CN116611268B - 一种基于多交通场景的车辆在环仿真测试系统及方法 - Google Patents
一种基于多交通场景的车辆在环仿真测试系统及方法 Download PDFInfo
- Publication number
- CN116611268B CN116611268B CN202310888269.7A CN202310888269A CN116611268B CN 116611268 B CN116611268 B CN 116611268B CN 202310888269 A CN202310888269 A CN 202310888269A CN 116611268 B CN116611268 B CN 116611268B
- Authority
- CN
- China
- Prior art keywords
- test
- vehicle
- road
- braking
- module
- 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 839
- 238000004088 simulation Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims description 83
- 238000007405 data analysis Methods 0.000 claims description 35
- 238000007667 floating Methods 0.000 claims description 32
- 230000007613 environmental effect Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 239000004568 cement Substances 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多交通场景的车辆在环仿真测试系统及方法,属于车辆领域,用于解决当前车辆测试没有将实操测试数据与仿真模拟数据进行良性结合的问题,包括仿真测试模块、道路分析模块、环境分析模块、车辆分析模块和测试比对模块,所述环境分析模块用于对测试道路所在地的环境情况进行分析,所述道路分析模块用于对测试车辆所在测试道路的道路情况进行分析,所述车辆分析模块用于对测试车辆的车辆情况进行分析所述仿真测试模块用于对测试车辆在指定行驶速度下进行仿真测试,所述测试比对模块用于将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,本发明将实操测试数据与仿真模拟数据智能融合以提升车辆测试的准确性。
Description
技术领域
本发明属于汽车领域,涉及在环仿真测试,具体是一种基于多交通场景的车辆在环仿真测试系统。
背景技术
在汽车行业中,驾驶员、乘客和行人的人身安全至关重要,随着技术的发展,出现了车辆的在环测试方法,车辆在环仿真测试,可重现道路试验中存在安全隐患的试验场景,并在不同虚拟或真实场景中测试智能驾驶功能。
现有的技术中,车辆在正式投入使用前,通常需要花费大量时间对车辆的各种性能进行测试,例如车辆的制动性能,针对车辆制动性能的主流测试方式为实操测试和线上虚拟测试,但是当下两种主流测试方式呈现出分割状态,没有将实操测试数据与仿真模拟数据进行良性结合以提升车辆测试的准确性,针对现有技术存在的不足,我们提出一种基于多交通场景的车辆在环仿真测试系统及方法。
发明内容
本发明所要解决的技术问题为:
如何实现实操测试数据与仿真模拟数据的智能融合以提升车辆测试的准确性。
本发明的目的可以通过以下技术方案实现:
第一方面,一种基于多交通场景的车辆在环仿真测试系统,包括仿真测试模块、数据采集模块、车辆信息采集模块、道路分析模块、环境分析模块、车辆分析模块、数据分析模块、测试比对模块、综合测试模块、数据库和车辆扫描模块。
所述车辆扫描模块用于对车辆识别区域内测试车辆的车型进行识别,数据库用于依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块。
所述数据采集模块用于采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息;所述车辆信息采集模块用于获取测试车辆测试时的车辆状态信息并发送至车辆分析模块和仿真测试模块。
所述环境分析模块用于对测试道路所在地的环境情况进行分析,得到测试道路所在地的环境干扰值发送至数据分析模块;所述道路分析模块用于对测试车辆所在测试道路的道路情况进行分析,得到测试车辆所在测试道路的道路干扰值发送至数据分析模块;所述车辆分析模块用于对测试车辆的车辆情况进行分析,得到测试车辆的车辆干扰值发送至数据分析模块;所述数据分析模块用于对测试车辆测试时的干扰因素进行分析,得到测试车辆在不同测试道路上测试时的测试干扰值发送至数据库,数据库依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块。
所述仿真测试模块用于对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据;所述车辆信息采集模块还用于多次采集测试车辆实际测试的实时测试制动数据并发送至综合测试模块。
所述综合测试模块用于对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块,所述测试比对模块用于将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,生成测试偏差信号或测试正常信号反馈至管理终端,所述管理终端接收到测试偏差信号或测试正常信号后用于对测试车辆的测试情况进行查看。
进一步地,测试道路信息为每条测试道路的测试时长,测试道路中每个坡道的上坡度和下坡度,以及测试道路中每个弯道的弯曲度;测试道路为测试车辆测试时所行驶的交通道路。
实时环境信息为在测试时长内测试道路所在地的空气阻力和能见度。
实时道路信息为在测试时长内测试道路的路面摩擦力和路面含水率;车辆状态信息为测试车辆上每组刹车片的刹车片厚度,以及每组轮胎的防滑力度、轮胎宽度;仿真测试制动数据为测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真制动距离。
实时测试制动数据为实际测试过程中在不同测试道路中测试车辆的实际制动时长和实际制动距离。
进一步地,所述环境分析模块的分析过程具体如下:
获取测试车辆的测试时长,并在测试时长在设定若干个时间点。
获取在若干个时间点时测试道路所在地的空气阻力,遍历比对在若干个时间点时测试道路所在地的空气阻力,得到测试道路所在地的最大空气阻力;而后获取在若干个时间点时测试道路所在地的能见度,遍历比对在若干个时间点时测试道路所在地的能见度,得到测试道路所在地的最小能见度;计算测试道路所在地的环境干扰值。
进一步地,所述道路分析模块的分析过程具体如下:
获取测试车辆所在测试道路的路面含水率和路面摩擦力;获取测试车辆所在测试道路中每个坡道的上坡度和下坡度,每个坡道的上坡度相加求取均值得到测试车辆所在测试道路中上坡的平均上坡度,同理,得到测试车辆所在测试道路中下坡的平均下坡度;而后获取测试车辆所在测试道路中每个弯道的弯曲度,每个弯道的弯曲度相加求和取均值得到测试车辆所在测试道路中弯道的平均弯曲度;计算测试车辆所在测试道路的道路干扰值。
进一步地,所述车辆分析模块的分析过程具体如下:
获取测试车辆每组刹车片的刹车片厚度,遍历比对每组刹车片的刹车片厚度,取最小值作为测试车辆的测试刹车片厚度;而后获取测试车辆上每组轮胎的防滑力度和轮胎宽度,遍历比对每组轮胎的防滑力度,取最小值作为测试车辆的轮胎防滑力度;将测试车辆上每组轮胎的轮胎宽度相加求和取均值得到测试车辆的平均轮胎宽度;计算测试车辆的车辆干扰值。
进一步地,所述数据分析模块的分析过程具体如下:
获取测试车辆所在测试道路的道路干扰值、测试道路所在地的环境干扰值和测试车辆的车辆干扰值;计算测试车辆在不同测试道路上测试时的测试干扰值。
进一步地,测试干扰值区间包括第一测试干扰值区间、第二测试干扰值区间和第三测试干扰值区间;第一测试干扰值区间的右端点小于或等于第二测试干扰值区间的左端点,第二测试干扰值区间的右端点小于或等于第三测试干扰值区间的左端点;第一测试干扰值区间对应的误差浮动系数为±α1,第二测试干扰值区间对应的误差浮动系数为±α2,第二测试干扰值区间对应的误差浮动系数为±α3,0<|α1|<|α2|<|α3|。
进一步地,所述综合测试模块的综合分析过程具体如下:
获取测试车辆每次实际测试时在不同测试道路中的实际制动时长和实际制动距离;每次实际测试时在不同测试道路中的实际制动时长相加求和取均值,得到测试车辆实际测试时在不同测试道路中的实际制动时长;同理,每次实际测试时在不同测试道路中的实际制动距离相加求和取均值,得到测试车辆实际测试时在不同测试道路中的制动距离。
进一步地,所述测试比对模块的比对过程具体如下:
获取测试车辆的实际测试制动数据,得到测试车辆实际测试时在不同测试道路中的实际制动时长和实际制动距离;同时,获取测试车辆的仿真测试制动数据,得到测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真距离;选取相同测试道路中测试车辆的仿真制动时长区间和实际制动时长;计算测试车辆仿真测试与实际测试的制动时长偏差系数;同理,计算得到测试车辆仿真测试与实际测试的制动距离偏差系数;获取测试车辆对应的误差浮动系数;若制动时长偏差系数和制动距离偏差系数均处于误差浮动系数之内,则比对下一测试道路,直至比对完所有测试道路后生成测试正常信号;若制动时长偏差系数或制动距离偏差系数不处于误差浮动系数之内,则生成测试偏差信号。
第二方面,一种基于多交通场景的车辆在环仿真测试方法,方法具体如下:
步骤S10,车辆扫描模块对车辆识别区域内测试车辆的车型进行识别,数据库依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块。
步骤S20,数据采集模块采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息,车辆信息采集模块获取测试车辆测试时的车辆状态信息。
步骤S30,环境分析模块对测试道路所在地的环境情况进行分析,分析得到测试道路所在地的环境干扰值发送至数据分析模块。
步骤S40,道路分析模块对测试车辆所在测试道路的道路情况进行分析,分析得到测试车辆所在测试道路的道路干扰值发送至数据分析模块。
步骤S50,车辆分析模块对测试车辆的车辆情况进行分析,得到测试车辆的车辆干扰值发送至数据分析模块。
步骤S60,数据分析模块对测试车辆测试时的干扰因素进行分析,并将测试车辆在不同测试道路上测试时的测试干扰值发送至数据库,数据库依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块。
步骤S70,仿真测试模块对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据,同时车辆信息采集模块还多次采集测试车辆实际测试的实时测试制动数据,并将实时测试制动数据发送至综合测试模块。
步骤S80,综合测试模块对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块。
