CN112382086A - 自动驾驶汽车开放道路测试评价系统的使用方法 - Google Patents

自动驾驶汽车开放道路测试评价系统的使用方法 Download PDF

Info

Publication number
CN112382086A
CN112382086A CN202011200624.XA CN202011200624A CN112382086A CN 112382086 A CN112382086 A CN 112382086A CN 202011200624 A CN202011200624 A CN 202011200624A CN 112382086 A CN112382086 A CN 112382086A
Authority
CN
China
Prior art keywords
evaluation
road
test
data
weight
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.)
Pending
Application number
CN202011200624.XA
Other languages
English (en)
Inventor
陈金星
马宇岩
赵经润
代刚毅
刘振连
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.)
Shanghai Juhong Information Technology Co ltd
Original Assignee
Shanghai Juhong Information 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 Shanghai Juhong Information Technology Co ltd filed Critical Shanghai Juhong Information Technology Co ltd
Priority to CN202011200624.XA priority Critical patent/CN112382086A/zh
Publication of CN112382086A publication Critical patent/CN112382086A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种自动驾驶汽车开放道路测试评价系统的使用方法，首先由自动驾驶汽车生产商申请开放道路预约服务，然后由自动驾驶测试服务系统对汽车在仿真环境、封闭道路的测试情况和能力进行相关评估，如果能力符合则安排、调度自动驾驶车辆进行开放道路的测试，由于开放道路的场景更为复杂，交通参与者更多，需要通过实时监管保障车辆和其他交通参与者的安全，最后通过测试中产生的数据和测试时实时的交通状况数据等对自动驾驶车辆在开放道路上的测试进行评价，并发布相关的开放道路测试报告。

Description

自动驾驶汽车开放道路测试评价系统的使用方法
技术领域
本发明涉及一种智能网联交通技术领域，具体的说是自动驾驶汽车开放道路测试评价系统的使用方法。
背景技术
目前大多数的自动驾驶车辆评价系统都集中在仿真环境和封闭道路道路环境，自动驾驶汽车又称智能网联汽车，是车联网与智能车的有机联合，是搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。智能车路协同系统是路侧设施与智能汽车的有机联合，通过智能路侧传感器、车用无线通信、边缘计算等技术，实现人、车、路、后台之间动态实时信息交互，并在此基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同。智能车路协同技术是汽车智能化与交通智能化是解决交通安全问题的必要途径，也是未来发展的必然趋势。但是，车路协同技术是一个基于网络实现的复杂综合应用技术，包括车车/车路通信、环境检测与融合、场景建模与构建、业务测试与复现等多个方面。其中，车路协同技术测试是车路协同技术发展遇到的难点与重点。在资本力量和产业界企业的共同推动下，自动驾驶汽车关键技术的发展取得了很大的成果，并开始进入封闭道路测试、开放道路测试的阶段。国际上，美国、英国、德国、荷兰等国家陆续准许自动驾驶汽车在公开道路上进行测试，诸如Waymo、福特、通用等企业首当其冲。在国内，国家三部委出台《智能网联汽车道路测试管理规范(试行)，确定了自动驾驶汽车测试管理的基本框架，从国家层面准许各地开展自动驾驶公开道路测试，地方层面，北京、上海、重庆、深圳等十余个城市陆续出台了测试管理实施细则。
发明内容
本发明旨在克服现有技术的缺陷，提供一种自动驾驶汽车开放道路测试评价系统的使用方法，
为了解决上述技术问题，本发明是这样实现的：
一种自动驾驶汽车开放道路测试评价系统的使用方法，它包括如下步骤：
步骤一：采集自动驾驶汽车回传的数据，包括但不限于：车辆实时位置数据、车辆实时运行状态日志信息；
步骤二：采集全路网道路的交通状况数据：
a.静态数据，包括但不限于：道路等级、道路属性、道路宽度、道路限速、道路车道数、是否封闭道路等；
b.动态数据，包括但不限于：道路通行速度、事件信息、车流量、天气、能见度、行人情况、非机动车情况、信号灯等；
步骤三：采集自动驾驶车辆事件数据，记录自动驾驶车辆违章和事故等事件的时间、地点、关联视频链接信息，以及临界事故原因、反应时间、采取措施；
步骤四：获取自动驾驶汽车在仿真环境测试报告数据和封闭道路测试报告数据；
步骤五：搭建自动驾驶汽车在开放道路测试的评价模型体系：确定完备的评价指标体系与选取恰当的权重确定方法；
步骤六：通过层次分析法和熵权法两种方法综合确权评价模型参数：
一、关于层次分析法，其确定权重的主要步骤包括：
1：建立系统的递阶层次结构：一般建立指标层X，准则层V，目标层U三级递阶层次结构模型；
2：构造判断矩阵：通过专家评估或历史数据，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，根据标度法对不同情况的评比给出数量标度，构成判断矩阵；
3：层次单排序及一致性检验：其中，层次单排序是指根据判断矩阵计算对于上一层某因素而言，本层次与之有联系的因素的重要性次序的权值。对于判断矩阵A，计算满足的特征值和特征向量；λmax为矩阵A的最大特征值，W为对应于λmax的正规化特征向量，W的分量即是相应因素单排序的权值；此外，为避免出现前后判断不一致的情况，需要进行一致性检验；
CR＝CI/RI；
式中：CI为一致性指标，CI＝(λmax-n)/(n-1)；RI为随机一致性指标。当CR<0.10时，便认为判断矩阵具有满意的一致性，否则，就需要调整判断矩阵，使之满足上式，从而达到满意的一致性；
4：层次总排序及一致性检验：层次总排序是指计算同一层次所有因素对于总目标相对重要性的排序权值的过程称，下一层次各因素的权重既要考虑本层次的相互关系，还要考虑到上一层次的权因子，通过从最高级到最低级逐层计算求出组合权重，再进行一致性检验；
二、关于熵权法，其确定权重的主要步骤包括：
1：假设专家Nj对评价指标Vijk的打分结果为μji，则指标的信息熵为：
Figure BDA0002754133600000031
式中：
Figure BDA0002754133600000032
n为参与打分的专家总人数；
2：定义第i个指标的μA(μji)差异因素：
gi＝1-ei
3：计算第i个指标的权重为：
Figure BDA0002754133600000033
因此，得到指标体系的权重向量：
W＝(w1,w2,…,wn)
最后，假设通过层次分析法和熵权法确定的第i项指标权重分别为αi和βi，设定折中系数为ε，将求得指标再次进行权重分配，即：
wi＝εαi+(1-ε)βi
其中，ε越大，则代表熵权法确定的数值对综合权重的影响更大；反之，层次分析法确定的数值对综合权重影响更大，大多数情况下取ε＝0.5，即重要性对等；
步骤七：通过评价模型计算自动驾驶汽车评价分数，测试评价内容如下：
测试评价包含整体评价、安全性评价、效率评价三部分；整体评价说明所测场景对应自动驾驶级别，测试分数，并简述违章、事故、应急情况，驾驶平顺度、里程和平均车速；安全性评价部分以表格形式记录违章和事故的时间地点关联视频链接等信息，以及临界事故原因和反应时间；效率评价部分包含通行能力评价和驾驶平顺度评价，测试报告的一级属性为测试id、测试级别、测试评分、测试描述；
测试评价指标：
评分采用扣分制，严重违规行为(事故或违章或低速行驶)直接0分，此外衡量驾驶平顺度和通行能力扣分，评分细则：
安全：出现违章不合格；出现事故不合格；
效率：非拥堵路段低于道路限速&自由流速度50％，不合格，低于道路限速&自由流速度30％，扣10分；非拥堵路段总平均车速低于30km/h，不合格，低于40km/h，扣20分；出现一次持续5s以上的超速三急，扣5分；
指标计算：根据车辆实时车辆位置数据和车辆实时运行状态日志信息中的字段，计算相关评分指标；
违章：违章指RSU设备识别的闯红灯、轧线、违规停车等违反交通法规行为；
事故：根据事故数据及事故唯一ID关联其相关视频数据；
临界事故：临界事故指驾驶过程中车辆脱离(系统故障、危险驾驶)、安全员紧急切换到人工接管的情形；
通行能力：将实时位置数据地图匹配绑定到道路上，然后根据道路长度和旅行时间计算车辆通过路段的平均速度，并从历史交通流获取同时间段同路段路况，对比评判通行能力；
驾驶平顺度：统计超速和三急(急刹、急加、急转)等出现的次数和持续时间评判驾驶平顺度；
步骤八：以上评价模型的步骤在自动驾驶车辆测试结束后自动运行，并发布相关测试报告。
步骤五中，搭建评价模型体系的具体方法为：首先，从仿真、封闭测试场中获取汽车智能化评价参数和评分，从自动驾驶汽车回传数据中获取车辆状态数据，从数据中台获取全路网的交通状况数据和事件数据，提取相关参数并对参数进行数据预处理；其次，根据构建的汽车智能化评价指标体系，从中选取重要指标参数数据；再次，利用层次分析法—熵权法的综合确权法对指标体系中的指标权重进行设定，不同的评价方法也决定着综合评价模型的差异性；最后，基于汽车智能化指标评价分数及指标权重，依次计算第三级、第二级与第一级指标的评价分数，并以评价分数的最终结果确定汽车智能化等级。
本发明的有益效果是：在仿真评价和封闭道路评价的基础上，自动驾驶汽车整体测试流程参见附图3，针对自动驾驶车辆在开放道路测试情况进行相关评价，解决了在开放道路中有更多的实际道路参与者情况下，自动驾驶汽车的安全性评价、效率评价、对其他交通参与者的评价等形成的自动驾驶车辆智能化程度的综合评价，为交通管理者对自动驾驶汽车从开放道路测试到开放道路运营进行监管提供参考和依据。
附图说明
下面结合附图和实施方式对本发明作进一步的详细说明：
图1为本发明的整体处理流程图；
图2为自动驾驶汽车智能化评价模型示意图。
图3为自动驾驶汽车整体测试流程图。
图4为实施例流程图。
具体实施方式
如图1所示：一种自动驾驶汽车开放道路测试评价系统的使用方法，包括如下步骤：
步骤一：采集自动驾驶汽车回传的数据，包括但不限于：车辆实时位置数据、车辆实时运行状态日志信息；车辆实时位置数据结构如下表：
Figure BDA0002754133600000051
Figure BDA0002754133600000061
车辆实时运行状态日志信息结构如下表：
Figure BDA0002754133600000062
步骤二：采集全路网道路的交通状况数据：
a.静态数据，包括但不限于：道路等级、道路属性、道路宽度、道路限速、道路车道数、是否封闭道路等；
b.动态数据，包括但不限于：道路通行速度、事件信息、车流量、天气、能见度、行人情况、非机动车情况、信号灯等；
步骤三：采集自动驾驶车辆事件数据，记录自动驾驶车辆违章和事故等事件的时间、地点、关联视频链接信息，以及临界事故原因、反应时间、采取措施；
步骤四：获取自动驾驶汽车在仿真环境测试报告数据和封闭道路测试报告数据；
步骤五：搭建自动驾驶汽车在开放道路测试的评价模型体系：自动驾驶汽车智能化评价模型整体框架如附图2所示，其中核心部分在于：确定完备的评价指标体系与选取恰当的权重确定方法；
搭建评价模型体系的具体方法为：首先，从仿真、封闭测试场中获取汽车智能化评价参数和评分，从自动驾驶汽车回传数据中获取车辆状态数据，从数据中台获取全路网的交通状况数据和事件数据，提取相关参数并对参数进行数据预处理；其次，根据构建的汽车智能化评价指标体系，从中选取重要指标参数数据；再次，利用层次分析法—熵权法的综合确权法对指标体系中的指标权重进行设定，不同的评价方法也决定着综合评价模型的差异性；最后，基于汽车智能化指标评价分数及指标权重，依次计算第三级、第二级与第一级指标的评价分数，并以评价分数的最终结果确定汽车智能化等级。
在上述汽车智能化评价模型中，其核心部分在于评价指标权重确定方法的选择，其对于综合评价结果的客观性和准确性具有重要影响，指标权重确定方法的不同往往也是不同综合评价法的差异所在，计算权重系数的方法大致可分为两大类：一类是主观赋权法；另一类是客观赋权法。其中，层次分析法主要是考虑专家的意见，汲取了专家们的知识和经验，一般具有较高的合理性，但仍无法克服存在主观随意性较大的缺陷；熵权法能够充分挖掘原始数据本身蕴涵的信息价值，相对层次分析法而言结果比较客观，但却不能反映专家的知识和经验以及决策者的意见，可能会导致得到的权重与实际重要程度不相符。因此，综合上述两种方法的优缺点，本专利选取层次分析法和熵权法相结合的综合确权方法，对汽车智能化评价指标权重进行确定。
步骤六：通过层次分析法和熵权法两种方法综合确权评价模型参数：
一、关于层次分析法，其确定权重的主要步骤包括：
1：建立系统的递阶层次结构：一般建立指标层X，准则层V，目标层U三级递阶层次结构模型；
2：构造判断矩阵：通过专家评估或历史数据，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，根据标度法对不同情况的评比给出数量标度，构成判断矩阵；
3：层次单排序及一致性检验：其中，层次单排序是指根据判断矩阵计算对于上一层某因素而言，本层次与之有联系的因素的重要性次序的权值。对于判断矩阵A，计算满足的特征值和特征向量；λmax为矩阵A的最大特征值，W为对应于λmax的正规化特征向量，W的分量即是相应因素单排序的权值；此外，为避免出现前后判断不一致的情况，需要进行一致性检验；
CR＝CI/RI；
式中：CI为一致性指标，CI＝(λmax-n)/(n-1)；RI为随机一致性指标。当CR<0.10时，便认为判断矩阵具有满意的一致性，否则，就需要调整判断矩阵，使之满足上式，从而达到满意的一致性；
4：层次总排序及一致性检验：层次总排序是指计算同一层次所有因素对于总目标相对重要性的排序权值的过程称，下一层次各因素的权重既要考虑本层次的相互关系，还要考虑到上一层次的权因子，通过从最高级到最低级逐层计算求出组合权重，再进行一致性检验；
二、关于熵权法，其确定权重的主要步骤包括：
1：假设专家Nj对评价指标Vijk的打分结果为μji，则指标的信息熵为：
Figure BDA0002754133600000081
式中：
Figure BDA0002754133600000082
n为参与打分的专家总人数；
2：定义第i个指标的μA(μji)差异因素：
gi＝1-ei
3：计算第i个指标的权重为：
Figure BDA0002754133600000083
因此，得到指标体系的权重向量：
W＝(w1,w2,…,wn)
最后，假设通过层次分析法和熵权法确定的第i项指标权重分别为αi和βi，设定折中系数为ε，将求得指标再次进行权重分配，即：
wi＝εαi+(1-ε)βi
其中，ε越大，则代表熵权法确定的数值对综合权重的影响更大；反之，层次分析法确定的数值对综合权重影响更大，大多数情况下取ε＝0.5，即重要性对等；
步骤七：通过评价模型计算自动驾驶汽车评价分数，测试评价内容如下：
测试评价包含整体评价、安全性评价、效率评价三部分；整体评价说明所测场景对应自动驾驶级别，测试分数，并简述违章、事故、应急情况，驾驶平顺度、里程和平均车速；安全性评价部分以表格形式记录违章和事故的时间地点关联视频链接等信息，以及临界事故原因和反应时间；效率评价部分包含通行能力评价和驾驶平顺度评价，测试报告的一级属性为测试id、测试级别、测试评分、测试描述；详见下表：
测试id 预约id，区分不同的测试
测试级别 T1-T5，由测试覆盖道路类型决定
测试评分 综合评分，取值0-100，0分不合格
测试描述 覆盖场景；里程；平均速度；部分评分指标
测试级别和道路类型对应关系如下：
Figure BDA0002754133600000091
测试评价指标：
评分采用扣分制，严重违规行为(事故或违章或低速行驶)直接0分，此外衡量驾驶平顺度和通行能力扣分，评分细则：
安全：出现违章不合格；出现事故不合格；
效率：非拥堵路段低于道路限速&自由流速度50％，不合格，低于道路限速&自由流速度30％，扣10分；非拥堵路段总平均车速低于30km/h，不合格，低于40km/h，扣20分；出现一次持续5s以上的超速三急，扣5分；
指标计算：根据车辆实时车辆位置数据和车辆实时运行状态日志信息中的字段，计算相关评分指标；
违章：违章指RSU设备识别的闯红灯、轧线、违规停车等违反交通法规行为；
事故：根据事故数据及事故唯一ID关联其相关视频数据；
临界事故：临界事故指驾驶过程中车辆脱离(系统故障、危险驾驶)、安全员紧急切换到人工接管的情形；
通行能力：将实时位置数据地图匹配绑定到道路上，然后根据道路长度和旅行时间计算车辆通过路段的平均速度，并从历史交通流获取同时间段同路段路况，对比评判通行能力；
驾驶平顺度：统计超速和三急(急刹、急加、急转)等出现的次数和持续时间评判驾驶平顺度；
步骤八：以上评价模型的步骤在自动驾驶车辆测试结束后自动运行，并发布相关测试报告。
本申请是与自动驾驶测试服务系统一起部署，流程如图4，首先由自动驾驶汽车生产商申请开放道路预约服务，然后由自动驾驶测试服务系统对汽车在仿真环境、封闭道路的测试情况和能力进行相关评估，如果能力符合则安排、调度自动驾驶车辆进行开放道路的测试，由于开放道路的场景更为复杂，交通参与者更多，需要通过实时监管保障车辆和其他交通参与者的安全，最后通过测试中产生的数据和测试时实时的交通状况数据等对自动驾驶车辆在开放道路上的测试进行评价，并发布相关的开放道路测试报告。

Claims (2)

1.一种自动驾驶汽车开放道路测试评价系统的使用方法，其特征在于它包括如下步骤：
步骤一：采集自动驾驶汽车回传的数据，包括但不限于：车辆实时位置数据、车辆实时运行状态日志信息；
步骤二：采集全路网道路的交通状况数据：
a.静态数据，包括但不限于：道路等级、道路属性、道路宽度、道路限速、道路车道数、是否封闭道路等；
b.动态数据，包括但不限于：道路通行速度、事件信息、车流量、天气、能见度、行人情况、非机动车情况、信号灯等；
步骤三：采集自动驾驶车辆事件数据，记录自动驾驶车辆违章和事故等事件的时间、地点、关联视频链接信息，以及临界事故原因、反应时间、采取措施；
步骤四：获取自动驾驶汽车在仿真环境测试报告数据和封闭道路测试报告数据；
步骤五：搭建自动驾驶汽车在开放道路测试的评价模型体系：确定完备的评价指标体系与选取恰当的权重确定方法；
步骤六：通过层次分析法和熵权法两种方法综合确权评价模型参数：
一、关于层次分析法，其确定权重的主要步骤包括：
1：建立系统的递阶层次结构：一般建立指标层X，准则层V，目标层U三级递阶层次结构模型；
2：构造判断矩阵：通过专家评估或历史数据，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，根据标度法对不同情况的评比给出数量标度，构成判断矩阵；
3：层次单排序及一致性检验：其中，层次单排序是指根据判断矩阵计算对于上一层某因素而言，本层次与之有联系的因素的重要性次序的权值。对于判断矩阵A，计算满足的特征值和特征向量；λmax为矩阵A的最大特征值，W为对应于λmax的正规化特征向量，W的分量即是相应因素单排序的权值；此外，为避免出现前后判断不一致的情况，需要进行一致性检验；
CR＝CI/RI；
式中：CI为一致性指标，CI＝(λmax-n)/(n-1)；RI为随机一致性指标。当CR<0.10时，便认为判断矩阵具有满意的一致性，否则，就需要调整判断矩阵，使之满足上式，从而达到满意的一致性；
4：层次总排序及一致性检验：层次总排序是指计算同一层次所有因素对于总目标相对重要性的排序权值的过程称，下一层次各因素的权重既要考虑本层次的相互关系，还要考虑到上一层次的权因子，通过从最高级到最低级逐层计算求出组合权重，再进行一致性检验；
二、关于熵权法，其确定权重的主要步骤包括：
1：假设专家Nj对评价指标Vijk的打分结果为μji，则指标的信息熵为：
Figure FDA0002754133590000021
式中：
Figure FDA0002754133590000022
n为参与打分的专家总人数；
2：定义第i个指标的μA(μji)差异因素：
gi＝1-ei
3：计算第i个指标的权重为：
Figure FDA0002754133590000023
因此，得到指标体系的权重向量：
W＝(w1,w2,…,wn)
最后，假设通过层次分析法和熵权法确定的第i项指标权重分别为αi和βi，设定折中系数为ε，将求得指标再次进行权重分配，即：
wi＝εαi+(1-ε)βi
其中，ε越大，则代表熵权法确定的数值对综合权重的影响更大；反之，层次分析法确定的数值对综合权重影响更大，大多数情况下取ε＝0.5，即重要性对等；
步骤七：通过评价模型计算自动驾驶汽车评价分数，测试评价内容如下：
测试评价包含整体评价、安全性评价、效率评价三部分；整体评价说明所测场景对应自动驾驶级别，测试分数，并简述违章、事故、应急情况，驾驶平顺度、里程和平均车速；安全性评价部分以表格形式记录违章和事故的时间地点关联视频链接等信息，以及临界事故原因和反应时间；效率评价部分包含通行能力评价和驾驶平顺度评价，测试报告的一级属性为测试id、测试级别、测试评分、测试描述；
测试评价指标：
评分采用扣分制，严重违规行为(事故或违章或低速行驶)直接0分，此外衡量驾驶平顺度和通行能力扣分，评分细则：
安全：出现违章不合格；出现事故不合格；
效率：非拥堵路段低于道路限速&自由流速度50％，不合格，低于道路限速&自由流速度30％，扣10分；非拥堵路段总平均车速低于30km/h，不合格，低于40km/h，扣20分；出现一次持续5s以上的超速三急，扣5分；
指标计算：根据车辆实时车辆位置数据和车辆实时运行状态日志信息中的字段，计算相关评分指标；
违章：违章指RSU设备识别的闯红灯、轧线、违规停车等违反交通法规行为；
事故：根据事故数据及事故唯一ID关联其相关视频数据；
临界事故：临界事故指驾驶过程中车辆脱离(系统故障、危险驾驶)、安全员紧急切换到人工接管的情形；
通行能力：将实时位置数据地图匹配绑定到道路上，然后根据道路长度和旅行时间计算车辆通过路段的平均速度，并从历史交通流获取同时间段同路段路况，对比评判通行能力；
驾驶平顺度：统计超速和三急(急刹、急加、急转)等出现的次数和持续时间评判驾驶平顺度；
步骤八：以上评价模型的步骤在自动驾驶车辆测试结束后自动运行，并发布相关测试报告。
2.根据权利要求1所述的自动驾驶汽车开放道路测试评价系统的使用方法，其特征在于：步骤五中，搭建评价模型体系的具体方法为：首先，从仿真、封闭测试场中获取汽车智能化评价参数和评分，从自动驾驶汽车回传数据中获取车辆状态数据，从数据中台获取全路网的交通状况数据和事件数据，提取相关参数并对参数进行数据预处理；其次，根据构建的汽车智能化评价指标体系，从中选取重要指标参数数据；再次，利用层次分析法—熵权法的综合确权法对指标体系中的指标权重进行设定，不同的评价方法也决定着综合评价模型的差异性；最后，基于汽车智能化指标评价分数及指标权重，依次计算第三级、第二级与第一级指标的评价分数，并以评价分数的最终结果确定汽车智能化等级。
CN202011200624.XA 2020-10-30 2020-10-30 自动驾驶汽车开放道路测试评价系统的使用方法 Pending CN112382086A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011200624.XA CN112382086A (zh) 2020-10-30 2020-10-30 自动驾驶汽车开放道路测试评价系统的使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011200624.XA CN112382086A (zh) 2020-10-30 2020-10-30 自动驾驶汽车开放道路测试评价系统的使用方法

Publications (1)

Publication Number Publication Date
CN112382086A true CN112382086A (zh) 2021-02-19

Family

ID=74576477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011200624.XA Pending CN112382086A (zh) 2020-10-30 2020-10-30 自动驾驶汽车开放道路测试评价系统的使用方法

Country Status (1)

Country Link
CN (1) CN112382086A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113029593A (zh) * 2021-03-26 2021-06-25 奇瑞新能源汽车股份有限公司 汽车驾驶性的评价方法及装置
CN113643552A (zh) * 2021-07-29 2021-11-12 一汽奔腾轿车有限公司 一种智能限速提醒系统的整车测试方法
CN113779705A (zh) * 2021-09-28 2021-12-10 中国科学技术大学先进技术研究院 一种自动驾驶汽车智能等级评定方法及系统
CN113793074A (zh) * 2021-02-20 2021-12-14 同济大学 一种自动驾驶车辆社会合作性评价方法
CN114753199A (zh) * 2022-03-17 2022-07-15 清华大学苏州汽车研究院（吴江） 基于智能网联汽车测试的开放道路分级方法和装置
CN115576331A (zh) * 2022-12-07 2023-01-06 深圳海星智驾科技有限公司 工程机械的自动驾驶作业方法、装置、电子设备及系统
CN116108041A (zh) * 2023-04-04 2023-05-12 小米汽车科技有限公司 车辆测试数据的确定方法、装置、车辆和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234763A (zh) * 2013-04-09 2013-08-07 北京理工大学 一种无人驾驶车辆定量评价系统及评价方法
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
CN110531740A (zh) * 2019-09-06 2019-12-03 清华大学 一种智能车智能化程度量化测评方法
CN111222750A (zh) * 2019-11-27 2020-06-02 清华大学苏州汽车研究院（相城） 无人驾驶车辆综合定量测评系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234763A (zh) * 2013-04-09 2013-08-07 北京理工大学 一种无人驾驶车辆定量评价系统及评价方法
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
CN110531740A (zh) * 2019-09-06 2019-12-03 清华大学 一种智能车智能化程度量化测评方法
CN111222750A (zh) * 2019-11-27 2020-06-02 清华大学苏州汽车研究院（相城） 无人驾驶车辆综合定量测评系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王羽: "汽车智能化指数及评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113793074A (zh) * 2021-02-20 2021-12-14 同济大学 一种自动驾驶车辆社会合作性评价方法
CN113793074B (zh) * 2021-02-20 2023-08-29 同济大学 一种自动驾驶车辆社会合作性评价方法
CN113029593A (zh) * 2021-03-26 2021-06-25 奇瑞新能源汽车股份有限公司 汽车驾驶性的评价方法及装置
CN113643552A (zh) * 2021-07-29 2021-11-12 一汽奔腾轿车有限公司 一种智能限速提醒系统的整车测试方法
CN113779705A (zh) * 2021-09-28 2021-12-10 中国科学技术大学先进技术研究院 一种自动驾驶汽车智能等级评定方法及系统
CN114753199A (zh) * 2022-03-17 2022-07-15 清华大学苏州汽车研究院（吴江） 基于智能网联汽车测试的开放道路分级方法和装置
CN115576331A (zh) * 2022-12-07 2023-01-06 深圳海星智驾科技有限公司 工程机械的自动驾驶作业方法、装置、电子设备及系统
CN115576331B (zh) * 2022-12-07 2023-03-10 深圳海星智驾科技有限公司 工程机械的自动驾驶作业方法、装置、电子设备及系统
CN116108041A (zh) * 2023-04-04 2023-05-12 小米汽车科技有限公司 车辆测试数据的确定方法、装置、车辆和存储介质

Similar Documents

Publication Publication Date Title
CN112382086A (zh) 自动驾驶汽车开放道路测试评价系统的使用方法
CN109448369B (zh) 高速公路实时运行风险计算方法
CN102136190B (zh) 城市公交客运事件应急响应调度管理系统及方法
CN113380033B (zh) 基于人机混合增强智能的城市交通安全预警方法及系统
CN113538898A (zh) 一种基于多源数据的高速公路拥堵管控系统
CN109243178A (zh) 一种不良气候条件下城镇公路交通安全分析与评价方法
CN111242484B (zh) 基于转移概率的车辆风险综合评价方法
CN101465059B (zh) 城市道路交通安全态势鉴判预警系统
CN108550263A (zh) 一种基于故障树模型的高速公路交通事故成因分析方法
CN113033840B (zh) 一种公路养护的判断方法和装置
US20220383738A1 (en) Method for short-term traffic risk prediction of road sections using roadside observation data
CN111667204A (zh) 自动驾驶开放测试道路环境风险度确定、分级方法及系统
CN114463868B (zh) 面向交通流管控的收费站交通流组合预测方法及系统
CN113643539A (zh) 一种基于大数据的智慧交通管控系统
CN114005274A (zh) 基于小客车当量的高速公路收费站分级联动管控方法
CN113535816A (zh) 一种智能网联云控车辆的行车性能评价方法及系统
US20220319323A1 (en) Method for identifying road risk based on networked vehicle-mounted adas
Guan et al. Traffic incident duration prediction based on artificial neural network
CN111815141A (zh) 获取互通式立交运行风险评估模型的方法及风险评估方法
CN113887872A (zh) 一种基于态势评估技术的交通风险分级方法
CN116168356B (zh) 一种基于计算机视觉的车辆损伤判别方法
CN105608315A (zh) 公交停靠站安全服务水平定量评价方法及系统
CN113642162B (zh) 一种城市道路交通应急预案仿真综合分析方法
CN115497306A (zh) 一种基于gis数据的速度区间权重计算方法
CN113420960B (zh) 一种高速公路收费站工作人员调度方法、系统及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219

RJ01 Rejection of invention patent application after publication