CN112506170A - 一种基于驾驶员模型的测试方法及装置 - Google Patents
一种基于驾驶员模型的测试方法及装置 Download PDFInfo
- Publication number
- CN112506170A CN112506170A CN202011312152.7A CN202011312152A CN112506170A CN 112506170 A CN112506170 A CN 112506170A CN 202011312152 A CN202011312152 A CN 202011312152A CN 112506170 A CN112506170 A CN 112506170A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parameter
- driver
- model
- test
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0216—Human interface functionality, e.g. monitoring system providing help to the user in the selection of tests or in its configuration
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明实施例公开一种基于驾驶员模型的测试方法及装置,该方法包括:根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定自动驾驶测试场景对应的当前场景信息,测试参与对象包括:被测车辆及对应的他车车辆;根据当前场景信息及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与当前场景信息匹配的他车车辆所对应驾驶员模型;在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助被测车辆的自动驾驶算法的测试,以实现对被测车辆性能的准确测试。
Description
技术领域
本发明涉及测试技术领域,具体而言,涉及一种基于驾驶员模型的测试方法及装置。
背景技术
现有的自动驾驶仿真测试场景中,需要借助他车的行驶形态,来测试被测车辆的自动驾驶算法的统筹控制能力。而在现有的自动驾驶仿真测试场景中,与被测车辆相对应的他车的行驶参数的设置往往是统一固定的,这使得对被测车辆进行测试的测试场景的情况单一,无法准确反映被测车辆在实际场景中的性能。
发明内容
本发明提供了一种基于驾驶员模型的测试方法及装置,以实现对被测车辆性能的准确测试。具体的技术方案如下:
第一方面,本发明实施例提供了一种基于驾驶员模型的测试方法,所述方法包括:
根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息,其中,所述测试参与对象包括:被测车辆及其对应的他车车辆;
根据所述当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,其中,所述预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志参数、遵守交通灯参数以及并道情形相关参数中的至少一个;
在判断所述他车车辆所对应驾驶员模型中存在与所述当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,所述匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助所述被测车辆的自动驾驶算法的测试。
可选的,所述方法还包括:
在判断所述他车车辆所对应驾驶员模型中不存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控所述自动驾驶测试场景中各所述测试参与对象的运行参数,作为所述测试参与对象的当前运行参数,并执行所述根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息的步骤。
可选的,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
可选的,在所述根据所述当前场景信息以及预设对应关系,判断所述他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型的步骤之前,所述方法还包括:
输出他车车辆对应的驾驶员模型的模型参数设置界面;
基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
可选的,所述方法还包括:
获得所述被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果;
并基于所述被测车辆的决策结果,对所述自动驾驶算法进行评估。
第二方面,本发明实施例提供了一种基于驾驶员模型的测试装置,所述装置包括:
第一确定模块,被配置为根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息,其中,所述测试参与对象包括:被测车辆及其对应的他车车辆;
判断模块,被配置为根据所述当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,其中,所述预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志程度参数、遵守交通灯程度参数以及并道情形相关参数中的至少一个;
触发模块,被配置为在判断所述他车车辆所对应驾驶员模型中存在与所述当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,所述匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助所述被测车辆的自动驾驶算法的测试。
可选的,所述装置还包括:
监控模块,被配置为在判断所述他车车辆所对应驾驶员模型中不存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控所述自动驾驶测试场景中各所述测试参与对象的运行参数,作为所述测试参与对象的当前运行参数,并触发所述第一确定模块。
可选的,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
可选的,所述装置还包括:
输出模块,被配置为在所述根据所述当前场景信息以及预设对应关系,判断所述他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型之前,输出他车车辆对应的驾驶员模型的模型参数设置界面;
生成模块,被配置为基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
可选的,所述装置还包括:
获得模块,被配置为获得所述被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果;
评估模块,被配置为并基于所述被测车辆的决策结果,对所述自动驾驶算法进行评估。
由上述内容可知,本发明实施例提供的一种基于驾驶员模型的测试方法及装置,根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定自动驾驶测试场景对应的当前场景信息,其中,测试参与对象包括:被测车辆及其对应的他车车辆;根据当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与当前场景信息匹配的他车车辆所对应驾驶员模型,其中,预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志程度参数、遵守交通灯程度参数以及并道情形相关参数中的至少一个;在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助被测车辆的自动驾驶算法的测试。
应用本发明实施例,可以针对自动驾驶测试场景中被测车辆对应的全部或部分他车车辆设置其对应的驾驶员模型,在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型的情况下,触发匹配他车车辆所对应驾驶员模型,通过驾驶员模型中所包括的多种模型参数来限定所对应他车车辆对应的驾驶特征,实现他车车辆行驶的个性化,为被测车辆的测试过程提供符合实际的真实交通场景,以可以实现对被测车辆性能的真实准确的测试。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、可以针对自动驾驶测试场景中被测车辆对应的全部或部分他车车辆设置其对应的驾驶员模型,在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型的情况下,触发匹配他车车辆所对应驾驶员模型,通过驾驶员模型中所包括的多种模型参数来限定所对应他车车辆对应的驾驶特征,实现他车车辆行驶的个性化,为被测车辆的测试过程提供符合实际的真实交通场景,以可以实现对被测车辆性能的真实准确的测试。
2、为了保证各他车车辆的行驶个性化,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
3、提供模型参数设置界面,实现人机交互,以设定出真实个性化的他车车辆对应的驾驶员模型。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于驾驶员模型的测试方法的一种流程示意图;
图2为本发明实施例提供的基于驾驶员模型的测试方法的另一种流程示意图;
图3为本发明实施例提供的基于驾驶员模型的测试装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种基于驾驶员模型的测试方法及装置,以实现对被测车辆性能的准确测试。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的基于驾驶员模型的测试方法的一种流程示意图。该方法可以包括如下步骤:
S101:根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定自动驾驶测试场景对应的当前场景信息。
其中,测试参与对象包括:被测车辆及其对应的他车车辆。被测车辆为设置有待测试的自动驾驶算法的车辆,他车车辆为辅助测试被测车辆的自动驾驶算法的车辆。
本发明实施例所提供的基于驾驶员模型的测试方法,可以应用于任一具有计算能力的电子设备,该电子设备可以为终端或者服务器。在一种实现中,实现该基于驾驶员模型的测试的功能软件可以以单独的客户端软件的形式存在,也可以以目前相关的客户端软件的插件的形式存在,这都是可以的。
在一种实现方式中,自动驾驶测试场景还可以包括道路指示标识,静态障碍物以及运动行人等等。其中,道路指示标识包括但不限于:车道线、斑马线、交通指示牌、红绿灯、停车位以及交通指示箭头。静态障碍物包括但不限于:建筑物、树木以及静止的车辆、行人等。
在一种实现方式中,电子设备在启动自动驾驶测试场景后,自动驾驶测试场景中的测试参与对象,基于其自身设置的虚拟传感器针对自动驾驶测试场景中其所处的周围环境、所采集的传感器数据行驶,电子设备监控自动驾驶测试场景中各测试参与对象的运行过程,获得各测试参与对象的运行参数,作为当前运行参数,其中,该当前运行参数包括但不限于:所对应测试参与对象的位姿信息、其驾驶参数以及周围环境参数。驾驶参数包括但不限于:速度以及加速度等参数。
电子设备基于自动驾驶测试场景中各测试参与对象的当前运行参数,确定自动驾驶测试场景对应的当前场景信息。当前场景信息可以包括但不限于:测试参与对象之间的位置关系以及位置距离等例如:测试参与对象中他车车辆与被测车辆之间的位置关系以及位置距离;测试参与对象与自动驾驶测试场景中其他参照物之间的位置关系以及距离等;测试参与对象各自的行驶状态以及交通指示情况。其中,其他参照物包括但不限于:静态障碍物以及运动行人等等。行驶状态包括减速行驶、加速行驶、并道行驶以及转弯行驶等。交通指示情况包括但不限于:路口红绿灯的转换、交通指示箭头以及交通指示牌。
S102:根据当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与当前场景信息匹配的他车车辆所对应驾驶员模型。
其中,预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型。
他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志参数、遵守交通灯参数以及并道情形相关参数中的至少一个。
其中,渴望速度参数:指如果没有其他限制,车辆的驾驶员将以未受影响的最高速度行驶的选择程度,取值范围可以为0-1,渴望速度参数对应的值越大,表征所对应车辆在行驶时渴望速度越大;例如:渴望速度值的取值范围可以为:从渴望速度值a1到渴望速度值b1,渴望速度值a1小于渴望速度值b1,渴望速度值b1不大于相应车辆的车辆类型对应的最大速度值。
希望加速度参数:可以指车辆如何从当前速度转换为更高速度的动态,取值范围可以为0-1,希望加速度参数对应的值越大,表征所对应车辆在行驶时加速所用的加速度值越大;例如:加速度值的取值范围可以为:从几乎没有加速度a2到相应车辆的车辆类型的最大加速度b2。
希望减速参数:可以指车辆如何切换到较低速度的动态,取值范围可以为0-1,希望减速参数对应的值越大,表征所对应车辆在行驶时减速所用的减速度值越大;减速度值的取值范围从几乎没有减速a3到不舒服的减速速度b3。在一种情况中,该希望减速参数不适用于因领先车辆而产生的紧急制动的情况。
曲线速度参数:可以指驾驶员驾驶车辆时所允许曲线的最大速度。取值范围可以为0-1,曲线速度参数对应的值越大,表征所对应车辆在行驶时其允许的曲线速度越大;曲线速度的取值可以从焦虑驾驶的曲线速度a4到赛车极限的曲线速度b4,a4小于b4。
遵守速度限制程度参数:取值范围可以为0-1,遵守速度限制程度参数对应的值越大,表征所对应车辆在行驶时不遵守速度限制的程度越大。遵守速度限制的范围包括:从完全违反速度限制到100%遵守速度限制。
距离保持程度参数:可以指驾驶员驾驶车辆时行驶到与前车保持非常近的距离所需的时间间隔,其中,取值范围可以为0-1,距离保持程度参数对应的值越大,表征所对应驾驶员驾驶车辆行驶到与前车保持非常近的距离所需的时间间隔越小。
车道保持程度参数:可以指驾驶员驾驶车辆时保持在车道中心的能力。取值范围可以为0-1,车道保持程度参数对应的值越大,表征所对应驾驶员驾驶车辆时在车道中心的能力越强,即越保持在车道中心行驶,反之,车道保持程度参数对应的值越小,表征所对应驾驶员驾驶车辆时在车道中心的能力越弱,如在车道的两边界之间的振荡。
速度保持程度参数:指驾驶员驾驶车辆时以所需速度精确移动的能力。取值范围可以为0-1,速度保持程度参数对应的值越大,表征驾驶员驾驶车辆时以所需速度精确移动的能力越强,驾驶员驾驶车辆时以所需速度精确移动的能力从根本不匹配速度到完全保持速度。
变道速度参数:驾驶员驾驶车辆时试图改变车道的方式。限定车辆驾驶时变换车道时的横向速度从慢到高不等,其中,变道速度参数对应的值取值范围可以为0-1,变道速度参数对应的值越大车辆驾驶时变换车道时的横向速度越高。
超车冲动程度参数:可以指基于当前所处环境,驾驶员驾驶车辆时执行超车的行为的可能性。超车冲动程度参数对应的值取值范围可以为0-1,超车冲动程度参数对应的值越小,其超车的可能性越小,超车冲动程度参数对应的值为0.0时,车辆自动驾驶时不尝试超车。超车冲动程度参数对应的值为1.0时,在当前所处环境运行超车的情况下,驾驶员驾驶车辆时执行不稳定的超车行为。
远视距离参数:指车辆驾驶员向前看其他车辆和标志的预览距离。远视距离参数对应的值取值范围可以为0-1,远视距离参数对应的值越大,其预览距离越远,远视距离范围从短视距离a5到预期距离b5,其中,短视距离a5小于预期距离b5。
转向距离参数:驾驶员驾驶车辆转向时的目标距离,即从转向开始点至需要转向位置点之间的距离。目标距离较短表征驾驶员驾驶车辆时喜欢快速转向;目标距离较长表征驾驶员驾驶车辆时喜欢缓慢转向,相应的,需要打提前量。其中,目标距离的长度影响车辆转向时的转向角度的变化情况和转向角度的大小,一种情况中,目标距离越长,转向角度变化越慢,转向角度相对越小。
转向灯使用参数:指驾驶员驾驶车辆转向时,使用转向灯表示左转或右转的使用时间。使用时间可以包括:转向时不使用转向灯,在转弯前预设时间前使用转向灯。
遵守交通标志参数:表示是否遵守交通标识,包括遵守交通标志第一参数和遵守交通标志第二参数,分别表示遵守交通标志和不遵守交通标志。
遵守交通灯参数:表示是否遵守交通灯,包括遵守交通灯第一参数和遵守交通灯第二参数,分别表示遵守交通灯和不遵守交通灯。
并道情形相关参数包括并道避让参数、并道时间参数、并道速度参数、并道冲动参数以及并道转弯角度参数。并道避让参数包括并道避让第一参数和并道避让第二参数,分别表示发现多车辆并道时避让和不避让。并道时间参数表示从并道开始到并道成功之间所需时间。并道速度参数表示并道时行驶速度。并道冲动参数表示当前环境满足并道需求车辆进行并道的概率,并道冲动参数对应的取值越大,表征当前环境满足并道需求时车辆进行并道的概率越大,范围为0-1。并道转弯角度参数表示车辆并道时车辆转弯的角度。
电子设备本地或所连接的存储设备可以预先存储有预设对应关系,该预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系。将当前场景信息与预设对应关系内的场景信息进行匹配,从预设对应关系内的场景信息中,确定是否存在与当前场景信息匹配的场景信息,即判断他车车辆所对应驾驶员模型中是否存在与当前场景信息匹配的他车车辆所对应驾驶员模型。
他车车辆所对应的驾驶员模型为用于限定他车车辆所对应驾驶特征的模型,即同一场景中,不同他车车辆可以基于其所对应的驾驶员模型决策出不同的驾驶行为,例如:若他车车辆1所对应驾驶员模型中超车冲动程度参数值为0;他车车辆2所对应驾驶员模型中超车冲动程度参数值为1,在他车车辆1和他车车辆在同处于前车行驶速度缓慢,例如行驶速度低于预设第一速度值;其所在车道的相邻车道在安全距离范围内无车辆行驶,相应的他车车辆1则继续跟车行驶;而他车车辆2则基于其驾驶员模型超车行驶。
在本发明的一种实现方式中,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。以使得不同他车车辆的驾驶行为的个性化,使得自动驾驶测试场景更符合实际的车辆的驾驶环境,以便实现对被测车辆性能的更准确的测试。
S103:在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助被测车辆的自动驾驶算法的测试。
本步骤中,电子设备在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,可以认为对被测车辆进行测试的条件已触发,相应的,触发匹配他车车辆对应的驾驶员模型,匹配他车车辆基于去对应的驾驶员模型进行行驶,以便辅助被测车辆的自动驾驶算法的测试。
应用本发明实施例,可以针对自动驾驶测试场景中被测车辆对应的全部或部分他车车辆设置其对应的驾驶员模型,在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型的情况下,触发匹配他车车辆所对应驾驶员模型,通过驾驶员模型中所包括的多种模型参数来限定所对应他车车辆对应的驾驶特征,实现他车车辆行驶的个性化,为被测车辆的测试过程提供符合实际的真实交通场景,以可以实现对被测车辆性能的真实准确的测试。
并且,他车车辆设置有不同的驾驶员模型,且在当前场景环境与驾驶员模型对应的触发场景环境匹配后,才会触发相匹配的他车车辆对应的驾驶员模型,实现了测试场景的多变性,进而实现对被测车辆的全面性能测试。
在本发明的另一实施例中,所述方法还可以包括如下步骤011-012:
011:获得被测车辆基于匹配他车车辆基于其对应的驾驶员模型行驶的状态以及自动驾驶算法的行驶过程,确定的决策结果;
012:并基于被测车辆的决策结果,对自动驾驶算法进行评估。
本实现方式中,触发匹配他车车辆对应的驾驶员模型,即触发对被测车辆的自动驾驶算法的测试流程,相应的,电子设备继续监控自动驾驶测试场景中各测试参与对象的运行状态,即监控被测车辆的运行状态,获得被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果,决策结果包括被测车辆所规划的路径和驾驶参数。进而,基于被测车辆的决策结果,对自动驾驶算法进行评估,得到评估结果。以实现通过更符合实际交通场景的自动驾驶测试场景,得到更准确的被测车辆的自动驾驶算法的评估结果。
在本发明的另一实施例中,如图2所示,在图1所示流程的基础上,所述方法还可以包括:
S104:在判断他车车辆所对应驾驶员模型中不存在与当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控自动驾驶测试场景中各测试参与对象的运行参数,作为测试参与对象的当前运行参数,并执行S101。
本实现方式中,电子设备在判断他车车辆所对应驾驶员模型中不存在与当前场景信息匹配的他车车辆所对应驾驶员模型,则不触发他车车辆对应的驾驶员模型,他车车辆继续基于其所处环境以及相应的驾驶系数行驶,电子设备继续监控自动驾驶测试场景中各测试参与对象的运行参数,作为测试参与对象的当前运行参数,并返回执行S101。以实时监控自动驾驶测试场景对应的当前场景信息并执行后续的基于驾驶员模型的测试流程。
在本发明的另一实施例中,在所述S102之前,所述方法还可以包括如下步骤021-022:
021:输出他车车辆对应的驾驶员模型的模型参数设置界面。
022:基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
本实现方式中,电子设备可以提供有供测试人员设置他车车辆对应的驾驶员模型的模型参数的界面。在一种情况中,测试人员触发设置他车车辆对应的驾驶员模型的模型参数的指令,相应的,电子设备获得该指令,输出他车车辆对应的驾驶员模型的模型参数设置界面,并显示于所连接的显示设备,测试人员可以基于所显示的模型参数设置界面,触发模型参数设置操作,其中,该模型参数设置操作中携带模型参数设置信息,例如:模型参数设置信息包括:所需设置的模型参数的标识信息和模型参数对应的设置值。进而,电子设备基于所输入的模型参数设置操作携带的模型参数设置信息,修改相应的模型参数的值,以生成他车车辆对应的驾驶员模型。
