线距车道中心线的距离s、达到稳态所需超调次数n；
设特征矩阵X满足：
Figure BDA0002799259340000022
设纵向加速度ax、横向速度vy、横向加速度ay、横向加速度变化率
Figure BDA0002799259340000023
换道时间t、首次超调车辆中心线距车道中心线的距离s、达到稳态所需超调次数n的分数依次为p1、p2、p3、p4、p5、p6、p7，定义矩阵：
P＝(p1，p2，p3，p4，p5，p6，p7)，
构造传递矩阵Y满足：
P＝XTY，
对评价指标打分后，设每项评价指标在无人驾驶车横向自主变道辅助系统的权重为ωi(∑ωi＝1，ωi>0；i＝1，2，3，4，5，6，7)；设最终评价的打分结果为Q，引入矩阵Q，则主对角矩阵W：
W＝diag(ω1，ω2，…，ω7)，
Q＝PTW，
则
Figure BDA0002799259340000031
若必达指标不合格，则Q＝0，测试不通过；
若必达指标合格，则通过评价指标计算Q的值作为无人驾驶车横向自主变道辅助系统的分数，并以改分数判断系统功能是否达到预期以及测试性能是否完善。
进一步的，所述的步骤S3中，
纵向加速度ax的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向速度vy的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向加速度ay的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向加速度变化率
Figure BDA0002799259340000041
的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
换道时间t的误差区间为6s～8s时，分数为[100，80)；
误差区间为8s～10s时，分数为[80，60)；
误差区间为10s～15s时，分数为[60，40)；
误差区间为＞15s时，分数为[40，0)；
首次超调车辆中心线距车道中心线的距离s的误差区间为0～0.2m时，分数为[100，80)；
误差区间为0.2m～0.4m时，分数为[80，60)；
误差区间为0.4m～0.6m时，分数为[60，40)；
误差区间为＞0.6m时，分数为[40，0)；
达到稳态所需超调次数n的误差区间为0～2时，分数为[100，80)；
误差区间为2～4时，分数为[80，60)；
误差区间为4～6时，分数为[60，40)；
误差区间为＞6时，分数为[40，0)。
进一步的，所述的步骤S3中，
设分数为(60，0]时，评价无人驾驶车横向自主变道辅助系统为不合格；
设分数为(80，60]时，评价无人驾驶车横向自主变道辅助系统为合格；
设分数为(90，80]时，评价无人驾驶车横向自主变道辅助系统为良好；
设分数为[100，90]时，评价无人驾驶车横向自主变道辅助系统为优秀。
无人驾驶车横向自主变道辅助系统仿真测试系统，其特征在于：包括ECU、CAN板卡、下位机和上位机；CAN板卡用于收发CAN信号；下位机用于进行实时仿真计算；上位机用于控制下位机和接收显示下位机发来的数据；ECU与下位机通过CAN板卡通信；上位机与下位机通过以太网连接进行数据传输。
一种计算机存储介质，其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行无人驾驶车横向自主变道辅助系统仿真测试方法。
本发明的有益效果为：
1.本发明的无人驾驶车横向自主变道辅助系统仿真测试方法和系统，通过构建仿真环境并评价ECU反馈的动作信息，实现了仿真测试无人驾驶车的自主变道辅助系统的功能。
2.本发明快速有效地对无人驾驶车横向自主变道辅助系统进行自动化功能性测试，根据测试结果确定了自主变道系统的功能是否达标、性能是否符合预期。
3.本发明通过仿真测试在虚拟环境中实现了在现实中无法测试的场景，具有覆盖度广、测试效率高、测试成本低的优点。
4.本发明可根据不同场景设置不同的打分指标，测试全面，评价结果准确。
附图说明
图1是自主变道辅助系统的算法流程图。
图2是本发明实施例的功能框图。
图3是本发明实施例的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图2，本发明的实施例的无人驾驶车横向自主变道辅助系统仿真测试系统包括：无人驾驶车横向自主变道辅助系统控制器ECU、CAN板卡用于收发CAN信号、实时下位机用于进行实时仿真计算、上位机(测试人员操作)、仿真测试软件。
参见图1，基于自主变道辅助系统的功能算法，构建仿真环境，设置仿真自主变道场景的场景信息以及仿真场景中无人驾驶车的驾驶数据；将场景信息和驾驶数据发送给ECU；ECU的规划控制模块根据接收的场景信息和驾驶数据做出相应的动作，并将动作数据返回至仿真软件；仿真软件设定各指标的权重，根据预设的必达指标、评价指标和返回的动作数据对自主变道辅助系统的功能、性能进行测试和打分，将得到的测试结果上传至上位机。
参见图2，本方案中，测试人员通过上位机操作下位机中仿真软件构建仿真环境信息(上位机、下位机通过以太网连接进行数据传输)并通过CAN板卡传输给ECU，ECU中的规划控制模块会对收到环境信息做出相应的动作并再次通过CAN板卡反馈给仿真软件，从而形成闭环。
参见图3，具体测试步骤为：
测试人员通过上位机控制下位机的仿真软件建立测试环境，并将测试环境的信息发送给ECU；ECU判断是否执行变道；下位机仿真软件循环判断变道是否开始；在变道开始后，根据指标从动作数据中提取对应的指标数据；当动作数据表征变道结束后，仿真软件根据提取的指标数据，基于必达指标和评价指标，对自主变道辅助系统打分，并将最终得分输出给上位机。
指标包括必达指标(若未达到，则直接0分，显示未通过)和评价指标(在不同的误差区间内给予不同的分数，并通过加权的方式计算分数从而测试自主变道辅助系统的功、性能)。(指标可针对不同需求更改个数)：
Figure BDA0002799259340000061
确定必达指标后，引入主对角矩阵A：
A＝diag(q1，q2，q3，q4，q5)
设针对必达指标的打分结果为Q1：
Q1＝det (A)
不难得到，当且仅当qj(j＝1，2，3，4，5)均为1时，Q1＝det(A)＝1，即当必达指标全部达成时，Q1＝1，继续对评价指标进行测试；反之则Q1＝det(A)＝0，即当必达指标中至少有一项指标未达成时，Q＝0，测试不通过。
Figure BDA0002799259340000062
在确定了评价指标后，引入特征矩阵X将评价指标矩阵化：
Figure BDA0002799259340000063
接下来需要对评价指标所属的误差区间进行打分见下表：
Figure BDA0002799259340000071
定义矩阵P＝(p1，p2，p3，p4，p5，p6，p7)，
根据上表的打分规则构造传递矩阵Y，则有
P＝XTY
将各项评价指标打分后，设定各项评价指标在无人驾驶车横向自主变道辅助系统的权重ωi(∑ωi＝1，ωi>0；i＝1，2，3，4，5，6，7)。
记最终评价的打分结果为Q，引入矩阵Q，主对角矩阵W：
W＝diag(ω1，ω2，…，ω7)
Q＝PTW
则综上所述
Figure BDA0002799259340000072
当必达指标未达成时Q＝0，测试不通过；当必达指标完成时，通过采集到的本车纵向加速度，横向速度等评价指标计算Q的值，作为最终该无人驾驶车横向自主变道辅助系统在此场景下的分数，以此测试该系统功能是否达到预期以及测试性能是否完善。下表为分数评价体系：
优秀 良好 合格 不合格
[100,90] (90,80] (80,60] (60,0]
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (7)

