CN117348595A - 一种网联汽车智能避险测试系统和方法 - Google Patents
一种网联汽车智能避险测试系统和方法 Download PDFInfo
- Publication number
- CN117348595A CN117348595A CN202311425465.7A CN202311425465A CN117348595A CN 117348595 A CN117348595 A CN 117348595A CN 202311425465 A CN202311425465 A CN 202311425465A CN 117348595 A CN117348595 A CN 117348595A
- Authority
- CN
- China
- Prior art keywords
- test
- parameter
- vehicle
- simulation
- 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.)
- Withdrawn
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 378
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 109
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 239000013598 vector Substances 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 23
- 238000013101 initial test Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 12
- 238000010998 test method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供一种网联汽车智能避险测试系统与方法,该系统包括:模拟测试模块,模拟测试模块被配置为确定第一测试参数,第一测试参数包括模拟环境参数和模拟操作参数;模拟测试模块包括模拟参数确定模块、模拟操作模块;其中,模拟参数确定模块被配置为确定网联汽车的模拟环境参数,模拟环境参数包括天气参数、路况参数和定速巡航参数中的至少一种;模拟操作模块被配置为控制虚拟用户的模拟操作参数;数据采集模块,被配置为采集网联汽车的车载数据;评估模块,被配置为基于车载数据,确定相关于第一测试参数的评估结果,评估结果包括是否需要调整第一测试参数。
Description
技术领域
本说明书涉及汽车辅助驾驶控制技术领域,特别涉及一种网联汽车智能避险测试系统和方法。
背景技术
车辆驾驶过程中,车辆行驶障碍的识别控制对于车辆安全驾驶有重要意义。现有技术中大多关于障碍识别的功能大都基于外部环境障碍,例如其他车辆等,侧重于车辆避障的响应速度,以及避障时车辆的稳定参数。
CN113790903A公开了一种低速智能网联汽车封闭场景静态避障测试数据评估方法。该方案先分别对测试过程中采集的数据进行分项评价,再将避障过程中车辆状态数据、传感测量数据相结合,进行综合评分。但是该说明书未涉及出现因车辆本身车载系统操纵失误等情形导致的险情时,如何评估车辆的避险情况。
因此,本发明公开了一种网联汽车智能避险测试系统和方法,进一步完善网联汽车测试方案,以便对网联汽车车载系统性能的可靠性做更全面的评估。
发明内容
本说明书一个或多个实施例提供一种网联汽车智能避险测试系统,其特征在于,包括:模拟测试模块,所述模拟测试模块被配置为确定第一测试参数,所述第一测试参数包括模拟环境参数和模拟操作参数;所述模拟测试模块至少包括模拟参数确定模块、模拟操作模块;其中,所述模拟参数确定模块被配置为确定网联汽车的所述模拟环境参数,所述模拟环境参数至少包括天气参数、路况参数和定速巡航参数中的至少一种;所述模拟操作模块被配置为控制虚拟用户的所述模拟操作参数;数据采集模块,被配置为采集所述网联汽车的车载数据;评估模块,被配置为基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数。
本说明书实施例之一提供一种网联汽车智能避险测试方法,其特征在于,所述方法由处理器执行,包括:确定第一测试参数,所述第一测试参数包括模拟环境参数和模拟操作参数;确定网联汽车的所述模拟环境参数,所述模拟环境参数包括天气参数、路况参数和定速巡航参数中的至少一种;控制虚拟用户的所述模拟操作参数;采集所述网联汽车的车载数据;基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数。
本说明书一个或多个实施例提供一种网联汽车智能避险测试装置,包括处理器,所述处理器执行网联汽车智能避险测试方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行网联汽车智能避险测试方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的网联汽车智能避险测试系统的示例性模块图;
图2是根据本说明书一些实施例所示的确定初始测试方案的示例性流程图;
图3是根据本说明书一些实施例所示的确定第二测试参数的方法的示意图;
图4是根据本说明书一些实施例所示的确定第二测试参数的又一方法的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的网联汽车智能避险测试系统的模块图。
如图1所示,在一些实施例中,网联汽车智能避险测试系统100可以包括模拟测试模块110、数据采集模块120和评估模块130。其中,网联汽车智能避险测试系统100对应的功能可以由处理器执行。
模拟测试模块110被配置为用于确定第一测试参数。在一些实施例中,模拟测试模块110可以包括模拟参数确定模块和模拟操作模块。
在一些实施例中,模拟参数确定模块被配置为用于确定网联汽车的模拟环境参数。
在一些实施例中,模拟操作模块被配置为用于控制虚拟用户的模拟操作参数。
在一些实施例中,模拟测试模块110还被配置为基于网联汽车型号、需求数据、历史测试结果构建测试特征向量;基于测试特征向量在参考方案数据库中检索,确定初始测试方案;其中,初始测试方案包括至少一个检测项目,检测项目至少包括一个检测环节。
数据采集模块120被配置为用于采集网联汽车的车载数据。
评估模块130被配置为用于基于车载数据,确定相关于第一测试参数的评估结果,评估结果包括是否需要调整第一测试参数。
在一些实施例中,评估模块130还被配置为基于当前测试项目,确定预设条件序列,当前测试项目包括至少一个测试环节;基于当前测试环节的反馈数据、预设条件序列,确定环节测试结果;响应于环节测试结果不符合第一条件,确定候选测试参数;基于反馈数据、模拟环境参数、模拟操作参数、候选测试参数,确定第二测试参数。
在一些实施例中,评估模块130还被配置为基于反馈数据序列、车载数据序列、模拟操作数据序列,确定测试项目的所述评估结果;反馈数据序列包括测试项目中,至少一个测试环节对应的反馈数据;车载数据序列包括测试项目中,至少一个测试环节对应的车载数据;模拟操作数据序列包括测试项目中,至少一个测试环节对应的模拟操作数据。
在一些实施例中,网联汽车智能避险测试系统100还可以包括测试统计模块,前述测试统计模块被配置为用于对评估结果进行记录。
在一些实施例中,模拟测试模块110、数据采集模块120和评估模块130可以被集成于处理器中,下述图2中的流程200可以视为由处理器执行。
关于网联汽车智能避险测试系统100各个模块所执行的功能的更多说明可参见本说明书图2及其相关描述。
需要注意的是,以上对于网联汽车智能避险测试系统100及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。
图2是根据本说明书一些实施例所示的网联汽车智能避险测试方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以基于网联汽车智能避险测试系统100实现。
步骤210,确定第一测试参数。
第一测试参数是指用于测试的初始测试参数,用于对车辆的避险性能进行测试。
在一些实施例中,第一测试参数包括模拟环境参数与模拟操作参数。
模拟环境参数是指系统模拟的反映车辆行驶环境的参数。例如,天气、路况、障碍物、行驶路线等。
在一些实施例中,模拟环境参数可以通过多种方式获取。例如,可以通过获取用户输入确定,又例如,可以通过获取系统中的历史数据确定等。其中,用户指使用使用网联汽车智能避险测试系统,对网联汽车进行测试的工作人员。
模拟操作参数是指系统模拟的对网联汽车内车载系统及其相关设备的操作数据。其中,模拟操作数据可以包括模拟驾驶人员踩刹车的时间,模拟驾驶人员转动方向盘的角度以及,按下按钮对应操作时间等,例如,踩刹车踩了0.1s。其中,模拟驾驶人员是由系统虚构出来的,驾驶网联汽车的虚拟人员。
在一些实施例中,模拟操作参数还包括巡航操作参数,巡航操作参数用于控制网联汽车的定速巡航参数。
在一些实施例中,模拟测试模块可以通过控制模拟驾驶人员对网联车辆上的定速巡航功能按键,包括按键1和按键2执行操作,通过前述两个按键的触发情况来调整定速巡航的参数。
示例性地,模拟测试模块控制模拟驾驶人员在第一预设时间内触发按键1和按键2,若网联车辆当前已处于定速巡航状态,车载系统识别到两个按键在预设时间内触发的信号后,会退出定速巡航状态,若网联车辆当前未处于定速巡航状态,车载系统在识别到前述信号后,会进入定速巡航状态,其中,第一预设时间可基于驾驶需求设置,如,1秒。
又例如,当网联车辆处于定速巡航状态时,若车载系统在第二预设时间内识别到按键1被触发一次,则车载系统可以增加定速巡航的设定车速,车速增加幅度可以为3km/h;若车载系统在第二预设时间内识别到按键1被触发两次,则车载系统可以减低定速巡航的设定车速,车速降低幅度可以为3km/h。
再例如,当车载系统识别到车辆的异常状态则可以推出自动巡航状态。其中,异常状态可以包括制动踏板踩下、换挡手柄切换到非前进挡位、钥匙信号为非激活状态等。
通过上述方式对车辆进行控制,可以通过较少的按键实现对车辆定速巡航的相关操作,有利于防止误操作,增加驾驶的安全性。
在一些实施例中,系统可以通过初始模拟操作参数来控制待测网联汽车的定速巡航参数,进一步提高测试系统的准确度。
在一些实施例中,模拟操作参数可以通过多种方式获取。例如,可以通过获取用户输入确定,又例如,可以通过获取系统中的历史数据确定等。
在一些实施例中,第一测试参数可以通过多种方式确定。示例性的,第一测试参数可以通过获取系统中的历史数据确定。例如,基于历史同类型车辆测试时的历史参数,确定当前待测网联车辆的第一测试参数。
在一些实施例中,模拟测试模块110还可以通过向量匹配的方式确定初始测试方案。初始测试方案中包括至少一个检测项目,每个检测项目至少包括一个检测环节,每个检测环节具有各自对应的初始测试参数。
检测项目是指待检测网联汽车需要进行测试的项目。例如,测试网联汽车的刹车失灵的避险就是一个检测项目。
检测环节是指在一个检测项目中所包含的各个环节。例如,测试刹车失灵的避险能力的检测项目中,可以将该检测项目分成多个测试环节:能否监测到刹车失灵、是否能及时给出提醒、能否及时实施避险措施等。
在一些实施例中,模拟测试模块110可以通过确定初始测试方案,确定第一测试参数。例如,将初始测试方案中的各个环节对应的初始测试参数作为第一测试参数。
在一些实施例中,模拟测试模块110可以基于网联汽车型号、需求数据、历史测试结果构建测试特征向量;基于测试特征向量,在参考方案数据库中检索,确定初始测试方案。
测试特征向量是指反映当前网联汽车测试特征的向量。在一些实施例中,处理器可以调用测试统计模块中的数据,基于待测网联汽车的网联汽车型号、需求数据、历史测试结果,构建测试特征向量(x0,y0,z0)。其中,x0表征网联汽车型号,y0表征需求数据,z0表征历史测试结果。
需求数据是指对待测网联汽车需要进行哪些功能测试的需求。在一些实施例中,需求数据可以通过预先设置或获取用户输入确定。
历史测试结果是指该汽车在本次测试之前的测试结果。在一些实施例中,历史测试结果可以反映网联车辆的历史避险情况。示例性的,若该车辆的历史测试结果评价不良,则代表该车辆可能在避险反馈方面存在较多问题,需要增加测试的强度,扩大测试范围,以确定问题所在,进而有针对性地改善问题。
在一些实施例中,参考方案数据库包含多个参考向量,及其对应的参考测试方案。每个参考向量中地元素包括样本网联汽车型号、样本需求数据、样本历史测试结果。在一些实施例中,参考方案数据库可以基于历史测试数据构建。
在一些实施例中,模拟测试模块110可以分别计算参考向量与测试特征向量之间的距离,确定与测试特征向量最匹配的初始测试方案。例如,将与测试特征向量之间的距离满足预设条件的参考向量作为目标向量,将目标向量对应的参考测试方案作为与测试特征向量的初始测试方案。预设条件可以根据情况设定。例如,预设条件可以是向量距离最小或向量距离小于距离阈值等。
在一些实施例中,系统可以通过构建测试特征向量,并根据测试特征向量在参考方案数据库中检索,从而确定初始测试方案。使得初始测试方案与待测网联汽车的测试数据更加匹配,测试结果更加完善。
步骤220,采集网联汽车的车载数据。
在一些实施例中,模拟测试模块110可以按照确定好的第一测试参数对网联车辆进行避险能力测试。在测试过程中,数据采集模块120可以采集网联汽车的车载数据。
车载数据是指包含车辆行驶特征的数据。例如,车速、车载系统各部件运行情况,以及车辆当前总载重等。
在一些实施例中,车载数据可以通过数据采集模块120获取。
在一些实施例中,数据采集模块120还可以采集网联车辆在进行测试时,行驶中的操作数据。行驶中的操作数据可以包括对车内系统设备或设施进行操作的数据。例如,在行驶过程中按下按钮、踩刹车、转动方向盘等操作的相关数据等。
通过采集行驶中的操作数据,可以获得车辆状态变化,从而更好地为车辆测试提供数据支持,保证测试的准确性。
步骤230,基于车载数据,确定相关于第一测试参数的评估结果。
评估结果指与第一测试参数相关的结果,例如,是否需要调整第一测试参数。
在一些实施例中,评估结果可以由评估模块130,对车载数据进行分析获取。例如,评估模块130可以获取数据采集模块120采集到的车载数据,通过将车载数据与参考车载数据进行对比,判断网联车辆的避险性能是否符合要求,若符合要求,则评估结果为不需要调整第一测试参数;若不符合要求,则评估结果为需要调整第一测试参数,以便于进一步确认导致车辆避险性能不符合要求的原因。
在一些实施例中,评估模块130还可以基于测试项目中当前测试环节的反馈数据和测试项目的预设条件序列,确定环节测试结果,基于环节测试结果确定是否对第一测试参数进行调整。更多相关说明可参见图3及其相关描述。
在一些实施例中,处理器还可以基于测试项目的反馈数据序列、车载数据序列、模拟操作数据序列和模拟环境数据序列,确定测试项目的项目测试结果,基于项目测试结果确定是否对第一测试参数进行调整。更多相关说明可参见图4及其相关描述。
在一些实施例中,模拟测试模块110可以通过多种方式调整第一测试参数。例如,通过获取用户输入确定第一测试参数调整值,进而确定调整后的第一测试参数。在一些实施例中,调整后的第一测试参数也被称为第二测试参数。
在一些实施例中,模拟测试模块110还可以响应于环节测试结果不符合第一条件和/或项目测试结果不符合第二条件,确定候选测试参数;基于反馈数据、模拟环境参数、模拟操作参数、候选测试参数,确定调整后的第二测试参数。关于如何调整第一测试参数的说明可以参见图3、图4中的相关描述。
本说明书一些实施例中,通过基于第一测试参数获取初始测试方案,并基于车载数据对初始测试方案的测试结果进行评估,根据评估结果动态地调整第一测试参数,逐步完善测试方案,能够针对因车辆内部原因发生险情时,车辆的避险能力进行有效测试,发现问题所在,使得车辆测试的过程更见完善。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的确定第二测试参数的示意图。如图3所示,流程300包括以下内容。
在一些实施例中,评估模块可以基于当前测试项目310,确定预设条件序列311;基于当前测试环节的反馈数据320、预设条件序列311,确定环节测试结果330;响应于环节测试结果330不符合第一条件340,确定候选测试参数350;基于反馈数据320、模拟环境参数360、模拟操作参数370、候选测试参数350,确定第二测试参数380。
反馈数据是指车辆因其内部原因产生异常时,车辆采取应对措施的相关数据。例如,反馈响应时间、反馈类型等。
其中,反馈响应时间指车载系统发现异常的用时,以及给出反馈的时间。反馈类型指车辆采取的应对措施,如,发出预警、紧急制动、减速等。
在一些实施例中,数据采集模块120可以收集反馈数据。
预设条件序列是指预设条件的集合。预设条件序列可以包括多个预设条件。预设条件指一个测试项目中每个测试环节对应的反馈数据需要达到的条件。例如,在测试是否能检测到刹车失灵的测试项目中,预设条件序列可以包括:车辆是否检测到了刹车失灵的情况、车辆是否能在1秒内发出预警提醒驾驶人员,车辆是否能在1秒内采取正确措施。又例如,在能够检测到用户误触的测试项目中,预设条件序列可以包括:车辆是否识别了误触、车辆能否在规定时间内识别误触,以及车辆能够采取正确措施。
在一些实施例中,预设条件序列可以根据预设条件参考表确定。评估模块可以根据历史数据构建预设条件参考表,预设条件参考表中包括至少一个测试项目及下属至少一个测试环节,以及各测试环节对应的参考预设条件。评估模块130可以根据当前的测试环节,查询预设条件参考表,确定当前的测试环节对应的预设条件;根据当前的测试项目及其下属的测试环节,查询预设条件参考表,确定其下属的测试环节对应的至少一个预设条件,基于前述至少一个预设条件确定预设条件序列。
在一些情况下,同样的预警方式对不同用户产生的效果存在差异。例如,当刹车失灵时,车辆用声音警报的方式向驾驶人员预警,对警报音较敏感的用户可能会被干扰,而有的用户经过多次提醒都不能察觉。因此,对于不同的用户,有效的预警方式视不同的。因此,有必要结合用户的情况对预设条件序列进行调整,设置适合不同用户情况的预设条件,以确保测试结果能够适应不同的用户情况。
在一些实施例中,评估模块可以基于历史操作数据、历史反馈数据,调整预设条件序列。
评估模块可以根据历史数据中,驾驶人员对于历史反馈数据做出的历史操作,确定驾驶人员对反馈数据的遗漏概率,进而调整预设条件序列。
遗漏概率是指在系统向驾驶人员返回反馈数据后,驾驶人员没有做出正确的操作的次数占总反馈次数的占比。遗漏概率越高,则表示该驾驶人员成功接收到车辆发出的预警信息或应对措施后作出正确操作的次数越少。在一些实施例中,对应该遗漏概率高的驾驶人员,系统可以将反馈类型调整地更多,例如,不止声音提醒,增加座椅振动提醒,亮灯提示等;同时设置更短的反馈响应时间,更迅速地提醒驾驶人员,以便其能做出正确操作。
在一些实施例中,评估模块还可以基于遗漏概率以及条件调整参考表确定调整后的预设条件序列。条件调整参考表表包括遗漏概率及其对应的参考预设条件。评估模块可以基于当前驾驶人员的遗漏概率,通过查询条件调整参考表的方式,确定预设条件序列。其中,条件调整参考表可以基于历史数据构建。
本说明书的一些实施例根据历史操作数据和历史反馈数据确定预设条件序列,结合了用户自身的行为习惯,适应性地调整预设条件序列,从而能够更全面、有效的进行测试。
在一些实施例中,预设条件序列还相关于车载数据。评估模块可以根据车载数据,判断车辆性能和车辆的运行情况,确定预设条件序列。
例如,在测试是否能检测到刹车失灵的测试环节中,当车辆的速度越快,或车辆载重越大时,预设条件中则会设置更多的反馈类型,及更短的反馈响应时间。因为,在高速的驾驶过程中,驾驶人员对视觉的反应可能会变慢,增加反馈方式,例如声音或振动,能更有效地提高驾驶人员接收到反馈的概率;更短的反馈响应时间,车辆采取应对措施越快,能更有效地避免险情发生。
本说明书的一些实施例中,通过结合车载数据确定预设条件序列,可以根据车辆的实时情况,合理地调整预设条件,更及时地向用户反馈预警,使用户能更快地做出避险对策,保障人身安全。
在一些实施例中,评估模块可以基于当前测试环节的反馈数据、预设条件序列,确定环节测试结果。环节测试结果是指系统对该测试环节的评估结果。
环节测试结果可以包括满足第一条件或不满足第一条件。当环节测试结果满足第一条件时,则表示该测试环节中车辆对于险情的识别和反馈等达到标准,能保障驾驶人员的行驶安全。其中,第一条件可以包括环节测试结果为不合格。在一些实施例中,当网联车辆反馈响应时间和/或反馈类型不符合预设条件时,评估模块将认定为项目测试结果为不合格。
在一些实施例中,评估模块可以响应于环节测试结果不符合第一条件,调整第一测试参数。通过进一步测试,确定导致测试结果不合格的原因,从而找到排除风险的方向。
在一些实施例中,响应于环节测试结果不符合第一条件,评估模块130可以基于多种方式确定候选测试参数。例如,通过获取用户输入确定,基于历史测试数据确定等。
在一些实施例中,模拟测试模块还可以根据历史匹配模型输出的匹配度较高的历史候选测试参数确定候选测试参数。例如,模拟测试模块可以基于匹配模型的历史输出,确定匹配度高于匹配度阈值的历史候选测试参数,并获取与前述历史候选测试参数一同输入历史匹配模型的其他历史输入数据,如,历史反馈数据、历史模拟操作参数、历史模拟环境参数。
基于历史候选测试参数、历史反馈数据、历史模拟操作参数和历史模拟环境参数建立向量数据库。向量数据库中包含多个参考向量,每个参考向量中的元素包括历史反馈数据、历史模拟操作参数和历史模拟环境参数,每个参考向量具有与之对应的历史候选测试参数。
模拟测试模块可以基于当前的反馈数据、模拟操作参数、模拟环境参数构建待匹配向量,通过计算待匹配向量与参考向量的相似度,将相似度符合相似条件的参考向量对应的历史候选测试参数作为候选测试参数。其中,相似条件可以包括相似度最高。
本说明书的一些实施例通过历史匹配度模型的数据确定候选测试参数,可以保证候选测试参数与当前的测试需求更加匹配,从而更有利于测试系统找到潜在问题,从而使测试系统的结果更加全面和完善。
在一些实施例中,模拟测试模块110可以基于反馈数据、模拟环境参数、模拟操作参数、候选测试参数,确定第二测试参数。第二测试参数指调整后的候选测试参数。
在一些实施例中,模拟测试模块110可以基于反馈数据、模拟环境参数、模拟操作参数和候选测试参数,确定候选测试参数与当前测试情况的匹配度,将匹配度符合匹配条件的候选测试参数确定为第二测试参数。其中,匹配条件可以包括候选测试参数的匹配度最高。
匹配度是指能表征测试参数与反馈数据之间的匹配程度的参数。匹配度越高,表征候选测试参数越适合当前测试情况,测试系统更能根据测试获得的车载数据和反馈数据,找出车辆的潜在问题,以及定位问题发生的位置。
在一些实施例中,评估模块可以基于待评估向量在匹配度参考表中查询,确定匹配度。
其中,待评估向量中的元素包括当前反馈数据序列、模拟环境参数序列、模拟操作参数序列、历史测试结果、候选测试参数。
匹配度参考表可以基于历史测试数据构建,包括参考向量及其对应的参考匹配度。其中参考向量中的元素可以包括样本反馈数据序列、样本模拟环境参数序列、样本模拟操作参数序列、样本测试结果和样本候选测试参数。其中,参考匹配度可以通过获取用户输入确定,前述用户输入包括用户对候选测试参数匹配度的评估结果。
在一些实施例中,评估模块可以基于待评估向量,与匹配度参考表中的参考向量匹配,将于待评估向量最接近的参考向量作为目标向量,基于目标向量对应的参考匹配度确定当前的匹配度。
在一些实施例中,模拟测试模块可以基于匹配模型确定匹配度。匹配模型可以是机器学习模型,例如,卷积神经网络(Convolutional Neural Networks,CNN)模型。
在一些实施例中,匹配模型的输入可以包括反馈数据序列、模拟环境参数序列、模拟操作参数序列、历史测试结果、候选测试参数;输出可以包括匹配度。其中,关于反馈数据序列、模拟环境参数序列、模拟操作参数序列的具体说明可以参见图4及其相关内容。
在一些实施例中,评估模块可以基于大量带有第一标签的第一样本训练匹配模型。第一样本可以包括样本反馈数据序列、样本模拟环境参数序列、样本模拟操作参数序列、样本历史测试结果、样本候选测试参数。第一标签可以包括样本候选测试参数和样本数据中的测试情况是否匹配,若采用样本候选测试参数,评估模块成功找到了车辆潜在问题,标签为1,表示匹配;若采用样本候选测试参数,评估模块没有找到车辆潜在问题,标签为0,表示不匹配。
本说明书的一些实施例根据测试项目确定预设条件序列,并判断环节测试结果,确定候选测试参数和第二测试参数,对测试项目中每个环节都进行了评估和测试,提高了结果的可靠性,能更精确地帮助用户找到潜在的问题,减小风险。
图4是根据本说明书一些实施例所示的确定第二测试参数的又一方法的示意图。如图4所示,流程400包括以下内容。
在一些实施例中,评估模块可以基于反馈数据序列410、车载数据序列420、模拟操作数据序列430和模拟环境参数序列440,确定测试项目的项目测试结果450。
反馈数据序列是指测试项目中,至少一个测试环节各自对应的反馈数据构成的序列。例如,反馈数据序列可以包括反馈数据1、…、反馈数据n。有关反馈数据的详细说明可参见图3中的相关描述。
车载数据序列是指测试项目中,至少一个测试环节各自对应的车载数据构成的序列。例如,车载数据序列可以包括车载数据1、…、车载数据n。有关车载数据的详细说明可参见图2中的相关描述。
模拟操作数据序列是指测试项目中,至少一个测试环节对应的模拟操作数据构成的序列。例如,模拟操作数据序列可以包括模拟操作数据1、…、模拟操作数据n。有关模拟操作数据的详细说明可参见图2中的相关描述。
模拟环境参数序列是指测试项目中,至少一个测试环节对应的模拟环境参数构成的序列。例如,模拟环境数据序列可以包括模拟环境数据1、…、模拟环境数据n。有关模拟环境数据的详细说明可参见图2中的相关描述。
在一些实施例中,系统通过环节测试结果评估了每个测试环节,保障每个测试环节的合理性。由于测试项目由多个测试环节组成,每个测试环节的反馈数据综合起来,可能会造成较大的误差。例如,当刹车失灵时,在检测到失灵、向驾驶人员预警及自动调速这三个测试环节中,第一条件均包括反馈响应时间不大于1秒,当三个测试环节对应的反馈响应时间都为1秒时,满足第一条件。然而当整个测试项目要求反馈响应时间为不大于2.5秒时,整个测试项目的总反馈响应时间将不达标,因此,评估模块不仅要对每个测试环节是否符合标准进行评估,也要对整个测试项目是否符合标准进行评估。有关测试项目的详细说明可参见图3中的相关描述。
在一些实施例中,项目测试结果可以通过查询项目评估参考表确定。评估模块可以构建项目评估参考表。项目评估参考表包括历史项目名称、历史反馈数据序列、历史车载数据序列、历史模拟操作数据序列、历史模拟环境参数序列及其对应的项目测试结果。评估模块可以根据当前项目名称、反馈数据序列、车载数据序列、模拟操作数据序列、模拟环境参数序列,通过查询项目评估参考表,确定当前项目的项目测试结果。
在一些实施例中,评估模块可以通过避险成功率是否符合评估条件来确定项目测试结果。避险成功率是指预测的避险成功的概率。若避险成功率符合预设条件,则说明项目测试通过,车辆避险能力符合标准,反之,则说明项目测试未通过,车辆避险能力不符合标准。其中,预设条件可以包括避险成功率大于成功率阈值,该阈值可以基于实际需求预先设置。
在一些实施例中,评估模块可以通过预测模型确定避险成功率。避险成功率越高,表示在当前测试项目中,车辆能够及时检测到危险,并做出应对措施,从而避免可能产生的不利情况。
在一些是实施例中,预测模型可以是机器学习模型,例如,卷积神经网络(Convolutional Neural Networks,CNN)模型。
在一些实施例中,预测模型的输入包括反馈数据序列、车载数据序列、模拟操作数据序列和模拟环境参数序列,输出包括避险成功率。
在一些实施例中,预测模型的输入还可以包括驾驶人员信息和驾驶人员的遗漏概率。关于遗漏概率的相关内容可以参见图3及其相关内容。
驾驶人员信息是指与驾驶人员相关的信息。驾驶人员信息可以包括身高、体重、驾龄等。驾驶人员信息可以基于人工预设。
驾驶人员驾龄越长,驾驶经验越充足,避险成功率越高。另外,当遗漏概率越高时,表示驾驶人员对于反馈数据的接受越不及时,避险成功率越低。
本说明书的一些实施例将驾驶人员信息和遗漏概率也输入预测模型,考虑了用户本身以及用户习惯对模型输出的影响,使结果更有说服力。
在一些实施例中,评估模块可以基于大量带有第二标签的第二样本训练预测模型。第二样本可以包括样本反馈数据序列、样本车载数据序列、样本模拟操作数据序列和样本模拟环境参数序列。在一些实施例中,当车辆遭遇险情时,可以向云端传输反馈数据、车载数据、模拟操作数据和模拟环境参数,云端服务器将收集这些数据作为第二样本。
第二标签可以是第二样本对应的避险情况。在一些实施例中,评估模块可以基于车辆避险成功时向云端服务器发送的成功信号,标注第二标签,避险成功,则标签为1;避险失败,则标签为0。
本说明书的一些实施例通过训练模型,预测避险成功率,模拟了该驾驶人员不同情况下的避险情况,增加模型结果的可靠性,后续结合避险成功率调整测试参数,还能提高调整后的测试参数的准确性。
在一些实施例中,响应于项目测试结果450不满足第二条件460,模拟测试模块可以确定测试项目对应的第二测试参数380。第二条件可以包括项目测试结果为不合格。在一些实施例中,当避险成功率不大于成功率阈值时,评估模块将认定为项目测试结果为不合格。
在一些实施了中,模拟测试模块可以通过匹配模型确定测试项目对应的第二测试参数380。此时,匹配模型的输入可以包括反馈数据序列410、模拟操作数据序列430、模拟环境参数序列440和历史项目测试结果,输出为第二测试参数380。关于匹配模型的更多说明可以参见图3及其相关内容。
本说明书一些实施例中,响应于项目测试结果不合格,模拟测试模块可以确定第二测试参数,基于第二测试参数对网联车辆做进一步测试,有利于进一步分析网联车辆存在的潜在问题,进行更全面的测试发现问题所在,有利于提高网联车辆避险测试的准确性和全面性,从而有助于排除问题,保障驾驶安全。
本说明书的一些实施例,对整个测试项目进行模拟和预测,推断避险成功率,调整第二测试参数,可以更宏观地把控测试参数对车辆运行情况的影响,综合多个测试环节,判断整体的误差,提高了系统的准确性。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种网联汽车智能避险测试系统,其特征在于,包括:
模拟测试模块,所述模拟测试模块被配置为确定第一测试参数,所述第一测试参数包括模拟环境参数和模拟操作参数;
所述模拟测试模块包括模拟参数确定模块、模拟操作模块;其中,
所述模拟参数确定模块被配置为确定网联汽车的所述模拟环境参数,
所述模拟环境参数包括天气参数、路况参数中的至少一种;
所述模拟操作模块被配置为控制虚拟用户的所述模拟操作参数;
数据采集模块,被配置为采集所述网联汽车的车载数据;
评估模块,被配置为基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数。
2.如权利要求1所述的系统,其特征在于,所述模拟测试模块还被配置为:
基于网联汽车型号、需求数据、历史测试结果构建测试特征向量;
基于所述测试特征向量在参考方案数据库中检索,确定初始测试方案;其中,
所述初始测试方案包括至少一个检测项目,所述检测项目至少包括一个检测环节。
3.如权利要求1所述的系统,其特征在于,所述评估模块进一步被配置为:
基于当前测试项目,确定预设条件序列,所述当前测试项目包括至少一个测试环节;
基于当前测试环节的反馈数据、所述预设条件序列,确定环节测试结果;
响应于环节测试结果不符合第一条件,确定候选测试参数;
基于所述反馈数据、所述模拟环境参数、模拟操作参数、候选测试参数,确定第二测试参数。
4.如权利要求3所述的系统,所述评估模块还被配置为:
基于反馈数据序列、车载数据序列、模拟操作数据序列,确定所述测试项目的项目测试结果;
所述反馈数据序列包括所述测试项目中,至少一个测试环节对应的所述反馈数据;
所述车载数据序列包括所述测试项目中,至少一个测试环节对应的车载数据;
所述模拟操作数据序列包括所述测试项目中,至少一个测试环节对应的所述模拟操作数据;
响应于所述项目测试结果不符合第二条件,确定所述第二测试参数。
5.一种网联汽车智能避险测试方法,其特征在于,所述方法由处理器执行,包括:
确定第一测试参数,所述第一测试参数包括模拟环境参数和模拟操作参数;
采集所述网联汽车的车载数据;
基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
基于网联汽车型号、需求数据、历史测试结果构建测试特征向量;
基于所述测试特征向量在参考方案数据库中检索,确定初始测试方案;其中,所述初始测试方案包括至少一个检测项目,所述检测项目至少包括一个检测环节。
7.如权利要求5所述的方法,其特征在于,所述基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数包括:
基于当前测试项目,确定预设条件序列,所述当前测试项目包括至少一个测试环节;
基于当前测试环节的反馈数据、所述预设条件序列,确定环节测试结果;
响应于环节测试结果不符合第一条件,确定候选测试参数;
基于所述反馈数据、所述模拟环境参数、模拟操作参数、候选测试参数,确定第二测试参数。
8.如权利要求7所述的方法,其特征在于,所述基于所述车载数据,确定相关于所述第一测试参数的评估结果,所述评估结果包括是否需要调整所述第一测试参数还包括:
基于反馈数据序列、车载数据序列、模拟操作数据序列,确定所述测试项目的项目测试结果;
所述反馈数据序列包括所述测试项目中,至少一个测试环节对应的所述反馈数据;
所述车载数据序列包括所述测试项目中,至少一个测试环节对应的车载数据;
所述模拟操作数据序列包括所述测试项目中,至少一个测试环节对应的所述模拟操作数据;
响应于所述项目测试结果不符合第二条件,确定所述第二测试参数。
9.一种网联汽车智能避险测试装置,包括处理器,所述处理器用于执行权利要求5~8中任一项所述的网联汽车智能避险测试方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求5~8任一项所述的网联汽车智能避险测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311425465.7A CN117348595A (zh) | 2023-10-31 | 2023-10-31 | 一种网联汽车智能避险测试系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311425465.7A CN117348595A (zh) | 2023-10-31 | 2023-10-31 | 一种网联汽车智能避险测试系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117348595A true CN117348595A (zh) | 2024-01-05 |
Family
ID=89361182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311425465.7A Withdrawn CN117348595A (zh) | 2023-10-31 | 2023-10-31 | 一种网联汽车智能避险测试系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117348595A (zh) |
-
2023
- 2023-10-31 CN CN202311425465.7A patent/CN117348595A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10606276B2 (en) | User data-based autonomous vehicle system | |
US20230060300A1 (en) | Method and system for analyzing the control of a vehicle | |
EP3578433B1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
US20190308619A1 (en) | Method and system for estimating an accident risk of an autonomous vehicle | |
US20200339160A1 (en) | Method and system for analyzing the control of a vehicle | |
US20220340148A1 (en) | Method for estimating an accident risk of an autonomous vehicle | |
RU2743829C1 (ru) | Способ помощи при движении и устройство помощи при движении | |
US20070005404A1 (en) | System and method for providing driving insurance | |
CN113119985B (zh) | 汽车驾驶数据监控方法、装置、设备及存储介质 | |
JP2019188979A (ja) | 予兆診断装置及び方法 | |
CN113460062A (zh) | 驾驶行为分析系统 | |
Patel et al. | Machine learning based dynamic risk assessment for autonomous vehicles | |
US9758172B2 (en) | Status determination apparatus | |
CN118211479A (zh) | 一种模拟驾驶精确评价方法 | |
CN117273453A (zh) | 一种智能网联汽车汽车风险评估方法及系统 | |
CN117348595A (zh) | 一种网联汽车智能避险测试系统和方法 | |
Kim et al. | Fusion of driver-information based driver status recognition for co-pilot system | |
US20220327042A1 (en) | Method for testing a product | |
CN118220102A (zh) | 汽车制动故障诊断方法、装置、设备及存储介质 | |
Butakov et al. | Driver/vehicle response diagnostic system for vehicle following based on gaussian mixture model | |
US20240169772A1 (en) | Vehicle abnormality detection device and vehicle abnormality detection method | |
JP7276165B2 (ja) | エージェント装置、エージェントシステム、及びエージェントプログラム | |
US20240116501A1 (en) | Deep learning-based collision safety control system and an operation method thereof | |
CN115190427B (zh) | 一种机动车紧急救援呼叫系统 | |
CN118035691B (zh) | 智能驾驶感知质量的量化评价方法、设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240105 |