下面以一具体实施例对基于驾驶员模型的测试流程进行说明:
自动驾驶测试场景中,被测车辆以40km时速正常行驶,他车车辆EV1车以20km时速在被测车辆所在车道的右侧相邻车道上行驶,其在被测车辆的行驶前方;他车车辆EV2车以30km时速在被测车辆所在车道的左侧相邻车道上行驶,其在被测车辆的行驶前方。
电子设备监控自动驾驶测试场景中各车的运行状态,以及各车之间的位置关系以及位置距离;电子设备监控得到各车即各测试参与对象的当前运行参数,例如:被测车辆的速度40km及位姿1、他车车辆EV2车的速度30km及位姿2以及他车车辆EV1车的速度20km及位姿3。电子设备基于各车的当前运行参数,确定自动驾驶测试场景对应的当前场景信息,其中,当前场景信息至少包括:被测车辆与处于右侧相邻车道上行驶的他车车辆EV1车之间的距离小于预设距离,且被测车辆与处于左侧相邻车道上行驶的他车车辆EV2车之间的距离小于预设距离;根据当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与当前场景信息匹配的他车车辆所对应驾驶员模型,其中,预设对应关系包括:他车车辆EV1车所对应驾驶员模型对应的场景信息包括:EV1车与其他车辆之间的距离小于预设距离,即表征EV1车与其他车辆之间的距离小于预设距离时触发其所对应驾驶员模型;他车车辆EV2车所对应驾驶员模型对应的场景信息包括:EV2车与其他车辆之间的距离小于预设距离,即表征EV2车与其他车辆之间的距离小于预设距离时触发其所对应驾驶员模型。
相应的,电子设备判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,即EV1车和EV2车各自对应的驾驶员模型;触发EV1车和EV2车各自对应的驾驶员模型,并启动对被测车辆的测试流程,其中,该测试流程对应有不同的测试事件,不同的测试事件的触发依赖于当前场景信息,例如基于当前场景信息可以触发的测试事件为:EV1车和EV2车并道驶入被测车辆所在车道;相应的,电子设备监控EV1车和EV2车基于其各自对应的驾驶员模型,确定驾驶参数,并执行并道驶入被测车辆所在车道的动作及其后续动作,被测车辆基于EV1车和EV2车的动作及当前的场景信息以及自动驾驶算法,确定出决策结果。电子设备获得该决策结果,并基于该决策结果对自动驾驶算法进行评估。
在另一情况中,若电子设备判断他车车辆所对应驾驶员模型中不存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型,则被测车辆仍以速度40km在其所在车道上行驶、他车车辆EV2车仍以速度30km在其所在车道上行驶,以及他车车辆EV1车仍以速度20km在其所在车道上行驶。
以上实施例仅用于距离说明基于驾驶员模型的测试流程,并不具有限定意义。
相应于上述方法实施例,本发明实施例提供了一种基于驾驶员模型的测试装置,如图3所示,所述装置可以包括:
第一确定模块310,被配置为根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息,其中,所述测试参与对象包括:被测车辆及其对应的他车车辆;
判断模块320,被配置为根据所述当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,其中,所述预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志程度参数、遵守交通灯程度参数以及并道情形相关参数中的至少一个;
触发模块330,被配置为在判断所述他车车辆所对应驾驶员模型中存在与所述当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,所述匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助所述被测车辆的自动驾驶算法的测试。
应用本发明实施例,可以针对自动驾驶测试场景中被测车辆对应的全部或部分他车车辆设置其对应的驾驶员模型,在判断他车车辆所对应驾驶员模型中存在与当前场景信息匹配的匹配他车车辆所对应驾驶员模型的情况下,触发匹配他车车辆所对应驾驶员模型,通过驾驶员模型中所包括的多种模型参数来限定所对应他车车辆对应的驾驶特征,实现他车车辆行驶的个性化,为被测车辆的测试过程提供符合实际的真实交通场景,以可以实现对被测车辆性能的真实准确的测试。
在本发明的另一实施例中,所述装置还包括:
监控模块,被配置为在判断所述他车车辆所对应驾驶员模型中不存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控所述自动驾驶测试场景中各所述测试参与对象的运行参数,作为所述测试参与对象的当前运行参数,并触发所述第一确定模块。
在本发明的另一实施例中,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
在本发明的另一实施例中,所述装置还包括:
输出模块,被配置为在所述根据所述当前场景信息以及预设对应关系,判断所述他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型之前,输出他车车辆对应的驾驶员模型的模型参数设置界面;
生成模块,被配置为基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
在本发明的另一实施例中,所述装置还包括:
获得模块,被配置为获得所述被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果;
评估模块,被配置为并基于所述被测车辆的决策结果,对所述自动驾驶算法进行评估。
上述系统、装置实施例与系统实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种基于驾驶员模型的测试方法,其特征在于,所述方法包括:
根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息,其中,所述测试参与对象包括:被测车辆及其对应的他车车辆;
根据所述当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,其中,所述预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志参数、遵守交通灯参数以及并道情形相关参数中的至少一个;
在判断所述他车车辆所对应驾驶员模型中存在与所述当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,所述匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助所述被测车辆的自动驾驶算法的测试。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
在判断所述他车车辆所对应驾驶员模型中不存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控所述自动驾驶测试场景中各所述测试参与对象的运行参数,作为所述测试参与对象的当前运行参数,并执行所述根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息的步骤。
3.如权利要求1所述的方法,其特征在于,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
4.如权利要求1-3任一项所述的方法,其特征在于,在所述根据所述当前场景信息以及预设对应关系,判断所述他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型的步骤之前,所述方法还包括:
输出他车车辆对应的驾驶员模型的模型参数设置界面;
基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
5.如权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
获得所述被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果;
并基于所述被测车辆的决策结果,对所述自动驾驶算法进行评估。
6.一种基于驾驶员模型的测试装置,其特征在于,所述装置包括:
第一确定模块,被配置为根据自动驾驶测试场景中各测试参与对象的当前运行参数,确定所述自动驾驶测试场景对应的当前场景信息,其中,所述测试参与对象包括:被测车辆及其对应的他车车辆;
判断模块,被配置为根据所述当前场景信息以及预设对应关系,判断他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,其中,所述预设对应关系包括:各场景信息与他车车辆所对应驾驶员模型的对应关系,他车车辆所对应驾驶员模型为:用于限定他车车辆所对应驾驶特征的模型,他车车辆所对应驾驶员模型对应的模型参数包括:渴望速度参数、希望加速度参数、希望减速参数、曲线速度参数、遵守速度限制程度参数、距离保持程度参数、车道保持程度参数、速度保持程度参数、变道速度参数、超车冲动程度参数、远视距离参数、转向距离参数、转向灯使用参数、遵守交通标志程度参数、遵守交通灯程度参数以及并道情形相关参数中的至少一个;
触发模块,被配置为在判断所述他车车辆所对应驾驶员模型中存在与所述当前场景信息匹配的匹配他车车辆所对应驾驶员模型,触发匹配他车车辆对应的驾驶员模型,所述匹配他车车辆基于其对应的驾驶员模型行驶,以便辅助所述被测车辆的自动驾驶算法的测试。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
监控模块,被配置为在判断所述他车车辆所对应驾驶员模型中不存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型,继续监控所述自动驾驶测试场景中各所述测试参与对象的运行参数,作为所述测试参与对象的当前运行参数,并触发所述第一确定模块。
8.如权利要求6所述的装置,其特征在于,不同他车车辆所对应的驾驶员模型对应的模型参数的当前值存在不同,和/或不同他车车辆所对应的驾驶员模型对应的模型参数的参数类型存在不同。
9.如权利要求6-8任一项所述的装置,其特征在于,所述装置还包括:
输出模块,被配置为在所述根据所述当前场景信息以及预设对应关系,判断所述他车车辆所对应驾驶员模型中是否存在与所述当前场景信息匹配的他车车辆所对应驾驶员模型之前,输出他车车辆对应的驾驶员模型的模型参数设置界面;
生成模块,被配置为基于所输入的模型参数设置操作携带的模型参数设置信息,生成他车车辆对应的驾驶员模型。
10.如权利要求6-9任一项所述的装置,其特征在于,所述装置还包括:
获得模块,被配置为获得所述被测车辆基于所述匹配他车车辆基于其对应的驾驶员模型行驶的状态以及所述自动驾驶算法的行驶过程,确定的决策结果;
评估模块,被配置为并基于所述被测车辆的决策结果,对所述自动驾驶算法进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312152.7A CN112506170B (zh) | 2020-11-20 | 2020-11-20 | 一种基于驾驶员模型的测试方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312152.7A CN112506170B (zh) | 2020-11-20 | 2020-11-20 | 一种基于驾驶员模型的测试方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112506170A true CN112506170A (zh) | 2021-03-16 |
CN112506170B CN112506170B (zh) | 2021-10-01 |
Family
ID=74959215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011312152.7A Active CN112506170B (zh) | 2020-11-20 | 2020-11-20 | 一种基于驾驶员模型的测试方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112506170B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114434466A (zh) * | 2022-03-14 | 2022-05-06 | 交通运输部公路科学研究所 | 一种汽车智能驾舱性能评测仿真机器人 |
CN115979679A (zh) * | 2023-03-22 | 2023-04-18 | 中国汽车技术研究中心有限公司 | 自动驾驶系统实际道路测试方法、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014115168A (ja) * | 2012-12-07 | 2014-06-26 | Aisin Aw Co Ltd | 車輌用走行シミュレーション装置、ドライバモデル構築方法及びドライバモデル構築プログラム |
US20170306874A1 (en) * | 2016-04-21 | 2017-10-26 | Ford Global Technologies, Llc | Vehicle driver model |
CN108725453A (zh) * | 2018-06-11 | 2018-11-02 | 南京航空航天大学 | 基于驾驶员模型和操纵逆动力学的人机共驾控制系统及其切换模式 |
CN109515316A (zh) * | 2018-10-17 | 2019-03-26 | 上海工程技术大学 | 一种交叉路口智能驾驶辅助系统及方法 |
CN109683611A (zh) * | 2018-12-20 | 2019-04-26 | 苏州观瑞汽车技术有限公司 | 一种面向无人车的运动控制器及其采用的控制方法 |
CN110232335A (zh) * | 2019-05-24 | 2019-09-13 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶场景分类方法及电子设备 |
CN111856969A (zh) * | 2020-08-06 | 2020-10-30 | 北京赛目科技有限公司 | 自动驾驶仿真测试方法及装置 |
-
2020
- 2020-11-20 CN CN202011312152.7A patent/CN112506170B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014115168A (ja) * | 2012-12-07 | 2014-06-26 | Aisin Aw Co Ltd | 車輌用走行シミュレーション装置、ドライバモデル構築方法及びドライバモデル構築プログラム |
US20170306874A1 (en) * | 2016-04-21 | 2017-10-26 | Ford Global Technologies, Llc | Vehicle driver model |
CN108725453A (zh) * | 2018-06-11 | 2018-11-02 | 南京航空航天大学 | 基于驾驶员模型和操纵逆动力学的人机共驾控制系统及其切换模式 |
CN109515316A (zh) * | 2018-10-17 | 2019-03-26 | 上海工程技术大学 | 一种交叉路口智能驾驶辅助系统及方法 |
CN109683611A (zh) * | 2018-12-20 | 2019-04-26 | 苏州观瑞汽车技术有限公司 | 一种面向无人车的运动控制器及其采用的控制方法 |
CN110232335A (zh) * | 2019-05-24 | 2019-09-13 | 国汽(北京)智能网联汽车研究院有限公司 | 驾驶场景分类方法及电子设备 |
CN111856969A (zh) * | 2020-08-06 | 2020-10-30 | 北京赛目科技有限公司 | 自动驾驶仿真测试方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114434466A (zh) * | 2022-03-14 | 2022-05-06 | 交通运输部公路科学研究所 | 一种汽车智能驾舱性能评测仿真机器人 |
