CN114861321A - 交通流仿真的问题场景提取方法、装置、设备及介质 - Google Patents
交通流仿真的问题场景提取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114861321A CN114861321A CN202210597664.5A CN202210597664A CN114861321A CN 114861321 A CN114861321 A CN 114861321A CN 202210597664 A CN202210597664 A CN 202210597664A CN 114861321 A CN114861321 A CN 114861321A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic flow
- simulation model
- test
- scene
- 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
- G06F2119/12—Timing analysis or timing optimisation
-
- 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
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通流仿真的问题场景提取方法、装置、设备及介质。该方法包括:获取真实交通流数据,并根据真实交通流数据,生成连续仿真测试场景和交通流仿真模型;之后,在连续仿真测试场景中运行所述交通流仿真模型,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取问题场景对应的车辆行驶参数。本实施例的技术方案,通过采用预设车辆告警检测方法,可以在连续交通流测试过程中实现对问题场景的快速识别和定位,可以提升对交通流仿真测试过程中的问题场景的查找效率。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种交通流仿真的问题场景提取方法、装置、设备及介质。
背景技术
随着汽车数字化与智能化的迅速发展,智能汽车需要应对的行驶道路、周边交通和天气情况等行驶环境状况愈加复杂,且行驶环境具有较强的不确定性和不可预测性。因此,对交通流中出现的关键场景进行仿真测试研究,对于提升自动驾驶的安全性具有重要意义。
目前,现有的交通流仿真测试研究主要采用大规模连续交通流仿真测试,可以实现更加接近现实场景的交通流测试。然而,在现有技术中,连续不断变化的场景和长时间的仿真过程,对测试车辆出现异常交互行为时的问题场景的识别与提取造成了一定程度的困难,导致很难实现对问题场景的快速识别和定位。
发明内容
本发明提供了一种交通流仿真的问题场景提取方法、装置、设备及介质,可以在连续交通流测试过程中实现对问题场景的快速识别和定位,可以提升对交通流仿真测试过程中的问题场景的查找效率。
根据本发明的一方面,提供了一种交通流仿真的问题场景提取方法,包括:
获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型;
其中,所述交通流仿真模型包括至少一个车辆仿真模型,所述车辆仿真模型包括测试车辆仿真模型;
在所述连续仿真测试场景中运行所述交通流仿真模型;
当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
根据本发明的另一方面,提供了一种交通流仿真的问题场景提取装置,包括:
交通流仿真模型生成模块,用于获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型;
其中,所述交通流仿真模型包括至少一个车辆仿真模型,所述车辆仿真模型包括测试车辆仿真模型;
交通流仿真模型运行模块,用于在所述连续仿真测试场景中运行所述交通流仿真模型;
问题场景确定模块,用于当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的交通流仿真的问题场景提取方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的交通流仿真的问题场景提取方法。
本发明实施例的技术方案,通过获取真实交通流数据,并根据真实交通流数据,生成连续仿真测试场景和交通流仿真模型;之后,在连续仿真测试场景中运行交通流仿真模型,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取问题场景对应的车辆行驶参数,通过采用预设车辆告警检测方法对测试车辆的车辆告警进行检测,可以在连续交通流测试过程中实现对问题场景的快速识别和定位,可以提升对交通流仿真测试过程中的问题场景的查找效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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是根据本发明实施例一提供的一种交通流仿真的问题场景提取方法的流程图;
图2A是根据本发明实施例二提供的一种交通流仿真的问题场景提取方法的流程图;
图2B是根据本发明实施例二提供的一种交通流仿真的问题场景提取方法的流程示意图;
图3是根据本发明实施例三提供的一种交通流仿真的问题场景提取装置的结构示意图;
图4是实现本发明实施例的交通流仿真的问题场景提取方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”、“目标”等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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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。
实施例一
图1为本发明实施例一提供了一种交通流仿真的问题场景提取方法的流程图,本实施例可适用于在连续交通流仿真测试过程中对问题场景进行提取的情况,该方法可以由交通流仿真的问题场景提取装置来执行,该交通流仿真的问题场景提取装置可以采用硬件和/或软件的形式实现,该交通流仿真的问题场景提取装置可配置于电子设备中,典型的,电子设备可以是计算机设备或者服务器。如图1所示,该方法包括:
S110、获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型。
其中,真实交通流数据,可以是现实场景中的交通流实际勘测数据;例如,真实交通流数据可以包括车辆行驶数据、行驶道路数据以及行驶环境数据等。交通流,可以是车辆在道路上连续行驶形成的车流。
在本实施例中,可以通过采集驾驶员在实际行驶过程中的驾驶行为数据,以获取真实交通流数据。可选的,也可以通过车联网数据(例如,不同车辆之间的交互数据)获取真实交通流数据。
在本实施例中,在获取到真实交通流数据之后,可以通过用于主动安全和自动驾驶的仿真软件,根据该真实交通流数据搭建连续仿真测试场景,并构建交通流仿真模型。其中,连续仿真测试场景,可以是对车辆连续行驶场景的仿真模拟,可以由一系列的静态仿真测试场景组成。
其中,交通流仿真模型,可以是道路行驶车辆对应的仿真模型。交通流仿真模型可以包括至少一个车辆仿真模型,车辆仿真模型可以包括测试车辆仿真模型。可选的,车辆仿真模型还可以包括背景车辆仿真模型。在本实施例中,交通流仿真模型可以包括一个测试车辆仿真模型和多个背景车辆仿真模型。背景车辆仿真模型的数量和对应的车辆型号,可以根据场景需求进行自适应设置。
S120、在所述连续仿真测试场景中运行所述交通流仿真模型。
在本实施例中,在完成对连续仿真测试场景和交通流仿真模型的构建后,可以通过仿真软件在该连续仿真测试场景中自动运行该交通流仿真模型。具体的,测试车辆仿真模型可以在该连续仿真测试场景中进行模拟自动驾驶,且在不同的静态仿真测试场景中包括不同的背景车辆仿真模型。同时,可以通过仿真软件输出测试车辆仿真模型和每个背景车辆仿真模型的行驶参数,例如,车辆速度、车辆加速度等。
S130、当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
其中,预设车辆告警检测方法,可以是预先设置的用于对车辆告警信息进行检测的方法。在本实施例中,可以根据车辆报警逻辑预先设置对应的车辆告警检测方法。其中,车辆报警逻辑,可以是预先设置的测试车辆生成告警信息的逻辑条件。
具体的,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,表示测试车辆仿真模型在当前测试场景下触发报警,则可以将当前测试场景确定为问题场景。进一步的,可以通过仿真软件对该问题场景出现时所包括的各车辆仿真模型对应的车辆行驶参数进行输出和存储。
其中,车辆行驶参数,可以用于对问题场景的核验。可选的,车辆行驶参数可以包括车辆速度、车辆加速度、车辆碰撞时间以及车辆间距中的至少一项。在本实施例中,通过提取问题场景对应的车辆行驶参数,从而可以在自动驾驶的实际场景中避免出现该问题场景的情况,可以提升自动驾驶的安全性。
在本实施例中,通过根据车辆报警逻辑设置预设车辆告警检测方法,可以实现对车辆告警信息的准备识别,从而可以实现对问题场景的快速和精准识别,可以克服在长时间和大规模的交通流仿真过程中对问题场景的提取困难问题,可以提升仿真测试和场景研究效率。
本发明实施例的技术方案,通过获取真实交通流数据,并根据真实交通流数据,生成连续仿真测试场景和交通流仿真模型;之后,在连续仿真测试场景中运行交通流仿真模型,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取问题场景对应的车辆行驶参数,通过采用预设车辆告警检测方法对测试车辆的车辆告警进行检测,可以在连续交通流测试过程中实现对问题场景的快速识别和定位,可以提升对交通流仿真测试过程中的问题场景的查找效率。
在本实施例的一个可选的实施方式中,在所述连续仿真测试场景中运行所述交通流仿真模型之后,还可以包括:
获取所述交通流仿真模型运行过程中的各所述车辆仿真模型对应的至少一个车辆行驶参数,以及各所述车辆行驶参数对应的参数获取时间,并生成所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系存储至临时缓存中。
在本实施例中,可以通过仿真软件对交通流仿真模型的仿真测试全过程中的车辆行驶参数进行输出,以获取每个车辆仿真模型在不同时间的车辆行驶参数。此外,对于获取的车辆行驶参数,可以生成车辆仿真模型、车辆行驶参数和参数获取时间三者之间的映射关系,并将该映射关系存储到临时缓存中。由此,在仿真测试结束后,临时缓存中可以存储有大量的映射关系。
对应的,获取所述问题场景对应的车辆行驶参数,可以包括:
获取所述问题场景对应的本地系统时间,并根据所述问题场景对应的本地系统时间,以及所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系,从所述临时缓存中获取所述问题场景对应的至少一个异常车辆仿真模型,以及各所述异常车辆仿真模型对应的异常车辆行驶参数;
将各所述异常车辆仿真模型和对应的异常车辆行驶参数存储至本地数据库,并删除所述临时缓存中的所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系。
其中,问题场景对应的本地系统时间,可以是确定问题场景时的操作系统时间。
具体的,在仿真测试结束后,可以采用识别到的问题场景对应的本地系统时间,与临时缓存中的一系列映射关系的参数获取时间进行逐个比对,以查找得到与该本地系统时间相同的参数获取时间。之后,可以将该参数获取时间对应的映射关系中的车辆仿真模型确定为异常车辆仿真模型,并将该映射关系中的车辆行驶参数确定为异常车辆行驶参数。
进一步的,在获取到异常车辆仿真模型和对应的异常车辆行驶参数之后,可以将异常车辆仿真模型和对应的异常车辆行驶参数存储至本地数据库,以对其进行长期存储。同时,可以将临时缓存中存储的映射关系全部删除。
上述设置的好处在于,可以避免正常测试场景下的大量车辆行驶参数对存储空间的占用,可以极大节约数据存储空间,从而可以降低交通流仿真测试成本。
在本实施例的另一个可选的实施方式中,所述测试车辆仿真模型包括至少一个传感器仿真模型,在所述连续仿真测试场景中运行所述交通流仿真模型,可以包括:通过各所述传感器仿真模型获取所述测试车辆仿真模型对应的行驶环境参数,当检测到所述测试车辆仿真模型对应的行驶环境参数满足预设车辆告警条件时,生成所述测试车辆仿真模型对应的车辆告警信息。
在本实施例中,测试车辆仿真模型还可以包括多个传感器仿真模型,用于对测试车辆仿真模型的行驶环境参数进行实时检测。可选的,传感器仿真模型可以包括摄像头仿真模型、激光雷达传感器仿真模型、超声波雷达传感器仿真模型以及毫米波雷达传感器仿真模型中的至少一项。
其中,行驶环境参数,可以包括障碍物信息、行驶车道边界和与附近车辆间距等参数。预设车辆告警条件,为预先设置的用于判断是否进行车辆告警的条件信息,例如,预设车辆告警条件,可以是与附近车辆间距小于预设车辆间距阈值。在本实施例中,对行驶环境参数的类型不作具体限定。
具体的,在对测试车辆仿真模型的仿真测试过程中,测试车辆仿真模型可以通过预先设置的传感器仿真模型对行驶环境进行实时检测,以获取行驶环境参数。当测试车辆仿真模型检测到获取的行驶环境参数满足预设车辆告警条件时,即可生成对应的车辆告警信息。
实施例二
图2A为本发明实施例二提供的一种交通流仿真的问题场景提取方法的流程图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施方式结合。如图2A所示,该方法包括:
S210、获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型。
在本实施例的一个可选的实施方式中,根据所述真实交通流数据,生成交通流仿真模型,可以包括:获取测试需求,并根据所述测试需求和所述真实交通流数据,获取交通流设置参数;根据所述交通流设置参数,生成交通流仿真模型。
其中,测试需求,可以包括测试时间、测试车辆型号以及测试天气等。在本实施例中,可以结合测试需求和真实交通流数据,共同确定对应的交通流设置参数。进一步的,可以通过仿真软件根据确定的交通流设置参数,生成交通流仿真模型。
其中,交通流设置参数,可以是交通流仿真模型的构建参数。可选的,交通流设置参数,可以包括测试车辆型号、测试车辆驾驶员风格、天气参数、背景车辆数量、背景车辆型号和背景车辆驾驶员风格中的至少一项。
S220、在所述连续仿真测试场景中运行所述交通流仿真模型。
S230、获取所述交通流仿真模型运行过程中的各所述车辆仿真模型对应的至少一个车辆行驶参数,以及各所述车辆行驶参数对应的参数获取时间,并生成所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系存储至临时缓存中。
S240、对所述交通流仿真模型的运行过程进行分段式视频记录,以获取至少一个分段视频文件,以及各所述分段视频文件对应的起始时间和截止时间,并将各所述分段视频文件与对应的起始时间和截止时间存储至所述临时缓存中。
在本实施例中,在对交通流仿真模型进行测试的同时,还可以对测试过程进行全程的分段式视频记录。具体的,可以按照预先设置的分段视频时长,每间隔该分段视频时长则生成一个分段视频文件。由此,在对交通流仿真模型测试完成后,可以获取该测试过程对应的多个具有相同时长的分段视频文件。其次,由于每个分段视频文件对应的时长相等,故可以同时获取每个分段视频文件对应的起始时间和截止时间。
此外,在获取到一个分段视频文件之后,则可以将该分段视频文件和对应的起始时间和截止时间共同存储至临时缓存中,以实现对记录视频的临时存储。其中,分段视频文件对应的起始时间和截止时间,可以分别是记录视频的第一帧视频图像和最后一帧视频图像的记录时间。
可选的,可以通过预编脚本对交通流仿真模型的运行过程进行分段式视频记录,以获取多个分段视频文件,以及每个分段视频文件对应的起始时间和截止时间。具体的,可以通过预编脚本预先对分段式视频记录的起始时间、分段视频时长和分段视频文件名称等参数进行设置,然后运行该预编脚本,以获取与测试全过程对应的多个分段视频文件。
可选的,预编脚本录制的分段视频可以切换驾驶员视角和整车视角,可以全方位展示测试仿真车辆模型周边的动态场景和静态场景的图像信息,可以提升视频记录的全面性。
上述设置的好处在于,克服了人工录制视频不及时,以及记录的视频文件大小不统一的问题,从而极大提升了对相关场景的研究效率。
S250、获取所述问题场景对应的本地系统时间,并根据所述问题场景对应的本地系统时间,以及所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系,从所述临时缓存中获取所述问题场景对应的至少一个异常车辆仿真模型,以及各所述异常车辆仿真模型对应的异常车辆行驶参数。
S260、将各所述异常车辆仿真模型和对应的异常车辆行驶参数存储至本地数据库,并删除所述临时缓存中的所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系。
S270、根据所述问题场景对应的本地系统时间,以及所述临时缓存中的各所述分段视频文件对应的起始时间和截止时间,从所述临时缓存中获取所述问题场景对应的目标分段视频文件。
在本实施例中,在仿真测试结束后,还可以根据确定的问题场景对应的本地系统时间,从临时缓存中获取与该本地系统时间对应的目标分段视频文件。例如,若检测到该本地系统时间位于某一个分段视频文件的起始时间和截止时间之间,则可以将该分段视频文件确定为该问题场景对应的目标分段视频文件。
可选的,在根据问题场景对应的本地系统时间查找对应的目标分段视频文件之前,还可以根据问题场景对应的车辆行驶参数,以及临时缓存中各车辆行驶参数对应的参数获取时间,对该本地系统时间进行验证。若本地系统时间成功通过验证,则根据该本地系统时间获取对应的目标分段视频文件。
S280、将所述问题场景对应的目标分段视频文件存储至本地数据库,并删除所述临时缓存中的其他分段视频文件。
进一步的,在确定目标分段视频文件之后,可以将该目标分段视频文件存储至本地数据库,以对该目标分段视频文件进行长期存储。此外,对于临时缓存中的除目标分段视频文件之外的其他分段视频文件,则可以将其从临时缓存中删除。
可以理解的是,当成功识别到多个问题场景时,可以采用上述方法,获取各问题场景对应的车辆行驶参数和目标分段视频文件,并将各问题场景对应的车辆行驶参数和目标分段视频文件存储至本地数据库中。本实施例对本地数据库的数据存储形式不作具体限定。
本发明实施例的技术方案,在连续仿真测试场景中运行交通流仿真模型之后,首先对交通流仿真模型的运行过程进行分段式视频记录,以获取多个分段视频文件,以及各分段视频文件对应的起始时间和截止时间,并将各分段视频文件与对应的起始时间和截止时间存储至临时缓存中;之后,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取问题场景对应的车辆行驶参数;进一步的,根据问题场景对应的本地系统时间,以及临时缓存中的各分段视频文件对应的起始时间和截止时间,从临时缓存中获取问题场景对应的目标分段视频文件;最终,将问题场景对应的目标分段视频文件存储至本地数据库,并删除临时缓存中的其他分段视频文件;通过对交通流仿真测试过程进行分段式视频记录,并对问题场景对应的目标分段视频文件进行筛选和长期存储,可以提升记录视频文件的规范性,从而可以提升对问题场景的研究效率,且可以进一步节约存储空间。
在本实施例的一个具体的实施方式中,交通流仿真的问题场景提取方法的流程可以如图2B所示。具体的,首先搭建连续仿真测试场景,并运行交通流仿真模型。然后,采用预设车辆告警检测方法识别并提取问题场景。进一步的,对交通流仿真模型的运行过程进行分段式视频记录,以获取多个分段视频文件。最终,根据问题场景的识别结果,筛选并保留问题场景对应的车辆行驶参数和分段视频文件。
实施例三
图3为本发明实施例三提供的一种交通流仿真的问题场景提取装置的结构示意图。如图3所示,该装置包括:交通流仿真模型生成模块310、交通流仿真模型运行模块320和问题场景确定模块330;其中,
交通流仿真模型生成模块310,用于获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型;
其中,所述交通流仿真模型包括至少一个车辆仿真模型,所述车辆仿真模型包括测试车辆仿真模型;
交通流仿真模型运行模块320,用于在所述连续仿真测试场景中运行所述交通流仿真模型;
问题场景确定模块330,用于当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
本发明实施例的技术方案,通过获取真实交通流数据,并根据真实交通流数据,生成连续仿真测试场景和交通流仿真模型;之后,在连续仿真测试场景中运行交通流仿真模型,当通过预设车辆告警检测方法检测到测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取问题场景对应的车辆行驶参数,通过采用预设车辆告警检测方法对测试车辆的车辆告警进行检测,可以在连续交通流测试过程中实现对问题场景的快速识别和定位,可以提升对交通流仿真测试过程中的问题场景的查找效率。
可选的,所述交通流仿真的问题场景提取装置,还包括:
车辆行驶参数获取模块,用于获取所述交通流仿真模型运行过程中的各所述车辆仿真模型对应的至少一个车辆行驶参数,以及各所述车辆行驶参数对应的参数获取时间,并生成所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系存储至临时缓存中;
问题场景确定模块330,包括:
异常车辆行驶参数获取单元,用于获取所述问题场景对应的本地系统时间,并根据所述问题场景对应的本地系统时间,以及所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系,从所述临时缓存中获取所述问题场景对应的至少一个异常车辆仿真模型,以及各所述异常车辆仿真模型对应的异常车辆行驶参数;
异常车辆行驶参数存储单元,用于将各所述异常车辆仿真模型和对应的异常车辆行驶参数存储至本地数据库,并删除所述临时缓存中的所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系。
可选的,所述交通流仿真的问题场景提取装置,还包括:
分段视频文件获取模块,用于对所述交通流仿真模型的运行过程进行分段式视频记录,以获取至少一个分段视频文件,以及各所述分段视频文件对应的起始时间和截止时间,并将各所述分段视频文件与对应的起始时间和截止时间存储至所述临时缓存中;
目标分段视频文件获取模块,用于根据所述问题场景对应的本地系统时间,以及所述临时缓存中的各所述分段视频文件对应的起始时间和截止时间,从所述临时缓存中获取所述问题场景对应的目标分段视频文件;
目标分段视频文件存储模块,用于将所述问题场景对应的目标分段视频文件存储至本地数据库,并删除所述临时缓存中的其他分段视频文件。
可选的,所述测试车辆仿真模型包括至少一个传感器仿真模型,交通流仿真模型运行模块320,包括:
车辆告警信息生成单元,用于通过各所述传感器仿真模型获取所述测试车辆仿真模型对应的行驶环境参数,当检测到所述测试车辆仿真模型对应的行驶环境参数满足预设车辆告警条件时,生成所述测试车辆仿真模型对应的车辆告警信息。
可选的,交通流仿真模型生成模块310,包括:
交通流设置参数获取单元,用于获取测试需求,并根据所述测试需求和所述真实交通流数据,获取交通流设置参数;
交通流仿真模型生成单元,用于根据所述交通流设置参数,生成交通流仿真模型。
可选的,所述车辆行驶参数包括车辆速度、车辆加速度、车辆碰撞时间以及车辆间距中的至少一项。
可选的,所述交通流设置参数包括测试车辆型号、测试车辆驾驶员风格、天气参数、背景车辆数量、背景车辆型号和背景车辆驾驶员风格中的至少一项。
本发明实施例所提供的交通流仿真的问题场景提取装置可执行本发明任意实施例所提供的交通流仿真的问题场景提取方法,具备执行方法相应的功能模块和有益效果。
需要说明的是,本实施例的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如交通流仿真的问题场景提取方法。
在一些实施例中,交通流仿真的问题场景提取方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的交通流仿真的问题场景提取方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行交通流仿真的问题场景提取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种交通流仿真的问题场景提取方法,其特征在于,包括:
获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型;
其中,所述交通流仿真模型包括至少一个车辆仿真模型,所述车辆仿真模型包括测试车辆仿真模型;
在所述连续仿真测试场景中运行所述交通流仿真模型;
当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
2.根据权利要求1所述的方法,其特征在于,在所述连续仿真测试场景中运行所述交通流仿真模型之后,还包括:
获取所述交通流仿真模型运行过程中的各所述车辆仿真模型对应的至少一个车辆行驶参数,以及各所述车辆行驶参数对应的参数获取时间,并生成所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系存储至临时缓存中;
获取所述问题场景对应的车辆行驶参数,包括:
获取所述问题场景对应的本地系统时间,并根据所述问题场景对应的本地系统时间,以及所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系,从所述临时缓存中获取所述问题场景对应的至少一个异常车辆仿真模型,以及各所述异常车辆仿真模型对应的异常车辆行驶参数;
将各所述异常车辆仿真模型和对应的异常车辆行驶参数存储至本地数据库,并删除所述临时缓存中的所述车辆仿真模型、车辆行驶参数和参数获取时间之间的映射关系。
3.根据权利要求2所述的方法,其特征在于,在所述连续仿真测试场景中运行所述交通流仿真模型之后,还包括:
对所述交通流仿真模型的运行过程进行分段式视频记录,以获取至少一个分段视频文件,以及各所述分段视频文件对应的起始时间和截止时间,并将各所述分段视频文件与对应的起始时间和截止时间存储至所述临时缓存中;
在获取所述问题场景对应的车辆行驶参数之后,还包括:
根据所述问题场景对应的本地系统时间,以及所述临时缓存中的各所述分段视频文件对应的起始时间和截止时间,从所述临时缓存中获取所述问题场景对应的目标分段视频文件;
将所述问题场景对应的目标分段视频文件存储至本地数据库,并删除所述临时缓存中的其他分段视频文件。
4.根据权利要求1所述的方法,其特征在于,所述测试车辆仿真模型包括至少一个传感器仿真模型,在所述连续仿真测试场景中运行所述交通流仿真模型,包括:
通过各所述传感器仿真模型获取所述测试车辆仿真模型对应的行驶环境参数,当检测到所述测试车辆仿真模型对应的行驶环境参数满足预设车辆告警条件时,生成所述测试车辆仿真模型对应的车辆告警信息。
5.根据权利要求1所述的方法,其特征在于,根据所述真实交通流数据,生成交通流仿真模型,包括:
获取测试需求,并根据所述测试需求和所述真实交通流数据,获取交通流设置参数;
根据所述交通流设置参数,生成交通流仿真模型。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述车辆行驶参数包括车辆速度、车辆加速度、车辆碰撞时间以及车辆间距中的至少一项。
7.根据权利要求5所述的方法,其特征在于,所述交通流设置参数包括测试车辆型号、测试车辆驾驶员风格、天气参数、背景车辆数量、背景车辆型号和背景车辆驾驶员风格中的至少一项。
8.一种交通流仿真的问题场景提取装置,其特征在于,包括:
交通流仿真模型生成模块,用于获取真实交通流数据,并根据所述真实交通流数据,生成连续仿真测试场景和交通流仿真模型;
其中,所述交通流仿真模型包括至少一个车辆仿真模型,所述车辆仿真模型包括测试车辆仿真模型;
交通流仿真模型运行模块,用于在所述连续仿真测试场景中运行所述交通流仿真模型;
问题场景确定模块,用于当通过预设车辆告警检测方法检测到所述测试车辆仿真模型对应的车辆告警信息时,将当前测试场景确定为问题场景,并获取所述问题场景对应的车辆行驶参数。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的交通流仿真的问题场景提取方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的交通流仿真的问题场景提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210597664.5A CN114861321A (zh) | 2022-05-30 | 2022-05-30 | 交通流仿真的问题场景提取方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210597664.5A CN114861321A (zh) | 2022-05-30 | 2022-05-30 | 交通流仿真的问题场景提取方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114861321A true CN114861321A (zh) | 2022-08-05 |
Family
ID=82641660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210597664.5A Pending CN114861321A (zh) | 2022-05-30 | 2022-05-30 | 交通流仿真的问题场景提取方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114861321A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115630583A (zh) * | 2022-12-08 | 2023-01-20 | 西安深信科创信息技术有限公司 | 仿真车辆行驶状态的生成方法、装置、设备和介质 |
-
2022
- 2022-05-30 CN CN202210597664.5A patent/CN114861321A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115630583A (zh) * | 2022-12-08 | 2023-01-20 | 西安深信科创信息技术有限公司 | 仿真车辆行驶状态的生成方法、装置、设备和介质 |
CN115630583B (zh) * | 2022-12-08 | 2023-04-14 | 西安深信科创信息技术有限公司 | 仿真车辆行驶状态的生成方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114415628A (zh) | 自动驾驶测试方法及装置、电子设备和存储介质 | |
CN109115242B (zh) | 一种导航评估方法、装置、终端、服务器及存储介质 | |
CN115880536A (zh) | 数据处理方法、训练方法、目标对象检测方法及装置 | |
CN112908297A (zh) | 车载设备的响应速度测试方法、装置、设备及存储介质 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN114861321A (zh) | 交通流仿真的问题场景提取方法、装置、设备及介质 | |
EP4020312B1 (en) | Traffic light recognition method, apparatus, storage medium and program product | |
CN113591580A (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN113761306A (zh) | 一种车端数据处理方法及装置 | |
CN117407507A (zh) | 基于大语言模型的事件处理方法、装置、设备及介质 | |
CN116894317A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN116303069A (zh) | 一种车载终端的测试方法、装置、上位机、系统及介质 | |
CN115951344A (zh) | 雷达与相机的数据融合方法、装置、电子设备及存储介质 | |
CN115328736A (zh) | 一种探针部署方法、装置、设备和存储介质 | |
CN112926135A (zh) | 场景信息确定方法、装置、设备、存储介质和程序产品 | |
CN113836291B (zh) | 数据处理方法、装置、设备和存储介质 | |
CN116168366B (zh) | 点云数据生成方法、模型训练方法、目标检测方法和装置 | |
CN117808848B (zh) | 一种识别跟踪方法、装置、电子设备及存储介质 | |
CN114579594A (zh) | 信息更新方法、装置、电子设备以及存储介质 | |
CN114861461A (zh) | 基于仿真的目标检测方法、电子设备及存储介质 | |
CN114677691A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN117522955A (zh) | 基于轮廓跟踪的物体毁伤特征提取方法及系统 | |
CN118155026A (zh) | 一种融合效果检测方法、装置、电子设备和存储介质 | |
CN115327497A (zh) | 雷达检测范围确定方法、装置、电子设备及可读介质 |
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 |