CN113468678A - 一种自动驾驶算法准确度的计算方法及装置 - Google Patents

Abstract

本申请提供了一种自动驾驶算法准确度的计算方法及装置，其中，该方法包括：在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数；将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件；实车驾驶数据为读取的实车驾驶测试中的数据；获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。本申请通过计算自动驾驶算法准确度，解决了如何衡量自动驾驶算法和实车测试的运行性能或测试结果的一致性的技术问题。

Description

一种自动驾驶算法准确度的计算方法及装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶算法准确度的计算方法及装置。

背景技术

自动驾驶技术不仅能够提高交通出行安全，缓解交通拥堵，还能够提高道路通行效率。目前，自动驾驶技术在感知、决策和控制技术方面已趋于成熟，而影响自动驾驶技术进一步发展的主要阻力是对其安全性的顾虑。

为确保自动驾驶车辆的安全性，需要在自动驾驶仿真平台上，针对自动驾驶算法在不同测试场景下进行大量的测试，以考察自动驾驶算法在不同测试场景下的表现。同时，也需要确定在不同测试场景下自动驾驶的实车测试的表现，进而确定自动驾驶的仿真测试和实车测试运行情况。

但是自动驾驶的仿真测试和实车测试的运行情况往往不一致，现有技术中缺少衡量这种评价自动驾驶的仿真测试和实车测试不一致的评价方法。

发明内容

有鉴于此，本申请的目的在于至少提供一种自动驾驶算法准确度的计算方法及装置，通过计算相同场景下的自动驾驶仿真测试结果和实车测试结果的准确度，解决了如何衡量自动驾驶的仿真测试和实车测试的运行性能或测试结果的一致性的技术问题，达到了为判断自动驾驶算法在实际车辆上应用情况的提供依据的技术效果。

本申请主要包括以下几个方面：

第一方面，本申请实施例提供一种自动驾驶算法准确度的计算方法，该计算方法包括：在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数；将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件；实车驾驶数据为读取的实车驾驶测试中的数据；获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。

可选地，将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件，包括：依据时间顺序读取实车驾驶数据；当实车驾驶数据的数据值在一时刻与事件触发参数的数据值相同时，确定此时刻为第一时刻；从第一时刻开始，继续读取实车驾驶数据，直至在另一时刻的实车驾驶数据的数据值与事件结束参数的数据值相同时，确定此时刻为第二时刻；将从第一时刻至第二时刻之间的实车驾驶数据的数据值，确定为与仿真驾驶事件对应的实车驾驶事件。

可选地，确为与仿真驾驶事件对应的实车驾驶事件之后，方法还包括：判断实车驾驶数据是否读取完成；若实车驾驶测试中的数据没有读取完成，则依据时间顺序读取实车驾驶数据。

可选地，根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度，包括：计算仿真测试结果数据与实车测试结果数据的均方误差；根据均方误差确定目标自动驾驶算法的准确度。

可选地，根据均方误差确定目标自动驾驶算法的准确度，包括：若均方误差小于预置阈值时，则先计算预置阈值与均方误差的差值，再计算差值与预置阈值的比值，确定比值为目标自动驾驶算法的准确度；若均方误差大于或等于预置阈值时，则确定目标自动驾驶算法的准确度为0。

可选地，实车测试结果数据和仿真测试结果数据包括：响应距离、加速度、速度和转向角。

可选地，实车驾驶数据包括至少以下一种：行驶数据、车道线数据、交通标志及交通信号灯数据、交通参与物数据。

第二方面，本申请实施例还提供一种自动驾驶算法准确度的计算装置，该装置包括：执行模块，用于在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；第一确定模块，用于根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数；第二确定模块，用于将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件；实车驾驶数据为读取的实车驾驶测试中的数据；获取模块，用于获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；第三确定模块，用于根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，存储器存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储器之间通过总线进行通信，机器可读指令被处理器运行时执行如上述的自动驾驶算法准确度的计算方法的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如上述的自动驾驶算法准确度的计算方法的步骤。

本申请实施例提供的一种自动驾驶算法准确度的计算方法及装置，该计算方法包括：在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数；将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件；实车驾驶数据为读取的实车驾驶测试中的数据；获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。通过计算相同场景下的自动驾驶仿真测试结果和实车测试结果的准确度，解决了如何衡量自动驾驶的仿真测试和实车测试的运行性能或测试结果的一致性的技术问题，达到了为判断自动驾驶算法在实际车辆上应用情况的提供依据的技术效果。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本申请实施例所提供的一种自动驾驶算法准确度的计算方法的流程图。

图2示出了本申请实施例所提供的另一种自动驾驶算法准确度的计算方法的流程图。

图3示出了本申请实施例所提供的一种自动驾驶算法准确度的计算装置的结构示意图。

图4示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中的附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本申请保护的范围。

现有技术的缺点是在相同场景下，自动驾驶的仿真测试和实车测试的运行情况往往不一致的情况下，而现有技术缺少衡量这种评价自动驾驶的仿真测试和实车测试是否一致的方法，进而无法判断自动驾驶算法与车辆的结合情况。

基于此，本申请实施例提供了一种自动驾驶算法准确度的计算方法，通过计算相同场景下的自动驾驶仿真测试结果和实车测试结果的准确度，解决了如何衡量自动驾驶的仿真测试和实车测试的运行性能或测试结果的一致性的技术问题，达到了为判断自动驾驶算法在实际车辆上应用情况的提供依据的技术效果。

具体操作如下：

请参阅图1，图1为本申请实施例所提供的一种自动驾驶算法准确度的计算方法的流程图。如图1所示，本申请实施例提供的自动驾驶算法准确度的计算方法，包括以下步骤：

S101、在测试场景执行目标自动驾驶算法，得到仿真驾驶数据。

具体的，测试场景包括标准场景和泛化场景，标准场景是由标准场景参数组成的，泛化场景是根据标准场景参数的范围，依据预置泛化值在标准场景参数取值范围内确定泛化场景参数，组成泛化场景。

具体的，仿真驾驶数据是在自动驾驶算法运行时得到的仿真行驶数据、仿真车道线数据、仿真交通标志及交通信号灯数据、仿真交通参与物数据。

S102、根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数。

具体的，将多个仿真驾驶数据确定为仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数，通过事件触发参数和事件结束参数可以确定仿真驾驶事件名称。

具体的，事件触发参数指的是仿真驾驶事件开始时刻的仿真驾驶数据。事件结束参数指的是仿真驾驶事件结束时刻的仿真驾驶数据。

示例性的，事件触发参数是仿真行驶方向交通信号灯为绿色，仿真交通参与物为扫描到行人，事件结束参数是仿真行驶方向交通信号灯不是绿色，仿真交通参与物为没有扫描到行人。

S103、将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件。其中，实车驾驶数据为读取的实车驾驶测试中的数据。

具体的，实车驾驶数据为读取的实车驾驶测试中的数据，即，实车驾驶数据为在进行实车驾驶测试时，车辆上的传感器等装置收集到的实车驾驶测试中的数据，通过读取实车驾驶测试中的数据可以得到实车驾驶数据。

具体的，实车驾驶测试是将自动驾驶算法与真实车辆结合，组成的具有自动驾驶功能的车辆，将该车辆在封闭场地、半封闭场地和实际道路进行运行测试。实车驾驶测试中的数据是车辆采集的图像数据、视频数据、激光雷达数据等感知数据、车辆实际运行的数据。

具体的，实车驾驶数据包括至少以下一种：行驶数据、车道线数据、交通标志及交通信号灯数据、交通参与物数据。

其中，行驶数据包括：速度、加速度、转向；车道线数据包括：车道线类型、车道线位置；交通标志及交通信号灯数据包括：交通标志类型、交通标志位置、交通灯类型、交通灯状态、交通灯位置；交通参与物数据包括：交通参与物类型、交通参与物数量、交通参与物位置、交通参与物运动状态。

其中，将实车驾驶数据与事件触发参数和事件结束参数进行对比，读取实车驾驶参数，当实车驾驶数据在z₁时刻与事件触发参数相同，继续读取实车驾驶数据，当实车驾驶数据在z₂时刻与事件结束参数相同时，则确定从z₁时刻至z₂时刻的实车驾驶数据的数据值为与仿真驾驶事件对应的实车驾驶事件。

或者，为了更好地判定数据趋势，还可以获取满足仿真触发参数和仿真结束参数的前后若干秒（默认5s）的数据。

请参阅以下表格，下表提供了三种可能的实施例：

表1

示例A，读取实车驾驶数据时，在z₁时刻扫描到行驶方向交通信号灯为绿色，且交通参与物为扫描到行人，则将交通标志信号灯数据记为1（交通标志信号灯数据记为1表示行驶方向信号灯为绿灯），交通参与物数据记为1（交通参与物数据记为1表示扫描到行人），则在z₁时刻实车驾驶数据的数据值与表1当中的示例A的事件触发参数相同；继续读取实车驾驶数据，当在z₂时刻读取到行驶方向交通信号灯不是绿色，交通参与物为没有扫描到行人，则将交通标志信号灯数据不记为1（即，行驶方向信号灯为黄灯则交通标志信号灯数据记为2，行驶方向信号灯为红灯则交通标志信号灯数据记为3），交通参与物数据不记为1（即，交通参与物数据不记为1表示没有扫描到行人），则在z₂时刻实车驾驶数据的数据值与表1当中的示例A的事件结束参数相同；进而确定在z₁时刻至z₂时刻的实车驾驶事件的事件名称是在行驶方向交通信号灯为绿灯时且有行人通过，且在z₁时刻至z₂时刻的实车驾驶事件与仿真驾驶事件的示例A对应。

示例B，读取实车驾驶数据时，在z₁时刻扫描到交通参与物为前方有车辆，且交通参与物的运动状态为前车车辆车速在50km/h以上，前车车辆减速度为大于4m/s²，前车车辆与本车车距在40m±5m之间，则将交通参与物数据记为3（交通参与物数据记为3表示扫描到正前方有车辆），交通参与物运动状态记为前车车辆车速＞50km/h，前车车辆减速度＞4m/s²，35≤车距≤45，则在z₁时刻实车驾驶数据的数据值与表1当中的示例B的事件触发参数相同；继续读取实车驾驶数据，当在z₂时刻读取到前方车辆与本车车距大于45m，则将交通参与物运动状态记为车距＞45m，则在z₂时刻实车驾驶数据的数据值与表1当中的示例B的事件结束参数相同；进而确定在z₁时刻至z₂时刻的实车驾驶事件的事件名称是为前方车辆紧急制动，且在z₁时刻至z₂时刻的实车驾驶事件与仿真驾驶事件的示例B对应。

示例C，读取实车驾驶数据时，在z1时刻扫描到交通参与物为左/右前方有车辆a，仿真车道线数据为左/右前方车道线被遮挡，则将交通参与物扫描到左/右前方有车辆a记为2（交通参与物数据记为2表示扫描到左/右前方有车辆），并标记扫描到的车辆a的外部特征，将车道线数据记为1（车道线数据记为1表示车道线被遮挡），则在z₁时刻实车驾驶数据的数据值与表1当中的示例C的事件触发参数相同；继续读取实车驾驶数据，当在z₂时刻读取到交通参与物为扫描到在左/右前方有车辆a或者正前方有车辆a，车道线数据为左/右前方车道线没有被遮挡，则交通参与物记为2或者3（交通参与物数据记为3表示扫描到正前方有车辆a），车道线数据记为0（车道线数据记为0表示左/右前方车道线没有被遮挡），则在z₂时刻实车驾驶数据的数据值与表1当中的示例C的事件结束参数相同；进而确定在z₁时刻至z₂时刻的实车驾驶事件的事件名称是前方车辆变道驶入，且在z₁时刻至z₂时刻的实车驾驶事件与仿真驾驶事件的示例C对应。

S104、获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据。

具体的，将仿真驾驶事件对应的测试场景通过运行自动驾驶算法，得到仿真测试结果数据。在实车驾驶测试时，可以得到实车驾驶事件对应的实车测试结果数据。

S105、根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。

具体的，通过计算仿真测试结果数据和实车测试结果数据的均方误差，通过均方误差可以确定目标自动驾驶算法的准确度。

具体的，还可以通过计算仿真测试结果数据和实车测试结果数据的相似度来确定目标自动驾驶算法的准确度，即，通过计算仿真驾驶测试结果数据与实车结果数据的比值，通过比值来确定目标自动驾驶算法的准确度。

请参阅图2，图2为本申请实施例所提供的另一种自动驾驶算法准确度的计算方法的流程图。如图2所示，本申请实施例提供的另一种自动驾驶算法准确度的计算方法，包括以下步骤：

S201、在测试场景执行目标自动驾驶算法，得到仿真驾驶数据。

具体的，测试场景包括标准场景和泛化场景，标准场景是由标准场景参数组成的，泛化场景是根据标准场景参数的范围，依据预置泛化值在标准场景参数取值范围内确定泛化场景参数，组成泛化场景。

具体的，仿真驾驶数据是在自动驾驶算法运行时得到至少以下一种：仿真行驶数据、仿真车道线数据、仿真交通标志及交通信号灯数据、仿真交通参与物数据。

S202、根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数。

具体的，将多个仿真驾驶数据确定为仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数，通过事件触发参数和事件结束参数可以确定仿真驾驶事件名称。

示例性的，事件触发参数是仿真行驶方向交通信号灯为绿色，仿真交通参与物为扫描到行人，事件结束参数是仿真行驶方向交通信号灯不是绿色，仿真交通参与物为没有扫描到行人，进而确定仿真驾驶事件名称是在车辆绿灯行驶时且有行人通过。

S203、依据时间顺序读取实车驾驶数据。

具体的，实车驾驶数据中包括时间参数，根据时间顺序读取实车驾驶数据。实车驾驶数据包括至少以下一种：行驶数据、车道线数据、交通标志及交通信号灯数据、交通参与物数据。

示例性的，将实车驾驶数据进行时钟同步，依据时间顺序读取实车驾驶数据。

S204、实车驾驶数据的数据值在一时刻与事件触发参数的数据值是否相同。

具体的，比较在一时刻的实车驾驶数据的数据值与事件触发参数的数据值是否相同。

S205、确定此时刻为第一时刻。

具体的，当实车驾驶数据的数据值在一时刻与事件触发参数的数据值相同时，确定此时刻为第一时刻。

S206、实车驾驶数据是否读取完成。

具体的，当实车驾驶数据的数据值在一时刻与事件触发参数的数据值不相同时，判断实车驾驶数据是否读取完成。

S207、没有筛选出与仿真驾驶事件对应的实车驾驶事件。

具体的，若实车驾驶数据没有读取完成，则返回步骤S203，继续依据时间顺序读取实车驾驶数据；若实车驾驶数据已经读取完成，则没有筛选出与仿真驾驶事件对应的实车驾驶事件。

S208、实车驾驶数据的数据值在另一时刻与事件结束参数的数据值是否相同。

具体的，从第一时刻开始，继续读取实车驾驶数据，判断在另一时刻的实车驾驶数据的数据值与事件结束参数的数据值是否相同。

S209、确定此时刻为第二时刻。

具体的，若在另一时刻的实车驾驶数据的数据值与事件结束参数的数据值相同时，确定此时刻为第二时刻；若没有识别出实车驾驶数据的数据值与事件结束参数的数据值相同，则没有筛选出与仿真驾驶事件对应的实车驾驶事件。

S210、将从第一时刻至第二时刻之间的实车驾驶数据的数据值，确定为与仿真驾驶事件对应的实车驾驶事件。

示例性的，仿真触发事件为行驶方向交通信号灯为绿灯且有行人通过，事件触发条件为仿真交通标志信号灯为绿灯，仿真交通参与物为识别到有行人，事件触发参数为仿真交通标志信号灯数据记为1，仿真交通参与物数据记为1；事件结束条件为仿真交通标志信号灯不为绿灯，仿真交通参与物为没有识别到有行人，事件结束参数为仿真交通标志信号灯数据不记为1，仿真交通参与物数据不记为1。

具体的，读取实车驾驶数据时，读取到第一时刻时的交通标志信号灯数据为1，交通参与物数据为1，继续读取实车驾驶数据，直至第二时刻的交通标志信号灯数据不为1，交通参与物数据不为1。进而第一时刻的实车驾驶数据与事件触发参数相同，第二时刻的实车驾驶数据与事件结束参数相同，认为从第一时刻至第二时刻之间的实车驾驶数据的数据值，确定为与仿真驾驶事件对应的实车驾驶事件。

S211、获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据。

具体的，将仿真驾驶事件对应的测试场景通过运行自动驾驶算法，得到仿真测试结果数据。在实车驾驶测试时，可以得到实车驾驶事件对应的实车测试结果数据。

S212、计算仿真测试结果数据与实车测试结果数据的均方误差。

具体的，计算仿真测试结果数据的响应距离、加速度、速度和转向角与对应的实车测试结果数据的响应距离、加速度、速度和转向角的均方误差。

其中，从第一时刻至第二时刻之间的实车驾驶数据的数据值，确定与仿真驾驶事件对应的实车驾驶事件。也就是说实车驾驶事件是发生在从第一时刻至第二时刻的，进而实车测试结果数据也是从第一时刻至第二时刻的数据。而仿真驾驶事件包括事件触发参数和事件结束参数，也就是说，仿真驾驶事件是从事件触发至事件结束这一段时间的仿真驾驶事件。进而，仿真驾驶事件对应的仿真驾驶测试结果也是一段数据。

具体的，在与仿真测试结果数据计算均方误差时，可以先计算仿真测试结果数据的平均值和实车测试结果数据的平均值，再计算两者平均值的均方误差。或者选取相同时间段的仿真测试结果数据和实车测试结果数据，计算每一时刻的两者的均方误差。

示例性的，若仿真驾驶事件为行驶方向交通信号灯为绿灯且有行人通过，仿真驾驶事件持续10s，而实车驾驶事件是从第一时刻至第二时刻持续15s，则一种可能的计算方法为，先计算10s内的仿真测试结果数据的平均值和15s内的实车测试结果数据的平均值，再计算两者平均值的均方误差。或者选取相同时间段的仿真测试结果数据和实车测试结果数据（即，可以选取前10s的实车测试结果数据，或者任意选择从第一时刻至第二时刻共15s内的连续10s），计算每一时刻的两者的均方误差。

S213、均方误差是否小于预置阈值。

具体的，判断仿真测试结果数据与实车测试结果数据的均方误差是否小于预置阈值。

S214、先计算预置阈值与均方误差的差值，再计算差值与预置阈值的比值，确定比值为目标自动驾驶算法的准确度。

具体的，若均方误差小于预置阈值，则先计算预置阈值与均方误差的差值，再计算差值与预置阈值的比值，确定比值为目标自动驾驶算法的准确度。其中，均方误差越小，则准确度越大，说明目标自动驾驶算法与实车测试的运行结果的一致性越好。

S215、确定目标自动驾驶算法的准确度为0。

具体的，具体的，若均方误差大于或等于预置阈值，则确定目标自动驾驶算法的准确度为0。或者，也可以计算预置阈值与均方误差的差值，再计算差值与预置阈值的比值，由于均方误差大于或等于预置阈值，所以此时求得的准确度小于等于0。进而，确定目标自动驾驶算法与实车测试的运行结果不具备一致性。

基于同一申请构思，本申请实施例中还提供了与上述实施例提供的自动驾驶算法准确度的计算方法对应的自动驾驶算法准确度的计算装置，由于本申请实施例中的装置解决问题的原理与本申请上述实施例的自动驾驶算法准确度的计算方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

如图3所示，图3为本申请实施例提供的一种自动驾驶算法准确度的计算装置的结构示意图。请参阅图3，自动驾驶算法准确度的计算装置10包括：执行模块101、第一确定模块102、第二确定模块103、获取模块104和第三确定模块105。

具体的，执行模块101，用于在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；第一确定模块102，用于根据仿真驾驶数据确定仿真驾驶事件，仿真驾驶事件包括事件触发参数和事件结束参数；第二确定模块103，用于将实车驾驶数据与仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与仿真驾驶事件对应的实车驾驶事件；实车驾驶数据为读取的实车驾驶测试中的数据；获取模块104，用于获取仿真驾驶事件和实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；第三确定模块105，用于根据仿真测试结果数据和实车测试结果数据确定目标自动驾驶算法的准确度。

基于同一申请构思，参见图4所示，为本申请实施例提供的一种电子设备20的结构示意图，包括：处理器201、存储器202和总线203，存储器202存储有处理器201可执行的机器可读指令，当电子设备20运行时，处理器201与存储器202之间通过总线203进行通信，机器可读指令被处理器201运行时执行如上述实施例中任一的自动驾驶算法准确度的计算方法的步骤。

基于同一申请构思，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例提供的自动驾驶算法准确度的计算方法的步骤。

具体地，存储介质能够为通用的存储介质，如移动磁盘、硬盘等，存储介质上的计算机程序被运行时，能够执行上述自动驾驶算法准确度的计算方法，通过计算相同场景下的自动驾驶仿真测试结果和实车测试结果的准确度，解决了如何衡量自动驾驶的仿真测试和实车测试的运行性能或测试结果的一致性的技术问题，达到了为判断自动驾驶算法在实际车辆上应用情况的提供依据的技术效果。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者技术方案的部分可以以软件产品的形式体现出来，计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种自动驾驶算法准确度的计算方法，其特征在于，所述计算方法包括：

在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；

根据所述仿真驾驶数据确定仿真驾驶事件，所述仿真驾驶事件包括事件触发参数和事件结束参数；

将实车驾驶数据与所述仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与所述仿真驾驶事件对应的实车驾驶事件；所述实车驾驶数据为读取的实车驾驶测试中的数据；

获取所述仿真驾驶事件和所述实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；

根据所述仿真测试结果数据和所述实车测试结果数据确定所述目标自动驾驶算法的准确度。

2.根据权利要求1所述的自动驾驶算法准确度的计算方法，其特征在于，所述将实车驾驶数据与所述仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与所述仿真驾驶事件对应的实车驾驶事件，包括：

依据时间顺序读取所述实车驾驶数据；

当所述实车驾驶数据的数据值在一时刻与所述事件触发参数的数据值相同时，确定此时刻为第一时刻；

从所述第一时刻开始，继续读取所述实车驾驶数据，直至在另一时刻的所述实车驾驶数据的数据值与所述事件结束参数的数据值相同时，确定此时刻为第二时刻；

将从所述第一时刻至所述第二时刻之间的所述实车驾驶数据的数据值，确定为与所述仿真驾驶事件对应的实车驾驶事件。

3.根据权利要求2所述的自动驾驶算法准确度的计算方法，其特征在于，所述确为与所述仿真驾驶事件对应的实车驾驶事件之后，所述方法还包括：

判断所述实车驾驶数据是否读取完成；

若所述实车驾驶测试中的数据没有读取完成，则依据时间顺序读取所述实车驾驶数据。

4.根据权利要求1所述的自动驾驶算法准确度的计算方法，其特征在于，所述根据所述仿真测试结果数据和所述实车测试结果数据确定所述目标自动驾驶算法的准确度，包括：

计算所述仿真测试结果数据与所述实车测试结果数据的均方误差；

根据所述均方误差确定所述目标自动驾驶算法的准确度。

5.根据权利要求4所述的自动驾驶算法准确度的计算方法，其特征在于，所述根据所述均方误差确定所述目标自动驾驶算法的准确度，包括：

若所述均方误差小于预置阈值时，则先计算所述预置阈值与所述均方误差的差值，再计算所述差值与所述预置阈值的比值，确定所述比值为所述目标自动驾驶算法的准确度；

若所述均方误差大于或等于所述预置阈值时，则确定所述目标自动驾驶算法的准确度为0。

6.根据权利要求1-5任一项所述的自动驾驶算法准确度的计算方法，其特征在于，所述实车测试结果数据和所述仿真测试结果数据包括：响应距离、加速度、速度和转向角。

7.根据权利要求1-5任一项所述的自动驾驶算法准确度的计算方法，其特征在于，所述实车驾驶数据包括至少以下一种：行驶数据、车道线数据、交通标志及交通信号灯数据、交通参与物数据。

8.一种自动驾驶算法准确度的计算装置，其特征在于，所述装置包括：

执行模块，用于在测试场景执行目标自动驾驶算法，得到仿真驾驶数据；

第一确定模块，用于根据所述仿真驾驶数据确定仿真驾驶事件，所述仿真驾驶事件包括事件触发参数和事件结束参数；

第二确定模块，用于将实车驾驶数据与所述仿真驾驶事件中的事件触发参数和事件结束参数进行比对，确定与所述仿真驾驶事件对应的实车驾驶事件；所述实车驾驶数据为读取的实车驾驶测试中的数据；

获取模块，用于获取所述仿真驾驶事件和所述实车驾驶事件分别对应的仿真测试结果数据、实车测试结果数据；

第三确定模块，用于根据所述仿真测试结果数据和所述实车测试结果数据确定所述目标自动驾驶算法的准确度。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的自动驾驶算法准确度的计算方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的自动驾驶算法准确度的计算方法的步骤。

Images