CN116702521B - 一种自动驾驶场景一致性对比方法、装置及电子设备 - Google Patents
一种自动驾驶场景一致性对比方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116702521B CN116702521B CN202310987619.5A CN202310987619A CN116702521B CN 116702521 B CN116702521 B CN 116702521B CN 202310987619 A CN202310987619 A CN 202310987619A CN 116702521 B CN116702521 B CN 116702521B
- Authority
- CN
- China
- Prior art keywords
- compared
- parameter
- consistency
- comparison
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012360 testing method Methods 0.000 claims abstract description 108
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 238000011990 functional testing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000004451 qualitative analysis Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012729 kappa analysis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012562 intraclass correlation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种自动驾驶场景一致性对比方法、装置及电子设备,涉及自动驾驶算法技术领域,方法包括:在同一功能测试场景下,获取多组测试数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。本申请通过场景一致性比对模型,保证多组仿真与多组实测数据之间比对效率的同时,使方法使用所有试验场景。
Description
技术领域
本申请涉及自动驾驶算法技术领域,尤其涉及一种自动驾驶场景一致性对比方法、装置及电子设备。
背景技术
目前,仿真-实车测试数据的对比主要是包括定性分析和定量分析。
定性分析包括测试结果曲线的图形比较等,由于定性分析主观性强,方法较为粗糙,科学性差,定量分析则包括两组数据之间的对比以及多组数据之间的对比两种情况。
对于两组数据之间进行对比的情况,通常采用相对误差或均方根误差以反映数据比对情况,但是相对误差会出现多次试验结果偏差较大造成实验不准的问题,而均方根误差与场景参数相关,易受异常值影响。
对于多组数据之间进行对比的情况,包括利用kappa统计量和组内相关系数(ICC)两种系数反映比对结果,但是,kappa统计量只能用于相同试验对象多次测试结果,而组内相关系数则会默认试验对象是有特定关系的。
综上所述,现有技术中,定性分析会影响仿真-实车测试数据之间的对比结果的准确性且比对效率低,而定量分析比对场景不仅受局限,且比对结果准确性也不高。
发明内容
有鉴于此,本申请的目的在于至少提供一种自动驾驶场景一致性对比方法、装置及电子设备,通过场景一致性比对模型,保证多组仿真与多组实测数据之间比对效率的同时,使方法使用所有试验场景。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供一种自动驾驶场景一致性对比方法,方法包括:在同一功能测试场景下,获取多组测试数据,多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。
在一种可能的实施方式中,通过以下方式得到每个待比对参数对应的一致性系数:由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵;根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩;根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,一致性系数反映了待比对参数在不同测试环境下的一致性程度。
在一种可能的实施方式中,通过以下公式确定每个待比对参数对应的一致性系数:
在该公式中,表示第j个待比对参数对应的一致性系数,/>表示第j个待比对参数对应的观测值数量,其中,/>的取值范围为/>,/>表示待比对参数数量;
其中:
;
表示第/>个待比对参数中的第/>个观测值对应的秩。
在一种可能的实施方式中,通过以下方式确定每个待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果:判断该待比对参数对应的一致性系数是否大于或等于第一预设阈值;若该待比对参数对应的一致性系数大于或等于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果具备一致性;若该待比对参数对应的一致性系数小于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果不具备一致性。
在一种可能的实施方式中,在确定每个待比对参数对应的一致性比较结果之前,方法还包括:获取场景一致性比对模型输出的每个待比对参数对应的显著性系数,显著性系数用于指示一致性系数是否可信;针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
第二方面,本申请实施例还提供一种自动驾驶场景一致性对比装置,装置包括:获取模块,用于在同一功能测试场景下,获取多组测试数据,多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;一致性比对模块,用于将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;结果确定模块,用于针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。
在一种可能的实施方式中,一致性比对模块,还用于:由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵;根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩;根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,一致性系数反映了待比对参数在不同测试环境下的一致性程度。
在一种可能的实施方式中,装置还包括可信度验证模块,用于:在确定每个待比对参数对应的一致性比较结果之前,获取场景一致性比对模型输出的每个待比对参数对应的显著性系数,显著性系数用于指示一致性系数是否可信;针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的自动驾驶场景一致性对比方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的自动驾驶场景一致性对比的步骤。
本申请实施例提供的一种自动驾驶场景一致性对比方法、装置及电子设备,方法包括:在同一功能测试场景下,获取多组测试数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。本申请通过场景一致性比对模型,保证多组仿真与多组实测数据之间比对效率的同时,使方法使用所有试验场景。
本申请有益之处在于:
本申请提供的自动驾驶场景一致性对比方法,首先保障实测-多组仿真数据之间的对比效率;
其次,能够定量分析仿真-实测数据,避免kappa只能用于相同试验对象的名义分类,同时避免ICC的只能对特定关系的试验对象进行对比,且避免出现无法对比的问题;
再次,能够得到多次仿真-实车对比试验的结果趋势保持一致的情况;
最后,保障比对方法对所有试验场景/项目均适用。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种自动驾驶场景一致性对比方法的流程图之一;
图2示出了本申请实施例提供的一种自动驾驶场景一致性对比方法的流程图之二;
图3示出了本申请实施例提供的一种自动驾驶场景一致性对比装置的功能模块图;
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
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,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
目前,仿真-实车测试数据的对比主要是包括定性分析和定量分析。
定性分析主要包括测试结果曲线的图形比较等,但由于定性分析主观性强,意味着其只适合用来支持仿真-实车对比的第一步,由于定性分析主观性强,方法较为粗糙,科学性差。
定量评估是通过对多组模拟仿真测试数据和一组封闭场地测试数据的关键性能指标的定量计算,来进行仿真-实车数据的对比,包括比较时间序列和概率分布等。
在定量评估中,对于两组数据之间对比,包括:
(1)相对误差
相对误差指的是测量所造成的绝对误差与被测量真值之比乘以100%所得的数值,以百分数表示。一般来说,相对误差更能反映测量的可信程度,但是,当为0时,出现无法计算问题,且多次试验结果偏差较大。
相对误差
其中,Q表示仿真实验次数,表示第q次仿真实验对应的测量值,/>表示实际测试对应的测量值。
(2)均方根误差
均方根误差是预测值与真实值偏差的平方与观测次数比值的平方根,用来衡量观测值同真值,或者观测值与其模拟值之间的偏差。
其中,均方根误差S=,均方根误差与场景参数相关,无规律,易受异常值的影响。
对于定量评估中的多组数据之间对比:
1)kappa衡量在评估相同试验对象时多次测试结果的一致程度。Kappa值的范围为–1到+1。kappa值越高,一致性就越强。当:Kappa=1时,表明完全一致。Kappa=0时,则一致性与偶然预期的相同。Kappa<0时,一致性比偶然预期的还要弱,不过这种情况很少发生,但是此种对比方式只能用于相同试验对象多次测试结果,且分类是名义上的,例如真/假、好/坏等。
2)组内相关系数(ICC)
组内相关系数(intraclass correlation efficient,ICC)常用于评价具有确定亲属关系的个体间某种定量属性的相似程度,也应用于评价不同测定方法或评定者对同一定量测量结果的可重复性或一致性,在一致性检验中,常使用ICC指标评价不同研究者对同一组试验结果进行诊断的可重复性,但是,组内相关系数常用于评价具有某种特定关系的试验对象间的某种定量属性的相似程度,默认试验对象是有特定关系的。
基于此,本申请实施例提供了一种自动驾驶场景一致性对比方法、装置及电子设备,通过场景一致性比对模型,保证多组仿真与多组实测数据之间比对效率的同时,使方法使用所有试验场景,具体如下:
请参阅图1,图1示出了本申请实施例所提供的一种自动驾驶场景一致性对比方法的流程图之一。如图1所示,本申请实施例提供的方法,包括以下步骤:
S100、在同一功能测试场景下,获取多组测试数据。
其中,多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值。
S200、将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数。
S300、针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。
请参阅图2,图2示出了本申请实施例提供的一种自动驾驶场景一致性对比方法的流程图之二。如图2所示,在步骤S100中,可以先选取一功能测试场景并确定场景运行参数,例如前方车辆紧急制动场景,然后确定功能测试场景对应的多个待比对参数Q1、Q2......Qk,待比对参数可以为试验车辆速度、试验车辆加速度和试验车辆与目标车辆之间的相对纵向距离等,场景运行参数例如试验车辆初始速度40km/h。
然后分别在模拟仿真环境中和封闭场地实测环境中运行功能测试场景,并分别在模拟仿真环境中进行多组仿真测试(≥10次)和在封闭场地实测环境中进行一次封闭场地测试,并记录测试结果,得到多组测试数据,多组测试数据包括多组仿真测试数据S仿真1、S仿真2、S仿真3......,和实测数据S场地。
在步骤S200中,如图2,将多组测试数据输入预设对比工具,预设对比工具内置基于kendall系数的场景一致性比对模型,基于多组仿真测试数据和实测数据采用场景一致性比对模型分别对待比对k个待比对参数
,/>,....../> 进行的一致性比对,得到每个待比对参数对应的一致性系数W,针对每个待比对参数,根据一致性系数w,输出每个待比对参数对应的一致性比较结果。
在一优选实施例中,通过以下方式得到每个待比对参数对应的一致性系数:
由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵,根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩,根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,一致性系数反映了待比对参数在不同测试环境下的一致性程度。
在另一优选实施例中,通过以下公式确定每个待比对参数对应的一致性系数:
在该公式中,表示第j个待比对参数对应的一致性系数,/>表示第j个待比对参数对应的观测值数量,其中,/>的取值范围为/>,/>表示待比对参数数量;
其中:
,/>=1,2,......n
表示第/>个待比对参数中的第/>个观测值对应的秩。
一示例中,假设存在k个待比对参数,/>,....../>,受所进行的仿真测试和封闭环境测试数量限制,每个待比对参数共具备n个观测值(包括多组仿真测试下的观测值和封闭场地测试下的观测值),由于待比对参数对应的观测值会存在负值的情况(例如:加速度-0.2m/s2),则第/>个待比对参数所形成的一维矩阵为(/>,/>,....../>),假设场景一致性比对模型对应的检验问题为k个待比对参数不相关,则先确定/>在(/>,,....../>)的秩/>,然后再确定/>,其中,/>=1,2,......n,基于此,可计算出所有秩和为:
基于计算出的全部秩和,利用统计量,得到对检验问题进行验证的一致性系数表达式:
在一优选实施例中,通过以下方式确定每个待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果:
判断该待比对参数对应的一致性系数是否大于或等于第一预设阈值,若该待比对参数对应的一致性系数大于或等于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果具备一致性,若该待比对参数对应的一致性系数小于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果不具备一致性。
本申请一优选实施例中,在确定每个待比对参数对应的一致性比较结果之前,方法还包括:
获取场景一致性比对模型输出的每个待比对参数对应的显著性系数,显著性系数用于指示一致性系数是否可信,针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
在本申请中,如图2,场景一致性比对模型还会输出每个待比对参数对应的显著性系数P,对于每个待比对参数,最终输出一致性系数w和显著性系数P。
表1
待比对参数 | 测试总数 | 一致性系数W | 显著性系数P |
速度 | 5 | 0.853 | 0.00022 |
加速度 | 5 | 0.629 | 0.03 |
相对位置 | 5 | 0.778 | 0.005 |
表一示出一种一致性对比结果示例,如表1所示,待比对参数包括速度、加速度和相对位置,且进行了四组仿真测试和一组实测,测试总数共计5次,则以速度为例,最后一致性模型输出一致性系数为0.853,显著性系数为0.00022,其中,第二预设阈值为0.01,0.00022小于0.01,说明一致性系数结果可信,第一预设阈值为0.8,0.853大于0.8,说明速度在模拟仿真环境以及封闭场地实测环境下得到的实验结果具备一致性。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的自动驾驶场景一致性对比方法对应的自动驾驶场景一致性对比装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例的自动驾驶场景一致性对比方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图3,图3示出了本申请实施例提供的一种自动驾驶场景一致性对比装置的功能模块图。如图3所示,装置包括:
获取模块400,用于在同一功能测试场景下,获取多组测试数据,多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值。
一致性比对模块410,用于将多组测试数据输入基于kendall系数的场景一致性比对模型,利用场景一致性比对模型对多组仿真测试数据和至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数。
结果确定模块420,用于针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果。
优选的,一致性比对模块410,还用于:由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵;根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩;根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,一致性系数反映了待比对参数在不同测试环境下的一致性程度。
优选的,装置还包括可信度验证模块430,用于:在确定每个待比对参数对应的一致性比较结果之前,获取场景一致性比对模型输出的每个待比对参数对应的显著性系数,显著性系数用于指示一致性系数是否可信;针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
优选的,一致性比对模块410,还用于通过以下公式确定每个待比对参数对应的一致性系数:
在该公式中,表示第j个待比对参数对应的一致性系数,/>表示第j个待比对参数对应的观测值数量,其中,/>的取值范围为/>,/>表示待比对参数数量;
其中:
;
表示第/>个待比对参数中的第/>个观测值对应的秩。
优选的,结果确定模块420还用于:判断该待比对参数对应的一致性系数是否大于或等于第一预设阈值;若该待比对参数对应的一致性系数大于或等于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果具备一致性;若该待比对参数对应的一致性系数小于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果不具备一致性。
基于同一申请构思,请参阅图4,图4示出了本申请实施例提供的一种电子设备的结构示意图,电子设备500包括:处理器510、存储器520和总线530,存储器520存储有处理器510可执行的机器可读指令,当电子设备500运行时,处理器510与存储器520之间通过总线530进行通信,机器可读指令被处理器510运行时执行如上述实施例中任一提供的自动驾驶场景一致性对比方法的步骤。
基于同一申请构思,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例提供的自动驾驶场景一致性对比方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种自动驾驶场景一致性对比方法,其特征在于,所述方法包括:
在同一功能测试场景下,获取多组测试数据,所述多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;
将所述多组测试数据输入基于kendall系数的场景一致性比对模型,利用所述场景一致性比对模型对所述多组仿真测试数据和所述至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;
针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果;
其中,通过以下方式得到每个待比对参数对应的一致性系数:
由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵;
根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩;
根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,所述一致性系数反映了待比对参数在不同测试环境下的一致性程度;
通过以下公式确定每个待比对参数对应的一致性系数:
在该公式中,表示第j个待比对参数对应的一致性系数,/>表示第j个待比对参数对应的观测值数量,其中,/>的取值范围为/>,/>表示待比对参数数量;
其中:
;
表示第/>个待比对参数中的第/>个观测值对应的秩。
2.根据权利要求1所述的方法,其特征在于,通过以下方式确定每个待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果:
判断该待比对参数对应的一致性系数是否大于或等于第一预设阈值;
若该待比对参数对应的一致性系数大于或等于第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果具备一致性;
若该待比对参数对应的一致性系数小于所述第一预设阈值,则确定该待比对参数在模拟仿真环境以及封闭场地实测环境下得到的实验结果不具备一致性。
3.根据权利要求1所述的方法,其特征在于,在确定每个待比对参数对应的一致性比较结果之前,所述方法还包括:
获取所述场景一致性比对模型输出的每个待比对参数对应的显著性系数,所述显著性系数用于指示所述一致性系数是否可信;
针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;
针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于所述第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
4.一种自动驾驶场景一致性对比装置,其特征在于,所述装置包括:
获取模块,用于在同一功能测试场景下,获取多组测试数据,所述多组测试数据包括在模拟仿真环境中进行多次仿真测试得到的多组仿真测试数据以及在封闭场地实测环境下进行至少一次实测得到的至少一组实测数据,每组测试数据包括在对应测试环境下得到的多个待比对参数对应的观测值;
一致性比对模块,用于将所述多组测试数据输入基于kendall系数的场景一致性比对模型,利用所述场景一致性比对模型对所述多组仿真测试数据和所述至少一组实测数据进行一致性比对,得到每个待比对参数对应的一致性系数;
结果确定模块,用于针对每个待比对参数,根据该待比对参数对应的一致性系数,确定该待比对参数在模拟仿真环境以及封闭场地实测环境下的一致性比较结果;
所述一致性比对模块,还用于:
由该待比对参数的每个观测值的绝对值,形成该待比对参数对应的一维矩阵;
根据该待比对参数对应的一维矩阵,确定该待比对参数对应的每个观测值在该一维矩阵下的秩;
根据该待比对参数的各观测值对应的秩,确定该待比对参数对应的一致性系数,所述一致性系数反映了待比对参数在不同测试环境下的一致性程度;
其中,所述一致性比对模块还用于通过以下公式确定每个待比对参数对应的一致性系数:
在该公式中,表示第j个待比对参数对应的一致性系数,/>表示第j个待比对参数对应的观测值数量,其中,/>的取值范围为/>,/>表示待比对参数数量;
其中:
;
表示第/>个待比对参数中的第/>个观测值对应的秩。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括可信度验证模块,用于:
在确定每个待比对参数对应的一致性比较结果之前,获取所述场景一致性比对模型输出的每个待比对参数对应的显著性系数,所述显著性系数用于指示所述一致性系数是否可信;
针对每个待比对参数,若该待比对参数对应的显著性系数小于第二预设阈值,则确定该待比对参数对应的一致性系数可信;
针对每个待比对参数,若该待比对参数对应的显著性系数大于或等于所述第二预设阈值,则确定该待比对参数对应的一致性系数不可信。
6.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至3任一所述的自动驾驶场景一致性对比方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至3任一所述的自动驾驶场景一致性对比方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310987619.5A CN116702521B (zh) | 2023-08-08 | 2023-08-08 | 一种自动驾驶场景一致性对比方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310987619.5A CN116702521B (zh) | 2023-08-08 | 2023-08-08 | 一种自动驾驶场景一致性对比方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116702521A CN116702521A (zh) | 2023-09-05 |
CN116702521B true CN116702521B (zh) | 2023-10-24 |
Family
ID=87841932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310987619.5A Active CN116702521B (zh) | 2023-08-08 | 2023-08-08 | 一种自动驾驶场景一致性对比方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116702521B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889077A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 |
CN115376324A (zh) * | 2022-10-24 | 2022-11-22 | 中国汽车技术研究中心有限公司 | 车辆场景复杂度确定方法 |
CN116305703A (zh) * | 2021-12-08 | 2023-06-23 | 中国科学院沈阳自动化研究所 | 一种面向仿真系统的环境参数空间一致性表征方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170168992A9 (en) * | 2013-05-06 | 2017-06-15 | Sas Institute Inc. | Techniques to provide significance for statistical tests |
DE102021201445A1 (de) * | 2021-02-16 | 2022-08-18 | Robert Bosch Gesellschaft mit beschränkter Haftung | Computerimplementiertes Verfahren zum Testen der Konformität zwischen realen und synthetischen Bildern für maschinelles Lernen |
-
2023
- 2023-08-08 CN CN202310987619.5A patent/CN116702521B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889077A (zh) * | 2018-09-10 | 2020-03-17 | 湖南银杏可靠性技术研究所有限公司 | 基于Kendall相关系数的加速贮存与自然贮存退化数据一致性检验方法 |
CN116305703A (zh) * | 2021-12-08 | 2023-06-23 | 中国科学院沈阳自动化研究所 | 一种面向仿真系统的环境参数空间一致性表征方法 |
CN115376324A (zh) * | 2022-10-24 | 2022-11-22 | 中国汽车技术研究中心有限公司 | 车辆场景复杂度确定方法 |
Non-Patent Citations (1)
Title |
---|
Kendall协调系数W检验及其SPSS实现;程琮 等;泰山医学院学报;第31卷(第7期);第487页正文第1节到-第490页第2.1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN116702521A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2342603B1 (en) | Method and apparatus for creating state estimation models in machine condition monitoring | |
WO2008144560A1 (en) | Algorithms to predict clinical response, adherence, and shunting with thiopurines | |
CN112651119B (zh) | 一种空间谐波减速器多性能参数加速退化试验评估方法 | |
Schisterman et al. | Hybrid pooled–unpooled design for cost‐efficient measurement of biomarkers | |
CN112308381A (zh) | 装备贡献度数据分析方法、系统、存储介质、计算机设备 | |
CN113298162A (zh) | 一种基于K-means算法的桥梁健康监测方法及系统 | |
CN111382029B (zh) | 基于pca和多维监测数据的主板异常诊断方法及装置 | |
CN110850358A (zh) | 基于逐步回归算法的电能表综合检定方法及系统 | |
CN115587670A (zh) | 一种基于指标图谱的产品质量诊断方法及装置 | |
CN117216454B (zh) | 基于模糊非概率的可靠性评估方法、装置、终端及存储介质 | |
EP2738701A2 (en) | Method and apparatus for statistical electronic circuit simulation | |
Kim et al. | On Bayesian inference for proportional hazards models using noninformative priors | |
CN116702521B (zh) | 一种自动驾驶场景一致性对比方法、装置及电子设备 | |
CN113706475A (zh) | 基于图像分割的置信度分析方法及装置 | |
CN113327655B (zh) | 多维度数据的离群值检测方法、装置、设备和介质 | |
CN111985826B (zh) | 一种多指标工业产品的可视化质量分级方法和系统 | |
CN114490412A (zh) | 基于自减逆向云发生器的三维cad软件性能度量方法及装置 | |
CN113868831A (zh) | 一种电池容量一致性估计方法及系统 | |
CN111507639B (zh) | 理财风险分析方法及装置 | |
CN117076293B (zh) | 基于贫样本层次可信聚类热力图的软件性能可视评价方法 | |
CN113392524B (zh) | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 | |
CN113779790B (zh) | 基于自编码器误差重构的故障监测方法、装置及介质 | |
Yi et al. | Analysis of panel data with misclassified covariates | |
Chou et al. | Determination of optimal measurement guardbands | |
Schadler et al. | Distance-Based Data Selection for Regression Models Used in an Adaptive Fault Detection Approach |
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 |