CN114527675A - 自动驾驶仿真测试方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及自动驾驶技术领域，公开了一种自动驾驶仿真测试方法、装置、设备及存储介质，用于提高自动驾驶场景测试的安全性和稳定性。所述自动驾驶仿真测试方法包括：获取车辆模拟测试场景数据集和车辆实际路测全量数据集；对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

Description

自动驾驶仿真测试方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶仿真测试方法、装置、设备及存储介质。

背景技术

随着自动驾驶技术的发展，自动驾驶技术的安全性也越来越受到人们的关注，现有的自动驾驶车辆一般在自动驾驶的运行区域内进行真实测试，而自动驾驶车辆在运行正常情况下，也能够对自动驾驶过程中障碍物进行避让。

但在现有技术中，为了确保自动驾驶测试的安全性，限定自动驾驶车辆的行驶地点和行驶时间，以使得自动驾驶车辆能在地图绘制的运行区域内行驶测试，导致缺少与目标(例如，行人)交互的测试场景，存在自动驾驶测试安全性差和稳定性差的问题。

发明内容

本发明提供了一种自动驾驶仿真测试方法、装置、设备及存储介质，用于提高自动驾驶场景测试的安全性和稳定性。

为实现上述目的，本发明第一方面提供了一种自动驾驶仿真测试方法，包括：获取车辆模拟测试场景数据集和车辆实际路测全量数据集；对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

一种可行的实施方式中，所述获取车辆模拟测试场景数据集和车辆实际路测全量数据集，包括：获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集；通过预设数据挖掘任务对预设数据源依次进行全量数据抽取、清洗和聚类操作，得到车辆实际路测全量数据集，所述预设数据源包括车辆日志信息、车辆传感器信息和车辆定位信息。

一种可行的实施方式中，所述获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集，包括：从预设文献数据库中读取自动驾驶文献数据，所述自动驾驶文献数据用于指示自动驾驶场景下与目标相关的描述信息；按照预设规则对所述自动驾驶文献数据进行命名实体识别，得到实体识别数据集，所述实体识别数据集包括车辆初始速度、车辆减速度和驾驶员反应时长；根据所述实体识别数据集生成车辆模拟测试场景数据集。

一种可行的实施方式中，所述对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，包括：对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；调用预设数据筛选模型对所述合并后的场景数据集进行数据筛选，得到初始测试场景数据集；通过预设数据标注模型对所述初始测试场景数据集进行场景标注处理，得到目标测试场景标注数据集，并将所述目标测试场景标注数据集存储至预设场景数据库中。

一种可行的实施方式中，所述根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，包括：根据所述目标测试场景标注数据集进行场景筛选，得到已筛选场景数据集，所述已筛选场景数据集用于指示与所述目标交互的真实场景；按照所述已筛选场景数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息；通过预设仿真工具将所述多个仿真场景片段信息转换成多个目标仿真场景；对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

一种可行的实施方式中，所述对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，包括：根据预设目标预测模型对所述多个目标仿真场景进行场景仿真评估，得到多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值；按照所述多个场景安全分数、所述多个场景舒适度分数和所述多个驾驶员位置差异值确定自动驾驶仿真测试结果。

一种可行的实施方式中，在所述根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果之后，所述自动驾驶仿真测试方法还包括：按照自动驾驶仿真测试结果和预设的测试报告模板生成自动驾驶仿真测试报告；根据所述自动驾驶仿真测试报告重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于所述已更新的测试场景标注数据集重新测试。

本发明第二方面提供了一种自动驾驶仿真测试装置，包括：获取模块，用于获取车辆模拟测试场景数据集和车辆实际路测全量数据集；处理模块，用于对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；测试模块，用于根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

一种可行的实施方式中，所述获取模块还包括：生成单元，用于获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集；处理单元，用于通过预设数据挖掘任务对预设数据源依次进行全量数据抽取、清洗和聚类操作，得到车辆实际路测全量数据集，所述预设数据源包括车辆日志信息、车辆传感器信息和车辆定位信息。

一种可行的实施方式中，所述生成单元具体用于：从预设文献数据库中读取自动驾驶文献数据，所述自动驾驶文献数据用于指示自动驾驶场景下与目标相关的描述信息；按照预设规则对所述自动驾驶文献数据进行命名实体识别，得到实体识别数据集，所述实体识别数据集包括车辆初始速度、车辆减速度和驾驶员反应时长；根据所述实体识别数据集生成车辆模拟测试场景数据集。

一种可行的实施方式中，所述处理模块具体用于：对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；调用预设数据筛选模型对所述合并后的场景数据集进行数据筛选，得到初始测试场景数据集；通过预设数据标注模型对所述初始测试场景数据集进行场景标注处理，得到目标测试场景标注数据集，并将所述目标测试场景标注数据集存储至预设场景数据库中。

一种可行的实施方式中，所述测试模块还包括：筛选单元，用于根据所述目标测试场景标注数据集进行场景筛选，得到已筛选场景数据集，所述已筛选场景数据集用于指示与所述目标交互的真实场景；分割单元，用于按照所述已筛选场景数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息；转换单元，用于通过预设仿真工具将所述多个仿真场景片段信息转换成多个目标仿真场景；测试单元，用于对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

一种可行的实施方式中，所述测试单元具体用于：根据预设目标预测模型对所述多个目标仿真场景进行场景仿真评估，得到多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值；按照所述多个场景安全分数、所述多个场景舒适度分数和所述多个驾驶员位置差异值确定自动驾驶仿真测试结果。

一种可行的实施方式中，所述自动驾驶仿真测试装置还包括：生成模块，用于按照自动驾驶仿真测试结果和预设的测试报告模板生成自动驾驶仿真测试报告；调整模块，用于根据所述自动驾驶仿真测试报告重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于所述已更新的测试场景标注数据集重新测试。

本发明第三方面提供了一种自动驾驶仿真测试设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述自动驾驶仿真测试设备执行上述的自动驾驶仿真测试方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的自动驾驶仿真测试方法。

本发明提供的技术方案中，获取车辆模拟测试场景数据集和车辆实际路测全量数据集；对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。本发明实施例中，通过对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，并根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，提高了自动驾驶场景测试的安全性和稳定性，并降低了自动驾驶测试成本。

附图说明

图1为本发明实施例中自动驾驶仿真测试方法的一个实施例示意图；

图2为本发明实施例中自动驾驶仿真测试方法的另一个实施例示意图；

图3为本发明实施例中自动驾驶仿真测试装置的一个实施例示意图；

图4为本发明实施例中自动驾驶仿真测试装置的另一个实施例示意图；

图5为本发明实施例中自动驾驶仿真测试设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种自动驾驶仿真测试方法、装置、设备及存储介质，用于通过车辆模拟测试场景数据集和车辆实际路测全量数据集提高自动驾驶场景测试的安全性和稳定性，并降低自动驾驶测试成本。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中自动驾驶仿真测试方法的一个实施例包括：

101、获取车辆模拟测试场景数据集和车辆实际路测全量数据集。

其中，车辆模拟测试场景数据集包括与目标相关联的模拟场景数据集，车辆实际路测全量数据集包括与目标相关联的实际场景数据集，目标可以包括行人和动物，还可以包括其他可移动的物体，具体此处不做限定。

具体的，服务器接收目标终端发送的自动驾驶仿真测试请求；服务器解析并验证自动驾驶仿真测试请求，得到场景测试标识；服务器将场景测试标识设置为目标键，并基于目标键查询预设场景数据库，得到目标值；服务器判断目标值是否为空值；若目标值不为空值，则服务器生成场景测试标识异常信息，并将场景测试标识异常信息发送至目标终端，以使得目标终端按照场景测试标识异常信息提示目标用户重置场景测试标识；若目标值不为空值，则服务器按照预设字段名从目标值中提取预设字段名对应的字段值，得到车辆模拟测试场景数据集和车辆实际路测全量数据集。

需要说明的是，车辆模拟测试场景数据集和车辆实际路测全量数据集均包括了与目标相关的测试场景，车辆模拟测试场景数据集用于指示预先根据自动驾驶文献数据形成一套模拟无人驾驶车辆在不同区域(例如，商业区、居住区、开发区等)、道路特征(例如，道路等级、道路结构、道路边缘等)、交通设施(例如，交通标志、信号灯等)、环境条件(例如，天气、颗粒物、光照等)下与目标相关的测试场景。车辆实际路测全量数据集用于指示预先针对自动驾驶预先运行设计区域进行多次定时实际路测，得到的全量数据集，然后从全量数据集中筛选出与目标相关的测试场景，并综合不同测试实例和不同测试天数的测试数据，得到至少一个目标在不同区域、道路特征、交通设施和/或环境条件下的实际测试场景。例如，1个行为人、2个行人或多个行为人在不同区域、道路特征、交通设施和/或环境条件下的实际测试场景。

可以理解的是，本发明的执行主体可以为自动驾驶仿真测试装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

102、对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，目标测试场景标注数据集用于标注与目标相关的测试场景。

可以理解的是，服务器针对车辆模拟测试场景数据集(模拟的极端测试场景)和车辆实际路测全量数据集(真实的设计运行区域内路测场景)进行交集处理，并过滤掉不符合要求的场景数据集，得到初始测试场景数据集，服务器对初始测试场景数据集进行信息标注，以便进一步细分验证算法指标，进而获取与目标相关的测试场景。

具体的，服务器获取数据筛选规则和数据标注规则；服务器对车辆模拟测试场景数据集和车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；服务器按照数据筛选规则对合并后的场景数据集进行数据筛选，得到初始测试场景数据集；服务器按照数据标注规则对初始测试场景数据集进行数据标注，得到目标测试场景标注数据集，目标测试场景标注数据集用于标注与目标相关的测试场景。例如，目标横穿机动车道的测试场景、目标与无人车辆逆向行驶的测试场景等。在一些实施例中，服务器通过预设数据筛选模型和预设数据标注模型对合并后的场景数据集依次进行数据筛选和数据标注处理，得到目标测试场景标注数据集，其中，预设数据筛选模型和预设数据标注模型均为预先训练完成的模型，预设数据筛选模型中包括数据筛选规则，预设数据标注模型包括数据标注规则。进一步地，服务器将目标测试场景标注数据集写入预设场景数据库对应的字段中，以便于执行步骤103。

需要说明的是，数据标注规则包括标注是否与目标发生路径上交互的场景数据、标注驾驶员行为是否为合理驾驶行为(也就是，驾驶员行为不可以鲁莽，并且不可以过度保守，例如，标注驾驶员行为为保守驾驶行为、正常驾驶行为或鲁莽驾驶行为)、标注驾驶员对目标的反应时长以及标注驾驶员与目标的交互标注开始时刻、以及标注驾驶员与目标的交互标注结束时刻等规则数据。

103、根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

需要说明的是，服务器基于目标测试场景标注数据集筛选出与目标交互的真实场景，并根据与目标交互的真实场景中各交互标注开始时刻和各交互标注结束时刻进行场景分割和仿真场景构建，避免场景过长导致的场景失效，或与目标发生虚假交互的问题。

具体的，服务器基于预设的高精度语义地图生成三维场景模型；服务器根据目标测试场景标注数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息；服务器通过三维场景模型按照多个仿真场景片段信息搭建成多个目标仿真场景，各目标仿真场景中均包括目标、车辆、静态障碍物信息、路网和交通灯等信息，增加了各目标仿真场景的丰富性。进一步地，服务器根据多个仿真场景片段信息生成多个场景文件，服务器将多个场景文件存储至预设的文件存储系统中。服务器对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。具体的，服务器通过预设的自动驾驶算法对多个目标仿真场景分别进行自动驾驶仿真测试，得到多个初始仿真测试结果，服务器基于多个初始仿真测试结果确定自动驾驶仿真测试结果，其中，预设的自动驾驶算法包括预设场景安全程度打分算法、预设场景舒适程度打分算法和/或预设驾驶员位置差异算法。例如，针对当车辆直行时，目标从路边停靠的卡车中突然穿出的仿真场景中(当目标在穿行前被停靠的大车遮挡时，运行车辆的传感器无法提前检测)，服务器检测该仿真场景中驾驶员对目标的预置反应时长是否合理，并获取自动驾驶仿真测试结果，并基于自动驾驶仿真测试结果调整驾驶员对目标的预置反应时长，以提高自动驾驶场景测试的安全性。

需要说明的是，自动驾驶仿真测试结果用于指示场景安全分数、场景舒适度分数以及目标与驾驶员之间的位置差异值。例如，场景安全分数为3分，场景舒适度分数为5分，目标与驾驶员之间的位置差异值为0.01米，则服务器确定场景安全程度低，场景舒适程度低，并且驾驶员对目标的预置反应时长设置不合理，服务器需要重置预置反应时长，以此更新仿真场景，重新进行仿真测试。

本发明实施例中，通过对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，并根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，提高了自动驾驶场景测试的安全性和稳定性，并降低了自动驾驶测试成本。

请参阅图2，本发明实施例中自动驾驶仿真测试方法的另一个实施例包括：

201、获取车辆模拟测试场景数据集和车辆实际路测全量数据集。

其中，车辆模拟测试场景数据集用于指示从自动驾驶文献数据中获取的模拟场景数据集，车辆实际路测全量数据集用于指示从预设地图范围的路段中在不同交通时刻获取的实际场景数据集。车辆模拟测试场景数据集和车辆实际路测全量数据集将模拟测试场景和实际测试场景相结合，提高了场景数据集的覆盖范围。

在一些实施例中，服务器获取自动驾驶文献数据，并根据自动驾驶文献数据生成车辆模拟测试场景数据集，具体的，服务器从预设文献数据库中读取自动驾驶文献数据，服务器对自动驾驶文献数据进行数据挖掘处理，得到车辆模拟测试场景数据集；服务器通过预设数据挖掘任务对预设数据源依次进行全量数据抽取、清洗和聚类操作，得到车辆实际路测全量数据集，预设数据源包括车辆日志信息、车辆传感器信息和车辆定位信息，其中，预设数据挖掘任务每隔预设时长(例如，一分钟或1小时)执行一次，并从车辆日志信息、车辆传感器信息和车辆定位信息获取车辆实际路测全量数据集，车辆日志信息用于记录车辆的自动驾驶信息、车辆传感器信息用于指示记录车辆在自动驾驶过程中的各种工况信息(例如、车辆车速、各种介质的温度和发动机运转工况等)、车辆定位信息用于指示通过全球卫星定位系统和地理信息系统实现对车辆的跟踪和定位；服务器将车辆模拟测试场景数据集和车辆实际路测全量数据集存储至预设场景数据库中。进一步地，服务器生成场景测试标识，服务器将场景测试标识作为键，服务器将车辆模拟测试场景数据集和车辆实际路测全量数据集设置为值，服务器按照键值对的映射关系将车辆模拟测试场景数据集和车辆实际路测全量数据集存储至预设场景数据库中。

在一些实施例中，服务器在执行获取自动驾驶文献数据，并根据自动驾驶文献数据生成车辆模拟测试场景数据集的步骤时，服务器从预设文献数据库中读取自动驾驶文献数据，自动驾驶文献数据用于指示自动驾驶场景下与目标相关的描述信息；服务器按照预设规则对自动驾驶文献数据进行命名实体识别，得到实体识别数据集，实体识别数据集包括车辆初始速度、车辆减速度和驾驶员反应时长；服务器根据实体识别数据集生成车辆模拟测试场景数据集。其中，车辆模拟测试场景数据集用于指示与目标相关的模拟测试场景。例如，模拟测试场景为行人过马路的测试场景，服务器获取车辆初始速度为v、车辆减速度a和驾驶员反应时长reaction_time，并根据预设公式Distance＝v*reaction_time+v*v/2*a，计算出刹车距离Distance，服务器根据刹车距离Distance设定目标穿行时刻t，进而构建车辆模拟测试场景数据集。

202、对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，目标测试场景标注数据集用于标注与目标相关的测试场景。

需要说明的是，目标测试场景标注数据集用于标注与目标相关的测试场景，以目标为行人举例说明，与行人相关的测试场景包括：行人鲁莽横穿人行道的测试场景、行人鲁莽横穿非人行道的测试场景、行人沿路边与无人车辆行驶方向同向或逆行行走的测试场景、行人从被遮挡物中冲出的测试场景、行人在穿行中扭转突然扭转方向测测试场景以及行人在穿行中停下低头捡物品等测试场景，具体此处不做限定。服务器需要对与目标相关的测试场景进行标注处理，得到目标测试场景标注数据集。

在一些实施例中，服务器对车辆模拟测试场景数据集和车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；服务器调用预设数据筛选模型对合并后的场景数据集进行数据筛选，得到初始测试场景数据集；服务器通过预设数据标注模型对初始测试场景数据集进行场景标注处理，得到目标测试场景标注数据集，并将目标测试场景标注数据集存储至预设场景数据库中。其中，预设数据筛选模型和预设数据标注模型均为预先训练完成的模型，预设数据筛选模型用于指示从合并后的场景数据集中筛选与目标相关的场景数据，预设数据标注模型用于指示从初始测试场景数据集中标注与目标相关的场景数据，服务器通过预设数据筛选模型和预设数据标注模型实现与目标相关的数据筛选和数据标注，提高了数据处理效率，并降低了数据处理成本。例如，目标测试场景标注数据集用于指示是否与目标发生路径上的交互行为、驾驶员驾驶行为的评价数据(例如，保守驾驶行为、正常驾驶行为或鲁莽驾驶行为)、驾驶员针对目标的反应时长、驾驶员与目标交互标注开始时刻、驾驶员与目标交互标注结束时刻等标注数据。

可以理解的是，车辆模拟测试场景数据集和车辆实际路测全量数据集各自对应的数据格式是相同的，以便于进行数据合并、数据筛选和数据标注处理等操作，提高了数据处理效率。

203、根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

需要说明的是，自动驾驶仿真测试用于指示在目标仿真场景中进行自动驾驶测试的具体过程。在一些实施例中，服务器根据目标测试场景标注数据集进行场景筛选，得到已筛选场景数据集，已筛选场景数据集用于指示与目标交互的真实场景；服务器按照已筛选场景数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息，其中，各交互标注开始时刻与各交互标注开始时刻存在一一对应关系；服务器通过预设仿真工具将多个仿真场景片段信息转换成多个目标仿真场景，多个目标仿真场景用于指示进行在不同区域、道路特征、交通设施和环境条件下与目标交互的复杂测试场景，预设仿真工具可以为三维仿真软件，也可以为智能驾驶复杂交通场景仿真软件，具体此处不做限定；服务器对多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，也就是，服务器在多个目标仿真场景下运行预设目标预测模型，得到各目标仿真场景对应的初始测试结果，并根据各目标仿真场景对应的初始测试结果确定自动驾驶仿真测试结果，其中，预设目标预测模型包括预设场景安全程度打分算法、预设场景舒适程度打分算法和预设驾驶员位置差异算法。例如，目标仿真场景为：驾驶员对目标的反应时长为1.2s(1.2s为驾驶员在没有预知信息下的反应时长)，目标仿真场景的开始时刻设置为交互标注开始时刻A、目标仿真场景的结束时刻为驾驶员与目标交互标注结束时刻B，服务器在该目标仿真场景中进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

在一些实施例中，服务器在执行对多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果的步骤时，服务器根据预设目标预测模型对多个目标仿真场景进行场景仿真评估，得到多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值；服务器按照多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值确定自动驾驶仿真测试结果。进一步地，服务器按照场景测试标识记录自动驾驶仿真测试结果。例如，场景安全分数为8分，场景舒适度分数为9分，目标与驾驶员之间的位置差异值为0.50米，则服务器确定场景安全程度高，场景舒适程度高，并且驾驶员对目标的预置反应时长合理。

204、按照自动驾驶仿真测试结果和预设的测试报告模板生成自动驾驶仿真测试报告。

具体的，服务器接收自动驾驶仿真测试报告生成请求；服务器解析自动驾驶仿真测试报告生成请求，得到解析结果；服务器按照预设参数校验规则对解析结果进行参数名和参数值校验处理，得到校验结果；当校验结果为校验通过时，服务器从解析结果中提取场景测试标识和报告类型；服务器按照报告类型获取预设的测试报告模板，不同的报告类型对应不同的测试报告模板；服务器从预设的测试报告模板中提取多个替换标识符；服务器按照场景测试标识获取自动驾驶仿真测试结果，并按照多个替换标识符从自动驾驶仿真测试结果中查找多个目标测试数据，并将多个目标测试数据更新至预设的测试报告模板中，得到自动驾驶仿真测试报告。

进一步地，服务器将自动驾驶仿真测试报告备份至预设的文件服务存储系统中，并将自动驾驶仿真测试报告发送至目标终端，以使得目标终端能够下载或显示自动驾驶仿真测试报告。

需要说明的是，服务器在仿真测试过程中，还记录了仿真测试详情数据；服务器基于预设的测试报告模板将自动驾驶仿真测试结果和仿真测试详情数据转化为自动驾驶仿真测试报告。

205、根据自动驾驶仿真测试报告重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于已更新的测试场景标注数据集重新测试。

具体的，服务器从自动驾驶仿真测试报告中获取多个待解析语句；服务器按照预设关键字对多个待解析语句进行语义解析，得到各待解析语句对应的解析结果，服务器基于各待解析语句对应的解析结果设置数据标注规则；服务器按照数据标注规则重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于已更新的测试场景标注数据集重新测试，也就是，服务器执行步骤203至204，提高了自动驾驶仿真测试的准确性和自动驾驶仿真测试报告生成的准确性。

本发明实施例中，通过对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，并根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，提高了自动驾驶场景测试的安全性和稳定性，并降低了自动驾驶测试成本。

上面对本发明实施例中自动驾驶仿真测试方法进行了描述，下面对本发明实施例中自动驾驶仿真测试装置进行描述，请参阅图3，本发明实施例中自动驾驶仿真测试装置一个实施例包括：

获取模块301，用于获取车辆模拟测试场景数据集和车辆实际路测全量数据集；

处理模块302，用于对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；

测试模块303，用于根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

本发明实施例中，通过对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，并根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，提高了自动驾驶场景测试的安全性和稳定性，并降低了自动驾驶测试成本。

请参阅图4，本发明实施例中自动驾驶仿真测试装置另一个实施例包括：

获取模块301，用于获取车辆模拟测试场景数据集和车辆实际路测全量数据集；

处理模块302，用于对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；

测试模块303，用于根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

可选的，所述获取模块301还包括：

生成单元3011，用于获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集；

处理单元3012，用于通过预设数据挖掘任务对预设数据源依次进行全量数据抽取、清洗和聚类操作，得到车辆实际路测全量数据集，所述预设数据源包括车辆日志信息、车辆传感器信息和车辆定位信息。

可选的，所述生成单元3011具体用于：

从预设文献数据库中读取自动驾驶文献数据，所述自动驾驶文献数据用于指示自动驾驶场景下与目标相关的描述信息；

按照预设规则对所述自动驾驶文献数据进行命名实体识别，得到实体识别数据集，所述实体识别数据集包括车辆初始速度、车辆减速度和驾驶员反应时长；

根据所述实体识别数据集确定多个目标穿行时刻，并基于所述多个目标穿行时刻生成车辆模拟测试场景数据集。

可选的，所述处理模块302具体用于：

对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；

调用预设数据筛选模型对所述合并后的场景数据集进行数据筛选，得到初始测试场景数据集；

通过预设数据标注模型对所述初始测试场景数据集进行场景标注处理，得到目标测试场景标注数据集，并将所述目标测试场景标注数据集存储至预设场景数据库中。

可选的，所述测试模块303还包括：

筛选单元3031，用于根据所述目标测试场景标注数据集进行场景筛选，得到已筛选场景数据集，所述已筛选场景数据集用于指示与所述目标交互的真实场景；

分割单元3032，用于按照所述已筛选场景数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息；

转换单元3033，用于通过预设仿真工具将所述多个仿真场景片段信息转换成多个目标仿真场景；

测试单元3034，用于对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

可选的，所述测试单元3034具体用于：

根据预设目标预测模型对所述多个目标仿真场景进行场景仿真评估，得到多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值；

按照所述多个场景安全分数、所述多个场景舒适度分数和所述多个驾驶员位置差异值确定自动驾驶仿真测试结果。

可选的，所述自动驾驶仿真测试装置还包括：

生成模块304，用于按照自动驾驶仿真测试结果和预设的测试报告模板生成自动驾驶仿真测试报告；

调整模块305，用于根据所述自动驾驶仿真测试报告重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于所述已更新的测试场景标注数据集重新测试。

本发明实施例中，通过对车辆模拟测试场景数据集和车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，并根据目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，提高了自动驾驶场景测试的安全性和稳定性，并降低了自动驾驶测试成本。

上面图3和图4从模块化的角度对本发明实施例中的自动驾驶仿真测试装置进行详细描述，下面从硬件处理的角度对本发明实施例中自动驾驶仿真测试设备进行详细描述。

图5是本发明实施例提供的一种自动驾驶仿真测试设备的结构示意图，该自动驾驶仿真测试设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对自动驾驶仿真测试设备500中的一系列计算机程序操作。更进一步地，处理器510可以设置为与存储介质530通信，在自动驾驶仿真测试设备500上执行存储介质530中的一系列计算机程序操作。

自动驾驶仿真测试设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的自动驾驶仿真测试设备结构并不构成对自动驾驶仿真测试设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述自动驾驶仿真测试方法的步骤。

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，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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该技术方案的全部或部分可以以软件产品的形式体现出来，该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)执行本发明各个实施例所述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。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种自动驾驶仿真测试方法，其特征在于，所述自动驾驶仿真测试方法包括：

获取车辆模拟测试场景数据集和车辆实际路测全量数据集；

对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；

根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

2.根据权利要求1所述的自动驾驶仿真测试方法，其特征在于，所述获取车辆模拟测试场景数据集和车辆实际路测全量数据集，包括：

获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集；

通过预设数据挖掘任务对预设数据源依次进行全量数据抽取、清洗和聚类操作，得到车辆实际路测全量数据集，所述预设数据源包括车辆日志信息、车辆传感器信息和车辆定位信息。

3.根据权利要求2所述的自动驾驶仿真测试方法，其特征在于，所述获取自动驾驶文献数据，并根据所述自动驾驶文献数据生成车辆模拟测试场景数据集，包括：

从预设文献数据库中读取自动驾驶文献数据，所述自动驾驶文献数据用于指示自动驾驶场景下与目标相关的描述信息；

按照预设规则对所述自动驾驶文献数据进行命名实体识别，得到实体识别数据集，所述实体识别数据集包括车辆初始速度、车辆减速度和驾驶员反应时长；

根据所述实体识别数据集生成车辆模拟测试场景数据集。

4.根据权利要求1所述的自动驾驶仿真测试方法，其特征在于，所述对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，包括：

对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行数据合并，得到合并后的场景数据集；

调用预设数据筛选模型对所述合并后的场景数据集进行数据筛选，得到初始测试场景数据集；

通过预设数据标注模型对所述初始测试场景数据集进行场景标注处理，得到目标测试场景标注数据集，并将所述目标测试场景标注数据集存储至预设场景数据库中。

5.根据权利要求1所述的自动驾驶仿真测试方法，其特征在于，所述根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，包括：

根据所述目标测试场景标注数据集进行场景筛选，得到已筛选场景数据集，所述已筛选场景数据集用于指示与所述目标交互的真实场景；

按照所述已筛选场景数据集中的各交互标注开始时刻和各交互标注结束时刻进行场景分割，得到多个仿真场景片段信息；

通过预设仿真工具将所述多个仿真场景片段信息转换成多个目标仿真场景；

对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

6.根据权利要求5所述的自动驾驶仿真测试方法，其特征在于，所述对所述多个目标仿真场景进行自动驾驶仿真测试，得到自动驾驶仿真测试结果，包括：

根据预设目标预测模型对所述多个目标仿真场景进行场景仿真评估，得到多个场景安全分数、多个场景舒适度分数和多个驾驶员位置差异值；

按照所述多个场景安全分数、所述多个场景舒适度分数和所述多个驾驶员位置差异值确定自动驾驶仿真测试结果。

7.根据权利要求1-6中任意一项所述的自动驾驶仿真测试方法，其特征在于，在所述根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果之后，所述自动驾驶仿真测试方法还包括：

按照自动驾驶仿真测试结果和预设的测试报告模板生成自动驾驶仿真测试报告；

根据所述自动驾驶仿真测试报告重新调整目标测试场景标注数据集，得到已更新的测试场景标注数据集，并基于所述已更新的测试场景标注数据集重新测试。

8.一种自动驾驶仿真测试装置，其特征在于，所述自动驾驶仿真测试装置包括：

获取模块，用于获取车辆模拟测试场景数据集和车辆实际路测全量数据集；

处理模块，用于对所述车辆模拟测试场景数据集和所述车辆实际路测全量数据集进行预处理和标注，得到目标测试场景标注数据集，所述目标测试场景标注数据集用于标注与目标相关的测试场景；

测试模块，用于根据所述目标测试场景标注数据集进行自动驾驶仿真测试，得到自动驾驶仿真测试结果。

9.一种自动驾驶仿真测试设备，其特征在于，所述自动驾驶仿真测试设备包括：存储器和至少一个处理器，所述存储器中存储有计算机程序；

所述至少一个处理器调用所述存储器中的所述计算机程序，以使得所述自动驾驶仿真测试设备执行如权利要求1-7中任意一项所述的自动驾驶仿真测试方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的自动驾驶仿真测试方法。

Images