1.无人驾驶车横向自主变道辅助系统仿真测试方法，其特征在于：包括以下步骤：
S1：通过上位机控制下位机构建仿真环境，并将仿真信息发送给无人驾驶车横向自主变道辅助系统控制器ECU；
S2：无人驾驶车横向自主变道辅助系统控制器ECU根据收到的场景信息和驾驶数据做出相应的动作规划，并将动作数据发送给下位机；
S3：下位机根据设定的指标和返回的动作数据对自主变道辅助系统的功能、性能进行测试和打分，并将得到的测试结果上传至上位机；
指标包括必达指标和评价指标；必达指标用于评价ECU的动作数据是否合格；评价指标用于在不同的误差区间内按权重评分，并以加权计分的方式评价自主变道辅助系统的功能和性能；
必达指标包括变道是否发生碰撞q1、变道前驾驶员是否确认q2、变道时目标车道侧车道线是否为虚线q3、变道时纵向车速是否在功能可激活的车速范围内q4、状态机是否符合预期q5；
设主对角矩阵A满足：
A＝diag(q1，q2，q3，q4，q5)，
设针对必达指标的打分结果为Q1：
Q1＝det(A)，
若必达指标全部合格，qj(j＝1，2，3，4，5)＝1，Q1＝det(A)＝1，则继续进行测试；若任一必达指标不合格，则Q1＝det(A)＝0，测试不通过；
评价指标包括纵向加速度ax、横向速度vy、横向加速度ay、横向加速度变化率
Figure FDA0003720775400000011
换道时间t、首次超调车辆中心线距车道中心线的距离s、达到稳态所需超调次数n；
设特征矩阵X满足：
Figure FDA0003720775400000012
设纵向加速度ax、横向速度vy、横向加速度ay、横向加速度变化率
Figure FDA0003720775400000013
换道时间t、首次超调车辆中心线距车道中心线的距离s、达到稳态所需超调次数n的分数依次为p1、p2、p3、p4、p5、p6、p7，定义矩阵：
P＝(p1，p2，p3，p4，p5，p6，p7)，
构造传递矩阵Y满足：
P＝XTY，
对评价指标打分后，设每项评价指标在无人驾驶车横向自主变道辅助系统的权重为ωi(∑ωi＝1，ωi>0；i＝1，2，3，4，5，6，7)；设最终评价的打分结果为Q，引入矩阵Q，则主对角矩阵W：
W＝diag(ω1，ω2，…，ω7)，
Q＝PTW，
则
Figure FDA0003720775400000021
若必达指标不合格，则Q＝0，测试不通过；
若必达指标合格，则通过评价指标计算Q的值作为无人驾驶车横向自主变道辅助系统的分数，并以改分数判断系统功能是否达到预期以及测试性能是否完善。
2.根据权利要求1所述的无人驾驶车横向自主变道辅助系统仿真测试方法，其特征在于：所述的步骤S1中，仿真信息包括仿真自主变道场景的场景信息和仿真场景中无人驾驶车的驾驶数据。
3.根据权利要求1所述的无人驾驶车横向自主变道辅助系统仿真测试方法，其特征在于：所述的步骤S3中，具体步骤为：
S31：下位机设定指标的权重；
S32：下位机判断变道是否开始：若变道未开始则继续判断变道是否开始；若变道开始，则根据指标从动作数据中读取对应的指标数据；
S32：下位机判断变道是否结束：若变道未结束则继续从动作数据中读取对应的指标数据；若变道结束则根据提取的指标数据对自主变道辅助系统打分，并将分数发送给上位机。
4.根据权利要求1所述的无人驾驶车横向自主变道辅助系统仿真测试方法，其特征在于：所述的步骤S3中，
纵向加速度ax的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向速度vy的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向加速度ay的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
横向加速度变化率
Figure FDA0003720775400000031
的误差区间为0～2％时，分数为[100，80)；
误差区间为2％～4％时，分数为[80，60)；
误差区间为4％～10％时，分数为[60，40)；
误差区间为＞10％时，分数为[40，0)；
换道时间t的误差区间为6s～8s时，分数为[100，80)；
误差区间为8s～10s时，分数为[80，60)；
误差区间为10s～15s时，分数为[60，40)；
误差区间为＞15s时，分数为[40，0)；
首次超调车辆中心线距车道中心线的距离s的误差区间为0～0.2m时，分数为[100，80)；
误差区间为0.2m～0.4m时，分数为[80，60)；
误差区间为0.4m～0.6m时，分数为[60，40)；
误差区间为＞0.6m时，分数为[40，0)；
达到稳态所需超调次数n的误差区间为0～2时，分数为[100，80)；
误差区间为2～4时，分数为[80，60)；
误差区间为4～6时，分数为[60，40)；
误差区间为＞6时，分数为[40，0)。
5.根据权利要求4所述的无人驾驶车横向自主变道辅助系统仿真测试方法，其特征在于：所述的步骤S3中，
设分数为(60，0]时，评价无人驾驶车横向自主变道辅助系统为不合格；
设分数为(80，60]时，评价无人驾驶车横向自主变道辅助系统为合格；
设分数为(90，80]时，评价无人驾驶车横向自主变道辅助系统为良好；
设分数为[100，90]时，评价无人驾驶车横向自主变道辅助系统为优秀。
6.用于权利要求1至5中任意一项所述的无人驾驶车横向自主变道辅助系统仿真测试方法的仿真测试系统，其特征在于：包括ECU、CAN板卡、下位机和上位机；CAN板卡用于收发CAN信号；下位机用于进行实时仿真计算；上位机用于控制下位机和接收显示下位机发来的数据；ECU与下位机通过CAN板卡通信；上位机与下位机通过以太网连接进行数据传输。
7.一种计算机存储介质，其特征在于：其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行如权利要求1至权利要求5中任意一项所述的无人驾驶车横向自主变道辅助系统仿真测试方法。
CN202011343772.7A 2020-11-26 2020-11-26 无人驾驶车横向自主变道辅助系统仿真测试方法和系统 Active CN112380724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011343772.7A CN112380724B (zh) 2020-11-26 2020-11-26 无人驾驶车横向自主变道辅助系统仿真测试方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011343772.7A CN112380724B (zh) 2020-11-26 2020-11-26 无人驾驶车横向自主变道辅助系统仿真测试方法和系统

Publications (2)

Publication Number Publication Date
CN112380724A CN112380724A (zh) 2021-02-19
CN112380724B true CN112380724B (zh) 2022-09-23

Family

ID=74587789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011343772.7A Active CN112380724B (zh) 2020-11-26 2020-11-26 无人驾驶车横向自主变道辅助系统仿真测试方法和系统

Country Status (1)

Country Link
CN (1) CN112380724B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107992016A (zh) * 2016-10-26 2018-05-04 法乐第(北京)网络科技有限公司 一种无人驾驶车辆模拟测试方法
CN109521748A (zh) * 2017-09-19 2019-03-26 成都鼎桥通信技术有限公司 无人驾驶车辆的测试方法
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
CN111338973A (zh) * 2020-05-19 2020-06-26 中汽院汽车技术有限公司 基于场景的自动驾驶仿真测试评价服务云平台及应用方法
CN111538315A (zh) * 2020-04-26 2020-08-14 东风汽车集团有限公司 一种整车自动驾驶功能仿真测试系统及测试方法
CN111814308A (zh) * 2020-06-08 2020-10-23 同济大学 一种面向自动驾驶系统的加速测试系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992016A (zh) * 2016-10-26 2018-05-04 法乐第(北京)网络科技有限公司 一种无人驾驶车辆模拟测试方法
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
CN109521748A (zh) * 2017-09-19 2019-03-26 成都鼎桥通信技术有限公司 无人驾驶车辆的测试方法
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
CN111538315A (zh) * 2020-04-26 2020-08-14 东风汽车集团有限公司 一种整车自动驾驶功能仿真测试系统及测试方法
CN111338973A (zh) * 2020-05-19 2020-06-26 中汽院汽车技术有限公司 基于场景的自动驾驶仿真测试评价服务云平台及应用方法
CN111814308A (zh) * 2020-06-08 2020-10-23 同济大学 一种面向自动驾驶系统的加速测试系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多传感器融合的智能车定位导航系统设计;李磊等;《工程设计学报》;20190428(第02期);正文1-2页 *
智能网联汽车体系结构与关键技术;王建强等;《长安大学学报(社会科学版)》;20171115(第06期);正文1-2页 *

Also Published As

Publication number Publication date
CN112380724A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN111795832B (zh) 一种智能驾驶车辆测试方法、装置及设备
CN113010967B (zh) 一种基于混合交通流模型的智能汽车在环仿真测试方法
CN109709956A (zh) 一种自动驾驶车辆速度控制多目标优化的跟驰算法
CN109033643B (zh) 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法
CN111006879A (zh) 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台
CN104777839B (zh) 基于bp神经网络和距离信息的机器人自主避障方法
CN107169223A (zh) 基于汽车操纵稳定性试验评价系统的车辆参数调教方法
CN109991974A (zh) 自动驾驶路径跟随方法、装置及控制设备
CN111445695B (zh) 一种智能车路系统的运行状况监测方法
CN111539087A (zh) 自动驾驶系统仿真测试平台和自动驾驶系统评价方法
CN112149796A (zh) 基于改进遗传算法优化bp神经网络的驾驶风格辨识方法
CN112380724B (zh) 无人驾驶车横向自主变道辅助系统仿真测试方法和系统
CN109387374A (zh) 一种车道保持水平评价方法
CN108447306A (zh) 无控交叉口冲突车辆间实时位置共享避撞预警的模拟方法
CN112396118A (zh) 一种基于gm-hmm的驾驶员加速意图建模方法
CN112580201B (zh) 车辆紧急转向辅助系统的仿真测试评价方法和评价系统
CN114148349B (zh) 一种基于生成对抗模仿学习的车辆个性化跟驰控制方法
CN104615008A (zh) 一种自动紧急刹车aeb系统的测试结果分析方法和系统
CN114896688A (zh) 一种车身结构吸能盒的设计方法
CN112937587A (zh) 基于K-Medoids和分类回归树的路感模拟方法
CN114701517A (zh) 基于强化学习的多目标复杂交通场景下自动驾驶解决方法
CN116562175B (zh) 车辆配置对自动驾驶系统安全性影响的评估方法
CN116107915B (zh) 车辆高速公路巡航功能安全可控性指标的量化方法及装置
CN114792049A (zh) 高速公路自动驾驶接管碰撞风险影响因素辨识及预测方法
Cheng et al. An Indoor Rapid Testing Platform for Autonomous Vehicles Using Vehicle-in-the-Loop Simulation

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