CN113432885B - 用于确定无人车的车道测试路线的方法、装置及存储介质 - Google Patents

Abstract

本公开涉及一种用于确定无人车的车道测试路线的方法、装置及存储介质，涉及无人驾驶技术领域，该方法通过根据无人车的历史道路测试数据以及预设的测试需求来确定各个车道的损失值，进而根据各个车道的损失值以及车道在路网中的拓扑关系，生成无人车的车道测试路线，以使得该车道测试路线所经过的车道是最符合该测试需求的。本公开提供的方法能够对各个车道在不同测试需求下需要被测试的倾向性进行量化，从而确保生成的车道测试路线是该测试需求下的最优路线，同时，也能够提高车道测试路线的生成效率。在实际应用场景中，用户只需给出测试需求，即可根据该测试需求生成符合该测试需求的车道测试路线，而不用基于人工经验来生成测试路线。

Description

用于确定无人车的车道测试路线的方法、装置及存储介质

技术领域

本公开涉及无人驾驶技术领域，具体地，涉及一种用于确定无人车的车道测试路线的方法、装置及存储介质。

背景技术

在无人车的道路覆盖测试中，为了充分测试无人车未行驶过的区域，或者是为了充分验证无人车的自动驾驶能力，需要选择生成供无人车行驶的路由路线。在相关技术中，一般是通过设定路由路线的起点与终点，然后按照道路拓扑关系，生成一条连接起点与终点的最短路由路线。或者是基于人工在连接起点与终点的路由路线中选择插入其他路由点，以满足特定的测试需求。

在上述技术方案中，在设计无人车的路由路线是，要么是追求路径上的最短，而无法动态考虑用户需求，要么是依赖人工经验添加路由点，不仅需要耗费大量的人力资源，还会导致设计到的路由路线并不满足测试需求。

发明内容

本公开的目的是提供一种用于确定无人车的车道测试路线的方法、装置、存储介质及电子设备，以部分地解决相关技术中存在的上述问题。

根据本公开实施例的第一方面，提供了一种用于确定无人车的车道测试路线的方法，包括：

根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性；

根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线。

在一些实施例中，所述根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，包括：

根据所述损失值，对各个所述车道进行排序；

根据排序结果，从各个所述车道中选取候选车道；

从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线。

在一些实施例中，所述从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线，包括：

从所述候选车道中选取至少两个目标车道；

确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度，其中，所述行驶路线是经过选取到的所述目标车道的路线中长度最短的路线；

在所述行驶路线的长度小于所述预设距离范围的下限值的情况下，从所述候选车道中选取一个新的目标车道，并返回执行确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度的步骤，其中，所述新的目标车道是能够使得所述行驶路线的长度不大于所述预设距离范围的上限值的车道；

在所述行驶路线的长度大于等于所述预设距离范围的下限值、且所述行驶路线的长度小于等于所述预设距离范围的上限值的情况下，将该行驶路线确定为所述车道测试路线；

在所述行驶路线的长度大于所述预设距离范围的上限值的情况下，返回执行从所述候选车道中选取至少两个目标车道的步骤。

在一些实施例中，所述根据排序结果，从各个所述车道中选取候选车道，包括：

从所述排序结果中选择处于指定排名位置的车道作为所述候选车道。

在一些实施例中，所述损失值越大表征所述车道在所述测试需求下需要被测试的倾向性越大；

所述根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，包括：

根据待构建的车道测试路线的起点、终点以及所述待构建的车道测试路线的长度范围，确定多条连接所述起点与所述终点的路径；

针对每一所述路径，根据各个所述车道在路网中的拓扑关系确定在该路径中包括的所有车道，并计算该路径中包括的所有车道的损失值之和；

将所述路径中包括的所有车道的损失值之和最大的路径作为所述无人车的车道测试路线。

在一些实施例中，所述历史道路测试数据包括所述无人车测试过的车道以及所述无人车在该车道的测试结果，所述测试结果包括所述无人车在所述车道上的测试次数、所述无人车在所述车道上的接管率以及所述无人车在所述车道上产生的失败事例的发生率中的至少一种；

所述损失值通过以下步骤获得：

根据所述车道的所述测试次数、所述接管率以及所述发生率中的任意一者或多者，计算得到所述损失值。

在一些实施例中，在所述根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值之前，所述方法还包括：

确定所述无人车的待测区域，其中，所述待测区域包括测试起点、测试终点以及测试区域范围；

根据所述测试起点、测试终点以及测试区域范围，确定所述车道，其中，所述车道是在所述测试区域范围内、且在连接所述测试起点和所述测试终点的路径上的车道。

根据本公开实施例的第二方面，提供了一种用于确定无人车的车道测试路线的装置，包括：

确定模块，配置为根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性；

路线生成模块，配置为根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线。

根据本公开实施例的第三方面，提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述方法的步骤。

根据本公开实施例的第四方面，提供了一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以如第一方面所述方法的步骤。

基于上述技术方案，通过根据无人车的历史道路测试数据以及预设的测试需求来确定各个车道的损失值，进而根据各个车道的损失值以及车道在路网中的拓扑关系，生成无人车的车道测试路线，以使得该车道测试路线所经过的车道是最符合该测试需求的。本公开提供的用于确定无人车的车道测试路线的方法能够根据历史道路测试数据以及测试需求对各个车道在该测试需求下需要被测试的倾向性进行量化，从而确保生成的车道测试路线是该测试需求下的最优路线，同时，也能够提高车道测试路线的生成效率。在实际应用场景中，用户只需给出测试需求，即可根据该测试需求生成符合该测试需求的车道测试路线，而不用基于人工经验来选择路由点生成测试路线。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例提出的一种用于确定无人车的车道测试路线的方法的应用场景的示意图；

图2是根据一示例性实施例提供的一种用于确定无人车的车道测试路线的方法的流程图；

图3是根据一示例性实施例示出的车道的示意图；

图4是根据一示例性实施例提出的确定车道测试路线的流程图；

图5是根据另一示例性实施例提出的确定车道测试路线的流程图；

图6是根据一示例性实施例提出的驾驶路线的示意图；

图7是根据一示例性实施例提出的构建车道测试路线的示意图；

图8是根据一示例性实施例提出的另一种确定车道测试路线的方法的流程图；

图9是根据一示例性实施例提出的确定车道的流程图；

图10是根据一示例性实施例提出的一种用于确定无人车的车道测试路线的装置的框图；

图11是根据一示例性实施例示出的一种电子设备700的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

根据本公开实施例，提供了一种用于确定无人车的车道测试路线的方法，该方法可以应用于电子设备，该电子设备包括但不限于终端设备、移动终端、服务器、无人驾驶车辆等设备。图1是根据一示例性实施例提出的一种用于确定无人车的车道测试路线的方法的应用场景的示意图。如图1所示，终端设备310可以从云端服务器330中获取历史道路测试数据，并根据该历史道路测试数据以及测试需求确定车道测试路线，然后将该车道测试路线发送至无人车320中，无人车320接收到车道测试路线，根据该车道测试路线进行测试。

图2是根据一示例性实施例提供的一种用于确定无人车的车道测试路线的方法的流程图，如图2所示，该方法可以包括以下步骤：

在步骤110中，根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性。

这里，历史道路测试数据是指无人车在历史道路测试过程中采集到的测试数据。在一些实施例中，该历史道路测试数据包括无人车测试过的车道以及无人车在该车道的测试结果，该测试结果包括无人车在车道上的测试次数、无人车在车道上的接管率以及无人车在车道上产生的失败事例的发生率中的至少一种。

其中，该测试次数是指无人车在该车道上的行驶次数，接管率是指无人车在该车道上进行测试时，由自动驾驶切换为人工驾驶的次数在该车道的总测试次数上的占比，发生率是指无人车在该车道上进行测试时，产生的失败事例的发生次数在该车道的总测试次数上的占比，失败事例可以包括但不限于掉头失败事例。

值得说明的是，本公开实施例提及的车道是指道路中的一段具有预设长度的道路。图3是根据一示例性实施例示出的车道的示意图。如图3所示，车道是指在一条道路中的一小段道路，如转弯的一段道路，在该车道中，无人车需要进行转弯的逻辑判断，因此车道实际上是指对无人车行驶具有明显影响的一段道路。

其中，测试需求是指需要对无人车的自动驾驶能力进行验证的需求，例如，测试需求可以是验证无人车的掉头问题是否得到改善。应当理解的是，针对不同的测试需求，各个车道的损失值不同。例如，当测试需求是验证无人车的掉头问题是否得到改善时，则根据各个车道产生掉头失败示例的发生率，计算各个车道的损失值。当测试需求是测试无人车未行驶过的车道时，则根据各个车道的测试次数计算各个车道的损失值。当测试需求是验证无人车已经出现的问题时，则根据各个车道的接管率计算各个车道的损失值。例如，通过Cost＝k/接管率，其中，Cost为损失值，k为常数。

值得说明的是，测试需求可以是一个或多个，当包括多个测试需求时，各个车道的损失值可以是根据多个测试需求计算得到的损失值进行加权得到的。例如，测试需求包括测试次数以及接管率时，损失值的计算公式可以是：Cost＝a*Cost₁+b*Cost₂，其中，Cost为总的损失值，Cost₁为测试次数的损失值，Cost₂为接管率的损失值，a、b为权重值。

另外，损失值实际上体现了车道与测试需求的匹配程度。应当理解的是，损失值的大小与需要被测试的倾向性的大小可以是根据实际情况设定的，其可以通过损失值的计算公式来设定。例如，在一些示例中，在根据测试次数计算车道的损失值时，可以根据计算式Cost＝-k*drive_times计算损失值，其中，Cost为损失值，k为常数，drive_times为测试次数。则损失值的大小与需要被测试的倾向性的大小可以是：损失值越大表征车道在测试需求下需要被测试的倾向性越大。在一些示例中，在根据测试次数计算车道的损失值时，可以根据计算式Cost＝k*drive_times计算损失值，则损失值的大小与需要被测试的倾向性的大小可以是：损失值越小表征车道在测试需求下需要被测试的倾向性越大。

在步骤120中，根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线。

这里，针对测试需求计算得到了各个车道的损失值之后，则可以根据各个车道的损失值的大小来确定各个车道在该测试需求下需要被测试的倾向性，进而根据损失值以及各个车道在路网中的拓扑关系来确定无人车的车道测试路线。例如，车道的数量为5个，当测试需求是测试无人车未行驶过的车道时，基于Cost＝k*drive_times计算各个车道的损失值，各个车道的损失值如表1所示：

表1

车道	损失值
		A	0
B	1
		C	5
D	0
		E	8

其中，根据损失值的大小，可以选择车道A、车道B以及车道D作为需要被测试的车道，然后根据车道A、车道B以及车道D在路网中的拓扑关系，确定一条连接车道A、车道B以及车道D的路径，并将该路径作为车道测试路线。

由此，通过无人车的历史道路测试数据以及预设的测试需求来确定各个车道的损失值，进而根据各个车道的损失值以及车道在路网中的拓扑关系，生成无人车的车道测试路线，以使得该车道测试路线所经过的车道是最符合该测试需求的。本公开提供的用于确定无人车的车道测试路线的方法能够根据历史道路测试数据以及测试需求对各个车道在该测试需求下需要被测试的倾向性进行量化，从而确保生成的车道测试路线是该测试需求下的最优路线，同时，也能够提高车道测试路线的生成效率。在实际应用场景中，用户只需给出测试需求，即可根据该测试需求生成符合该测试需求的车道测试路线，而不用基于人工经验来选择路由点生成测试路线。

图4是根据一示例性实施例提出的确定车道测试路线的流程图。如图4所示，在一些可以实现的实施方式中，步骤120中，根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，可以包括以下步骤：

在步骤121中，根据所述损失值，对各个所述车道进行排序。

这里，当损失值越小表征车道在测试需求下需要被测试的倾向性越大时，则可以根据各个车道的损失值，对各个车道进行从小到大的排序。当损失值越大表征车道在测试需求下需要被测试的倾向性越大时，可以根据各个车道的损失值，对各个车道进行从大到小的排序。

在步骤122中，根据排序结果，从各个所述车道中选取候选车道。

这里，候选车道是指从多个车道选择出的符合测试需求的车道。其中，选取候选车道可以是选取处于指定排名位置的车道作为候选车道。例如，车道的数量为100个，在根据车道的损失值进行从小到大进行排序之后，从排序结果中选择排名在第一位置的车道作为候选车道，或者是，根据排序结果将处于第一位置至第50位的车道作为候选车道。

在步骤123中，从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线。

这里，选取到的候选车道的数量可以为一个或多个，在选取到的候选车道的数量为一个时，可以根据预先设定的车道测试路线的起点以及终点，在路网的拓扑关系上选择一条经过该候选车道、起点以及终点的行驶路线，该行驶路线为车道测试路线，其中，该行驶路线的长度在预设距离范围内。例如，预设距离范围为40至60km，则经过该候选车道、起点以及终点的行驶路线有多条，分别是行驶路线A：39km、行驶路线B：55km、行驶路线C：68km，则选择的车道测试路线为行驶路线B。应当理解的是，在多条行驶路线均经过该候选车道、起点以及终点、且行驶路线的长度均在预设距离范围内，则可以选择长度最短的行驶路线作为车道测试路线，或者是随机选取一条行驶路线作为车道测试路线。

在选取到的候选车道的数量为多个时，可以根据路网的拓扑关系，现在经过多个候选车道的行驶路线，该行驶路线为车道测试路线，其中，该行驶路线的长度在预设距离范围内。值得说明的是，在选取到的候选车道的数量为多个时，车道测试路线的起点和终点可以为该车道测试路线中的一个车道，也可以是在确定车道测试路线之后，在该车道测试路线中插入起点与终点，得到最终的车道测试路线。

应当理解的是，在选取到的候选车道的数量为多个时，行驶路线经过的车道在路网的拓扑关系上可以没有先后顺序。

图5是根据另一示例性实施例提出的确定车道测试路线的流程图。如图5所示，在一些可以实现的实施方式中，步骤123中，从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线可以包括以下步骤：

在步骤1231中，从所述候选车道中选取至少两个目标车道。

这里，在选择目标车道时，可以随机从候选车道中选取至少两个目标车道，也可以根据候选车道的损失值，选择至少两个损失值与测试需求最匹配的候选车道作为目标车道。

在步骤1232中，确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度，其中，所述行驶路线是经过选取到的所述目标车道的路线中长度最短的路线。

这里，在路网中，经过选取到的目标车道的路线可能包括一条或多条，行驶路线是指经过选取到的所有目标车道的路线中长度最短的路线。图6是根据一示例性实施例提出的驾驶路线的示意图，如图6所示，选取到的目标车道包括目标车道A、目标车道B以及目标车道C，其中，在路网中，连接目标车道A与目标车道B的路线包括第一路线10、第二路线20以及第三路线30，其中，第二路线20最短；连接目标车道B与目标车道C的路线包括第四路线40以及第五路线50，其中，第四路线40最短；连接目标车道A与目标车道C的路线包括第六路线60。则经过目标车道A、目标车道B以及目标车道C的路线包括多条，其中，长度最短的路线为由第二路线20和第四路线40组成的路线，则由第二路线20和第四路线40组成的路线为行驶路线。值得说明的是，在以目标车道A作为车道测试路线的起点以及终点的情况下，行驶路线包括第二路线20、第四路线40以及第六路线60，其先后顺序可以根据实际情况设置。

