CN112906209A - 一种面向封闭场地的车路协同测试场景可信度评估方法 - Google Patents
一种面向封闭场地的车路协同测试场景可信度评估方法 Download PDFInfo
- Publication number
- CN112906209A CN112906209A CN202110152111.4A CN202110152111A CN112906209A CN 112906209 A CN112906209 A CN 112906209A CN 202110152111 A CN202110152111 A CN 202110152111A CN 112906209 A CN112906209 A CN 112906209A
- Authority
- CN
- China
- Prior art keywords
- road
- test scene
- traffic
- credibility
- elements
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011160 research Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
一种面向封闭场地的车路协同测试场景可信度评估方法,能够提升自动驾驶、车路协同测试的有效性和可靠性,确保自动驾驶车辆实际道路测试的安全性。该方法包括:(1)确定封闭场地测试场景构成要素,基于国内外对自动驾驶测试场景的定义及分级分类研究成果,结合封闭场地测试环境特点,对测试场景要素进行分解,形成测试场景构成要素体系,具体包括:道路要素、交通参与者要素、环境要素;(2)评估测试场景各类组成要素的可信度;(3)综合评估测试场景的可信度;所述步骤(2)包括:(2.1)道路要素的可信度评估;(2.2)交通参与者状态的可信度;(2.3)环境要素的可信度评估。
Description
技术领域
本发明属于智能交通的技术领域,具体地涉及一种面向封闭场地的车路协同测试场景可信度评估方法。
背景技术
人工智能、5G通信、物联网等新兴技术的发展及其在交通领域的应用,催生了交通运输系统的第四次变革。交通运输系统步入全面自动化、高度智能化发展阶段。自动驾驶成为全球新一轮科技竞争和产业变革的制高点,正处于技术快速演进、产业加速布局的阶段。目前,自动驾驶发展路径主要是自主式自动驾驶和车路协同式自动驾驶两种,我国重点发展的是车路协同式自动驾驶,在基础设施、通信信息技术、行业管理体制等方面走出了一条有中国特色的交通智能化发展之路。车路协同技术研发与应用跨越汽车、交通、通信、互联网等多个行业,实现的功能有安全预警、辅助控制、无人驾驶等多种级别,道路环境全息感知、信息可信安全交互、异构交通流智能决策与控制等关键技术,要形成公认统一的工程应用方案,需要在标准可控环境中对技术方案的功能、可靠性及其对交通运行的影响进行测试与评估。针对此情况,世界各国开始升级换代现有的汽车试验场、交通试验场或新建专用的自动驾驶测试场地。为加速推动车路协同自动驾驶技术发展,我国已建成多个智能汽车和自动驾驶封闭测试区,陆续开展封闭场地的自动驾驶、车路协同测试工作。
针对自动驾驶、车路协同测试场景方面的研究,大部分集中于测试场景的生成、测试场景重构及优化的方法及系统等方面,很少有针对场地测试场景可信度评估的研究。国内外政府及产业普遍认为,为保障车辆在复杂的道路交通环境中安全、可靠行驶,需要通过模拟仿真测试、测试区(场)测试和实际道路测试等综合手段进行大量测试、验证。场地测试结果的可信性和可靠性关系到自动驾驶车辆能否开展实际道路测试,测试结果将直接决定实际道路交通参与者的人身和财产安全,而场地测试场景的可信性是确保场地测试有效性的前提条件,因此,亟需建立一套科学、客观的场地测试场景可信度评估方法,以确保搭建的测试环境的可信,从而保障测试结果的可靠。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种面向封闭场地的车路协同测试场景可信度评估方法,其能够提升自动驾驶、车路协同测试的有效性和可靠性,确保自动驾驶车辆实际道路测试的安全性。
本发明的技术解决方案是:这种面向封闭场地的车路协同测试场景可信度评估方法包括以下步骤:
(1)确定封闭场地测试场景构成要素,基于国内外对自动驾驶测试场景的定义及分级分类研究成果,结合封闭场地测试环境特点,对测试场景要素进行分解,形成测试场景构成要素体系,具体包括:道路要素、交通参与者要素、环境要素;
(2)评估测试场景各类组成要素的可信度;
(3)综合评估测试场景的可信度;
所述步骤(2)包括以下分步骤:
(2.1)道路要素的可信度评估;
(2.2)交通参与者状态的可信度;
(2.3)环境要素的可信度评估。
本发明针对目前研究成果多是关注于测试场景的生成、重构、优化方法的研究现状,创新性的提出了各类场景要素的可信度评估方法以及测试场景可信度综合评估方法,本成果可有效保障测试结果的可信性,提升了场景测试效率和测试数据的可信性,降低了场地测试的成本,为自动驾驶车辆实际道路测试的安全开展奠定了基础。
附图说明
图1是本发明的测试场景可信度评估流程图。
具体实施方式
如图1所示,这种面向封闭场地的车路协同测试场景可信度评估方法,该方法包括以下步骤:
(1)确定封闭场地测试场景构成要素,基于国内外对自动驾驶测试场景的定义及分级分类研究成果,结合封闭场地测试环境特点,对测试场景要素进行分解,形成测试场景构成要素体系,具体包括:道路要素、交通参与者要素、环境要素;
(2)评估测试场景各类组成要素的可信度;
(3)综合评估测试场景的可信度;
所述步骤(2)包括以下分步骤:
(2.1)道路要素的可信度评估;
(2.2)交通参与者状态的可信度;
(2.3)环境要素的可信度评估。
本发明针对目前研究成果多是关注于测试场景的生成、重构、优化方法的研究现状,创新性的提出了各类场景要素的可信度评估方法以及测试场景可信度综合评估方法,本成果可有效保障测试结果的可信性,提升了场景测试效率和测试数据的可信性,降低了场地测试的成本,为自动驾驶车辆实际道路测试的安全开展奠定了基础。
优选地,所述步骤(1)中,道路要素包括:道路等级、道路材质特征、车道数量、车道类型及宽度、路段形态特征、交叉口类型、道路交通标志标线、交通信号灯、路面覆盖特征、道路遮挡特征。
优选地,所述步骤(1)中,交通参与者要素包括:参与者类型及数量、参与物相对位置、参与者移动速度、参与者移动方向、参与者运动态势。
优选地,所述步骤(1)中,环境要素包括:气象特征、光照、信号、噪音。
优选地,所述步骤(2.1)包括以下分步骤:
第一步:采集道路等级、设计时速、车道数量、车道类型及车道宽度,路面摩擦系数、路段的曲率、半径,路段的横坡角度、纵坡角度数据,通过第三方检测机构鉴定判断测试道路是否符合道路设计相关标准规范,若符合,则道路设计可信度rb为1,否则rb为0;
第二步:采集交通标志、标线的尺寸、颜色及安装布设位置,依据相关标准判断标志标线是否符合相关标准规范,若符合,则交通标志标线的可信度rm为1,否则,rm为0;
第三步:采集交通信号灯的安装位置及角度信息,判断是否符合相关标准规范,若符合,则交通信号灯的可信度rs为1;否则,rs为0;
第四步:根据测试方提供的测试场景要求,若路面覆盖特征满足要求,则路面覆盖特征可信度rp为1,否则为0;
第五步:通过模糊算子,计算道路要素的可信度Rr
Rr=∧{rb,rm,rs,rp}
式中,∧为模糊算子“与”,为取小值。
优选地,所述步骤(2.2)中,评估交通参与者状态的可信度,通过采集交通参与者的时空信息数据,借鉴离散Fréchet距离方法,判断交通参与者行为状态的可信度;
假设测试场景中有C个交通参与者,第p个交通参与者第i时间点ti的时空位置信息为Sp(ti)=(xp,i,yp,i,ti),xp,i,yp,i分别表示第p个交通参与者第i时间点的相对空间位置坐标,p=1,2,…,C,i=1,2,…,Np。假设第p个交通参与者的标准运行状态信息为所述步骤(2.2)包括以下分步骤:
第一步:计算第p个交通参与者状态曲线与其标准运行状态曲线之间第i个时间点的距离Dp(ti)
第二步:确定第p个交通参与者与标准状态曲线距离的阈值εp;
第三步:判断第p个交通参与者运行状态的可信度;
第四步:通过综合评价方法,计算交通参与者要素的可信度Rs
式中,f(·)为综合评价函数,Rs∈[0,1]。
优选地,所述步骤(2.3)包括以下分步骤:
第一步:计算通信信号和定位信号的可信度
第二步:计算环境要素的可信度
式中,Re为交通参与者要素的可信度。
优选地,所述步骤(3)中,采用模糊综合评判、层次分析法、TOPSIS方法计算测试场景综合的可信度
R=g(Rr,Rs,Re)
式中,R表示测试场景的可信度,R∈[0,1],R=1则测试场景完全可信,R=0则测试场景不可信,g(·)为综合评价函数。
以下更详细地说明本发明。
一种面向封闭场地的车路协同测试场景可信度评估方法,具体包括三部分内容:一是,确定封闭场地测试场景的构成要素;二是,评估测试场景各类组成要素的可信度;三是,评估测试场景的可信度。具体计算流程如图1,详细的实施方式如下:
步骤1:确定封闭场地测试场景构成要素。
基于国内外对自动驾驶测试场景的定义及分级分类研究成果,结合封闭场地测试环境特点,对测试场景要素进行分解,形成测试场景构成要素体系,具体包括道路要素、交通参与者要素、环境要素等三类。
第一类:道路要素
道路特征包含道路所在区域环境、道路基本特征以及附属的交通标志标线等交通管制信息,不会随环境变化而变动。具体构成要素如下:
(1)道路等级:一级公路、二级公路、三级公路、四级公路、等外公路、城市快速路主路、城市主干路、城市次干路、城市支路、城市其他道路等。
(2)道路材质特征:沥青路面、水泥路面、砂石路面、非结构化路面等。
(3)车道数量:单车道、2车道、4车道、多车道等。
(4)车道类型及宽度:行车道、应急车道、潮汐车道、右转专用道、公交专用道、非机动车道、机非混行道等,及各类车道的宽度。
(5)路段形态特征:直道、弯道(曲率、半径)、直道坡道(纵坡角度、横坡角度)、弯道坡道(曲率、半径、纵坡角度、横坡角度)。
(6)交叉口类型:高速公路互通立交、高速公路与普通公路出入口、城市快速路与快速路交叉口、城市快速路与城市其他等级道路交叉口、主辅路出口、主辅路入口、铁道路口、环岛、Y字型交叉口、T字型交叉口、十字型交叉口、X字型交叉口、异形交叉口(含信号灯且5个方向以上)、行人通行路口。
(7)道路交通标志、标线:指示、警告、禁令、指路等交通标志,指示、禁止、警告等交通标线。
(8)交通信号灯:机动车信号灯、车道信号灯、方向指示信号灯、闪光警告信号灯、非机动车信号灯、人行横道信号灯、移动式交通信号灯等。
(9)路面覆盖特征:干燥无障碍物路面、积水路面、结冰路面、障碍物(遗撒、车辆等物体)路面、坑洼路面等。
(10)道路遮挡特征:无遮挡、隧道路段、林荫道等。
第二类:交通参与者要素
交通参与者是指场景里出现的除测试车辆以外的其他人、车以及其他影响测试车辆行驶决策的所有可能自主运动的物体或动物。
(1)参与者类型及数量:人、车、动物、其他物体等及其数量;
(2)参与物相对位置:车辆的前、后、左、右、左前方、右前方、左后方、右后方等相对位置;
(3)参与者移动速度:静止、低速移动(如骑自行车的人)、高速移动(如飞驰的汽车);
(4)参与者移动方向:相对于车辆,移动的角度;
(5)参与者运动态势:加速、减速。
第三类:环境要素
这里的环境指所有可能变化的环境因素,包含气象环境、信号环境、噪声环境等,具体如下:
(1)气象特征:降雨量、风速、温度、能见度;
(2)光照:阴天、日出日落时间、太阳光角度;
(3)信号:通信信号覆盖范围,定位信号覆盖范围;
(4)噪音:影响行人或物接收车辆发出的信号的噪音。
步骤2:评估测试场景各类组成要素的可信度。
步骤2.1:道路要素的可信度评估;
第一步:采集道路等级、设计时速、车道数量、车道类型及车道宽度,路面摩擦系数、路段的曲率、半径,路段的横坡角度、纵坡角度数据,通过第三方检测机构鉴定判断测试道路是否符合道路设计相关标准规范,若符合,则道路设计可信度rb为1,否则rb为0;
第二步:采集交通标志、标线的尺寸、颜色及安装布设位置,依据相关标准判断标志标线是否符合相关标准规范,若符合,则交通标志标线的可信度rm为1,否则,rm为0;
第三步:采集交通信号灯的安装位置及角度信息,判断是否符合相关标准规范,若符合,则交通信号灯的可信度rs为1;否则,rs为0;
第四步:根据测试方提供的测试场景要求,若路面覆盖特征满足要求,则路面覆盖特征可信度rp为1,否则为0;
第五步:通过模糊算子,计算道路要素的可信度Rr。
Rr=∧{rb,rm,rs,rp}
式中,∧为模糊算子“与”,即取小值。
步骤2.2:交通参与者状态的可信度;
评估交通参与者状态的可信度,通过采集交通参与者的时空信息数据,借鉴离散Fréchet距离方法,判断交通参与者行为状态的可信度。
假设测试场景中有C个交通参与者,第p个交通参与者第i时间点ti的时空位置信息为Sp(ti)=(xp,i,yp,i,ti),xp,i,yp,i分别表示第p个交通参与者第i时间点的相对空间位置坐标,p=1,2,…,C,i=1,2,…,Np。假设第p个交通参与者的标准运行状态信息为
第一步:计算第p个交通参与者状态曲线与其标准运行状态曲线之间第i个时间点的距离Dp(ti);
第二步:确定第p个交通参与者与标准状态曲线距离的阈值εp;
第三步:判断第p个交通参与者运行状态的可信度;
第四步:计算交通参与者要素的可信度Rs。
通过综合评价方法,计算交通参与者要素的可信度Rs,
式中,f(·)为综合评价函数,Rs∈[0,1]。
步骤2.3:环境要素的可信度评估。
环境要素主要判断通信信号和定位信号的可信度,通过通信信号覆盖范围和定位信号覆盖范围两个指标,判断是否达到场景测试要求的条件,满足测试要求则表示环境要素可信,否则不可信。
这里通过实际测量数据与测试要求阈值进行对比,判断环境要素的可信度。
第一步:计算通信信号和定位信号的可信度
第二步:计算环境要素的可信度
式中,Re为交通参与者要素的可信度。
步骤3:评估测试场景的可信度。
采用综合评价方法,如模糊综合评判、层次分析法、TOPSIS方法等计算测试场景综合的可信度。
R=g(Rr,Rs,Re)
式中,R表示测试场景的可信度,R∈[0,1],R=1则测试场景完全可信,R=0则测试场景不可信,g(·)为综合评价函数。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (8)
1.一种面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:该方法包括以下步骤:
(1)确定封闭场地测试场景构成要素,基于国内外对自动驾驶测试场景的定义及分级分类研究成果,结合封闭场地测试环境特点,对测试场景要素进行分解,形成测试场景构成要素体系,具体包括:道路要素、交通参与者要素、环境要素;
(2)评估测试场景各类组成要素的可信度;
(3)综合评估测试场景的可信度;
所述步骤(2)包括以下分步骤:
(2.1)道路要素的可信度评估;
(2.2)交通参与者状态的可信度;
(2.3)环境要素的可信度评估。
2.根据权利要求1所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(1)中,道路要素包括:道路等级、道路材质特征、车道数量、车道类型及宽度、路段形态特征、交叉口类型、道路交通标志标线、交通信号灯、路面覆盖特征、道路遮挡特征。
3.根据权利要求2所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(1)中,交通参与者要素包括:参与者类型及数量、参与物相对位置、参与者移动速度、参与者移动方向、参与者运动态势。
4.根据权利要求3所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(1)中,环境要素包括:气象特征、光照、信号、噪音。
5.根据权利要求4所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(2.1)包括以下分步骤:
第一步:采集道路等级、设计时速、车道数量、车道类型及车道宽度,路面摩擦系数、路段的曲率、半径,路段的横坡角度、纵坡角度数据,通过第三方检测机构鉴定判断测试道路是否符合道路设计相关标准规范,若符合,则道路设计可信度rb为1,否则rb为0;
第二步:采集交通标志、标线的尺寸、颜色及安装布设位置,依据相关标准判断标志标线是否符合相关标准规范,若符合,则交通标志标线的可信度rm为1,否则,rm为0;
第三步:采集交通信号灯的安装位置及角度信息,判断是否符合相关标准规范,若符合,则交通信号灯的可信度rs为1;否则,rs为0;
第四步:根据测试方提供的测试场景要求,若路面覆盖特征满足要求,则路面覆盖特征可信度rp为1,否则为0;
第五步:通过模糊算子,计算道路要素的可信度Rr
Rr=∧{rb,rm,rs,rp}
式中,∧为模糊算子“与”,为取小值。
6.根据权利要求5所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(2.2)中,评估交通参与者状态的可信度,通过采集交通参与者的时空信息数据,借鉴离散Fréchet距离方法,判断交通参与者行为状态的可信度;
假设测试场景中有C个交通参与者,第p个交通参与者第i时间点ti的时空位置信息为Sp(ti)=(xp,i,yp,i,ti),xp,i,yp,i分别表示第p个交通参与者第i时间点的相对空间位置坐标,p=1,2,…,C,i=1,2,…,Np。假设第p个交通参与者的标准运行状态信息为所述步骤(2.2)包括以下分步骤:
第一步:计算第p个交通参与者状态曲线与其标准运行状态曲线之间第i个时间点的距离Dp(ti)
第二步:确定第p个交通参与者与标准状态曲线距离的阈值εp;
第三步:判断第p个交通参与者运行状态的可信度;
第四步:通过综合评价方法,计算交通参与者要素的可信度Rs
式中,f(·)为综合评价函数,Rs∈[0,1]。
8.根据权利要求7所述的面向封闭场地的车路协同测试场景可信度评估方法,其特征在于:所述步骤(3)中,采用模糊综合评判、层次分析法、TOPSIS方法计算测试场景综合的可信度
R=g(Rr,Rs,Re)
式中,R表示测试场景的可信度,R∈[0,1],R=1则测试场景完全可信,R=0则测试场景不可信,g(·)为综合评价函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152111.4A CN112906209B (zh) | 2021-02-03 | 2021-02-03 | 一种面向封闭场地的车路协同测试场景可信度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152111.4A CN112906209B (zh) | 2021-02-03 | 2021-02-03 | 一种面向封闭场地的车路协同测试场景可信度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906209A true CN112906209A (zh) | 2021-06-04 |
CN112906209B CN112906209B (zh) | 2023-07-18 |
Family
ID=76122118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110152111.4A Active CN112906209B (zh) | 2021-02-03 | 2021-02-03 | 一种面向封闭场地的车路协同测试场景可信度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906209B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638420A (zh) * | 2022-03-22 | 2022-06-17 | 交通运输部公路科学研究所 | 道路智能度评测方法及危化品车辆道路级导航方法 |
CN115440028A (zh) * | 2022-07-22 | 2022-12-06 | 中智行(苏州)科技有限公司 | 一种基于标签化交通道路场景分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886474A (zh) * | 2019-01-24 | 2019-06-14 | 同济大学 | 一种面向自动驾驶车辆测试的封闭测试场规划方法 |
WO2019117614A1 (ko) * | 2017-12-15 | 2019-06-20 | 주식회사 웨이티즈 | V2x 적용 자율협력도로와 커넥티드카 시험 시스템 및 방법 |
CN110232257A (zh) * | 2019-07-02 | 2019-09-13 | 吉林大学 | 一种自动驾驶测试场景的构建方法及其难度系数计算方法 |
CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
CN112230228A (zh) * | 2020-09-30 | 2021-01-15 | 中汽院智能网联科技有限公司 | 一种基于场地测试技术的智能汽车视觉传感器测试方法 |
-
2021
- 2021-02-03 CN CN202110152111.4A patent/CN112906209B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019117614A1 (ko) * | 2017-12-15 | 2019-06-20 | 주식회사 웨이티즈 | V2x 적용 자율협력도로와 커넥티드카 시험 시스템 및 방법 |
CN109886474A (zh) * | 2019-01-24 | 2019-06-14 | 同济大学 | 一种面向自动驾驶车辆测试的封闭测试场规划方法 |
CN110232257A (zh) * | 2019-07-02 | 2019-09-13 | 吉林大学 | 一种自动驾驶测试场景的构建方法及其难度系数计算方法 |
CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
CN112230228A (zh) * | 2020-09-30 | 2021-01-15 | 中汽院智能网联科技有限公司 | 一种基于场地测试技术的智能汽车视觉传感器测试方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638420A (zh) * | 2022-03-22 | 2022-06-17 | 交通运输部公路科学研究所 | 道路智能度评测方法及危化品车辆道路级导航方法 |
CN114638420B (zh) * | 2022-03-22 | 2022-10-25 | 交通运输部公路科学研究所 | 道路智能度评测方法及危化品车辆道路级导航方法 |
CN115440028A (zh) * | 2022-07-22 | 2022-12-06 | 中智行(苏州)科技有限公司 | 一种基于标签化交通道路场景分类方法 |