CN114434466B (zh) * | 2022-03-14 | 2022-09-20 | 交通运输部公路科学研究所 | 一种汽车智能驾舱性能评测仿真机器人 |
CN115979679A (zh) * | 2023-03-22 | 2023-04-18 | 中国汽车技术研究中心有限公司 | 自动驾驶系统实际道路测试方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112506170B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112506170B (zh) | 一种基于驾驶员模型的测试方法及装置 | |
US10843689B2 (en) | Collision avoidance for a connected vehicle based on a digital behavioral twin | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
US20190354643A1 (en) | Mixed reality simulation system for testing vehicle control system designs | |
Wang et al. | Driver's various information process and multi-ruled decision-making mechanism: a fundamental of intelligent driving shaping model | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
US20200081436A1 (en) | Policy generation device and vehicle | |
US11524697B2 (en) | Computer-assisted driving method and apparatus including automatic mitigation of potential emergency | |
CN111856969A (zh) | 自动驾驶仿真测试方法及装置 | |
EP3588007B1 (en) | Information processing method and information processing device | |
EP3686863A1 (en) | Method for learning travel characteristics, and travel assistance device | |
JP2024507998A (ja) | 乗物の運転者支援システムを試験するための方法 | |
US11327878B2 (en) | Method for rating a software component of an SiL environment | |
CN110745143B (zh) | 一种车辆的控制方法、装置、设备和存储介质 | |
CN114427976A (zh) | 自动驾驶车辆的测试方法、装置及系统 | |
CN115273477B (zh) | 路口驾驶建议推送方法、装置、系统和电子设备 | |
CN115755865A (zh) | 一种商用车辅助驾驶硬件在环测试系统及方法 | |
CN109624945A (zh) | 一种主动制动控制系统、方法及汽车 | |
CN114706372A (zh) | 一种测试方法、装置、设备及存储介质 | |
CN114852068A (zh) | 一种行人避撞方法、装置、设备以及存储介质 | |
WO2020026459A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Obuhuma et al. | A software agent for vehicle driver modeling | |
Komavec et al. | Simulation Environment for Testing Autonomous Vehicles | |
Vanholme et al. | Highly automated driving on highways: System implementation on PC and automotive ECUs | |
CN115171412B (zh) | 车辆行驶状态的显示方法、系统及装置 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100070 401, 4th floor, 66 Zizhuyuan Road, Haidian District, Beijing Patentee after: Beijing Saimu Technology Co.,Ltd. Patentee after: Zhejiang saimu Technology Co.,Ltd. Address before: 100070 401, 4th floor, 66 Zizhuyuan Road, Haidian District, Beijing Patentee before: Beijing saimu Technology Co.,Ltd. Patentee before: Zhejiang saimu Technology Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |