CN115981284A - 车辆仿真测试方法、装置、计算机设备、介质和程序产品 - Google Patents
车辆仿真测试方法、装置、计算机设备、介质和程序产品 Download PDFInfo
- Publication number
- CN115981284A CN115981284A CN202310005448.1A CN202310005448A CN115981284A CN 115981284 A CN115981284 A CN 115981284A CN 202310005448 A CN202310005448 A CN 202310005448A CN 115981284 A CN115981284 A CN 115981284A
- Authority
- CN
- China
- Prior art keywords
- simulation
- vehicle
- model
- test
- scenes
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 479
- 238000010998 test method Methods 0.000 title abstract description 13
- 238000012360 testing method Methods 0.000 claims abstract description 286
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 183
- 238000004590 computer program Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 31
- 239000000725 suspension Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种车辆仿真测试方法、装置、计算机设备、介质和程序产品，通过建立仿真场景库和车辆仿真模型，并设置仿真车辆的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息后，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差，从而根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，能够有效判断预设算法模型是否达到预期标准，进而定位算法问题，可以大大提高测试结果的准确性。
Description
技术领域
本申请涉及仿真测试技术领域，特别是涉及一种车辆仿真测试方法、系统、计算机设备、介质和程序产品。
背景技术
牵引车自动驾驶相关控制系统的正常运行需要准确获取的车辆各项状态参数，比如车辆质量、车辆加速度等。其中，车辆质量做为重要参数之一，受行驶工况的复杂性、车载传感器的测量精度等因素影响。
对于某些车辆的状态参数，比如车辆质量，由于无法直接获取，一般是通过相关的预设算法模型获得，比如车辆质量辨识算法模型。因此，相关的预设算法模型的可靠性显得尤为重要。传统技术中，对于相关的预设算法模型的可靠性的测试，往往是依靠实车进行测试。
但是，实车测试需要提供测试场景以及测试设备，成本非常高，并且由于实车场景中涵盖的不确定因素较多，不容易控制变量，会影响测试结果的准确性。
发明内容
基于此，有必要针对上述技术问题，提供一种能够保证算法模型测试准确性的车辆仿真测试方法、装置、计算机设备、介质和程序产品。
第一方面，本申请提供了一种车辆仿真测试方法，该方法包括：
获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景；
获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息；
基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；
更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；
根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
在其中一个实施例中，上述预设算法模型包括质量辨识算法模型，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：
确定仿真场景库中的当前仿真场景；
将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量；
根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差；
将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
在其中一个实施例中，上述根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，包括：
将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；
根据比对结果确定预设算法模型的仿真测试结果。
在其中一个实施例中，上述若仿真测试结果表征测试未通过，则方法还包括：
调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
在其中一个实施例中，上述车辆仿真模型的建立步骤包括：
获取仿真车辆的动力数据；动力数据包括车身数据和制动数据；
基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型；
根据第一动力学模型和第二动力学模型建立车辆仿真模型。
在其中一个实施例中，上述仿真场景库的建立步骤包括：
获取目标场景的道路参数；
根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型；
基于多个目标场景的仿真模型建立仿真场景库。
第二方面，本申请还提供了一种车辆仿真测试装置，该装置包括：
仿真目标获取模块，用于获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景；
仿真数据获取模块，用于获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息；
算法模型测试模块，用于基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；
循环测试模块，用于更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；
仿真结果确定模块，用于根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任意一项的方法步骤。
第四方面，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，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。
上述车辆仿真测试方法、装置、计算机设备、介质和程序产品，通过建立仿真场景库和车辆仿真模型，并设置仿真车辆的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息后，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差，从而根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，能够有效判断预设算法模型是否达到预期标准，进而定位算法问题，可以大大提高测试结果的准确性。
附图说明
图1为一个实施例中车辆仿真测试方法的应用环境图；
图2为一个实施例中车辆仿真测试方法的流程示意图；
图3为一个实施例中同一辆车在不同仿真场景下的测试步骤的流程示意图；
图4为一个实施例中车辆仿真模型的建立步骤的流程示意图；
图5为一个实施例中仿真场景库的建立步骤的流程示意图；
图6为一个实施例中质量辨识算法模型在环仿真测试方法的流程示意图；
图7为一个实施例中车辆仿真测试装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的车辆仿真测试方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。其中，数据存储系统集成在服务器104上。
其中，终端102用于获取仿真场景库和车辆仿真模型，以及仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，并更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
终端102还用于将仿真测试结果上传到服务器104中进行备份、或者以供分析等。其中，终端102可以但不限于是各种个人计算机、笔记本电脑以及平板电脑等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种车辆仿真测试方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S201：获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景。
其中，仿真场景库中包括多个仿真场景，用于模拟真实环境中的测试条件，每个仿真场景的构成因素包括道路的静态内容。具体地，根据测试需求设置车道长度、道路横向坡度、道路纵向坡度以及道路材质等静态内容，构成一个仿真场景，将搭建的所有场景进行整合，共同构建为测试用仿真场景库。
其中，车辆仿真模型为仿真车辆的动力学模型，对仿真车辆进行参数化处理，得到的仿真模型，共同构成车辆动力学模型。具体地，车辆仿真模型包括车身模型、挂车模型、悬架模型、轮胎模型、转向模型以及制动模型等。在实际应用中，仿真场景库和车辆仿真模型均可以通过汽车动力学模型仿真软件(Truck Maker)预先搭建，Truck Maker可以在虚拟世界中对真实世界的测试场景进行准确建模，对整个车辆的整个系统进行无缝开发、校准、测试和验证。
S202：获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息。
其中，车辆状态数据指的是仿真车辆的实时状态信号，具体地，实时状态信号包括当前车速、当前纵向加速度、发动机百分比扭矩、发动机旋转速度、制动踏板状态、离合器开关、驻车制动开关状态、变速箱是否换挡以及实际挡位等。
其中，车辆设置信息包括仿真车辆的预置状态及行驶进程，具体地，预置状态包括仿真车辆的起始速度、起始位置以及起始挡位等，行驶进程是根据测试需求设置的仿真车辆的档位以及油门踏板开度。在实际应用中，车辆设置信息用于区分不同的仿真车辆，基于对车辆设置信息的设置，结合车辆仿真模型，得到在不同预置状态下的仿真车辆，相当于得到了不同的仿真车辆。
S203：基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差。
其中，预设算法模型是应用于牵引车仿真测试的算法模型，例如质量辨识算法模型，质量辨识算法模型是用于获取车辆质量参数的算法模型。在不同仿真场景下，将车辆状态数据作为质量辨识算法模型的输入信号，调用车辆仿真模型以及当前的车辆设置信息进行仿真测试，质量辨识算法模型的输出信号即为计算得到的车辆质量参数，将输出信号与预设的车辆质量进行计算，就得到在当前仿真环境下的测试误差，完成一次测试后，调用另一仿真环境重复进行测试，直到得到同一辆车在不同仿真场景下的所有的测试误差。在实际应用中，预设的车辆质量可以在设置车辆设置信息时同步设置，作为仿真车辆的参考质量。
S204：更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差。
其中，得到同一辆车在不同仿真场景下的测试误差后，需要更换车辆，以得到不同车辆在不同仿真场景下的测试误差，具体地，对仿真车辆的车辆设置信息进行修改，得到新的车辆设置信息，将新的车辆设置信息作为在不同仿真场景下对预设算法模型进行测试时的车辆设置信息，重新进行测试，直至得到不同车辆在不同仿真场景下的测试误差。这里停止条件可以根据实际应用需求进行调整，例如停止条件可以是仿真测试达到一定次数或得到的测试误差满足一定的误差要求。
S205：根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
其中，预设算法模型的仿真测试结果表征着仿真测试是否通过，当仿真测试为通过时，代表预设算法模型满足预期要求，仿真测试结束，而当仿真测试为不通过时，需要对预设算法模型的参数进行优化，得到优化后的预设算法模型，基于优化后的预设算法模型再次进行仿真测试，验证预设算法模型是否达到预期效果。
上述车辆仿真测试方法中，通过建立仿真场景库和车辆仿真模型，并设置仿真车辆的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息后，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差，从而根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，能够有效判断预设算法模型是否达到预期标准，进而定位算法问题，可以大大提高测试结果的准确性。
在一个实施例中，上述预设算法模型包括质量辨识算法模型，如图3所示，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：
S301：确定仿真场景库中的当前仿真场景。
其中，当前仿真场景为仿真场景库中的一个仿真场景，根据测试需要进行选取，在实际应用中，基于Truck Maker软件构建仿真场景库后，可直接从软件操作界面选取某一仿真场景作为当前仿真场景。
S302：将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量。
其中，车辆仿真模型和当前的车辆设置信息由Truck Maker软件提供，在实际应用中，质量辨识算法模型加载在可编程语言仿真软件(MATLAB)中的可视化仿真工具(Simulink)里，进行仿真测试时，需要建立Truck Maker与Simuilnk间的通信，这样无论在Truck Maker还是Simuilnk中，均可以调用车辆状态数、车辆仿真模型、当前的车辆设置信息、当前仿真场景以及质量辨识算法模型，进行仿真测试。
S303：根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差。
其中，参考质量为预先设置的仿真车辆质量，预测质量为基于质量辨识算法模型计算得到的质量，具体地，设置仿真车辆的自身质量为M1，车辆载重为M2，仿真测试得到的预测质量为M0，则测试误差δ的计算公式为：
S304：将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
其中，下一仿真场景可通过Truck Maker软件进行选择，将新选取的仿真场景作为下一次的当前仿真场景，调用车辆仿真模型和当前的车辆设置信息进行仿真测试，直至仿真场景库中的所有仿真场景均测试完成，得到同一辆车在不同仿真场景下的测试误差。
本实施例中，通过调用车辆仿真模型和当前的车辆设置信息，在当前仿真场景中对质量辨识算法模型进行测试，得到当前仿真场景下的测试误差后，将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，重新进行仿真测试，能够准确得到同一辆车在不同仿真场景下的测试误差，为后续确定仿真测试结果提供数据基础。
在一个实施例中，上述根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，包括：将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；根据比对结果确定预设算法模型的仿真测试结果。
其中，预设误差范围可以根据实际应用需求选取，当测试误差处于预设误差范围内，则表示预设算法模型具有较高的精度，仿真测试结果表示仿真测试通过，当测试误差不处于预设误差范围内，则仿真测试结果表示仿真测试不通过。
本实施例中，通过将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果，并根据比对结果确定预设算法模型的仿真测试结果，能够有效判断预设算法模型是否达到预期标准，进而定位算法问题。
在一个实施例中，若仿真测试结果表征测试未通过，则方法还包括：调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
其中，若仿真测试结果表征测试未通过，则表示预设算法模型未达到预期要求，这时将仿真测试结果反馈至算法开发人员，算法开发人员对预设算法模型的模型参数进行优化，基于优化后的算法模型，再次进行仿真测试，直至预设算法模型达到预期功能标准，结束仿真测试。
本实施例中，通过对预设算法模型的模型参数进行调整，并基于调整后的预设算法模型继续进行仿真测试，能够有效判断预设算法模型是否达到预期标准，进而定位算法问题。
在一个实施例中，如图4所示，车辆仿真模型的建立步骤包括：
S401：获取仿真车辆的动力数据；动力数据包括车身数据和制动数据。
其中，车身数据包括仿真车辆的车身参数、挂车参数、悬架参数以及轮胎参数，共同构成仿真车辆的完整车身参数，具体地，车身参数表示仿真车辆车身形状，轮胎参数表示仿真车辆的轮胎大小。挂车是指由汽车牵引而本身无动力驱动装置的车辆，挂车参数表示仿真车辆挂车形状。在汽车中，双横臂悬架是一种独立的悬架设计，使用两个(有时平行)横臂形臂来定位车轮，悬架参数表示仿真车辆的悬架形状。制动数据包括仿真车辆的转向参数和制动参数，转向参数指的是仿真车辆方向盘的转动角度，制动参数包括仿真车辆的制动力以及制动强度等。
S402：基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型。
其中，在实际应用中，在Truck Maker软件的操作界面添加车身数据以及制动数据的对应参数，分别得到仿真车辆的第一动力学模型和第二动力学模型。
S403：根据第一动力学模型和第二动力学模型建立车辆仿真模型。
其中，第一动力学模型和第二动力学模型共同构成车辆仿真模型，在实际应用中，基于Truck Maker软件的操作界面，对不同类别的参数进行设置，得到完整的车辆仿真模型。
本实施例中，于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型，进而根据第一动力学模型和第二动力学模型建立车辆仿真模型，能够建立准确的车辆仿真模型，从而保证仿真测试结果的准确性。
在一个实施例中，如图5所示，仿真场景库的建立步骤包括：
S501：获取目标场景的道路参数。
其中，道路相关参数包括车道长度、车道数量、道路类型、道路横向坡度、道路纵向坡度以及道路材质等参数。
S502：根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型。
其中，目标道路要求指的是仿真测试的道路要求，根据目标道路要求对道路参数进行调整，使得道路参数满足仿真测试所需条件，同时能够在特定的道路条件下进行仿真测试。
S503：基于多个目标场景的仿真模型建立仿真场景库。
其中，仿真场景库中包含多个目标场景，用于模拟不同测试环境，在实际应用中，基于Truck Maker的操作窗口，对道路参数进行设置，得到一个仿真场景，进行多次参数设置，得到多个目标场景，形成仿真场景库。
本实施例中，通过对对道路参数进行调整，得到目标场景的仿真模型，并基于多个目标场景的仿真模型建立仿真场景库，能够建立多个仿真场景，形成仿真场景库，能够对实车测试无法完成的极端工况场景进行构建，从而大幅度提高测试的场景覆盖度。
在一个实施例中，如图6所示，提供了一种质量辨识算法模型在环仿真测试方法，给方法包括以下步骤：
S11：建立牵引车的车辆动力学仿真模型：通过Truck Maker软件和Simulink建立牵引车车辆动力学模型，其中牵引车车辆动力学模型包括车身模型、挂车模型、悬架模型、轮胎模型、转向模型以及制动模型。
S12：在Truck Maker软件中搭建测试用仿真场景库：在Truck Maker软件中搭建测试用仿真场景内容，通过Truck Maker搭建多例仿真场景构成场景库。
S13：质量辨识算法模型嵌入，根据需要为算法模型编写接口：将Truck Maker软件提供的模型库中的‘写’模块接口加载进Simulink中，在Simulink中设计编写Truck Maker‘写’模块接口，将“写”模块连接至质量辨识算法输入端，为质量辨识算法提供输入信号。
S14：设置仿真车辆预置状态及行驶进程：通过Truck Maker设置仿真车辆的自身质量和车辆载重，并设置车辆起始速度、起始位置、起始挡位；通过Truck Maker添加仿真车辆行驶进程，设置仿真进程的时长，根据质量辨识算法测试需求，在行驶进程的具体参数中设置仿真车辆的档位，油门踏板开度。
S15：质量辨识算法测试：将步骤S14中设置完毕的车辆在步骤S12中搭建的一例仿真场景下进行仿真测试，得到车辆在当前场景下仿真时质量辨识算法计算出的质量，通过计算出的质量与步骤S14中预设的车辆自重及车辆载重对质量辨识误差进行计算，得出质量辨识算法计算误差；在步骤S12场景库的不同场景中重复进行多次测试，得到同一车辆在不同场景下仿真时质量辨识算法计算误差；更改车辆预置状态及行驶进程后，重复进行多次测试，得不同车辆在不同场景下仿真时质量辨识算法计算误差。
S16：判断质量辨识算法是否达标：分析步骤S15所得误差结果，与算法设计需求的理想误差范围进行对比，估算法计算误差是否达到预期要求，若未达预期要求，将测试结果反馈至算法开发人员，待算法更新后重复步骤S13、步骤S14、步骤S15进行仿真测试，直至质量辨识算法达到预期功能标准，结束测试验证，完成牵引车质量辨识算法模型在环仿真测试全流程。
本实施例中，基于Truck Maker和Simulink，在仿真场景下进行牵引车质量辨识算法模型在环测试，将质量识别算法问题发现时间前置，解决现有测试方法成本高，测试周期长的问题。此外，可以提供大量的虚拟场景进行仿真测试，大幅度提高测试场景覆盖度。最后，针对同一场景及车辆状态无法复现的问题，能够准确控制场景中的变量，对仿真数据进行记录，有效分析测试结果，定位算法问题。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车辆仿真测试方法的车辆仿真测试装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车辆仿真测试装置实施例中的具体限定可以参见上文中对于车辆仿真测试方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种车辆仿真测试装置，包括：仿真目标获取模块10、仿真数据获取模块20、算法模型测试模块30、循环测试模块40和仿真结果确定模块50，其中：
仿真目标获取模块10，用于获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景。
仿真数据获取模块20，用于获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息。
算法模型测试模块30，用于基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差。
循环测试模块40，用于更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差。
仿真结果确定模块50，用于根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
在一个实施例中，预设算法模型包括质量辨识算法模型，上述算法模型测试模块30包括：仿真场景确定单元、仿真测试单元、误差获取单元和循环测试单元，其中：
仿真场景确定单元，用于确定仿真场景库中的当前仿真场景。
仿真测试单元，用于将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量。
误差获取单元，用于根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差。
循环测试单元，用于将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
在一个实施例中，上述仿真结果确定模块50包括：范围比对单元和仿真结果确定单元，其中：
范围比对单元，用于将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果。
仿真结果确定单元，用于根据比对结果确定预设算法模型的仿真测试结果。
在一个实施例中，上述仿真结果确定模块50还用于若仿真测试结果表征测试未通过，则调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
在一个实施例中，上述仿真目标获取模块10用于获取仿真车辆的动力数据；动力数据包括车身数据和制动数据；基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型；根据第一动力学模型和第二动力学模型建立车辆仿真模型。
在一个实施例中，上述仿真目标获取模块10还用于获取目标场景的道路参数；根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型；基于多个目标场景的仿真模型建立仿真场景库。
上述车辆仿真测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆仿真测试方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景；获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息；基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
在一个实施例中，处理器执行计算机程序时涉及的预设算法模型包括质量辨识算法模型，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：确定仿真场景库中的当前仿真场景；将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量；根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差；将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
在一个实施例中，处理器执行计算机程序时涉及的根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，包括：将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；根据比对结果确定预设算法模型的仿真测试结果。
在一个实施例中，处理器执行计算机程序时若仿真测试结果表征测试未通过，则处理器执行计算机程序时还实现以下步骤：调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
在一个实施例中，处理器执行计算机程序时涉及的车辆仿真模型的建立步骤包括：获取仿真车辆的动力数据；动力数据包括车身数据和制动数据；基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型；根据第一动力学模型和第二动力学模型建立车辆仿真模型。
在一个实施例中，处理器执行计算机程序时涉及的仿真场景库的建立步骤包括：获取目标场景的道路参数；根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型；基于多个目标场景的仿真模型建立仿真场景库。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景；获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息；基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
在一个实施例中，计算机程序被处理器执行时涉及的预设算法模型包括质量辨识算法模型，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：确定仿真场景库中的当前仿真场景；将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量；根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差；将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
在一个实施例中，计算机程序被处理器执行时涉及的根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，包括：将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；根据比对结果确定预设算法模型的仿真测试结果。
在一个实施例中，计算机程序被处理器执行时若仿真测试结果表征测试未通过，则处理器执行计算机程序时还实现以下步骤：调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
在一个实施例中，计算机程序被处理器执行时涉及的车辆仿真模型的建立步骤包括：获取仿真车辆的动力数据；动力数据包括车身数据和制动数据；基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型；根据第一动力学模型和第二动力学模型建立车辆仿真模型。
在一个实施例中，计算机程序被处理器执行时涉及的仿真场景库的建立步骤包括：获取目标场景的道路参数；根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型；基于多个目标场景的仿真模型建立仿真场景库。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取仿真场景库和车辆仿真模型；仿真场景库包括多个仿真场景；获取仿真车辆的车辆状态数据，并设置仿真车辆的车辆设置信息；基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；更新仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果。
在一个实施例中，计算机程序被处理器执行时涉及的预设算法模型包括质量辨识算法模型，基于车辆仿真模型、车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：确定仿真场景库中的当前仿真场景；将车辆状态数据作为预设算法模型的输入信号，调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试，得到预测质量；根据当前的车辆设置信息中的参考质量与预测质量间的差异，得到当前仿真场景下的测试误差；将仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回调用车辆仿真模型和当前的车辆设置信息，以在当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
在一个实施例中，计算机程序被处理器执行时涉及的根据不同车辆在不同仿真场景下的测试误差，确定预设算法模型的仿真测试结果，包括：将不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；根据比对结果确定预设算法模型的仿真测试结果。
在一个实施例中，计算机程序被处理器执行时若仿真测试结果表征测试未通过，则处理器执行计算机程序时还实现以下步骤：调整预设算法模型，基于调整后的预设算法模型返回设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
在一个实施例中，计算机程序被处理器执行时涉及的车辆仿真模型的建立步骤包括：获取仿真车辆的动力数据；动力数据包括车身数据和制动数据；基于车身数据建立仿真车辆的第一动力学模型，并基于制动数据建立仿真车辆的第二动力学模型；第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；第二动力学模型包括转向模型和制动模型；根据第一动力学模型和第二动力学模型建立车辆仿真模型。
在一个实施例中，计算机程序被处理器执行时涉及的仿真场景库的建立步骤包括：获取目标场景的道路参数；根据目标道路要求对道路参数进行调整，得到目标场景的仿真模型；基于多个目标场景的仿真模型建立仿真场景库。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆仿真测试方法，其特征在于，所述方法包括：
获取仿真场景库和车辆仿真模型；所述仿真场景库包括多个仿真场景；
获取仿真车辆的车辆状态数据，并设置所述仿真车辆的车辆设置信息；
基于所述车辆仿真模型、所述车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；
更新所述仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回所述基于所述车辆仿真模型、所述车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；
根据所述不同车辆在不同仿真场景下的测试误差，确定所述预设算法模型的仿真测试结果。
2.根据权利要求1所述的方法，所述预设算法模型包括质量辨识算法模型，所述基于所述车辆仿真模型、所述车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差，包括：
确定所述仿真场景库中的当前仿真场景；
将所述车辆状态数据作为所述预设算法模型的输入信号，调用所述车辆仿真模型和当前的车辆设置信息，以在所述当前仿真场景中对质量辨识算法模型进行测试，得到预测质量；
根据所述当前的车辆设置信息中的参考质量与所述预测质量间的差异，得到当前仿真场景下的测试误差；
将所述仿真场景库中的下一仿真场景作为下一次的当前仿真场景，并返回所述调用所述车辆仿真模型和当前的车辆设置信息，以在所述当前仿真场景中对质量辨识算法模型进行测试的步骤继续执行，直至遍历完所述仿真场景库中的所有仿真场景，得到同一辆车在不同仿真场景下的测试误差。
3.根据权利要求1所述的方法，所述根据所述不同车辆在不同仿真场景下的测试误差，确定所述预设算法模型的仿真测试结果，包括：
将所述不同车辆在不同仿真场景下的测试误差与预设误差范围进行比对，得到比对结果；
根据所述比对结果确定所述预设算法模型的仿真测试结果。
4.根据权利要求1所述的方法，若所述仿真测试结果表征测试未通过，则所述方法还包括：
调整所述预设算法模型，基于调整后的预设算法模型返回所述设置仿真车辆的车辆设置信息的步骤继续执行，直至调整后的预设算法模型通过测试时停止。
5.根据权利要求1所述的方法，所述车辆仿真模型的建立步骤包括：
获取仿真车辆的动力数据；所述动力数据包括车身数据和制动数据；
基于所述车身数据建立所述仿真车辆的第一动力学模型，并基于所述制动数据建立所述仿真车辆的第二动力学模型；所述第一动力学模型包括车身模型、挂车模型、悬架模型以及轮胎模型；所述第二动力学模型包括转向模型和制动模型；
根据所述第一动力学模型和所述第二动力学模型建立车辆仿真模型。
6.根据权利要求1所述的方法，所述仿真场景库的建立步骤包括：
获取目标场景的道路参数；
根据目标道路要求对所述道路参数进行调整，得到所述目标场景的仿真模型；
基于多个目标场景的仿真模型建立仿真场景库。
7.一种车辆仿真测试装置，其特征在于，所述装置包括：
仿真目标获取模块，用于获取仿真场景库和车辆仿真模型；所述仿真场景库包括多个仿真场景；
仿真数据获取模块，用于获取仿真车辆的车辆状态数据，并设置所述仿真车辆的车辆设置信息；
算法模型测试模块，用于基于所述车辆仿真模型、所述车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试，得到同一辆车在不同仿真场景下的测试误差；
循环测试模块，用于更新所述仿真车辆的车辆设置信息，得到下一次循环测试的当前的车辆设置信息，返回所述基于所述车辆仿真模型、所述车辆状态数据以及当前的车辆设置信息，在不同仿真场景下对预设算法模型进行测试的步骤继续执行，直至达到停止条件时停止，得到不同车辆在不同仿真场景下的测试误差；
仿真结果确定模块，用于根据所述不同车辆在不同仿真场景下的测试误差，确定所述预设算法模型的仿真测试结果。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310005448.1A CN115981284A (zh) | 2023-01-04 | 2023-01-04 | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310005448.1A CN115981284A (zh) | 2023-01-04 | 2023-01-04 | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115981284A true CN115981284A (zh) | 2023-04-18 |
Family
ID=85967863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310005448.1A Pending CN115981284A (zh) | 2023-01-04 | 2023-01-04 | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115981284A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116306041A (zh) * | 2023-05-22 | 2023-06-23 | 工业和信息化部装备工业发展中心 | 一种多场景集多引擎自动驾驶模拟仿真测试服务平台 |
-
2023
- 2023-01-04 CN CN202310005448.1A patent/CN115981284A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116306041A (zh) * | 2023-05-22 | 2023-06-23 | 工业和信息化部装备工业发展中心 | 一种多场景集多引擎自动驾驶模拟仿真测试服务平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112286206B (zh) | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 | |
| CN113484851B (zh) | 车载激光雷达的仿真测试系统、方法和整车在环测试系统 | |
| JP2003521015A (ja) | 非線形モデルの発生及びそれを用いたシミュレーション試験用駆動信号の発生 | |
| CN115981284A (zh) | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 | |
| 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 | |
| CN113777952A (zh) | 一种实车与虚拟车交互映射的自动驾驶仿真测试方法 | |
| CN116257923A (zh) | 桥梁健康监测方法、装置、计算机设备和存储介质 | |
| CN113433950A (zh) | 车辆控制数据标定方法、装置、计算机设备和存储介质 | |
| CN114638103A (zh) | 自动驾驶联合仿真方法、装置、计算机设备及存储介质 | |
| CN116167237A (zh) | 一种驾驶场景仿真方法、装置、电子设备及存储介质 | |
| CN117724982A (zh) | 仿真测评方法、装置、电子设备及存储介质 | |
| CN116626504A (zh) | 动力电池性能确定方法、装置、计算机设备和存储介质 | |
| CN114386176A (zh) | 车辆通过减速带的验证方法、装置、设备和介质 | |
| CN115857479B (zh) | Nedc测试方法、装置、计算机设备和存储介质 | |
| CN116302364B (zh) | 自动驾驶可靠性测试方法、装置、设备、介质和程序产品 | |
| CN115470616A (zh) | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 | |
| CN113449445B (zh) | 一种车辆路噪分析方法、装置及存储介质 | |
| Duprey et al. | Simulation of the performance based standards (PBS) low-speed 90 turn test in TruckSim by jumping back in time | |
| CN116244932B (zh) | 对车辆进行安全仿真的方法、电子设备及存储介质 | |
| CN116644585B (zh) | 基于目标车辆危险度的险态场景数据生成方法和装置 | |
| CN118439040B (zh) | 车重和道路坡度估计的方法、装置、存储介质与电子设备 | |
| CN118583511A (zh) | 车辆仿真测试方法、装置、车载终端和车辆 | |
| CN116380487A (zh) | 汽车试验场驾驶规范性监测方法、装置和计算机设备 | |
| WO2024075164A1 (ja) | 情報処理装置、プログラム | |
| CN118690532A (zh) | 一种车辆仿真测试方法、装置、设备和存储介质 |
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 |