CN114492081B - 一种车辆行驶程序的处理方法及装置 - Google Patents
一种车辆行驶程序的处理方法及装置 Download PDFInfo
- Publication number
- CN114492081B CN114492081B CN202210215164.0A CN202210215164A CN114492081B CN 114492081 B CN114492081 B CN 114492081B CN 202210215164 A CN202210215164 A CN 202210215164A CN 114492081 B CN114492081 B CN 114492081B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- running program
- target
- vehicle running
- module
- 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
- 238000012545 processing Methods 0.000 title claims description 63
- 238000000034 method Methods 0.000 title claims description 24
- 238000004088 simulation Methods 0.000 claims abstract description 72
- 238000003672 processing method Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims description 37
- 230000004927 fusion Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 12
- 230000007257 malfunction Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 230000008676 import Effects 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种车辆行驶程序的处理方法及装置，以及一种计算机可读存储介质。所述处理方法包括以下步骤：获取多个车辆模块在车辆日常运行时的执行数据，并向各所述执行数据添加时间戳信息；根据多个带有时间戳信息的执行数据，构建虚拟时间轴；以及根据所述虚拟时间轴进行车辆行驶程序的仿真，以判断所述车辆行驶程序的运行效果是否符合预期目标。通过执行这些步骤，该处理方法能够收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的仿真，从而满足对车辆真实情况的场景复现需求，并提升仿真结果的可信度。
Description
技术领域
本发明涉及车辆行驶程序的仿真技术，尤其一种车辆行驶程序的处理方法、一种车辆行驶程序的处理装置，以及一种计算机可读存储介质。
背景技术
随着智能驾驶技术的飞速发展，对智能驾驶算法的训练和事故场景的复现越来越重要。目前常用的仿真方案包括硬件在环、软件在环等方式，其普遍无法针对车辆的真实情况进行场景复现，因而无法针对车辆故障或车辆事故的实际案例来优化智能驾驶算法。
此外，现有的智能驾驶算法普遍是基于软硬件无延时理想场景来训练，导致仿真环境与车辆实际运行场景差异较大，仿真结果的可信度较低。即使进一步采用实车验证的算法来体现实车运行状态，也存在成本较高、车辆及人员伤亡风险较高的缺陷。尤其针对高速撞击等高度危险的场景，出于车辆、人员的安全考虑，一般难以通过实车验证的方式来复现这些场景。
为了克服现有技术存在的上述缺陷，本领域亟需一种车辆行驶程序的仿真技术，用于对车辆的真实情况进行场景复现，并提升仿真结果的可信度。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
为了克服现有技术存在的上述缺陷，本发明提供了一种车辆行驶程序的处理方法、一种车辆行驶程序的处理装置，以及一种计算机可读存储介质。
具体来说，本发明的第一方面提供的上述车辆行驶程序的处理方法包括以下步骤：获取多个车辆模块在车辆日常运行时的执行数据，并向各所述执行数据添加时间戳信息；根据多个带有时间戳信息的执行数据，构建虚拟时间轴；以及根据所述虚拟时间轴进行车辆行驶程序的仿真，以判断所述车辆行驶程序的运行效果是否符合预期目标。通过执行这些步骤，该处理方法能够收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的仿真，从而满足对车辆真实情况的场景复现需求，并提升仿真结果的可信度。
进一步地，在本发明的一些实施例中，所述车辆行驶程序包括智能驾驶算法。所述多个车辆模块包括感知模块、融合模块、目标选择模块及决策模块中的至少一者。
进一步地，在本发明的一些实施例中，所述感知模块包括雷达、摄像头、动力系统和/或底盘系统。所述融合模块包括至少一个目标融合算法单元和/或至少一个道路融合算法单元。所述目标选择模块包括所述目标融合算法单元的选择单元。所述决策模块包括主动刹车单元和/或自适应巡航单元。
进一步地，在本发明的一些实施例中，所述时间戳信息指示所述车辆模块执行对应操作的开始时刻和/或终止时刻。
进一步地，在本发明的一些实施例中，所述根据多个带有时间戳信息的执行数据，构建虚拟时间轴的步骤包括：筛选发生过目标场景的目标车辆；根据所述目标场景的发生时间，筛选所述目标车辆的多个所述车辆模块的执行数据，以确定所述目标场景发生之前和/或之后的预设时间内的多个带有时间戳信息的目标执行数据；以及根据所述多个带有时间戳信息的目标执行数据，构建所述虚拟时间轴。
进一步地，在本发明的一些实施例中，所述目标场景包括待训练的功能场景。所述预期目标包括实现待训练的功能。所述根据所述虚拟时间轴进行车辆行驶程序的仿真，以判断所述车辆行驶程序的运行效果是否符合预期目标的步骤包括：将所述目标场景发生之前和/或之后的预设时间内的目标执行数据导入所述虚拟时间轴，以进行所述目标场景的复现仿真；根据所述复现仿真的结果，判断待训练的功能是否被实现；响应于所述待训练的功能未被实现的判断结果，对所述车辆行驶程序进行缺陷定位，并根据定位的缺陷对所述车辆行驶程序进行代码优化；以及基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真。
进一步地，在本发明的一些实施例中，所述基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真的步骤包括：对所述车辆行驶程序中的至少一个功能模块进行单模块仿真；根据所述单模块仿真的结果，定位缺陷所属的功能模块；以及对带有所属缺陷的功能模块的车辆行驶程序进行代码优化。
进一步地，在本发明的一些实施例中，所述目标场景包括车辆事故场景和/或车辆故障场景。所述根据所述虚拟时间轴进行车辆行驶程序的仿真的步骤包括：将所述目标场景发生之前和/或之后的预设时间内的目标执行数据导入所述虚拟时间轴，以进行所述目标场景的复现仿真；根据所述复现仿真的结果，确定所述目标场景的责任方；响应于所述责任方为所述车辆行驶程序的结果，对所述车辆行驶程序进行缺陷定位，并根据定位的缺陷对所述车辆行驶程序进行代码优化；以及基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真。
进一步地，在本发明的一些实施例中，所述预期目标包括避免车辆事故和/或避免车辆故障。所述根据所述虚拟时间轴进行车辆行驶程序的仿真，以判断所述车辆行驶程序的运行效果是否符合预期目标的步骤包括：根据所述代码优化后的车辆行驶程序的复现仿真的结果，判断所述目标场景是否仍然发生；响应于所述目标场景仍然发生的判断结果，重新对所述代码优化后的车辆行驶程序进行缺陷定位，并根据定位的缺陷重新对所述车辆行驶程序进行代码优化；以及响应于所述目标场景不再发生的判断结果，判定所述代码优化后的车辆行驶程序的运行效果符合预期目标。
进一步地，在本发明的一些实施例中，响应于所述代码优化后的车辆行驶程序的运行效果符合所述预期目标的判断结果，所述处理方法还包括以下步骤：根据所述代码优化后的车辆行驶程序，对相关车辆进行车辆行驶程序升级。
此外，本发明的第二方面提供的上述车辆行驶程序的处理装置包括存储器及处理器。所述处理器连接所述存储器，并被配置用于实施本发明的第一方面提供的上述的车辆行驶程序的处理方法。通过实施该处理方法，该处理装置能够收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的仿真，从而满足对车辆真实情况的场景复现需求，并提升仿真结果的可信度。
此外，本发明的第三方面提供的上述计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施本发明的第一方面提供的上述的车辆行驶程序的处理方法。通过实施该处理方法，该计算机可读存储介质能够收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的仿真，从而满足对车辆真实情况的场景复现需求，并提升仿真结果的可信度。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1示出了根据本发明的一些实施例提供的车辆行驶程序处理方法的流程示意图。
图2示出了根据本发明的一些实施例提供的高级驾驶辅助系统的运行示意图。
图3示出了根据本发明的一些实施例提供的车辆行驶程序的训练优化的流程示意图。
图4示出了根据本发明的一些实施例提供的车辆行驶程序的缺陷优化的流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。虽然本发明的描述将结合优选实施例一起介绍，但这并不代表此发明的特征仅限于该实施方式。恰恰相反，结合实施方式作发明介绍的目的是为了覆盖基于本发明的权利要求而有可能延伸出的其它选择或改造。为了提供对本发明的深度了解，以下描述中将包含许多具体的细节。本发明也可以不使用这些细节实施。此外，为了避免混乱或模糊本发明的重点，有些具体细节将在描述中被省略。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
另外，在以下的说明中所使用的“上”、“下”、“左”、“右”、“顶”、“底”、“水平”、“垂直”应被理解为该段以及相关附图中所绘示的方位。此相对性的用语仅是为了方便说明之用，其并不代表其所叙述的装置需以特定方位来制造或运作，因此不应理解为对本发明的限制。
能理解的是，虽然在此可使用用语“第一”、“第二”、“第三”等来叙述各种组件、区域、层和/或部分，这些组件、区域、层和/或部分不应被这些用语限定，且这些用语仅是用来区别不同的组件、区域、层和/或部分。因此，以下讨论的第一组件、区域、层和/或部分可在不偏离本发明一些实施例的情况下被称为第二组件、区域、层和/或部分。
如上所述，目前常用的仿真方案普遍无法针对车辆的真实情况进行场景复现，因而无法针对车辆故障或车辆事故的实际案例来优化智能驾驶算法。此外，现有的智能驾驶算法普遍是基于软硬件无延时理想场景来训练，导致仿真环境与车辆实际运行场景差异较大，仿真结果的可信度较低。即使进一步采用实车验证的算法来体现实车运行状态，也存在成本较高、车辆及人员伤亡风险较高的缺陷。尤其针对高速撞击等高度危险的场景，出于车辆、人员的安全考虑，一般难以通过实车验证的方式来复现这些场景。
为了克服现有技术存在的上述缺陷，本发明提供了一种车辆行驶程序的处理方法、一种车辆行驶程序的处理装置，以及一种计算机可读存储介质，通过收集车辆模块在车辆日常运行时的实际执行数据，并向其添加物理时间戳信息来进行车辆行驶程序的仿真，满足对车辆真实情况的场景复现需求，并提升仿真结果的可信度。
在一些非限制性的实施例中，本发明的第一方面提供的上述车辆行驶程序的处理方法，可以由本发明的第二方面提供的上述车辆行驶程序的处理装置来实施。该车辆行驶程序的处理装置可以经由软件程序和/或硬件设备的形式，配置于车辆行驶程序运营商的服务器、工作站、客户端，和/或车机等其他电子设备中。
具体来说，该车辆行驶程序的处理装置中可以配置有存储器及处理器。该存储器包括但不限于本发明的第三方面提供的上述一种计算机可读存储介质，其上存储有计算机指令。该处理器连接该存储器，并被配置用于执行该存储器上存储的计算机指令，以实施本发明的第一方面提供的上述车辆行驶程序的处理方法。
以下将结合一些车辆行驶程序处理方法的实施例来描述上述车辆行驶程序处理装置的工作原理。本领域的技术人员可以理解，这些车辆行驶程序的处理方法只是本发明提供的一些非限制性的实施方式，旨在清楚地展示本发明的主要构思，并提供一些便于公众实施的具体方案，而非用于限制该车辆行驶程序处理装置的全部功能或全部工作方式。同样地，该车辆行驶程序处理装置也只是本发明提供的一种非限制性的实施方式，不对这些车辆行驶程序处理方法中各步骤的实施主体构成限制。
请参考图1，图1示出了根据本发明的一些实施例提供的车辆行驶程序处理方法的流程示意图。
如图1所示，在本发明的一些实施例中，在车辆行驶程序的处理过程中，处理装置可以首先获取多个车辆模块在车辆日常运行时的执行数据，并向各执行数据添加时间戳信息。
具体来说，上述车辆模块可以是配置于实车(即已经投入日常使用的车辆)的电子控制单元(Electronic Control Unit，ECU)。各车辆模块可以在车辆日常运行的过程中，根据自身执行的各项操作来生成对应的执行数据，并根据执行时间向各执行数据添加时间戳信息。该时间戳信息可以指示各车辆模块执行对应操作的开始时刻和/或终止时刻。处理装置可以经由车载网络、车载蓝牙、数据线、移动存储介质等途径，广泛地获取大量实车在日常运行时的执行数据，并对其进行大数据存储，以满足后续车辆行驶程序的处理需求。
例如，对于智能驾驶算法，或者其中的主动刹车、自适应巡航等功能模块的训练过程，其涉及的车辆模块包括感知模块、融合模块、目标选择模块、决策模块等高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)的功能执行模块。请参考图2，图2示出了根据本发明的一些实施例提供的高级驾驶辅助系统的运行示意图。
如图2所示，在高级驾驶辅助系统中，其感知模块可以包括雷达、摄像头、动力系统和/或底盘系统，其融合模块可以包括至少一个目标融合算法单元和/或至少一个道路融合算法单元，其目标选择模块可以包括上述目标融合算法单元的选择单元，而其决策模块可以包括主动刹车单元和/或自适应巡航单元。在高级驾驶辅助系统的运行过程中，融合模块可以获取雷达、摄像头、动力系统和/或底盘系统输入智能驾驶域控制器的感知数据，以进行目标融合和/或道路融合。目标选择模块可以基于融合模块的目标融合算法进行目标选择。决策模块可以基于目标选择及道路融合的结果，实现主动刹车、自适应巡航等驾驶辅助功能，或进一步结合多种驾驶辅助功能来综合地实现智能驾驶。
对应于图2所示的高级驾驶辅助系统，处理装置可以从感知模块、融合模块、目标选择模块及决策模块中的至少一者，获取算法训练所需的实车数据。例如，处理装置可以获取底盘系统、动力系统、车身系统输入智能驾驶域控制器的控制数据及其输入时间。又例如，处理装置可以获取摄像头、雷达输入智能驾驶域控制器的感知数据及其输入时间。又例如，处理装置可以获取道路融合模块的输入输出数据，以及该道路融合模块运行起止时刻。又例如，处理装置可以获取目标融合模块的输入输出数据，以及该目标融合模块的运行起止时刻。又例如，处理装置可以获取目标选择模块的输入输出数据，以及该目标选择模块的运行起止时刻。又例如，处理装置还可以获取主动刹车、自适应巡航等决策模块的输入输出数据，以及各决策模块的运行起止时刻。
如图1所示，在获取多个带有时间戳信息的执行数据之后，处理装置可以根据多个带有时间戳信息的执行数据构建虚拟时间轴，再根据该虚拟时间轴进行车辆行驶程序的仿真，以判断车辆行驶程序的运行效果是否符合预期目标。
具体来说，在构建虚拟时间轴的过程中，处理装置可以首先根据预期目标来筛选发生过对应目标场景的目标车辆，再根据该目标场景的发生时间来筛选该目标车辆的多个车辆模块的执行数据，从而确定该目标场景发生之前和/或之后的预设时间内的多个带有时间戳信息的目标执行数据。之后，处理装置可以根据该目标场景发生之前和/或之后的预设时间内的多个带有时间戳信息的目标执行数据，构建所述虚拟时间轴。
例如，对于涉及主动刹车、自适应巡航等驾驶辅助功能的智能驾驶算法的训练场景，其预期目标包括实现自动驾驶、实现主动刹车、实现自适应巡航等功能。对应地，处理装置可以首先根据预期目标来筛选发生过主动刹车场景或者自适应巡航场景的目标车辆，再根据该车辆进行主动刹车或启动自适应巡航的时间来筛选该目标车辆的多个车辆模块的执行数据，从而确定该目标场景发生之前和/或之后的预设时间(例如：10秒、30秒、60秒、120秒、300秒)内的多个带有时间戳信息的目标执行数据。之后，处理装置可以根据该目标场景发生之前和/或之后的预设时间内的多个带有时间戳信息的目标执行数据，构建虚拟时间轴。
请进一步参考图3，图3示出了根据本发明的一些实施例提供的车辆行驶程序的训练优化的流程示意图。
如图3所示，在获取感知模块、融合模块、目标选择模块和/或决策模块提供的带有时间戳信息的实车数据之后，处理装置可以首先将目标场景发生之前及之后30秒内的目标执行数据按照时间戳信息导入虚拟时间轴，以进行智能驾驶场景全流程的复现仿真。之后，处理装置可以根据车辆是否发生碰撞事故、车辆是否发生故障、乘客舒适度是否达标等复现仿真的结果，判断智能驾驶的总功能是否被实现。
若仿真结果指示车辆未发生碰撞事故、车辆未发生故障，且乘客舒适度达标，则处理装置可以判定智能驾驶的总功能已被实现，即仿真结果符合预期。
反之，若仿真结果指示车辆会发生碰撞事故、车辆会发生故障，或乘客舒适度不达标，则处理装置可以判定智能驾驶的总功能未被实现，即仿真结果不符合预期。此时，处理装置可以采用缺陷定位算法，对智能驾驶算法(即车辆行驶程序)进行缺陷定位，并根据定位的缺陷对智能驾驶算法进行代码优化。之后，处理装置可以基于代码优化后的智能驾驶算法，再次根据基于实车数据的虚拟时间轴进行该智能驾驶场景全流程的复现仿真，并循环迭代，直到仿真结果达到预期。
通过收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的训练仿真，本发明能够捕捉实车各模块实时工作状态，并提高程序缺陷的发现效率，从而满足对车辆真实情况的场景复现需求，并提升训练仿真结果的可信度。
进一步地，在一些实施例中，在基于代码优化后的车辆行驶程序再次进行目标场景的复现仿真的过程中，处理装置可以优选地对智能驾驶算法中的主动刹车功能、自适应巡航功能等至少一个功能模块进行单模块仿真，并根据单模块仿真的结果，判断对应的功能模块是否符合预期。
例如，对于主动刹车模块，处理装置可以首先将主动刹车场景发生之前及之后30秒内的目标执行数据导入虚拟时间轴，以进行主动刹车场景的复现仿真。之后，处理装置可以根据车辆是否发生碰撞事故的复现仿真结果，判断主动刹车功能是否被实现。
若仿真结果指示车辆未发生碰撞事故，则处理装置可以判定主动刹车功能已被实现，即仿真结果符合预期。反之，若仿真结果指示车辆会发生碰撞事故，则处理装置可以判定主动刹车功能未被实现，即仿真结果不符合预期。此时，处理装置可以采用缺陷定位算法，对该主动刹车模块进行缺陷定位，并根据定位的缺陷对主动刹车模块进行局部代码优化。之后，处理装置可以基于局部代码优化后的智能驾驶算法，再次根据基于实车数据的虚拟时间轴进行该智能驾驶场景全流程的复现仿真，并循环迭代，直到仿真结果达到预期。
通过对各功能模块进行单模块仿真及局部代码优化，本发明能够进一步降低缺陷定位、缺陷优化的难度，并提升车辆行驶程序训练及优化的效率。
进一步地，在图3所示的实施例中，响应于代码优化后的车辆行驶程序的运行效果符合预期目标的判断结果，处理装置可以判定优化后的车辆行驶程序已经完成训练，从而向涉及相关程序的车辆提供优化后的车辆行驶程序，以供其升级本地程序。
本领域的技术人员可以理解，上述训练车辆行驶程序的处理方式只是本发明提供一种非限制性的实施方式，旨在清楚地展示本发明的主要构思，并提供一种便于公众实施的具体方案，而非用于本发明的保护范围。
可选地，在另一些实施例中，当车辆发生事故和/或故障时，处理装置还可以基于获取的带有时间戳信息的实车数据，进行车辆事故场景和/或车辆故障场景的复现仿真，进而根据复现仿真的结果来确定该事故和/或故障的责任方，和/或优化导致该事故和/或故障的车辆行驶程序。
具体请参考图4，图4示出了根据本发明的一些实施例提供的车辆行驶程序的缺陷优化的流程示意图。
如图4所示，在一些实施例中，响应于智能驾驶车辆发生事故和/或故障，处理装置可以首先根据发生该事故场景和/或故障场景的车辆确定目标车辆，并将该目标车辆的ADAS的各功能执行模块确定为相关的车辆模块。之后，处理装置可以根据该事故场景和/或故障场景(即目标场景)的发生时间，将各功能执行模块在目标场景发生之前和/或之后预设时间(例如：10秒、30秒、60秒、120秒、300秒)内采集的执行数据，确定为复现仿真的目标执行数据。在此，该目标执行数据包括但不限于底盘系统、动力系统、车身系统输入智能驾驶域控制器的控制数据及其输入时间，摄像头、雷达输入智能驾驶域控制器的感知数据及其输入时间，道路融合模块的输入输出数据及其运行起止时刻，目标融合模块的输入输出数据及其运行起止时刻，目标选择模块的输入输出数据及其运行起止时刻，主动刹车、自适应巡航等决策模块的输入输出数据及其运行起止时刻。
之后，处理装置可以按照各目标执行数据的时间戳信息，将各功能执行模块提供的实车数据及对应的视频信息导入虚拟时间轴，以进行该目标场景的复现仿真，再根据复现仿真的结果来明确该事故和/或故障的原因，并划分事故责任方。
对于车辆行驶程序的运营方，若事故和/或故障的责任方是驾驶员的人为操作失误，或者其他行人和/或车辆的违规操作，则处理装置可以将该复现仿真的结果提供给交警部门，以作为事故责任的认定报告，并结束本次复现仿真的流程。
反之，若事故和/或故障的责任方为车辆行驶程序，则处理装置可以进一步根据复现仿真的结果对车辆行驶程序进行缺陷定位，并根据定位的缺陷对该车辆行驶程序进行代码优化。之后，处理装置可以基于代码优化后的车辆行驶程序，再次根据该虚拟时间轴进行目标场景的复现仿真，并根据该代码优化后的车辆行驶程序的复现仿真的结果，重新判断该目标场景是否仍然发生。
若该事故和/或故障的目标场景仍然发生，则处理装置可以判定该代码优化后的车辆行驶程序的运行效果仍不符合预期目标。此时，处理装置需要重新对该代码优化后的车辆行驶程序进行缺陷定位，再根据定位的缺陷重新对该车辆行驶程序进行代码优化，并循环迭代，直到仿真结果达到预期。
反之，若该事故和/或故障的目标场景不再发生，则处理装置可以判定该代码优化后的车辆行驶程序的运行效果已经符合预期目标。之后，处理装置可以将该代码优化后的车辆行驶程序发送到该目标车辆和/或其他配置相同车辆行驶程序的车辆，以供其升级本地程序，从而避免该事故和/或故障的再次发生。
进一步地，在一些实施例中，上述重新对该代码优化后的车辆行驶程序进行缺陷定位的方案，可以优选地基于至少一个功能模块的单模块仿真分析来实现。对应地，上述根据定位的缺陷重新对该车辆行驶程序进行代码优化的方案，可以针对存在的缺陷功能模块来进行局部优化。该单模块仿真分析及局部优化的具体流程及效果已在图3所示的实施例中给予描述，在此不再赘述。
通过收集车辆模块在车辆日常运行时的实际执行数据，并向其添加时间戳信息来进行车辆行驶程序的事故和/或故障仿真，本发明能够捕捉实车各模块实时工作状态，并提高程序缺陷的发现效率，从而满足对车辆真实情况的场景复现需求，并提升事故和/或故障仿真结果的可信度。
进一步地，通过结合图3及图4所示的实施例，即采用事和/或故障场景的实车数据来进行车辆行驶程序的训练，本发明一方面能够提升实车数据的使用率，降低算法的迭代周期与经济成本，另一方面能够真实、准确地复现高速撞击等高度危险的场景，从而避免测试车辆、测试人员的安全隐患。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
本领域技术人员将可理解，信息、信号和数据可使用各种不同技术和技艺中的任何技术和技艺来表示。例如，以上描述通篇引述的数据、指令、命令、信息、信号、位(比特)、码元、和码片可由电压、电流、电磁波、磁场或磁粒子、光场或光学粒子、或其任何组合来表示。
本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。
尽管上述的实施例所述的处理装置可以通过软件与硬件的组合来实现的。但是可以理解，该处理装置也可在软件、硬件中加以实施。对于硬件实施而言，该处理装置可在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、用于执行上述功能的其它电子装置或上述装置的选择组合来加以实施。对软件实施而言，该处理装置可通过在通用芯片上运行的诸如程序模块(procedures)和函数模块(functions)等独立的软件模块来加以实施，其中每一个模块执行一个或多个本文中描述的功能和操作。
结合本文所公开的实施例描述的各种解说性逻辑模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (10)
1.一种车辆行驶程序的处理方法，其特征在于，包括以下步骤：
获取多个车辆模块在车辆日常运行时的执行数据，并向各所述执行数据添加时间戳信息；
筛选发生过目标场景的目标车辆，其中，所述目标场景包括待训练的功能场景；
根据所述目标场景的发生时间，筛选所述目标车辆的多个所述车辆模块的执行数据，以确定所述目标场景发生之前和/或之后的预设时间内的多个带有时间戳信息的目标执行数据；
根据所述多个带有时间戳信息的目标执行数据，构建虚拟时间轴；
将所述目标场景发生之前和/或之后的预设时间内的目标执行数据导入所述虚拟时间轴，以进行所述目标场景的复现仿真；
根据所述复现仿真的结果，判断是否符合预期目标，其中，所述预期目标包括实现待训练的功能；
响应于所述待训练的功能未被实现的判断结果，对所述车辆行驶程序进行缺陷定位，并根据定位的缺陷对所述车辆行驶程序进行代码优化；以及
基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真。
2.如权利要求1所述的处理方法，其特征在于，所述车辆行驶程序包括智能驾驶算法，所述多个车辆模块包括感知模块、融合模块、目标选择模块及决策模块中的至少一者。
3.如权利要求2所述的处理方法，其特征在于，所述感知模块包括雷达、摄像头、动力系统和/或底盘系统，
所述融合模块包括至少一个目标融合算法单元和/或至少一个道路融合算法单元，
所述目标选择模块包括所述目标融合算法单元的选择单元，
所述决策模块包括主动刹车单元和/或自适应巡航单元。
4.如权利要求1所述的处理方法，其特征在于，所述时间戳信息指示所述车辆模块执行对应操作的开始时刻和/或终止时刻。
5.如权利要求1所述的处理方法，其特征在于，所述基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真的步骤包括：
对所述车辆行驶程序中的至少一个功能模块进行单模块仿真；
根据所述单模块仿真的结果，定位缺陷所属的功能模块；以及
对带有所属缺陷的功能模块的车辆行驶程序进行代码优化。
6.如权利要求1所述的处理方法，其特征在于，所述目标场景还包括车辆事故场景和/或车辆故障场景，所述根据所述虚拟时间轴进行车辆行驶程序的仿真的步骤包括：
将所述目标场景发生之前和/或之后的预设时间内的目标执行数据导入所述虚拟时间轴，以进行所述目标场景的复现仿真；
根据所述复现仿真的结果，确定所述目标场景的责任方；
响应于所述责任方为所述车辆行驶程序的结果，对所述车辆行驶程序进行缺陷定位，并根据定位的缺陷对所述车辆行驶程序进行代码优化；以及
基于代码优化后的车辆行驶程序，再次根据所述虚拟时间轴进行所述目标场景的复现仿真。
7.如权利要求6所述的处理方法，其特征在于，所述预期目标包括避免车辆事故和/或避免车辆故障，所述根据所述虚拟时间轴进行车辆行驶程序的仿真，以判断所述车辆行驶程序的运行效果是否符合预期目标的步骤包括：
根据所述代码优化后的车辆行驶程序的复现仿真的结果，判断所述目标场景是否仍然发生；
响应于所述目标场景仍然发生的判断结果，重新对所述代码优化后的车辆行驶程序进行缺陷定位，并根据定位的缺陷重新对所述车辆行驶程序进行代码优化；以及
响应于所述目标场景不再发生的判断结果，判定所述代码优化后的车辆行驶程序的运行效果符合预期目标。
8.如权利要求1或7所述的处理方法，其特征在于，响应于所述代码优化后的车辆行驶程序的运行效果符合所述预期目标的判断结果，所述处理方法还包括以下步骤：
根据所述代码优化后的车辆行驶程序，对相关车辆进行车辆行驶程序升级。
9. 一种车辆行驶程序的处理装置，其特征在于，包括：
存储器；以及
处理器，所述处理器连接所述存储器，并被配置用于实施如权利要求1~8中任一项所述的车辆行驶程序的处理方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施如权利要求1~8中任一项所述的车辆行驶程序的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215164.0A CN114492081B (zh) | 2022-03-07 | 2022-03-07 | 一种车辆行驶程序的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210215164.0A CN114492081B (zh) | 2022-03-07 | 2022-03-07 | 一种车辆行驶程序的处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114492081A CN114492081A (zh) | 2022-05-13 |
| CN114492081B true CN114492081B (zh) | 2024-08-16 |
Family
ID=81486515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210215164.0A Active CN114492081B (zh) | 2022-03-07 | 2022-03-07 | 一种车辆行驶程序的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114492081B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115268298B (zh) * | 2022-07-08 | 2024-09-03 | 重庆长安汽车股份有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109032102A (zh) * | 2017-06-09 | 2018-12-18 | 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 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180267538A1 (en) * | 2017-03-15 | 2018-09-20 | Toyota Jidosha Kabushiki Kaisha | Log-Based Vehicle Control System Verification |
| US11254312B2 (en) * | 2019-06-07 | 2022-02-22 | Tusimple, Inc. | Autonomous vehicle simulation system |
| CN112181820B (zh) * | 2020-09-24 | 2024-08-27 | 北京车和家信息技术有限公司 | 车辆仿真环境的搭建方法、车辆系统问题定位方法及装置 |
-
2022
- 2022-03-07 CN CN202210215164.0A patent/CN114492081B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109032102A (zh) * | 2017-06-09 | 2018-12-18 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114492081A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794810B (zh) | 一种对智能驾驶车辆进行集成化测试的方法 | |
| US20230385481A1 (en) | Simulation Traffic Scenario File Generation Method and Apparatus | |
| US11137763B2 (en) | Generating and fusing traffic scenarios for automated driving systems | |
| US20180322230A1 (en) | Driverless vehicle simulation test method and apparatus, device and readable medium | |
| CN113515105A (zh) | 用于车辆预期功能安全仿真测试的平台、方法及存储介质 | |
| DE102018131479A1 (de) | Systeme, verfahren und vorrichtungen zur erkennung von diagnosefehlern mit parameterdaten unter verwendung einer redundanten prozessorarchitektur | |
| CN205847406U (zh) | 一种基于前视摄像头的adas算法测试装置 | |
| CN112613169A (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 | |
| CN114492081B (zh) | 一种车辆行驶程序的处理方法及装置 | |
| CN114047742B (zh) | 一种智能领航高级辅助驾驶硬件在环测试系统及方法 | |
| CN108877233A (zh) | 一种基于车载终端的违章驾驶记录方法及系统、车载终端 | |
| CN109948289A (zh) | 基于最大全局侵占率搜索的车辆自主泊车功能测评方法 | |
| CN114301938A (zh) | 车路协同车辆事件确定方法、相关装置及计算机程序产品 | |
| CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
| Passchier et al. | An integral approach to autonomous and cooperative vehicles development and testing | |
| US9773360B2 (en) | Apparatus for processing a plurality of logging policies and method thereof | |
| JP2019192201A (ja) | 自律走行のための学習対象イメージ抽出装置及び方法 | |
| CN116872840A (zh) | 车辆防撞预警方法、装置、车辆和存储介质 | |
| CN116776288A (zh) | 一种智能驾驶感知模型的优化方法、装置及存储介质 | |
| CN116341648A (zh) | 自动驾驶车辆环境感知能力训练方法、装置、设备及介质 | |
| Wehner et al. | Development of driver assistance systems using virtual hardware-in-the-loop | |
| CN109828857A (zh) | 车辆故障原因定位方法、装置、设备和存储介质 | |
| CN115384536A (zh) | 一种驾驶辅助系统控制器的评估方法、装置、设备及介质 | |
| CN112882949A (zh) | 一种交通环境融合感知在环vthil的车联网仿真测试平台与方法 | |
| Goel | Research, Design, and Implementation of Virtual and Experimental Environment for CAV System Design, Calibration, Validation and Verification |
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 | ||
| CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hozon New Energy Automobile Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |