KR20230008002A - 자율주행 테스트 방법 및 장치, 전자 기기 및 저장 매체 - Google Patents

Abstract

본 발명은 자율주행 테스트 방법 및 장치, 전자 기기 및 저장 매체를 제공하며, 데이터 처리 기술 분야에 관한 것으로, 특히 자율주행 기술 분야에 관한 것이다. 구체적인 기술 수단은 자율주행 차량의 주행 데이터를 획득한 후, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 단계 - 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함됨 -; 및 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계;를 포함한다. 관련 기술과 비교하여, 본 출원의 실시예는 자율주행 차량의 실제 주행 데이터를 활용하고, 실제 차량의 주행 데이터를 분석하여 테스트를 완료하므로, 테스트 과정이 간소화되는 동시에 테스트 비용도 크게 줄인다.

Description

자율주행 테스트 방법 및 장치, 전자 기기 및 저장 매체 {Automatic driving test method and device, electronic equipment and storage medium}

본 발명은 데이터 처리 기술 분야에 관한 것으로, 특히 자율주행 기술 분야에 관한 것이고, 구체적으로 자율주행 테스트 방법 및 장치, 전자 기기 및 저장 매체에 관한 것이다.

자율주행 도로 테스트는 실제 교통 흐름 및 장면에서 자율주행 차량의 자율주행 능력을 검증하는 가장 직접적이고 현실적인 테스트 수단을 제공하며, 자율주행 테스트의 중요한 일환이고, 시뮬레이션 테스트 및 폐쇄 사이트 테스트와 함께 완전한 테스트 체인을 구성한다.

테스트 결과를 획득하기 위해, 테스트할 장면의 위치에 따라 복수의 테스트 차량이 반복적으로 동일한 지점을 경과하게 하고, 당해 지점을 경과하는 장면을 기록하며, 장면이 테스트 요구에 부합하는 경우 유효한 테스트 장면으로 기록하고, 유효한 장면에서 차량 버전의 성능을 관찰해야 하며, 일반적으로 유효한 테스트 결론을 얻기 위해 대량의 테스트로 요구 사항을 충족하는 유효한 장면 횟수를 축적해야 한다. 당해 방법은 테스트 비용이 많이 들고, 테스트 과정이 복잡하여, 실제 도로에서 자율주행 차량의 테스트를 구현할 수 없다.

본 발명은 자율주행 테스트 방법, 장치, 전자 기기 및 저장 매체를 제공한다.

본 발명의 일 측면에 따라 제공되는 자율주행 테스트 방법은,

자율주행 차량의 주행 데이터를 획득하는 단계;

상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 단계 - 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함됨 -; 및

상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계;를 포함한다.

선택적으로, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 단계는,

상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 단계;

상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 단계; 및

상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 단계;를 포함한다.

선택적으로, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계는,

상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 단계 - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -;

상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 방법을 결정하는 단계; 및

상기 타겟 연산 방법을 기반으로 상기 자율주행 차량을 테스트하는 단계;를 포함한다.

선택적으로, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한 후, 상기 방법은,

상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 단계;

적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하는 단계 - 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함함 -; 및

상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;를 더 포함한다.

선택적으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계는,

상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;

또는,

상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;를 포함한다.

본 발명의 다른 측면에 따라 제공되는 자율주행 테스트 장치는,

자율주행 차량의 주행 데이터를 획득하는 획득 유닛;

상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 제1 결정 유닛 - 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함됨 -; 및

상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 테스트 유닛;을 포함한다.

선택적으로, 상기 제1 결정 유닛은,

상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 획득 모듈;

상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 제1 결정 모듈; 및

상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 제2 결정 모듈;을 포함한다.

선택적으로, 상기 테스트 유닛은,

상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 제1 결정 모듈 - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -;

상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 장치를 결정하는 제2 결정 모듈; 및

상기 타겟 연산 장치를 기반으로 상기 자율주행 차량을 테스트하는 테스트 모듈;을 포함한다.

선택적으로, 상기 장치는,

상기 테스트 유닛이 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한 후, 상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 저장 유닛;

적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하는 처리 유닛 - 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함함 -; 및

상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 유닛;을 더 포함한다.

선택적으로, 상기 제2 결정 유닛은,

상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제1 결정 모듈; 및

상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 모듈;을 포함한다.

본 발명의 다른 측면에 따라 제공되는 전자 기기는,

적어도 하나의 프로세서; 및

상기 적어도 하나의 프로세서에 통신 가능하게 연결되는 메모리;를 포함하고,

상기 메모리에 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 저장되어 있고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어, 상기 적어도 하나의 프로세서가 전술한 일 측면에 따른 방법을 수행할 수 있도록 한다.

본 발명의 다른 측면에 따라 제공되는 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서, 상기 컴퓨터 명령은 컴퓨터가 전술한 일 측면에 따른 방법을 수행하는데 사용된다.

본 발명의 다른 측면에 따라 제공되는컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램에 있어서, 상기 컴퓨터 프로그램이 프로세서에 의해 수행되는 경우 전술한 일 측면에 따른 방법이 구현된다.

본 발명에서 제공되는 자율주행 테스트 방법 및 장치, 전자 기기 및 저장 매체는, 자율주행 차량의 주행 데이터를 획득한 후, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하며, 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함되고, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한다. 관련 기술과 비교하여, 본 출원의 실시예는 자율주행 차량의 실제 주행 데이터를 활용하고, 실제 차량의 주행 데이터를 분석하여 테스트를 완료하므로, 테스트 과정이 간소화되는 동시에 테스트 비용도 크게 줄인다.

이해 가능한 바로는, 본 부분에서 설명된 내용은 본 발명의 실시예의 핵심 또는 중요한 특징을 식별하기 위한 것이 아니며, 본 발명의 범위를 한정하지도 않는다. 본 발명의 다른 특징들은 하기의 명세서에 의해 쉽게 이해될 것이다.

첨부된 도면은 본 기술 수단을 더 잘 이해하기 위한 것으로, 본 발명에 대한 한정이 구성되지 않는다.
도 1은 본 발명의 실시예에서 제공되는 자율주행 테스트 방법의 개략적인 흐름도이다.
도 2는 본 출원의 실시예에서 제공되는 자율주행 테스트 방법의 프레임워크 원리도이다.
도 3은 본 발명의 실시예에서 제공되는 자율주행 테스트 장치의 개략적인 구조도이다.
도 4는 본 발명의 실시예에서 제공되는 다른 자율주행 테스트 장치의 개략적인 구조도이다.
도 5는 본 발명의 실시예에서 제공되는 예시적인 전자 기기(300)의 개략적인 블록도이다.

이하, 첨부된 도면을 결부하여 본 발명의 예시적인 실시예에 대해 설명하며, 여기에는 이해를 돕기 위해 본 발명의 실시예의 다양한 세부 사항을 포함하므로, 이는 단지 예시적인 것으로 이해해야 한다. 따라서, 당업자는 본 발명의 범위 및 사상을 벗어나지 않는 한 여기에 설명된 실시예에 대해 다양한 변경 및 수정이 이루어질 수 있음을 인식해야 한다. 마찬가지로, 명확성과 간결성을 위해, 하기의 설명에서는 공지된 기능 및 구조에 대한 설명을 생략한다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예의 자율주행 테스트 방법, 장치, 전자 기기 및 저장 매체를 설명한다.

관련 기술에서 유효한 테스트 결론을 획득하기 위해, 복수의 테스트 차량이 반복적으로 동일한 지점을 경과하게 하고, 당해 지점을 경과하는 장면을 기록하며, 장면이 지정 테스트 요구 사항에 부합하는 경우 유효한 테스트 장면(예컨대 좌회전 후 직진 장면)으로 기록하고, 유효한 장면에서 차량 버전의 성능을 관찰하며, 일반적으로 대량의 테스트로 요구 사항을 충족하는 유효한 장면 횟수를 축적해야 한다. 당해 테스트 방법은 과정이 복잡하고, 실제 차량의 데이터에 의존하지 않는다.

본 발명에서 데이터 마이닝 기술의 도움으로, 도로 테스트 데이터에 대해 장면 마이닝, 장면 클러스터링, 인덱스드 추출을 수행할 수 있으므로, 실제 차량의 주행 데이터를 기반으로 하는 테스트 방법을 구현하고, 실제 차량의 주행 데이터를 이용하여 테스트 정확도를 향상시키고, 데이터 분석의 구현 과정이 간단하다.

도 1은 본 발명의 실시예에서 제공되는 자율주행 테스트 방법의 개략적인 흐름도이다.

도 1에 도시된 바와 같이, 당해 방법은 단계 101 내지 단계 103을 포함한다.

단계 101, 자율주행 차량의 주행 데이터를 획득한다.

상기 주행 데이터는 차량이 자율주행 과정에서 생성한 실제 차량의 데이터인 바, 주행 데이터, 센싱된 주변 장애물 데이터 및 자율주행 차량과 장애물 사이의 인터랙션 데이터 중의 적어도 한 가지를 포함하지만, 이에 한정되지 않는다. 상기 주행 데이터는 자율주행 차량의 포지셔닝 데이터(지도 데이터), 경로 데이터 및 자율주행 차량에 대한 제어 데이터를 포함하지만, 이에 한정되지 않는다. 센싱된 주변 장애물 데이터는 장애물 유형, 장애물 위치 및 장애물 속도를 포함하며, 예를 들어 장애물 유형은 주행 중의 차량과 같은 동적 장애물, 도로 표지판, 교차로와 같은 정적 장애물 등일 수 있다. 자율주행 차량과 장애물 사이의 인터랙션 데이터는 예를 들어 상대 거리, 상대 속도, 상대 거리/앞차의 상대 속도 TTC 및 상대 거리/뒷차 속도를 포함한다.

상기에서 주행 데이터의 종류에 대해 예를 들어 설명하였지만, 명확하게 해야하는 것은, 상기는 예시일 뿐이며, 실제 응용에서, 주행 데이터는 자율주행 차량이 주행 과정에서 차량의 모든 조작 데이터 및, 차량 탑재 카메라(또는 레코더)를 통해 수집된 각 유형의 데이터를 포함한다.

단계 102, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하며, 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함된다.

상기 미리 설정된 장면 분석 전략은 주로 운전 장면의 유형, 및 각 운전 장면에서 대응되는 인덱스드 파라미터 정보를 포함하는 미리 설정된 전략 정보이다.

쉽게 이해하기 위해, 하기의 실시예는 상기 미리 설정된 장면 분석 전략에 대해 예를 들어 설명한다. 운전 장면은 교차로 시동, 교차로 뒤따라 멈춤, 교차로 우회전, 교차로 좌회전, 교차로 직진, 교차로 유턴, 차선변경, 컷인/컷아웃 차량에 대한 대처를 포함하지만, 이에 한정되지 않는다. 각 운전 장면에서는 또한 표 1에 나타낸 바와 같이 상이한 인덱스드 파라미터 정보로 나눈다.

운전 장면	인덱스드 파라미터 정보
교차로 시동	시동 가속도	시동 반응 시간	시동 속도 분산
교차로 뒤따라 멈춤	뒤따라 멈춤 시 앞차와의 거리	뒤따라 멈춤 시 활주 거리	뒤따라 멈춤 시 멈춤선과의 거리
교차로 우회전	우회전 평균 시간	우회전 평균 속도	우회전 통과율
교차로 좌회전	좌회전 평균 시간	좌회전 평균 속도	좌회전 통과율
교차로 직진	교차로 통과 시간	교차로 평균 속도	교차로 통과율
교차로 유턴	교차로 유턴 시간	교차로 유턴 속도	교차로 통과율
차선변경	차선변경 백워드 거리	차선변경 길이	차선변경 백워드 TTC
컷인/컷아웃 차량에 대처	컷인/컷아웃 차량 속도 분산	컷인/컷아웃 차량 포워드 TTC	컷인/컷아웃 차량 횡/종방향 거리

설명해야 하는 바로는, 상기는 쉽게 이해하기 위해 일상적인 주행에서 발생 가능한 상황에 대한 예시일 뿐이며, 본 출원의 실시예는 운전 장면 및 대응되는 인덱스드 파라미터 정보에 대해 구체적으로 한정하지 않으며, 상이한 응용 장면 및 자율주행 차량의 상이한 모델에 따라 유연하게 설정할 수 있다.

상기에서 미리 설정된 장면 분석 전략을 설명하였고, 당해 미리 설정된 장면 분석 전략을 기반으로 운전 장면의 분석 마이닝을 수행할 경우, 주행 데이터에 포함된 고정밀 지도 정보, 차량 제어 데이터, 메인 차량(자율주행 차량)과 장애물 사이의 위치 관계 변경에 따라 운전 장면을 분석하고 마이닝한다.

단계 103, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한다.

상기 테스트는 참조 데이터와의 비교가 필요하다. 본 출원의 실시예에서 참조 데이터는 각 인덱스드 파라미터 정보에 대해 설정된 대응되는 참조 데이터일 수 있고, 상이한 차량 사이에서 서로 테스트되는 참조 데이터일 수도 있으며, 예를 들어, 자율주행 차량 A와 자율주행 차량 B에 있어서, 자율주행 차량 A와 자율주행 차량 B가 테스트되는 도로 구간이 같을 경우, 상기 방법을 통해 운전 장면에서의 인덱스드 파라미터 정보를 획득한 후, 자율주행 차량 A와 자율주행 차량 B의 인덱스드 파라미터 정보를 각각 비교하여 테스트를 완료한다. 본 출원의 실시예는 테스트될 때 비교하는 참조 데이터에 대해 한정하지 않는다.

관련 기술에서 자율주행 도로 테스트에 존재하는 문제를 해결하기 위해, 본 출원의 실시예는 데이터 마이닝 기술의 도음으로 도로 테스트 데이터(주행 데이터)에 대해 장면 마이닝, 운전 장면 분석, 인덱스드 파라미터 정보 추출을 수해할 수 있으므로, 데이터 기반 도로 지정 테스트 방법을 구현한다. 본 출원의 실시예는 관련 기술에서 실제 차량의 유효한 장면에 의해 테스트를 구동하는 방식 대신, 데이터에 의해 구동하는 방식으로 업그레이드하며, 데이터 마이닝 및 분석의 장점을 활용하여 지정 테스트를 효율적으로 수행할 수 있다.

본 발명에서 제공되는 자율주행 테스트 방법은, 자율주행 차량의 주행 데이터를 획득한 후, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하며, 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함되고, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한다. 관련 기술과 비교하여, 본 출원의 실시예는 자율주행 차량의 실제 주행 데이터를 활용하고, 실제 차량의 주행 데이터를 분석하여 테스트를 완료하므로, 테스트 과정이 간소화되는 동시에 테스트 비용도 크게 줄인다.

상기 실시예를 세분하여, 단계 102에서 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정할 때, 상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 단계; 상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 단계; 및 상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 단계;를 포함하는 방법을 사용할 수 있으나, 이에 한정되지 않는다.

예시적으로, 주행 데이터에 적어도 2개의 운전 장면이 포함되며, 예를 들어 자율주행 차량이 시동한 후, 순차적으로 우회전, 신호등 교차로 통과, 차선변경, 교차로 유턴을 경과하여, 자율주행 차량이 정지된다. 이 경우, 데이터 분석을 통해 운전 장면이 교차로 우회전, 교차로 직진, 차선변경, 교차로 유턴 총 4개의 운전 장면이 포함됨을 결정할 수 있고, 주행 데이터에 각 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보가 기록되어 있다.

각 운전 장면에 대해, 상이한 운전 장면을 나타내는 효과를 달성하기 위해 당해 장면을 나타내는 인덱스드 파라미터 정보를 결정하고, 상이한 운전 장면에 대응되는 인덱스드 파라미터 정보가 다르며, 인덱스드 파라미터 정보의 변화를 통해 운전 장면 처리의 효과를 평가하고, 나아가 장면별 자율주행 능력 평가를 구현한다.

상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계는, 상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 단계 - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -; 상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 방법을 결정하는 단계; 및 상기 타겟 연산 방법을 기반으로 상기 자율주행 차량을 테스트하는 단계;를 포함한다. 장면 유형은 인덱스드 파라미터 정보와 밀접한 관계가 있다. 예를 들면, 운전 장면이 교차로 시동일 경우, 당해 장면 유형은 차량 속도, 통과시간과 관련되고, 운전 장면이 교차로 우회전일 경우, 당해 장면 유형은 통과시간, 통과율과 관련된다. 장면 유형의 관련성에 대해 표 1의 상세한 설명을 참조할 수 있다.

장면 유형을 결정하는 목적은 상이한 장면 유형에 따라 상이한 타겟 연산 방법을 결정하는 것이다. 예를 들면, 운전 장면이 속도와 관련될 경우, 대응되는 인덱스드 파라미터 정보의 속도를 연산하면되고, 운전 장면이 시간과 관련될 경우, 대응되는 인덱스드 파라미터 정보의 시간을 연산하면 된다.

실제 응용에서, 상기 실시예에 따른 운전 장면의 분석은 데이터 계층에 응용되어 구현된다. 즉 주행 데이터 획득 - 운전 장면 마이닝 - 인덱스드 파라미터 정보 마이닝 - 테스트 - 저장은 모두 데이터 계층에 의해 완성되므로, 응용성을 향상시키기 위해 응용 계층을 더 설정하여 테스트 결과 데이터를 응용할 수도 있다. 도 2에 도시된 바와 같이, 도 2는 본 출원의 실시예에서 제공되는 자율주행 테스트 방법의 프레임워크 원리도이다.

확장으로, 응용 계층은 데이터 계층에 저장된 테스트 결과 데이터를 기반으로 상이한 장면 위치, 상이한 운전 장면 난이도로 인한 테스트 변수를 제거한 후, 고정된 저점에서 빈번히 나타난 운전 장면을 분석하고, 버전에 따라 테스트 결과를 출력하여 버전 차이를 획득하고, 도시에 따라 테스트 결과를 출력하여 도시 차이를 획득한다. 구체적으로, 상기 방법은,

상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 단계; 적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값(도 1000횟)을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하고, 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함하고, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정한다.

실제 응용에서, 데이터 세트를 생성할 경우, 운전 장면, 및 대응되는 테스트 결과뿐만 아니라, 인덱스드 파라미터 정보 추출 결과, 운전 장면 기술 정보, 오리지날 주행 데이터, 테스트 버전, 자율주행 차량, 장면 발생 지점 등 정보도 포함된다. 본 출원의 실시예에서 데이터 세트에 포함된 구체적인 내용에 대해 한정하지 않는다.

본 출원의 실시예에서 테스트를 수행할 경우, 운전 장면을 차원으로 분석하며, 구현 가능한 응용 방식으로서, 동일한 교차로에서의 상이한 버전의 같은 운전 행위 데이터를 사용하여 처리하므로, 버전에 따른 능력 차이를 획득할 수 있다. 즉 상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정한다.

상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정한다. 상이한 도시에서의 동일한 버전의 성능 차이에 따라 자율주행 능력의 적응성을 획득할 수 있으므로, 자율주행 도로 테스트를 계량화하는 목적을 달성하고, 데이터의 잠재력을 발휘할 수 있다.

실제 응용에서, 테스트의 정확도를 확보하기 위해, 동일한 소프트웨어 버전이 상이한 운전 장면 발생 지점에서 주행 데이터의 차이를 야기할 수 있다. 크기가 다른 교차로의 통과 시간이 크게 다르지만, 당해 차이는 버전 능력의 변화를 나타낼 수 없다. 당해 차이를 제거하기 위해, 본 출원의 실시예는 고정된 지점을 선택하여 상이한 버전을 평가할 수 있다.

동일한 지점에서 발생한 운전 장면이더라도, 유효성의 차이가 있으며, 상이한 난이도의 운전 장면에 대처하는 자율주행 능력의 차이가 크므로, 테스트 결과의 정확도를 확보하기 위해, 운전 장면의 난이도가 일치하는 상황하에서 테스트해야 한다.

도 3은 본 발명의 실시예에서 제공되는 자율주행 테스트 장치의 개략적인 구조도이다. 도 3에 도시된 바와 같이, 획득 유닛(21), 제1 결정 유닛(22) 및 테스트 유닛(23)을 포함한다.

획득 유닛(21)은 자율주행 차량의 주행 데이터를 획득한다.

제1 결정 유닛(22)은 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하며, 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함된다.

테스트 유닛(23)은 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한다.

본 발명에서 제공되는 자율주행 테스트 장치는, 자율주행 차량의 주행 데이터를 획득한 후, 상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하며, 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함되고, 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한다. 관련 기술과 비교하여, 본 출원의 실시예는 자율주행 차량의 실제 주행 데이터를 활용하고, 실제 차량의 주행 데이터를 분석하여 테스트를 완료하므로, 테스트 과정이 간소화되는 동시에 테스트 비용도 크게 줄인다.

나아가, 본 실시예의 가능한 구현 방식에서, 도 4에 도시된 바와 같이, 상기 제1 결정 유닛(22)은,

상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 획득 모듈(221);

상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 제1 결정 모듈(222); 및

상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 제2 결정 모듈(223);을 포함한다.

나아가, 본 실시예의 가능한 구현 방식에서, 도 4에 도시된 바와 같이, 상기 테스트 유닛(23)은,

상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 제1 결정 모듈(231) - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -;

상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 장치를 결정하는 제2 결정 모듈(232); 및

상기 타겟 연산 장치를 기반으로 상기 자율주행 차량을 테스트하는 테스트 모듈(233);을 포함한다.

나아가, 본 실시예의 가능한 구현 방식에서, 도 4에 도시된 바와 같이, 상기 장치는,

상기 테스트 유닛이 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한 후, 상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 저장 유닛(24);

적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하는 처리 유닛(25) - 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함함 -; 및

상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 유닛(26);을 더 포함한다.

나아가, 본 실시예의 가능한 구현 방식에서, 도 4에 도시된 바와 같이, 상기 제2 결정 유닛(26)은,

상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제1 결정 모듈(261); 및

상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 모듈(262);을 포함한다.

설명해야 하는 바로는, 상기 방법 실시예에 대한 해석과 설명은 본 실시예의 장치에도 적용되므로, 원리가 동일하나, 본 실시예에서 더는 한정하지 않는다.

본 발명의 실시예에 따르면, 본 발명은 또한 전자 기기, 판독 가능 저장 매체 및 컴퓨터 프로그램을 제공한다.

도 5는 본 발명의 실시예를 실시하기 위한 예시적인 전자 기기(300)의 개략적인 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인용 디지털 비서, 서버, 블레이드 서버, 메인 프레임 컴퓨터 및 기타 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 나타내기 위한 것이다. 전자 기기는 또한 개인용 디지털 처리, 셀룰러 폰, 스마트 폰, 웨어러블 기기 및 기타 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수도 있다. 본 명세서에서 제시된 구성 요소, 이들의 연결 및 관계, 또한 이들의 기능은 단지 예일 뿐이며 본문에서 설명되거나 및/또는 요구되는 본 발명의 구현을 제한하려는 의도가 아니다.

도 5에 도시된 바와 같이, 기기(300)는 연산 유닛(301)을 포함하며, ROM(Read-Only Memory, 읽기 전용 메모리)(302)에 저장된 컴퓨터 프로그램 또는 저장 유닛(308)으로부터 RAM(Random Access Memory, 랜덤 액세스 메모리)(303)에 로딩된 컴퓨터 프로그램에 의해, 각종 적절한 동작 및 처리를 수행할 수 있다. RAM(303)에는 또한 기기(300)가 조작을 수행하기 위해 필요한 각종 프로그램 및 데이터가 저장되어 있다. 연산 유닛(301), ROM(302) 및 RAM(303)은 버스(304)를 통해 서로 연결되어 있다. I/O(Input/Output, 입력/출력) 인터페이스(305)도 버스(304)에 연결되어 있다.

키보드, 마우스 등과 같은 입력 유닛(306); 각종 유형의 모니터, 스피커 등과 같은 출력 유닛(307); 자기 디스크, 광 디스크 등과 같은 저장 유닛(308); 및 네트워크 카드, 모뎀, 무선 통신 트랜시버 등과 같은 통신 유닛(309)을 포함하는 기기(300) 중의 복수의 부품은 I/O 인터페이스(305)에 연결된다. 통신 유닛(309)은 기기(300)가 인터넷과 같은 컴퓨터 네트워크 및/또는 다양한 통신 네트워크를 통해 다른 기기와 정보/데이터를 교환하도록 허락한다.

연산 유닛(301)은 처리 및 연산 능력을 구비한 다양한 범용 및/또는 전용 처리 컴포넌트일 수 있다. 연산 유닛(301)의 일부 예시는 CPU(Central Processing Unit, 중앙 처리 유닛), GPU(Graphic Processing Units, 그래픽 처리 유닛), 다양한 전용 AI(Artificial Intelligence, 인공지능) 연산 칩, 기계 러닝 모델 알고리즘을 수행하는 다양한 연산 유닛, DSP(Digital Signal Processor, 디지털 신호 프로세서), 및 임의의 적절한 프로세서, 컨트롤러, 마이크로 컨트롤러 등을 포함하지만, 이에 한정되지 않는다. 연산 유닛(301)은 자율주행 테스트 방법과 같은 윗글에서 설명된 각각의 방법 및 처리를 수행한다. 예를 들면, 일부 실시예에서, 자율주행 테스트 방법은 저장 유닛(308)과 같은 기계 판독 가능 매체에 유형적으로 포함되어 있는 컴퓨터 소프트웨어 프로그램으로 구현될 수 있다. 일부 실시예에서, 컴퓨터 프로그램의 일부 또는 전부는 ROM(302) 및/또는 통신 유닛(309)을 통해 기기(300)에 로드 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(303)에 로딩되어 연산 유닛(301)에 의해 수행되는 경우, 전술한 자율주행 테스트 방법의 하나 또는 하나 이상의 단계를 수행할 수 있다. 대안적으로, 기타 실시예에서, 연산 유닛(301)은 임의의 다른 적절한 방식을 통해(예를 들어, 펌웨어에 의해) 구성되어 자율주행 테스트 방법을 수행하도록 한다.

여기서 설명되는 시스템 및 기술의 다양한 실시 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, FPGA(Field Programmable Gate Array, 필드 프로그래머블 게이트 어레이), ASIC(Application-Specific Integrated Circuit, 주문형 집적 회로), ASSP(Application Specific Standard Product, 특정 용도 표준 제품), SOC(System On Chip, 시스템온칩), CPLD(Complex Programmable Logic Device, 복합 프로그래머블 논리 소자), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및 이들의 조합에서 적어도 하나로 구현될 수 있다. 이러한 다양한 실시 방식은 하나 또는 하나 이상의 컴퓨터 프로그램에서의 구현을 포함할 수 있으며, 당해 하나 또는 하나 이상의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 수행 및/또는 해석될 수있고, 당해 프로그램 가능 프로세서는 전용 또는 일반용일 수 있고, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신하고 또한 데이터 및 명령을 당해 저장 시스템, 당해 적어도 하나의 입력 장치 및 당해 적어도 하나의 출력 장치에 전송할 수 있다.

본 발명의 방법을 구현하기 위해 사용되는 프로그램 코드는 하나 또는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성될 수 있다. 이러한 프로그램 코드는 범용 컴퓨터, 전용 컴퓨터 또는 기타 프로그래머블 데이터 처리 장치의 프로세서 또는 컨트롤러에 제공될 수 있으므로, 프로그램 코드가 프로세서 또는 컨트롤러에 의해 수행되는 경우, 흐름도 및/또는 블록도에서 규정된 기능/조작을 구현하도록 한다. 프로그램 코드는 전체적으로 기계에서 수행되거나, 부분적으로 기계에서 수행되거나, 독립 소프트웨어 패키지로서 부분적으로 기계에서 수행되고 부분적으로 원격 기계에서 수행되거나 또는 전체적으로 원격 기계 또는 서버에서 수행될 수 있다.

본 발명의 문맥에서, 기계 판독 가능 매체는 명령 수행 시스템, 장치 또는 기기에 의해 사용되거나 명령 수행 시스템, 장치 또는 기기와 결합하여 사용되는 프로그램을 포함하거나 저장할 수 있는 유형의 매체일 수 있다. 기계 판독 가능 매체는 기계 판독 가능 신호 매체 또는 기계 판독 가능 저장 매체일 수 있다. 기계 판독 가능 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기, 또는 상기 내용의 임의의 적절한 조합을 포함할 수 있지만 이에 한정되지 않는다. 기계 판독 가능 저장 매체의 더욱 구체적인 예시는 하나 또는 하나 이상의 전선을 기반한 전기 연결, 휴대용 컴퓨터 디스크, 하드 디스크, RAM, ROM, EPROM(Electrically Programmable Read-Only-Memory, 지울 수 있는 프로그래머블 읽기 전용 메모리) 또는 플래시 메모리, 광섬유, CD-ROM(Compact Disc Read-Only Memory, 휴대용 컴팩트 디스크 읽기 전용 메모리), 광학 저장 기기, 자기 저장 기기 또는 상기 내용의 임의의 적절한 조합을 포함할 수 있지만 이에 한정되지 않는다.

사용자와의 인터랙션을 제공하기 위해 여기에 설명된 시스템 및 기술은 컴퓨터에서 실시될 수 있다. 당해 컴퓨터는 사용자에게 정보를 디스플레이하기 위한 디스플레이 장치(예를 들어, CRT(Cathode-Ray Tube, 음극선관) 또는 LCD(Liquid Crystal Display, 액정 디스플레이) 모니터); 및 키보드 및 포인팅 장치(예를 들어, 마우스 또는 트랙볼)를 구비하며, 사용자는 당해 키보드 및 당해 포인팅 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 유형의 장치를 사용하여 사용자와의 인터랙션을 제공할 수도 있으며, 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각적 피드백, 청각적 피드백 또는 촉각적 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력 또는 촉각 입력을 포함)로 사용자로부터의 입력을 수신할 수 있다.

여기서 설명되는 시스템 및 기술은 백엔드 부품을 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프런트 엔드 부품을 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 구비하는 사용자 컴퓨터인 바, 사용자는 당해 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 통해 여기서 설명되는 시스템 및 기술의 실시 방식과 인터랙션할 수 있음), 또는 이러한 백엔드 부품, 미들웨어 부품 또는 프런트 엔드 부품의 임의의 조합을 포한하는 컴퓨팅 시스템에서 실시될 수 있다. 시스템의 부품은 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 서로 연결될 수 있다. 통신 네트워크의 예시는 LAN(Local Area Network, 근거리 통신망), WAN(Wide Area Network, 광역 통신망), 인터넷 및 블록체인 네트워크를 포함한다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고, 통신 네트워크를 통해 인터랙션한다. 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 대응되는 컴퓨터에서 수행하여 클라이언트와 서버 간의 관계를 생성한다. 서버는 클라우드 컴퓨팅 서버 또는 클라우드 호스트라고도 하는 클라우드 서버일 수 있고, 클라우드 컴퓨팅 서비스 시스템에서 일종의 호스트 제품이고, 기존의 물리적 호스트 및 VPS("Virtual Private Server", 또는 줄여서 "VPS") 서비스에 존재하고 있는 관리가 어렵고 비즈니스 확장이 약한 결점을 해결하기 위한 것이다. 서버는 또한 분산 시스템의 서버, 또는 블록체인을 결합한 서버일 수 있다.

설명 해야하는 바로는, 인공지능은 인간의 특정 사유 과정 및 지능 행위(예컨대, 러닝, 추리, 사고, 계획 등)를 컴퓨터로 시뮬레이션하기 위해 연구하는 학과이며, 하드웨어 층면의 기술 뿐만 아니라 소프트웨어 층면의 기술도 포함한다. 인공지능 하드웨어 기술은 일반적으로 센서, 전용 인공지능 칩, 클라우드 컴퓨팅, 분산 스토리지, 빅데이터 처리 등 기술을 포함하고; 인공지능 소프트웨어 기술은 주로 컴퓨터 시각 기술, 음성 인식 기술, 자연 언어 처리 기술 및 기계 러닝/딥러닝, 빅데이터 처리 기술, 지식 그래프 기술 등 몇 가지 주요 방향을 포함한다.

이해 가능한 바로는, 전술한 다양한 형식의 프로세스에 있어서 단계 재정렬, 추가 또는 삭제를 할 수 있다. 예를 들어, 본 발명에 개시된 기술 솔루션이 이루고자 하는 결과를 구현할 수 있는 한, 본 발명에 기재된 각 단계들은 병렬로, 순차적으로 또는 다른 순서로 수행될 수 있으나, 본 명세서에서 이에 대해 한정하지 않는다.

전술한 구체적인 실시 방식들은 본 발명의 보호 범위에 대한 한정을 구성하지 않는다. 당업자라면 본 발명의 설계 요건 및 기타 요인에 따라 다양한 수정, 조합, 서브 조합 및 대체가 이루어질 수 있음을 이해해야 한다. 본 발명의 정신과 원칙 내에서 이루어진 모든 수정, 동등한 대체 및 향상은 본 발명의 보호 범위에 포함된다.

Claims (13)

1. 자율주행 테스트 방법에 있어서,
   자율주행 차량의 주행 데이터를 획득하는 단계;
   상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 단계 - 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함됨 -; 및
   상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계;를 포함하는,
   것을 특징으로 하는 자율주행 테스트 방법.
2. 제1항에 있어서,
   상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 단계는,
   상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 단계;
   상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 단계; 및
   상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 단계;를 포함하는,
   것을 특징으로 하는 자율주행 테스트 방법.
3. 제2항에 있어서,
   상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 단계는,
   상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 단계 - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -;
   상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 방법을 결정하는 단계; 및
   상기 타겟 연산 방법을 기반으로 상기 자율주행 차량을 테스트하는 단계;를 포함하는,
   것을 특징으로 하는 자율주행 테스트 방법.
4. 제1항에 있어서,
   상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한 후, 상기 방법은,
   상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 단계;
   적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하는 단계 - 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함함 -; 및
   상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;를 더 포함하는,
   것을 특징으로 하는 자율주행 테스트 방법.
5. 제4항에 있어서,
   상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계는,
   상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;
   또는,
   상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 단계;를 포함하는,
   것을 특징으로 하는 자율주행 테스트 방법.
6. 자율주행 테스트 장치에 있어서,
   자율주행 차량의 주행 데이터를 획득하는 획득 유닛;
   상기 주행 데이터와 미리 설정된 장면 분석 전략에 따라 상기 주행 데이터에 포함된 운전 장면을 결정하는 제1 결정 유닛 - 각 운전 장면에는 적어도 한 가지 인덱스드 파라미터 정보가 포함됨 -; 및
   상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트하는 테스트 유닛;을 포함하는,
   것을 특징으로 하는 자율주행 테스트 장치.
7. 제6항에 있어서,
   상기 제1 결정 유닛은,
   상기 주행 데이터를 분석하여, 경로 정보, 차량 제어 정보 및 장애물 정보를 획득하는 획득 모듈;
   상기 경로 정보, 차량 제어 정보, 장애물 정보 및 상기 미리 설정된 장면 분석 전략에 따라 상기 운전 장면에서의 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 결정하는 제1 결정 모듈; 및
   상기 장면 시작 시간, 장면 종료 시간 및 장애물 정보를 기반으로 상기 주행 데이터에서 적어도 하나의 운전 장면을 결정하는 제2 결정 모듈;을 포함하는,
   것을 특징으로 하는 자율주행 테스트 장치.
8. 제7항에 있어서,
   상기 테스트 유닛은,
   상기 운전 장면에서의 각 인덱스드 파라미터 정보의 장면 유형을 결정하는 제1 결정 모듈 - 상기 장면 유형은 차량 속도, 통과율/통과시간, 장애물과의 거리 및 차선 중의 적어도 한 가지와 관련됨 -;
   상기 장면 유형에 따라 상기 인덱스드 파라미터 정보의 타겟 연산 장치를 결정하는 제2 결정 모듈; 및
   상기 타겟 연산 장치를 기반으로 상기 자율주행 차량을 테스트하는 테스트 모듈;을 포함하는,
   것을 특징으로 하는 자율주행 테스트 장치.
9. 제6항에 있어서,
   상기 장치는,
   상기 테스트 유닛이 상기 운전 장면에서의 각 인덱스드 파라미터 정보에 따라 상기 자율주행 차량을 테스트한 후, 상기 운전 장면, 및 대응되는 테스트 결과를 기반으로 데이터 세트를 생성하고, 상기 데이터 세트를 운전 장면의 차원에 따라 저장하는 저장 유닛;
   적어도 2개의 데이터 세트를 분석하여, 발생 횟수가 미리 설정된 임계값을 초과한 상기 운전 장면을 타겟 운전 장면으로 결정하는 처리 유닛 - 상기 타겟 운전 장면은 적어도 2개의 운전 장면을 포함함 -; 및
   상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 유닛;을 더 포함하는,
   것을 특징으로 하는 자율주행 테스트 장치.
10. 제9항에 있어서,
    상기 제2 결정 유닛은,
    상이한 운전 시스템 버전을 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제1 결정 모듈; 및
    상이한 도시를 기반으로, 상기 타겟 운전 장면에 각각 대응되는 테스트 결과 사이의 차이를 결정하는 제2 결정 모듈;을 포함하는,
    것을 특징으로 하는 자율주행 테스트 장치.
11. 전자 기기에 있어서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 통신 가능하게 연결되는 메모리;를 포함하고,
    상기 메모리에 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령이 저장되어 있고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 수행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는,
    것을 특징으로 하는 전자 기기.
12. 컴퓨터 명령이 저장되어 있는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
    상기 컴퓨터 명령은 컴퓨터가 제1항 내지 제5항 중 어느 한 항에 따른 방법을 수행하는데 사용되는,
    것을 특징으로 하는 비일시적 컴퓨터 판독 가능 저장 매체.
13. 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램이 프로세서에 의해 수행되는 경우 제1항 내지 제5항 중 어느 한 항에 따른 방법이 구현되는,
    것을 특징으로 하는 컴퓨터 프로그램.

Images