在步骤1233中，判断行驶路线的长度是否小于等于预设距离范围的上限值。

这里，该预设距离范围是根据无人车的测试需求制定的一个长度，其中预设距离范围可以是一个范围值，如40～60km。在行驶路线的长度大于预设距离范围的上限值的情况下，返回执行步骤1231，以重新从候选车道中选取至少两个目标车道。应当理解的是，行驶路线的长度大于预设距离范围的上限值说明在路网的拓扑关系中，经过选取到的目标车道的驾驶路线超过了预设距离范围的上限值，因此，该选取到的目标车道不在测试范围内。

在步骤1234中，判断行驶路线的长度是否小于预设距离范围的下限值。

这里，在行驶路线的长度小于等于预设距离范围的上限值的情况下，进一步判断行驶路线的长度是否小于预设距离范围的下限值。例如，行驶路线的长度为55km，预设距离范围为40～60km，其中，先判断55km是否小于等于60km，再判断55km是否大于等于40km。

在步骤1235中，从所述候选车道中选取一个新的目标车道，其中，所述新的目标车道是能够使得所述行驶路线的长度不大于所述预设距离范围的上限值的车道。

这里，在行驶路线的长度小于预设距离范围的下限值的情况下，从候选车道中选取一个新的目标车道，并根据该新的目标车道返回执行步骤1232，以确定根据拓扑关系确定到的经过选取到的目标车道的行驶路线的长度。

其中，选取到的新的目标车道是能够使得经过选取到的所有目标车道的行驶路线不大于预设距离范围的上限值的车道。当选取到的新的目标车道使得经过选取到的所有目标车道的行驶路线大于预设距离范围的上限值时，则舍弃该选取到的新的目标车道，再重新从候选车道中选取一个新的目标车道。例如，在步骤1232中，选取到的目标车道包括目标车道A、目标车道B以及目标车道C，经过目标车道A、目标车道B以及目标车道C的行驶路线的长度小于40km时，则从候选车道中再选择一个新的目标车道D，再计算经过目标车道A、目标车道B、目标车道C以及目标车道D的行驶路线的长度。当经过目标车道A、目标车道B、目标车道C以及目标车道D的行驶路线的长度大于预设距离范围的上限值时，则舍弃目标车道D，再从候选车道中选取一个新的目标车道E，当经过目标车道A、目标车道B、目标车道C以及目标车道E的行驶路线的长度不大于预设距离范围的上限值时，返回执行步骤1232。

应当理解的是，在原有的目标车道中再加入一个或多个目标车道时，其构成的经过所有目标车道的行驶路线始终是经过该目标车道的所有路线中长度最短的路线。

在步骤1236中，将该行驶路线确定为所述车道测试路线。

这里，在行驶路线的长度大于等于预设距离范围的下限值、且行驶路线的长度小于等于预设距离范围的上限值的情况下，将该行驶路线确定为车道测试路线。例如，行驶路线的长度为55km，预设距离范围为40～60km，其中，55km满足小于等于60km、且55km大于等于40km的条件，则确定到的行驶路线为车道测试路线。

下面结合附图7对上述实施方式进行详细说明。

图7是根据一示例性实施例提出的构建车道测试路线的示意图。如图7所示，从候选车道中选取出目标车道1、目标车道2以及目标车道3，经过目标车道1、目标车道2以及目标车道3的行驶路线为“目标车道1→目标车道2→目标车道3→目标车道1”，若该行驶路线的长度大于预设距离范围的上限值，则舍弃目标车道1、目标车道2以及目标车道3，重新在候选车道中选取目标车道；若该行驶路线的长度小于预设距离范围的下限值，则从候选车道中再选取一个目标车道4，经过目标车道1、目标车道2、目标车道3以及目标车道4的行驶路线为“目标车道1→目标车道2→目标车道4→目标车道3→目标车道1”，若目标车道4使得“目标车道1→目标车道2→目标车道4→目标车道3→目标车道1”的行驶路线的长度大于预设距离范围的上限值，则舍弃目标车道4，并重新在候选车道中选取一个新的目标车道。当该行驶路线的长度小于预设距离范围的下限值时，再从候选车道中选取目标车道5，经过目标车道1、目标车道2、目标车道3、目标车道4以及目标车道5的行驶路线为“目标车道1→目标车道2→目标车道5→目标车道4→目标车道3→目标车道1”，该行驶路线的长度在预设距离范围内，则“目标车道1→目标车道2→目标车道5→目标车道4→目标车道3→目标车道1”为车道测试路线。

图8是根据一示例性实施例提出的另一种确定车道测试路线的方法的流程图。如图8所示，在一些可以实现的实施方式中，损失值越大表征车道在测试需求下需要被测试的倾向性越大。应当理解的是，在上述实施方式中已经对损失值的相关概念进行了详细说明，在此不再赘述。其中，步骤120中，根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，包括以下步骤：

在步骤210中，根据待构建的车道测试路线的起点、终点以及所述待构建的车道测试路线的长度范围，确定多条连接所述起点与所述终点的路径。

这里，用户在对无人车的驾驶能力进行测试时，可以设定车道测试路线的起点、终点以及长度范围。其中，长度范围可以是一个范围值，例如，待构建的车道测试路线的长度为40～60km。在确定了起点、终点以及长度范围之后，可以根据道路的拓扑关系生成多条连接该起点与终点、以及长度在该长度范围内的路径。

在步骤220中，针对每一所述路径，根据各个所述车道在路网中的拓扑关系确定在该路径中包括的所有车道，并计算该路径中包括的所有车道的损失值之和。

这里，在确定出多条路径之后，计算每条路径中包括的所有车道的损失值之和。例如，对于路径A，若该路径A中包括3个车道，则计算3个车道的损失值之和。

在步骤230中，将所述路径中包括的所有车道的损失值之和最大的路径作为所述无人车的车道测试路线。

这里，由于损失值越大表征车道在对应的测试需求下需要被测试的倾向性越大，损失值之和越大的路径中包括的车道与测试需求的匹配程度越大，因此，将所有路径中包括的所有车道的损失值之和最大的路径作为无人车的车道测试路线。例如，当测试需求是测试无人车未行驶过的车道时，可以根据计算式Cost＝-k*drive_times计算损失值，其中，Cost为损失值，k为常数，drive_times为测试次数，则一个车道被测试的次数越少，该车道的损失值越大。例如，一个车道的测试次数是0次，另一个车道的测试次数是10次，则测试次数是0次的车道的损失值大于测试次数是10次的车道。

由此，通过将路径中包括的所有车道的损失值之和最大的路径作为无人车的车道测试路线，可以在一次测试过程中，选择在总体上最符合测试需求的一条路径作为无人车的车道测试路线。

图9是根据一示例性实施例提出的确定车道的流程图。如图9所示，在步骤110之前，所述方法还可以包括以下步骤：

在步骤101中，确定所述无人车的待测区域，其中，所述待测区域包括测试起点、测试终点以及测试区域范围。

这里，待测区域是指用户需要测试的一个区域，其可以是一个城市，也可以是城市中的一个区。例如，北京市朝阳区。其中，测试起点、测试终点是指用户根据测试需求设定的无人车的起点以及终点，测试区域范围则是指无人车的测试范围大小，其是指在测试过程中无人车的预计测试区域，例如，北京市朝阳区。

在步骤102中，根据所述测试起点、测试终点以及测试区域范围，确定所述车道，其中，所述车道是在所述测试区域范围内、且在连接所述测试起点和所述测试终点的路径上的车道。

这里，所确定的车道是指在测试区域范围内、而且位于连接测试起点与测试终点的路径上的车道。例如，测试区域范围为北京市朝阳区，则最后确定到的车道是处于北京市朝阳区内、且能够位于连接测试起点与测试终点的路径上的车道。由此，在进行损失值计算时，可以减少数据的获取量以及计算量。

图10是根据一示例性实施例提出的一种用于确定无人车的车道测试路线的装置的框图。如图10所示，该装置包括：

确定模块1301，配置为根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性；

路线生成模块1302，配置为根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线。

在一些实施例中，所述路线生成模块1302包括：

排序单元，配置为根据所述损失值，对各个所述车道进行排序；

选取单元，配置为根据排序结果，从各个所述车道中选取候选车道；

路线确定单元，配置为从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线。

在一些实施例中，所述路线确定单元具体配置为：

从所述候选车道中选取至少两个目标车道；

确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度，其中，所述行驶路线是经过选取到的所述目标车道的路线中长度最短的路线；

在所述行驶路线的长度小于所述预设距离范围的下限值的情况下，从所述候选车道中选取一个新的目标车道，并返回执行确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度的步骤；其中，所述新的目标车道是能够使得所述行驶路线的长度不大于所述预设距离范围的上限值的车道；

在所述行驶路线的长度大于等于所述预设距离范围的下限值、且所述行驶路线的长度小于等于所述预设距离范围的上限值的情况下，将该行驶路线确定为所述车道测试路线；

在所述行驶路线的长度大于所述预设距离范围的上限值的情况下，返回执行从所述候选车道中选取至少两个目标车道的步骤。

在一些实施例中，所述路线确定单元具体配置为：

从所述排序结果中选择处于指定排名位置的车道作为所述候选车道。

在一些实施例中，所述损失值越大表征所述车道在所述测试需求下需要被测试的倾向性越大；所述路线生成模块1302包括：

路径确定单元，配置为根据待构建的车道测试路线的起点、终点以及所述待构建的车道测试路线的长度范围，确定多条连接所述起点与所述终点的路径；

计算单元，配置为针对每一所述路径，根据各个所述车道在路网中的拓扑关系确定在该路径中包括的所有车道，并计算该路径中包括的所有车道的损失值之和；

将所述路径中包括的所有车道的损失值之和最大的路径作为所述无人车的车道测试路线。

在一些实施例中，所述历史道路测试数据包括所述无人车测试过的车道以及所述无人车在该车道的测试结果，所述测试结果包括所述无人车在所述车道上的测试次数、所述无人车在所述车道上的接管率以及所述无人车在所述车道上产生的失败事例的发生率中的至少一种；

所述确定模块1301具体配置为：

根据所述车道的所述测试次数、所述接管率以及所述发生率中的任意一者或多者，计算得到所述损失值。

在一些实施例中，所述装置还包括：

待测区域确定模块1301，配置为确定所述无人车的待测区域，其中，所述待测区域包括测试起点、测试终点以及测试区域范围；

车道确定模块1301，配置为根据所述测试起点、测试终点以及测试区域范围，确定所述车道，其中，所述车道是在所述测试区域范围内、且在连接所述测试起点和所述测试终点的路径上的车道。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图11是根据一示例性实施例示出的一种电子设备700的框图。如图11所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。

其中，处理器701用于控制该电子设备700的整体操作，以完成上述的用于确定无人车的车道测试路线的方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如地图数据、历史道路测试数据、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。

在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于确定无人车的车道测试路线的方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的用于确定无人车的车道测试路线的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的用于确定无人车的车道测试路线的方法。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的用于确定无人车的车道测试路线的方法的代码部分。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (9)

1.一种用于确定无人车的车道测试路线的方法，其特征在于，包括：

根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性；

根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线；

所述根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，包括：

根据所述损失值，对各个所述车道进行排序；

根据排序结果，从各个所述车道中选取候选车道；

从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线。

2.根据权利要求1所述的用于确定无人车的车道测试路线的方法，其特征在于，所述从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线，包括：

从所述候选车道中选取至少两个目标车道；

确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度，其中，所述行驶路线是经过选取到的所述目标车道的路线中长度最短的路线；

在所述行驶路线的长度小于所述预设距离范围的下限值的情况下，从所述候选车道中选取一个新的目标车道，并返回执行确定根据所述拓扑关系确定到的经过选取到的所述目标车道的行驶路线的长度的步骤，其中，所述新的目标车道是能够使得所述行驶路线的长度不大于所述预设距离范围的上限值的车道；

在所述行驶路线的长度大于等于所述预设距离范围的下限值、且所述行驶路线的长度小于等于所述预设距离范围的上限值的情况下，将该行驶路线确定为所述车道测试路线；

在所述行驶路线的长度大于所述预设距离范围的上限值的情况下，返回执行从所述候选车道中选取至少两个目标车道的步骤。

3.根据权利要求1所述的用于确定无人车的车道测试路线的方法，其特征在于，所述根据排序结果，从各个所述车道中选取候选车道，包括：

从所述排序结果中选择处于指定排名位置的车道作为所述候选车道。

4.根据权利要求1所述的用于确定无人车的车道测试路线的方法，其特征在于，所述损失值越大表征所述车道在所述测试需求下需要被测试的倾向性越大；

所述根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线，包括：

根据待构建的车道测试路线的起点、终点以及所述待构建的车道测试路线的长度范围，确定多条连接所述起点与所述终点的路径；

针对每一所述路径，根据各个所述车道在路网中的拓扑关系确定在该路径中包括的所有车道，并计算该路径中包括的所有车道的损失值之和；

将所述路径中包括的所有车道的损失值之和最大的路径作为所述无人车的车道测试路线。

5.根据权利要求1至4中任一项所述的用于确定无人车的车道测试路线的方法，其特征在于，所述历史道路测试数据包括所述无人车测试过的车道以及所述无人车在该车道的测试结果，所述测试结果包括所述无人车在所述车道上的测试次数、所述无人车在所述车道上的接管率以及所述无人车在所述车道上产生的失败事例的发生率中的至少一种；

所述损失值通过以下步骤获得：

根据所述车道的所述测试次数、所述接管率以及所述发生率中的任意一者或多者，计算得到所述损失值。

6.根据权利要求1所述的用于确定无人车的车道测试路线的方法，其特征在于，在所述根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值之前，所述方法还包括：

确定所述无人车的待测区域，其中，所述待测区域包括测试起点、测试终点以及测试区域范围；

根据所述测试起点、测试终点以及测试区域范围，确定所述车道，其中，所述车道是在所述测试区域范围内、且在连接所述测试起点和所述测试终点的路径上的车道。

7.一种用于确定无人车的车道测试路线的装置，其特征在于，包括：

确定模块，配置为根据历史道路测试数据以及预设的测试需求，确定各个车道的损失值，所述损失值表征所述车道在所述测试需求下需要被测试的倾向性；

路线生成模块，配置为根据所述损失值以及各个所述车道在路网中的拓扑关系，确定所述无人车的车道测试路线；

路线生成模块包括：

排序单元，配置为根据所述损失值，对各个所述车道进行排序；

选取单元，配置为根据排序结果，从各个所述车道中选取候选车道；

路线确定单元，配置为从所述拓扑关系中，选择能够行驶经过至少一个所述候选车道的行驶路线，使得所述行驶路线的长度在预设距离范围内，并将该行驶路线确定为所述车道测试路线。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

9.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。

Images