自动驾驶评测方法、装置及设备与流程

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶评测方法、装置及设备。

背景技术：

随着人工智能和汽车技术的快速发展，自动驾驶汽车已开始从实验室和演示走进人们的日常生活。由机器和算法控制的具有自主行驶能力的自动驾驶汽车，其自动驾驶行为是否安全一直是人们关注的焦点。

目前，相关技术中需要一套完整可行地方法，来评测自动驾驶是否安全可靠。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一方面提出一种自动驾驶评测方法，根据驾驶场景下的人工驾驶统计数据对自动驾驶统计数据进行评测，实现了客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，以及自动驾驶行为是否安全可靠。

本发明另一方面提出一种自动驾驶评测装置。

本发明另一方面提出一种计算机设备。

本发明又一方面提出一种非临时性计算机可读存储介质。

本发明第一方面实施例提出了一种自动驾驶评测方法，包括：

获取自动驾驶的第一场景数据和第一车辆操作行为；

根据所述第一场景数据确定自动驾驶场景，以及根据所述第一车辆操作行为生成自动驾驶统计数据；

根据与所述自动驾驶场景对应的人工驾驶统计数据，对所述自动驾驶统计数据进行评测，生成评测结果。

本发明实施例的自动驾驶评测方法，通过获取自动驾驶的第一场景数据和第一车辆操作行为，进而根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据，进一步根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。由此，通过获取驾驶场景与驾驶统计数据，并根据驾驶场景下的人工驾驶统计数据对自动驾驶统计数据进行评测，实现了能够客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，以及自动驾驶行为是否安全可靠。

另外，根据本发明上述实施例的自动驾驶评测方法还可以具有如下附加技术特征：

可选地，在根据与所述自动驾驶场景对应的人工驾驶统计数据，对所述自动驾驶统计数据进行评测之前，还包括：获取人工驾驶的第二场景数据和第二车辆操作行为；根据所述第二场景数据确定人工驾驶场景，以及根据所述第二车辆操作行为生成人工驾驶统计数据，其中，所述人工驾驶场景与所述自动驾驶场景一一对应。

可选地，所述根据与所述自动驾驶场景对应的人工驾驶统计数据，对所述自动驾驶统计数据进行评测，包括：获取所述人工驾驶统计数据的正样本与所述自动驾驶统计数据的第一差值；当所述第一差值大于预设阈值时，生成告警提示信息。

可选地，所述根据与所述自动驾驶场景对应的人工驾驶统计数据，对所述自动驾驶统计数据进行评测，包括：获取所述人工驾驶统计数据的负样本与所述自动驾驶统计数据的第二差值；当所述第二差值小于预设阈值时，生成告警提示信息。

可选地，所述场景数据包括车辆位置、车辆行驶轨迹、交通要素。

可选地，所述车辆操作行为包括方向盘转向度、刹车强度、油门控制量和操作时间。

本发明第二方面实施例提出了一种自动驾驶评测装置，包括：

第一获取模块，用于获取自动驾驶的第一场景数据和第一车辆操作行为；

第一确定模块，用于根据所述第一场景数据确定自动驾驶场景，以及根据所述第一车辆操作行为生成自动驾驶统计数据；

评测模块，用于根据与所述自动驾驶场景对应的人工驾驶统计数据，对所述自动驾驶统计数据进行评测，生成评测结果。

本发明实施例的自动驾驶评测装置，通过获取自动驾驶的第一场景数据和第一车辆操作行为，进而根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据，进一步根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。由此，通过获取驾驶场景与驾驶统计数据，并根据驾驶场景下的人工驾驶统计数据对自动驾驶统计数据进行评测，实现了能够客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，以及自动驾驶行为是否安全可靠。

另外，根据本发明上述实施例的自动驾驶评测装置还可以具有如下附加技术特征：

可选地，所述的装置还包括：第二获取模块，用于获取人工驾驶的第二场景数据和第二车辆操作行为；第二确定模块，用于根据所述第二场景数据确定人工驾驶场景，以及根据所述第二车辆操作行为生成人工驾驶统计数据，其中，所述人工驾驶场景与所述自动驾驶场景一一对应。

可选地，所述评测模块具体用于：获取所述人工驾驶统计数据的正样本与所述自动驾驶统计数据的第一差值；当所述第一差值大于预设阈值时，生成告警提示信息。

可选地，所述评测模块具体用于：获取所述人工驾驶统计数据的负样本与所述自动驾驶统计数据的第二差值；当所述第二差值小于预设阈值时，生成告警提示信息。

本发明第三方面实施例提出了一种计算机设备，包括处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的自动驾驶评测方法。

本发明第四方面实施例提出了一种非临时性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如第一方面实施例所述的自动驾驶评测方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为本发明实施例所提供的一种自动驾驶评测方法的流程示意图；

图2为本发明实施例所提供的另一种自动驾驶评测方法的流程示意图；

图3为本发明实施例所提供的一种自动驾驶评测装置的结构示意图；

图4为本发明实施例所提供的另一种自动驾驶评测装置的结构示意图；

图5示出了适于用来实现本发明实施例的示例性计算机设备的框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的自动驾驶评测方法、装置及设备。

图1为本发明实施例所提供的一种自动驾驶评测方法的流程示意图，如图1所示，该方法包括：

步骤101，获取自动驾驶的第一场景数据和第一车辆操作行为。

本实施例中，在对自动驾驶行为进行评测时，可以先获取自动驾驶的第一场景数据和第一车辆操作行为。

作为一种可能的实现方式，可以在车辆中预先设置数据采集装置，并通过数据采集装置采集第一场景数据和第一车辆操作行为。其中，数据采集装置包括但不限于gps(globalpositioningsystem，全球定位系统)定位设备、imu(inertialmeasurementunit，惯性测量单元)惯性导航设备、摄像机、激光雷达、毫米波雷达、以及检测车辆行驶状态的设备等。

其中，第一场景数据包括但不限于车辆位置、车辆行驶轨迹、交通要素等。

作为一种示例，可以通过摄像机、雷达获取待评测车辆周围的行人、其他车辆以及交通标识牌，作为交通要素。

作为另一种示例，可以通过gps定位设备或imu惯性导航设备对待评测车辆进行定位获取车辆位置，进而根据各时刻车辆位置绘制车辆行驶轨迹。

其中，第一车辆操作行为包括但不限于车辆的方向盘转向度、刹车强度、油门控制量和车辆操作时间等。

作为一种示例，可以预先设置压力传感器，并通过压力传感器检测刹车踏板踩踏时的压力值，以根据该压力值确定刹车强度。

步骤102，根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据。

在本发明的一个实施例中，可以对第一场景数据进行抽象提取，从而确定自动驾驶场景。比如可以确定自动驾驶场景为跟车行驶、通过十字路口、等待红绿灯、变道超车等。

例如，获取自动驾驶车辆前方的交通要素包括红绿灯，指示灯状态为红灯，且车辆位置不变时，确定自动驾驶场景为等待红绿灯。

再例如，获取自动驾驶车辆前方包括其他车辆，且该自动驾驶车辆与前方车辆保持一定的距离向前行驶时，确定自动驾驶场景为跟车行驶。

需要说明的是，上述根据场景数据确定驾驶场景的实现方式仅仅是一种示例，具体可以根据实际需要设置驾驶场景的判断条件，此处不作限制。

在本发明的一个实施例中，在确定自动驾驶场景后，可以根据第一车辆操作行为生成该自动驾驶场景下的自动驾驶统计数据，比如，在t时间段内的自动驾驶场景为跟车行驶，则根据该t时间段内的第一车辆操作行为生成跟车行驶场景下的自动驾驶统计数据。

例如，可以通过陀螺仪检测车辆行驶方向，通过加速度计检测车辆的加速度，进而根据行驶方向与加速度通过相关算法获取车辆横向加速度和侧向加速度。

其中，自动驾驶统计数据包括但不限于车辆横向加速度、侧向加速度、方向盘转角、方向盘转角速率、油门输出量、刹车力度及其对应的时间。

步骤103，根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。

在本发明的一个实施例中，在确定自动驾驶场景以及对应的自动驾驶统计数据后，可以获取与该驾驶场景对应的人工驾驶统计数据，例如，可以基于大数据统计各驾驶场景下的人工驾驶统计数据，并确定与该驾驶场景对应的人工驾驶统计数据。进而，根据人工驾驶统计数据对自动驾驶统计数据进行评测。

作为一种示例，可以获取人工驾驶统计数据与自动驾驶统计数据的第一差值，当第一差值大于预设阈值时，生成告警提示信息。其中，预设阈值可以由大量实验数据确定，也可以根据需要自行设置，此处不作限制。

作为另一种示例，可以根据人工驾驶统计数据与自动驾驶统计数据的差值以及预先设置的公式，对自动驾驶统计数据进行打分并生成打分结果。

本发明实施例的自动驾驶评测方法，通过获取自动驾驶的第一场景数据和第一车辆操作行为，进而根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据，进一步根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。由此，通过获取驾驶场景与驾驶统计数据，并根据驾驶场景下的人工驾驶统计数据对自动驾驶统计数据进行评测，实现了能够客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，以及自动驾驶行为是否安全可靠。

基于上述实施例，进一步的，图2为本发明实施例所提供的另一种自动驾驶评测方法的流程示意图，如图2所示，该方法包括：

步骤201，获取自动驾驶的第一场景数据和第一车辆操作行为。

步骤202，根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据。

前述实施例对步骤101、102的解释说明同样适用于步骤201、202，此处不再赘述。

步骤203，获取人工驾驶的第二场景数据和第二车辆操作行为。

步骤204，根据第二场景数据确定人工驾驶场景，以及根据第二车辆操作行为生成人工驾驶统计数据，其中，人工驾驶场景与自动驾驶场景一一对应。

作为一种可能的实现方式，可以在车辆中预先设置数据采集装置，并在人工驾驶时通过数据采集装置采集第二场景数据和第二车辆操作行为。其中，第二场景数据包括但不限于车辆位置、车辆行驶轨迹、交通要素等，第二车辆操作行为包括但不限于车辆的方向盘转向度、刹车强度、油门控制量和车辆操作时间等。

在本发明的一个实施例中，可以对第二场景数据进行抽象提取，从而确定人工驾驶场景。比如可以确定自动驾驶场景为跟车行驶、通过十字路口、等待红绿灯、变道超车等。其中，人工驾驶场景与自动驾驶场景一一对应，比如，人工驾驶跟车行驶场景与自动驾驶跟车行驶场景对应。进而，在确定人工驾驶场景后，可以根据第二车辆操作行为生成该人工驾驶场景下的人工驾驶统计数据。

其中，人工驾驶统计数据与自动驾驶统计数据类似，包括但不限于车辆横向加速度、侧向加速度、方向盘转角、方向盘转角速率、油门输出量、刹车力度及其对应的时间。

步骤205，获取人工驾驶统计数据的正样本与自动驾驶统计数据的第一差值。

步骤206，当第一差值大于预设阈值时，生成告警提示信息。

在本发明的一个实施例中，可以筛选出人工驾驶统计数据中的正样本数据，比如可以基于大数据获取正常行驶车辆的人工驾驶统计数据。进而，将该人工驾驶统计数据与自动驾驶统计数据进行比较，获取数据差值，当差值大于预设阈值时，生成告警提示信息。

例如，以跟车行驶场景为例，车速为30km/h时，人工驾驶的跟车距离为20米，自动驾驶的跟车距离为10米，判断差值为10米大于预设阈值5米，确定自动驾驶跟车距离过近，生成告警提示信息，从而能够根据告警提示信息针对自动驾驶的跟车距离进行改进。

再例如，跟车行驶场景下人工驾驶的跟车距离为20米，自动驾驶的跟车距离为10米，自动驾驶与人工驾驶统计数据差距50％大于预设标准10％，生成告警提示信息，从而能够根据告警提示信息针对自动驾驶的跟车距离进行改进。

其中，告警提示信息的形式包括但不限于语音提示、文字显示提示等。

可以理解，在同一驾驶场景下，当人工驾驶正样本统计数据与自动驾驶统计数据差异较大时，可以认为自动驾驶行为在该驾驶场景下容易出现问题，安全性有待提高。比如，在同一跟车行驶场景下，人工驾驶的跟车距离为20米，自动驾驶跟车距离为10米，可以认为自动驾驶跟车过近，安全性有待提高。

需要说明的是，可以在其中一项统计数据的差值大于预设阈值时，针对该项统计数据生成告警提示信息，也可以在所有统计数据的差值均大于预设阈值时，生成告警提示信息，此处不作限制。

在本发明的一个实施例中，还可以筛选出人工驾驶统计数据中的负样本数据，比如可以基于大数据获取交通事故场景下行驶车辆的人工驾驶统计数据。进而，将该人工驾驶统计数据与自动驾驶统计数据进行比较，获取数据差值，当差值小于预设阈值时，生成告警提示信息。其中，预设阈值可以由大量实验数据确定，也可以根据需要自行设置，负样本评测时的预设阈值可以与正样本评测的预设阈值不同，也可以相同，此处不作限制。

可以理解，在同一驾驶场景下，当人工驾驶负样本统计数据与自动驾驶统计数据差异较小时，可以认为自动驾驶行为在该驾驶场景下容易出现问题，安全性有待提高。

本发明实施例的自动驾驶评测方法，可以获取各驾驶场景下的人工驾驶统计数据，并评测同一驾驶场景下的人工驾驶统计数据与自动驾驶统计数据的差异性，当自动驾驶统计数据与正样本的差值大于预设阈值时，生成告警提示信息，或者当自动驾驶统计数据与负样本的差值小于预设阈值时，生成告警提示信息。由此，能够客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，进而评测自动驾驶行为是否安全可靠。

为了实现上述实施例，本发明还提出一种自动驾驶评测装置。

图3为本发明实施例所提供的一种自动驾驶评测装置的结构示意图，如图3所示，该装置包括：第一获取模块100，第一确定模块200，评测模块300。

其中，第一获取模块100，用于获取自动驾驶的第一场景数据和第一车辆操作行为。

第一确定模块200，用于根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据。

评测模块300，用于根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。

在图3的基础上，图4所示的自动驾驶评测装置还包括：第二获取模块400，第二确定模块500。

其中，第二获取模块400，用于获取人工驾驶的第二场景数据和第二车辆操作行为。

第二确定模块500，用于根据第二场景数据确定人工驾驶场景，以及根据第二车辆操作行为生成人工驾驶统计数据，其中，人工驾驶场景与自动驾驶场景一一对应。

可选地，评测模块300具体用于：获取人工驾驶统计数据的正样本与自动驾驶统计数据的第一差值；当第一差值大于预设阈值时，生成告警提示信息。

可选地，评测模块300具体用于：获取人工驾驶统计数据的负样本与自动驾驶统计数据的第二差值；当第二差值小于预设阈值时，生成告警提示信息。

需要说明的是，前述实施例对自动驾驶评测方法的解释说明同样适用于本实施例的自动驾驶评测装置，此处不再赘述。

本发明实施例的自动驾驶评测装置，通过获取自动驾驶的第一场景数据和第一车辆操作行为，进而根据第一场景数据确定自动驾驶场景，以及根据第一车辆操作行为生成自动驾驶统计数据，进一步根据与自动驾驶场景对应的人工驾驶统计数据，对自动驾驶统计数据进行评测，生成评测结果。由此，通过获取驾驶场景与驾驶统计数据，并根据驾驶场景下的人工驾驶统计数据对自动驾驶统计数据进行评测，实现了能够客观评测不同驾驶场景下人工驾驶与自动驾驶的差异性，以及自动驾驶行为是否安全可靠。

为了实现上述实施例，本发明还提出一种计算机设备，包括处理器和存储器；其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述任一实施例所述的自动驾驶评测方法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时实现如前述任一实施例所述的自动驾驶评测方法。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述任一实施例所述的自动驾驶评测方法。

图5示出了适于用来实现本发明实施例的示例性计算机设备的框图。图5显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture；以下简称：isa)总线，微通道体系结构(microchannelarchitecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation；以下简称：vesa)局域总线以及外围组件互连(peripheralcomponentinterconnection；以下简称：pci)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory；以下简称：ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compactdiscreadonlymemory；以下简称：cd-rom)、数字多功能只读光盘(digitalvideodiscreadonlymemory；以下简称：dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(localareanetwork；以下简称：lan)，广域网(wideareanetwork；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。