CN115440028B (zh) * | 2022-07-22 | 2024-01-30 | 中智行(苏州)科技有限公司 | 一种基于标签化交通道路场景分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112906209B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Novikov et al. | Study of the impact of type and condition of the road surface on parameters of signalized intersection | |
CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
Sun et al. | The estimation of vehicle speed and stopping distance by pedestrians crossing streets in a naturalistic traffic environment | |
CN112906209A (zh) | 一种面向封闭场地的车路协同测试场景可信度评估方法 | |
CN104276075B (zh) | 用于控制机动车辆前车前灯的光分布的方法 | |
CN113065685B (zh) | 基于自动驾驶应用场景的高精地图交通规则模型及其实现方法 | |
CN110716529A (zh) | 一种自动驾驶测试用例自动生成方法和装置 | |
CN108648490B (zh) | 一种自动驾驶汽车限速信息响应能力的测试方法 | |
CN110599025A (zh) | 自动驾驶汽车驾驶行为可靠性指标评估方法 | |
CN108349500B (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
Ivanov et al. | Possible scenarios of autonomous vehicles’ testing in Russia | |
Gorodokin et al. | Optimization of adaptive traffic light control modes based on machine vision | |
CN109993983A (zh) | 一种基于马尔科夫链的智能交通车辆自适应诱导方法 | |
CN100585078C (zh) | 基于高速公路雾天封道适用的防道路堵车方法 | |
CN116842688A (zh) | 一种面向自动驾驶决策算法的在线合规验证系统 | |
CN116597690A (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
CN116740940A (zh) | 恶劣天气高影响路段风险预测和安全管理方法、装置和设备 | |
CN113178081B (zh) | 一种车辆汇入预警方法、装置及电子设备 | |
Janoff | The effect of visibility on driver performance: A dynamic experiment | |
Cui et al. | An automatic trigged rectangular rapid flashing beacons (RRFB) system using the roadside LiDAR sensor | |
Liu et al. | Study on test scenarios of environment perception system under rear-end collision risk | |
Ko et al. | Derivation of Assessment Scenario Elements for Automated Vehicles in the Expressway Mainline Section | |
Zhang et al. | Research on construction method and application of autonomous driving test scenario database | |
Sayed et al. | A novel approach for diagnosing road safety issues using automated computer vision techniques | |
KR102602842B1 (ko) | Its 장비 성능검증 시스템 및 이를 이용한 성능검증 방법 |
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 |