CN113849914A - 一种智能驾驶功能测试场景构建方法、系统及存储介质 - Google Patents

Abstract

本发明公开了一种智能驾驶功能测试场景构建方法、系统及存储介质，该方法包括：获取智能驾驶的运行范围；根据运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，根据运行参数构建智能驾驶测试场景模型；根据运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。通过实施本发明，从预先确定的智能驾驶功能测试场景框架中选取相应的运行参数，同时根据选取的运动参数构建智能驾驶测试场景模型；最后根据确定的运动参数以及构建的智能驾驶测试场景模型进行智能驾驶测试场景的构建。由此，该方法可以为智能驾驶仿真测试工作中测试用例的设计提供参考，为智能驾驶场地测试工作中场地设计及测试用例的设计提供参考。

Description

一种智能驾驶功能测试场景构建方法、系统及存储介质

技术领域

本发明涉及智能驾驶技术领域，具体涉及一种智能驾驶功能测试场景构建方法、系统及存储介质。

背景技术

随着感知、控制、计算机、传感、人工智能等相关科学与技术的进步，智能驾驶车辆逐渐进入人们的生活中，正在影响与改变人类的交通与通行方式。但从现有智能驾驶车辆的研发与应用等情况可知，目前智能驾驶技术还未成熟，同时由于现实交通环境的复杂与多变性、感知技术的局限、智能感知、智能决策、智能控制等算法功能的局限或缺陷等多种因素的影响，智能车辆的智能驾驶功能还存在许多安全隐患，智能驾驶技术的安全问题是智能驾驶技术落地及智能驾驶车辆大规模应用面临的亟待解决的问题。

目前，针对各智能驾驶级别智能驾驶车辆，还未有统一的驾驶场景描述方式，无法统一、高效、完备地测试智能车辆的智能驾驶功能。一个通用的场景描述框架以及基于该通用框架的场景构建方法，是智能驾驶车辆智能驾驶功能测试的基础，同时也有利于设计有效、完备的测试场景与用例，有利于智能驾驶车辆功能的全面、高效地测试。

发明内容

有鉴于此，本发明实施例提供了涉及一种智能驾驶功能测试场景构建方法、系统及存储介质，以解决现有技术中对于智能驾驶车辆缺乏统一的驾驶场景描述的技术问题。

本发明提出的技术方案如下：

本发明实施例第一方面提供一种智能驾驶功能测试场景构建方法，包括：获取智能驾驶的运行范围；根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层；根据所述运行参数构建智能驾驶测试场景模型；根据所述运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。

可选地，根据所述运行参数构建智能驾驶测试场景模型，包括：根据所述交通参与者层构建行驶车辆模型与行人模型；根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型。

可选地，根据所述交通参与者层构建行驶车辆模型与行人模型，包括：根据所述交通参与者层中的行人参数计算行人在当前时刻的位置；根据所述交通参与者层中的行人参数计算行人在当前时刻的移动方向；根据行人在当前时刻的位置和行人在当前时刻的移动方向构建行人模型。

可选地，根据所述交通参与者层构建行驶车辆模型与行人模型，还包括：根据所述交通参与者层中的车辆参数计算车辆在当前时刻的位置；根据所述交通参与者层中的车辆参数计算车辆在当前时刻的行驶方向；根据车辆在当前时刻的位置和车辆在当前时刻的行驶方向构建车辆模型。

可选地，根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，包括：根据所述被测智能驾驶车辆层计算被测智能驾驶车辆方向盘转角；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆制动踏板行程；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆油门踏板行程；根据方向盘转角、制动踏板行程以及油门踏板行程构建被测车辆操作模型。

可选地，根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，还包括：根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的位置；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的行驶速度；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的航向角；根据当前时刻的位置、行驶速度以及航向角构建被测车辆行驶模型。

可选地，所述道路基础层包括：道路基础参数、道路几何参数、道路标线参数；所述道路设施层包括：道路基础设施参数以及道路智能设施参数；所述天气层包括：温度、湿度、光照、降雪、降雨、雾、霾、风速参数；所述临时改变层包括：因天气导致的改变参数、因交通导致的改变参数、因施工导致的改变参数；所述交通参与者层包括：行人参数、车辆参数以及动物参数；所述信息层包括：道路设施层路侧设备发出的信息参数、交通参与者层中车辆发出的信息参数、交通参与者层中行人发出的信息参数；所述被测智能驾驶车辆层包括：被测车辆基本参数、被测车辆状态参数、智能驾驶设备参数。

本发明实施例第二方面提供一种智能驾驶功能测试场景构建系统，包括：范围获取模块，用于获取智能驾驶的运行范围；参数确定模块，用于根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层；模型构建模块，用于根据所述运行参数构建智能驾驶测试场景模型；场景构建模块，用于根据所述运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。

本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的智能驾驶功能测试场景构建方法。

本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的智能驾驶功能测试场景构建方法。

本发明提供的技术方案，具有如下效果：

本发明实施例提供的智能驾驶功能测试场景构建方法、系统及存储介质，通过确定的智能驾驶的运行范围，从预先确定的智能驾驶功能测试场景框架中选取相应的运行参数，同时根据选取的运动参数构建智能驾驶测试场景模型；最后根据确定的运动参数以及构建的智能驾驶测试场景模型进行智能驾驶测试场景的构建。由此，该方法可以为智能驾驶仿真测试工作中测试用例的设计提供参考，为智能驾驶场地测试工作中场地设计及测试用例的设计提供参考。同时，通过预先设计智能驾驶功能测试场景框架，使用人员可以根据被测系统特征与测试需要对运动参数进行裁剪与扩充。此外，采用该方法构建的测试场景还可用于智能驾驶系统设计与开发阶段的危害分析与风险评估，有利于在设过程中提升智能驾驶系统的安全性、降低智能驾驶系统在应用过程中危险事件的发生几率。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的智能驾驶功能测试场景构建方法的流程图；

图2是根据本发明实施例的智能驾驶功能测试场景框架的结构框图；

图3是根据本发明另一实施例的智能驾驶功能测试场景构建方法的流程图；

图4是根据本发明智能驾驶功能测试场景框架中道路基础层示意图；

图5是根据本发明智能驾驶功能测试场景框架中道路设施层示意图；

图6是根据本发明智能驾驶功能测试场景框架中天气层示意图；

图7是根据本发明智能驾驶功能测试场景框架中临时改变层示意图；

图8是根据本发明智能驾驶功能测试场景框架中交通参与者层示意图；

图9是根据本发明智能驾驶功能测试场景框架中信息层示意图；

图10是根据本发明智能驾驶功能测试场景框架中被测智能驾驶车辆层示意图；

图11是根据本发明实施例的智能驾驶功能测试场景构建系统的结构框图；

图12是根据本发明实施例提供的计算机可读存储介质的结构示意图；

图13是根据本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做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。

本发明实施例提供一种智能驾驶功能测试场景构建方法，如图1所示，该方法包括如下步骤：

步骤S101：获取智能驾驶的运行范围。具体地，在构建智能驾驶功能场景时，可以首先确定智能驾驶的运行范围。该运行范围可以由具体的采用的智能驾驶系统确定。例如，要构建智能交通堵塞导巡航系统TJP(Traffic Jam PilotSystem)功能测试场景，可以基于该系统确定运行范围。

步骤S102：根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，如图2所示，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层。具体地，在确定运行范围后，可以基于运行范围确定相应的运行参数。其中，在确定运行参数时，可以从预先构建的智能驾驶功能测试场景框架中获取。此外，也可以通过道路采集方法选取相应的运行参数或通过测量的方法选取相应的运行参数。

在一实施方式中，道路基础层包括但不局限于：道路在全局或局部坐标系中的起始位置、结束位置、道路长度、道路宽度、车道数量、道路横向坡度、纵向坡度、道路表面材质、道路表面粗糙度等道路几何参数；道路等级等道路基础参数；车道线、引导线、交通标线等道路标线参数。道路设施层包含但不局限于：交通指示灯、交通指示标志、交通禁止表示、交通提示标志、限高杆、通行杆等道路基础设施参数、道路感知设备、道路监控设备、道路信息显示/提示设备、道路通信设备等道路智能设施参数。天气层包含但不局限于：温度、湿度、光照、降雪/雨/冰、雾、霾、风速等。临时改变层包含但不局限于：放置的道路临时限行或施工示牌等因交通或施工导致的改变参数、道路积水/雪/冰等因天气导致的改变参数。

交通参与者层包含但不局限于：周围车辆、行人、动物等。信息层包含但不局限于：道路设施层路侧设备发出的信息、交通参与者层中车辆、交通参与者层中行人等发出的信息。被测智能驾驶车辆包含但不局限于：被测车辆、车内人员等。被测车辆包含：被测车辆基本参数，如车辆长度、宽度、高度等；被测车辆状态参数，车辆行驶速度、方向盘转角、油门踏板行程、制动踏板行程、转向灯状态、雨刷、喇叭状态等；智能驾驶设备及其参数，如感知设备、定位设备、车载智能驾驶计算平台、通信设备工作状态及相应的输入输出数据等。车内人员包含驾驶员与乘客等。

步骤S103：根据所述运行参数构建智能驾驶测试场景模型。具体地，智能驾驶测试场景模型包括行驶车辆模型、行人模型、被测车辆操作模型和被测车辆行驶模型。其中，行驶车辆模型与行人模型根据交通参与者层构建；被测车辆操作模型和被测车辆行驶模型根据被测智能驾驶车辆层构建。

步骤S104：根据所述运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。具体地，在构建测试场景时不仅考虑确定的运行参数，同时采用构建的智能驾驶测试场景模型能够使得最终构建的测试场景高效完备地测试智能车辆的智能驾驶功能。

本发明实施例提供的智能驾驶功能测试场景构建方法，通过确定的智能驾驶的运行范围，从预先确定的智能驾驶功能测试场景框架中选取相应的运行参数或通过道路数据采集的方式选取相应的运行参数或通过测量的方法选取相应的运行参数，同时根据选取的运动参数构建智能驾驶测试场景模型；最后根据确定的运动参数以及构建的智能驾驶测试场景模型进行智能驾驶测试场景的构建。由此，该方法可以为智能驾驶仿真测试工作中测试用例的设计提供参考，为智能驾驶场地测试工作中场地设计及测试用例的设计提供参考。同时，通过预先设计智能驾驶功能测试场景框架，使用人员可以根据被测系统特征与测试需要对运动参数进行裁剪与扩充。此外，采用该方法构建的测试场景还可用于智能驾驶系统设计与开发阶段的危害分析与风险评估，有利于在设过程中提升智能驾驶系统的安全性、降低智能驾驶系统在应用过程中危险事件的发生几率。

作为本发明实施例的一种可选的实施方式，根据所述交通参与者层构建行驶车辆模型与行人模型，包括：根据所述交通参与者层中的行人参数计算行人在当前时刻的位置；根据所述交通参与者层中的行人参数计算行人在当前时刻的移动方向；根据行人在当前时刻的位置和行人在当前时刻的移动方向构建行人模型。根据所述交通参与者层中的车辆参数计算车辆在当前时刻的位置；根据所述交通参与者层中的车辆参数计算车辆在当前时刻的行驶方向；根据车辆在当前时刻的位置和车辆在当前时刻的行驶方向构建车辆模型。

在一实施方式中，行人当前时刻的位置可以根据行人参数中行人前一时刻的位置、移动速度以及朝向计算得到；其中该位置包括x方向的位置和y方向的位置。行人在当前时刻的移动方向可以通过行人参数中行人移动方向变化的角速度计算。同理，车辆在当前时刻的位置可以根据车辆参数中车辆前一时刻的位置、移动速度以及朝向计算得到；其中该位置包括x方向的位置和y方向的位置。车辆在当前时刻的行驶方向可以通过车辆参数中车辆的移动速度、方向盘转角、车辆轴距以及车辆转向系统方向盘转角到车轮转角的角传动比计算。

作为本发明实施例的一种可选的实施方式，根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，包括：根据所述被测智能驾驶车辆层计算被测智能驾驶车辆方向盘转角；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆制动踏板行程；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆油门踏板行程；根据方向盘转角、制动踏板行程以及油门踏板行程构建被测车辆操作模型。根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的位置；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的行驶速度；根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的航向角；根据当前时刻的位置、行驶速度以及航向角构建被测车辆行驶模型。

在一实施方式中，被测智能驾驶车辆方向盘转角根据车辆与前方物体、车道线的纵向距离及侧向距离以及前一时刻方向盘转角计算；被测智能驾驶车辆制动踏板行程根据车辆与前方物体、车道线的纵向距离及侧向距离以及前一时刻制动踏板行程计算；油门踏板行程根据车辆与前方物体、车道线的纵向距离及侧向距离以及制动踏板行程、前一时刻油门踏板行程计算。被测智能驾驶车辆在当前时刻的行驶速度根据车辆质量、油门踏板行程、制动踏板行程计算；被测智能驾驶车辆在当前时刻的航向角根据车辆轴距方向盘转角以及行驶速度计算；被测智能驾驶车辆在当前时刻的位置根据车辆初始时刻位置、行驶速度、航向角计算。

下面以交通堵塞导巡航系统TJP(Traffic Jam Pilot System)为具体事例，对该智能驾驶系统的功能测试场景构建方法进行说明。如图3所示，具体实施步骤如下：

步骤S201：获取交通堵塞导巡航系统TJP的运行范围。

步骤S202：根据交通堵塞导巡航系统TJP的运行范围，确定测试场景中第1层，即道路基础层的道路及道路相关参数。如图4所示：确定第1层道路基础层4包括道路基础参数41，道路几何参数42，交通标线43，其他道路参数44；其中，道路基础参数41包括道路编号411，道路类型412，道路等级413，前续道路编号414，后续道路编号415，还可以根据实际需要添加其他基础参数416；确定道路几何参数42包括起始位置421，结束位置422，道路长度423，道路宽度424，道路曲率425，道路坡度426，车道数量427，车道类型428，根据需要添加其他几何参数429；确定交通标线43包括标线宽度431，标线长度432，标线颜色433，根据实际需要，添加标线其他参数434。

步骤S203：根据交通堵塞导巡航系统TJP的运行范围与道路基础层的信息，确定测试场景中第2层，即道路设施层的交通设备及相关参数。如图5所示：确定第2层道路设施层5中包括道路基础设施51和道路智能设施52，可根据实际需要，添加道路其他设施53；确定道路基础设施51包括交通控制灯511以及交通控制灯511的位置参数、高度参数、外形参数、交通通行信息；确定道路基础设施51还包括交通警示灯512以及交通警示灯512的位置参数、高度参数、外形参数、状态信息；确定道路基础设施51还包括交通提示牌513以及交通提示牌513的位置参数、高度参数、外形参数、所提示的信息；确定道路基础设施51还包括交通指示牌514以及交通指示牌514的位置参数、高度参数、外形参数、所指示的信息；确定道路基础设施51还包括交通限制牌515以及交通限制牌515的位置参数、高度参数、外形参数、所限制的信息；确定道路基础设施51还包括交通限高杆516以及交通限高杆516的位置参数、高度参数、外形参数；确定道路基础设施51还包括交通限宽柱517以及交通限宽柱517的位置参数、高度参数、外形参数；根据需求，添加道路基础设施51的其他道路基础设施518；确定道路智能设施52包括交通状态实时提示设备521、路侧感知设备522、路侧通信设备523，根据需要，在道路智能设施52中，添加其他道路智能设备524；在路侧通信设备523中，确定路侧端信息接收设备5231、路侧端信息发送设备5232；其中，交通提示牌513可包括事故易发生路段提示牌5131、车道合并提示牌5132、前场场所提示牌5133，根据需要，添加其他交通提示牌5134；交通限制牌515可包括限速牌5151、限重牌5152、限鸣笛牌5153，根据需要，添加其他交通限制牌。

步骤S204：根据交通堵塞导巡航系统TJP的运行范围，确定测试场景中第3层，即天气层的相关参数。如图6所示：确定第3层天气层6包括光照61、温度62、湿度63、风64、雨65、雪66、雾67、霾68、冰雹69、气压6A，根据需要，添加其他天气因素6B；确定光照61的光照来源611、光照角度612、光照强度613，根据需要，添加其他光照参数；确定风64的风等级641、风速642、风向643，根据需要，添加其他用以描述风状态的信息其他风参数644；确定雨65的降雨等级651、降雨量652，根据需要添加，其他降雨参数653；确定雪66的降雪等级661、降雪量662，根据需要，添加其他降雪参数663；确定雾67的雾等级671，根据需要，添加其他雾参数672；确定霾68的霾等级681，根据需要，添加其他霾参数682；确定冰雹69的降冰雹状态691、降冰雹量692、降冰雹尺寸693，根据需要，添加其他冰雹参数694。

步骤S205：根据交通堵塞导巡航系统TJP的运行范围、道路基础层道路设施层、天气层信息，确定测试场景中第4层，即临时改变层的相关参数。如图7所示：确定第4层临时改变层7包括因天气导致的改变71、因交通导致的改变72、因施工导致的改变73，根据需要，添加其他原因导致的改变74；因天气导致的改变71，包括路面油污711及其表示参数、路面覆水712及其表示参数、路面覆雪713及其表示参数、路面覆冰714及其表示参数，根据需要，添加其他因天气导致的改变715及其表示参数；因交通导致的改变72包括交通事故721及其相关信息、交通车辆维修722及其相关信息，根据需要，添加其他因交通导致的改变723；因施工导致的改变73包括道路维护731及其表示参数、交通设施维护732及其表示参数，根据需要，添加其他因施工导致的改变733及其表示参数。

步骤S206：根据交通堵塞导巡航系统TJP的运行范围、道路基础层、道路设施层、天气层信息、临时改变层的相关参数，确定测试场景中的第5层，即交通参与者层中的相关元素及其相应参数。如图8所示：第5层交通参与者层8，包含行人81及其参数、车辆82及其参数、动物83及其参数，根据需要，添加其他交通参与物体84；确定交通参与者层8中行人81的基本参数811、动态参数812，根据需要添加其他行人参数813；确定交通参与者层8中车辆82的基本参数821、动态参数822，根据需要，添加其他车辆参数823；确定交通参与者层8中动物83的基本参数831、动态参数832，根据需要，添加其他动物参数833；其中，行人81的基本参数811包含高度8111、宽度8112、厚度8113、表面颜色8114、表面材质8115、携带物体8116，根据需要，添加用以描述行人的其他基本参数8117；行人81的动态参数812包含位置8121、姿态8122、朝向8123、移动速度8124、移动方向8125、移动角速度8126，行人位置8121、朝向8123、移动速度8124、移动方向8125等可以根据公式(1)确定，根据需要，添加其他动态参数8127；车辆82的基本参数821包含类型8211、长度8212、宽度8213、高度8214、表面颜色8215、表面材质8216、携带物体8217，根据需要，添加用以描述车辆特征的其他基本参数8218；车辆82动态参数822包括位置8221、速度8222、朝向8223、加速度8224、角加速度8225、行驶指示灯状态8226，根据需要，添加用以描述车辆82动态参数822的其他动态参数8227；动物83的基本参数831包括长度8311、宽度8312、高度8313、表面颜色8314、携带物体8315，根据需要添加用以描述动物83特征的其他基本参数8316；动物83的动态参数832包括位置8321、姿态8322、朝向8323、移动速度8324、移动方向8325、移动加速度8326，根据需要，添加用以描述动物83动态参数832的其他动态参数8327；行驶指示灯状态8226包括转向灯状态82261、刹车灯状态82262、轮廓示意灯状态82263，根据需要，添加行驶指示灯其他参数82264。

具体地，在确定交通参与者层后，可以根据其构建行驶车辆模型与行人模型。其中，行人模型采用公式(1)表示：

其中，x_{p_ini}为行人初始位置在坐标系中X坐标值或经度，y_{p_ini}为行人初始位置在坐标系中的Y坐标值或纬度；x_p(t)为t时刻行人在坐标系中X坐标值或经度，y_p(t)为t时刻行人在坐标系中Y坐标值或纬度；v_p(τ)为在τ时刻行人的移动速度，v_p(τ)取值可通过理论分析确定，也可通过大量行人运动数据统计分析得到；θ_p(τ)为在τ时刻行人的朝向；

为在ζ时刻行人的移动方向变化的角速度，

的取值可通过理论分析确定，也可通过大量行人运动数据统计分析得到，其他数据可通过数据采集获取。

行驶车辆模型可通过公式(2)表示：

其中，x_{c_ini}为车辆初始位置在坐标系中X坐标值或经度，y_{c_ini}为车辆初始位置在坐标系中Y坐标值或纬度；x_c(t)为t时刻车辆在坐标系中X坐标值或经度，y_c(t)为t时刻车辆在坐标系中Y坐标值或纬度；v_c(t)为车辆在t时刻的移动速度；θ_c(τ)为车辆在τ时刻的行驶方向；v_c(τ)为车辆在τ时刻的移动速度，0≤τ≤t；

为车辆在τ时刻的方向盘转角；L_c为车辆的轴距，K_c车辆转向系统方向盘转角到车轮转角的角传动比。

步骤S207：根据交通堵塞导巡航系统TJP的运行范围、道路基础层、道路设施层、天气层信息、临时改变层，确定测试场景中第6层，即信息层的相关内容。如图9所示：确定第6层信息层9包括云端信息91、地图信息92、路端信息93、车端信息94、人端信息95，根据需要，添加其他信息96；云端信息91可包括但不局限于智能交通系统发送的实时交通广播、实时路况广播、实时交通控制指令等；地图信息可包含但不局限于高精地图、以及图4中第1层道路基础层4中包含的道路基础参数41、道路几何参数42、交通标线43、其他道路参数44等信息；路端信息93可包括但不局限于图5中第2层道路设施层5中的道路基础设施51、道路智能设施52、道路其他设施53发送或广播的局部交通信息、道路信息、天气信息等；车端信息94可包括但不局限于图8中交通参与者层中行人81、车辆82、动物83、其他交通参与物体84发送或广播的信息。

步骤S208：根据交通堵塞导巡航系统TJP的运行范围确定测试场景中第7层，即被测智能驾驶车辆层相关物体、设备及其参数。如图10所示：确定第7层被测智能驾驶车辆层10包括车辆A1、智能驾驶设备A2、车内人员A3，根据需要，添加其他车载物体；确定车辆A1包括基本参数A11、车辆系统A12，根据需要，添加其他车辆系统或参数A13；确定智能驾驶设备A2包括基本参数A21、工作状态A22、动态输出信息A23；根据实际情况或需要，确定车内人员A3中的驾驶员A31、乘客A32；确定车辆A1基本参数A11包括车辆的类型A111、长度A112、宽度A113、高度A114、轴距A115、轮距A116、前悬长度A117、后悬长度A118，根据需要，添加其他基本参数A119；确定车辆系统A12包括车身A121、动力系统A122、传动系统A123、制动系统A124、转向系统A125、悬挂系统A126、轮胎A127，根据需要，添加其他车辆系统A128；确定智能驾驶设备A2的基本参数A21包括机械参数A211、电气参数A212、性能参数A213、装配参数A214，根据需要添加其他基本参数A215；分别设置或选择智能驾驶设备A2的工作状态A22为正常A221、异常A222、未知A223，或根据实际需要，添加其他状态A224；确定车内人员A3中驾驶员A31的基本参数A311、动态参数A312；确定车内人员A3中乘客A32的基本参数A321、动态参数A322；确定车辆系统A12的车身A121的车门A1211、雨刷A1212、车灯A1213、喇叭A1214的状态，根据需要添加车身其他机构A1215；确定车辆系统A12的动力系统A122的油门踏板行程A1221、驱动力矩A1222，根据需要添加其他参数A1223；确定车辆系统A12制动系统A124的制动踏板行程A1241、制动缸压力A1242，根据需要，添加其他制动系统参数A1243；确定车辆系统A12的转向系统A125的方向盘转角A1251、方向盘转向角速度A1252、方向盘转向角加速度A1253、转向电机扭矩A1254，根据需要添加其他转向系统参数A1255；确定车辆系统A12的悬挂系统A126的刚度A1261、阻尼A1262，根据需要，添加其他悬挂系统参数A1263；确定车辆系统A12的轮胎A127的型号A1271、胎压A1272、轮速A1273，根据需要，添加其他参数A1274；确定驾驶员A31的基本参数A311的内容，包含但不局限于性别A3111、年龄A3112、性格A3113、驾驶水平A3114，根据需要，添加用以描述驾驶员特征的其他基本参数A3115；确定驾驶员A31的动态参数A312，内容包含但不局限于精神状态A3121、操作输入A3122，根据需要，添加其他动态参数A3123；确定乘客A32的基本参数A321的内容，包含但不局限于性别A3211、年龄A3212、性格A3213，根据需要，添加用以描述乘客基本特征的其他基本参数A3214；确定乘客A32的动态参数A322的内容，包含但不局限于精神状态A3221、操作输入A3222，根据需要添加其他动态参数A3223；车辆A1的车辆系统A12的车身A121的车门A1211的内容包含但不局限于位置A12111、状态A12112，根据需要，添加其他参数A12113；车身A121的车灯A1213包含但不局限于刹车灯A12141、转向灯A12141、前大灯A12143、雾灯A12144、示廓灯A12145、尾灯A12146、日间行车灯A12147、倒车灯A12148、牌照灯A12149、危险报警闪光灯A1214A等，根据被测智能驾驶车辆的配置与实际开发、分析或测试的需要，添加其他车灯A1214B。

具体地，在确定被测智能驾驶车辆层后，可以根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，其中，被测车辆操作模型可通过公式(3)表示。

其中，d_x(t)为t时刻车辆与前方最近物体的纵向距离，d_x(t-i)为t－i时刻车辆与前方最近物体的纵向距离；d_y(t)为t时刻车辆与前方最近物体的侧向距离，d_y(t-i)为t－i时刻车辆与前方最近物体的侧向距离；r_y(t)为t时刻车辆与目标车道右侧车道线的侧向距离，r_y(t-i)为t－i时刻车辆与目标车道右侧车道线的侧向距离；l_y(t)为t时刻车辆与目标车道左侧车道线的侧向距离，l_y(t-i)为t－i时刻车辆与目标车道左侧车道线的侧向距离；Steer_angle(t)为t时刻驾驶员的方向盘转角控制输入，Steer_angle(t-1)为t－1时刻驾驶员的方向盘转角控制输入；Brake_dis(t)为t时刻驾驶员的制动踏板行程输入，Brake_dis(t-1)为t－1时刻驾驶员的制动踏板行程输入；Acce_dis(t)为t时刻驾驶员的油门踏板行程输入，Acce_dis(t-1)为t－1时刻驾驶员的油门踏板行程输入；

为d_x(t-i)的加权系数；sndx为车辆与前方最近物体的纵向距离历史信息长度；

为d_y(t-i)的加权系数；sndy为车辆与前方最近物体的侧向距离历史信息长度；

为r_y(t-i)的加权系数；snry为车辆与目标车道右侧车道线的侧向距离历史信息长度；

为l_y(t-i)的加权系数；snly为车辆与目标车道左侧车道线的侧向距离历史信息长度；k^s为Steer_angle(t-1)的加权系数；

为d_x(t-i)的加权系数；bndx为车辆与前方最近物体的纵向距离历史信息长度；

为d_y(t-i)的加权系数；bndy为车辆与前方最近物体的侧向距离历史信息长度；

为r_y(t-i)的加权系数；bnry为车辆与目标车道右侧车道线的侧向距离历史信息长度；

为l_y(t-i)的加权系数；bnly为车辆与目标车道左侧车道线的侧向距离历史信息长度；k^b为Brake_dis(t-1)的加权系数；

为d_x(t-i)的加权系数；andx为车辆与前方最近物体的纵向距离历史信息长度；

为d_y(t-i)的加权系数；andy为车辆与前方最近物体的侧向距离历史信息长度；

为r_y(t-i)的加权系数；anry为车辆与目标车道右侧车道线的侧向距离历史信息长度；

为l_y(t-i)的加权系数；anly为车辆与目标车道左侧车道线的侧向距离历史信息长度；k^a为Acce_dis(t-1)的加权系数。

被测车辆行驶模型可通过公式(4)表示：

其中，m为车辆质量；L为车辆轴距；K^steer为车辆的转向系统方向盘到轮胎的转向角度比；v(t)为车辆t时刻的行驶速度；θ(t)为车辆t时刻的航向角；x(t)为车辆t时刻在坐标系中的X坐标位置或经度值；y(t)为车辆t时刻在坐标系中的Y坐标位置或纬度值；Acce_dis(τ)为τ时刻驾驶员的油门踏板行程输入；Acce_dis(τ)_AD为τ时刻自动驾驶系统对油门踏板行程的控制输入；Brake_dis(τ)为τ时刻驾驶员的制动踏板行程输入；Brake_dis_AD(τ)为τ时刻自动驾驶系统对制动踏板的行程控制输入；Steer_angle(τ)为τ时刻驾驶员的方向盘转角控制输入；Steer_angle_AD(τ)为τ时刻自动驾驶系统对方向盘转角的控制输入；0＜τ＜t；k^acc为Acce_dis(τ)加权系数；k^brake为Brake_dis(τ)加权系数；θ₀、x₀、y₀分别为车辆初始时刻时的航向角、在坐标系中的X坐标位置或经度值、在坐标系中的Y坐标位置或纬度值。

步骤S209：根据实际需要，对上述参数内容进行添加、裁剪或修改，完成智能驾驶车辆智能驾驶功能测试的场景的构建。

本发明实施例还提供一种智能驾驶功能测试场景构建系统，如图11所示，该系统包括：

范围获取模块，用于获取智能驾驶的运行范围；详细内容参见上述方法实施例中步骤S101的相关描述。

参数确定模块，用于根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层；详细内容参见上述方法实施例中步骤S102的相关描述。

模型构建模块，用于根据所述运行参数构建智能驾驶测试场景模型；详细内容参见上述方法实施例中步骤S103的相关描述。

场景构建模块，用于根据所述运行参数以及智能驾驶测试场景模型购进智能驾驶功能测试场景。详细内容参见上述方法实施例中步骤S104的相关描述。

本发明实施例提供的智能驾驶功能测试场景构建系统，通过确定的智能驾驶的运行范围，从预先确定的智能驾驶功能测试场景框架中选取相应的运行参数或通过道路采集方法选取相应的运行参数或通过测量的方法选取相应的运行参数，同时根据选取的运动参数构建智能驾驶测试场景模型；最后根据确定的运动参数以及构建的智能驾驶测试场景模型进行智能驾驶测试场景的构建。由此，该方法可以为智能驾驶仿真测试工作中测试用例的设计提供参考，为智能驾驶场地测试工作中场地设计及测试用例的设计提供参考。同时，通过预先设计智能驾驶功能测试场景框架，使用人员可以根据被测系统特征与测试需要对运动参数进行裁剪与扩充。此外，采用该系统构建的测试场景还可用于智能驾驶系统设计与开发阶段的危害分析与风险评估，有利于在设过程中提升智能驾驶系统的安全性、降低智能驾驶系统在应用过程中危险事件的发生几率。

本发明实施例提供的智能驾驶功能测试场景构建系统的功能描述详细参见上述实施例中智能驾驶功能测试场景构建方法描述。

本发明实施例还提供一种存储介质，如图12所示，其上存储有计算机程序601，该指令被处理器执行时实现上述实施例中智能驾驶功能测试场景构建方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

本发明实施例还提供了一种电子设备，如图13所示，该电子设备可以包括处理器D1和存储器D2，其中处理器D1和存储器D2可以通过总线或者其他方式连接，图13中以通过总线连接为例。

处理器D1可以为中央处理器(Central Processing Unit，CPU)。处理器D1还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器D2作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器D1通过运行存储在存储器D2中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的智能驾驶功能测试场景构建方法。

存储器D2可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器D1所创建的数据等。此外，存储器D2可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器D2可选包括相对于处理器D1远程设置的存储器，这些远程存储器可以通过网络连接至处理器D1。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器D2中，当被所述处理器D1执行时，执行如图1－10所示实施例中的智能驾驶功能测试场景构建方法。

上述电子设备具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种智能驾驶功能测试场景构建方法，其特征在于，包括：

获取智能驾驶的运行范围；

根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层；

根据所述运行参数构建智能驾驶测试场景模型；

根据所述运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。

2.根据权利要求1所述的智能驾驶功能测试场景构建方法，其特征在于，根据所述运行参数构建智能驾驶测试场景模型，包括：

根据所述交通参与者层构建行驶车辆模型与行人模型；

根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型。

3.根据权利要求2所述的智能驾驶功能测试场景构建方法，其特征在于，根据所述交通参与者层构建行驶车辆模型与行人模型，包括：

根据所述交通参与者层中的行人参数计算行人在当前时刻的位置；

根据所述交通参与者层中的行人参数计算行人在当前时刻的移动方向；

根据行人在当前时刻的位置和行人在当前时刻的移动方向构建行人模型。

4.根据权利要求2所述的智能驾驶功能测试场景构建方法，其特征在于，根据所述交通参与者层构建行驶车辆模型与行人模型，还包括：

根据所述交通参与者层中的车辆参数计算车辆在当前时刻的位置；

根据所述交通参与者层中的车辆参数计算车辆在当前时刻的行驶方向；

根据车辆在当前时刻的位置和车辆在当前时刻的行驶方向构建车辆模型。

5.根据权利要求2所述的智能驾驶功能测试场景构建方法，其特征在于，根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，包括：

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆方向盘转角；

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆制动踏板行程；

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆油门踏板行程；

根据方向盘转角、制动踏板行程以及油门踏板行程构建被测车辆操作模型。

6.根据权利要求2所述的智能驾驶功能测试场景构建方法，其特征在于，根据所述被测智能驾驶车辆层构建被测车辆操作模型和被测车辆行驶模型，还包括：

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的位置；

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的行驶速度；

根据所述被测智能驾驶车辆层计算被测智能驾驶车辆在当前时刻的航向角；

根据当前时刻的位置、行驶速度以及航向角构建被测车辆行驶模型。

7.根据权利要求1所述的智能驾驶功能测试场景构建方法，其特征在于，

所述道路基础层包括：道路基础参数、道路几何参数、道路标线参数；

所述道路设施层包括：道路基础设施参数以及道路智能设施参数；

所述天气层包括：温度、湿度、光照、降雪、降雨、雾、霾、风速参数；

所述临时改变层包括：因天气导致的改变参数、因交通导致的改变参数、因施工导致的改变参数；

所述交通参与者层包括：行人参数、车辆参数以及动物参数；

所述信息层包括：道路设施层路侧设备发出的信息参数、交通参与者层中车辆发出的信息参数、交通参与者层中行人发出的信息参数；

所述被测智能驾驶车辆层包括：被测车辆基本参数、被测车辆状态参数、智能驾驶设备参数。

8.一种智能驾驶功能测试场景构建系统，其特征在于，包括：

范围获取模块，用于获取智能驾驶的运行范围；

参数确定模块，用于根据所述运行范围以及预先构建的智能驾驶功能测试场景框架确定运行参数，所述预先构建的智能驾驶功能测试场景框架包括道路基础层、道路设施层、天气层、临时改变层、交通参与者层、信息层以及被测智能驾驶车辆层；

模型构建模块，用于根据所述运行参数构建智能驾驶测试场景模型；

场景构建模块，用于根据所述运行参数以及智能驾驶测试场景模型构建智能驾驶功能测试场景。

9.一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存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1－7任一项所述的智能驾驶功能测试场景构建方法。

10.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1－7任一项所述的智能驾驶功能测试场景构建方法。

Images