CN116266248A - 用于生成和模拟车辆事件和数据的系统和方法 - Google Patents
用于生成和模拟车辆事件和数据的系统和方法 Download PDFInfo
- Publication number
- CN116266248A CN116266248A CN202211552310.5A CN202211552310A CN116266248A CN 116266248 A CN116266248 A CN 116266248A CN 202211552310 A CN202211552310 A CN 202211552310A CN 116266248 A CN116266248 A CN 116266248A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicle event
- data
- event data
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 129
- 238000004088 simulation Methods 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 5
- 230000002441 reversible effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000000670 limiting effect Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 208000001613 Gambling Diseases 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18109—Braking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18036—Reversing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/021—Determination of steering angle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0638—Engine speed
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的一些实施例涉及用于生成和模拟车辆事件和数据的系统和方法。本公开在一方面提供了用于生成与车辆事件相关联的数据的计算机实现方法,方法包括:获得针对与车辆相关联的车辆事件的车辆事件数据;标识与车辆事件相关联的参数;基于利用车辆事件数据和参数的模型模拟车辆事件来仿真参数,以及基于经模拟的车辆事件外推参数数据。
Description
技术领域
本公开总体涉及生成用于模拟车辆(vehicle)事件的数据,并且更具体地涉及生成用于对与车辆事件相关联的参数进行建模的数据,以用于补充对车辆事件的模拟。
背景技术
不利的车辆事件,诸如车辆碰撞和事故,可能存在由于获取或收集与不利事件有关的数据的限制而引起的分析挑战。由于可能对车辆造成的固有破坏,复制不利事件也带来了挑战,该固有破坏可以使车辆处于损坏状态,在完成维修之前无法使用车辆,或者以其他方式限制使用车辆来复制相同行为的效力。
然而,仍然期望开发与建模、复制和生成车辆事件(包括其分析)有关的进一步改进和进步,以克服已知技术的缺点,并且为其提供附加的优点。
本部分旨在介绍可以与本公开相关联的本领域的各个方面。该讨论被认为有助于提供框架以促进对本公开的特定方面的更好理解。因此,应当理解,本部分应当从这个角度来阅读,并且不一定是承认现有技术。
附图说明
现在将参考附图,仅以示例的方式描述本公开的实施例。
图1是根据本公开的用于针对与车辆事件相关联的参数生成新数据的方法的实施例的流程图。
图2是根据本公开的用于针对与车辆事件相关联的参数生成新数据的方法的实施例的流程图,包括基于新参数数据重新模拟车辆事件并且对其进行分析。
图3是根据本公开的方法的实施例的流程图,方法包括修改和更新车辆事件数据集,并且包括进一步针对与车辆事件相关联的参数生成新数据。
图4是根据本公开的方法的实施例的流程图,方法包括在车辆模拟期间修改和更新车辆事件数据集,并且包括进一步针对与车辆事件相关联的参数生成新数据。
图5是根据本公开的方法的实施例的流程图,方法包括在车辆模拟期间修改和更新车辆事件数据集,并且包括进一步针对与车辆事件相关联的参数生成新数据,包括基于新参数数据重新模拟车辆事件并且对其进行分析。
图6是用于显示、模拟、修改和生成针对车辆事件的数据的图形用户接口(GUI)的本公开的实施例的图。
图7是根据本公开的示例计算设备或系统的框图,用于实现用于生成新车辆数据和事件的系统和方法。
贯穿附图,仅为了简单起见和避免混乱,有时通过引线和附图标记指示图中可见元件的实例中的仅一个实例或少于所有实例。然而,应当理解,在这种情况下,根据对应描述,所有其他实例同样由对应描述指定和涵盖。
具体实施方式
以下是根据本公开的用于对车辆位置进行分类的系统和方法的示例。
根据一方面,本公开提供了一种用于生成与车辆事件相关联的数据的计算机实现方法,方法包括:获得与车辆相关联的车辆事件的车辆事件数据;标识与车辆事件相关联的参数;基于利用车辆事件数据和参数的模型模拟车辆事件,仿真参数;以及基于经模拟的车辆事件,外推参数数据。
根据示例实施例,车辆事件数据包括可修改驾驶参数,方法还包括:修改与可修改驾驶参数相关联的驾驶参数数据,以及基于经修改的驾驶参数数据,更新车辆事件数据。
根据示例实施例,修改驾驶参数数据包括:在车辆事件的模拟期间,从被配置为复制可修改驾驶参数的仿真设备接收经修改的驾驶参数数据。
根据示例实施例,可修改驾驶参数是车辆的方向,并且仿真设备是方向盘。
根据示例实施例,可修改驾驶参数是车辆的速度,并且仿真设备包括油门踏板和制动踏板。
根据示例实施例,可修改驾驶参数包括以下至少一项:车辆的方向和车辆的速度,并且仿真设备是视频游戏控制器。
根据示例实施例,生成与车辆事件相关联的数据还包括:更新车辆事件数据以包括经外推的参数数据,以及利用经更新的车辆事件数据重新模拟车辆事件。
根据示例实施例,生成与车辆事件相关联的数据还包括:将经重新模拟的车辆事件与经模拟的车辆事件进行比较,以确定经重新模拟的车辆事件的误差的边际。
根据示例实施例,经重新模拟的车辆事件具有90%或更高的置信区间。
根据示例实施例,车辆事件是涉及车辆的碰撞、车辆的失控、车辆加速、车辆减速、车辆方向的改变、车辆盲点检查、车辆倒车或车辆停车。
根据示例实施例,与车辆事件相关联的参数是车辆座舱参数、天气状况或道路状况。
根据示例实施例,车辆事件数据包括多个车辆事件数据段,方法还包括:从车辆事件数据标识针对第一车辆事件的第一车辆事件数据段和针对第二车辆事件的第二车辆事件数据段,其中车辆的状态在第一车辆事件数据段与第二车辆事件数据段之间连续,以及修改车辆事件数据以包括第一车辆事件数据段和第二车辆事件数据段。
根据一方面,本公开提供了一种非暂态计算机可读介质,其上存储有指令,该指令在由计算设备执行时,使计算设备执行用于生成与车辆事件相关联的数据的方法,方法包括:获得针对与车辆相关联的车辆事件的车辆事件数据;标识与车辆事件相关联的参数;基于利用车辆事件数据和参数的模型模拟车辆事件,仿真参数;以及基于经模拟的车辆事件,外推参数数据。
根据示例实施例,车辆事件数据包括可修改驾驶参数,并且生成与车辆事件相关联的数据还包括:修改与可修改驾驶参数相关联的驾驶参数数据,以及基于经修改的驾驶参数数据,更新车辆事件数据。
根据示例实施例,修改驾驶参数数据包括:在车辆事件的模拟期间,从被配置为复制可修改驾驶参数的仿真设备接收经修改的驾驶参数数据。
根据示例实施例,可修改驾驶参数包括以下至少一项:车辆的方向和车辆的速度,并且仿真设备是视频游戏控制器。
根据示例实施例,车辆事件是涉及车辆的碰撞、车辆的失控、车辆加速、车辆减速、车辆方向的改变、车辆盲点检查、车辆倒车或车辆停车。
根据示例实施例,车辆事件数据包括多个车辆事件数据段,并且生成与车辆事件相关联的数据还包括:从车辆事件数据标识针对第一车辆事件的第一车辆事件数据段和针对第二车辆事件的第二车辆事件数据段,其中第一车辆事件数据段与第二车辆事件数据段形成连续车辆事件;以及修改车辆事件数据以包括第一车辆事件数据段和第二车辆事件数据段。
本文公开的车辆模拟和数据生成系统和方法通常利用从车辆事件获得的数据集,以用于生成针对车辆事件的新数据或数据集。车辆事件包括但不限于:车辆碰撞、车辆事故、盲点检查、镜子或接近检查、车辆驾驶模式或操纵(manoeuver)(包括加速、制动、维持速度、倒车、转弯、停车和/或换档)。生成的数据可以用于各种另外的目的,以用于分析车辆、车辆事件和/或车辆或车辆事件的一个或多个参数,包括但不限于:利用新数据补充原始数据集以填补原始数据集中的间隙或错误,针对原始数据集中未表征的参数生成新数据,生成用于表征车辆事件的不同状况的数据,和/或可以以其他方式被用来利用新生成的数据重新模拟车辆事件,以用于对其进行进一步分析。例如,新生成的数据可以基于天气状况(例如,干燥与潮湿)修改车辆和道路之间的抓地力(grip),其中在不同抓地力状况下重新模拟车辆事件可以提供对作为天气的函数的车辆性能的更深入的洞察。作为另一个示例,新生成的数据可以表征未被包括在原始数据集中的过程参数,诸如针对座椅传感器生成数据,以提供对车辆事件期间座椅出现的情况的洞察。原始数据集可以进一步包含新生成的数据,并且可以再重新模拟车辆事件,以在新的和/或不同的参数、状况和场景下进一步评估车辆。可以为其生成数据的参数的示例包括但不限于:速度、加速度、制动、发动机RPM、车辆定向、轮胎抓地力、燃料水平、电池电量、安全气囊传感器、接近传感器、座椅传感器、地理位置(诸如,可以从全球定位系统(GPS)获取或生成的纬度和经度)、车辆中的相机数据、暖通空调(Heating Ventilation and Air Conditioning,HVAC)设置、门传感器、电动车辆(EV)参数(诸如充电里程范围和电池管理状态(BMS))、车窗传感器、轮胎压力、点火状态、前照灯状态、挡风玻璃雨刷状态、防抱死制动系统(ABS)状态、跟踪控制状态、车道漂移、安全带状态、转向输入、档位选择器、差速器(differential)状态,以及各种驾驶员辅助设备的状态。
对应车辆事件的原始数据集通常包括足以复制车辆事件的车辆的驾驶模式的数据,诸如可修改驾驶参数。例如,原始数据集可以包括发动机扭矩、制动踏板致动、加速器踏板致动、档位选择、相对轮胎胎面、转向角偏移、牵引力控制、ABS状态、车辆速度、发动机RPM、车辆定向(例如俯仰(pitch)、侧倾(roll)和偏航(yaw)),发动机马力(HP)和发动机排量(displacement)。在一个实施例中,用于复制针对车辆事件的车辆的驾驶模式的原始数据集包括点火状态、牵引力控制状态、ABS状态、加速器输入、制动输入、档位选择器位置、变速器类型(例如自动或手动)、转向输入、转向角偏移、驱动类型(例如全轮驱动(AWD)、前轮驱动(FWD)或后轮驱动(RWD)、车辆位置、车辆航向(例如偏航或方位角)、动力总成电池组输出电流、动力总成电池组温度、发动机/电池冷却剂温度、电池组放电率、交流发电机负载、最小/最大电池电压、最大电池电流和最小/最大电池温度。这些数据集可以直接从车辆获得。例如,这种数据可以从配备有传感器系统的车辆获得,传感器系统具有速度传感器、方向盘传感器、加速度计、陀螺仪、制动传感器和/或用于生成用于表征针对车辆事件的车辆的驾驶模式的数据的其他传感器。这种数据集可以进一步包括人工生成的数据,或利用人工生成的数据进行补充。例如,硬件或软件仿真可以用于仿真油门踏板和/或制动踏板以用于生成速度、加速度和制动数据,以包括用于表征车辆事件期间的车辆驾驶模式的数据集。这种车辆事件数据集可以被保存和存储在计算机可读存储介质中并且根据需要从其获得,以用于根据本公开生成新数据。根据本公开的实施例可以实时获得或修改车辆事件数据。在一个实施例中,硬件仿真包括复制的车辆座舱和用于仿真车辆的数据生成的多个复制控件。
根据本公开的实施例可以进一步包括用于游戏化的特征。例如,车辆事件可以被更新,以在车辆事件数据集中包括新的或附加的数据和/或参数。更新的车辆事件数据集可以进一步被仿真或分析,以评估与更新的车辆事件相关的车辆性能和/或各种车辆参数。重新模拟事件的分析可以包括误差的边际和置信区间,其可以进一步用作生成游戏得分的基础,以将更新/修改的车辆事件数据集游戏化,以用于将一个数据集与另一个数据集进行比较。
图1图示了根据本公开的一个实施例的用于为车辆事件生成新车辆事件数据的方法100。方法100的操作不旨在是限制性的,而是旨在说明为车辆事件生成新的车辆事件数据的一个示例。在一些实施例中,方法100可以利用一个或多个未描述的附加操作,和/或在没有一个或多个描述的操作的情况下来实现。类似地,下面图示和描述方法100的操作的顺序不旨在是限制性的,而是根据本公开生成新车辆事件数据的一个示例的说明。
在一些实施例中,方法100可以在一个或多个处理设备(例如,数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、在云中实现的计算网络、状态机和/或用于电子处理信息的其他机制)中进行实现。一个或多个处理设备可以包括响应于电子存储在电子存储介质上的指令而执行方法100的操作中的一些或所有操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件被配置成专门设计用于执行方法100的操作中的一个或多个操作的一个或多个设备。
操作110可以包括获得表征相关联车辆事件的车辆的驾驶模式的车辆事件数据。车辆事件包括但不限于:车辆碰撞、车辆事故、盲点检查、镜子或接近检查、车辆驾驶模式或操纵(包括加速、制动、维持速度、倒车、转弯、停车和/或换档)。车辆事件数据可以直接从车辆获得,可以先前已经被保存到存储介质并且从中获得,或者可以以其他方式通过其他方式获得或补充,诸如通过使用硬件或软件仿真来复制油门踏板、制动踏板、方向盘和/或其他仿真传感器,以用于生成补充数据,以用于在相关联的车辆事件期间表征车辆的驾驶模式。在操作110中获得的车辆事件数据可以作为用于获得与车辆事件相关联的参数的模型的操作130和/或模拟车辆事件的操作140的输入。
操作110还可以是基于来自多个重叠车辆事件的车辆事件数据。例如,车辆事件数据可以包括对应于第一车辆事件的第一车辆事件数据段;并且可以包括对应于第二车辆事件的第二车辆事件数据段。例如,第一车辆事件可以对应于与从起始车辆位置到第一车辆位置的移动有关的第一驾驶模式;并且,第二车辆事件可以对应于与从起始车辆位置到第二车辆位置的移动有关的第二驾驶模式,其中第一车辆事件和第二车辆事件从起始车辆位置到中间位置彼此重叠。在一个实施例中,中间位置可以出现在第一位置或第二位置任一个之前。在一个实施例中,中间位置可以是第一位置或第二位置。在一个实施例中,第一位置和第二位置是相同位置。在一个实施例中,从起始位置到中间位置,第一车辆驾驶模式可以与第二车辆驾驶模式相同。
作为另外的示例,车辆事件数据可以包括对应于第三车辆事件的第三车辆事件数据段。例如,第三车辆事件可以对应于与从中间位置到第三车辆位置的移动有关的第三驾驶模式。在一个实施例中,第三位置可以与第一和第二车辆位置中的每个车辆位置不同。在一个实施例中,第三位置可以与第一位置和/或第二位置相同。因此,根据本公开的车辆事件数据集的实施例可以包括共享重叠部分或数据点的多个车辆事件数据段,以用于组合在一起,以评估与车辆事件有关的不同变量和结果,例如,诸如在操作140中组合在一起以模拟车辆事件的不同方面或片段。
操作120可以包括标识与需要其另外数据的车辆事件相关联的参数。在一个实施例中,车辆事件数据可以包括参数的部分或不完整数据集,由此可能需要针对参数的附加数据。在一个实施例中,车辆事件数据不包括参数的数据。车辆事件的参数示例包括但不限于:速度、加速度、制动、发动机RPM、车辆定向、轮胎抓地力、燃料水平、电池电量、安全气囊传感器、接近传感器、座椅传感器、地理位置(诸如,可以从全球定位系统(GPS)获取或生成的纬度和经度)、车辆中的相机数据、暖通空调(HVAC)设置、门传感器、电动车辆(EV)参数(诸如充电里程范围和电池管理状态(BMS))、车窗传感器、轮胎压力、点火状态、前照灯状态、挡风玻璃雨刷状态、防抱死制动系统(ABS)状态、跟踪控制状态、车道漂移、安全带状态、转向输入、档位选择器、差速器状态,以及各种驾驶员辅助设备的状态。
操作130可以包括标识在操作120中所标识的参数的模型。参数的模型可以用作操作140的输入,以用于基于在操作110中获得的车辆事件数据和在操作130中获得的参数的模型,来模拟车辆事件。参数的模型可以与车辆事件数据结合使用,作为在车辆事件的模拟期间仿真参数的基础,并且从中生成所需参数的新参数数据。可以以多种方式导出参数的模型。例如,操作130可以包括:接收在操作110中获得的车辆事件数据,以及将模式识别应用于车辆事件数据以建立参数的预期行为的模式或模型。例如,车辆事件数据在车辆速度方面可能具有间隙、错误或遗漏,并且模式识别可以被应用于车辆事件数据,以基于车辆事件数据集中的其他数据来建立车辆速度的模式或模型。或者作为另外的示例,操作130可以用于对模式进行外推或建模,以用于在更大的时间段上扩展车辆数据。在一个实施例中,在更大的时间段上扩展车辆数据可以包括扩展数据,以穿越反向路线来完成两个位置之间的往返行程。例如,车辆事件数据可以包括车辆事件的数据,该车辆事件涵盖车辆从第一位置穿越到第二位置;并且,扩展数据可以包括:基于车辆在第二位置处的状态,扩展车辆事件数据以涵盖车辆从第二位置穿越到第一位置。模型和/或新数据可以进一步被提供给操作140以用于模拟和生成新数据。在一个实施例中,操作130包括将机器学习算法应用于车辆事件数据,以生成参数的模型和/或生成参数的数据。在一个实施例中,操作130可以被应用于车辆事件数据的子集,诸如对应于第一车辆事件的第一驾驶模式的第一车辆事件数据段。在一个实施例中,操作130包括生成新数据,以用作操作140的输入。
在一个实施例中,操作130可以接收具有不连续性的车辆数据集。例如,车辆事件数据可以包括在连续车辆事件段之间的数据间隙,诸如第一车辆事件数据段和第二车辆事件数据段之间的间隙。操作130可以例如使用机器学习算法,基于第一车辆事件数据段和第二车辆事件数据段来生成车辆事件的模型,以生成新的数据来弥合两个数据段之间的不连续性或间隙。
操作140可以包括基于在操作110中获得的车辆事件数据和在操作130中获得的参数的模型来模拟车辆事件。在这点上,操作140可以基于利用参数的模型来模拟车辆事件数据来仿真参数,从而提供生成新数据的基础,以用于从经模拟的车辆事件外推参数数据的操作150。操作150可以包括从经模拟的车辆事件操作140外推参数数据,并且评估经外推的数据的统计值,诸如经外推的参数数据的置信区间或误差的边际。在一个实施例中,操作140可以基于在操作130期间生成的新数据来从操作130接收新数据,以补充、替换或填充从操作110获得的车辆数据集可能包含的数据中的间隙。
操作140可以全部或部分地或基于车辆事件数据集中包含的不同数据段,来模拟车辆事件数据。例如,操作140可以基于第一车辆事件数据段和第三车辆事件数据段之间的连续性来模拟第一车辆事件;或者可以基于第二车辆事件数据段和第三车辆事件数据段之间的连续性来模拟第二车辆事件;等等。
图2图示了根据本公开的一个实施例的用于为车辆事件生成新车辆事件数据的方法200。方法200的操作不旨在是限制性的,而是旨在说明为车辆事件生成新车辆事件数据的一个示例。在一些实施例中,方法200可以利用一个或多个未描述的附加操作,和/或在没有一个或多个描述的操作的情况下来实现。类似地,下面图示和描述方法200的操作的顺序不旨在是限制性的,而是根据本公开生成新车辆事件数据的一个示例的说明。
在一些实施例中,方法200可以在一个或多个处理设备(例如,数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、在云中实现的计算网络、状态机和/或用于电子处理信息的其他机制)中进行实现。一个或多个处理设备可以包括响应于电子存储在电子存储介质上的指令而执行方法200的操作中的一些或所有操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件被配置成专门设计用于执行方法200的操作中的一个或多个操作的一个或多个设备。
方法200可以包括与关于方法100描述的相应操作的等效操作或相同操作相对应的操作。例如,可以至少按照根据方法100的对应操作110、操作120、操作130、操作140和操作150,来执行用于获得车辆事件数据的操作210、用于标识与车辆事件相关联的参数的操作220、用于获得与车辆事件相关联的参数的模型的操作230、用于基于车辆事件数据和参数的模型来模拟车辆事件的操作240,以及用于从经模拟的车辆事件外推参数数据的操作250。方法200还可以进一步包括如下所述的操作260、操作270和操作280。
操作260可以包括更新车辆事件数据以包含在操作250中获得的经外推的参数数据。然后,经更新的车辆事件数据可以用作方法100或200下的进一步模拟的基础。例如,用于获得车辆事件数据的操作110和操作210,可以从操作260获得经更新的车辆事件数据。有利地,经更新的车辆事件数据然后可以用作模拟操作140或操作240的输入,与针对在对应操作120/130和操作220/230中标识的新的或不同参数和参数模型对车辆事件进行模拟相结合。作为另一个示例,经更新的车辆事件数据可以简单地被重新模拟,作为评估经更新的车辆事件数据集的统计值的一部分,例如,诸如评估经更新的车辆事件数据集的置信区间或误差的边际。
操作270可以包括利用从操作260获得的经更新的车辆事件数据重新模拟车辆事件。经重新模拟的车辆事件的输出可以用作操作280的输入,以用于与来自操作240的模拟事件的输出进行比较。操作280可以将重新模拟的车辆事件与原始模拟的车辆事件进行比较以比较结果,或确定其他分析信息,诸如重新模拟的车辆事件的误差的边际或置信区间。在一个实施例中,操作280的输出是得分,以用于将经重新模拟的车辆事件的统计特性游戏化。
图3图示了根据本公开的一个实施例的用于针对车辆事件生成新车辆事件数据的方法300。方法300的操作不旨在是限制性的,而是旨在说明为车辆事件生成新车辆事件数据的一个示例。在一些实施例中,方法300可以利用一个或多个未描述的附加操作,和/或在没有一个或多个描述的操作的情况下来实现。类似地,下面图示和描述方法300的操作的顺序不旨在是限制性的,而是根据本公开生成新车辆事件数据的一个示例的说明。
在一些实施例中,方法300可以在一个或多个处理设备(例如,数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、在云中实现的计算网络、状态机和/或用于电子处理信息的其他机制)中进行实现。一个或多个处理设备可以包括响应于电子存储在电子存储介质上的指令而执行方法300的操作中的一些或所有操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件被配置成专门设计用于执行方法300的操作中的一个或多个操作的一个或多个设备。
方法300可以包括与关于方法100或方法200描述的相应操作的等效操作或相同操作相对应的操作。例如,可以至少按照根据方法100的对应操作110、操作120、操作130、操作140和操作150和根据方法200的对应操作210、操作220、操作230、操作240和操作250,来执行用于获得车辆事件数据的操作310、用于标识与车辆事件相关联的参数的操作320、用于获得与车辆事件相关联的参数的模型的操作330、用于基于车辆事件数据和参数的模型来模拟车辆事件的操作340,以及用于从经模拟的车辆事件外推参数数据的操作350。方法300还可以进一步包括如下所述的操作312和操作314,并且可以类似地实现来自方法200的对应于操作260、操作270和操作280的操作。
方法300可以包括分别对应于对在操作310中获得的车辆事件数据进行修改和更新的操作312和操作314。修改车辆事件数据可以包括但不限于:将附加数据点插入到车辆事件数据中以解决车辆事件数据集中的间隙、错误或遗漏,将数据修改为不同的值(例如,改变车辆在某些时间点处的速度),和/或通过外推车辆事件数据来延长车辆事件的持续时间以覆盖另外的持续时间。在一个实施例中,修改车辆事件数据包括使用图形用户接口(GUI)来在视觉上检查、修改和生成车辆事件数据。在一个实施例中,硬件仿真可以用于生成或插入丢失的数据,例如针对油门踏板的硬件仿真可以用于生成车辆事件的车辆速度和加速度数据,以用于填补车辆事件数据集中的间隙,覆盖车辆事件数据集中的数据,或为车辆事件数据集生成新数据。在操作312完成之后,可以调用操作314以更新车辆事件数据并且进一步用作操作340的输入,以用于利用经更新的车辆事件数据来模拟车辆事件。
图4图示了根据本公开的一个实施例的用于为车辆事件生成新车辆事件数据的方法400。方法400的操作不旨在是限制性的,而是旨在说明针对车辆事件生成新车辆事件数据的一个示例。在一些实施例中,方法400可以利用一个或多个未描述的附加操作,和/或在没有一个或多个描述的操作的情况下来实现。类似地,下面图示和描述方法400的操作的顺序不旨在是限制性的,而是根据本公开生成新车辆事件数据的一个示例的说明。
在一些实施例中,方法400可以在一个或多个处理设备(例如,数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、在云中实现的计算网络、状态机和/或用于电子处理信息的其他机制)中进行实现。一个或多个处理设备可以包括响应于电子存储在电子存储介质上的指令而执行方法400的操作中的一些或所有操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件被配置成专门设计用于执行方法400的操作中的一个或多个操作的一个或多个设备。
方法400可以包括与关于方法100、方法200和/或方法300描述的相应操作的等效操作或相同操作相对应的操作。例如,可以至少按照根据方法100的对应操作110、操作120、操作130、操作140和操作150和根据方法200和/或方法300的对应操作,来执行用于获得车辆事件数据的操作410、用于标识与车辆事件相关联的参数的操作420、用于获得与车辆事件相关联的参数的模型的操作430、用于基于车辆事件数据和参数的模型来模拟车辆事件的操作440,以及用于从经模拟的车辆事件外推参数数据的操作450。方法400还可以进一步包括如下所述的操作416和操作418,并且可以类似地实现来自方法200和方法300的操作,诸如操作260、操作270、操作280、操作312和/或操作314。
方法400可以包括操作416和操作418,操作416和操作418分别对应于在利用参数的模型模拟车辆事件数据的操作440期间修改和更新车辆事件数据。修改车辆事件数据可以包括但不限于:将附加数据点插入到车辆事件数据中以解决车辆事件数据集中的间隙、错误或遗漏,将数据修改为不同的值(例如,改变车辆在某些时间点处的速度),和/或通过外推车辆事件数据来延长车辆事件的持续时间以覆盖另外的持续时间。
可以根据需要利用操作416和操作418来在操作440的车辆事件模拟期间改变和修改车辆事件数据。修改和更新车辆事件数据可以在模拟期间实时或接近实时地完成,或者例如,车辆模拟可以在操作440期间被暂停,从而提供选择性地修改和更新车辆事件数据的机会。例如,操作416可以利用油门踏板的硬件或软件仿真来生成车辆的速度和/或加速度的数据。从仿真的油门踏板生成的数据可以用于补充、替换或以其他方式针对车辆事件提供新的数据流以进行模拟。作为操作416的一部分,仿真的油门踏板可以因此在模拟期间提供更新的数据,以修改车辆事件数据。在一个实施例中,修改车辆事件数据包括使用图形用户接口(GUI)来在视觉上检查、修改和生成车辆事件数据,诸如关于图6描述的GUI 600。操作418可以在操作440的车辆事件模拟期间实时或接近实时地更新车辆事件数据。操作418可以以多种方式更新车辆事件数据,例如,操作418可以简单地利用新生成的数据来替换和/或更新丢失或错误的数据。在一个实施例中,操作418可以覆盖车辆事件数据中的现有数据。在一个实施例中,操作416为未表征或从车辆事件数据集省略的新参数创建数据,其中操作418可以更新车辆事件数据集以包括新参数数据。
图5图示了根据本公开的一个实施例的用于针对车辆事件生成新车辆事件数据的方法500。方法500的操作不旨在是限制性的,而是旨在说明为车辆事件生成新车辆事件数据的一个示例。在一些实施例中,方法500可以利用一个或多个未描述的附加操作,和/或在没有一个或多个描述的操作的情况下来实现。类似地,下面图示和描述方法500的操作的顺序不旨在是限制性的,而是根据本公开生成新车辆事件数据的一个示例的说明。
在一些实施例中,方法500可以在一个或多个处理设备(例如,数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、在云中实现的计算网络、状态机和/或用于电子处理信息的其他机制)中进行实现。一个或多个处理设备可以包括响应于电子存储在电子存储介质上的指令而执行方法500的操作中的一些或所有操作的一个或多个设备。一个或多个处理设备可以包括通过硬件、固件和/或软件被配置成专门设计用于执行方法500的操作中的一个或多个操作的一个或多个设备。
方法500可以包括与关于方法100、方法200、方法300和/或方法400描述的相应操作的等效操作或相同操作相对应的操作。例如,可以至少按照根据方法100的对应操作110、操作120、操作130、操作140和操作150和根据方法200、方法300和/或方法400的对应操作,来执行用于获得车辆事件数据的操作510、用于标识与车辆事件相关联的参数的操作520、用于获得与车辆事件相关联的参数的模型的操作530、用于基于车辆事件数据和参数的模型来模拟车辆事件的操作540,以及用于从经模拟的车辆事件外推参数数据的操作550。
方法500还可以进一步包括在操作540的模拟车辆事件期间用于修改车辆事件数据的操作516和用于更新车辆事件数据的操作518,操作516和操作518以对应于方法400的相应操作416和操作418等效或相同的方式进行。
方法500还可以进一步包括用于基于操作540的经模拟的车辆事件外推参数数据的操作550,用于利用550的经外推的参数数据来更新车辆事件数据集的操作560,用于利用操作560的经更新的车辆事件数据集重新模拟车辆事件的操作570,以及用于确定经重新模拟的车辆事件的误差的边际或其他分析的操作580,这些操作以对应于方法200的相应操作250、操作260、操作270和/或操作280的等效或相同的方式进行。
图6是根据本公开的一个实施例(诸如根据方法100、方法200、方法300、方法400和方法500中的任一个)的用于在视觉上显示、模拟、控制和生成车辆事件的新数据的GUI 600的一个实施例。GUI600包括覆盖在普通网格背景620上的车辆610的视觉表示,以用于在车辆事件期间提供车辆610的视觉表示,如可以例如在用于模拟车辆事件的操作140、操作240、操作340、操作440和操作550期间或在用于利用经更新的车辆事件数据重新模拟车辆事件的操作270和操作570期间视觉地被描绘的。GUI 600可以包括时间线630和多个GUI和时间线控件632,这些控件可以包括但不限于用于加载车辆数据集、保存车辆数据集、在模拟期间倒回到先前时间点、暂停模拟、和/或停止模拟的控件。时间线630可以包括用于选择性地改变到车辆事件的特定时间点的滑块。
GUI 600还可以包括多个控件和对应的指示器640、指示器650、指示器660和指示器670,以用于修改和在视觉上表示车辆事件,修改和视觉地表示与车辆事件相关联的参数和数据,和/或生成和视觉地表示新数据。例如,输入控件640可以包括用于车辆610的加速、制动和转向的控件和视觉指示器。与输入控件640相关联的视觉指示器可以反映车辆事件数据集中包含的参数或数据,并且控件640可以用于修改车辆事件数据集中的参数或数据,诸如通过使用滑块控件或硬件仿真来根据本文描述的一个或多个操作(诸如根据操作110、操作210、操作310、操作312、操作410、操作416、操作510和/或操作516)修改或生成用于加速、制动和/或转向的数据。类似地,档位控件650可以包括针对驻车制动、驾驶状态和变速器状态的控件和视觉指示器;启动/停止控件660可以包括用于开启或关闭车辆610(包括启动发动机)的控件;并且,杂项控件670可以包括针对前灯、挡风玻璃雨刷和/或车门状态的控件和视觉指示器。GUI 600还可以包括多个视觉指示器680,诸如针对发动机RPM、视觉速度和燃料状态680(无论是否基于汽油水平或电池电量)的视觉指示器。
图7是示例计算机化设备或系统700的框图,其可以用于实现根据本公开的用于生成和模拟车辆事件的系统和方法的实施例的一个或多个方面或组件,例如实现如关于方法100、方法200、方法300、方法400和/或方法500描述的一个或多个操作;和/或例如用于实现GUI 600。
计算机化系统700可以包括处理器702、存储器704、大容量存储设备710、输入/输出(I/O)接口706和通信子系统708中的一个或多个。此外,系统700可以包括例如多个处理器702和/或多个存储器704等。处理器702可以包括数字处理器、模拟处理器、被设计成处理信息的数字电路、被设计成处理信息的模拟电路、状态机和/或用于电子处理信息的其他机制中的一个或多个。这些处理单元可以物理地位于相同设备内,或者处理器702可以表示协同操作的多个设备的处理功能。处理器702可以被配置成通过软件;硬件;固件;软件、硬件和/或固件的某种组合和/或用于在处理器702上配置处理能力的其他机制来执行模块,或者被配置成以其他方式执行归属于模块的功能,并且可以包括在执行处理器可读指令期间的一个或多个物理处理器、处理器可读指令、电路装置、硬件、存储介质,或任何其他组件。
计算机化系统700的组件或子系统中的一个或多个组件或子系统可以通过一个或多个总线712或以任何其他适当的方式进行互连。
总线712可以是任何类型的若干总线架构中的一种或多种,包括存储器总线、存储总线、存储器控制器总线、外围总线等。CPU 702可以包括任何类型的电子数据处理器。存储器704可以包括任何类型的系统存储器,诸如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、同步DRAM(SDRAM)、只读存储器(ROM)、它们的组合等。在一个实施例中,存储器可以包括在启动时使用的ROM,以及在执行程序时使用的用于程序和数据存储的DRAM。
大容量存储设备710可以包括任何类型的存储设备,存储设备被配置成存储数据、程序和其他信息并且使数据、程序和其他信息经由总线712可访问。大容量存储设备710可以包括固态驱动器、硬盘驱动器、磁盘驱动器、光盘驱动器等中的一个或多个。在一些实施例中,数据、程序或其他信息可以被远程存储,例如被存储在云中。计算机化系统700可以以任何适当的方式向远程存储装置发送或接收信息,包括经由在网络或其他数据通信介质上的通信子系统708。
I/O接口706可以提供用于使能计算机化系统700与一个或多个其他设备或系统之间的有线和/或无线通信的接口。例如,I/O接口706可以用于与诸如相机或视频相机的传感器通信耦合。此外,可以利用附加的或更少的接口。例如,可以提供一个或多个串行接口,诸如通用串行总线(USB)(未示出)。
计算机化系统700可以用于配置、操作、控制、监控、感测和/或调整根据本公开的设备、系统和/或方法。
可以提供通信子系统708,以用于在数字数据通信的任何形式或介质(包括通信网络)上发送和接收信号中的一者或两者。通信网络的示例包括局域网(LAN)、广域网(WAN)、诸如因特网的互联网络以及诸如自组织对等网络的对等网络。通信子系统708可以包括用于使能在一个或多个有线和无线接口上的通信的任何组件或组件的集合。这些接口可以包括但不限于USB、以太网(例如IEEE 802.3)、高清多媒体接口(HDMI)、FirewireTM(例如IEEE1394)、ThunderboltTM、WiFiTM(例如IEEE 802.11)、WiMAX(例如IEEE802.16)、BluetoothTM或近场通信(NFC),以及GPRS、UMTS、LTE、LTE-A和专用短距离通信(DSRC)。通信子系统708可以包括用于一个或多个有线连接的一个或多个端口或其他组件(未示出)。附加地或备选地,通信子系统708可以包括一个或多个发射器、接收器和/或天线元件(都未示出)。
图7的计算机化系统700仅是示例并且不意味着限制。各种实施例可以利用所示或描述的组件中的一些或所有组件。一些实施例可以使用未示出或描述但本领域技术人员已知的其他组件。
在前面的描述中,为了解释的目的,阐述了许多细节以便提供对实施例的透彻理解。然而,对于本领域技术人员来说明显的是,不需要这些具体细节。在其他情况下,众所周知的电气结构和电路以框图形式进行显示,以便避免混淆理解。例如,没有提供关于本文描述的实施例是否被实现为软件例程、硬件电路、固件或它们的组合的具体细节。
本公开的实施例可以被表示为存储在机器可读介质(也被称为计算机可读介质、处理器可读介质或其中体现有计算机可读程序代码的计算机可用介质)中的计算机程序产品。机器可读介质可以是任何适当的有形的非暂态介质,包括磁、光或电存储介质,包括磁盘、压缩盘只读存储器(CD-ROM)、存储器设备(易失性或非易失性)或类似的存储机制。机器可读介质可以包含各种指令集、代码序列、配置信息或其他数据,它们在被执行时,使处理器执行根据本公开的实施例的方法中的步骤。本领域技术人员应当理解,实现所描述的实施方式所必需的其他指令和操作也可以被存储在机器可读介质上。存储在机器可读介质上的指令可以由处理器或其他适当的处理设备执行,并且可以与电路装置对接以执行所描述的任务。
上述实施例仅旨在作为示例。在不脱离仅由所附权利要求限定的范围的情况下,本领域技术人员可以对特定实施例进行变更、修改和变化。
Claims (18)
1.一种用于生成与车辆事件相关联的数据的计算机实现方法,包括:
获得针对与车辆相关联的车辆事件的车辆事件数据;
标识与所述车辆事件相关联的参数;
基于利用所述车辆事件数据和所述参数的模型模拟所述车辆事件,仿真所述参数,以及
基于经模拟的所述车辆事件,外推参数数据。
2.根据权利要求1所述的计算机实现方法,其中所述车辆事件数据包括可修改驾驶参数,所述方法还包括:
修改与所述可修改驾驶参数相关联的驾驶参数数据,以及
基于经修改的所述驾驶参数数据,更新所述车辆事件数据。
3.根据权利要求2所述的计算机实现方法,其中修改所述驾驶参数数据包括:
在所述车辆事件的模拟期间,从仿真设备接收经修改的所述驾驶参数数据,所述仿真设备被配置为复制所述可修改驾驶参数。
4.根据权利要求3所述的计算机实现方法,其中所述可修改驾驶参数是所述车辆的方向,并且所述仿真设备是方向盘。
5.根据权利要求3所述的计算机实现方法,其中所述可修改驾驶参数是所述车辆的速度,并且所述仿真设备包括油门踏板和制动踏板。
6.根据权利要求3所述的计算机实现方法,其中所述可修改驾驶参数包括以下至少一项:所述车辆的方向和所述车辆的速度,并且所述仿真设备是视频游戏控制器。
7.根据权利要求1所述的计算机实现方法,还包括:
更新所述车辆事件数据以包括经外推的所述参数数据,以及
利用经更新的所述车辆事件数据重新模拟所述车辆事件。
8.根据权利要求7所述的计算机实现方法,还包括:
将经重新模拟的所述车辆事件与经模拟的所述车辆事件进行比较,以确定经重新模拟的所述车辆事件的误差的边际。
9.根据权利要求7所述的计算机实现方法,其中经重新模拟的所述车辆事件具有90%或更高的置信区间。
10.根据权利要求1所述的计算机实现方法,其中所述车辆事件是涉及所述车辆的碰撞、所述车辆的失控、车辆加速、车辆减速、车辆方向的改变、车辆盲点检查、车辆倒车或车辆停车。
11.根据权利要求1所述的计算机实现方法,其中与所述车辆事件相关联的所述参数是车辆座舱参数、天气状况或道路状况。
12.根据权利要求1所述的计算机实现方法,其中所述车辆事件数据包括多个车辆事件数据段,所述方法还包括:
从所述车辆事件数据标识针对第一车辆事件的第一车辆事件数据段和针对第二车辆事件的第二车辆事件数据段,其中所述车辆的状态在所述第一车辆事件数据段与所述第二车辆事件数据段之间连续,以及
修改所述车辆事件数据以包括所述第一车辆事件数据段和所述第二车辆事件数据段。
13.一种非暂态计算机可读介质,所述非暂态计算机可读介质上存储有指令,所述指令在由计算设备执行时,使所述计算设备执行用于生成与车辆事件相关联的数据的方法,包括:
获得针对与车辆相关联的车辆事件的车辆事件数据;
标识与所述车辆事件相关联的参数;
基于利用所述车辆事件数据和所述参数的模型模拟所述车辆事件,仿真所述参数,以及
基于经模拟的所述车辆事件,外推参数数据。
14.根据权利要求13所述的非暂态计算机可读介质,其中所述车辆事件数据包括可修改驾驶参数,并且生成与所述车辆事件相关联的数据还包括:
修改与所述可修改驾驶参数相关联的驾驶参数数据,以及
基于经修改的所述驾驶参数数据,更新所述车辆事件数据。
15.根据权利要求14所述的非暂态计算机可读介质,其中修改所述驾驶参数数据包括:
在所述车辆事件的模拟期间,从仿真设备接收经修改的所述驾驶参数数据,所述仿真设备被配置为复制所述可修改驾驶参数。
16.根据权利要求15所述的非暂态计算机可读介质,其中所述可修改驾驶参数包括以下至少一项:所述车辆的方向和所述车辆的速度,并且所述仿真设备是视频游戏控制器。
17.根据权利要求13所述的非暂态计算机可读介质,其中所述车辆事件是涉及所述车辆的碰撞、所述车辆的失控、车辆加速、车辆减速、车辆方向的改变、车辆盲点检查、车辆倒车或车辆停车。
18.根据权利要求14所述的非暂态计算机可读介质,其中所述车辆事件数据包括多个车辆事件数据段,并且生成与所述车辆事件相关联的数据还包括:
从所述车辆事件数据标识针对第一车辆事件的第一车辆事件数据段和针对第二车辆事件的第二车辆事件数据段,其中所述第一车辆事件数据段与所述第二车辆事件数据段形成连续车辆事件,以及
修改所述车辆事件数据以包括所述第一车辆事件数据段和所述第二车辆事件数据段。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/553,428 US20230192087A1 (en) | 2021-12-16 | 2021-12-16 | System and method for generating and simulating vehicle events and data |
US17/553,428 | 2021-12-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116266248A true CN116266248A (zh) | 2023-06-20 |
Family
ID=84044572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211552310.5A Pending CN116266248A (zh) | 2021-12-16 | 2022-12-05 | 用于生成和模拟车辆事件和数据的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230192087A1 (zh) |
EP (1) | EP4198800A1 (zh) |
CN (1) | CN116266248A (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5354202A (en) * | 1990-08-01 | 1994-10-11 | Atari Games Corporation | System and method for driver training with multiple driver competition |
US9108582B1 (en) * | 2014-02-25 | 2015-08-18 | International Business Machines Corporation | System and method for collaborative vehicle crash planning and sequence deployment |
JP6187977B2 (ja) * | 2014-06-20 | 2017-08-30 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 解析装置、解析方法及びプログラム |
US20200394278A1 (en) * | 2019-06-14 | 2020-12-17 | Abraham Varon-Weinryb | Hybrid Finite Element and Artificial Neural Network Method and System for Safety Optimization of Vehicles |
US11625513B2 (en) * | 2019-09-27 | 2023-04-11 | Zoox, Inc. | Safety analysis framework |
-
2021
- 2021-12-16 US US17/553,428 patent/US20230192087A1/en active Pending
-
2022
- 2022-10-06 EP EP22200112.5A patent/EP4198800A1/en active Pending
- 2022-12-05 CN CN202211552310.5A patent/CN116266248A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230192087A1 (en) | 2023-06-22 |
EP4198800A1 (en) | 2023-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7371359B2 (ja) | 車両リスク評価用のデジタルツイン | |
US11954651B2 (en) | Sensor-based digital twin system for vehicular analysis | |
US11727168B2 (en) | Proactive vehicle maintenance scheduling based on digital twin simulations | |
CN106289797B (zh) | 用于测试无人驾驶车辆的方法和装置 | |
KR102201506B1 (ko) | 테스트 벤치에서의 시운전을 수행하기 위한 방법 | |
US20160012163A1 (en) | Method and apparatus for driving simulation of vehicle | |
DE102019102205A1 (de) | System und verfahren zur end-to-end-validierung von autonomen fahrzeugen | |
JP2017522212A (ja) | 車両のエネルギー効率を分析するためのシステムおよび方法 | |
US20210171050A1 (en) | System for evaluating vehicle performance | |
JP2017522213A (ja) | 自動車特に自動車の装置のエネルギー効率を分析するためのシステムおよび方法 | |
CN109357900B (zh) | 一种确定机械电子设备的测试体系的方法和系统 | |
DE102021101426A1 (de) | Erkennung von fahrzeugbetriebsbedingungen | |
Solmaz et al. | A novel testbench for development, calibration and functional testing of ADAS/AD functions | |
DE102018132408A1 (de) | Verbesserte dienstqualität für ein plug-and-play-fahrzeug-eco-system | |
CN113511215B (zh) | 一种混合自动驾驶决策方法、设备及计算机存储介质 | |
CN116685924A (zh) | 用于自主车辆上下文中的模拟支持的地图质量保证的系统和方法 | |
CN116266248A (zh) | 用于生成和模拟车辆事件和数据的系统和方法 | |
DE102016216778A1 (de) | Verfahren zum Betrieb einer Thermomanagementvorrichtung einer Traktionsbatterie eines Kraftfahrzeugs | |
CN116048055A (zh) | 车辆故障检测方法、装置和存储介质 | |
CN115309074A (zh) | 一种自动驾驶仿真测试方法、装置、仿真设备及储存介质 | |
CN115129027A (zh) | 一种用于智能驾驶的自动化评估方法及装置 | |
CN114764392A (zh) | 用于确定交通场景相似度值的计算机实现方法和测试单元 | |
Sundaravadivelu et al. | Analysis of vehicle dynamics using co-simulation of AVL-CRUISE and CarMaker in ETAS RT environment | |
Di Russo et al. | Experimental evaluation of longitudinal control for automated vehicles through vehicle-in-the-loop testing | |
Pariota et al. | Motivating the need for an integrated software architecture for connected and automated vehicles technologies development and testing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |