CN114326667B - 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 - Google Patents
在线交通流仿真与真实道路环境融合的无人驾驶测试方法 Download PDFInfo
- Publication number
- CN114326667B CN114326667B CN202111592703.4A CN202111592703A CN114326667B CN 114326667 B CN114326667 B CN 114326667B CN 202111592703 A CN202111592703 A CN 202111592703A CN 114326667 B CN114326667 B CN 114326667B
- Authority
- CN
- China
- Prior art keywords
- tested
- test
- vehicle
- unmanned
- unmanned vehicle
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 106
- 238000010998 test method Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 135
- 230000008447 perception Effects 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims abstract description 6
- 238000005094 computer simulation Methods 0.000 claims abstract description 4
- 230000001351 cycling effect Effects 0.000 claims abstract description 4
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 16
- 230000006854 communication Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 230000007175 bidirectional communication Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法，包括，在基于大量实车驾驶行为数据构建的FLOWSIM交通流仿真平台中，搭建与封闭无人驾驶测试场地一致的静态道路环境，同时根据测试要求，构建待测无人驾驶车辆的虚拟镜像及虚拟交通场景；通过虚拟镜像配置的虚拟传感器对交通流仿真平台的实时动态仿真结果进行感知，获取的第一运行状态信息实时向待测无人驾驶车辆感知端返回感知信息；基于感知信息控制待测无人驾驶车辆在封闭无人驾驶测试场地中行驶，并实时将待测无人驾驶车辆的第二运行状态信息反馈给交通流仿真平台，更新虚拟镜像在虚拟交通场景中的位置与状态；反复循环，直至待测无人驾驶车辆的功能和等级测试结束。
Description
技术领域
本发明属于无人驾驶测试技术领域。
背景技术
现有的无人驾驶汽车功能和等级测试存在诸多不足，体现在：
在无人驾驶实车测试过程中，a)测试成本高昂：需要花费大量资金进行场景准备，包括周围车辆的购置、周围车辆模型的准备、行人模型准备、多车辆交通组织与调度等；b)交通场景有限：受到场地设备以及安全性等要素制约，测试无人驾驶车辆的交通场景的Corner case难以在测试场地的布设中完全覆盖；c)迭代周期慢：更换实车测试场地中真实场景需要消耗大量时间与费用，会拖慢测试进程；d)存在安全性问题：在真实无人驾驶车辆与有人驾驶车辆行驶交互测试过程中，存在碰撞的安全隐患；场地感知要求高：实车测试需要全覆盖的感知体系建立、安装与维护和数据采集、分析，成本高昂。
在无人驾驶纯仿真测试过程中，a)真实性：仿真测试结果的可靠程度受到仿真模型的真实性的制约；b)可解释性：交通仿真模型中，模块的构建往往基于特定的模型。在测试场景中出现事故，存在仿真平台计算错误与事故真实发生两种可能，作为无人驾驶测试标准存在可解释性问题；c)算法公开情况：完全虚拟环境测试无人驾驶车辆，需要将无人驾驶车辆的控制算法逻辑写入仿真平台中，需要公开其内部算法，存在商业秘密或知识产权保护的问题；d)道路及物理条件反映不足：无人驾驶测试需要考虑不同道路条件对于待测车辆正常行驶与制动能力的限制，待测车如何处理意外的坑洼或是轮胎爆胎等意外需要进行实地模拟。
1929年，Edward Link设计出用于训练飞行员的模拟器；1984年，NASA研究中心开发出用于火星探测的虚拟环境视觉显示器。1990年，提出VR技术包括三维图形生成技术、多传感器交互技术和高分辨率显示技术等。在现在，虚拟现实技在各个行业都有着广泛且相对成熟的应用，这些虚拟现实技术提供了真实与仿真平台交互的桥梁。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的第一个目的在于提出一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法，用于将仿真平台的安全、高效、快速、便捷的特性，与实测场景的真实性、待测车接入便利性的特征相结合，完成原本无人驾驶所需的大规模路测的环节。
本发明的第二个目的在于提出一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统。
为达上述目的，本发明第一方面实施例提出了一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法，包括：在基于大量实车驾驶行为数据构建的FLOWSIM交通流仿真平台中，搭建与封闭无人驾驶测试场地一致的静态道路环境，同时根据测试要求，构建待测无人驾驶车辆的虚拟镜像及虚拟交通场景；通过虚拟镜像配置的虚拟传感器对交通流仿真平台的实时动态仿真结果进行感知，获取的第一运行状态信息实时向待测无人驾驶车辆感知端返回感知信息；基于感知信息控制待测无人驾驶车辆在封闭无人驾驶测试场地中行驶，并实时将待测无人驾驶车辆的第二运行状态信息反馈给交通流仿真平台，更新虚拟镜像在虚拟交通场景中的位置与状态；反复循环，直至待测无人驾驶车辆的功能和等级测试结束。
本发明实施例提出的在线交通流仿真与真实道路环境融合的无人驾驶测试方法，将仿真平台的安全、高效、快速、便捷的特性，与实测场景的真实性、待测车接入便利性的特征相结合。依托于高拟真性的交通流仿真平台，利用虚拟现实的技术搭建无人驾驶感知与仿真场景之间的桥梁，利用仿真平台快速迭代、问题精准定位溯源的特性，快速完成原本无人驾驶所需的大规模路测的环节，并依据于众多车辆测试结果形成具备不同特征标签的问题场景数据集，有助于对于自动驾驶能力及局限性实现快速的测试与评定，有利于统一的测试标准及流程的形成。
另外，根据本发明上述实施例的在线交通流仿真与真实道路环境融合的无人驾驶测试方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，还包括：
所述待测无人驾驶车辆成为虚拟交通场景中的参与者，与虚拟交通场景中的周围车辆和环境形成互动，所述交通流仿真平台与所述待测无人驾驶车辆之间采用双向低延时通讯进行交互。
进一步地，在本发明的一个实施例中，还包括：
对所述待测无人驾驶车辆控制逻辑测试、对无人驾驶车辆感知系统测试。
进一步地，在本发明的一个实施例中，对所述待测无人驾驶车辆控制逻辑测试，包括：
所述待测无人驾驶车辆在设计运行范围内运行情况测试、对驾乘人员接管状态的判断能力测试、对安全风险的识别能力测试、对用户介入请求的反应测试。
进一步地，在本发明的一个实施例中，所述待测无人驾驶车辆在设计运行范围内运行情况测试包括：不同驾驶工况下的控制策略，所述驾驶工况包括：跟驰、换道、左右转向、掉头行驶、路口停车、倒车、车辆汇入本车车道、车辆驶出本车车道、与行人和自行车交互；其中，所述测试通过低延时双向通讯技术构建所述待测无人驾驶车辆与仿真系统的交互，进行所述待测无人驾驶车辆与其对应的仿真环境中的虚拟镜像的双向映射，所述通讯技术包括最先进的通讯技术；
所述对驾乘人员接管状态的判断能力测试包括：对超出运行范围时驾乘人员接管情况、紧急情形下驾乘人员接管情况、驾乘人员的驾驶状态识别；
所述对安全风险的识别能力测试包括：前方存在视觉盲区的行驶策略、行人闯入风险判断、左转直行冲突情形判断；
所述对用户介入请求的反应基于驾乘人员接管状态与当前安全风险识别情形确定。
进一步地，在本发明的一个实施例中，对无人驾驶车辆感知系统测试，包括：
感知系统能力标定、认知体系对物体类型识别准确性与对运动状态评估的准确性。
进一步地，在本发明的一个实施例中，所述对无人驾驶车辆感知系统测试包括静态物感知能力测试与动态物的感知能力测试；
其中，所述静态物感知能力测试包括通过将传感器端测量得到的静态物体的运行状态信息与仿真平台中预先测定、建模、尺寸标注完的静态固定物进行比对，得到待测车静态物体的感知能力；所述动态物感知能力测试包括通过预先测定物体的形状、尺寸、颜色信息，再对待测车与动态物体分别加装高精度差分定位GPS、INS与陀螺仪得到待测车坐标下动态物体的运动情况与信息，并与无人驾驶感知-认知系统所得到的结果进行比对，从而测定待测车感知-认知系统的有效性。
进一步地，在本发明的一个实施例中，还包括：
所述虚拟传感器可通过实车传感器对测试场中静态与动态标定物的感知与真实信息进行比对与标定。
为达上述目的，本发明第二方面实施例提出了一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统。
本发明实施例提出的在线交通流仿真与真实道路环境融合的无人驾驶测试系统，应用于所述在线交通流仿真与真实道路环境融合的无人驾驶测试方法，其特征在于，包括：交通仿真平台、实体待测车辆；
其中，所述交通仿真平台用于提供周围环境数据给实体待测车辆；所述实体待测车辆根据周围环境数据做出响应，进行相应的纵向运动与横向运动；其中，
当所述实体待测车辆发生特殊情形时被接管驾驶权，仿真测试中断，所述特殊情形包括：
所述实体待测车辆将发生真实危险的情形；
仿真系统中发生事故，仿真测试暂停时，要求驾乘人员接管；
仿真测试结束，要求驾乘人员接管。
为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如所述在线交通流仿真与真实道路环境融合的无人驾驶测试方法。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所提供的一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法的流程示意图。
图2为本发明实施例所提供的一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统的流程示意图。
图3为本发明实施例所提供的一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法项目框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的在线交通流仿真与真实道路环境融合的无人驾驶测试方法和系统。
图1为本发明实施例所提供的一种基于在线交通流仿真与真实道路环境融合的无人驾驶测试方法的流程示意图。
如图1所示，该在线交通流仿真与真实道路环境融合的无人驾驶测试方法包括以下步骤：
S101：在基于大量实车驾驶行为数据构建的FLOWSIM交通流仿真平台中，搭建与封闭无人驾驶测试场地一致的静态道路环境，同时根据测试要求，构建待测无人驾驶车辆的虚拟镜像及虚拟交通场景；
S102：通过虚拟镜像配置的虚拟传感器对交通流仿真平台的实时动态仿真结果进行感知，获取的第一运行状态信息实时向待测无人驾驶车辆感知端返回感知信息；
S103：基于感知信息控制待测无人驾驶车辆在封闭无人驾驶测试场地中行驶，并实时将待测无人驾驶车辆的第二运行状态信息反馈给交通流仿真平台，更新虚拟镜像在所述虚拟交通场景中的位置与状态；
S104：反复循环，直至待测无人驾驶车辆的功能和等级测试结束。
本发明实施例提出的在线交通流仿真与真实道路环境融合的无人驾驶测试方法，将仿真平台的安全、高效、快速、便捷的特性，与实测场景的真实性、待测车接入便利性的特征相结合。依托于高拟真性的交通流仿真平台，利用虚拟现实的技术搭建无人驾驶感知与仿真场景之间的桥梁，利用仿真平台快速迭代、问题精准定位溯源的特性，快速完成原本无人驾驶所需的大规模路测的环节，并依据于众多车辆测试结果形成具备不同特征标签的问题场景数据集，有助于对于自动驾驶能力及局限性实现快速的测试与评定，有利于统一的测试标准及流程的形成，其项目框图如图3所示。
进一步地，在本发明的一个实施例中，还包括：
所述待测无人驾驶车辆成为虚拟交通场景中的参与者，与虚拟交通场景中的周围车辆和环境形成互动，所述交通流仿真平台与所述待测无人驾驶车辆之间采用双向低延时通讯进行交互。
进一步地，在本发明的一个实施例中，还包括：
对所述待测无人驾驶车辆控制逻辑测试、对无人驾驶车辆感知系统测试。
其中，控制逻辑测试主要包含对车辆在直行、换道、左右转向等不同工况下控制效果的测试、对于感知信息在不同完备性下的控制逻辑与风险控制测试、对于驾乘人员是否适合接管驾驶的判断测试。对无人驾驶感知系统的测试可以预先单独进行，也可与对控制逻辑的测试同时进行。在同时进行的场景下，待测车辆感知端的信息传递给仿真平台，与提前测定的已知位置、形态等信息的场地静态物体，和通过额外安装的感知设备测量得到的动态模型的信息进行比对，判断感知系统能力。对仿真平台的评估可通过对真实有人/无人驾驶场景下的真实车辆安装传感器，对车头时距、驾驶者反映时间、车辆制动距离、加速度等微观交通模型参数进行不断校验与标定，同时可以丰富仿真模块中的驾驶风格库，从而产生更贴近真实场景的虚拟现实。
进一步地，在本发明的一个实施例中，对所述待测无人驾驶车辆控制逻辑测试，包括：
所述待测无人驾驶车辆在设计运行范围内运行情况测试、对驾乘人员接管状态的判断能力测试、对安全风险的识别能力测试、对用户介入请求的反应测试。
进一步地，在本发明的一个实施例中，所述待测无人驾驶车辆在设计运行范围内运行情况测试包括：不同驾驶工况下的控制策略，所述驾驶工况包括：跟驰、换道、左右转向、掉头行驶、路口停车、倒车、车辆汇入本车车道、车辆驶出本车车道、与行人和自行车交互；其中，所述测试通过低延时双向通讯技术构建所述待测无人驾驶车辆与仿真系统的交互，进行所述待测无人驾驶车辆与其对应的仿真环境中的虚拟镜像的双向映射，所述通讯技术包括最先进的通讯技术，如5G通讯；
所述对驾乘人员接管状态的判断能力测试包括：对超出运行范围时驾乘人员接管情况、紧急情形下驾乘人员接管情况、驾乘人员的驾驶状态识别；
所述对安全风险的识别能力测试包括：前方存在视觉盲区的行驶策略、行人闯入风险判断、左转直行冲突情形判断；
所述对用户介入请求的反应基于驾乘人员接管状态与当前安全风险识别情形确定。
其中对待测无人驾驶车辆控制逻辑测试过程基于FLOWSIM仿真软件开发，在该交通流仿真中，有人驾驶车辆的行为经过多年真人驾驶行为特征的采集与提取，类别人类驾乘人员在驾驶过程中的模糊决策，采用模糊数学的控制逻辑，每辆车辆都具备独立的驾驶人的特质，很好地将真实世界中的有人驾驶车辆特征映射到仿真系统中。以真实车辆生成的仿真模型与无人驾驶车辆交互，产生真实的测试场景。同时，基于对感知系统测试得到的，在由天气、光线、静态背景等不同环境下车辆对环境数据的感知范围、感知准确性及有效性等情况，需测试控制系统对于自身感知能力局限性的识别与判断能力，及是否能够根据感知受损或遮挡的情况来调整自身的控制逻辑。
进一步地，在本发明的一个实施例中，对无人驾驶车辆感知系统测试，包括：
感知系统能力标定、认知体系对物体类型识别准确性与对运动状态评估的准确性。
其中，对于无人驾驶感知系统测试环节，主要由三大要素构成：感知系统能力标定(是否可感知到有物体存在)、认知体系对物体类型识别准确性(是否能够准确识别物体类别)与对运动状态评估的准确性(对于物体的位置、距离、速度、加速度、运动角度等信息判断是否准确)。测试标定的结果用于完善仿真平台的虚拟感知模块，使虚拟感知传向待测车辆的数据更具真实。
进一步地，在本发明的一个实施例中，对无人驾驶车辆感知系统测试包括静态物感知能力测试与动态物的感知能力测试；
其中，所述静态物感知能力测试包括通过将传感器端测量得到的静态物体的运行状态信息与仿真平台中预先测定、建模、尺寸标注完的静态固定物进行比对，得到待测车静态物体的感知能力；所述动态物感知能力测试包括通过预先测定物体的形状、尺寸、颜色信息，再对待测车与动态物体分别加装高精度差分定位GPS、INS与陀螺仪得到待测车坐标下动态物体的运动情况与信息，并与无人驾驶感知-认知系统所得到的结果进行比对，从而测定待测车感知-认知系统的有效性。
进一步地，在本发明的一个实施例中，还包括：
所述虚拟传感器可通过实车传感器对测试场中静态与动态标定物的感知与真实信息进行比对与标定。
进一步地，由于该测试方法的测试效果很大程度依赖于测试平台对于真实道路交通场景的模拟情况，为保证测试结果的真实性与可靠性。需要对测试平台的拟真效果进行评估与迭代优化。对测试平台的拟真效果进行评估与迭代，包括：有人驾驶的参数标定，无人驾驶的参数标定，行人与非机动车的参数标定。
其中，有人驾驶的参数标定，包括：通过有限有人驾驶车辆之间的交互运动情况与仿真平台的车辆运动交互情况进行比对与动态校准，其中，所述交互运动情况包括静态起步、直线巡航、变道超车、路口停车、路口起步、紧急刹车；
无人驾驶的参数标定，包括：对无人驾驶车辆的驾驶行为进行学习及特征参数提取，再将采集的无人驾驶的行为数据储存在无人驾驶车辆驾驶行为库中，之后测试无人驾驶车辆时对无人驾驶车辆的仿真模块进行调用；
行人与非机动车的参数标定，包括：通过对不同类别的行人及不同类别的非机动车的运动、行驶特征进行提取采集与建模，使之融入交通流仿真平台体系中。
本发明实施例提出的在线交通流仿真与真实道路环境融合的无人驾驶测试方法，第一，极大方便了无人驾驶测试的开展，通过在线仿真与实车测试相结合的方法，可以在远程接入待测车辆，并提供系列的场景测试，而无需考虑测试场地的位置以及距离；第二，无人驾驶真车与线上仿真车辆的交互过程，在碰撞情形发生时，不会构成交通事故，极大地提升测试的安全性能；第三，该测试方法减少了实体有人车辆的运输成本、等比例实体模型的制作成本，并避免了复杂的真实测试场景的构建、组织与调度；第四，基于仿真的快速大量测试场景汇总以及精准的问题定位溯源可形成统一的、标准化的测试标准，未来可以成为无人驾驶统一的测试标准；第五，无人驾驶车辆测试由感知、决策、规划和动作控制等若干模块构成：其中仿真平台提供了感知环境，无人驾驶车辆控制端提供决策与规划结果，实车的无人驾驶可以提供无人驾驶的动作控制效果测试。通过高信息量的信号传输实现了不同功能分区的物理分隔与虚拟相连。
为了实现上述实施例，本发明第二方面提出一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统。
图2为本发明实施例提供的一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统的结构示意图。
如图2所示，该基于在线交通流仿真与真实道路环境融合的无人驾驶测试系统包括：交通仿真平台、实体待测车辆；
其中，所述交通仿真平台用于提供周围环境数据给实体待测车辆；所述实体待测车辆根据周围环境数据做出响应，进行相应的纵向运动与横向运动；其中，
当所述实体待测车辆发生特殊情形时被接管驾驶权，仿真测试中断，所述特殊情形包括：
所述实体待测车辆将发生真实危险的情形；
仿真系统中发生事故，仿真测试暂停时，要求驾乘人员接管；
仿真测试结束，要求驾乘人员接管。
具体地，仿真系统提供准确的周围环境数据(周围车辆的位置、姿态、距离等)给待测车，待测车辆根据周围环境数据做出响应，进行相应的纵向运动与横向运动。同时通过附加安装的GPS和INS(惯性导航系统)提供实时的位置信息，并由陀螺仪获取待测车的姿态信息。通过通信信号，将车端的信息同步给仿真平台，仿真平台经过计算更新虚拟环境中无人车的位置及状态，周围车辆据此进行交互并生成下一时间步的位置、姿态、速度、加速度等信息，通过通信信号传回给无人驾驶车辆，作为其实时感知的数据——类似于给无人驾驶车辆戴上虚拟现实的眼镜，仿真与实地测试同步进行，双线递进。同时，基于表1中智能驾驶的自动化等级评定，该测试方法监测在不同风险情形出现时，驾驶自动化系统对风险评估判断情况，对驾乘人员接管的请求情况，对驾乘人员是否合适接管的判断情况。
通过该系统预期实现无人驾驶分级标准中从0-5级的分级的各项能力测试，并为测试车辆定级提供参考。
表1
本发明第三方面提出一种一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如所述在线交通流仿真与真实道路环境融合的无人驾驶测试方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例，可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种在线交通流仿真与真实道路环境融合的无人驾驶测试方法，其特征在于，包括以下步骤：
在基于大量实车驾驶行为数据构建的FLOWSIM交通流仿真平台中，搭建与封闭无人驾驶测试场地一致的静态道路环境，同时根据测试要求，构建待测无人驾驶车辆的虚拟镜像及虚拟交通场景；
通过所述虚拟镜像配置的虚拟传感器对所述交通流仿真平台的实时动态仿真结果进行感知，获取的第一运行状态信息实时向所述待测无人驾驶车辆感知端返回感知信息；
基于所述感知信息控制所述待测无人驾驶车辆在所述封闭无人驾驶测试场地中行驶，并实时将所述待测无人驾驶车辆的第二运行状态信息反馈给所述交通流仿真平台，更新所述虚拟镜像在所述虚拟交通场景中的位置与状态；
反复循环，直至所述待测无人驾驶车辆的功能和等级测试结束；其中包括：对所述待测无人驾驶车辆控制逻辑测试、对无人驾驶车辆感知系统测试；其中，所述对无人驾驶车辆控制逻辑测试，包括：
所述待测无人驾驶车辆在设计运行范围内运行情况测试、对驾乘人员接管状态的判断能力测试、对安全风险的识别能力测试、对用户介入请求的反应测试；
其中，所述待测无人驾驶车辆在设计运行范围内运行情况测试包括：不同驾驶工况下的控制策略，所述驾驶工况包括：跟驰、换道、左右转向、掉头行驶、路口停车、倒车、车辆汇入本车车道、车辆驶出本车车道、与行人和自行车交互；其中，所述测试通过低延时双向通讯技术构建所述待测无人驾驶车辆与仿真系统的交互，进行所述待测无人驾驶车辆与其对应的仿真环境中的虚拟镜像的双向映射，所述通讯技术包括最先进的通讯技术；
所述对驾乘人员接管状态的判断能力测试包括：对超出运行范围时驾乘人员接管情况、紧急情形下驾乘人员接管情况、驾乘人员的驾驶状态识别；
所述对安全风险的识别能力测试包括：前方存在视觉盲区的行驶策略、行人闯入风险判断、左转直行冲突情形判断；
所述对用户介入请求的反应基于驾乘人员接管状态与当前安全风险识别情形确定。
2.根据权利要求1所述的方法，其特征在于，还包括：
所述待测无人驾驶车辆成为虚拟交通场景中的参与者，与虚拟交通场景中的周围车辆和环境形成互动，所述交通流仿真平台与所述待测无人驾驶车辆之间采用双向低延时通讯进行交互。
3.根据权利要求1所述的方法，其特征在于，所述对无人驾驶车辆感知系统测试，包括：感知系统能力标定、认知体系对物体类型识别准确性与对运动状态评估的准确性。
4.根据权利要求3所述的方法，其特征在于，还包括：
所述对无人驾驶车辆感知系统测试包括静态物感知能力测试与动态物的感知能力测试；
其中，所述静态物感知能力测试包括通过将传感器端测量得到的静态物体的运行状态信息与仿真平台中预先测定、建模、尺寸标注完的静态固定物进行比对，得到待测车静态物体的感知能力；所述动态物感知能力测试包括通过预先测定物体的形状、尺寸、颜色信息，再对待测车与动态物体分别加装高精度差分定位GPS、INS与陀螺仪得到待测车坐标下动态物体的运动情况与信息，并与无人驾驶感知-认知系统所得到的结果进行比对，从而测定待测车感知-认知系统的有效性。
5.根据权利要求4所述的方法，其特征在于，还包括：
所述虚拟传感器可通过实车传感器对测试场中静态与动态标定物的感知与真实信息进行比对与标定。
6.一种在线交通流仿真与真实道路环境融合的无人驾驶测试系统，应用于如权利要求1所述的在线交通流仿真与真实道路环境融合的无人驾驶测试方法，其特征在于，包括：交通仿真平台、实体待测车辆；
其中，所述交通仿真平台用于提供周围环境数据给实体待测车辆；所述实体待测车辆根据周围环境数据做出响应，进行相应的纵向运动与横向运动；其中，
当所述实体待测车辆发生特殊情形时被接管驾驶权，仿真测试中断，所述特殊情形包括：
所述实体待测车辆将发生真实危险的情形；
仿真系统中发生事故，仿真测试暂停时，要求驾乘人员接管；
仿真测试结束，要求驾乘人员接管。
7.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5中任一所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592703.4A CN114326667B (zh) | 2021-12-23 | 2021-12-23 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
| PCT/CN2022/134343 WO2023116344A1 (zh) | 2021-12-23 | 2022-11-25 | 无人驾驶测试方法、无人驾驶测试系统及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592703.4A CN114326667B (zh) | 2021-12-23 | 2021-12-23 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114326667A CN114326667A (zh) | 2022-04-12 |
| CN114326667B true CN114326667B (zh) | 2023-08-08 |
Family
ID=81054905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111592703.4A Active CN114326667B (zh) | 2021-12-23 | 2021-12-23 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114326667B (zh) |
| WO (1) | WO2023116344A1 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114326667B (zh) * | 2021-12-23 | 2023-08-08 | 水木东方(深圳)科技有限公司 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
| CN115114786B (zh) * | 2022-06-29 | 2024-06-25 | 重庆长安汽车股份有限公司 | 一种用于交通流仿真模型的评估方法、系统和存储介质 |
| CN115616937B (zh) * | 2022-12-02 | 2023-04-04 | 广汽埃安新能源汽车股份有限公司 | 自动驾驶仿真测试方法、装置、设备和计算机可读介质 |
| CN116244902A (zh) * | 2022-12-20 | 2023-06-09 | 北京国家新能源汽车技术创新中心有限公司 | 车路云融合的道路环境场景仿真方法、电子设备及介质 |
| CN116046417B (zh) * | 2023-04-03 | 2023-11-24 | 安徽深信科创信息技术有限公司 | 自动驾驶感知局限测试方法、装置、电子设备及存储介质 |
| CN116167255B (zh) * | 2023-04-26 | 2023-07-07 | 北京市计量检测科学研究院 | 一种基于vtd的车路协同闭环仿真测试方法及系统 |
| CN116842698B (zh) * | 2023-05-31 | 2024-08-09 | 华能伊敏煤电有限责任公司 | 一种无人运输仿真测试方法 |
| CN116957345B (zh) * | 2023-09-21 | 2023-12-08 | 上海伯镭智能科技有限公司 | 用于无人驾驶系统中的数据处理方法 |
| CN117931682A (zh) * | 2024-03-25 | 2024-04-26 | 中国汽车技术研究中心有限公司 | 自动驾驶汽车的人机接管测试平台及测试方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109781431A (zh) * | 2018-12-07 | 2019-05-21 | 山东省科学院自动化研究所 | 基于混合现实的自动驾驶测试方法及系统 |
| CN110764494A (zh) * | 2019-11-26 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
| DE102018213844A1 (de) * | 2018-08-17 | 2020-02-20 | Robert Bosch Gmbh | Verfahren zum Testen einer zumindest teilautomatisierten Fahrfunktion für Kraftfahrzeuge |
| CN112631257A (zh) * | 2020-12-29 | 2021-04-09 | 清华大学苏州汽车研究院（相城） | 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 |
| CN112924185A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于数字孪生虚实交互技术的人机共驾测试方法 |
| CN113064487A (zh) * | 2021-03-24 | 2021-07-02 | 智科云创(北京)科技有限公司 | 一种交互虚拟仿真系统 |
| CN113311727A (zh) * | 2021-05-13 | 2021-08-27 | 际络科技(上海)有限公司 | 一种用于自动驾驶测试的仿真模拟系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018161278A1 (zh) * | 2017-03-08 | 2018-09-13 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及其控制方法、汽车 |
| EP3401702B1 (de) * | 2017-05-10 | 2020-10-14 | Leuze electronic GmbH + Co. KG | Sensorsystem |
| CN109032102B (zh) * | 2017-06-09 | 2020-12-18 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆测试方法、装置、设备及存储介质 |
| US11022971B2 (en) * | 2018-01-16 | 2021-06-01 | Nio Usa, Inc. | Event data recordation to identify and resolve anomalies associated with control of driverless vehicles |
| US20190271614A1 (en) * | 2018-03-01 | 2019-09-05 | RightHook, Inc. | High-Value Test Generation For Autonomous Vehicles |
| DE102018215329A1 (de) * | 2018-08-31 | 2020-03-05 | Robert Bosch Gmbh | Computerimplementiertes Simulationsverfahren und Anordnung zum Testen von Steuergeräten |
| CN109213126B (zh) * | 2018-09-17 | 2020-05-19 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车测试系统和方法 |
| CN114326667B (zh) * | 2021-12-23 | 2023-08-08 | 水木东方(深圳)科技有限公司 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
-
2021
- 2021-12-23 CN CN202111592703.4A patent/CN114326667B/zh active Active
-
2022
- 2022-11-25 WO PCT/CN2022/134343 patent/WO2023116344A1/zh unknown
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018213844A1 (de) * | 2018-08-17 | 2020-02-20 | Robert Bosch Gmbh | Verfahren zum Testen einer zumindest teilautomatisierten Fahrfunktion für Kraftfahrzeuge |
| CN109781431A (zh) * | 2018-12-07 | 2019-05-21 | 山东省科学院自动化研究所 | 基于混合现实的自动驾驶测试方法及系统 |
| CN110764494A (zh) * | 2019-11-26 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
| CN112631257A (zh) * | 2020-12-29 | 2021-04-09 | 清华大学苏州汽车研究院（相城） | 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 |
| CN112924185A (zh) * | 2021-01-22 | 2021-06-08 | 大连理工大学 | 一种基于数字孪生虚实交互技术的人机共驾测试方法 |
| CN113064487A (zh) * | 2021-03-24 | 2021-07-02 | 智科云创(北京)科技有限公司 | 一种交互虚拟仿真系统 |
| CN113311727A (zh) * | 2021-05-13 | 2021-08-27 | 际络科技(上海)有限公司 | 一种用于自动驾驶测试的仿真模拟系统 |
Non-Patent Citations (1)
| Title |
|---|
| Testing and Evaluating Driverless Vehicles’ Intelligence: The Tsinghua Lion Case Study;Yulin Ma;《INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023116344A1 (zh) | 2023-06-29 |
| CN114326667A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114326667B (zh) | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 | |
| US10902165B2 (en) | Deployable development platform for autonomous vehicle (DDPAV) | |
| CN112740188B (zh) | 使用偏差进行基于日志的模拟 | |
| US11170588B2 (en) | Autonomous system validation | |
| Schöner | Simulation in development and testing of autonomous vehicles | |
| CN112613169B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全分析方法 | |
| US20190043278A1 (en) | Test drive scenario system for virtual test drive scenarios | |
| Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
| CN110103983A (zh) | 用于端对端自主车辆验证的系统和方法 | |
| CN108647437A (zh) | 一种自动驾驶汽车评价方法及评价系统 | |
| 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 | |
| JP6962604B2 (ja) | 極限状況でフォールトトレランス及びフラクチュエーションロバスト性のある、自動車間通信基盤の協業的なブラインドスポット警報方法及び装置 | |
| US11299169B2 (en) | Vehicle neural network training | |
| US10095238B2 (en) | Autonomous vehicle object detection | |
| US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
| US11270164B1 (en) | Vehicle neural network | |
| US11138452B2 (en) | Vehicle neural network training | |
| Schachner et al. | Development and evaluation of potential accident scenarios involving pedestrians and AEB-equipped vehicles to demonstrate the efficiency of an enhanced open-source simulation framework | |
| Solmaz et al. | A vehicle-in-the-loop methodology for evaluating automated driving functions in virtual traffic | |
| CN117056153A (zh) | 校准和验证驾驶员辅助系统和/或自动驾驶系统的方法、系统和计算机程序产品 | |
| CN113918615A (zh) | 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统 | |
| CN117242460A (zh) | 不安全驾驶场景的计算机化检测 | |
| CN115855531B (zh) | 自动驾驶汽车的测试场景构建方法、设备和介质 | |
| Zhang et al. | Development and verification of traffic confrontation simulation test platform based on PanoSim | |
| CN112284410A (zh) | 一种基于高精度地图的车联网显示系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230113 Address after: 518063 A614, Key Laboratory Platform Building, Virtual University Park, No. 1, Yuexing 2nd Road, High-tech Zone Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shuimu East (Shenzhen) Technology Co.,Ltd. Address before: 100084 Tsinghua Yuan, Beijing, Haidian District Applicant before: TSINGHUA University |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |