CN116645849A - 一种自动驾驶的复杂路况模拟系统 - Google Patents
一种自动驾驶的复杂路况模拟系统 Download PDFInfo
- Publication number
- CN116645849A CN116645849A CN202310612251.4A CN202310612251A CN116645849A CN 116645849 A CN116645849 A CN 116645849A CN 202310612251 A CN202310612251 A CN 202310612251A CN 116645849 A CN116645849 A CN 116645849A
- Authority
- CN
- China
- Prior art keywords
- information
- evaluation
- vehicle
- simulation
- inertia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 137
- 238000011156 evaluation Methods 0.000 claims abstract description 232
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims description 56
- 230000008859 change Effects 0.000 claims description 48
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012549 training Methods 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶的复杂路况模拟系统,包括环境模拟模块、车辆信息采集模块、模拟信息采集模块、数据处理模块与信息发送模块;所述环境模拟模块用于采集复杂路况信息生成复杂路况参数导入到道路模拟设备;所述车辆信息采集模块用于在自动驾驶测试过程中进行实时车辆信息采集;所述模拟信息采集模块用于在自动驾驶测试过程中,采集在模拟驾驶过程中进行实时模拟数据采集;所述数据处理模块用于对实时车辆信息和实时模拟数据进行处理,生成车辆评估信息与模拟评估信息;所述信息发送模块用于将车辆评估信息与模拟评估信息发送到预设接收终端。本发明能够更好的进行自动驾驶的复杂路况模拟。
Description
技术领域
本发明涉及自动驾驶领域,具体涉及一种自动驾驶的复杂路况模拟系统。
背景技术
自动驾驶是采用通信、计算机、网络和控制技术,对车辆实现实时、连续控制。采用现代通信手段,实现车机间的双向数据通信,传输速率快,信息量大;
自动驾驶在投放使用前需要对其进行大量的不同路况的行驶参数进行模拟,从而保证其能够在复杂路况环境下也能够稳定的运行,因此需要会用到复杂路况模拟系统来进行自动驾驶的模拟训练。
现有的模拟系统,在实际模拟过程中,提供的模拟数据单一,导致自动驾驶的模拟效果差,给模拟系统的使用带来了一定的影响,因此,提出一种自动驾驶的复杂路况模拟系统。
发明内容
本发明所要解决的技术问题在于:如何解决现有的模拟系统,在实际模拟过程中,提供的模拟数据单一,导致自动驾驶的模拟效果差,给模拟系统的使用带来了一定的影响的问题,提供了一种自动驾驶的复杂路况模拟系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括环境模拟模块、车辆信息采集模块、模拟信息采集模块、数据处理模块与信息发送模块;
所述环境模拟模块用于采集复杂路况信息生成复杂路况参数导入到道路模拟设备;
所述车辆信息采集模块用于在自动驾驶测试过程中进行实时车辆信息采集;
所述模拟信息采集模块用于在自动驾驶测试过程中,采集在模拟驾驶过程中进行实时模拟数据采集;
所述数据处理模块用于对实时车辆信息和实时模拟数据进行处理,生成车辆评估信息与模拟评估信息;
所述信息发送模块用于将车辆评估信息与模拟评估信息发送到预设接收终端。
进一步在于,所述环境模拟模块采集环境模拟数据的具体过程如下:登录进入环境模拟数据库,之后导入环境模拟关键词,从环境模拟数据库中进行对应关键词检索,检索出所有与导入的环境模拟关键词最为接近的环境数据为环境模拟数据。
进一步在于,所述环境模拟数据库的建立过程如下:先建立空白数据库,之后将其与互联网连接,从互联网中采集检索复杂路况相关的数据信息,获取到多种复杂路况参数,之后提取出所有的复杂路况参数,对其进行相似度对比,将相似度大于预设值的复杂路况参数去除掉后,将剩余的复杂路况参数导入到空白数据库中,即获取到环境模拟数据库。
进一步在于,所述环境模拟数据库每隔预设时长即进行一次更新,其更新过程如下:环境模拟数据建立完成预设时长后,即再次从互联网中采集检索复杂路况相关的数据信息,将该次采集的复杂路况相关的数据信息与数据库中存有的复杂路况参数进行比对,将与数据库中存有的复杂路况参数相同的参数去除掉后,再将剩余的复杂路况参数导入到数据库中,后续再次进行环境模拟数据库更新时,依旧按照第一更新的过程,进行数据更新。
进一步在于,所述车辆评估信息包括第一车辆评估信息、第二车辆评估信息与第三车辆评估信息;
所述车辆评估信息的具体过程如下:
步骤一:提取出采集到的实时车辆信息,实时车辆信息包括左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据;
步骤二:自动驾驶在复杂路况的模拟驾驶过程中,每隔预设时长即采集一次左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据,至少采集m次;
步骤三:将m次左右水平力度监测数据进行分析获取到左右水平力度评估信息,左右水平力度评估信息包括一级水平力度变化评估、二级水平力度变化评估与三级水平力度变化评估;
步骤四:将m次前后惯性监测数据进行分析获取到前后惯性评估信息,前后惯性评估信息包括一级惯性变化评估、二级惯性变化评估与三级惯性变化评估;
步骤五:将m次车辆偏移监测数据进行分析,获取到偏移评估信息,所述偏移评估信息包括一级偏移评估信息、二级偏移评估信息与三级偏移评估信息;
步骤六:当前后惯性评估信息为一级水平力度变化评估、前后惯性评估信息为一级惯性变化评估,且偏移评估信息为一级偏移评估信息时,即生成车辆第一车辆评估信息;
步骤七:当前后惯性评估信息为三级水平力度变化评估、前后惯性评估信息为三级惯性变化评估,且偏移评估信息为三级偏移评估信息时,即生成车辆第三车辆评估信息;
步骤八:除步骤六和步骤七状态外,剩余状态都生成第二车辆评估信息。
进一步在于,所述对m次左右水平力度监测数据进行分析获取到左右水平力度评估信息的具体过程如下:单次的左右水平力度监测数据包括左侧水平力度信息与右侧水平力度信息,计算出左侧水平力度信息与右侧水平力度信息的差值,获取到力度差;
依次计算出剩余的计算出其他的左右水平力度监测数据的力度差,再计算出所有力度差的平均值即获取到力度差评估参数;
当力度差评估参数小于预设值,即生成一级水平力度变化评估,当力度差评估参数在预设值范围内,即生成二级水平力度变化评估,当力度差评估参数小于预设值,即生成三级水平力度变化评估。
进一步在于,所述将m次前后惯性监测数据进行分析获取到前后惯性评估信息的过程如下:单次前后惯性监测数据包括向前惯性数据与向后惯性数据;
计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值,再计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值的平均值,即获取到惯性评估参数;
当惯性评估参数小于预设值,即生成一级惯性变化评估,当惯性评估参数大于预设值,即生成三级惯性评估,当惯性评估参数在预设值范围内时,即生成二级惯性评估。
进一步在于,所述偏移评估信息的具体处理过程如下:提取出m次车辆偏移监测数据,设置了标准偏移值,计算出车辆偏移监测数据与标准偏移值之间的差值获取到m个偏移评估参数,当偏移评估参数中大于预设值的数量超过预设数量a1,即生成三级偏移评估信息,当偏移评估参数中大于预设值的数量小于预设数量a2,即生成一级偏移评估信息,当偏移评估参数中大于预设值的数量在a1到a2之间是,即生成二级偏移评估信息。
进一步在于,所述模拟评估信息包括第一实际评估信息、第二实际评估信息与第三实际评估信息,所述模拟评估信息的具体处理过程如下:提取出采集到的实时模拟数据,实时模拟数据为人车距离信息与刹车距离信息,其中,人车距离为在模拟过程中车辆在道路上遭遇到行人模型后进行刹车,车辆停止后的车辆与行人模型的距离信息;
当人车距离信息大于预设值时无论刹车距离信息为何值,都生成第一实际评估信息;
当人车距离信息在预设值范围内,刹车距离信息也在预设值范围内时,即生成第二实际评估信息;
当人车距离信息小于预设值,刹车距离信息大于预设值时,即生成第三实际评估信息。
本发明相比现有技术具有以下优点:该自动驾驶的复杂路况模拟系统,建立了复杂路况参数更加充足的相关数据库,让用户能够根据自己需求来获取到更加贴合其实际需求的相关道路模拟参数,从而进行更加准确的道路模拟,获取到更符合其要求的自动驾驶模拟测试数据,同时在测试过程中实时采集车辆信息,对模拟驾驶的车辆状态进行了评估,了解到车辆在实际模拟的路况下的行驶车状态,并进行了评级,让用户能够直观的了解到模拟驾驶的效果,同时还模拟了自动驾驶在遇到紧急状态下的相关参数,从而更加全面的了解到了自动驾驶的实际状态,让该系统更加值得推广使用。
附图说明
图1是本发明的系统框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种自动驾驶的复杂路况模拟系统,包括环境模拟模块、车辆信息采集模块、模拟信息采集模块、数据处理模块与信息发送模块;
所述环境模拟模块用于采集复杂路况信息生成复杂路况参数导入到道路模拟设备;
所述车辆信息采集模块用于在自动驾驶测试过程中进行实时车辆信息采集;
所述模拟信息采集模块用于在自动驾驶测试过程中,采集在模拟驾驶过程中进行实时模拟数据采集;
所述数据处理模块用于对实时车辆信息和实时模拟数据进行处理,生成车辆评估信息与模拟评估信息;
所述信息发送模块用于将车辆评估信息与模拟评估信息发送到预设接收终端;
本发明建立了复杂路况参数更加充足的相关数据库,让用户能够根据自己需求来获取到更加贴合其实际需求的相关道路模拟参数,从而进行更加准确的道路模拟,获取到更符合其要求的自动驾驶模拟测试数据,同时在测试过程中实时采集车辆信息,对模拟驾驶的车辆状态进行了评估,了解到车辆在实际模拟的路况下的行驶车状态,并进行了评级,让用户能够直观的了解到模拟驾驶的效果,同时还模拟了自动驾驶在遇到紧急状态下的相关参数,从而更加全面的了解到了自动驾驶的实际状态,让该系统更加值得推广使用。
所述环境模拟模块采集环境模拟数据的具体过程如下:登录进入环境模拟数据库,之后导入环境模拟关键词,从环境模拟数据库中进行对应关键词检索,检索出所有与导入的环境模拟关键词最为接近的环境数据为环境模拟数据;
通过上述过程,能够让用户获取到更加详细的复杂路况的模拟参数信息,如用户导入“泥泞路”,即从环境模拟数据库中检索出与“泥泞路”最为相近的道路参数信息供给用户进行选择;
其中复杂路段有:进出非机动车道,通过铁路道口、急弯路、窄路、窄桥时;掉头、转弯、下陡坡时;遇雾、雨、雪、沙尘、冰雹,能见度在50米以内时;在冰雪、泥泞的道路上行驶时;牵引发生故障的机动车时。
所述环境模拟数据库的建立过程如下:先建立空白数据库,之后将其与互联网连接,从互联网中采集检索复杂路况相关的数据信息,获取到多种复杂路况参数,之后提取出所有的复杂路况参数,对其进行相似度对比,将相似度大于预设值的复杂路况参数去除掉后,将剩余的复杂路况参数导入到空白数据库中,即获取到环境模拟数据库;
通过上述过程,能够实现快速的环境模拟数据的建立,省去了用户一一测试获取到相关参数再导入的麻烦,即也能够加快自动驾驶的模拟测试的进度。
所述环境模拟数据库每隔预设时长即进行一次更新,其更新过程如下:环境模拟数据建立完成预设时长后,即再次从互联网中采集检索复杂路况相关的数据信息,将该次采集的复杂路况相关的数据信息与数据库中存有的复杂路况参数进行比对,将与数据库中存有的复杂路况参数相同的参数去除掉后,再将剩余的复杂路况参数导入到数据库中,后续再次进行环境模拟数据库更新时,依旧按照第一更新的过程,进行数据更新;
通过上述过程,能够保证环境模拟数据库中的参数齐全,能够始终满足用户的使用需求。
所述车辆评估信息包括第一车辆评估信息、第二车辆评估信息与第三车辆评估信息;
所述车辆评估信息的具体过程如下:
步骤一:提取出采集到的实时车辆信息,实时车辆信息包括左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据;
步骤二:自动驾驶在复杂路况的模拟驾驶过程中,每隔预设时长即采集一次左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据,至少采集m次;
前后惯性监测数据与车辆偏移监测数据由设置在模拟测试的车辆内的传感设备采集;
步骤三:将m次左右水平力度监测数据进行分析获取到左右水平力度评估信息,左右水平力度评估信息包括一级水平力度变化评估、二级水平力度变化评估与三级水平力度变化评估;
步骤四:将m次前后惯性监测数据进行分析获取到前后惯性评估信息,前后惯性评估信息包括一级惯性变化评估、二级惯性变化评估与三级惯性变化评估;
步骤五:将m次车辆偏移监测数据进行分析,获取到偏移评估信息,所述偏移评估信息包括一级偏移评估信息、二级偏移评估信息与三级偏移评估信息;
步骤六:当前后惯性评估信息为一级水平力度变化评估、前后惯性评估信息为一级惯性变化评估,且偏移评估信息为一级偏移评估信息时,即生成车辆第一车辆评估信息;
步骤七:当前后惯性评估信息为三级水平力度变化评估、前后惯性评估信息为三级惯性变化评估,且偏移评估信息为三级偏移评估信息时,即生成车辆第三车辆评估信息;
步骤八:除步骤六和步骤七状态外,剩余状态都生成第二车辆评估信息;
第一车辆评估信息即表示自动驾驶车辆稳定,该种自动驾驶系统优秀,第二车辆评估信息即表示自动驾驶系统稍差,需要对自动驾驶参数进行调整,第三车辆评估信息即表示自动驾驶系统较差,需要重新构建相关模型进行重新训练再进行自动驾驶测试,上述过程中的m≥10。
所述对m次左右水平力度监测数据进行分析获取到左右水平力度评估信息的具体过程如下:单次的左右水平力度监测数据包括左侧水平力度信息与右侧水平力度信息,计算出左侧水平力度信息与右侧水平力度信息的差值,获取到力度差;
依次计算出剩余的计算出其他的左右水平力度监测数据的力度差,再计算出所有力度差的平均值即获取到力度差评估参数;
当力度差评估参数小于预设值,即生成一级水平力度变化评估,当力度差评估参数在预设值范围内,即生成二级水平力度变化评估,当力度差评估参数小于预设值,即生成三级水平力度变化评估;
通过上述过程,对车辆自动驾驶模拟过程中的左右水平力度进行了评估一级水平力度变化评估即表示车辆行驶横向较为平稳,二级水平力度变化评估即表示车辆行驶横向平稳性一般,三级水平力度变化评估即表示车辆行驶横向平稳性差。
所述将m次前后惯性监测数据进行分析获取到前后惯性评估信息的过程如下:单次前后惯性监测数据包括向前惯性数据与向后惯性数据;
计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值,再计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值的平均值,即获取到惯性评估参数;
当惯性评估参数小于预设值,即生成一级惯性变化评估,当惯性评估参数大于预设值,即生成三级惯性评估,当惯性评估参数在预设值范围内时,即生成二级惯性评估;
一级惯性变化评估即表示自动驾驶模拟的车辆的行驶过程中的前后惯性小,行驶稳定,二级惯性变化评估即表示自动驾驶模拟的车辆的行驶过程中的前后惯性一般,三级惯性变化评估即表示自动驾驶模拟的车辆的行驶过程中的前后惯性大,行驶不稳定。
所述偏移评估信息的具体处理过程如下:提取出m次车辆偏移监测数据,设置了标准偏移值,计算出车辆偏移监测数据与标准偏移值之间的差值获取到m个偏移评估参数,当偏移评估参数中大于预设值的数量超过预设数量a1,即生成三级偏移评估信息,当偏移评估参数中大于预设值的数量小于预设数量a2,即生成一级偏移评估信息,当偏移评估参数中大于预设值的数量在a1到a2之间是,即生成二级偏移评估信息;
一级偏移评估信息即表示自动驾驶模拟过程中车辆行驶平稳,二级偏移评估信息即表示自动驾驶模拟过程中车辆行驶存在异常偏移,二级偏移评估信息即表示自动驾驶模拟过程中车辆行驶存在较大偏移。
所述模拟评估信息包括第一实际评估信息、第二实际评估信息与第三实际评估信息,所述模拟评估信息的具体处理过程如下:提取出采集到的实时模拟数据,实时模拟数据为人车距离信息与刹车距离信息,其中,人车距离为在模拟过程中车辆在道路上遭遇到行人模型后进行刹车,车辆停止后的车辆与行人模型的距离信息;
当人车距离信息大于预设值时无论刹车距离信息为何值,都生成第一实际评估信息;
当人车距离信息在预设值范围内,刹车距离信息也在预设值范围内时,即生成第二实际评估信息;
当人车距离信息小于预设值,刹车距离信息大于预设值时,即生成第三实际评估信息;
第一实际评估信息即表示自动驾驶模拟过程中车辆紧急制动效果好,第二实际评估信息即表示自动驾驶模拟过程中车辆紧急制动效果一般,第三实际评估信息即表示自动驾驶模拟过程中车辆紧急制动效果差。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种自动驾驶的复杂路况模拟系统,其特征在于,包括环境模拟模块、车辆信息采集模块、模拟信息采集模块、数据处理模块与信息发送模块;
所述环境模拟模块用于采集复杂路况信息生成复杂路况参数导入到道路模拟设备;
所述车辆信息采集模块用于在自动驾驶测试过程中进行实时车辆信息采集;
所述模拟信息采集模块用于在自动驾驶测试过程中,采集在模拟驾驶过程中进行实时模拟数据采集;
所述数据处理模块用于对实时车辆信息和实时模拟数据进行处理,生成车辆评估信息与模拟评估信息;
所述信息发送模块用于将车辆评估信息与模拟评估信息发送到预设接收终端。
2.根据权利要求1所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述环境模拟模块采集环境模拟数据的具体过程如下:登录进入环境模拟数据库,之后导入环境模拟关键词,从环境模拟数据库中进行对应关键词检索,检索出所有与导入的环境模拟关键词最为接近的环境数据为环境模拟数据。
3.根据权利要求2所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述环境模拟数据库的建立过程如下:先建立空白数据库,之后将其与互联网连接,从互联网中采集检索复杂路况相关的数据信息,获取到多种复杂路况参数,之后提取出所有的复杂路况参数,对其进行相似度对比,将相似度大于预设值的复杂路况参数去除掉后,将剩余的复杂路况参数导入到空白数据库中,即获取到环境模拟数据库。
4.根据权利要求3所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述环境模拟数据库每隔预设时长即进行一次更新,其更新过程如下:环境模拟数据建立完成预设时长后,即再次从互联网中采集检索复杂路况相关的数据信息,将该次采集的复杂路况相关的数据信息与数据库中存有的复杂路况参数进行比对,将与数据库中存有的复杂路况参数相同的参数去除掉后,再将剩余的复杂路况参数导入到数据库中,后续再次进行环境模拟数据库更新时,依旧按照第一更新的过程,进行数据更新。
5.根据权利要求2所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述车辆评估信息包括第一车辆评估信息、第二车辆评估信息与第三车辆评估信息;
所述车辆评估信息的具体过程如下:
步骤一:提取出采集到的实时车辆信息,实时车辆信息包括左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据;
步骤二:自动驾驶在复杂路况的模拟驾驶过程中,每隔预设时长即采集一次左右水平力度监测数据、前后惯性监测数据与车辆偏移监测数据,至少采集m次;
步骤三:将m次左右水平力度监测数据进行分析获取到左右水平力度评估信息,左右水平力度评估信息包括一级水平力度变化评估、二级水平力度变化评估与三级水平力度变化评估;
步骤四:将m次前后惯性监测数据进行分析获取到前后惯性评估信息,前后惯性评估信息包括一级惯性变化评估、二级惯性变化评估与三级惯性变化评估;
步骤五:将m次车辆偏移监测数据进行分析,获取到偏移评估信息,所述偏移评估信息包括一级偏移评估信息、二级偏移评估信息与三级偏移评估信息;
步骤六:当前后惯性评估信息为一级水平力度变化评估、前后惯性评估信息为一级惯性变化评估,且偏移评估信息为一级偏移评估信息时,即生成车辆第一车辆评估信息;
步骤七:当前后惯性评估信息为三级水平力度变化评估、前后惯性评估信息为三级惯性变化评估,且偏移评估信息为三级偏移评估信息时,即生成车辆第三车辆评估信息;
步骤八:除步骤六和步骤七状态外,剩余状态都生成第二车辆评估信息。
6.根据权利要求5所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述对m次左右水平力度监测数据进行分析获取到左右水平力度评估信息的具体过程如下:单次的左右水平力度监测数据包括左侧水平力度信息与右侧水平力度信息,计算出左侧水平力度信息与右侧水平力度信息的差值,获取到力度差;
依次计算出剩余的计算出其他的左右水平力度监测数据的力度差,再计算出所有力度差的平均值即获取到力度差评估参数;
当力度差评估参数小于预设值,即生成一级水平力度变化评估,当力度差评估参数在预设值范围内,即生成二级水平力度变化评估,当力度差评估参数小于预设值,即生成三级水平力度变化评估。
7.根据权利要求1所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述将m次前后惯性监测数据进行分析获取到前后惯性评估信息的过程如下:单次前后惯性监测数据包括向前惯性数据与向后惯性数据;
计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值,再计算出所有向前后惯性监测数据中的前惯性数据与向后惯性数据的差值的绝对值的平均值,即获取到惯性评估参数;
当惯性评估参数小于预设值,即生成一级惯性变化评估,当惯性评估参数大于预设值,即生成三级惯性评估,当惯性评估参数在预设值范围内时,即生成二级惯性评估。
8.根据权利要求1所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述偏移评估信息的具体处理过程如下:提取出m次车辆偏移监测数据,设置了标准偏移值,计算出车辆偏移监测数据与标准偏移值之间的差值获取到m个偏移评估参数,当偏移评估参数中大于预设值的数量超过预设数量a1,即生成三级偏移评估信息,当偏移评估参数中大于预设值的数量小于预设数量a2,即生成一级偏移评估信息,当偏移评估参数中大于预设值的数量在a1到a2之间是,即生成二级偏移评估信息。
9.根据权利要求1所述的一种自动驾驶的复杂路况模拟系统,其特征在于:所述模拟评估信息包括第一实际评估信息、第二实际评估信息与第三实际评估信息,所述模拟评估信息的具体处理过程如下:提取出采集到的实时模拟数据,实时模拟数据为人车距离信息与刹车距离信息,其中,人车距离为在模拟过程中车辆在道路上遭遇到行人模型后进行刹车,车辆停止后的车辆与行人模型的距离信息;
当人车距离信息大于预设值时无论刹车距离信息为何值,都生成第一实际评估信息;
当人车距离信息在预设值范围内,刹车距离信息也在预设值范围内时,即生成第二实际评估信息;
当人车距离信息小于预设值,刹车距离信息大于预设值时,即生成第三实际评估信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310612251.4A CN116645849A (zh) | 2023-05-29 | 2023-05-29 | 一种自动驾驶的复杂路况模拟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310612251.4A CN116645849A (zh) | 2023-05-29 | 2023-05-29 | 一种自动驾驶的复杂路况模拟系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116645849A true CN116645849A (zh) | 2023-08-25 |
Family
ID=87618281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310612251.4A Pending CN116645849A (zh) | 2023-05-29 | 2023-05-29 | 一种自动驾驶的复杂路况模拟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116645849A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931496A (zh) * | 2023-09-15 | 2023-10-24 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制系统 |
-
2023
- 2023-05-29 CN CN202310612251.4A patent/CN116645849A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931496A (zh) * | 2023-09-15 | 2023-10-24 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制系统 |
CN116931496B (zh) * | 2023-09-15 | 2023-12-15 | 青岛能征智能装备有限公司 | 一种基于数据采集的无人驾驶车辆控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN113050455A (zh) | 一种用于智能网联汽车的数字孪生测试系统及控制方法 | |
CN104408924B (zh) | 一种基于耦合隐马尔可夫模型的城市道路异常交通流检测方法 | |
CN105976074A (zh) | 一种车辆健康参数的生成、展现方法以及装置 | |
CN105955233B (zh) | 一种基于数据挖掘的车辆故障诊断方法及系统 | |
CN116645849A (zh) | 一种自动驾驶的复杂路况模拟系统 | |
CN114299742B (zh) | 一种高速公路的限速信息动态识别与更新推荐方法 | |
CN113779705A (zh) | 一种自动驾驶汽车智能等级评定方法及系统 | |
CN109272603A (zh) | 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统 | |
CN110782670A (zh) | 基于数据融合的场景还原方法、车辆云平台及存储介质 | |
CN106956680A (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
CN110793537A (zh) | 一种导航路径推荐方法、车机及车辆 | |
CN106650964A (zh) | 一种充电设备的故障分析系统、方法和装置 | |
CN112799950A (zh) | 后台服务的负载能力测试系统、方法、存储介质及电子设备 | |
CN111951543B (zh) | 流量预测方法及装置 | |
CN113657716B (zh) | 基于熵权法的驾驶员驾驶行为安全性综合评价方法 | |
CN114596709A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN116340332A (zh) | 更新车载智能系统的场景库的方法、装置和车辆 | |
CN111881121A (zh) | 一种自动驾驶数据填充方法和装置 | |
CN111016914A (zh) | 基于便携终端信息的险态驾驶场景辨识系统及其辨识方法 | |
CN112528568B (zh) | 一种基于K-Means和BP神经网络的路感模拟方法 | |
CN113570470B (zh) | 一种汽车保险用快速管理系统 | |
CN111798091B (zh) | 一种基于变道持续时间的高速公路变道评分模型建立方法 | |
CN112308171A (zh) | 一种基于模拟驾驶器的车辆位置预测建模方法 |
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 |