CN116450506A - 一种高级驾驶辅助系统智能化水平评价方法及装置 - Google Patents
一种高级驾驶辅助系统智能化水平评价方法及装置 Download PDFInfo
- Publication number
- CN116450506A CN116450506A CN202310313412.XA CN202310313412A CN116450506A CN 116450506 A CN116450506 A CN 116450506A CN 202310313412 A CN202310313412 A CN 202310313412A CN 116450506 A CN116450506 A CN 116450506A
- Authority
- CN
- China
- Prior art keywords
- test
- score
- item
- evaluation
- total
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 120
- 238000012360 testing method Methods 0.000 claims abstract description 344
- 230000006870 function Effects 0.000 claims abstract description 157
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract 32
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract 32
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract 32
- 238000004364 calculation method Methods 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 11
- 238000011161 development Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种高级驾驶辅助系统智能化水平评价方法及装置,涉及汽车智能化水平评价技术领域,其中,智能化水平评价方法包括:基于ADAS功能的客观测试得分、主观评价得分及对应的权重,逐一计算出每个ADAS功能的评价总分;将所有的ASAD功能划分为不同的种类,并将不同种类的ADAS功能设置相应的权重;基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。本发明使高级驾驶辅助智能化水平的评价更加准确、合理,对车辆的高级驾驶辅助系统的智能化水平进行全面的综合评价。
Description
技术领域
本发明涉及汽车智能化水平评价技术领域,具体涉及一种高级驾驶辅助系统智能化水平评价方法及装置。
背景技术
随着技术的不断进步,车辆高级驾驶辅助系统功能越来越多,如自动紧急制动辅助系统(AEB)、自适应巡航系统(ACC)、车道保持辅助系统(LKA)、智能泊车辅助系统(APA)、交通拥堵辅助系统(TJA)等,车辆高级驾驶辅助系统功能增多,但是并不意味着车辆的智能化水平就会越高,如何评价车辆高级驾驶辅助系统的智能化水平是需要立刻解决的问题。
虽然行业上也出现了部分针对单个高级驾驶辅助系统功能测试评价的方法,但是单个功能的好坏并不能完全体现车辆高级驾驶辅助系统的整体智能化水平,同时传统测试评价的方法在对单个功能进行评价时,均以客观测试数据为主,缺少主观评价,评价结果不够准确、合理。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种高级驾驶辅助系统智能化水平评价方法及装置,使高级驾驶辅助智能化水平的评价更加准确、合理,对车辆的高级驾驶辅助系统的智能化水平进行全面的综合评价。
为达到以上目的,本发明采取的技术方案是:
基于ADAS功能的客观测试得分、主观评价得分及对应的权重,逐一计算出每个ADAS功能的评价总分;
将所有的ASAD功能划分为不同的种类,并将不同种类的ADAS功能设置相应的权重;
基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
在上述技术方案的基础上,所述ADAS功能的评价总分的具体计算步骤包括:
获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
计算单个ADAS功能的评价总分,计算公式为:
S=K×a+Z×b
其中,S为单个ADAS功能的评价总分,K为ADAS功能的客观测试得分,a为ADAS功能客观测试得分对应的权重,Z为ADAS功能的主观评价得分,b为ADAS功能主观评价得分对应的权重。
在上述技术方案的基础上,所述ADAS功能的客观测试得分的具体计算步骤包括:
获取ADAS功能的必测项目得分和选测项目得分;
计算单个ADAS功能的客观测试得分,计算公式为:
K=B+X
其中,B为客观测试中的必测项目得分,X为客观测试中的选测项目得分。
在上述技术方案的基础上,所述必测项目得分和选测项目得分的具体计算步骤为:
获取必测项目和选测项目的测试用例得分及测试用例所对应的权重;
计算必测项目得分,计算公式为:
其中,y为必测项目中测试用例的序号,n为必测项目中测试用例的总数,M1y为必测项目中第y个测试用例的得分,c1y为必测项目中第y个测试用例所对应的权重;
计算选测项目得分,计算公式为:
其中,x为选测项目中测试用例的序号,m为选测项目中测试用例的总数,M2x为选测项目中第x个测试用例的得分,c2x为选测项目中第x个测试用例所对应的权重。
在上述技术方案的基础上,所述测试用例得分的具体计算步骤包括:
获取每个测试用例所对应测试场景的满分值及其对应的得分率;
计算必测项目中测试用例的得分,计算公式为:
其中,i为必测项目中第y个测试用例测试场景的序号,u为必测项目中第y个测试用例测试场景的总数,D1i为必测项目中第y个测试用例的第i个测试场景的满分值,d1i为必测项目中第y个测试用例的第i个测试场景的得分率;
计算选测项目中测试用例的得分,计算公式为:
其中,j为选测项目中第x个测试用例测试场景的序号,v为选测项目中第x个测试用例测试场景的总数,D2j为选测项目中第x个测试用例的第j个测试场景的满分值,d2j为选测项目中第x个测试用例的第j个测试场景的得分率。
在上述技术方案的基础上,所述测试场景的得分率的计算步骤包括:
获取必测项目和选测项目中场景测试的测试总数量和未通过的场景测试数量;
计算必测项目中测试用例的测试场景得分率,计算公式为:
其中,N1test为必测项目中第y个测试用例的第i个测试场景的测试总数,N1failure为必测项目中第y个测试用例的第i个测试场景未通过的测试数量;
计算选测项目中测试用例的测试场景得分率,计算公式为:
其中,N2test为选测项目中第x个测试用例的第j个测试场景的测试总数,N2failure为选测项目中第x个测试用例的第j个测试场景未通过的测试数量。
在上述技术方案的基础上,所述ADAS功能的主观评价得分的具体计算步骤包括:
获取一级指标所对应的一级指标权重、二级指标得分和二级指标所对应的二级指标权重,所述单个一级指标对应多个二级指标,且一级指标分为安全指标和体验指标;
计算ADAS功能的主观评价得分,计算公式为:
其中,o为安全指标所对应的二级指标编号,Ho为安全指标所对应的二级指标得分,fa为安全指标的权重,g为安全指标所对应的二级指标总数,p为体验指标所对应的二级指标编号,Hp为体验指标所对应的二级指标得分,h为验指标所对应的二级指标总数,fb为体验指标的权重。
在上述技术方案的基础上,所述车辆智能化水平总分具体计算步骤包括:
获取每个ADAS功能的评价总分及其所在类对应的权重;
计算车辆智能化水平总分,计算公式为:
其中,F为车辆智能化水平总分,t为ADAS功能编号,r为ADAS功能的总个数,St为第t个ADAS功能的评价总得分,qt为第t个ADAS所在类对应的权重。
在上述技术方案的基础上,在基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分之后,还包括:
根据功能开发难度及功能实际应用作用程度,若车辆装备了安全类、横纵同时控制类或横或纵向控制类功能,则对车辆评价进行相应的加分。
本发明还提供一种高级驾驶辅助系统智能化水平评价装置,包括:
获取模块,其用于获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
判断模块,其用于判断ASAD功能属于哪一种类别;
计算模块,其用于基于所述获取模块获取得到的ADAS功能的客观测试得分、主观评价得分及对应的权重计算出每个ADAS功能的评价总分,并基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
与现有技术相比,本发明的优点在于:
本发明提供一种高级驾驶辅助系统智能化水平评价方法,首先对单个功能进行客观测试及主观评价,其次进一步构建高级驾驶辅助系统智能化水平综合评价体系,使高级驾驶辅助智能化水平的评价更加准确、合理,对车辆的高级驾驶辅助系统的智能化水平进行全面的综合评价,为企业产品开发、客户产品购买等提供可靠的依据。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种高级驾驶辅助系统智能化水平评价方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。
参见图1所示,本发明实施例提供一种高级驾驶辅助系统智能化水平评价方法,其特征在于,包括以下步骤:
S1:基于ADAS功能的客观测试得分、主观评价得分及对应的权重,逐一计算出每个ADAS功能的评价总分;
S2:将所有的ASAD功能划分为不同的种类,并将不同种类的ADAS功能设置相应的权重;
S3:基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
即计算机基于ADAS(Advanced DrivingAssistance System,高级驾驶辅助系统)功能的客观测试得分、主观评价得分以及ADAS功能的客观测试得分、主观评价得分所对应的权重,逐一计算出每一项ADAS功能的评价总分,本实施例中,每一项ADAS功能的客观测试得分的权重为0.90,每一项ADAS功能的主观评价得分的权重为0.10;然后将所有的ASAD功能划分为不同的种类,并将不同的种类的ADAS功能设置相应的权重,本实施例中将所有的ADAS功能划分为安全类、非安全双向(横纵)控制类、非安全单向(横向或纵向)控制类和预警类四个种类,并将安全类的权重设置为0.37,非安全双向(横纵)控制类的权重设置为0.25,非安全单向(横向或纵向)控制类的权重设置为0.23以及预警类的权重设置为0.15;再根据计算得到的所有ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
本发明中,所述ADAS功能的评价总分的具体计算步骤包括:
S101:获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
S102:计算单个ADAS功能的评价总分,计算公式为:
S=K×a+Z×b
其中,S为单个ADAS功能的评价总分,K为ADAS功能的客观测试得分,a为ADAS功能客观测试得分对应的权重,Z为ADAS功能的主观评价得分,b为ADAS功能主观评价得分对应的权重。
即单个ADAS功能的评价总分的具体计算步骤为先获取该ADAS功能的客观测试得分、主观评价得分以及客观测试得分、主观评价得分所对应的权重,用公式S=K×a+Z×b计算单个ADAS功能的评价总分。以ADAS功能中的AEB(Autonomous Emergency Braking,自动制动系统)功能为例,如表1所示,本实施例中a为0.90,b为0.10。
表1自动紧急制动系统(AEB)评价方法
序号 | 得分项名称 | 权重 |
1 | 客观测试 | 0.90 |
2 | 主观评价 | 0.10 |
本发明中,所述ADAS功能的客观测试得分的具体计算步骤包括:
获取ADAS功能的必测项目得分和选测项目得分;
计算单个ADAS功能的客观测试得分,计算公式为:
K=B+X
其中,B为客观测试中的必测项目得分,X为客观测试中的选测项目得分。
即单个ADAS功能的客观测试得分的具体计算步骤为先获取该ADAS功能的必测项目得分和选测项目得分,然后用公式K=B+X计算出该ADAS功能的客观测试得分。
本发明中,所述必测项目得分和选测项目得分的具体计算步骤为:
获取必测项目和选测项目的测试用例得分及测试用例所对应的权重;
计算必测项目得分,计算公式为:
其中,y为必测项目中测试用例的序号,n为必测项目中测试用例的总数,M1y为必测项目中第y个测试用例的得分,c1y为必测项目中第y个测试用例所对应的权重;
计算选测项目得分,计算公式为:
其中,x为选测项目中测试用例的序号,m为选测项目中测试用例的总数,M2x为选测项目中第x个测试用例的得分,c2x为选测项目中第x个测试用例所对应的权重。
即单个ADAS功能的客观测试得分是由对应的必测项目得分和选测项目得分计算得到的,必测项目得分和选测项目得分的计算步骤为获取必测项目和选测项目的测试用例得分及测试用例所对应的权重,然后用公式计算出必测项目得分,用公式/>计算出选测项目得分。
如表2所示,AEB功能的客观测试得分由必测项目得分、选测项目得分及其相应的权重计算得到;本实施例中AEB功能的必测项目中,测试用例按顺序依次是目标为车辆、目标为行人、目标为行人和系统误作用,第一个测试用例的权重为0.2336、第二个测试用例的权重为0.2565,第三个测试用例的权重为0.3254,第四个测试用例的权重为0.1845;AEB功能的选测项目中,测试用例按顺序依次是夜间AEB、日间直道车辆切入、弯道CCR、有遮挡行人横穿、正面碰撞经过车辆和正面碰撞经过行人,第一个测试用例权重为0.1569,第二个测试用例权重为0.107,第三个测试用例权重为0.135,第四个测试用例权重为0.2172,第五个测试用例权重为0.1666,第六个测试用例权重为0.2172;
表2 AEB功能客观测试评分表
本发明中,所述测试用例得分的具体计算步骤包括:
获取每个测试用例所对应测试场景的满分值及其对应的得分率;
计算必测项目中测试用例的得分,计算公式为:
其中,i为必测项目中第y个测试用例测试场景的序号,u为必测项目中第y个测试用例测试场景的总数,D1i为必测项目中第y个测试用例的第i个测试场景的满分值,d1i为必测项目中第y个测试用例的第i个测试场景的得分率;
计算选测项目中测试用例的得分,计算公式为:
其中,j为选测项目中第x个测试用例测试场景的序号,v为选测项目中第x个测试用例测试场景的总数,D2j为选测项目中第x个测试用例的第j个测试场景的满分值,d2j为选测项目中第x个测试用例的第j个测试场景的得分率。
即必测项目得分和选测项目得分都是有对应的测试用例得分和对应的权重计算得到,测试用例的得分具体计算步骤为获取每个测试用例所对应测试场景的满分值及其对应的得分率,用公式计算出必测项目中第y个测试用例的得分,用公式计算出选测项目中第x个测试用例的得分。其中,测试场景满分值为固定的已知值,测试场景的得分率需要计算得到。
如表2所示,本实施例中AEB功能的必测项目中第一个测试用例中包含了三种工况,每种工况又包含了多种测试场景,第一个测试用例中共有12个测试场景,在计算AEB功能的必测项目中第一个测试用例得分时,公式中,y为1,u为12。
本发明中,所述测试场景的得分率的计算步骤包括:
获取必测项目和选测项目中场景测试的测试总数量和未通过的场景测试数量;
计算必测项目中测试用例的测试场景得分率,计算公式为:
其中,N1test为必测项目中第y个测试用例的第i个测试场景的测试总数,N1failure为必测项目中第y个测试用例的第i个测试场景未通过的测试数量;
计算选测项目中测试用例的测试场景得分率,计算公式为:
其中,N2test为选测项目中第x个测试用例的第j个测试场景的测试总数,N2failure为选测项目中第x个测试用例的第j个测试场景未通过的测试数量。
即测试场景对应的得分率的具体计算步骤为获取必测项目中场景测试的测试总数量和未通过的场景测试数量,以及选测项目中场景测试的测试总数量和未通过的场景测试数量,用公式计算出必测项目中第y个测试用例的第i个测试场景的得分率,用公式/>计算出选测项目中第x个测试用例的第j个测试场景的得分率。
本发明中,所述ADAS功能的主观评价得分的具体计算步骤包括:
获取一级指标所对应的一级指标权重、二级指标得分和二级指标所对应的二级指标权重,所述单个一级指标对应多个二级指标,且一级指标分为安全指标和体验指标;
计算ADAS功能的主观评价得分,计算公式为:
其中,o为安全指标所对应的二级指标编号,Ho为安全指标所对应的二级指标得分,fa为安全指标的权重,g为安全指标所对应的二级指标总数,p为体验指标所对应的二级指标编号,Hp为体验指标所对应的二级指标得分,h为验指标所对应的二级指标总数,fb为体验指标的权重。
即单个ADAS功能的主观评价得分的具体计算步骤为获取一级指标所对应的一级指标权重、二级指标得分和二级指标所对应的二级指标权重,所述单个一级指标对应多个二级指标,且一级指标分为安全指标和体验指标,用公式计算出单个ADAS功能的主观评价得分。
如表3所示,一级指标分为安全指标和体验指标,安全指标的权重为90%,体验指标的权重为10%;安全指标对应的二级指标有准确性、智能度、使用便利性、和失效,二级指标准确性的权重为30%,二级指标智能度的权重为30%,二级指标使用便利性的权重为20%,二级指标失效的权重为20%,体验指标所对应的二级指标以及二级指标对应的权重以此类推。
表3主观评价分数计算
本发明中,所述车辆智能化水平总分具体计算步骤包括:
获取每个ADAS功能的评价总分及其所在类对应的权重;
计算车辆智能化水平总分,计算公式为:
其中,F为车辆智能化水平总分,t为ADAS功能编号,r为ADAS功能的总个数,St为第t个ADAS功能的评价总得分,qt为第t个ADAS所在类对应的权重。
即车辆智能化水平总分具体计算步骤为获取所有ADAS功能的评价总分以及ADAS功能所在种类对应的权重,用公式计算出车辆智能化水平总分。
如表4所示,为汽车ADAS功能的四种分类,以及不同分类对应的权重。如表5所示,为所有ADAS功能所在的种类。
表4智能网联汽车L0-L2级别的智能化水平综合评价方法
序号 | 分类 | 权重 |
1 | 安全类 | 0.37 |
2 | 非安全双向(横纵)控制类 | 0.25 |
3 | 非安全单向(横向或纵向)控制类 | 0.23 |
4 | 预警类 | 0.15 |
表5功能分类
本发明中,在基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分之后,还包括:
根据功能开发难度及功能实际应用作用程度,若车辆装备了安全类、横纵同时控制类或横或纵向控制类功能,则对车辆评价进行相应的加分。
即在基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分之后,还要考虑功能开发难度及功能实际应用作用程度对车辆评价进行相应的加分,如果车辆装备了安全类功能、横纵同时控制类或者横或纵向控制类功能,则对车辆智能化水平总分进行加分。本实施例中,若车辆装备了安全类功能则车辆智能化水平总分额外加2分,若车辆装备了横纵同时控制类功能则额外加1.5分,若车辆装备了横或纵向控制类功能则额外加1分。
在一种可能的实施方式中,本发明实施例还提供一种可读存储介质,可读存储介质位于PLC(Programmable Logic Controller,可编程逻辑控制器)控制器中,可读存储介质上存储有计算机程序,该程序被处理器执行时实现以下所述高级驾驶辅助系统智能化水平评价方法的步骤:
基于ADAS功能的客观测试得分、主观评价得分及对应的权重,逐一计算出每个ADAS功能的评价总分;
将所有的ASAD功能划分为不同的种类,并将不同种类的ADAS功能设置相应的权重;
基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
本发明中,在VCU采集得到历史油门信号值之后,还包括:将采集得到的历史油门信号值进行滤波处理。
存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明还提供一种高级驾驶辅助系统智能化水平评价装置,包括:
获取模块,其用于获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
判断模块,其用于判断ASAD功能属于哪一种类别;
计算模块,其用于基于所述获取模块获取得到的ADAS功能的客观测试得分、主观评价得分及对应的权重计算出每个ADAS功能的评价总分,并基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
即本发明还提供一种高级驾驶辅助系统智能化水平评价装置,包括获取模块、判断模块和计算模块;所述获取模块用于获取ADAS功能的客观测试得分、主观评价得分以及客观测试得分、主观评价得分对应的权重,所述判断模块用于判断每一项ASAD功能属于安全类、非安全双向(横纵)控制类、非安全单向(横向或纵向)控制类和预警类中的哪一种类别;所述计算模块用于基于所述获取模块获取得到的ADAS功能的客观测试得分、主观评价得分及对应的权重计算出每个ADAS功能的评价总分,并基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
Claims (10)
1.一种高级驾驶辅助系统智能化水平评价方法,其特征在于,包括以下步骤:
基于ADAS功能的客观测试得分、主观评价得分及对应的权重,逐一计算出每个ADAS功能的评价总分;
将所有的ASAD功能划分为不同的种类,并将不同种类的ADAS功能设置相应的权重;
基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
2.如权利要求1所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述ADAS功能的评价总分的具体计算步骤包括:
获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
计算单个ADAS功能的评价总分,计算公式为:
S=K×a+Z×b
其中,S为单个ADAS功能的评价总分,K为ADAS功能的客观测试得分,a为ADAS功能客观测试得分对应的权重,Z为ADAS功能的主观评价得分,b为ADAS功能主观评价得分对应的权重。
3.如权利要求2所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述ADAS功能的客观测试得分的具体计算步骤包括:
获取ADAS功能的必测项目得分和选测项目得分;
计算单个ADAS功能的客观测试得分,计算公式为:
K=B+X
其中,B为客观测试中的必测项目得分,X为客观测试中的选测项目得分。
4.如权利要求3所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述必测项目得分和选测项目得分的具体计算步骤为:
获取必测项目和选测项目的测试用例得分及测试用例所对应的权重;
计算必测项目得分,计算公式为:
其中,y为必测项目中测试用例的序号,n为必测项目中测试用例的总数,M1y为必测项目中第y个测试用例的得分,c1y为必测项目中第y个测试用例所对应的权重;
计算选测项目得分,计算公式为:
其中,x为选测项目中测试用例的序号,m为选测项目中测试用例的总数,M2x为选测项目中第x个测试用例的得分,c2x为选测项目中第x个测试用例所对应的权重。
5.如权利要求4所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述测试用例得分的具体计算步骤包括:
获取每个测试用例所对应测试场景的满分值及其对应的得分率;
计算必测项目中测试用例的得分,计算公式为:
其中,i为必测项目中第y个测试用例测试场景的序号,u为必测项目中第y个测试用例测试场景的总数,D1i为必测项目中第y个测试用例的第i个测试场景的满分值,d1i为必测项目中第y个测试用例的第i个测试场景的得分率;
计算选测项目中测试用例的得分,计算公式为:
其中,j为选测项目中第x个测试用例测试场景的序号,v为选测项目中第x个测试用例测试场景的总数,D2j为选测项目中第x个测试用例的第j个测试场景的满分值,d2j为选测项目中第x个测试用例的第j个测试场景的得分率。
6.如权利要求5所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述测试场景的得分率的计算步骤包括:
获取必测项目和选测项目中场景测试的测试总数量和未通过的场景测试数量;
计算必测项目中测试用例的测试场景得分率,计算公式为:
其中,N1test为必测项目中第y个测试用例的第i个测试场景的测试总数,N1failure为必测项目中第y个测试用例的第i个测试场景未通过的测试数量;
计算选测项目中测试用例的测试场景得分率,计算公式为:
其中,N2test为选测项目中第x个测试用例的第j个测试场景的测试总数,N2failure为选测项目中第x个测试用例的第j个测试场景未通过的测试数量。
7.如权利要求2所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述ADAS功能的主观评价得分的具体计算步骤包括:
获取一级指标所对应的一级指标权重、二级指标得分和二级指标所对应的二级指标权重,所述单个一级指标对应多个二级指标,且一级指标分为安全指标和体验指标;
计算ADAS功能的主观评价得分,计算公式为:
其中,o为安全指标所对应的二级指标编号,Ho为安全指标所对应的二级指标得分,fa为安全指标的权重,g为安全指标所对应的二级指标总数,p为体验指标所对应的二级指标编号,Hp为体验指标所对应的二级指标得分,h为验指标所对应的二级指标总数,fb为体验指标的权重。
8.如权利要求1所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,所述车辆智能化水平总分具体计算步骤包括:
获取每个ADAS功能的评价总分及其所在类对应的权重;
计算车辆智能化水平总分,计算公式为:
其中,F为车辆智能化水平总分,t为ADAS功能编号,r为ADAS功能的总个数,St为第t个ADAS功能的评价总得分,qt为第t个ADAS所在类对应的权重。
9.如权利要求1所述的一种高级驾驶辅助系统智能化水平评价方法,其特征在于,在基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分之后,还包括:
根据功能开发难度及功能实际应用作用程度,若车辆装备了安全类、横纵同时控制类或横或纵向控制类功能,则对车辆评价进行相应的加分。
10.一种高级驾驶辅助系统智能化水平评价装置,其特征在于,包括:
获取模块,其用于获取ADAS功能的客观测试得分、主观评价得分及对应的权重;
判断模块,其用于判断ASAD功能属于哪一种类别;
计算模块,其用于基于所述获取模块获取得到的ADAS功能的客观测试得分、主观评价得分及对应的权重计算出每个ADAS功能的评价总分,并基于计算得到的ADAS功能的评价总分及其所在类对应的权重计算出车辆智能化水平总分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313412.XA CN116450506A (zh) | 2023-03-28 | 2023-03-28 | 一种高级驾驶辅助系统智能化水平评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310313412.XA CN116450506A (zh) | 2023-03-28 | 2023-03-28 | 一种高级驾驶辅助系统智能化水平评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450506A true CN116450506A (zh) | 2023-07-18 |
Family
ID=87134857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310313412.XA Pending CN116450506A (zh) | 2023-03-28 | 2023-03-28 | 一种高级驾驶辅助系统智能化水平评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450506A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314532A (zh) * | 2023-09-21 | 2023-12-29 | 广东数鼎科技有限公司 | 一种基于消费者感知的汽车智能水平评价方法及装置 |
-
2023
- 2023-03-28 CN CN202310313412.XA patent/CN116450506A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314532A (zh) * | 2023-09-21 | 2023-12-29 | 广东数鼎科技有限公司 | 一种基于消费者感知的汽车智能水平评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Application of microscopic simulation model calibration and validation procedure: Case study of coordinated actuated signal system | |
CN106530717B (zh) | 基于云模型的施工路段行车险态评价方法 | |
JP2019202778A (ja) | 走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体 | |
CN103593973B (zh) | 一种城市道路交通态势评估系统 | |
CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
Goyani et al. | Investigation of crossing conflicts by vehicle type at unsignalized T-intersections under varying roadway and traffic conditions in India | |
CN111785023A (zh) | 一种车辆碰撞风险预警方法及系统 | |
CN112258830B (zh) | 车辆编队行驶的可靠性评估方法及其应用 | |
CN111695241A (zh) | 一种基于vissim仿真的左入匝道合流区加速车道长度确定方法 | |
KR20200013274A (ko) | 도로 안전성 평가 방법 및 이를 수행하기 위한 장치 | |
Zhou et al. | Development of traffic safety evaluation method based on simulated conflicts at signalized intersections | |
CN116450506A (zh) | 一种高级驾驶辅助系统智能化水平评价方法及装置 | |
Luo et al. | Research of Vehicle Rear‐End Collision Model considering Multiple Factors | |
CN113592221B (zh) | 基于安全替代评价指标的道路路段风险动态评估方法 | |
KR102088369B1 (ko) | 도로 설계 평가 방법 및 이를 수행하기 위한 장치 | |
Miqdady et al. | In search of severity dimensions of traffic conflicts for different simulated mixed fleets involving connected and autonomous vehicles | |
Paul | Safety assessment at unsignalized intersections using post-encroachment time’s threshold—a sustainable solution for developing countries | |
Ramezani-Khansari et al. | [Retracted] Estimating Lane Change Duration for Overtaking in Nonlane‐Based Driving Behavior by Local Linear Model Trees (LOLIMOT) | |
CN116461546A (zh) | 车辆预警方法、装置、存储介质和处理器 | |
Zhang et al. | Driving risk assessment in work zones using cloud model | |
CN113095584B (zh) | 一种基于交通流特征的交叉口安全水平短时预测方法、系统、终端及可读存储介质 | |
CN116997890A (zh) | 生成未知不安全场景、改进自动交通工具、计算机系统 | |
Gaca et al. | Analyses of headways for assessment of risk rear-end collision | |
CN113160546A (zh) | 一种危险路段的识别方法及装置 | |
Arun Sagar et al. | Prediction of passing probability and risk evaluation along undivided road under heterogeneous traffic |
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 |