CN114692295A - 车辆性能边界的确定方法、装置、终端设备及存储介质 - Google Patents
车辆性能边界的确定方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN114692295A CN114692295A CN202210240806.2A CN202210240806A CN114692295A CN 114692295 A CN114692295 A CN 114692295A CN 202210240806 A CN202210240806 A CN 202210240806A CN 114692295 A CN114692295 A CN 114692295A
- Authority
- CN
- China
- Prior art keywords
- test
- test sample
- parameter
- sample parameter
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请适用于自动驾驶技术领域,提供了一种车辆性能边界的确定方法、装置、终端设备及存储介质。本申请实施例中从参数空间中获取第一测试样本参数,第一测试样本参数用于描述测试车辆所处的具体场景;将第一测试样本参数输入预设的测试平台中对测试车辆进行测试,得到第一测试样本参数对应的第一测试结果,第一测试结果用于描述测试平台模拟的测试车辆在具体场景中的行驶状态;根据第一测试样本参数和第一测试结果对预设的代理模型进行训练;若代理模型满足预设的终止条件,则根据第一测试样本参数的分布信息确定测试车辆的性能边界,从而通过确定测试车辆的性能边界来清晰展示出车辆的自动驾驶能力。
Description
技术领域
本申请属于自动驾驶技术领域,尤其涉及一种车辆性能边界的确定方法、装置、终端设备及存储介质。
背景技术
随着社会的发展,自动驾驶技术越来越受到大家的重视,而对自动驾驶技术的安全性进行有效验证是将自动驾驶技术落地的重要基础,现有的对自动驾驶技术的安全性进行验证通常是基于特定功能进行测试验证,该测试验证是无法清晰展示出在一些行驶场景下车辆的自动驾驶能力。
发明内容
本申请实施例提供了一种车辆性能边界的确定方法、装置、终端设备及存储介质,可以解决无法清晰展示出在一些行驶场景下车辆的自动驾驶能力的问题。
第一方面,本申请实施例提供了一种车辆性能边界的确定方法,包括:
从预设的参数空间中获取第一测试样本参数,上述第一测试样本参数用于描述测试车辆所处的具体场景;
将上述第一测试样本参数输入预设的测试平台中对上述测试车辆进行测试,得到上述第一测试样本参数对应的第一测试结果,上述第一测试结果用于描述上述测试平台模拟的上述测试车辆在上述具体场景中的行驶状态;
根据上述第一测试样本参数和上述第一测试结果对预设的代理模型进行训练;
若上述代理模型满足预设的终止条件,则根据上述第一测试样本参数的分布信息确定上述测试车辆的性能边界。
第二方面,本申请实施例提供了一种车辆性能边界的确定装置,包括:
参数获取模块,用于从预设的参数空间中获取第一测试样本参数,上述第一测试样本参数用于描述测试车辆所处的具体场景;
测试模块,用于将上述第一测试样本参数输入预设的测试平台中对上述测试车辆进行测试,得到上述第一测试样本参数对应的第一测试结果,上述第一测试结果用于描述上述测试平台模拟的上述测试车辆在上述具体场景中的行驶状态;
训练模块,用于根据上述第一测试样本参数和上述第一测试结果对预设的代理模型进行训练;
边界确定模块,用于若上述代理模型满足预设的终止条件,则根据上述第一测试样本参数的分布信息确定上述测试车辆的性能边界。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现上述任一种车辆性能边界的确定方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述的计算机程序被处理器执行时实现上述任一种车辆性能边界的确定方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一种车辆性能边界的确定方法。
本申请实施例中通过从预设的参数空间中获取用于描述测试车辆所处的具体场景的第一测试样本参数,该具体场景即为车辆的行驶场景,再将上述第一测试样本参数输入预设的测试平台中对上述测试车辆进行测试,得到上述第一测试样本参数对应的第一测试结果,该第一测试结果用于描述上述测试平台模拟的上述测试车辆在上述具体场景中的行驶状态,从而根据上述第一测试样本参数和上述第一测试结果对预设的代理模型进行训练,若上述代理模型满足预设的终止条件,说明当前代理模型输出的结果已满足确定车辆的自动驾驶功能在参数空间中的性能边界的精度需求,则根据上述第一测试样本参数的分布信息确定上述测试车辆的性能边界,以通过该性能边界来清晰展示出车辆在特定行驶场景下的自动驾驶能力。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的车辆性能边界的确定方法的第一种流程示意图;
图2是本申请实施例提供的车辆性能边界示意图;
图3是本申请实施例提供的车辆性能边界的确定方法的第二种流程示意图;
图4是本申请实施例提供的车辆性能边界的确定装置的结构示意图;
图5是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1所示为本申请实施例中一种车辆性能边界的确定方法的流程示意图,该方法的执行主体可以是终端设备,如图1所示,上述车辆性能边界的确定方法可以包括如下步骤:
步骤S101、从预设的参数空间中获取第一测试样本参数,上述第一测试样本参数用于描述测试车辆所处的具体场景。
在本实施例中,一个车辆所处的具体场景(Concrete scenarios)可以通过不同维度的参数来描述,该具体场景相当于车辆在行驶过程中的各种行驶场景的一个特例,例如,在面对双车违停场景时通过双车之间的相对距离参数的具体值来描述该场景,而由于同一逻辑场景(Logical scenarios)下不同维度参数对应的值的不同,相应的具体场景也不同,进而导致影响车辆安全性的程度不同,所以为了清晰界定车辆在某一具体场景下的自动驾驶能力,上述参数空间由逻辑场景所对应的至少一个维度的关键参数组成,从而通过从参数空间中获取第一测试样本参数,以达到描述某一具体场景的目的。其中,上述第一测试样本参数为当前获取的用于描述测试车辆的具体场景的参数,若当前为第n次测试车辆的具体场景,则第一测试样本参数即为第n次需获取的样本参数,其可包含至少一个维度的待研究的参数的具体值,具体根据构成参数空间的关键参数的数量所确定。每轮测试需获取一定数量的第一测试样本参数,以用来对应得到一定数量的具体场景,从而基于该一定数量的具体场景分别对测试车辆进行测试,上述第一测试样本参数的数量可以是根据用户需求得到的任意整数,例如50。上述测试车辆可以是自动驾驶车辆,例如包括L1-L5级自动驾驶车辆,在某些情况下上述测试车辆也可以是非自动驾驶车辆,例如可以提出行驶意见来辅助驾驶员进行操作的车辆,本实施例以测试车辆为自动驾驶车辆为例进行说明。
具体地,上述步骤S101可以包括:终端设备根据预设的随机算法从参数空间中获取第一测试样本参数,该随机算法可基于种子号来确定第一测试样本参数,通过确定种子号,可以方便结果的可追溯性,该种子号不限于固定的组合,其任何的组合形式都属于本示例的变更设计。此外,终端设备还可基于之前已进行过测试的测试样本参数利用贝叶斯优化算法从参数空间中获取第一测试样本参数。
在一个实施例中,在上述步骤S101之前,终端设备需确定测试车辆所面对的逻辑场景,即明确用户想要探究的是基于哪个行驶场景下的车辆进行自动驾驶时所对应的性能边界,该逻辑场景包括但不限于是通过道路测试得到的危险场景、通过仿真模拟得到的危险场景、自动驾驶过程中的常见场景或者是任何涉及到风险的场景等,可以理解的是,用户可根据车辆对应的性能边界来提升相关性能,所以上述逻辑场景需为对车辆性能提升有帮助的场景,例如,双车违停场景,即测试车辆在面对双车违停的情况时利用自动驾驶功能行驶的场景,该测试车辆在测试过程中有可能因为自身自动驾驶技术躲避上述违停的双车时不够灵敏而发生碰撞或擦碰,也有可能成功通过,所以通过该场景下的性能边界可对自动驾驶技术中的躲避障碍物的性能进行提升。
可以理解的是,上述性能边界即相当于车辆在某一逻辑场景下是否可以实现安全驾驶的一个边界,通过确定该性能边界可以得到车辆在该逻辑场景的所有可能情况中可以成功通过的范围,以及不能或不确定能够成功通过的范围,上述逻辑场景的所有可能情况组成逻辑场景对应的参数空间,而上述范围对应参数空间中由性能边界划分的各个区域,因此,通过确定该性能边界可以确定出车辆的自动驾驶能力,即不能或不确定能够成功通过的范围越小,说明自动驾驶能力越好。而且由于根据该性能边界可以确定出车辆的自动驾驶能力,所以可以基于对自动驾驶安全的相关要求,根据性能边界定量的给出对自动驾驶技术进行安全性验证时的验证通过条件,例如,基于性能边界附近的关键参数设置验证场景,判断车辆是否可以成功通过,从而通过可以定量的给出验证通过条件来提升对自动驾驶技术的安全性进行验证时的验证效果。此外,通过该性能边界还可以修改自动驾驶系统功能设定的运行条件,进行功能定义,从而进一步完善自动驾驶功能。
在一个实施例中,在上述步骤S101之前,终端设备需确定上述逻辑场景所对应的参数空间,具体终端设备可根据逻辑场景从预设的参数集中确定该逻辑场景所对应的各个维度关键参数有哪些,并进一步确定各个维度关键参数对应的参数范围值,从而根据逻辑场景所对应的至少一个维度的关键参数和关键参数对应的参数范围值来确定上述参数空间,该参数范围值可以根据逻辑场景下能够存在的范围值来设定、根据大数据分析出的可能存在危险情况的参数范围值来设定或者根据用户需求进行设定,例如,在双车违停场景时,设定双车均可以违停至车道外,由于道路宽度是固定的,所以双车相对距离中的相对宽度Δx的参数范围值不超过道路宽度,其中,上述相对距离是双车质心之间的距离。
示例性地,当面对双车违停场景时,关键参数为第一辆车的y坐标、第一辆车的横摆角、第二辆车与第一辆车的相对距离(Δx,Δy)和第二辆车的横摆角,根据第一辆车的y坐标、第一辆车的横摆角、第二辆车与第一辆车的相对距离和第二辆车的横摆角确定双车违停场景对应的参数空间。
在一个实施例中,在确定上述参数空间之前还可以包括:对上述关键参数对应的参数范围值进行数据预处理,即可以将关键参数对应的参数范围值进行变换,从而变换为一个便于数据处理的符合多维度参数的范围,例如,若第一辆车的横摆角是相对于地点A得到的,第二辆车的横摆角是相对于地点B得到的,则可以将第二辆车的横摆角变换为相对于地点A的横摆角,此外,在关键参数对应的参数范围值存在缺失值时,可以进行补齐缺失值处理;在关键参数对应的参数范围值存在重复值时,可以进行删除重复值处理等。
步骤S102、将第一测试样本参数输入预设的测试平台中对测试车辆进行测试,得到第一测试样本参数对应的第一测试结果,上述第一测试结果用于描述测试平台模拟的测试车辆在具体场景中的行驶状态。
在本实施例中,终端设备通过将上述获取的第一测试样本参数输入测试平台,来使测试平台模拟出同一逻辑场景下不同情况的具体场景,再促使测试车辆在测试平台模拟出的不同情况的具体场景进行行驶,从而得到不同情况的具体场景分别对应的测试车辆的行驶状态,该行驶状态即为上述第一测试结果,其中,上述第一测试结果包括但不限于是发生碰撞、发生摩擦、成功通过等。可以理解的是,由于基于当前第一测试结果不一定可以使代理模型满足终止条件,所以在得到第一测试结果之后,需将第一测试结果进行存储,该存储路径可由用户进行设定,此外,为便于数据处理,可将第一测试结果进行格式转换,例如转换为常用的数据标签格式。
具体地,上述测试平台包括但不限于是仿真软件、自研的仿真平台、封闭道路测试平台、公开道路测试场等,上述仿真软件包括但不限于是Carla、VTD、Carsim、sumo等;可以对上述测试车辆设置开源自动驾驶系统或者自研的自动驾驶系统等,例如,高级驾驶辅助系统(Advanced Driving Assistance System,ADAS),该系统可对应L1-L2级或是L3及以上的自动驾驶系统。
步骤S103、根据第一测试样本参数和第一测试结果对预设的代理模型进行训练。
在本实施例中,上述代理模型包括但不限于是高斯过程代理分类模型、逻辑回归代理模型、随机森林代理模型等机器学习代理模型,并且通过对该代理模型进行训练可以获得第一测试样本参数的分布信息中的概率和标准差,即获得代理模型对第一测试样本参数对应某一概率的预测值和不确定度,该分布信息包括但不限于是密度、预测分类概率和标准差。
可以理解的是,若上述第一测试参数是基于之前已进行过测试的测试样本参数从参数空间中获取得到的,则需根据之前已进行过测试的测试样本参数、已进行过测试的测试样本参数对应的测试结果、第一测试样本参数和第一测试结果对上述代理模型进行训练。
步骤S104、若代理模型满足预设的终止条件,则根据第一测试样本参数的分布信息确定测试车辆的性能边界。
在本实施例中,若代理模型满足预设的终止条件,说明代理模型当前训练的样本参数的数量已经满足用户的精度需求,则可以根据用于训练代理模型的第一测试样本参数的分布信息确定测试车辆在参数空间中的性能边界,可以理解的是,由于性能边界是依赖于逻辑场景的,因此对于参数空间中的各个关键参数,其性能边界均存在一个较小的浮动值,例如,第一辆车的y坐标浮动值为(-2m,+2m)、第一辆车的横摆角浮动值为(-30°,+30°)。
示例性地,如图2所示,若当前参数空间仅存在两个维度的关键参数,分别是关键参数A和关键参数B,且关键参数A和关键参数B的参数范围值均为0.0至1.0,则可基于分布信息中的概率确定测试车辆的性能边界,图2中的不同的颜色对应不同的概率,图2中的虚线环即为性能边界,虚线环外的区域为功能正常区域,即相当于在该区域对应的各个具体场景下测试车辆均可成功通过,例如图2中的测试样本参数为(0.2,0.2)时,对应的测试结果为成功通过;虚线环内的区域为功能失效区域,即相当于在该区域对应的各个具体场景下测试车辆均不能成功通过,例如图2中的测试样本参数为(0.6,0.4)时,对应的测试结果可能为发生碰撞;虚线环之间的区域为功能模糊区域,即相当于在该区域对应的各个具体场景下测试车辆可能成功通过,也可能不可以成功通过,例如图2中的测试样本参数为(0.8,0.2)时,对应的测试结果可能为发生摩擦。
具体地,上述终止条件包括但不限于是代理模型发生收敛、代理模型的训练次数为预设次数,该终止条件可根据需求目的的不同进行对应设计。其中,可通过判断代理模型训练参数变化与预设值的之间的大小,来确定代理模型是否发生收敛,例如,当代理模型训练参数的变化不大于预设值时,认为代理模型收敛,从而终止测试,上述模型训练参数包括但不限于高斯过程径向基函数(Radial Basis Function,RBF)的核参数。此外,为了判断结果的准确性,还可进一步限定,若连续预设次数代理模型训练参数的变化均不大于预设值,则认为代理模型收敛。
可以理解的是,若上述第一测试参数是基于之前已进行过测试的测试样本参数从参数空间中获取得到的,则在代理模型满足预设的终止条件后,需根据之前已进行过测试的测试样本参数的分布信息和第一测试样本参数分布信息确定测试车辆的性能边界。
可以理解的是,在本实施例中通过逻辑场景对应的参数空间针对性的对设定出不同情况的具体场景,再基于设定好的具体场景对测试车辆进行测试,从而可以在面对某些在行驶之前不能明确真值标签的具体场景,即存在未知危险的行驶场景时,可以针对性的给出未知危险的行驶场景下的性能边界,从而提升了车辆的自动驾驶系统对风险的控制能力。
在一个实施例中,如图3所示,在第一测试样本参数基于之前已进行过测试的测试样本参数从参数空间中获取得到的情况下,上述车辆性能边界的确定方法可以包括如下步骤:
步骤S301、根据至少一个第二测试样本参数的分布信息从参数空间中获取第一测试样本参数。
在本实施例中,上述第二测试样本参数为已进行过测试的测试样本参数,例如,若第一测试样本参数为第n次需获取的样本参数,则第二测试样本参数即为第1次至第n-1次所获取的已进行过测试的样本参数。可以理解的是,相对于从参数空间中随机采样获取第一测试样本参数或间隔采样获取第一测试样本参数的获取方法,本实施例通过已进行过测试的测试样本参数的分布信息可以得到已进行过测试的测试样本参数在参数空间中的分布状态,进而针对性的获取当前的测试样本参数,可以减少测试次数、提高测试效率,还可进一步提升性能边界确定的准确性。根据实验可得在模型满足上述终止条件时,相较于间隔采样以及随机采样,本实施例需测试的样本参数数量减少了37.5%,且测试效率提高了60%以上。
在一个实施例中,上述步骤S301可以包括:终端设备根据第二测试样本参数的分布信息生成采集函数,再根据采集函数生成参数空间对应的目标分布图,并在目标分布图中确定初始性能边界,从而根据初始性能边界从目标分布图中选取第一测试样本参数。此外,在得到目标分布图后可对图中待采样的测试样本参数进行修正,修正之后再进行采样,以提高数据准确性。
在一个实施例中,由于性能边界包括功能正常区域,功能失效区域以及功能模糊区域,所以上述根据上述初始性能边界从上述目标分布图中选取上述第一测试样本参数可以包括:根据初始性能边界确定目标分布图中的功能正常区域、功能失效区域和功能模糊区域,如图2所示;根据预设的选取比例分别从功能正常区域、功能失效区域和功能模糊区域选取第一测试样本参数。
在一个实施例中,由于为提高性能边界的精准度,测试样本参数被选取的关键区域为功能模糊区域,所以可设定上述选取比例中功能模糊区域对应的数值大于其他两个区域对应的数值,从而增加性能边界确定的准确度,例如,功能正常区域、功能失效区域和功能模糊区域对应的选取比例为1:1:2,而上述设定的第一测试样本参数的预设数量为40,则功能正常区域对应的第一测试样本参数的数量为10,功能失效区域对应的第一测试样本参数的数量为10,功能模糊区域对应的第一测试样本参数的数量为40。
在一个实施例中,上述根据预设的选取比例分别从功能正常区域、功能失效区域和功能模糊区域选取第一测试样本参数可以包括:可以将功能正常区域、功能失效区域和功能模糊区域分别划分为各个的目标区域,并分别从各个目标区域中选取第二测试样本参数最少的目标区域,分别从第二测试样本参数最少的目标区域中选取第一测试样本参数。
在一个实施例中,当上述第二测试样本参数的分布信息包括概率、标准差和位置时,上述根据上述第二测试样本参数的分布信息生成采集函数可以包括:终端设备根据第二测试样本参数对应的概率、标准差和位置分别生成概率函数、标准差函数和密度函数,再根据概率函数、标准差函数和密度函数生成采集函数,如下式:
AF(x)=p(x)+λ1σ(x)+λ2ρ(x)
其中,上述AF是采集函数;上述x是参数向量,用于表征整个参数空间;上述p是概率函数;上述σ是标准差函数;上述ρ是密度函数;上述λ1和λ2是权重系数。
在一个实施例中,上述采集函数还可根据第二测试样本参数对应的概率、标准差和位置的派生组合进行确定,例如p(x)σ(x)、p(x)ρ(x)等。
在一个实施例中,终端设备可以根据上述概率函数、标准差函数和密度函数分别生成整个参数空间内的预测概率分布图、标准差分布图、密度图,以便于用户查看。
步骤S302、根据第一测试样本参数、第一测试结果、第二测试样本参数和第二测试样本参数对应的第二测试结果对代理模型进行训练。
在本实施例中,上述第二测试样本参数对应的第二测试结果,可以通过将第二测试样本参数输入预设的测试平台中对测试车辆进行测试来得到。
步骤S303、判断代理模型是否满足终止条件。
若是,则执行步骤S304;若否,则执行步骤S301及后续步骤。
步骤S304、根据第一测试样本参数的分布信息和第二测试样本参数的分布信息确定测试车辆的性能边界。
在本实施例中,若满足终止条件,则终端设备直接依据当前已进行过测试的测试样本参数的分布信息确定性能边界,当前已进行过测试的测试样本参数为第一测试样本参数和第二测试样本参数。
可以理解的是,若不满足终止条件需再次执行步骤S301及后续步骤,根据当前已进行测试的测试样本参数的分布信息继续获取测试样本参数,并进行训练,即根据第一测试样本参数的分布信息和第二测试样本参数的分布信息从参数空间中获取第三测试样本参数,例如,若上述第一测试样本参数为第n次获取的样本参数,上述第二测试样本参数为第1次至第n-1次获取的样本参数,则上述第三测试样本参数为第n+1次获取的样本参数,其所对应的为第n+1次测试车辆的具体场景,再基于第三测试样本参数继续进行训练,直至代理模型满足终止条件。
本申请实施例中通过从预设的参数空间中获取用于描述测试车辆所处的具体场景的第一测试样本参数,该具体场景即为车辆的行驶场景,再将上述第一测试样本参数输入预设的测试平台中对上述测试车辆进行测试,得到上述第一测试样本参数对应的第一测试结果,该第一测试结果用于描述上述测试平台模拟的上述测试车辆在上述具体场景中的行驶状态,从而根据上述第一测试样本参数和上述第一测试结果对预设的代理模型进行训练,若上述代理模型满足预设的终止条件,说明当前代理模型输出的结果已满足确定车辆的自动驾驶功能在参数空间中的性能边界的精度需求,则根据上述第一测试样本参数的分布信息确定上述测试车辆的性能边界,以通过该性能边界来清晰展示出车辆在特定行驶场景下的自动驾驶能力。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文所述的一种车辆性能边界的确定方法,图4所示为本申请实施例中一种车辆性能边界的确定装置的结构示意图,如图4所示,上述车辆性能边界的确定装置可以包括:
参数获取模块401,用于从预设的参数空间中获取第一测试样本参数,上述第一测试样本参数用于描述测试车辆所处的具体场景。
测试模块402,用于将第一测试样本参数输入预设的测试平台中对测试车辆进行测试,得到第一测试样本参数对应的第一测试结果,上述第一测试结果用于描述测试平台模拟的测试车辆在具体场景中的行驶状态。
训练模块403,用于根据第一测试样本参数和第一测试结果对预设的代理模型进行训练。
边界确定模块404,用于若代理模型满足预设的终止条件,则根据第一测试样本参数的分布信息确定测试车辆的性能边界。
在一个实施例中,上述参数获取模块401可以包括:
第一参数获取子模块,用于根据至少一个第二测试样本参数的分布信息从参数空间中获取第一测试样本参数。
相应地,上述训练模块403可以包括:
第一训练子模块,用于根据第一测试样本参数、第一测试结果、第二测试样本参数和第二测试样本参数对应的第二测试结果对代理模型进行训练。
相应地,上述边界确定模块404可以包括:
第一边界确定子模块,用于若代理模型满足终止条件,则根据第一测试样本参数的分布信息和第二测试样本参数的分布信息确定测试车辆的性能边界。
在一个实施例中,上述车辆性能边界的确定装置还可以包括:
第二参数获取子模块,用于若代理模型不满足终止条件,则根据第一测试样本参数的分布信息和第二测试样本参数的分布信息从参数空间中获取第三测试样本参数。
在一个实施例中,上述第一参数获取子模块可以包括:
函数生成单元,用于根据第二测试样本参数的分布信息生成采集函数。
边界确定单元,用于根据采集函数生成参数空间对应的目标分布图,在目标分布图中确定初始性能边界。
参数选取单元,用于根据初始性能边界从目标分布图中选取第一测试样本参数。
在一个实施例中,上述参数选取单元可以包括:
区域确定子单元,用于根据初始性能边界确定目标分布图中的功能正常区域、功能失效区域和功能模糊区域。
参数选取子单元,用于根据预设的选取比例分别从功能正常区域、功能失效区域和功能模糊区域选取第一测试样本参数。
在一个实施例中,上述第二测试样本参数的分布信息包括概率、标准差和位置,上述函数生成单元可以包括:
第一函数生成子单元,用于根据概率、标准差和位置分别生成概率函数、标准差函数和密度函数。
第二函数生成子单元,用于根据概率函数、标准差函数和密度函数生成采集函数。
在一个实施例中,上述参数获取模块401还可以包括:
第三参数获取子模块,用于根据预设的随机算法从参数空间中获取第一测试样本参数。
本申请实施例中通过从预设的参数空间中获取用于描述测试车辆所处的具体场景的第一测试样本参数,该具体场景即为车辆的行驶场景,再将上述第一测试样本参数输入预设的测试平台中对上述测试车辆进行测试,得到上述第一测试样本参数对应的第一测试结果,该第一测试结果用于描述上述测试平台模拟的上述测试车辆在上述具体场景中的行驶状态,从而根据上述第一测试样本参数和上述第一测试结果对预设的代理模型进行训练,若上述代理模型满足预设的终止条件,说明当前代理模型输出的结果已满足确定车辆的自动驾驶功能在参数空间中的性能边界的精度需求,则根据上述第一测试样本参数的分布信息确定上述测试车辆的性能边界,以通过该性能边界来清晰展示出车辆在特定行驶场景下的自动驾驶能力。
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,上述描述的装置和模块的具体工作过程,可以参考前述系统实施例以及方法实施例中的对应过程,在此不再赘述。
图5为本申请实施例提供的终端设备的结构示意图。为了便于说明,仅示出了与本申请实施例相关的部分。
如图5所示,该实施例的终端设备5包括:至少一个处理器500(图5中仅示出一个),与上述处理器500连接的存储器501,以及存储在上述存储器501中并可在上述至少一个处理器500上运行的计算机程序502,例如车辆性能边界的确定程序。上述处理器500执行上述计算机程序502时实现上述各个车辆性能边界的确定方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,上述处理器500执行上述计算机程序502时实现上述各装置实施例中各模块的功能,例如图4所示模块401至404的功能。
示例性的,上述计算机程序502可以被分割成一个或多个模块,上述一个或者多个模块被存储在上述存储器501中,并由上述处理器500执行,以完成本申请。上述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述上述计算机程序502在上述终端设备5中的执行过程。例如,上述计算机程序502可以被分割成参数获取模块401、测试模块402、训练模块403、边界确定模块404,各模块具体功能如下:
参数获取模块401,用于从预设的参数空间中获取第一测试样本参数,上述第一测试样本参数用于描述测试车辆所处的具体场景;
测试模块402,用于将第一测试样本参数输入预设的测试平台中对测试车辆进行测试,得到第一测试样本参数对应的第一测试结果,上述第一测试结果用于描述测试平台模拟的测试车辆在具体场景中的行驶状态;
训练模块403,用于根据第一测试样本参数和第一测试结果对预设的代理模型进行训练;
边界确定模块404,用于若代理模型满足预设的终止条件,则根据第一测试样本参数的分布信息确定测试车辆的性能边界。
上述终端设备5可包括,但不仅限于,处理器500、存储器501。本领域技术人员可以理解,图5仅仅是终端设备5的举例,并不构成对终端设备5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,例如还可以包括输入输出设备、网络接入设备、总线等。
所称处理器500可以是中央处理单元(Central Processing Unit,CPU),该处理器500还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器501在一些实施例中可以是上述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。上述存储器501在另一些实施例中也可以是上述终端设备5的外部存储设备,例如上述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器501还可以既包括上述终端设备5的内部存储单元也包括外部存储设备。上述存储器501用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如上述计算机程序的程序代码等。上述存储器501还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆性能边界的确定方法,其特征在于,包括:
从预设的参数空间中获取第一测试样本参数,所述第一测试样本参数用于描述测试车辆所处的具体场景;
将所述第一测试样本参数输入预设的测试平台中对所述测试车辆进行测试,得到所述第一测试样本参数对应的第一测试结果,所述第一测试结果用于描述所述测试平台模拟的所述测试车辆在所述具体场景中的行驶状态;
根据所述第一测试样本参数和所述第一测试结果对预设的代理模型进行训练;
若所述代理模型满足预设的终止条件,则根据所述第一测试样本参数的分布信息确定所述测试车辆的性能边界。
2.如权利要求1所述的车辆性能边界的确定方法,其特征在于,所述从预设的参数空间中获取第一测试样本参数,包括:
根据至少一个第二测试样本参数的分布信息从所述参数空间中获取第一测试样本参数;
相应地,所述根据所述第一测试样本参数和所述第一测试结果对预设的代理模型进行训练,包括:
根据所述第一测试样本参数、所述第一测试结果、所述第二测试样本参数和所述第二测试样本参数对应的第二测试结果对所述代理模型进行训练;
相应地,所述若所述代理模型满足预设的终止条件,则根据所述第一测试样本参数的分布信息确定所述测试车辆的性能边界,包括:
若所述代理模型满足所述终止条件,则根据所述第一测试样本参数的分布信息和所述第二测试样本参数的分布信息确定所述测试车辆的性能边界。
3.如权利要求2所述的车辆性能边界的确定方法,其特征在于,还包括:
若所述代理模型不满足所述终止条件,则根据所述第一测试样本参数的分布信息和所述第二测试样本参数的分布信息从所述参数空间中获取第三测试样本参数。
4.如权利要求2所述的车辆性能边界的确定方法,其特征在于,所述根据至少一个第二测试样本参数的分布信息从所述参数空间中获取第一测试样本参数,包括:
根据所述第二测试样本参数的分布信息生成采集函数;
根据所述采集函数生成所述参数空间对应的目标分布图,在所述目标分布图中确定初始性能边界;
根据所述初始性能边界从所述目标分布图中选取所述第一测试样本参数。
5.如权利要求4所述的车辆性能边界的确定方法,其特征在于,所述根据所述初始性能边界从所述目标分布图中选取所述第一测试样本参数,包括:
根据所述初始性能边界确定所述目标分布图中的功能正常区域、功能失效区域和功能模糊区域;
根据预设的选取比例分别从所述功能正常区域、所述功能失效区域和所述功能模糊区域选取所述第一测试样本参数。
6.如权利要求4所述的车辆性能边界的确定方法,其特征在于,所述第二测试样本参数的分布信息包括概率、标准差和位置,所述根据所述第二测试样本参数的分布信息生成采集函数,包括:
根据所述概率、所述标准差和所述位置分别生成概率函数、标准差函数和密度函数;
根据所述概率函数、所述标准差函数和所述密度函数生成所述采集函数。
7.如权利要求1所述的车辆性能边界的确定方法,其特征在于,所述从预设的参数空间中获取第一测试样本参数,包括:
根据预设的随机算法从所述参数空间中获取第一测试样本参数。
8.一种车辆性能边界的确定装置,其特征在于,包括:
参数获取模块,用于从预设的参数空间中获取第一测试样本参数,所述第一测试样本参数用于描述测试车辆所处的具体场景;
测试模块,用于将所述第一测试样本参数输入预设的测试平台中对所述测试车辆进行测试,得到所述第一测试样本参数对应的第一测试结果,所述第一测试结果用于描述所述测试平台模拟的所述测试车辆在所述具体场景中的行驶状态;
训练模块,用于根据所述第一测试样本参数和所述第一测试结果对预设的代理模型进行训练;
边界确定模块,用于若所述代理模型满足预设的终止条件,则根据所述第一测试样本参数的分布信息确定所述测试车辆的性能边界。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种车辆性能边界的确定方法的步骤。
10.一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至7任一项所述的一种车辆性能边界的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210240806.2A CN114692295A (zh) | 2022-03-10 | 2022-03-10 | 车辆性能边界的确定方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210240806.2A CN114692295A (zh) | 2022-03-10 | 2022-03-10 | 车辆性能边界的确定方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114692295A true CN114692295A (zh) | 2022-07-01 |
Family
ID=82138504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210240806.2A Pending CN114692295A (zh) | 2022-03-10 | 2022-03-10 | 车辆性能边界的确定方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114692295A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226726A (zh) * | 2023-05-04 | 2023-06-06 | 济南东方结晶器有限公司 | 一种结晶器铜管的应用性能评估方法、系统、设备及介质 |
CN117610400A (zh) * | 2023-10-13 | 2024-02-27 | 广州汽车集团股份有限公司 | 车辆测试方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-10 CN CN202210240806.2A patent/CN114692295A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226726A (zh) * | 2023-05-04 | 2023-06-06 | 济南东方结晶器有限公司 | 一种结晶器铜管的应用性能评估方法、系统、设备及介质 |
CN117610400A (zh) * | 2023-10-13 | 2024-02-27 | 广州汽车集团股份有限公司 | 车辆测试方法、装置、电子设备及存储介质 |
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 | |
Tang et al. | A survey on automated driving system testing: Landscapes and trends | |
CN114692295A (zh) | 车辆性能边界的确定方法、装置、终端设备及存储介质 | |
CN111177887A (zh) | 一种基于真实驾驶场景构造仿真轨迹数据的方法和装置 | |
US11810460B2 (en) | Automatic generation of pedestrians in virtual simulation of roadway intersections | |
CN115099051A (zh) | 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质 | |
Ponn et al. | An optimization-based method to identify relevant scenarios for type approval of automated vehicles | |
CN112214402B (zh) | 一种代码验证算法的选择方法、装置及存储介质 | |
CN113935143A (zh) | 通过自主车辆的增加的严重性等级估计碰撞概率 | |
Raffaelli et al. | Facing ADAS validation complexity with usage oriented testing | |
CN111553242B (zh) | 用于预测驾驶行为的生成对抗网络的训练方法和电子设备 | |
Radlak et al. | Organization of machine learning based product development as per ISO 26262 and ISO/PAS 21448 | |
US8751094B2 (en) | Method for validation of a graphically based executable control specification using model extraction | |
US20180157770A1 (en) | Geometric proximity-based logging for vehicle simulation application | |
CN117806956A (zh) | 一种感知融合算法的仿真测试方法、装置、设备及介质 | |
CN113297939A (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
CN116842384A (zh) | 多模态模型训练方法、装置、电子设备及可读存储介质 | |
CN110782117A (zh) | 驾驶风险检测方法及装置、存储介质、电子设备 | |
CN115495363A (zh) | 一种软件测试方法、电子设备及可读存储介质 | |
KR20230104592A (ko) | 센서 데이터의 주석을 다는 방법 및 시스템 | |
Ravishankaran | Impact on how AI in automobile industry has affected the type approval process at RDW | |
CN117970906B (zh) | 自动驾驶系统测试方法、系统、计算机设备、存储介质及程序产品 | |
CN118314424B (zh) | 基于边缘场景的车路协同自进化学习多模态校验方法 | |
CN115630754B (zh) | 智能网联汽车信息安全的预测方法、装置、设备及介质 | |
CN117830744A (zh) | 目标识别模型的训练方法、装置、车辆及存储介质 |
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 |