CN116167164B - 一种基于智能测试的软件系统 - Google Patents
一种基于智能测试的软件系统 Download PDFInfo
- Publication number
- CN116167164B CN116167164B CN202310121600.2A CN202310121600A CN116167164B CN 116167164 B CN116167164 B CN 116167164B CN 202310121600 A CN202310121600 A CN 202310121600A CN 116167164 B CN116167164 B CN 116167164B
- Authority
- CN
- China
- Prior art keywords
- scene
- tested
- path planning
- virtual scene
- automatic driving
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 215
- 238000004088 simulation Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 230000008859 change Effects 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 28
- 230000001502 supplementing effect Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 238000013100 final test Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 101100502609 Caenorhabditis elegans fem-1 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
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]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及无人驾驶领域,尤其涉及一种基于智能测试的软件系统,包括:场景分析单元,其用于判定虚拟场景是否符合测试要求;实况仿真单元,用于预设车辆动力学模型在虚拟场景内的模拟起点与模拟终点;路径规划测试单元,用于根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求;应变测试单元,其用于根据添加干扰信息时干扰信息距车辆动力学模型的距离与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长判定待测试自动驾驶汽车的感应能力是否合格。本发明能够实现待测试自动驾驶汽车自身性能与路径规划算法的结合。
Description
技术领域
本发明涉及无人驾驶领域,尤其涉及一种基于智能测试的软件系统。
背景技术
无人驾驶汽车是智能汽车的一种,随着电子产品的科技化、无人化,对于无人驾驶汽车的投入生活中的使用,需要对其进行一系列的安全性能的检测,因无人驾驶汽车主要是依靠车内的计算机系统为主的智能驾驶仪来实现无人驾驶的,故而在对其进行检测的同时,也要求检测设备具有严谨的设计、数据工艺制造。
中国专利CN113110501A提供了一种测试无人驾驶设备的系统和方法,包括:利用距离测量仪测量无人驾驶设备到反光装置的距离,当测试所述无人驾驶设备的实际行驶距离时,所述反光装置位于所述无人驾驶设备行驶方向的对面;并利用数据分析装置根据所述距离测量仪上报的多个所述距离,计算所述无人驾驶设备针对实际行驶距离得到的测试距离,以根据测试距离和配置的测试策略,确定无人驾驶设备的测试结果;提高了测试无人驾驶设备的测试精度,但是,存在实际路测中,遇到极端情况导致测试危险性增加的问题。
发明内容
为此,本发明提供一种基于智能测试的软件系统,能够解决实际路测中,遇到极端情况导致测试危险性增加的问题。
为实现上述目的,本发明提供一种基于智能测试的软件系统,包括:
模型构建单元,其用于根据待测试自动驾驶汽车的动力学参数构建车辆动力学模型;
场景搭建单元,其用于根据待测试自动驾驶汽车的实际应用场景搭建车辆动力学模型运行的虚拟场景;
场景分析单元,其与所述场景搭建单元相连接,用于根据虚拟场景的场景元素集合分别与场景必要元素集合及非必要元素集合的包含关系判定虚拟场景是否符合测试要求,以及根据虚拟场景的场景元素集合的元素缺少项对场景搭建单元发送元素补充指令,并根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分;
实况仿真单元,其分别与所述模型构建单元、所述场景搭建单元及所述场景分析单元分别连接,用于预设车辆动力学模型在虚拟场景内的模拟起点与模拟终点,并获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点运动至模拟终点;
路径规划测试单元,其与所述实况仿真单元相连接,用于根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求并对待测试自动驾驶汽车的路径规划能力进行评分以对待测试自动驾驶汽车的路径规划能力进行评级;
应变测试单元,其分别与所述实况仿真单元及所述路径规划测试单元相连接,用于根据添加干扰信息时干扰信息距车辆动力学模型的距离与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长判定待测试自动驾驶汽车的感应能力是否合格,进而根据载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔判定待测试自动驾驶汽车的响应能力是否合格。
进一步地,所述场景分析单元预设场景必要元素集合A,预设场景非必要元素集合B,场景分析单元获取所述场景搭建单元搭建的虚拟场景,提取虚拟场景的场景元素集合,根据虚拟场景的场景元素集合E分别与场景必要元素集合A及场景非必要元素集合B的包含关系判定虚拟场景是否符合测试要求,其中,
若且集合E与集合B的交集内元素数量大于等于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景符合测试要求;
若A¢E,或集合E与集合B的交集内元素数量小于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景不符合测试要求。
进一步地,所述场景分析单元判定虚拟场景不符合测试要求时,根据虚拟场景的场景元素集合E的元素缺少项对所述场景搭建单元发送元素补充指令,其中,
若虚拟场景的场景元素集合E的元素缺少项为场景必要元素集合A内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第一指令;
若虚拟场景的场景元素集合E的元素缺少项为场景非必要元素集合B内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第二指令,并基于大数据提取场景非必要元素集合B中使用次数最多的三个场景非必要元素搭配组合作为系统默认推荐组合发送至场景搭建单元。
进一步地,所述场景分析单元判定虚拟场景符合测试要求时,场景分析单元根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分,其中,
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值小于等于第一场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第一等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于第一场景复杂度预设系数小于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第二等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于等于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第三等级复杂度。
进一步地,所述实况仿真单元预设车辆动力学模型在虚拟场景内的模拟起点P,预设车辆动力学模型在虚拟场景内的模拟终点Q,所述路径规划测试单元实时捕捉虚拟场景内元素的动态变化情况,基于人工势场算法实时获取待测试自动驾驶汽车的最优路径,实况仿真单元获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点P运动至模拟终点Q,路径规划测试单元根据车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求,其中,
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求;
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力不符合要求。
进一步地,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求时,路径规划测试单元根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量对待测试自动驾驶汽车的路径规划能力进行评分,其中,
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S1=§1×(lnx/lnxmin)×(xmin/x)×S0;
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S2=§1×(lnxmin/lnx)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S3=§2×(xmin/x)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S4=§2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S5=§3×(xmin/x)2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S6=§3×(xmin/x)×S0;
其中,§1为第一评分调整系数,§2为第二评分调整系数,§3为第三评分调整系数,且§1<§2<§3,xmin为路径偏移预设最小阈值,x为车辆动力学模型在运动过程中的平均偏移量,S0为预设评分基数。
进一步地,所述路径规划测试单元根据待测试自动驾驶汽车的路径规划能力的评分Si对待测试自动驾驶汽车的路径规划能力进行评级,i=1,2,…,6其中,
若Si小于等于第一预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第一路径规划等级;
若Si大于第一预设评分阈值且小于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第二路径规划等级;
若Si大于等于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第三路径规划等级。
进一步地,所述路径规划测试单元完成对待测试自动驾驶汽车的路径规划能力评级时,所述实况仿真单元使车辆动力学模型在虚拟场景中再次由模拟起点P运动至模拟终点Q,所述应变测试单元在车辆动力学模型的当前运动过程中根据待测试自动驾驶汽车的路径规划能力获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间,其中,
若待测试自动驾驶汽车的路径规划能力为第一路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间为第一预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第二路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第二预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第三路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第三预设干扰距离区间;
其中,第一预设干扰距离区间为(l2,lmax),第二预设干扰距离区间为(l1,l2),第三预设干扰距离区间为(lmin,l1),lmin<l1<l2<lmax,lmin为最小行车间距,l1为干扰信息距离第一阈值,l2为干扰信息距离第二阈值,lmax为应变能力测试距离最大阈值。
进一步地,所述应变测试单元在车辆动力学模型的运动过程中随机在对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间内设置干扰信息,并获取自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长,应变测试单元根据添加干扰信息时干扰信息距车辆动力学模型的距离D与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长t0判定待测试自动驾驶汽车的感应能力是否合格,其中,
若D∈(l2,lmax)且D/t0<v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l2,lmax)且D/t0≥v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(l1,l2)且D/t0<v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l1,l2)且D/t0≥v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(lmin,l1)且D/t0<v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(lmin,l1)且D/t0≥v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
其中,v1为第一感应速度阈值,v2为第二感应速度阈值,v3为第三感应速度阈值,设定v1>v2>v3。
进一步地,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格时,应变测试单元获取载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔t0’,应变测试单元根据时间间隔t0’判定待测试自动驾驶汽车的响应能力是否合格,其中,
若t0’≤β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力合格;
若t0’>β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力不合格;
其中,β为响应时长预设系数。
与现有技术相比,本发明的有益效果在于,本发明设置模型构建单元,能够根据待测试自动驾驶汽车的动力学设计参数对其进行仿真,使仿真测试结果最大程度接近实车测试结果,本发明设置场景搭建单元,能够基于测试需求对场景元素进行组合搭配,使测试场景与待测试自动驾驶汽车的应用场景相拟合,本发明设置场景分析单元,能够对测试场景复杂度进行判定以对测试结果的置信度进行调整,使测试结果的参考性更为可视化,本发明设置实况仿真单元,能够使车辆动力学模型效仿待测试自动驾驶汽车在虚拟场景中完成驾驶任务,更加直观的获取车辆动力学模型在驾驶过程中的实时运动状态,并获取实时行驶数据,使测试结果及测试过程更加直观,有利于后续对待测试自动驾驶汽车的修复和优化,本发明设置路径规划测试单元,能够直观获取待测试自动驾驶汽车基于当前算法的路径规划能力,能够实现待测试自动驾驶汽车自身性能与路径规划算法的结合,本发明设置应变测试单元,能够基于车辆动力学模型的感应速度和感应时间获取待测试自动驾驶汽车应对突发事件的能力,使测试条件更加接近实际应用场景。
尤其,本发明根据虚拟场景的元素判定虚拟场景符合测试要求,测试场景由场景必要元素与场景非必要元素组成,当缺少场景必要元素时,无法构成能够用于车辆动力学模型完成驾驶任务的场景,与待测试自动驾驶汽车的实际应用场景严重不符,当非必要元素数量较少时,容易导致用于测试的虚拟场景过于理想化,进而使最终的测试结果参考意义较小。
尤其,本发明场景分析单元根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分,能够对车辆动力学模型的驾驶任务难度进行划分,进而对测试结果的置信度进行调节,使场景复杂度直接作用于测试结果,使最终测试结果的参考性更加接近于实车试验,当虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值较大时,能够判定虚拟场景内的动态变化对车辆动力学模型的运动情况影响较大,进而能够判定当前虚拟场景较为复杂。
尤其,本发明根据车辆动力学模型在运动过程中相对于最优路径的平均偏移量与路径偏移预设最大阈值的对比结果判定待测试自动驾驶汽车的路径规划能力是否符合要求,路径规划测试单元自设算法计算最优路径,车辆动力学模型基于待测试自动驾驶汽车自身的路径规划算法行驶,不同算法之间的计算误差已归入路径偏移预设最大阈值,能够准确判定待测试自动驾驶汽车的路径规划能力。
尤其,本发明根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量对待测试自动驾驶汽车的路径规划能力进行评分,当车辆动力学模型在运动过程中相对于最优路径的平均偏移量较小时,能够判定待测试自动驾驶的路径规划能力较高,本发明根据虚拟场景复杂度对待测试自动驾驶汽车的路径规划能力进行系数调整,当虚拟场景复杂度较高时,对待测试自动驾驶汽车的路径规划能力的系数赋值较高,实现了将车辆动力学模型的自身行驶数据与外部环境干扰相结合,准确获取待测试自动驾驶汽车的路径规划能力。
尤其,本发明根据待测试自动驾驶汽车的路径规划能力获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间,当待测试自动驾驶汽车的路径规划能力较高时,选取较小的即时干扰信息的增设距离区间,能够针对于不同路径规划能力的车辆动力学模型测试其对应的自动驾驶汽车的设计应变能力,使路径规划能力与应变能力的测试相互匹配。
尤其,本发明根据载入车辆动力学模型的传感器的感应速度判定待测试自动驾驶汽车的感应能力是否合格,当添加干扰信息时干扰信息距车辆动力学模型的距离较小时,对载入车辆动力学模型的传感器的感应速度的对照参数的设置相对较大,符合实际车辆执行驾驶任务时传感器的感应规律,使测试过程更加接近实车测试过程,进而使仿真测试结果更加具有参考性。
尤其,本发明根据载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔判定待测试自动驾驶汽车的响应能力是否合格,当载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔小于预设时间间隔时,能够判定待测试自动驾驶汽车的响应能力合格,能够在待测试自动驾驶汽车的感应能力合格的前提下使待测试自动驾驶汽车的响应能力测试结果更加直观。
附图说明
图1为发明实施例基于智能测试的软件系统架构示意图;
图2为发明实施例基于智能测试的软件系统场景分析单元工作逻辑示意图;
图3为发明实施例基于智能测试的软件系统路径规划测试单元工作逻辑示意图;
图4为发明实施例基于智能测试的软件系统应变测试单元工作逻辑示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例基于智能测试的软件系统架构示意图,包括:
模型构建单元,其用于根据待测试自动驾驶汽车的动力学参数构建车辆动力学模型;
场景搭建单元,其用于根据待测试自动驾驶汽车的实际应用场景搭建车辆动力学模型运行的虚拟场景;
场景分析单元,其与所述场景搭建单元相连接,用于根据虚拟场景的场景元素集合分别与场景必要元素集合及非必要元素集合的包含关系判定虚拟场景是否符合测试要求,以及根据虚拟场景的场景元素集合的元素缺少项对场景搭建单元发送元素补充指令,并根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分;
实况仿真单元,其分别与所述模型构建单元、所述场景搭建单元及所述场景分析单元分别连接,用于预设车辆动力学模型在虚拟场景内的模拟起点与模拟终点,并获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点运动至模拟终点;
路径规划测试单元,其与所述实况仿真单元相连接,用于根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求并对待测试自动驾驶汽车的路径规划能力进行评分以对待测试自动驾驶汽车的路径规划能力进行评级;
应变测试单元,其分别与所述实况仿真单元及所述路径规划测试单元相连接,用于根据添加干扰信息时干扰信息距车辆动力学模型的距离与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长判定待测试自动驾驶汽车的感应能力是否合格,进而根据载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔判定待测试自动驾驶汽车的响应能力是否合格。
具体而言,本实施例模型构建单元基于MATLAB和simulink原理对待测试自动驾驶汽车进行车辆动力学模型的构建,本实施例场景搭建单元内设场景库,场景库元素包括自动驾驶仿真测试场景集T/CMAX 21002—2020文件内规定的元素集,且包括自定义元素集。
具体而言,本发明设置模型构建单元,能够根据待测试自动驾驶汽车的动力学设计参数对其进行仿真,使仿真测试结果最大程度接近实车测试结果,本发明设置场景搭建单元,能够基于测试需求对场景元素进行组合搭配,使测试场景与待测试自动驾驶汽车的应用场景相拟合,本发明设置场景分析单元,能够对测试场景复杂度进行判定以对测试结果的置信度进行调整,使测试结果的参考性更为可视化,本发明设置实况仿真单元,能够使车辆动力学模型效仿待测试自动驾驶汽车在虚拟场景中完成驾驶任务,更加直观的获取车辆动力学模型在驾驶过程中的实时运动状态,并获取实时行驶数据,使测试结果及测试过程更加直观,有利于后续对待测试自动驾驶汽车的修复和优化,本发明设置路径规划测试单元,能够直观获取待测试自动驾驶汽车基于当前算法的路径规划能力,能够实现待测试自动驾驶汽车自身性能与路径规划算法的结合,本发明设置应变测试单元,能够基于车辆动力学模型的感应速度和感应时间获取待测试自动驾驶汽车应对突发事件的能力,使测试条件更加接近实际应用场景。
请参阅图2所示,其为本发明实施例基于智能测试的软件系统场景分析单元工作逻辑示意图,所述场景分析单元预设场景必要元素集合A,预设场景非必要元素集合B,场景分析单元获取所述场景搭建单元搭建的虚拟场景,提取虚拟场景的场景元素集合,根据虚拟场景的场景元素集合E分别与场景必要元素集合A及场景非必要元素集合B的包含关系判定虚拟场景是否符合测试要求,其中,
若且集合E与集合B的交集内元素数量大于等于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景符合测试要求;
若A¢E,或集合E与集合B的交集内元素数量小于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景不符合测试要求。
具体而言,本实施例设置场景必要元素集合包括但不限于道路,交通流,光照,障碍物等,本实施例场景非必要元素集合包括但不限于对向来车,行人不遵守交通规则,死路,人行横道等,本实施例设置非必要元素数量最小阈值为3。
具体而言,本发明根据虚拟场景的元素判定虚拟场景符合测试要求,测试场景由场景必要元素与场景非必要元素组成,当缺少场景必要元素时,无法构成能够用于车辆动力学模型完成驾驶任务的场景,与待测试自动驾驶汽车的实际应用场景严重不符,当非必要元素数量较少时,容易导致用于测试的虚拟场景过于理想化,进而使最终的测试结果参考意义较小。
所述场景分析单元判定虚拟场景不符合测试要求时,根据虚拟场景的场景元素集合E的元素缺少项对所述场景搭建单元发送元素补充指令,其中,
若虚拟场景的场景元素集合E的元素缺少项为场景必要元素集合A内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第一指令;
若虚拟场景的场景元素集合E的元素缺少项为场景非必要元素集合B内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第二指令,并基于大数据提取场景非必要元素集合B中使用次数最多的三个场景非必要元素搭配组合作为系统默认推荐组合发送至场景搭建单元。
具体而言,第一指令内容为对虚拟场景补充场景必要元素,第二指令内容为对虚拟场景增设场景非必要元素。
所述场景分析单元判定虚拟场景符合测试要求时,场景分析单元根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分,其中,
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值小于等于第一场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第一等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于第一场景复杂度预设系数小于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第二等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于等于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第三等级复杂度。
具体而言,本实施例设定第一场景复杂度预设系数为5,第二场景复杂度预设系数为10。
具体而言,本发明场景分析单元根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分,能够对车辆动力学模型的驾驶任务难度进行划分,进而对测试结果的置信度进行调节,使场景复杂度直接作用于测试结果,使最终测试结果的参考性更加接近于实车试验,当虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值较大时,能够判定虚拟场景内的动态变化对车辆动力学模型的运动情况影响较大,进而能够判定当前虚拟场景较为复杂。
请参阅图3所示,其为本发明实施例基于智能测试的软件系统路径规划测试单元工作逻辑示意图,所述实况仿真单元预设车辆动力学模型在虚拟场景内的模拟起点P,预设车辆动力学模型在虚拟场景内的模拟终点Q,所述路径规划测试单元实时捕捉虚拟场景内元素的动态变化情况,基于人工势场算法实时获取待测试自动驾驶汽车的最优路径,实况仿真单元获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点P运动至模拟终点Q,路径规划测试单元根据车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求,其中,
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求;
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力不符合要求。
具体而言,本实施例中车辆动力学模型在运动过程中相对于最优路径的平均偏移量为x1为模拟起点P,x2为模拟终点Q,x为模拟起点P至模拟终点Q的路程,△l为在车辆动力学模型在运动过程中各点相对于最优路径的偏移量,本实施例预设路径偏移预设最大阈值为40cm。
具体而言,本发明根据车辆动力学模型在运动过程中相对于最优路径的平均偏移量与路径偏移预设最大阈值的对比结果判定待测试自动驾驶汽车的路径规划能力是否符合要求,路径规划测试单元自设算法计算最优路径,车辆动力学模型基于待测试自动驾驶汽车自身的路径规划算法行驶,不同算法之间的计算误差已归入路径偏移预设最大阈值,能够准确判定待测试自动驾驶汽车的路径规划能力。
所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求时,路径规划测试单元根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量对待测试自动驾驶汽车的路径规划能力进行评分,其中,
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S1=§1×(lnx/lnxmin)×(xmin/x)×S0;
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S2=§1×(lnxmin/lnx)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S3=§2×(xmin/x)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S4=§2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S5=§3×(xmin/x)2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S6=§3×(xmin/x)×S0;
其中,§1为第一评分调整系数,§2为第二评分调整系数,§3为第三评分调整系数,且§1<§2<§3,xmin为路径偏移预设最小阈值,x为车辆动力学模型在运动过程中的平均偏移量,S0为预设评分基数。
具体而言,本实施例设定§1=0.8,§2=1.0,§3=1.2,设定S0=1。
具体而言,本发明根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量对待测试自动驾驶汽车的路径规划能力进行评分,当车辆动力学模型在运动过程中相对于最优路径的平均偏移量较小时,能够判定待测试自动驾驶的路径规划能力较高,本发明根据虚拟场景复杂度对待测试自动驾驶汽车的路径规划能力进行系数调整,当虚拟场景复杂度较高时,对待测试自动驾驶汽车的路径规划能力的系数赋值较高,实现了将车辆动力学模型的自身行驶数据与外部环境干扰相结合,准确获取待测试自动驾驶汽车的路径规划能力。
所述路径规划测试单元根据待测试自动驾驶汽车的路径规划能力的评分Si对待测试自动驾驶汽车的路径规划能力进行评级,i=1,2,…,6其中,
若Si小于等于第一预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第一路径规划等级;
若Si大于第一预设评分阈值且小于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第二路径规划等级;
若Si大于等于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第三路径规划等级。
具体而言,本实施例设定第一预设评分阈值为0.85,设定第二预设评分阈值为1.1。
请参阅图4所示,其为本发明实施例基于智能测试的软件系统应变测试单元工作逻辑示意图,所述路径规划测试单元完成对待测试自动驾驶汽车的路径规划能力评级时,所述实况仿真单元使车辆动力学模型在虚拟场景中再次由模拟起点P运动至模拟终点Q,所述应变测试单元在车辆动力学模型的当前运动过程中根据待测试自动驾驶汽车的路径规划能力获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间,其中,
若待测试自动驾驶汽车的路径规划能力为第一路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间为第一预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第二路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第二预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第三路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第三预设干扰距离区间;
其中,第一预设干扰距离区间为(l2,lmax),第二预设干扰距离区间为(l1,l2),第三预设干扰距离区间为(lmin,l1),lmin<l1<l2<lmax,lmin为最小行车间距,l1为干扰信息距离第一阈值,l2为干扰信息距离第二阈值,lmax为应变能力测试距离最大阈值。
具体而言,干扰信息包括但不限于车辆动力学模型在运动过程中在预设干扰距离内出现前车切入,前车急刹以及行人横穿等。
具体而言,本实施例设定lmin=150cm,l1=200cm,l2=250cm,lmax=300cm。
具体而言,本发明根据待测试自动驾驶汽车的路径规划能力获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间,当待测试自动驾驶汽车的路径规划能力较高时,选取较小的即时干扰信息的增设距离区间,能够针对于不同路径规划能力的车辆动力学模型测试其对应的自动驾驶汽车的设计应变能力,使路径规划能力与应变能力的测试相互匹配。
所述应变测试单元在车辆动力学模型的运动过程中随机在对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间内设置干扰信息,并获取自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长,应变测试单元根据添加干扰信息时干扰信息距车辆动力学模型的距离D与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长t0判定待测试自动驾驶汽车的感应能力是否合格,其中,
若D∈(l2,lmax)且D/t0<v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l2,lmax)且D/t0≥v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(l1,l2)且D/t0<v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l1,l2)且D/t0≥v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(lmin,l1)且D/t0<v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(lmin,l1)且D/t0≥v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
其中,v1为第一感应速度阈值,v2为第二感应速度阈值,v3为第三感应速度阈值,设定v1>v2>v3。
具体而言,本实施例设定v1=15m/s,v2=12m/s,v3=10m/s。
具体而言,本发明根据载入车辆动力学模型的传感器的感应速度判定待测试自动驾驶汽车的感应能力是否合格,当添加干扰信息时干扰信息距车辆动力学模型的距离较小时,对载入车辆动力学模型的传感器的感应速度的对照参数的设置相对较大,符合实际车辆执行驾驶任务时传感器的感应规律,使测试过程更加接近实车测试过程,进而使仿真测试结果更加具有参考性。
所述应变测试单元判定待测试自动驾驶汽车的感应能力合格时,应变测试单元获取载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔t0’,应变测试单元根据时间间隔t0’判定待测试自动驾驶汽车的响应能力是否合格,其中,
若t0’≤β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力合格;
若t0’>β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力不合格;
其中,β为响应时长预设系数。
具体而言,本实施例设定β=0.85。
具体而言,本发明根据载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔判定待测试自动驾驶汽车的响应能力是否合格,当载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔小于预设时间间隔时,能够判定待测试自动驾驶汽车的响应能力合格,能够在待测试自动驾驶汽车的感应能力合格的前提下使待测试自动驾驶汽车的响应能力测试结果更加直观。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于智能测试的软件系统,其特征在于,包括:
模型构建单元,其用于根据待测试自动驾驶汽车的动力学参数构建车辆动力学模型;
场景搭建单元,其用于根据待测试自动驾驶汽车的实际应用场景搭建车辆动力学模型运行的虚拟场景;
场景分析单元,其与所述场景搭建单元相连接,用于根据虚拟场景的场景元素集合分别与场景必要元素集合及非必要元素集合的包含关系判定虚拟场景是否符合测试要求,以及根据虚拟场景的场景元素集合的元素缺少项对场景搭建单元发送元素补充指令,并根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分;
实况仿真单元,其分别与所述模型构建单元、所述场景搭建单元及所述场景分析单元分别连接,用于预设车辆动力学模型在虚拟场景内的模拟起点与模拟终点,并获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点运动至模拟终点;
路径规划测试单元,其与所述实况仿真单元相连接,用于根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求并对待测试自动驾驶汽车的路径规划能力进行评分以对待测试自动驾驶汽车的路径规划能力进行评级;
应变测试单元,其分别与所述实况仿真单元及所述路径规划测试单元相连接,用于根据添加干扰信息时干扰信息距车辆动力学模型的距离与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长判定待测试自动驾驶汽车的感应能力是否合格,进而根据载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔判定待测试自动驾驶汽车的响应能力是否合格。
2.根据权利要求1所述的基于智能测试的软件系统,其特征在于,所述场景分析单元预设场景必要元素集合A,预设场景非必要元素集合B,场景分析单元获取所述场景搭建单元搭建的虚拟场景,提取虚拟场景的场景元素集合,根据虚拟场景的场景元素集合E分别与场景必要元素集合A及场景非必要元素集合B的包含关系判定虚拟场景是否符合测试要求,其中,
若且集合E与集合B的交集内元素数量大于等于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景符合测试要求;
若A¢E,或集合E与集合B的交集内元素数量小于非必要元素数量最小阈值,所述场景分析单元判定虚拟场景不符合测试要求。
3.根据权利要求2所述的基于智能测试的软件系统,其特征在于,所述场景分析单元判定虚拟场景不符合测试要求时,根据虚拟场景的场景元素集合E的元素缺少项对所述场景搭建单元发送元素补充指令,其中,
若虚拟场景的场景元素集合E的元素缺少项为场景必要元素集合A内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第一指令;
若虚拟场景的场景元素集合E的元素缺少项为场景非必要元素集合B内的元素,所述场景分析单元对所述场景搭建单元发送元素补充第二指令,并基于大数据提取场景非必要元素集合B中使用次数最多的三个场景非必要元素搭配组合作为系统默认推荐组合发送至场景搭建单元。
4.根据权利要求3所述的基于智能测试的软件系统,其特征在于,所述场景分析单元判定虚拟场景符合测试要求时,场景分析单元根据虚拟场景内非必要元素的种类及数量对虚拟场景复杂度进行等级划分,其中,
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值小于等于第一场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第一等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于第一场景复杂度预设系数小于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第二等级复杂度;
若虚拟场景内非必要元素的数量与虚拟场景内非必要元素的种类的比值大于等于第二场景复杂度预设系数,所述场景分析单元判定虚拟场景复杂度为第三等级复杂度。
5.根据权利要求4所述的基于智能测试的软件系统,其特征在于,所述实况仿真单元预设车辆动力学模型在虚拟场景内的模拟起点P,预设车辆动力学模型在虚拟场景内的模拟终点Q,所述路径规划测试单元实时捕捉虚拟场景内元素的动态变化情况,基于人工势场算法实时获取待测试自动驾驶汽车的最优路径,实况仿真单元获取待测试自动驾驶汽车的传感器参数及运动数据载入车辆动力学模型中,使车辆动力学模型在虚拟场景中由模拟起点P运动至模拟终点Q,路径规划测试单元根据车辆动力学模型在运动过程中相对于最优路径的平均偏移量判定待测试自动驾驶汽车的路径规划能力是否符合要求,其中,
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求;
若车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最大阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力不符合要求。
6.根据权利要求5所述的基于智能测试的软件系统,其特征在于,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力符合要求时,路径规划测试单元根据虚拟场景复杂度等级以及车辆动力学模型在运动过程中相对于最优路径的平均偏移量对待测试自动驾驶汽车的路径规划能力进行评分,其中,
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S1=§1×(lnx/lnxmin)×(xmin/x)×S0;
若虚拟场景复杂度等级为第一等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S2=§1×(lnxmin/lnx)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S3=§2×(xmin/x)×S0;
若虚拟场景复杂度等级为第二等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S4=§2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量大于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S5=§3×(xmin/x)2×S0;
若虚拟场景复杂度等级为第三等级复杂度,且车辆动力学模型在运动过程中相对于最优路径的平均偏移量小于等于路径偏移预设最小阈值,所述路径规划测试单元对待测试自动驾驶汽车的路径规划能力的评分S6=§3×(xmin/x)×S0;
其中,§1为第一评分调整系数,§2为第二评分调整系数,§3为第三评分调整系数,且§1<§2<§3,xmin为路径偏移预设最小阈值,x为车辆动力学模型在运动过程中的平均偏移量,S0为预设评分基数。
7.根据权利要求6所述的基于智能测试的软件系统,其特征在于,所述路径规划测试单元根据待测试自动驾驶汽车的路径规划能力的评分Si对待测试自动驾驶汽车的路径规划能力进行评级,i=1,2,…,6其中,
若Si小于等于第一预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第一路径规划等级;
若Si大于第一预设评分阈值且小于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第二路径规划等级;
若Si大于等于第二预设评分阈值,所述路径规划测试单元判定待测试自动驾驶汽车的路径规划能力为第三路径规划等级。
8.根据权利要求7所述的基于智能测试的软件系统,其特征在于,所述路径规划测试单元完成对待测试自动驾驶汽车的路径规划能力评级时,所述实况仿真单元使车辆动力学模型在虚拟场景中再次由模拟起点P运动至模拟终点Q,所述应变测试单元在车辆动力学模型的当前运动过程中根据待测试自动驾驶汽车的路径规划能力获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间,其中,
若待测试自动驾驶汽车的路径规划能力为第一路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间为第一预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第二路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第二预设干扰距离区间;
若待测试自动驾驶汽车的路径规划能力为第三路径规划等级,所述应变测试单元获取对虚拟场景内车辆动力学模型的即时干扰信息的增设距离为第三预设干扰距离区间;
其中,第一预设干扰距离区间为(l2,lmax),第二预设干扰距离区间为(l1,l2),第三预设干扰距离区间为(lmin,l1),lmin<l1<l2<lmax,lmin为最小行车间距,l1为干扰信息距离第一阈值,l2为干扰信息距离第二阈值,lmax为应变能力测试距离最大阈值。
9.根据权利要求8所述的基于智能测试的软件系统,其特征在于,所述应变测试单元在车辆动力学模型的运动过程中随机在对虚拟场景内车辆动力学模型的即时干扰信息的增设距离区间内设置干扰信息,并获取自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长,应变测试单元根据添加干扰信息时干扰信息距车辆动力学模型的距离D与自添加干扰信息开始至载入车辆动力学模型的传感器参数发生突变的时长t0判定待测试自动驾驶汽车的感应能力是否合格,其中,
若D∈(l2,lmax)且D/t0<v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l2,lmax)且D/t0≥v3,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(l1,l2)且D/t0<v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(l1,l2)且D/t0≥v2,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
若D∈(lmin,l1)且D/t0<v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力不合格;
若D∈(lmin,l1)且D/t0≥v1,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格;
其中,v1为第一感应速度阈值,v2为第二感应速度阈值,v3为第三感应速度阈值,设定v1>v2>v3。
10.根据权利要求9所述的基于智能测试的软件系统,其特征在于,所述应变测试单元判定待测试自动驾驶汽车的感应能力合格时,应变测试单元获取载入车辆动力学模型的传感器参数发生突变至车辆动力学模型发生响应的时间间隔t0’,应变测试单元根据时间间隔t0’判定待测试自动驾驶汽车的响应能力是否合格,其中,
若t0’≤β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力合格;
若t0’>β×t0,所述应变测试单元判定待测试自动驾驶汽车的响应能力不合格;
其中,β为响应时长预设系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121600.2A CN116167164B (zh) | 2023-02-16 | 2023-02-16 | 一种基于智能测试的软件系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310121600.2A CN116167164B (zh) | 2023-02-16 | 2023-02-16 | 一种基于智能测试的软件系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116167164A CN116167164A (zh) | 2023-05-26 |
CN116167164B true CN116167164B (zh) | 2023-11-10 |
Family
ID=86416024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310121600.2A Active CN116167164B (zh) | 2023-02-16 | 2023-02-16 | 一种基于智能测试的软件系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167164B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
CN111006879A (zh) * | 2019-12-25 | 2020-04-14 | 畅加风行(苏州)智能科技有限公司 | 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台 |
CN111061167A (zh) * | 2019-12-26 | 2020-04-24 | 清华大学苏州汽车研究院(相城) | 一种面向智能网联示范区的混合现实自动驾驶的测试方法及虚拟测试平台 |
CN113032285A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 一种高精地图测试方法、装置、电子设备及存储介质 |
CN113919082A (zh) * | 2021-12-14 | 2022-01-11 | 成都运达科技股份有限公司 | 一种列车纵向动力学建模方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144015A (zh) * | 2019-12-30 | 2020-05-12 | 吉林大学 | 一种自动驾驶汽车虚拟场景库构建方法 |
-
2023
- 2023-02-16 CN CN202310121600.2A patent/CN116167164B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
CN111006879A (zh) * | 2019-12-25 | 2020-04-14 | 畅加风行(苏州)智能科技有限公司 | 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台 |
CN111061167A (zh) * | 2019-12-26 | 2020-04-24 | 清华大学苏州汽车研究院(相城) | 一种面向智能网联示范区的混合现实自动驾驶的测试方法及虚拟测试平台 |
CN113032285A (zh) * | 2021-05-24 | 2021-06-25 | 湖北亿咖通科技有限公司 | 一种高精地图测试方法、装置、电子设备及存储介质 |
CN113919082A (zh) * | 2021-12-14 | 2022-01-11 | 成都运达科技股份有限公司 | 一种列车纵向动力学建模方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116167164A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2022202150B2 (en) | Software validation for autonomous vehicles | |
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
CN111795832B (zh) | 一种智能驾驶车辆测试方法、装置及设备 | |
Khodayari et al. | A historical review on lateral and longitudinal control of autonomous vehicle motions | |
CN1915725B (zh) | 驾驶员辅助系统 | |
US20180047292A1 (en) | Autonomous driving system and autonomous driving vehicle | |
CN113409617B (zh) | 一种渔业船舶偏航预警系统及方法 | |
US20060095193A1 (en) | Vehicle operation support apparatus | |
KR20190077516A (ko) | 차량 제동 에너지 회수 방법 및 장치 | |
US20010037165A1 (en) | Method of selecting a preceding vehicle, a preceding vehicle selecting apparatus, and a recording medium for selecting a preceding vehicle | |
CN102310859A (zh) | 在车辆中推荐节约燃料的驾驶风格的方法、系统和设备 | |
CN102132335A (zh) | 行驶环境识别装置 | |
KR19980064134A (ko) | 차속 제어 장치 | |
US20220324440A1 (en) | Method for operating an autonomous driving function of a vehicle | |
CN109849919B (zh) | 自动驾驶接管的安全警示系统及其方法 | |
CN112539943B (zh) | 超车能力的测试方法和系统、测试管理中心及存储介质 | |
CN114529131A (zh) | 一种风险评估方法、装置、电子设备及存储介质 | |
CN114783170B (zh) | 一种智能无人驾驶车辆编队系统 | |
CN111240224A (zh) | 一种车辆自动驾驶技术的多功能仿真模拟系统 | |
CN116167164B (zh) | 一种基于智能测试的软件系统 | |
CN116686028A (zh) | 一种驾驶辅助的方法以及相关设备 | |
CN105620486A (zh) | 应用于车辆能量管理的行驶模式判断装置及方法 | |
CN110435668B (zh) | 智能驾驶车辆执行机构的失效检测方法、模块和车载设备 | |
Wang | Decision and behavior planning for a self-driving vehicle at unsignalized intersections | |
CN114802282A (zh) | 车辆控制系统以及车辆控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |