一种基于路侧设备自然驾驶数据的仿真场景构建方法与流程

1.本发明涉及仿真场景构建技术领域，尤其是涉及一种基于路侧设备自然驾驶数据的仿真场景构建方法。


背景技术：

2.现阶段自动驾驶技术发展迅速，自动驾驶汽车在实现商业化应用前需要开展大量的道路测试来验证系统各项功能与性能满足设计和法规要求，如何高效、低成本的开展测试业务是目前自动驾驶邻域遇到的一个挑战。目前得到普遍认可的解决路径是通过仿真的方式开展测试业务，这种方式可以实现高效、低成本开展相关测试工作，有助于解决道路测试存在的成本与风险等问题。但是，通过仿真的方式开展测试业务，保证仿真场景的真实性与有效性很重要，因此，需要提出一种基于真实的交通数据构建仿真场景的方法以提高仿真场景的真实性与有效性。


技术实现要素：

3.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于路侧设备自然驾驶数据的仿真场景构建方法。
4.本发明的目的可以通过以下技术方案来实现：
5.一种基于路侧设备自然驾驶数据的仿真场景构建方法，该方法包括以下步骤：
6.步骤1：获取路侧设备在时间段t内采集的交通数据，并记录数据来源；
7.步骤2：进行数据提取，得到时间段t内的道路信息、车辆状态信息、交通灯信息和行人信息；
8.步骤3：进行数据分析与统计，统计时间段t内的交通流量、车辆平均速度、堵塞程度和车辆加/减速频次，分析车辆的变道时空分布、堵塞时空分布和行人时空分布；
9.步骤4：执行步骤1～3，获取在一天中不同时间段的相关参数与分布或获取和整合不同日期下的相关参数与分布，进一步获取得到基于天、基于周、基于月甚至基于季度的一年中的不同参数与分布，构建关于某段道路在时空上的不同时间尺度下的交通流模型；
10.步骤5：进行仿真测试时，调用交通流模型，根据不同的时间得到在该段道路不同区域的分布，进而生成符合该段道路交通流特点的仿真场景。
11.所述的步骤1中，路侧设备包括摄像头、激光雷达和毫米波雷达。
12.所述的步骤2中，道路信息包括车道线类型、车道宽度、道路临时事件、道路类型和车道类型，所述的道路类型包括直道、弯道、十字路口、丁字路口和环岛。
13.所述的步骤2中，车辆状态信息包括在t时刻时的车辆速度、加速度、车头朝向、周围车辆信息以及与周围车辆的横向距离和纵向距离，所述的周围车辆具体为：
14.以目标车辆为中心，半径在20m范围内的车辆。
15.所述的步骤3中，交通流量具体为在时间段t内的进入该段道路的车辆数量减去离开该段道路的车辆数量。
16.所述的步骤3中，车辆平均速度具体为在时间段t内每辆车的平均速度。
17.所述的步骤3中，堵塞程度具体为在时间间隔δt内每个车道上所有车辆的车辆长度和与车道长度的比值，且比值越大，堵塞情况越严重。
18.所述的步骤3中，车辆加/减速频次具体为每辆车通过该段道路时发生的加/减速次数。
19.所述的步骤3中，变道时空分布包括变道时间分布和变道空间分布，具体为在时间段t内的每个时刻t在该道路不同区域发生变道的次数；
20.所述的变道时间分布具体为在时间段t内的每个时刻t在该段道路上发生变道的次数，所述的变道空间分布具体为在时间段t内在该段道路不同区域发生变道的次数；
21.所述的堵塞时空分布包括堵塞时间分布和堵塞空间分布，具体为在时间段t内在每个时刻t在该道路不同区域的堵塞程度；
22.所述的堵塞时间分布具体为在时间段t内每个时刻t该段道路的堵塞程度，所述的堵塞空间分布具体为在时间段t内在该道路不同区域的堵塞程度。
23.所述的步骤5中，根据不同的时间得到在该段道路不同区域的分布包括车辆速度分布、行为分布和密度分布。
24.与现有技术相比，本发明具有以如下有益效果：
25.1、本发明根据路侧设备采集到的真实交通数据分析并得到符合真实交通数据的不同尺度下的交通分布模型，通过调用该交通分布模型构建的仿真场景，更加符合实际交通的分布情况，提高了仿真的真实性与有效性；
26.2、本发明通过不同尺度交通分布模型的配合能够提高一些在真实世界发生概率较低的场景在仿真环境中发生的概率，进而提高了仿真的效率。
附图说明
27.图1为本发明的方法流程图。
具体实施方式
28.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，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。
29.本发明提供了一种基于路侧设备自然驾驶数据的仿真场景构建方法，该方法包括以下步骤：
30.步骤1：获取路侧设备在时间段t内采集的交通数据，并记录数据来源；
31.路侧设备包括摄像头、激光雷达和毫米波雷达等路端感知设备；
32.步骤2：进行数据提取，得到时间段t内的道路信息、车辆状态信息、交通灯信息和行人信息；
33.道路信息包括车道线类型(实线和虚线等)、车道宽度、车道类型(左转车道、右转车道和直行车道)、道路临时事件(如临时施工)和道路类型(直道、弯道、十字路口、丁字路口、环岛等)；
34.车辆状态信息包括在t时刻时的车辆速度、加速度、周围车辆信息以及与周围车辆
的横向距离和纵向距离，周围车辆包括以目标车为中心，半径在20m内的车辆；
35.步骤3：进行数据分析与统计，统计时间段t内的交通流量、车辆平均速度、堵塞程度和车辆加减速频次，分析车辆的变道时空分布、堵塞时空分布和行人时空分布；
36.交通流量具体为在时间段t内的进入该段道路的车辆数量减去离开该段道路的车辆数量；
37.车辆平均速度具体为在时间段t内每个车的平均速度；
38.堵塞程度通过在时间间隔δt内每个车道上所有车辆的车辆长度和与车道长度的比值描述，且该比值越大，堵塞情况越严重；
39.车辆加/减速频次具体为每辆车通过该段道路时发生的加/减速次数；
40.变道时空分布包括变道时间分布和变道空间分布，具体为在时间段t内的每个时刻t在该道路不同区域发生变道的次数；
41.变道时间分布具体为在时间段t内的每个时刻t在该段道路上发生变道的次数；
42.变道空间分布具体为在时间段t内在该段道路不同区域发生变道的次数；
43.堵塞时空分布包括堵塞时间分布和堵塞空间分布，具体为在时间段t内在每个时刻t在该道路不同区域的堵塞程度；
44.堵塞时间分布具体为在时间段t内每个时刻t该段道路的堵塞程度；
45.堵塞空间分布具体为在时间段t内在该道路不同区域的堵塞程度；
46.步骤4：构建交通流模型，执行步骤1～3，获取在一天中不同时间段的相关参数与分布或获取和整合不同日期下的相关参数与分布，进一步获取得到基于天、基于周、基于月甚至基于季度的一年中的不同参数与分布，构建关于某段道路在时空上的不同时间尺度下的交通流模型；
47.步骤5：进行仿真测试时，调用交通流模型，根据不同的时间得到在道路不同区域的车辆速度、行为和密度等分布，生成符合该段道路交通流特点的仿真场景。
48.小尺度指的是在相对较小的时间尺度上获得的交通分布模型，如几个小时或者几天，大尺度则指的是在更大的时间尺度上获得的交通分布模型，如几个月、几个季度甚至几年。
49.以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。