CN115165398A - 车辆的行驶功能测试方法、装置、计算设备及介质 - Google Patents

车辆的行驶功能测试方法、装置、计算设备及介质 Download PDF

Info

Publication number
CN115165398A
CN115165398A CN202210906399.4A CN202210906399A CN115165398A CN 115165398 A CN115165398 A CN 115165398A CN 202210906399 A CN202210906399 A CN 202210906399A CN 115165398 A CN115165398 A CN 115165398A
Authority
CN
China
Prior art keywords
driving
scene
function
information
target 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
Application number
CN202210906399.4A
Other languages
English (en)
Inventor
白晓宇
郭茜茜
陶莹
许亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Lingang Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Lingang Intelligent Technology Co Ltd
Priority to CN202210906399.4A priority Critical patent/CN115165398A/zh
Publication of CN115165398A publication Critical patent/CN115165398A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Abstract

本申请实施例提供一种车辆的行驶功能测试方法、装置、计算设备及介质。通过获取包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，以便基于行驶信息和数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景，从而确定表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数取值的行驶功能，进而构建用于提供第一行驶场景对应的场景参数的场景库，以便可以基于场景库对第一行驶场景进行测试，以获得用于表示导致行驶功能测试不通过的操作参数的风险因子。通过上述过程，实现了基于行驶场景的功能测试，从而使得汽车电子电气系统的功能开发过程可以充分覆盖智能网联车辆中由于驾驶场景复杂等情况带来的安全问题。

Description

车辆的行驶功能测试方法、装置、计算设备及介质
技术领域
本说明书涉及计算机技术领域及测试技术领域，尤其涉及一种车辆的行驶功能测试方法、装置、计算设备及介质。
背景技术
随着汽车智能化与网联化水平的不断提升，汽车电子电气系统的复杂性也随之提升。面对当前日益复杂的汽车电子电气系统，如何通过系统性的开发流程框架来保证在实现预期功能的基础上，保障交通相关方面的安全，逐渐成为当前亟待解决的行业痛点之一。
为了解决上述安全问题，一些单位正在起草相关标准，来指导和推进智能网联汽车的安全开发。然而，现有的标准和开发框架流程，主要是为了解决汽车电子电气系统中的硬件失效和系统失效问题，无法充分覆盖智能网联车辆中由于驾驶场景复杂等情况带来的安全问题。
发明内容
为克服相关技术中存在的问题，本说明书实施例提供了一种车辆的行驶功能测试方法、装置、计算设备及介质。
根据本说明书实施例的第一方面，提供一种车辆的行驶功能测试方法，该方法包括：
获取目标车辆的交通数据，交通数据包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息；
基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
确定第一行驶场景下的行驶功能，行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值；
构建用于提供第一行驶场景对应的场景参数的场景库，场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型；
基于场景库对行驶功能进行测试，获得行驶功能的风险因子，风险因子用于表示导致行驶功能测试不通过的操作参数。
在本说明书的一些实施例中，行驶信息包括表示行驶状况的图像数据和/或数值型数据，数据信息包括行驶环境的图像数据和/或数值型数据；
基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景，包括下述至少一项：
通过场景识别网络，对表示行驶状况的图像数据和/或行驶环境的图像数据进行图像识别，以从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
基于表示行驶状况的数值型数据的取值和/或行驶环境的数值型数据的取值，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
在本说明书的一些实施例中，行驶信息通过设置于目标车辆上的数据采集装置采集得到，其中，表示行驶状况的图像数据通过设置于目标车辆上的图像采集装置采集得到，表示行驶状况的数值型数据通过设置于目标车辆上的车况传感装置采集得到；
数据信息通过设置于道路上的数据采集装置采集得到，其中，数据信息中的图像数据通过设置于道路上的图像采集装置采集得到，数据信息中的数值型数据通过设置于道路上的环境传感装置采集得到。
在本说明书的一些实施例中，确定第一行驶场景下的行驶功能，包括：
确定基于第一行驶场景所选择的行驶功能，其中，一个第一行驶场景对应于至少一个备选的行驶功能。
在本说明书的一些实施例中，构建用于提供第一行驶场景对应的场景参数的场景库，包括：
从第一行驶场景中提取以下至少一项作为第一行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
对第一行驶场景的场景参数进行存储，得到场景库。
在本说明书的一些实施例中，构建用于提供第一行驶场景对应的场景参数的场景库之后，该方法还包括：
获取基于行驶功能和场景库中的行驶场景所生成的第二行驶场景；
从第二行驶场景中提取以下至少一项作为第二行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
将第二行驶场景的场景参数存储至场景库中。
在本说明书的一些实施例中，基于场景库对行驶功能进行测试，获得行驶功能的风险因子之后，该方法还包括：
基于风险因子对行驶功能进行优化。
在本说明书的一些实施例中，基于风险因子对行驶功能进行优化，包括下述至少一项：
基于风险因子对行驶功能对应的控制操作类型进行调整；
基于风险因子对行驶功能对应的控制操作的操作参数的取值进行调整。
在本说明书的一些实施例中，该方法还包括：
获取基于场景库中的行驶场景输入的功能上线条件，功能上线条件用于指示行驶功能通过测试所需满足的条件。
在本说明书的一些实施例中，基于场景库对行驶功能进行测试，获得行驶功能的风险因子，包括：
按照功能上线条件，基于场景库对行驶功能进行测试得到风险因子；
基于风险因子对行驶功能进行优化之后，该方法还包括：
按照功能上线条件，基于场景库对优化后的行驶功能进行测试；
在优化后的行驶功能满足功能上线条件的情况下，基于优化后的行驶功能生成技术开发人员的开发指导信息。
根据本说明书实施例的第二方面，提供一种车辆的行驶功能测试装置，该装置包括：
获取模块，用于获取目标车辆的交通数据，交通数据包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息；
确定模块，用于基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
确定模块，还用于确定第一行驶场景下的行驶功能，行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值；
构建模块，用于构建用于提供第一行驶场景对应的场景参数的场景库，场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型；
测试模块，用于基于场景库对行驶功能进行测试，获得行驶功能的风险因子，风险因子用于表示导致行驶功能测试不通过的操作参数。
在本说明书的一些实施例中，行驶信息包括表示行驶状况的图像数据和/或数值型数据，数据信息包括行驶环境的图像数据和/或数值型数据；
确定模块，在用于基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景时，用于下述至少一项：
通过场景识别网络，对表示行驶状况的图像数据和/或行驶环境的图像数据进行图像识别，以从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
基于表示行驶状况的数值型数据的取值和/或行驶环境的数值型数据的取值，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
在本说明书的一些实施例中，行驶信息通过设置于目标车辆上的数据采集装置采集得到，其中，表示行驶状况的图像数据通过设置于目标车辆上的图像采集装置采集得到，表示行驶状况的数值型数据通过设置于目标车辆上的车况传感装置采集得到；
数据信息通过设置于道路上的数据采集装置采集得到，其中，数据信息中的图像数据通过设置于道路上的图像采集装置采集得到，数据信息中的数值型数据通过设置于道路上的环境传感装置采集得到。
在本说明书的一些实施例中，确定模块，在用于确定第一行驶场景下的行驶功能时，用于：
确定基于第一行驶场景所选择的行驶功能，其中，一个第一行驶场景对应于至少一个备选的行驶功能。
在本说明书的一些实施例中，构建模块，在用于构建用于提供第一行驶场景对应的场景参数的场景库时，用于：
从第一行驶场景中提取以下至少一项作为第一行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
对第一行驶场景的场景参数进行存储，得到场景库。
在本说明书的一些实施例中，获取模块，还用于获取基于行驶功能和场景库中的行驶场景所生成的第二行驶场景；
获取模块，还用于从第二行驶场景中提取以下至少一项作为第二行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
该装置还包括：
存储模块，用于将第二行驶场景的场景参数存储至场景库中。
在本说明书的一些实施例中，该装置还包括：
优化模块，用于基于风险因子对行驶功能进行优化。
在本说明书的一些实施例中，优化模块，在用于基于风险因子对行驶功能进行优化时，用于下述至少一项：
基于风险因子对行驶功能对应的控制操作类型进行调整；
基于风险因子对行驶功能对应的控制操作的操作参数的取值进行调整。
在本说明书的一些实施例中，获取模块，还用于获取基于场景库中的行驶场景输入的功能上线条件，功能上线条件用于指示行驶功能通过测试所需满足的条件。
在本说明书的一些实施例中，基于场景库对行驶功能进行测试，获得行驶功能的风险因子，包括：
按照功能上线条件，基于场景库对行驶功能进行测试得到风险因子；
测试模块，还用于按照功能上线条件，基于场景库对优化后的行驶功能进行测试；
该装置还包括：
生成模块，用于在优化后的行驶功能满足功能上线条件的情况下，基于优化后的行驶功能生成技术开发人员的开发指导信息。
根据本说明书实施例的第三方面，提供一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述车辆的行驶功能测试方法所执行的操作。
根据本说明书实施例的第四方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有程序，程序被处理器执行上述车辆的行驶功能测试方法所执行的操作。
根据本说明书实施例的第五方面，提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述车辆的行驶功能测试方法所执行的操作。
本说明书的实施例提供的技术方案可以包括以下有益效果：
通过获取包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，以便基于目标车辆的行驶信息以及行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景，从而确定表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数取值的行驶功能，进而构建用于提供第一行驶场景对应的场景参数的场景库，以便可以基于场景库对第一行驶场景进行测试，以获得用于表示导致行驶功能测试不通过的操作参数的风险因子。通过上述过程，实现了基于行驶场景的功能测试，从而使得汽车电子电气系统的功能开发过程可以较充分地覆盖智能网联车辆中较复杂的驾驶场景，通过测试定位出这类复杂场景下的风险因子，以便在功能开发中解决因驾驶场景复杂等情况带来的安全问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本申请根据一示例性实施例示出的一种车辆的行驶功能测试方法的流程图。
图2是本申请根据一示例性实施例示出的一种行驶功能优化过程的框架图。
图3是本申请根据一示例性实施例示出的一种车辆的行驶功能测试装置的框图。
图4是本申请根据一示例性实施例示出的一种计算设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如本申请中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一行驶场景也可以被称为第二行驶场景，类似地，第二行驶场景也可以被称为第一行驶场景。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请提供了一种车辆的行驶功能测试方法，用于基于目标数据的交通数据进行场景库的构建，场景库可以用于提供第一行驶场景对应的场景参数，场景参数具体可以是表征场景中交通情况的参数，例如交通对象的类型、位置、数量、状态等参数，又例如场景中发生的交通事件，以便可以基于场景库所提供的场景参数获取到更多的行驶场景，实现基于场景库的行驶功能测试，从而使得汽车电子电气系统的功能开发过程可以充分覆盖智能网联车辆中由于驾驶场景复杂等情况带来的安全问题。
本申请所提供的车辆的行驶功能测试方法，可以用于对自动驾驶场景或辅助驾驶场景中车辆在行驶过程中所需的行驶功能进行测试，如遇行人横穿时自动刹停车辆、遇其他车辆并道时自动减速，等等。
上述仅为对本申请应用场景的示例性说明，并不构成对本申请应用场景的限定，在更多可能的实现方式中，本申请可以应用在多种其他涉及车辆行驶功能测试过程的场景中。
上述车辆的行驶功能测试方法可以由计算设备执行，计算设备可以是服务器，例如一台服务器、多台服务器、服务器集群、云计算平台等等，可选地，计算设备还可以是终端设备，例如台式计算机、便携式计算机、智能手机、平板电脑等等，本申请对计算设备的具体类型不加以限定。
在介绍了本申请的应用场景等内容后，接下来结合各个实施例，对本申请所提供的车辆的行驶功能测试方法进行详细说明。
如图1所示，图1是本申请根据一示例性实施例示出的一种行驶功能测试方法的流程图，该方法包括以下步骤：
步骤101、获取目标车辆的交通数据，交通数据包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息。
其中，目标车辆的行驶信息也即是目标车辆自身采集的一些信息，可以包括目标车辆自身采集到的图像数据、数值型数据等，目标车辆的行驶环境的数据信息也即是目标车辆当前所处环境的一些信息，可以包括位于道路上的数据采集装置采集到的图像数据、数值型数据等。
步骤102、基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
其中，多个行驶场景可以是预先定义好的，例如，该多个行驶场景可以为相关技术人员根据实际驾驶过程确定出的。行驶场景可以例如为行人横穿马路的场景、其他车辆并道的场景、前进路线上突然出现障碍物的场景、行驶到接近路口位置时遇到红灯的场景，等等，本申请对行驶场景的具体场景情形和具体类型不加以限定。
需要说明的是，各个行驶场景所包括的场景参数以及场景参数的取值是预先设置好的，场景参数可以用于描述对应的行驶场景中的交通对象的类型、位置、数量、状态等属性中的至少一个。例如，在行人横穿马路场景中，场景参数可以包括车辆、行人、车道线等交通对象，场景参数的取值可以为车辆的位置、行人的高度、车道线的颜色等。可选地，不同行驶场景所包括的场景参数以及场景参数的取值可以相同，也可以有所不同，本申请对此不加以限定。
可选地，在进行第一行驶场景的确定时，可以基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，确定出目标车辆的行驶环境中存在的交通对象，作为目标车辆的行驶环境的场景参数，从而将所确定出的场景参数与预先定义的行驶场景所包括的场景参数进行比较，以实现第一行驶场景的确定。此外，还可以直接通过图像识别确定出目标车辆的第一行驶场景，等等。
步骤103、确定第一行驶场景下的行驶功能，行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值。
其中，行驶功能可以是车辆应对第一行驶场景的控制方式，也即是，车辆在第一行驶场景中采取什么样的方式进行控制，因而，行驶功能可以表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值。
例如，行驶功能可以是继续沿当前前进方向匀速行驶(即为控制操作类型)，行驶速度是80千米/小时(即为控制操作的操作参数的取值)。
步骤104、构建用于提供第一行驶场景对应的场景参数的场景库，场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型。
可选地，可以将与行驶场景相关的场景参数添加至场景库中来构建第一行驶场景对应的场景参数的场景库。
步骤105、基于场景库对行驶功能进行测试，获得行驶功能的风险因子，风险因子用于表示导致行驶功能测试不通过的操作参数。
基于场景库构建一种或多种场景，在构建的场景中测试车辆的上述行驶功能，并且在每轮测试中调整场景中的行驶功能对应的操作参数，对车辆测试不通过的情形进行分析，以确定导致行驶功能测试不同过的操作参数。
本申请通过获取包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，以便基于目标车辆的行驶信息以及行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景，从而确定表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数取值的行驶功能，进而构建用于提供第一行驶场景对应的场景参数的场景库，以便可以基于场景库对第一行驶场景进行测试，以获得用于表示导致行驶功能测试不通过的操作参数的风险因子。通过上述过程，实现了基于行驶场景的功能测试，从而使得汽车电子电气系统的功能开发过程可以较充分地覆盖智能网联车辆中较复杂的驾驶场景，通过测试定位出这类复杂场景下的风险因子，以便在功能开发中解决因驾驶场景复杂等情况带来的安全问题。
在介绍了本申请的基本实现过程之后，下面具体介绍本申请的各种非限制性实施方式。
在一些实施例中，本申请所提供的车辆的行驶功能测试方法中所涉及的交通数据除了可以以目标车辆为划分依据，划分出目标车辆自身的表示行驶状况的行驶信息和目标车辆外部(也即是目标车辆的行驶环境)的数据信息外，还可以以数据类型作为划分依据，将交通数据划分为图像数据和数值型数据，也即是，行驶信息可以包括表示行驶状况的图像数据和/或数值型数据，信息数据也可以包括行驶环境的图像数据和/或数值型数据。
其中，图像数据可以通过图像采集装置采集得到，数值型数据可以通过传感装置采集得到，也即是，对于步骤101，可以通过如下至少一种方式来获取作为交通数据的行驶信息和数据信息。
在一种可能的实现方式中，在车辆行驶过程中，通过设置于目标车辆上的图像采集装置采集车辆行驶过程中的图像数据，作为表示目标车辆的行驶状况的行驶信息。
其中，图像采集装置可以为设置于目标车辆中的摄像装置，如行车记录仪等。可选地，设置于目标车辆上的图像采集装置还可以为其他类型的装置，本申请对此不加以限定。
在另一种可能的实现方式中，在车辆行驶过程中，通过设置于目标车辆上的车况传感装置采集车辆行驶过程中的数值型数据，作为表示目标车辆的行驶状况的行驶信息。
其中，车况传感装置可以为设置于目标车辆中的车况传感器，如水温传感器、进气温度传感器、空气流量传感器、轮速传感器、凸轮轴位置传感器、曲轴位置传感器等。可选地，设置于目标车辆上的车况传感装置还可以为其他类型的装置，本申请对此不加以限定。
在另一种可能的实现方式中，在车辆行驶过程中，通过设置于道路上的图像采集装置采集车辆行驶环境的图像数据，作为目标车辆的行驶环境的数据信息。
其中，图像采集装置可以为设置于道路上的监控摄像头。可选地，设置于道路上的图像采集装置还可以为其他类型的装置，本申请对此不加以限定。
在另一种可能的实现方式中，在车辆行驶过程中，通过设置于道路上的环境传感装置采集车辆行驶环境的数值型数据，作为目标车辆的行驶环境的数据信息。
其中，环境传感装置可以为设置于道路上的测速装置、测温装置等，或者可以是车联网路侧设备。可选地，设置于道路上的传感装置还可以为其他类型的装置，本申请对此不加以限定。
需要说明的是，数值型数据可以为车辆的位置数据、速度数据，等等。可选地，数值型数据还可以包括通过网络获取到的天气数据、道路拥堵情况数据等。
在通过上述过程获取到作为交通数据的行驶信息和数据信息后，即可通过步骤102，基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
在一些实施例中，对于步骤102，在基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景时，可以包括下述至少一种实现方式：
在一种可能的实现方式中，可以通过场景识别网络，对表示行驶状况的图像数据和/或行驶环境的图像数据进行图像识别，以从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
其中，场景识别网络可以为局部聚集描述子向量网络(Vector of LocallyAggregated Descriptors Network，NetVLAD)，可选地，场景识别网络还可以为其他类型的神经网络，本申请对场景识别网络的网络类型不加以限定。
以场景识别网络为NetVLAD为例，场景识别网络可以包括特征提取层和NetVLAD层，在通过场景识别网络，基于所获取到的图像数据进行图像识别，得到目标车辆的第一行驶场景时，可以通过如下方式实现：
首先，通过特征提取层对图像数据进行处理，以实现对图像数据的特征提取，从而得到图像数据对应的特征向量；接下来，通过NetVLAD层对该特征向量进行处理，以得到图像数据对应的第一行驶场景，也即是目标车辆的第一行驶场景。
其中，NetVLAD层可以包括卷积层、分类(Sofemax)层、特征编码器、第一归一化层和第二归一化层，则在通过NetVLAD层对该特征向量进行处理，以得到目标车辆的第一行驶场景时，可以通过如下方式实现：
通过卷积层对特征向量进行卷积处理，得到特征向量对应的卷积特征；通过分类层对卷积特征进行处理，得到卷积特征对应的分类向量；通过特征编码器对特征向量和分类向量进行处理，得到编码向量；通过第一归一化层对编码向量进行处理，得到归一化向量；通过第二归一化层对归一化向量进行处理，即可得到图像数据对应的场景标签，该场景标签即可用于指示图像数据对应的第一行驶场景。
需要说明的是，上述场景识别网络可以通过已标注有场景标签的样本图像训练得到的，场景标签即可以用于指示预先定义的行驶场景。
上述仅为基于表示行驶状况的图像数据和/或行驶环境的图像数据确定第一行驶场景的一种示例性方式，在更多可能的实现方式中，还可以采用其他方式，来基于图像数据实现第一行驶场景的确定，本申请对具体采用哪种方式不加以限定。
在另一种可能的实现方式中，基于表示行驶状况的数值型数据的取值和/或行驶环境的数值型数据的取值，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
需要说明的是，不同取值的数值型数据与预先定义的行驶场景的对应关系可以是本领域专业人员基于自己的专业知识预先设置好的，因而，在获取到表示行驶状况的数值型数据和/或行驶环境的数值型数据的取值后，即可基于已设置的对应关系，确定出与数值型数据的取值对应的预先定义好的行驶场景，从而将与数值型数据的取值对应的预先定义的行驶场景作为目标车辆的第一行驶场景。
通过上述过程确定出第一行驶场景后，即可通过步骤103，确定第一行驶场景下的行驶功能。
在一些实施例中，对于步骤103，在确定第一行驶场景下的行驶功能时，可以通过如下方式实现：
在一种可能的实现方式中，计算设备可以输出通过上述步骤102确定出的第一行驶场景，以便技术人员可以获知有哪些第一行驶场景，进而根据自己的专业经验，为不同的第一行驶场景设置对应的行驶功能，并将所设置的行驶功能输入至计算设备，以实现行驶功能的生成，以便计算设备可以获取到基于第一行驶场景所生成的行驶功能。
可选地，一个第一行驶场景可以对应于至少一个备选的行驶功能，也即是，一个第一行驶场景可以对应于一个行驶功能，或者，一个第一行驶场景可以对应于两个行驶功能。此外，不同的第一行驶场景对应的行驶功能可以相同，也可以不同。
在一些实施例中，在通过步骤104构建用于提供第一行驶场景对应的场景参数的场景库时，可以通过如下方式实现：
从第一行驶场景中提取以下至少一项作为第一行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；对第一行驶场景的场景参数进行存储，以得到场景库。
其中，道路层信息可以为道路的几何结构或拓扑结构，交通基础设施信息可以为交通基础设施(如交通标志、高架路障等)的边界信息，操作信息可以为道路层信息和交通基础设施信息之间的重叠关系，对象信息可以保证道路中静态对象和动态对象的位置、大小、行驶状态等，环境信息可以为天气、照明情况等其他周围条件。
上述过程是以基于实际的交通数据来进行行驶场景的获取为例来进行说明的，在更多可能的实现中，在通过步骤104构建用于提供第一行驶场景对应的场景参数的场景库之后，该方法还可以包括：
获取基于行驶功能和场景库中的行驶场景所生成的第二行驶场景；从第二行驶场景中提取以下至少一项作为第二行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；将第二行驶场景的场景参数存储至场景库中。
在一种可能的实现方式中，技术人员可以基于行驶功能和场景库中的行驶场景进行分析，以发现场景库中没有的第二行驶场景或行驶功能还可以应用在哪些可能的第二行驶场景中，从而将第二行驶场景对应的场景配置信息输入至计算设备，以实现第二行驶场景的生成，计算设备可以在获取到第二行驶场景后，基于所获取到的第二行驶场景，获取作为第二行驶场景的场景参数的道路层信息、交通基础设施信息、操作信息、对象信息和环境信息等中的至少一项，以便将所获取到的场景参数添加至计算设备所维护的场景库中，实现对场景库的扩充。
可选地，在基于行驶功能和场景库中的行驶场景进行分析，以发现具有潜在风险的第二行驶场景时，可以通过预期功能的安全性危害分析和风险评估(Safety Of TheIntended Functionality Hazard Analysis and Risk Assessment，SOTIF HARA)，来实现第二行驶场景的确定。
通过上述过程，可以基于功能定义规范和专家经验，识别出行驶功能中具有潜在风险的第二行驶场景以及场景库中没有的第二行驶场景，进而将第二行驶场景添加至场景库，可以实现行驶场景的扩充。
在更多可能的实现方式中，在通过上述过程实现行驶场景的扩充之后，还可以由技术人员在第一行驶场景和第二行驶场景的基础上进行补充，以实现对行驶场景的进一步扩充。
上述过程虽然构建了场景库，并定义了行驶功能，但行驶功能是否能上线还要基于一些条件来进行判断以满足上线的行驶功能的安全性要求。因而，在一些实施例中，该方法还可以包括：
获取基于场景库中的行驶场景输入的功能上线条件，功能上线条件用于指示功能通过测试所需满足的条件。
需要说明的是，该功能上线条件可以由技术人员基于场景库中的行驶场景进行分析来设定，进而将设定好的功能上线条件输入至计算设备，以便计算识别可以获取到功能上线条件。
其中，功能上线条件为按照行驶功能在行驶场景中进行行驶时，未发生碰撞事故的行驶场景的数量在行驶场景总数中的占比达到设定百分比，设定百分比可以为任意取值，本申请对设定百分比的具体取值不加以限定。可选地，功能上线条件还可以为其他条件，本申请对功能上线条件的具体类型不加以限定。
上述实施例所描述的过程属于概念层的处理过程，主要通过对交通数据和行驶功能的分析，来实现场景库的构建，并确定行驶功能的功能上线条件(即行驶功能在什么条件下才能认为是足够安全的)，以便后续可以基于上述内容，来在实现层进行测试或进一步分析。
下面，对实现层所实现的内容以及具体过程进行介绍。
在一些实施例中，对于步骤104，在基于场景库对行驶功能进行测试，获得行驶功能的风险因子时，可以通过如下方式实现：
按照功能上线条件，基于场景库对行驶功能进行测试得到风险因子。
在一种可能的实现方式中，对于任一行驶功能，可以从场景库中获取相应的行驶场景对应的参数，并基于获取到的参数构建相应的测试行驶场景，从而在测试行驶场景中进行实车测试，或者，通过计算设备基于测试行驶场景进行算法模拟测试，以确定行驶功能是否满足功能上线条件，进而在行驶功能不满足功能上线条件的情况下，从行驶功能未通过的测试行驶场景中获取行驶功能对应的风险因子，以便本领域专业人员可以根据风险因子，对行驶功能进行优化。
可选地，在获取到风险因子后，即可基于风险因子对行驶功能进行优化，以使计算设备可以获取到优化后的行驶功能。
可选地，在对行驶功能进行优化时，可以基于风险因子对行驶功能对应的控制操作类型进行调整，以实现对行驶功能的优化，得到优化后的行驶功能。例如，可以在行驶功能对应的控制操作类型的基础上，增加新的控制操作类型，或者，减少已有的控制操作类型，以实现对行驶功能对应的控制操作类型的调整。
另外，还可以基于风险因子对行驶功能对应的控制操作的操作参数的取值进行调整，以实现对行驶功能的优化，得到基优化后的行驶功能。
在更多的可能实现方式中，还可以采用其他方式来实现对行驶功能的优化，本申请对具体采用哪种方式不加以限定。
在通过上述过程实现行驶功能的优化后，即可将优化后的行驶功能输入至计算设备，以便计算设备可以获取到优化后的行驶功能。
此外，在通过上述过程获取到优化后的行驶功能之后，还可以对优化后的行驶功能进行进一步评估。
在一种可能的实现方式中，可以按照功能上线条件，基于场景库对优化后的行驶功能进行测试。可选地，可以通过实车测试或人工分析等方式，以确定优化后的行驶功能是否满足功能上线条件。
在优化后的行驶功能满足功能上线条件的情况下，计算设备即可基于优化后的行驶功能生成技术开发人员的开发指导信息，以便技术开发人员可以按照开发指导信息进行代码开发，以使所开发的代码可以实现优化后的行驶功能。
上述各个实施例所提供的行驶功能优化过程可以参见图2，图2是本申请根据一示例性实施例示出的一种行驶功能优化过程的框架图，如图2所示，上述各个实施例所提供的行驶功能优化过程可以分为概念层部分和实现层部分，下面分别对这两个部分进行简要介绍：
概念层部分可以分为概率分析阶段和准则确定阶段，其中，概念分析阶段可以包括大数据分析(也即是基于交通数据确定第一行驶场景)、功能定义(也即是确定行驶功能)、基于SOFIT HARA方法和专家经验对第一行驶场景进行场景扩充的过程；准则确定阶段可以包括构建场景库和确定功能上线条件的过程。
实现层部分可以包括识别与评估阶段、以及优化与确认阶段，其中，识别与评估阶段包括对行驶功能进行测试和分析的过程，优化与确认阶段包括功能改进(也即是功能优化)以及功能确认(也即是确定优化后的行驶功能是否满足功能上线条件)的过程。
需要说明的是，图2所示仅为一种框架性的示意说明，本申请的具体实现过程可以参见上述各个实施例，此处不再赘述。
通过上述各个实施例所提供的行驶功能优化过程，可以将基于行驶场景的开发验证思想与现有的标准流程相结合，形成一套指导性更强、更加高效且易于实施的功能开发流程框架，从而可以使得汽车电子电气系统的开发过程可以充分覆盖智能网联车辆中由于驾驶场景复杂等情况带来的安全问题。
与前述方法的实施例相对应，本说明书还提供了装置及其所应用的计算设备的实施例。
如图3所示，图3是本申请根据一示例性实施例示出的一种车辆的行驶功能测试装置的框图，该装置包括：
获取模块301，用于获取目标车辆的交通数据，交通数据包括目标车辆的行驶信息以及目标车辆的行驶环境的数据信息；
确定模块302，用于基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
确定模块302，还用于确定第一行驶场景下的行驶功能，行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值；
构建模块303，用于构建用于提供第一行驶场景对应的场景参数的场景库，场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型；
测试模块304，用于基于场景库对行驶功能进行测试，获得行驶功能的风险因子，风险因子用于表示导致行驶功能测试不通过的操作参数。
在本说明书的一些实施例中，行驶信息包括表示行驶状况的图像数据和/或数值型数据，数据信息包括行驶环境的图像数据和/或数值型数据；
确定模块302，在用于基于目标车辆的行驶信息以及目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景时，用于下述至少一项：
通过场景识别网络，对表示行驶状况的图像数据和/或行驶环境的图像数据进行图像识别，以从预先定义的多个行驶场景中确定目标车辆的第一行驶场景；
基于表示行驶状况的数值型数据的取值和/或行驶环境的数值型数据的取值，从预先定义的多个行驶场景中确定目标车辆的第一行驶场景。
在本说明书的一些实施例中，行驶信息通过设置于目标车辆上的数据采集装置采集得到，其中，表示行驶状况的图像数据通过设置于目标车辆上的图像采集装置采集得到，表示行驶状况的数值型数据通过设置于目标车辆上的车况传感装置采集得到；
数据信息通过设置于道路上的数据采集装置采集得到，其中，数据信息中的图像数据通过设置于道路上的图像采集装置采集得到，数据信息中的数值型数据通过设置于道路上的环境传感装置采集得到。
在本说明书的一些实施例中，确定模块302，在用于确定第一行驶场景下的行驶功能时，用于：
确定基于第一行驶场景所选择的行驶功能，其中，一个第一行驶场景对应于至少一个备选的行驶功能。
在本说明书的一些实施例中，构建模块303，在用于构建用于提供第一行驶场景对应的场景参数的场景库时，用于：
从第一行驶场景中提取以下至少一项作为第一行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
对第一行驶场景的场景参数进行存储，得到场景库。
在本说明书的一些实施例中，获取模块301，还用于获取基于行驶功能和场景库中的行驶场景所生成的第二行驶场景；
获取模块301，还用于从第二行驶场景中提取以下至少一项作为第二行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
该装置还包括：
存储模块，用于将第二行驶场景的场景参数存储至场景库中。
在本说明书的一些实施例中，该装置还包括：
优化模块，用于基于风险因子对行驶功能进行优化。
在本说明书的一些实施例中，优化模块，在用于基于风险因子对行驶功能进行优化时，用于下述至少一项：
基于风险因子对行驶功能对应的控制操作类型进行调整；
基于风险因子对行驶功能对应的控制操作的操作参数的取值进行调整。
在本说明书的一些实施例中，获取模块301，还用于获取基于场景库中的行驶场景输入的功能上线条件，功能上线条件用于指示行驶功能通过测试所需满足的条件。
在本说明书的一些实施例中，基于场景库对行驶功能进行测试，获得行驶功能的风险因子，包括：
按照功能上线条件，基于场景库对行驶功能进行测试得到风险因子；
测试模块304，还用于按照功能上线条件，基于场景库对优化后的行驶功能进行测试；
该装置还包括：
生成模块，用于在优化后的行驶功能满足功能上线条件的情况下，基于优化后的行驶功能生成技术开发人员的开发指导信息。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本申请还提供了一种计算设备，参见图4，图4是本申请根据一示例性实施例示出的一种计算设备的结构示意图。如图4所示，计算设备包括处理器410、存储器420和网络接口430，存储器420用于存储可在处理器410上运行的计算机指令，处理器410用于在执行计算机指令时实现本申请任一实施例所提供的车辆的行驶功能测试方法，网络接口430用于实现输入输出功能。在更多可能的实现方式中，计算设备还可以包括其他硬件，本申请对此不做限定。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质可以是多种形式，比如，在不同的例子中，计算机可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。特殊的，计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本申请任一实施例所提供的车辆的行驶功能测试方法。
本申请还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现本申请任一实施例所提供的车辆的行驶功能测试方法。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、装置、计算设备、计算机可读存储介质或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于计算设备所对应的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在本申请的范围内。在一些情况下，在本申请中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由行驶功能优化装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在本申请的范围以内。在某些情况下，本申请中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。也即是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。
以上所述仅为本说明书的可选实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (13)

1.一种车辆的行驶功能测试方法，其特征在于，所述方法包括：
获取目标车辆的交通数据，所述交通数据包括所述目标车辆的行驶信息以及所述目标车辆的行驶环境的数据信息；
基于所述目标车辆的行驶信息以及所述目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定所述目标车辆的第一行驶场景；
确定所述第一行驶场景下的行驶功能，所述行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值；
构建用于提供所述第一行驶场景对应的场景参数的场景库，所述场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型；
基于所述场景库对所述行驶功能进行测试，获得所述行驶功能的风险因子，所述风险因子用于表示导致所述行驶功能测试不通过的所述操作参数。
2.根据权利要求1所述的方法，其特征在于，所述行驶信息包括表示行驶状况的图像数据和/或数值型数据，所述数据信息包括行驶环境的图像数据和/或数值型数据；
所述基于所述目标车辆的行驶信息以及所述目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定所述目标车辆的第一行驶场景，包括下述至少一项：
通过场景识别网络，对所述表示行驶状况的图像数据和/或所述行驶环境的图像数据进行图像识别，以从预先定义的多个行驶场景中确定所述目标车辆的第一行驶场景；
基于所述表示行驶状况的数值型数据的取值和/或所述行驶环境的数值型数据的取值，从预先定义的多个行驶场景中确定所述目标车辆的第一行驶场景。
3.根据权利要求2所述的方法，其特征在于，所述行驶信息通过设置于所述目标车辆上的数据采集装置采集得到，其中，表示行驶状况的图像数据通过设置于所述目标车辆上的图像采集装置采集得到，表示行驶状况的数值型数据通过设置于所述目标车辆上的车况传感装置采集得到；
所述数据信息通过设置于道路上的数据采集装置采集得到，其中，所述数据信息中的图像数据通过设置于道路上的图像采集装置采集得到，所述数据信息中的数值型数据通过设置于道路上的环境传感装置采集得到。
4.根据权利要求1所述的方法，其特征在于，所述确定所述第一行驶场景下的行驶功能，包括：
确定基于所述第一行驶场景所选择的行驶功能，其中，一个第一行驶场景对应于至少一个备选的行驶功能。
5.根据权利要求1所述的方法，其特征在于，构建用于提供所述第一行驶场景对应的场景参数的场景库，包括：
从所述第一行驶场景中提取以下至少一项作为所述第一行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
对所述第一行驶场景的场景参数进行存储，得到所述场景库。
6.根据权利要求1所述的方法，其特征在于，所述构建用于提供所述第一行驶场景对应的场景参数的场景库之后，所述方法还包括：
获取基于所述行驶功能和所述场景库中的行驶场景所生成的第二行驶场景；
从所述第二行驶场景中提取以下至少一项作为所述第二行驶场景的场景参数：道路层信息、交通基础设施信息、操作信息、对象信息和环境信息；
将所述第二行驶场景的场景参数存储至所述场景库中。
7.根据权利要求1所述的方法，其特征在于，所述基于所述场景库对所述行驶功能进行测试，获得所述行驶功能的风险因子之后，所述方法还包括：
基于所述风险因子对所述行驶功能进行优化。
8.根据权利要求7所述的方法，其特征在于，所述基于所述风险因子对所述行驶功能进行优化，包括下述至少一项：
基于所述风险因子对所述行驶功能对应的控制操作类型进行调整；
基于所述风险因子对所述行驶功能对应的控制操作的操作参数的取值进行调整。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
获取基于所述场景库中的行驶场景输入的功能上线条件，所述功能上线条件用于指示行驶功能通过测试所需满足的条件。
10.根据权利要求9所述的方法，其特征在于，所述基于所述场景库对所述行驶功能进行测试，获得所述行驶功能的风险因子，包括：
按照所述功能上线条件，基于所述场景库对所述行驶功能进行测试得到所述风险因子；
所述基于所述风险因子对所述行驶功能进行优化之后，所述方法还包括：
按照所述功能上线条件，基于所述场景库对优化后的所述行驶功能进行测试；
在优化后的所述行驶功能满足所述功能上线条件的情况下，基于优化后的所述行驶功能生成技术开发人员的开发指导信息。
11.一种车辆的行驶功能测试装置，其特征在于，所述装置包括：
获取模块，用于获取目标车辆的交通数据，所述交通数据包括所述目标车辆的行驶信息以及所述目标车辆的行驶环境的数据信息；
确定模块，用于基于所述目标车辆的行驶信息以及所述目标车辆的行驶环境的数据信息，从预先定义的多个行驶场景中确定所述目标车辆的第一行驶场景；
所述确定模块，还用于确定所述第一行驶场景下的行驶功能，所述行驶功能表示车辆在第一行驶场景中的控制操作类型以及控制操作的操作参数的取值；
构建模块，用于构建用于提供所述第一行驶场景对应的场景参数的场景库，所述场景参数用于描述对应的行驶场景中的交通对象和/或交通事件的类型；
测试模块，用于基于所述场景库对所述行驶功能进行测试，获得所述行驶功能的风险因子，所述风险因子用于表示导致所述行驶功能测试不通过的所述操作参数。
12.一种计算设备，其特征在于，所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至10中任一项所述的车辆的行驶功能测试方法所执行的操作。
13.一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上存储有程序，所述程序被处理器执行如权利要求1至10中任一项所述的车辆的行驶功能测试方法所执行的操作。
CN202210906399.4A 2022-07-29 2022-07-29 车辆的行驶功能测试方法、装置、计算设备及介质 Pending CN115165398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210906399.4A CN115165398A (zh) 2022-07-29 2022-07-29 车辆的行驶功能测试方法、装置、计算设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210906399.4A CN115165398A (zh) 2022-07-29 2022-07-29 车辆的行驶功能测试方法、装置、计算设备及介质

Publications (1)

Publication Number Publication Date
CN115165398A true CN115165398A (zh) 2022-10-11

Family

ID=83477163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210906399.4A Pending CN115165398A (zh) 2022-07-29 2022-07-29 车辆的行驶功能测试方法、装置、计算设备及介质

Country Status (1)

Country Link
CN (1) CN115165398A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665699A (zh) * 2022-12-27 2023-01-31 博信通信股份有限公司 一种多场景的信号覆盖优化方法、装置、设备及介质
CN117056746A (zh) * 2023-10-11 2023-11-14 长春汽车工业高等专科学校 一种基于大数据的汽车测试平台及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115665699A (zh) * 2022-12-27 2023-01-31 博信通信股份有限公司 一种多场景的信号覆盖优化方法、装置、设备及介质
CN117056746A (zh) * 2023-10-11 2023-11-14 长春汽车工业高等专科学校 一种基于大数据的汽车测试平台及方法

Similar Documents

Publication Publication Date Title
CN109520744B (zh) 自动驾驶车辆的驾驶性能测试方法和装置
CN111506980B (zh) 对虚拟驾驶环境生成交通场景的方法及装置
Essa et al. Simulated traffic conflicts: do they accurately represent field-measured conflicts?
CN113642633B (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
Tian et al. An automatic car accident detection method based on cooperative vehicle infrastructure systems
CN111179585B (zh) 自动驾驶车辆的场地测试方法及装置
JP7371157B2 (ja) 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム
CN110738842A (zh) 事故责任划分及行为分析方法、装置、设备及存储介质
CN115165398A (zh) 车辆的行驶功能测试方法、装置、计算设备及介质
WO2019068042A1 (en) MULTIPLE EXPOSURE EVENT DETERMINATION
US11112797B2 (en) System and method for improving autonomous vehicle safety performance
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
CN113343461A (zh) 自动驾驶车辆的仿真方法、装置、电子设备及存储介质
JP6595375B2 (ja) 交通状況解析装置、交通状況解析方法、及び、交通状況解析プログラム
WO2020007589A1 (en) Training a deep convolutional neural network for individual routes
KR102657921B1 (ko) 융합된 이미지를 사용한 엔드 투 엔드 시스템 트레이닝
CN113052159A (zh) 一种图像识别方法、装置、设备及计算机存储介质
CN115618932A (zh) 基于网联自动驾驶的交通事件预测方法、装置及电子设备
KR20220109526A (ko) 차량 주행 위험 예측 시스템 및 그 방법
US20220284713A1 (en) System and method for automatic assessment of comparative negligence for one or more vehicles involved in an accident
CN114730494A (zh) 用于对交通场景的空间的覆盖进行估计的方法
Li A scenario-based development framework for autonomous driving
CN114730492A (zh) 断言交通工具检测模型生成和实现
Solmaz et al. Learn from IoT: pedestrian detection and intention prediction for autonomous driving
CN114707567A (zh) 轨迹分类方法、轨迹分类模型训练方法及计算机程序产品

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