CN114166520A - 汽车adas场景识别功能的测试方法 - Google Patents
汽车adas场景识别功能的测试方法 Download PDFInfo
- Publication number
- CN114166520A CN114166520A CN202110994674.8A CN202110994674A CN114166520A CN 114166520 A CN114166520 A CN 114166520A CN 202110994674 A CN202110994674 A CN 202110994674A CN 114166520 A CN114166520 A CN 114166520A
- Authority
- CN
- China
- Prior art keywords
- adas
- function
- test
- scene
- adas function
- 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.)
- Pending
Links
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title claims abstract description 113
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title claims abstract description 113
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title claims abstract description 113
- 238000010998 test method Methods 0.000 title claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims description 33
- 238000005286 illumination Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000004904 shortening Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种汽车ADAS场景识别功能的测试方法，使车辆在规定线路以及不同的场景下进行ADAS功能测试，获取ADAS功能故障时的车辆CAN数据、行车视频和故障场景；完成全部测试后，统计每个ADAS功能在不同场景下的故障次数，以及每个场景导致ADAS功能故障的次数，得到每个ADAS功能在不同场景下的故障概率，得到每个ADAS功能在不同场景下发生故障所需的最小测试次数；调整测试的场景种类和规定线路、每个ADAS功能在不同场景下的测试次数；重新进行ADAS功能测试。本发明根据测试结果优化测试路线和测试场景的种类和数量，从而缩短测试的路程和时间，提高ADAS功能的故障检出率。
Description
技术领域
本发明涉及汽车测试技术领域，具体地指一种汽车ADAS场景识别功能的测试方法。
背景技术
随着汽车ADAS智能驾驶辅助系统的广泛应用，整车上的控制器越来越多，软件算法及代码也越来越复杂，对功能安全的要求也相应提高，因此汽车可靠性的范畴需要进行相应拓展。从汽车售后市场看，近年来与汽车智能系统相关的召回次数和车辆数呈上升趋势，汽车缺陷也出现了新的模式，包括场景识别缺陷、软件缺陷以及信息安全缺陷。关于场景识别缺陷，由于开发阶段场景测试和验证不足，车辆上市后系统对部分复杂情况无法准确识别和判断而引发危险，严重时会导致交通事故。
因此在汽车开发过程中，为了满足用户需求，开发试验应尽可能覆盖目标用户使用习惯和环境工况及场景，从而尽可能检出会造成用户投诉抱怨的故障缺陷，分析造成的原因，和设计专业一起在投放市场前从用户视角消除这些缺陷，不让开发问题流入市场。
ADAS系统开发过程中的测试与评价主要有三个方面：前期的仿真及台架测试、中期的封闭场地测试和后期的开放道路测试。后期的开放道路测试是对整车的综合性验证，从用户使用视角对系统的舒适性和环境适应性开展全方位评价。就道路测试而言，大多数车企在开发过程中通常将对ADAS功性能及环境(场景)适应性的考核与可靠性路试结合进行，累计里程少则20-30万公里，多则达到 100万公里以上，周期通常3-6个月，问题发现后整改周期长，上市前存在验证不充分的风险。另一方面，试验样车样本数量大，成本高企。目前公开的ADAS道路试验方法大多相当于盲试，缺少场景和路线设计规则，试验目的性不够明确，导致开发问题检出率和检出速度不够。
发明内容
本发明的目的就是要克服上述现有技术存在的不足，提供一种一种汽车ADAS场景识别功能的测试方法，该方法可以根据测试结果优化测试路线、测试场景的种类和数量，从而缩短测试的路程和时间、提高ADAS功能的故障检出率。
为实现上述目的，本发明提供一种汽车ADAS场景识别功能的测试方法，使车辆在规定线路以及不同的天气、光照、路况、环境车辆下进行ADAS功能测试，控制车辆分别执行ADAS功能测试所规定的行驶工况，当某个ADAS功能发生故障时，获取此时的车辆 CAN数据和行车视频确定导致此次ADAS功能故障的场景，所述场景包括不同的天气、光照、路况、环境车辆和行驶工况；完成全部测试后，统计每个ADAS功能在不同场景下的故障次数，以及每个场景导致ADAS功能故障的次数，得到每个ADAS功能在不同场景下的故障概率，根据所述故障概率和置信度得到每个ADAS功能在不同场景下发生故障所需的最小测试次数；根据所述统计的结果调整测试的场景种类和规定线路、根据每个ADAS功能的最小测试次数调整每个ADAS功能在不同场景下的测试次数；根据调整后的测试场景种类、规定线路和每个ADAS功能在不同场景下的测试次数重新进行ADAS功能测试。
进一步地，所述规定线路的确定方法包括，调用测试城市的道路地图信息，在地图上标记出不同种类路况的全部位置点，在地图中输入获取线路的指令，并令该线路在每个种类路况中至少经过一个位置点，依次连接符合指令的多个位置点得到多条线路，输出多条线路中路程最短的作为规定线路。
进一步地，导致ADAS识别功能故障的场景的确定方法包括，获取ADAS功能故障时刻前后一段时间内的车辆CAN数据和行车视频，根据车辆CAN数据得到该功能的实际识别目标，根据行车视频得到该功能正常时的理论识别目标，根据实际识别目标与理论识别目标的区别确定关联的场景。
进一步地，单个ADAS功能在不同场景下的故障概率的确定方法包括，分别获取单个ADAS功能在不同场景下的故障次数与测试总次数的比值。
进一步地，所述测试总次数的确定方法包括，获取天气种类数量、光照种类数量、路况种类数量、环境车辆种类数量的乘积。
进一步地，调整测试的场景种类的方法包括，在导致每个ADAS 功能故障的场景中，将原测试场景种类中没有的场景种类，增加到该ADAS功能的测试场景库中。
进一步地，调整测试的场景种类的方法包括，删除导致功能故障的次数为零的场景种类。
进一步地，单个ADAS功能在不同场景下的测试次数大于或等于该ADAS功能的最小测试次数。
进一步地，所述路况包括平直路、坑洼路、上坡、下坡、隧道、桥梁、十字路口、井盖、限高杆、减速带、门禁道闸。
进一步地，所述行驶工况包括巡航、跟车、加速、减速、变道、转弯。
本发明的有益效果：
1、缩短测试的路程和时间。本发明的规定线路是在多个符合指令线路中选择路程最短的作为规定线路，这样可以减小检测的路程和时间，另一方面在测试完成后，还根据统计结果调整测试的场景种类和规定线路以及每个ADAS功能的最小测试次数，并将ADAS 功能故障次数为零的场景删除，可以进一步地减少每次规定线路下需要完成的ADAS功能测试次数，从而缩短测试时间。
2、提高ADAS功能的故障检出率。根据测试完成后的统计结果调整测试的场景种类和规定线路，增加原测试场景种类中没有的故障场景，删除故障次数为零的场景，增加了ADAS功能的故障检出率，并且根据故障概率和置信度得到每个ADAS功能在不同场景下发生故障所需的最小测试次数，该测试次数可以保证在置信度下检出该ADAS功能的故障，进一步提高了ADAS功能的故障检出率。
附图说明
图1为本发明测试方法的流程图。
图2不同ADAS功能在不同场景下的故障次数。
图3不同场景导致ADAS功能故障的次数。
具体实施方式
下面具体实施方式用于对本发明的权利要求技术方案作进一步的详细说明，便于本领域的技术人员更清楚地了解本权利要求书。本发明的保护范围不限于下面具体的实施例。本领域的技术人员做出的包含有本发明权利要求书技术方案而不同于下列具体实施方式的也是本发明的保护范围。
如图1所示，本发明提供一种汽车ADAS场景识别功能的测试方法，ADAS功能包括AEB、ACC、LKA或LDW、TJA或HWA，每一个ADAS功能的测试需要控制车辆运行在规定的行驶工况下才能触发该功能，行驶工况包括巡航、跟车、加速、减速、变道、转弯。以ACC全速自适应巡航功能为例，测试时包括巡航、跟车、正常行驶、切入切出等行驶工况下对目标识别、跟停跟起、弯道等供能的测试，表1为ACC功能在巡航及跟车工况下的测试用例。
表1ACC功能在巡航及跟车工况下的测试用例
ADAS功能会受到天气、光照、路况、环境车辆、行驶工况等场景的影响，不同场景种类的场景库如表2所示。为了尽可能的测试出每个ADAS功能在哪些场景下会出现故障，需要将测试车辆在不同的天气、光照、路况、环境车辆下进行测试，并驾驶车辆进行不同的行驶工况来激发每个ADAS功能起作用，由于天气和光照是人为无法控制的场景，而行驶工况是人为完全可以控制的场景，路况和环境车辆是驾驶员可以部分控制的场景，且路况的选择跟测试时所选择的线路有关。
表2不同的场景种类的场景库
为了缩短测试所用的路程和时间，将车辆在同一个规定线路下进行测试，并且为了使每一种测试所需的路况种类都能遇到，在确定规定线路时调用测试城市的道路地图信息，在地图上标记出表2 中12种路况种类的全部位置点，在地图中输入获取线路的指令，并令该线路在12种路况中的每一种路况至少经过一个位置点，依次连接符合指令的多个位置点得到多条线路，输出多条线路中路程最短的作为规定线路。这样可以减小检测的路程和时间。
根据不同场景种类的数量、以及正交试验方法可以得到整个 ADAS功能测试的测试总次数，即为天气种类数量、光照种类数量、路况种类数量、环境车辆种类数量的乘积。这里由于不同ADAS功能的行驶工况不同，因此不将行驶工况的种类数量作为计算测试总次数的依据，也就是说在每一次测试次数下测试不同的ADAS功能时，仍需在多个行驶工况下进行测试。
在规定线路、测试场景种类、场景种类数量以及测试总次数确定后，根据天气和光照的客观环境选择合适的测试时间段，使车辆在不同的天气、光照下在规定线路下行驶多次，若每一次行驶均保证测试车辆均经过了全部12种路况种类、遇到了全部6种环境车辆，并控制车辆执行了全部的行驶工况，则该规定线路行驶的次数为天气种类数量与光照种类数量的乘积，这样总的测试路程和测试时间最短。
在测试过程中，当某个ADAS功能发生故障时，获取此时的车辆CAN数据和行车视频确定导致此次ADAS功能故障的场景。其中，导致ADAS识别功能故障的场景的确定方法为，获取ADAS功能故障时刻前后1min内的车辆CAN数据和行车视频，根据车辆CAN数据得到该功能的实际识别目标，根据行车视频得到该功能正常时的理论识别目标，根据实际识别目标与理论识别目标的区别确定关联的场景。例如，车辆在即将驶出隧道时，ADAS系统将前方隧道口作为识别目标，而实际上隧道口不应该作为识别目标，因此将与隧道口关联隧道场景作为此时导致ADAS识别功能故障的场景；又例如，车辆在巡航工况下驶出隧道时发生自行减速的操作，通过分析车辆CAN数据和行车视频得出系统将相邻车道的车辆作为识别目标，因此根据两车的距离执行了紧急制动，但是理论识别目标不包括相邻车道的车辆，此故障前后的场景变化为在白天的隧道出口出现逆光，因此将白天逆光作为此时导致ADAS识别功能故障的场景。
按照上述测试规定完成全部测试后，统计每个ADAS功能在不同场景下的故障次数，如图2所示；以及每个场景导致ADAS功能故障的次数，如图3所示。
通过计算单个ADAS功能在不同场景下的故障次数与测试总次数的比值得到每个ADAS功能在不同场景下的故障概率，根据故障概率和置信度得到每个ADAS功能在不同场景下发生故障所需的最小测试次数，即在最小测试次数下检测出某ADAS功能发生故障(至少出现一次故障)的概率为该置信度，这样提高了ADAS功能的故障检出率。根据统计的结果调整测试的场景种类和规定线路、根据每个ADAS功能的最小测试次数调整每个ADAS功能在不同场景下的测试次数。调整后的单个ADAS功能在不同场景下的测试次数大于或等于该ADAS功能的最小测试次数。例如，ACC功能在雨天这个场景下的故障次数为15次，该ACC功能在雨天场景下的测试次数为288次，得出该ACC功能在雨天这个场景下的故障概率为 0.052，取置信度为0.95，得到ACC功能在雨天场景下最少测试次数为58次，即该ACC功能至少要在雨天这个场景下测试58次才能保证检出ACC功能故障的次数至少为1次。
本实施例中，调整测试的场景种类的方法包括，在导致每个 ADAS功能故障的场景中，将原测试场景种类中没有的场景种类，增加到该ADAS功能的测试场景库中。例如，在导致ADAS功能故障的场景种类中出现了积水路面、夜晚闪烁光、有轨电车，而这些场景种类在原测试场景中没有出现，因此需要将这些导致故障的新场景种类增加到测试场景库中，即表2中。
本实施例中，调整测试的场景种类的方法包括，删除导致功能故障的次数为零的场景种类。例如，天气种类中为晴天、光照种类中为白天非逆光、路况为平直路所导致的故障次数均为零，且他们所出现的次数均大于一定次数，每个场景种类导致故障次数为零的置信度均大于95％，可以认为这几种场景种类不会导致任何故障，因此将他们从测试场景中删除。这样便减少了测试总次数，缩短了测试时间。
根据调整后的路况场景种类对规定线路进行相适应的调整，保证规定线路经过调整后的全部路况种类，且满足线路路程最短。
将调整后的测试场景种类、规定线路和每个ADAS功能在不同场景下的测试次数作为最终的ADAS功能测试用例和测试标准，根据调整后的测试用例和测试标准重新进行ADAS功能测试。
Claims (10)
1.一种汽车ADAS场景识别功能的测试方法，其特征在于：使车辆在规定线路以及不同的天气、光照、路况、环境车辆下进行ADAS功能测试，控制车辆分别执行ADAS功能测试所规定的行驶工况，当某个ADAS功能发生故障时，获取此时的车辆CAN数据和行车视频确定导致此次ADAS功能故障的场景，所述场景包括不同的天气、光照、路况、环境车辆和行驶工况；完成全部测试后，统计每个ADAS功能在不同场景下的故障次数，以及每个场景导致ADAS功能故障的次数，得到每个ADAS功能在不同场景下的故障概率，根据所述故障概率和置信度得到每个ADAS功能在不同场景下发生故障所需的最小测试次数；根据所述统计的结果调整测试的场景种类和规定线路、根据每个ADAS功能的最小测试次数调整每个ADAS功能在不同场景下的测试次数；根据调整后的测试场景种类、规定线路和每个ADAS功能在不同场景下的测试次数重新进行ADAS功能测试。
2.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：所述规定线路的确定方法包括，调用测试城市的道路地图信息，在地图上标记出不同种类路况的全部位置点，在地图中输入获取线路的指令，并令该线路在每个种类路况中至少经过一个位置点，依次连接符合指令的多个位置点得到多条线路，输出多条线路中路程最短的作为规定线路。
3.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：导致ADAS识别功能故障的场景的确定方法包括，获取ADAS功能故障时刻前后一段时间内的车辆CAN数据和行车视频，根据车辆CAN数据得到该功能的实际识别目标，根据行车视频得到该功能正常时的理论识别目标，根据实际识别目标与理论识别目标的区别确定关联的场景。
4.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：单个ADAS功能在不同场景下的故障概率的确定方法包括，分别获取单个ADAS功能在不同场景下的故障次数与测试总次数的比值。
5.根据权利要求4所述的汽车ADAS场景识别功能的测试方法，其特征在于：所述测试总次数的确定方法包括，获取天气种类数量、光照种类数量、路况种类数量、环境车辆种类数量的乘积。
6.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：调整测试的场景种类的方法包括，在导致每个ADAS功能故障的场景中，将原测试场景种类中没有的场景种类，增加到该ADAS功能的测试场景库中。
7.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：调整测试的场景种类的方法包括，删除导致功能故障的次数为零的场景种类。
8.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：单个ADAS功能在不同场景下的测试次数大于或等于该ADAS功能的最小测试次数。
9.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：所述路况包括平直路、坑洼路、上坡、下坡、隧道、桥梁、十字路口、井盖、限高杆、减速带、门禁道闸。
10.根据权利要求1所述的汽车ADAS场景识别功能的测试方法，其特征在于：所述行驶工况包括巡航、跟车、加速、减速、变道、转弯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110994674.8A CN114166520A (zh) | 2021-08-27 | 2021-08-27 | 汽车adas场景识别功能的测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110994674.8A CN114166520A (zh) | 2021-08-27 | 2021-08-27 | 汽车adas场景识别功能的测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114166520A true CN114166520A (zh) | 2022-03-11 |
Family
ID=80476528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110994674.8A Pending CN114166520A (zh) | 2021-08-27 | 2021-08-27 | 汽车adas场景识别功能的测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114166520A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196262A (zh) * | 2023-11-06 | 2023-12-08 | 中船凌久高科(武汉)有限公司 | 一种基于状态编码优化的测试场车辆与场景匹配调度方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190180526A1 (en) * | 2017-12-11 | 2019-06-13 | GM Global Technology Operations LLC | Systems, methods and apparatuses for diagnostic fault detection by parameter data using a redundant processor architecture |
| CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
| CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
| CN111735642A (zh) * | 2020-07-30 | 2020-10-02 | 北汽福田汽车股份有限公司 | 自动刹车系统的路试方法及装置 |
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112525552A (zh) * | 2020-12-15 | 2021-03-19 | 武汉极目智能技术有限公司 | 汽车高级辅助驾驶系统的算法测试系统及方法 |
-
2021
- 2021-08-27 CN CN202110994674.8A patent/CN114166520A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190180526A1 (en) * | 2017-12-11 | 2019-06-13 | GM Global Technology Operations LLC | Systems, methods and apparatuses for diagnostic fault detection by parameter data using a redundant processor architecture |
| CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
| CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
| CN111735642A (zh) * | 2020-07-30 | 2020-10-02 | 北汽福田汽车股份有限公司 | 自动刹车系统的路试方法及装置 |
| CN112307566A (zh) * | 2020-11-12 | 2021-02-02 | 安徽江淮汽车集团股份有限公司 | 车辆仿真测试方法、装置、设备及存储介质 |
| CN112525552A (zh) * | 2020-12-15 | 2021-03-19 | 武汉极目智能技术有限公司 | 汽车高级辅助驾驶系统的算法测试系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 叶伊苏: "基于提高开发问题检出率的ADAS试验方法研究", 2020年中国汽车工程学会年会论文集 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117196262A (zh) * | 2023-11-06 | 2023-12-08 | 中船凌久高科(武汉)有限公司 | 一种基于状态编码优化的测试场车辆与场景匹配调度方法 |
| CN117196262B (zh) * | 2023-11-06 | 2024-02-13 | 中船凌久高科(武汉)有限公司 | 一种基于状态编码优化的测试场车辆与场景匹配调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111506980B (zh) | 对虚拟驾驶环境生成交通场景的方法及装置 | |
| CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
| CN111178402B (zh) | 一种自动驾驶车辆道路测试的场景分类方法及装置 | |
| US20180186360A1 (en) | Hybrid vehicle and method of predicting driving pattern in the same | |
| CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
| US8666593B2 (en) | Travel information collection apparatus | |
| CN111579251A (zh) | 车辆测试场景的确定方法、装置、设备及存储介质 | |
| CN110606093A (zh) | 车辆性能评测方法、装置、设备和存储介质 | |
| CN110502852B (zh) | 一种自动驾驶仿真测试场景的生成方法及生成系统 | |
| CN109753623B (zh) | 一种自动驾驶车辆多测试场景分析与数目化简方法 | |
| CN112631257A (zh) | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 | |
| CN115599694A (zh) | 一种自动驾驶软件版本集成测试方法 | |
| CN112987711A (zh) | 自动驾驶规控算法优化方法及仿真测试装置 | |
| CN111079800A (zh) | 一种智能驾驶虚拟测试的加速方法及加速系统 | |
| CN112835790A (zh) | 自动驾驶软件的测试方法、装置、设备及介质 | |
| CN114166520A (zh) | 汽车adas场景识别功能的测试方法 | |
| CN115165398A (zh) | 车辆的行驶功能测试方法、装置、计算设备及介质 | |
| CN113470363B (zh) | 一种计算道路通行能力的方法和装置 | |
| CN114527675A (zh) | 自动驾驶仿真测试方法、装置、设备及存储介质 | |
| CN116861678A (zh) | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 | |
| CN109670085B (zh) | 一种车辆碰撞事故等级的判别方法 | |
| Alyamani et al. | Driver behavior on exit freeway ramp terminals based on the naturalistic driving study | |
| CN116430750A (zh) | 一种基于仿真的自动驾驶系统检测方法、装置及系统 | |
| Feng et al. | Disengagement causes analysis of automated driving system | |
| CN116639150A (zh) | 用于评估自动驾驶系统的方法、装置、设备和存储介质 |
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 |