对自动驾驶车辆进行车辆测试的方法及装置与流程

本发明涉及车辆测试领域，特别涉及一种对自动驾驶车辆进行车辆测试的方法及装置。

背景技术

随着科技的高速发展，有关自动驾驶车辆的研究一直是人们关注的焦点。自动驾驶车辆，又称无人驾驶车辆、电脑驾驶车辆、或轮式移动机器人，是一种通过计算机装置实现无人驾驶的智能车辆。自动驾驶车辆可以在无人主动操作的情况下，自动操作，实现自动驾驶。在实现自动驾驶的过程中，对自动驾驶车辆进行相关测试，是实现自动驾驶应用的一个重要的过程。

相关技术中，在进行自动驾驶车辆的测试时，在目标场景下，自动驾驶车辆至少需要在实际环境或者模拟环境中行驶110亿英里，根据行驶过程中的驾驶数据，确定自动驾驶车辆在目标场景下的表现情况。

但是，相关技术中所涉及的自动驾驶车辆的测试方法需要行驶较长距离来获得测试数据，因此进行测试的可行性较低，而且因其行驶距离较长，自动驾驶测试结果的有效性和时效性也较低。

技术实现要素：

本申请提供了一种对自动驾驶车辆进行车辆测试的方法及装置，可以解决在测试自动驾驶车辆时，测试的可行性较低的问题。所述技术方案如下：

一方面，提供一种对自动驾驶车辆进行车辆测试的方法，所述方法包括：

建立人类驾驶行为模型；

在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；

获取自动驾驶车辆的第一驾驶数据；

根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；

在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；

根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。

可选地，所述目标场景包括：倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景。

可选地，所述根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据，包括：

根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；

获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；

将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。

可选地，所述在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据，包括：

在所述目标场景下，根据蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；

将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。

可选地，所述根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况，包括：

根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。

另一方面，提供一种对自动驾驶车辆进行车辆测试的装置，包括：

建立模块，用于建立人类驾驶行为模型；

第一确定模块，用于在目标场景下，根据所述人类驾驶行为模型确定遵循特定概率分布的所述人类驾驶行为的随机变量；

获取模块，用于获取自动驾驶车辆的第一驾驶数据；

第二确定模块，用于根据测试条件对所述第一驾驶数据进行选择，确定目标驾驶数据；

第三确定模块，用于在所述目标场景下，对所述述目标驾驶数据进行模拟、扩充，得到测试驾驶数据；

第四确定模块，用于根据所述测试驾驶数据和所述随机变量，确定所述自动驾驶车辆在所述目标场景下的表现情况。

可选地，所述第二确定模块包括：

第一确定子模块，用于根据测试条件对所述第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据；

获取子模块，用于获取目标驾驶子数据，所述目标驾驶子数据与所述驾驶子数据的数据长度一致；

第二确定子模块，用于将所述目标驾驶子数据与所述第一驾驶子数据进行替换，确定目标驾驶数据。

可选地，第三确定模块包括：

模拟子模块，用于在所述目标场景下，根据所述蒙特卡洛方法对所述目标驾驶数据进行模拟，得到模拟驾驶数据；

扩充子模块，用于将所述模拟驾驶数据加入到所述目标驾驶数据中，扩充所述目标驾驶数据，得到测试驾驶数据。

可选地，第四确定模块，还用于根据所述测试驾驶数据和所述随机变量，重复测试所述自动驾驶车辆，以此确定所述自动驾驶车辆在所述目标场景下的表现情况。

另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面任一所述的方法的步骤。

本发明提供的技术方案带来的有益效果至少包括：

本发明提供了一种对自动驾驶车辆进行车辆测试的方法及装置，建立人类驾驶行为模型，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量，获取自动驾驶车辆的第一驾驶数据，之后对第一驾驶数据进行选择、模拟以及扩充处理，得到测试驾驶数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1是本发明一个实施例提供的一种车辆测试的应用场景图；

图2是本发明一个实施例提供的一种对自动驾驶车辆进行车辆测试的方法流程图；

图3是本发明一个实施例提供的一种确定目标驾驶数据的方法流程图；

图4是本发明一个实施例提供的一种对自动驾驶车辆进行车辆测试的装置结构示意图；

图5是本发明一个实施例提供的一种第二确定模块的结构示意图；

图6是本发明一个实施例提供的一种第三确定模块的结构示意图。

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中，图1为本发明实施例所处的一种车辆测试的应用场景图，如图1所述，在目标场景下，测试场地包括一辆测试所用的自动驾驶车辆e、一辆人类驾驶车辆f以及一辆自动驾驶车辆g，该自动驾驶车辆g与该自动驾驶车辆e为同一种自动驾驶车辆。实际情况中，还可以为多辆人类驾驶车辆和多辆自动驾驶车辆，根据实际需求设定即可，本发明实施例以上述应用场景为例进行说明。

请参考图2，图2为根据一示例性实施例示出的一种对自动驾驶车辆进行车辆测试的方法流程图，参见图2，该方法可以包括如下几个步骤：

在步骤101中，建立人类驾驶行为模型。

人类驾驶行为模型是在对驾驶车辆过程中进行具体观察、分析和研究的基础上构建一个层级结构，之后将该层级结构与人类驾驶行为结合起来得到该人类驾驶行为模型，该人类驾驶行为模型包括人类驾驶车辆的驾驶数据。在本发明实施例中，根据人类驾驶车辆f的驾驶数据来建立人类驾驶行为模型。一个可能的实施例中，可选地，在人类驾驶车辆时，收集人类驾驶行为的驾驶数据，根据收集的驾驶数据，基于统计数学建立人类驾驶行为模型。本发明实施例对建立人类驾驶行为模型的方式与方法不作限定，只要实现建立人类驾驶行为模型即可的。

在步骤102中，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量。

在目标场景下，从该人类驾驶行为模型中获取有关该目标场景下的人类驾驶行为的随机变量，该随机变量遵循特定概率分布。

需要说明的是，在本发明实施例中，一个可能的实施例中，可选地，目标场景包括：一般驾驶场景、倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景，实际测试中，也可以为其他场景，该目标场景可以根据自动驾驶车辆的测试需求确定，该目标场景的划分也可以根据实际情况的需求进行设定，本发明实施例对此均不作限定。

示例地，以图1为例，目标场景为一般驾驶场景，自动驾驶车辆e为后车，人类驾驶车辆f为前车，根据人类驾驶行为模型可知，前车可能的驾驶行为为x，该驾驶行为包括变道、加速、减速等，在人类驾驶行为模型中，提取该人类驾驶车辆f的驾驶数据，对该人类驾驶车辆f的驾驶数据进行分析，确定每种驾驶行为发生的概率为a、b、c等，因此，该驾驶数据下，驾驶行为x即为前车的遵循特定概率分布的随机变量。

在步骤103中，获取自动驾驶车辆的第一驾驶数据。

在本发明实施例中，以自动驾驶车辆e上的传感器获得第一驾驶数据，该第一驾驶数据的数据长度与所安装的传感器有关，可以为单一长度驾驶数据，也可以为多种长度驾驶数据，根据测试所需进行设定，本发明实施例对此不作限定。

在步骤104中，根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据。

在本发明实施例中，对第一驾驶数据进行选择，确定出符合测试条件的目标驾驶数据。一个可能的实施例中，可选地，设置出测试条件，对第一驾驶数据做筛选处理，确定符合测试条件的目标驾驶数据。该测试条件为在目标场景下，人类驾驶车辆f和自动驾驶车辆e需进行交互，也即是当人类驾驶车辆f和自动驾驶车辆e在驾驶时，两者驾驶数据会发生相对变化。例如，在一般驾驶场景下，人类驾驶车辆f的速度变化的轨迹和自动驾驶车辆e的速度变化的轨迹近似，即可认为两者是具有交互的驾驶数据，也即是目标驾驶数据。

测试条件还可以是在目标场景下，人类驾驶车辆f和自动驾驶车辆e发生交互的情况下，针对自动驾驶车辆e的性能进行测试的测试条件，例如，针对自动驾驶车辆e的变道性能来进行测试。

在步骤105中，在目标场景下，对目标驾驶数据进行模拟、扩充，得到测试驾驶数据。

可选地，在本发明实施例中，在目标场景下，根据蒙特卡洛方法对目标驾驶数据进行模拟，得到模拟驾驶数据，将模拟驾驶数据加入到目标驾驶数据中，扩充目标驾驶数据，得到测试驾驶数据。需要说明的是，蒙特卡洛方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法。

一个可能的实施例中，可选地，在蒙特卡洛方法中，首先根据已经确定的目标驾驶数据构造概率分布模型，获取概率分布，之后从该概率分布中进行抽样，模拟计算，从而扩充数据量。例如采集到的数据中没有79千米每小时的工况，则可以根据概率模型进行采样，模拟计算79千米每小时的工况，从而得到79千米每小时的驾驶数据。

在步骤106中，根据测试驾驶数据，确定自动驾驶车辆在目标场景下的表现情况。

可选地，在本发明实施例中，为保证测试的准确性，还可以根据测试驾驶数据和随机变量，重复测试自动驾驶车辆e，以此确定自动驾驶车辆e在目标场景下的表现情况。

需要说明的是，重复测试就是基于相同的场景进行多次测试，可以模型在环(英文：model-in-the-loop；简称：mil)、软件在环(英文：software-in-the-loop；简称：sil)、硬件在环(英文：hardware-in-the-loop；简称：hil)以及车辆在环(英文：vehicle-in-the-loop；简称：vil)等条件下进行测试。

综上所述，本发明实施例中对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。

一个可能的实施例中，可选地，图3示出了一种确定目标驾驶数据的方法流程图，参见图3，在步骤104中，在根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据时，还可以包括：

在步骤201中，根据测试条件对第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据。

在本发明实施例中，该驾驶子数据为当人类驾驶车辆f和自动驾驶车辆e在驾驶时，两者驾驶数据会未发生相对变化的驾驶数据，也即是人类驾驶车辆f和自动驾驶车辆e未有交互的驾驶数据。

在步骤202中，获取目标驾驶子数据。

需要说明的是，目标驾驶子数据与驾驶子数据的数据长度一致，该目标驾驶子数据为目标场景下，自动驾驶车辆g与人类驾驶车辆f具有交互的驾驶数据。

在步骤203中，将目标驾驶子数据与第一驾驶子数据进行替换，确定目标驾驶数据。

在本发明实施例中，将数据长度一致的目标驾驶子数据与驾驶子数据进行替换，得到目标驾驶数据。

综上所述，本发明实施例中引入目标子数据得到目标驾驶数据，之后对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。

请参考图4，图4为根据一示例性实施例示出的一种对自动驾驶车辆进行车辆测试的装置结构示意图，参见图4，该装置包括：

建立模块401，用于建立人类驾驶行为模型。

第一确定模块402，用于在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量。

本发明实施例中，目标场景包括：倒车场景、行人横穿场景，十字路口场景和变道场景中任一种或者多种场景。

获取模块403，用于获取自动驾驶车辆的第一驾驶数据。

第二确定模块404，用于根据测试条件对第一驾驶数据进行选择，确定目标驾驶数据。

第三确定模块405，用于在目标场景下，通过蒙特卡洛方法对目标驾驶数据进行模拟、扩充，得到测试驾驶数据。

第四确定模块406，用于根据测试驾驶数据和随机变量，确定自动驾驶车辆在目标场景下的表现情况。

综上所述，本发明实施例中，建立人类驾驶行为模型，在目标场景下，根据人类驾驶行为模型确定遵循特定概率分布的人类驾驶行为的随机变量，获取自动驾驶车辆的第一驾驶数据，之后对第一驾驶数据进行选择、模拟以及扩充处理，得到测试驾驶数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。

可选地，第四确定模块406，还用于根据测试驾驶数据和随机变量，重复测试自动驾驶车辆，以此确定自动驾驶车辆在目标场景下的表现情况。

可选地，请参考图5，图5为根据一示例性实施例示出的一种第二确定模块404的结构示意图，参见图5，第二确定模块404包括：

第一确定子模块501，用于根据测试条件对第一驾驶数据进行选择，确定第一驾驶数据中的驾驶子数据。

获取子模块502，用于获取目标驾驶子数据，目标驾驶子数据与驾驶子数据的数据长度一致。

第二确定子模块503，用于将目标驾驶子数据与第一驾驶子数据进行替换，确定目标驾驶数据。

本发明实施例中，通过第二确定模块引入目标驾驶子数据，保证了目标驾驶数据的实用性，同时进一步保证了测试自动驾驶车辆的可行性。

可选地，请参考图6，图6为根据一示例性实施例示出的一种第三确定模块405的结构示意图，参见图6，第三确定模块405包括：

模拟子模块601，用于在目标场景下，根据蒙特卡洛方法对目标驾驶数据进行模拟，得到模拟驾驶数据；

扩充子模块602，用于将模拟驾驶数据加入到目标驾驶数据中，扩充目标驾驶数据，得到测试驾驶数据。

综上所述，本发明实施例中通过第二确定模块引入目标子数据得到目标驾驶数据，之后对目标驾驶数据进行模拟、扩充，得到用于测试自动驾驶车辆的测试数据，再结合该人类驾驶行为的随机变量进行了自动驾驶车辆的测试，解决了在测试自动驾驶车辆时，测试可行性较低的问题，并且不需要较大的人力、物力以及财力，降低了开发成本，避免了资源浪费。

本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述实施例提供的对自动驾驶车辆进行车辆测试的方法的步骤。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。