步骤S90,测试比对模块将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,比对生成测试偏差信号或测试正常信号反馈至管理终端,管理终端对测试车辆的测试情况进行查看。
与现有技术相比,本发明的有益效果是:
本发明首先通过环境分析模块对测试道路所在地的环境情况进行分析,分析得到测试道路所在地的环境干扰值发送至数据分析模块,而后通过道路分析模块对测试车辆所在测试道路的道路情况进行分析,分析得到测试车辆所在测试道路的道路干扰值发送至数据分析模块,最后通过车辆分析模块对测试车辆的车辆情况进行分析,得到测试车辆的车辆干扰值发送至数据分析模块,进而利用数据分析模块对测试车辆测试时的干扰因素进行分析,并将测试车辆在不同测试道路上测试时的测试干扰值,依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块。
本发明通过仿真测试模块对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据,实际的,通过综合测试模块对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块,测试比对模块将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,比对生成测试偏差信号或测试正常信号,本发明实现车辆实操测试数据与车辆仿真模拟数据的智能化融合,从而大大提升了车辆测试准确性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图。
图2为本发明的工作流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一,请参阅图1所示,一种基于多交通场景的车辆在环仿真测试系统,系统包括仿真测试模块、数据采集模块、车辆信息采集模块、道路分析模块、环境分析模块、车辆分析模块、数据分析模块、测试比对模块、综合测试模块、数据库和车辆扫描模块。
在具体实施时,测试人员先将测试车辆驾驶至车辆识别区域,或者可以通过其他搬运手段将测试车辆移动至车辆识别区域;所述车辆扫描模块用于对车辆识别区域内测试车辆的车型进行识别,并将识别得到的测试车辆的车型发送至数据库,其中,测试车辆的车型主要为SUV和小轿车。
具体的,所述车辆扫描模块与数据库相连接,所述数据库用于存储不同车型的测试车辆对应的若干条测试道路以及若干条测试道路对应的测试道路信息,当通过车辆扫描模块扫描得到测试车辆的车型时,数据库用于依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块,其中,不同测试道路代表着不同的交通场景。
需要具体说明的是,测试道路信息为每条测试道路的测试时长,测试道路中每个坡道的上坡度和下坡度,以及测试道路中每个弯道的弯曲度;测试道路为测试车辆测试时所行驶的交通道路,测试道路具体分为水泥道路、柏油道路和泥泞道路,在具体实施时,水泥道路还可以进一步划分为上坡水泥道路、下坡水泥道路、平缓水泥道路,柏油道路和泥泞道路亦是如此。
在本实施例中,所述数据采集模块用于采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息,所述数据采集模块将实时环境信息发送至环境分析模块和仿真测试模块,所述数据采集模块将实时道路信息发送至道路分析模块和仿真测试模块;所述车辆信息采集模块用于获取测试车辆测试时的车辆状态信息,并将车辆状态信息发送至车辆分析模块和仿真测试模块。
需要具体解释的是,实时环境信息为在测试时长内测试道路所在地的空气阻力、能见度,实时道路信息为在测试时长内测试道路的路面摩擦力、路面含水率等;车辆状态信息为测试车辆上每组刹车片的刹车片厚度,以及每组轮胎的防滑力度、轮胎宽度等。
具体的,数据采集模块可以为设置在测试车辆上或测试道路上的传感器组件,以及设置在测试道路所在地的能见度检测仪、含水率测定仪等,同时,车辆信息采集模块具体可以为测试车辆上搭载的GPS定位仪、传感器组件等,同时车辆信息采集模块还可以为相关的测量仪器,在此不作具体限定。
在本实施例中,所述环境分析模块用于对测试道路所在地的环境情况进行分析,分析过程具体如下:
获取测试车辆i的测试时长,并在测试时长在设定若干个时间点,i=1,2,……,x,x为正整数;获取在若干个时间点时测试道路所在地的空气阻力,遍历比对在若干个时间点时测试道路所在地的空气阻力,得到测试道路所在地的最大空气阻力KZiu,u=1,2,……,z,z为正整数,u为测试道路的编号;而后获取在若干个时间点时测试道路所在地的能见度,遍历比对在若干个时间点时测试道路所在地的能见度,得到测试道路所在地的最小能见度NJiu;利用公式HGiu=(KZiu×a1)/(NJiu×a2)计算得到测试道路所在地的环境干扰值HGiu;式中,a1和a2均为固定数值的比例系数,且a1和a2的取值均大于零。
所述环境分析模块将测试道路所在地的环境干扰值发送至数据分析模块;在本实施例中,所述道路分析模块用于对测试车辆所在测试道路的道路情况进行分析,道路分析模块主要是将接收到的测试道路信息和实时道路信息进行量化分析,分析过程具体如下:
获取测试车辆所在测试道路的路面含水率,并将路面含水率标记为HSiu;而后获取测试车辆所在测试道路的路面摩擦力,并将路面摩擦力标记为MLiu;其中,为了测试的合理性,这里的路面含水率和路面摩擦力均为最大值;同时,获取测试车辆所在测试道路中每个坡道的上坡度和下坡度,每个坡道的上坡度相加求取均值得到测试车辆所在测试道路中上坡的平均上坡度SPiu,同理,得到测试车辆所在测试道路中下坡的平均下坡度XPiu;而后获取测试车辆所在测试道路中每个弯道的弯曲度,每个弯道的弯曲度相加求和取均值得到测试车辆所在测试道路中弯道的平均弯曲度WDiu。
通过公式计算得到测试车辆所在测试道路的道路干扰值DGiu,公式具体如下:
DGiu=(SPiu+XPiu+WDiu)×HSiu/MLiu。
所述道路分析模块将测试车辆所在测试道路的道路干扰值发送至数据分析模块。
进一步地,所述车辆分析模块用于对测试车辆的车辆情况进行分析,分析过程具体如下:
获取测试车辆每组刹车片的刹车片厚度,遍历比对每组刹车片的刹车片厚度,取最小值作为测试车辆的测试刹车片厚度SHi;而后获取测试车辆上每组轮胎的防滑力度和轮胎宽度,遍历比对每组轮胎的防滑力度,取最小值作为测试车辆的轮胎防滑力度LHi;将测试车辆上每组轮胎的轮胎宽度相加求和取均值得到测试车辆的平均轮胎宽度LKi;将测试刹车片厚度、轮胎防滑力度和平均轮胎宽度代入计算式CGi=e/(LHi+SHi+LKi)计算得到测试车辆的车辆干扰值CGi;式中,e为自然常数。
所述车辆分析模块将测试车辆的车辆干扰值发送至数据分析模块;所述数据分析模块用于对测试车辆测试时的干扰因素进行分析,分析过程具体如下:
获取上述计算得到测试车辆所在测试道路的道路干扰值DGiu、测试道路所在地的环境干扰值HGiu和测试车辆的车辆干扰值CGi;通过公式GRu=DGiu×b1+HGiu×b2+CGi×b3计算得到测试车辆在不同测试道路上测试时的测试干扰值GRu;式中,b1、b2和b3均为固定数值的权重系数,且1=b1+b2+b3。
所述数据分析模块将测试车辆在不同测试道路上测试时的测试干扰值发送至数据库,所述数据库还存储有车辆测试时的测试干扰值区间以及测试干扰值区间对应的误差浮动系数,并依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块。
其中,测试干扰值区间包括第一测试干扰值区间、第二测试干扰值区间和第三测试干扰值区间,第一测试干扰值区间的右端点小于或等于第二测试干扰值区间的左端点,第二测试干扰值区间的右端点小于或等于第三测试干扰值区间的左端点,第一测试干扰值区间对应的误差浮动系数为±α1,第二测试干扰值区间对应的误差浮动系数为±α2,第二测试干扰值区间对应的误差浮动系数为±α3,0<|α1|<|α2|<|α3|。
例如,第一测试干扰值区间为[10,20),第一测试干扰值区间的误差浮动系数为±0.1,第二测试干扰值区间为[20,30),第二测试干扰值区间的误差浮动系数为±0.2,第三测试干扰值区间为[30,∞),第三测试干扰值区间的误差浮动系数为±0.3。
在本实施例中,所述仿真测试模块用于对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据,其中,仿真测试制动数据为测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真制动距离,其中,在开始制动时间时踩踏刹车将测试车辆进行制动,直到测试车辆完全刹停后,获取测试车辆完全刹停时的完全刹停时间,完全刹停时间减去开始制动时间得到测试车辆的仿真制动时长,仿真制动距离为在仿真制动时长内测试车辆的行驶距离,即测试车辆的开始刹车位置至完全刹停位置的距离。
具体的,测试车辆的仿真测试时在仿真测试实验室内完成,仿真测试实验室由四驱轴耦合式测功机、SCANeR Studio仿真测试平台、环形投影系统和ADAS及自动驾驶子系统等四大系统组成,SCANeR Studio仿真测试平台通过接收到的测试道路信息、实时环境信息、实时道路信息、车辆状态信息构建出与真实场景相对应的高性能虚拟环境,同时利用环形投影屏投屏的测试场景,测试车辆的车轮被固定在四驱轴耦合式测功机中四个驱动轴上,实现发动机与传动系统相连;其中,SCANeR Studio仿真测试平台为测试与驾驶模拟软件,可以模拟绝大多数的环境,是仿真在环测试中较为常见的软件之一,四驱轴耦合式测功机为可用于测试汽车发动机输出功率的设备,可以准确地模拟实际车辆行驶的情况。
所述车辆信息采集模块还用于多次采集测试车辆实际测试的实时测试制动数据,并将实时测试制动数据发送至综合测试模块;需要具体说明的是,实时测试制动数据为实际测试过程中在不同测试道路中测试车辆的实际制动时长和实际制动距离,实时测试制动数据与仿真测试制动数据相同。
所述综合测试模块用于对测试车辆的实际测试情况进行综合分析,综合分析过程具体如下:获取测试车辆每次实际测试时在不同测试道路中的实际制动时长和实际制动距离;每次实际测试时在不同测试道路中的实际制动时长相加求和取均值,得到测试车辆实际测试时在不同测试道路中的实际制动时长;同理,每次实际测试时在不同测试道路中的实际制动距离相加求和取均值,得到测试车辆实际测试时在不同测试道路中的制动距离。
所述综合测试模块将测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块;所述测试比对模块用于将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,比对过程具体如下:获取测试车辆的实际测试制动数据,得到测试车辆实际测试时在不同测试道路中的实际制动时长和实际制动距离;同时,获取测试车辆的仿真测试制动数据,得到测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真距离;选取相同测试道路中测试车辆的仿真制动时长区间和实际制动时长;利用公式计算得到测试车辆仿真测试与实际测试的制动时长偏差系数,公式具体如下:制动时长偏差系数=(仿真制动时长-实际制动时长)/仿真制动时长;同理,计算得到测试车辆仿真测试与实际测试的制动距离偏差系数;最后获取测试车辆对应的误差浮动系数。
若制动时长偏差系数和制动距离偏差系数均处于误差浮动系数之内,则比对下一测试道路,直至比对完所有测试道路后生成测试正常信号。
若制动时长偏差系数或制动距离偏差系数不处于误差浮动系数之内,则生成测试偏差信号。
所述测试比对模块将测试偏差信号或测试正常信号反馈至管理终端,所述管理终端接收到测试偏差信号或测试正常信号后用于对测试车辆的测试情况进行查看。
在本申请中,若出现相应的计算公式,则上述计算公式均是去量纲取其数值计算,公式中存在的权重系数、比例系数等系数,其设置的大小是为了把 将各个参数进行量化得到的一个结果值,关于权重系数和比例系数的大小,只要不影响参数与结果值的比例关系即可。
实施例二,请参阅图2所示,本发明还提供了一种基于多交通场景的车辆在环仿真测试方法,方法具体如下:
步骤S10,车辆扫描模块对车辆识别区域内测试车辆的车型进行识别,识别得到的测试车辆的车型发送至数据库,数据库依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块。
步骤S20,数据采集模块采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息,数据采集模块将实时环境信息发送至环境分析模块和仿真测试模块、将实时道路信息发送至道路分析模块和仿真测试模块,同时车辆信息采集模块获取测试车辆测试时的车辆状态信息,并将车辆状态信息发送至车辆分析模块和仿真测试模块。
步骤S30,环境分析模块对测试道路所在地的环境情况进行分析,分析得到测试道路所在地的环境干扰值发送至数据分析模块。
在本实施例的步骤S30中,所述境分析模块的分析具体如下:
步骤S301,获取测试车辆的测试时长,并在测试时长在设定若干个时间点。
步骤S302,获取在若干个时间点时测试道路所在地的空气阻力,遍历比对在若干个时间点时测试道路所在地的空气阻力,得到测试道路所在地的最大空气阻力。
步骤S303,而后获取在若干个时间点时测试道路所在地的能见度,遍历比对在若干个时间点时测试道路所在地的能见度,得到测试道路所在地的最小能见度。
步骤S304,计算测试道路所在地的环境干扰值。
步骤S40,道路分析模块对测试车辆所在测试道路的道路情况进行分析,分析得到测试车辆所在测试道路的道路干扰值发送至数据分析模块。
步骤S50,车辆分析模块对测试车辆的车辆情况进行分析,得到测试车辆的车辆干扰值发送至数据分析模块。
步骤S60,数据分析模块对测试车辆测试时的干扰因素进行分析,并将测试车辆在不同测试道路上测试时的测试干扰值发送至数据库,数据库依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块。
步骤S70,仿真测试模块对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据,同时车辆信息采集模块还多次采集测试车辆实际测试的实时测试制动数据,并将实时测试制动数据发送至综合测试模块。
步骤S80,综合测试模块对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块。
步骤S90,测试比对模块将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,比对生成测试偏差信号或测试正常信号反馈至管理终端,管理终端对测试车辆的测试情况进行查看。
在步骤S40中,所述道路分析模块的分析过程具体如下:
步骤S401,获取测试车辆所在测试道路的路面含水率,而后获取测试车辆所在测试道路的路面摩擦力。
步骤S402,获取测试车辆所在测试道路中每个坡道的上坡度和下坡度,每个坡道的上坡度相加求取均值得到测试车辆所在测试道路中上坡的平均上坡度,同理,得到测试车辆所在测试道路中下坡的平均下坡度。
步骤S403,而后获取测试车辆所在测试道路中每个弯道的弯曲度,每个弯道的弯曲度相加求和取均值得到测试车辆所在测试道路中弯道的平均弯曲度。
步骤S404,计算测试车辆所在测试道路的道路干扰值。
在步骤S50中,所述车辆分析模块的分析过程具体如下:
步骤S501,车辆分析模块对测试车辆的车辆情况进行分析,获取测试车辆每组刹车片的刹车片厚度,遍历比对每组刹车片的刹车片厚度,取最小值作为测试车辆的测试刹车片厚度。
步骤S502,而后获取测试车辆上每组轮胎的防滑力度和轮胎宽度,遍历比对每组轮胎的防滑力度,取最小值作为测试车辆的轮胎防滑力度。
步骤S503,将测试车辆上每组轮胎的轮胎宽度相加求和取均值得到测试车辆的平均轮胎宽度。
步骤S504,计算测试车辆的车辆干扰值。
进一步的,在步骤S60中,所述数据分析模块的分析过程具体为:
步骤S601,获取测试车辆所在测试道路的道路干扰值、测试道路所在地的环境干扰值和测试车辆的车辆干扰值。
步骤S602,计算测试车辆在不同测试道路上测试时的测试干扰值。
在本实施例的步骤S80中,所述综合测试模块的综合分析过程具体为:
步骤S801,获取测试车辆每次实际测试时在不同测试道路中的实际制动时长和实际制动距离。
步骤S802,每次实际测试时在不同测试道路中的实际制动时长相加求和取均值,得到测试车辆实际测试时在不同测试道路中的实际制动时长。
步骤S803,同理,每次实际测试时在不同测试道路中的实际制动距离相加求和取均值,得到测试车辆实际测试时在不同测试道路中的制动距离。
在本实施例的步骤S90中,所述测试比对模块的比对过程具体如下:
步骤S901,获取测试车辆的实际测试制动数据,得到测试车辆实际测试时在不同测试道路中的实际制动时长和实际制动距离。
步骤S902,同时,获取测试车辆的仿真测试制动数据,得到测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真距离。
步骤S903,选取相同测试道路中测试车辆的仿真制动时长区间和实际制动时长。
步骤S904,计算测试车辆仿真测试与实际测试的制动时长偏差系数和制动距离偏差系数。
步骤S905,最后获取测试车辆对应的误差浮动系数。
步骤S906,若制动时长偏差系数和制动距离偏差系数均处于误差浮动系数之内,则比对下一测试道路,直至比对完所有测试道路后生成测试正常信号。
步骤S907,若制动时长偏差系数或制动距离偏差系数不处于误差浮动系数之内,则生成测试偏差信号。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于多交通场景的车辆在环仿真测试系统,其特征在于,包括仿真测试模块、数据采集模块、车辆信息采集模块、道路分析模块、环境分析模块、车辆分析模块、数据分析模块、测试比对模块、综合测试模块、数据库和车辆扫描模块,所述车辆扫描模块用于对车辆识别区域内测试车辆的车型进行识别,数据库用于依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块;所述数据采集模块用于采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息;所述车辆信息采集模块用于获取测试车辆测试时的车辆状态信息并发送至车辆分析模块和仿真测试模块;
所述环境分析模块用于对测试道路所在地的环境情况进行分析,得到环境干扰值发送至数据分析模块;所述道路分析模块用于对测试车辆所在测试道路的道路情况进行分析,得到道路干扰值发送至数据分析模块;所述车辆分析模块用于对测试车辆的车辆情况进行分析,得到车辆干扰值发送至数据分析模块;所述数据分析模块用于对测试车辆测试时的干扰因素进行分析,得到测试干扰值发送至数据库,数据库依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块;所述仿真测试模块用于对测试车辆在指定行驶速度下进行仿真测试,得到仿真测试制动数据,所述车辆信息采集模块用于多次采集测试车辆实际测试的实时测试制动数据并发送至综合测试模块;
所述综合测试模块用于对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块,所述测试比对模块用于将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,生成测试偏差信号或测试正常信号反馈至管理终端,所述管理终端用于对测试车辆的测试情况进行查看。
2.如权利要求1所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,测试道路信息为每条测试道路的测试时长,测试道路中每个坡道的上坡度和下坡度,以及测试道路中每个弯道的弯曲度;
测试道路为测试车辆测试时所行驶的交通道路;
实时环境信息为在测试时长内测试道路所在地的空气阻力和能见度;
实时道路信息为在测试时长内测试道路的路面摩擦力和路面含水率;
车辆状态信息为测试车辆上每组刹车片的刹车片厚度,以及每组轮胎的防滑力度、轮胎宽度;
仿真测试制动数据为测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真制动距离;
实时测试制动数据为实际测试过程中在不同测试道路中测试车辆的实际制动时长和实际制动距离。
3.如权利要求2所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述环境分析模块的分析过程具体如下:
获取测试车辆的测试时长,并在测试时长在设定若干个时间点;
获取在若干个时间点时测试道路所在地的空气阻力,遍历比对在若干个时间点时测试道路所在地的空气阻力,得到测试道路所在地的最大空气阻力;
而后获取在若干个时间点时测试道路所在地的能见度,遍历比对在若干个时间点时测试道路所在地的能见度,得到测试道路所在地的最小能见度;
计算测试道路所在地的环境干扰值。
4.如权利要求3所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述道路分析模块的分析过程具体如下:
获取测试车辆所在测试道路的路面含水率和路面摩擦力;
获取测试车辆所在测试道路中每个坡道的上坡度和下坡度,每个坡道的上坡度相加求取均值得到测试车辆所在测试道路中上坡的平均上坡度,同理,得到测试车辆所在测试道路中下坡的平均下坡度;
而后获取测试车辆所在测试道路中每个弯道的弯曲度,每个弯道的弯曲度相加求和取均值得到测试车辆所在测试道路中弯道的平均弯曲度;
计算测试车辆所在测试道路的道路干扰值。
5.如权利要求4所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述车辆分析模块的分析过程具体如下:
获取测试车辆每组刹车片的刹车片厚度,遍历比对每组刹车片的刹车片厚度,取最小值作为测试车辆的测试刹车片厚度;
而后获取测试车辆上每组轮胎的防滑力度和轮胎宽度,遍历比对每组轮胎的防滑力度,取最小值作为测试车辆的轮胎防滑力度;
将测试车辆上每组轮胎的轮胎宽度相加求和取均值得到测试车辆的平均轮胎宽度;
计算测试车辆的车辆干扰值。
6.如权利要求5所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述数据分析模块的分析过程具体如下:
获取测试车辆所在测试道路的道路干扰值、测试道路所在地的环境干扰值和测试车辆的车辆干扰值;
计算测试车辆在不同测试道路上测试时的测试干扰值。
7.如权利要求6所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,测试干扰值区间包括第一测试干扰值区间、第二测试干扰值区间和第三测试干扰值区间;
第一测试干扰值区间的右端点小于或等于第二测试干扰值区间的左端点,第二测试干扰值区间的右端点小于或等于第三测试干扰值区间的左端点;
第一测试干扰值区间对应的误差浮动系数为±α1,第二测试干扰值区间对应的误差浮动系数为±α2,第二测试干扰值区间对应的误差浮动系数为±α3,0<|α1|<|α2|<|α3|。
8.如权利要求7所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述综合测试模块的综合分析过程具体如下:
获取测试车辆每次实际测试时在不同测试道路中的实际制动时长和实际制动距离;
每次实际测试时在不同测试道路中的实际制动时长相加求和取均值,得到测试车辆实际测试时在不同测试道路中的实际制动时长;
同理,每次实际测试时在不同测试道路中的实际制动距离相加求和取均值,得到测试车辆实际测试时在不同测试道路中的制动距离。
9.如权利要求8所述的一种基于多交通场景的车辆在环仿真测试系统,其特征在于,所述测试比对模块的比对过程具体如下:
获取测试车辆的实际测试制动数据,得到测试车辆实际测试时在不同测试道路中的实际制动时长和实际制动距离;
同时,获取测试车辆的仿真测试制动数据,得到测试车辆仿真测试时在不同测试道路中的仿真制动时长和仿真距离;
选取相同测试道路中测试车辆的仿真制动时长区间和实际制动时长;
计算测试车辆仿真测试与实际测试的制动时长偏差系数;
同理,计算得到测试车辆仿真测试与实际测试的制动距离偏差系数;
获取测试车辆对应的误差浮动系数;
若制动时长偏差系数和制动距离偏差系数均处于误差浮动系数之内,则比对下一测试道路,直至比对完所有测试道路后生成测试正常信号;
若制动时长偏差系数或制动距离偏差系数不处于误差浮动系数之内,则生成测试偏差信号。
10.一种基于多交通场景的车辆在环仿真测试方法,其特征在于,基于权利要求1-9任一项所述的一种基于多交通场景的车辆在环仿真测试系统,方法具体如下:
步骤S10,车辆扫描模块对车辆识别区域内测试车辆的车型进行识别,数据库依据车型将测试车辆对应的若干条测试道路以及测试道路的测试道路信息发送至数据采集模块、道路分析模块和仿真测试模块;
步骤S20,数据采集模块采集测试道路所在地的实时环境信息和测试车辆所在测试道路的实时道路信息,车辆信息采集模块获取测试车辆测试时的车辆状态信息;
步骤S30,环境分析模块对测试道路所在地的环境情况进行分析,分析得到测试道路所在地的环境干扰值发送至数据分析模块;
步骤S40,道路分析模块对测试车辆所在测试道路的道路情况进行分析,分析得到测试车辆所在测试道路的道路干扰值发送至数据分析模块;
步骤S50,车辆分析模块对测试车辆的车辆情况进行分析,得到测试车辆的车辆干扰值发送至数据分析模块;
步骤S60,数据分析模块对测试车辆测试时的干扰因素进行分析,并将测试车辆在不同测试道路上测试时的测试干扰值发送至数据库,数据库依据测试干扰值将测试车辆的误差浮动系数发送至测试比对模块;
步骤S70,仿真测试模块对测试车辆在指定行驶速度下进行仿真测试,仿真测试得到测试车辆在不同测试道路上的仿真测试制动数据,同时车辆信息采集模块还多次采集测试车辆实际测试的实时测试制动数据,并将实时测试制动数据发送至综合测试模块;
步骤S80,综合测试模块对测试车辆的实际测试情况进行综合分析,得到测试车辆实际测试时在不同测试道路中的实际制动时长和制动距离发送至测试比对模块;
步骤S90,测试比对模块将测试车辆的实际测试制动数据与仿真测试制动数据进行比对,比对生成测试偏差信号或测试正常信号反馈至管理终端,管理终端对测试车辆的测试情况进行查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310888269.7A CN116611268B (zh) | 2023-07-19 | 2023-07-19 | 一种基于多交通场景的车辆在环仿真测试系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310888269.7A CN116611268B (zh) | 2023-07-19 | 2023-07-19 | 一种基于多交通场景的车辆在环仿真测试系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116611268A CN116611268A (zh) | 2023-08-18 |
CN116611268B true CN116611268B (zh) | 2023-09-15 |
Family
ID=87685694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310888269.7A Active CN116611268B (zh) | 2023-07-19 | 2023-07-19 | 一种基于多交通场景的车辆在环仿真测试系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116611268B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN111859618A (zh) * | 2020-06-16 | 2020-10-30 | 长安大学 | 多端在环的虚实结合交通综合场景仿真测试系统及方法 |
CN112578683A (zh) * | 2020-10-16 | 2021-03-30 | 襄阳达安汽车检测中心有限公司 | 一种优化的汽车辅助驾驶控制器在环仿真测试方法 |
CN114527674A (zh) * | 2021-12-24 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于车辆道路测试数据的模型在环仿真测试方法及系统 |
CN116205084A (zh) * | 2023-04-27 | 2023-06-02 | 苏州智行众维智能科技有限公司 | 基于转向器加载机构的车辆驾驶仿真测试系统 |
CN116224954A (zh) * | 2022-12-23 | 2023-06-06 | 北京国家新能源汽车技术创新中心有限公司 | 一种融合真实道路场景的智能驾驶在环测试方、环境及存储介质 |
-
2023
- 2023-07-19 CN CN202310888269.7A patent/CN116611268B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657355A (zh) * | 2018-12-20 | 2019-04-19 | 安徽江淮汽车集团股份有限公司 | 一种车辆道路虚拟场景的仿真方法及系统 |
CN111859618A (zh) * | 2020-06-16 | 2020-10-30 | 长安大学 | 多端在环的虚实结合交通综合场景仿真测试系统及方法 |
CN112578683A (zh) * | 2020-10-16 | 2021-03-30 | 襄阳达安汽车检测中心有限公司 | 一种优化的汽车辅助驾驶控制器在环仿真测试方法 |
CN114527674A (zh) * | 2021-12-24 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于车辆道路测试数据的模型在环仿真测试方法及系统 |
CN116224954A (zh) * | 2022-12-23 | 2023-06-06 | 北京国家新能源汽车技术创新中心有限公司 | 一种融合真实道路场景的智能驾驶在环测试方、环境及存储介质 |
CN116205084A (zh) * | 2023-04-27 | 2023-06-02 | 苏州智行众维智能科技有限公司 | 基于转向器加载机构的车辆驾驶仿真测试系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116611268A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112631246B (zh) | 测试评价信息确定方法、装置、设备及计算机存储介质 | |
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN107843440B (zh) | 一种自动驾驶车辆性能测试系统及方法 | |
CN105092259A (zh) | 车辆测试系统、测试管理装置和车辆测试方法 | |
CN109211575A (zh) | 无人驾驶汽车及其场地测试方法、装置及可读介质 | |
CN109671077B (zh) | 一种沥青路面抗滑性能检测方法及系统 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN111811828B (zh) | 一种无人车驾驶测试方法、装置、系统及存储介质 | |
CN103134683B (zh) | 室内进行车辆发动机排气制动测试的系统和方法 | |
CN116566861A (zh) | 数据一致性测试方法、装置、设备及可读存储介质 | |
CN116702096A (zh) | 车辆高原环境道路滑行阻力测算方法及装置 | |
CN115165398A (zh) | 车辆的行驶功能测试方法、装置、计算设备及介质 | |
CN116611268B (zh) | 一种基于多交通场景的车辆在环仿真测试系统及方法 | |
CN112100721B (zh) | 基于移动群智感知和深度学习的桥梁结构模态识别方法 | |
CN116859881A (zh) | 测试方法及装置 | |
CN117131589A (zh) | 智能网联车辆协同算法的仿真测试方法及装置 | |
CN116859880A (zh) | 一种车辆预见性巡航仿真测试方法及系统 | |
Staniek | Repeatability of road pavement condition assessment based on three-dimensional analysis of linear accelerations of vehicles | |
CN116124178A (zh) | 众包高精度地图质量评估方法、系统及存储介质 | |
CN112729366B (zh) | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 | |
CN113515813B (zh) | 一种汽车动力学仿真软件模拟可靠度现场校验方法 | |
CN110688611B (zh) | 环境因素对在役隧道行车安全的评价方法及装置 | |
Pribe et al. | Learning to associate observed driver behavior with traffic controls | |
CN110853182B (zh) | 用户与试验场关联时用户道路最少采集里程计算方法 | |
CN113341764A (zh) | 一种实车工况在线的电动汽车优化控制仿真方法及系统 |
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 |