一种智能驾驶汽车开放道路测试系统及使用方法

本发明涉及智能驾驶汽车的开放道路测试，具体涉及一种智能驾驶汽车开放道路测试系统及使用方法。

背景技术：

1、开放道路是指社会车辆和行人通行的道路，场景随机多变，交通状况复杂。开放道路测试是道路在环测试的最终环节，也是自动驾驶车辆完成测试经过的必要环节。开放道路测试可以更加全面真实地测试自动驾驶车辆在各种复杂场景状况下的运行状况以及对于危机情况的化解，对车辆的运行、系统工作情况、各模块功能、体感等各维度进行综合测试。

2、在现有技术中，尚不存在用于指导开放道路测试的理论系统方法。大多数理论测试方案通常是将车辆设置在封闭的测试环境中，依次进行不同的驾驶场景测试。测试过程中发生的交通场景以人为设置为主，由于人为设置场景的过程依赖于测试人的驾驶经验和对经典场景收集，因此封闭道路测试难以覆盖实际驾驶环境中可能发生的多种复杂状况。并且相比于封闭驾驶环境，实际驾驶环境中场景发生的时间节点具有不确定性，进一步增加了对智能驾驶汽车或智能驾驶系统场景识别能力的挑战。因此，封闭道路测试不足以证明智能驾驶汽车的安全驾驶能力。同时，由于实际驾驶环境中交通场景丰富、交通状况复杂、场景发生时间的不确定等原因，开放道路测试存在测试效率低，测试周期长，场景覆盖率差等缺点。

3、例如中国专利cn115541248a，公开了一种驾驶辅助系统的测试系统及测试方法，主要提供了一种使用多种传感器避免社会车辆影响的测试系统。通过多种传感器的融合感知，提高车辆对周围环境的感知能力，从而在驾驶测试过程中获取较为准确的目标车辆。但是此专利重点在于提高车辆的感知能力，不能解决开放道路测试周期长、场景覆盖度低的问题。中国专利cn114753199a，公开了一种基于智能网联汽车测试的开放道路分级方法和装置，该发明根据当前道路的复杂度，交通复杂度、环境影响程度以及基础数字化设施建设程度对开放道路的智能网联话程度进行分级。该发明实现了对于开放道路的分级处理，为智能汽车进行开放道路测试时选择道路提供了理论基础。由于该发明更聚焦于道路的分级，而开放道路测试涉及因素不仅局限于道路种类，因此对于提高场景覆盖度的问题解决的不全面。

4、因此，为了解决智能驾驶车辆在进行开放道路测试时测试时间长，且对于某些场景的测试不够充分的问题，需要提供一种智能驾驶汽车开放道路测试系统及使用方法。

技术实现思路

1、鉴于上述问题，本发明提供了一种智能驾驶汽车开放道路测试系统及使用方法，特别是一种测试周期与道路场景覆盖度协同优化技术，解决了现有技术开放道路中交通场景复杂，测试周期长的问题，通过本发明的测试方法可以充分测试可能场景，并且减少相同测试场景的重复次数，减小测试周期。

2、为了实现上述目的，本发明提供了如下方案：

3、一种智能驾驶汽车开放道路测试系统及使用方法，包括：

4、s1、基于交通大数据和路网信息采集开放道路路段的场景信息；将所述开放道路路段的场景信息进行分类；

5、s2、将步骤s1所述分类后场景信息输入仿真场景进行筛选，将筛选后的场景构建临时场景库集合a，基于所述临时场景库集合a和场景覆盖度搭建测试场地；

6、s3、选择实验车在步骤s2所述测试场地的测试路段中进行测试，在所述测试路段中识别步骤s2所述临时场景库的场景，采集所述场景的数据信息，将所述场景数据信息进行场景理解并分类；

7、s4、获取步骤s3中实验车在开放道路测试路段的单次测试时间和所述单次测试时间对应的测试路线，将所述测试路线和测试时间按照步骤s3所述场景数据信息分类进行编排优化，建立智能驾驶汽车在开放道路的最优测试路段。

8、优选的，步骤s1中所述开放道路的场景信息进行分类的具体步骤包括：

9、s11、选择一段试验场地进行实验车的开放道路测试，所述试验场地为实际交通道路；

10、s12、依据路网信息提供的数据将步骤s11所述测试路段分为特殊驾驶路段和非特殊驾驶路段；

11、其中，所述特殊驾驶路段包括但不限于：医院周围道路、学校周围道路近和商圈周围道路；

12、s13、基于交通大数据和路网信息采集步骤s11所述测试开放道路的场景信息；使用步骤s12所述特殊驾驶路段包括的测试道路场景信息对所述开放道路场景信息进行筛选，将所述开放道路的场景信息分为特殊驾驶路段场景信息和非特殊驾驶路段场景信息。

13、进一步的，步骤s1所述路网信息包括但不限于：建筑信息、交通站点、自然景观、交通事故、水路和铁路信息。

14、更进一步，所述路网信息数据提供道路的路网拓扑结构、道路类型、路口几何形状和路面标识；所述拓扑结构包括但不限于：总线型道路结构、网格型道路结构、树型的道路结构和复合型道路结构；所述道路类型包括但不限于：主干道、主从车道、超车道和匝道；所述路口几何形状包括但不限于：十字路口、t型路口和环岛路口；所述路面标识包括但不限于：人行横道、禁停线和指示箭头。

15、优选的，步骤s1所述交通大数据包括：

16、a.静态数据，包括但不限于：道路等级、道路属性、道路宽度、道路限速、道路车道数和是否封闭道路；

17、b.动态数据，包括但不限于：道路通行速度、事件信息、车流量、天气、能见度、行人情况、非机动车情况、信号灯和车流密度。

18、本发明技术方案基于对交通大数据信息的获取和分析，进一步获得影响交通场景筛选、交通场景识别的多维度相关数据，这些数据完整的覆盖交通场景筛选过程中需要考虑的因素，为细致的、准确的筛选场景提供帮助。

19、优选的，步骤s2中所述搭建测试场地的具体步骤包括：

20、s21、将步骤s13中所述特殊驾驶路段场景信息和非特殊驾驶路段场景信息输入仿真场景进行筛选，获得筛选后的场景；

21、s22、依据步骤s21所述筛选后的场景建立临时场景库集合a，基于所述临时场景库集合a和临时场景覆盖度，搭建测试场地；其中，a＝{ai|a 1,a 2,…a n}，i＝1,2,3…,n，设定完整场景库的场景集合为ω，基于所述临时场景库的场景集合a和所述完整场景库的场景集合ω，获得所述开放道路测试路段的临时场景覆盖度。

22、优选的，步骤s21中所述仿真场景库为openscenario场景库。

23、进一步的，步骤s21中所述筛选方式是通过仿真场景库中的引用目录匹配筛选在对应道路信息中发生的场景，所述引用目录为道路网引用。

24、优选的，步骤s22所述临时场景库的场景集合a的场景重复数为:

25、

26、其中，r为临时场景库的场景集合a的场景重复数；ai为场景集合a中的第i个临时场景库，aj是场景集合a中第j个临时场景库，i≠j；当c＝1，即覆盖了全部场景库中全部场景的情况下，选择临时场景库的场景集合a的场景重复数r最小时的临时场景库及其对应的道路路段作为测试场地的最终测试路段；

27、优选的，步骤s22中所述临时场景覆盖度的表达式为：

28、

29、其中，c为临时场景覆盖度，0≤c≤1；ω为完整场景库的场景集合，a为临时场景库的场景集合，a＝|a1∪a2...∪an|。

30、本发明技术方案，当覆盖了全部场景库中全部场景时，通过上述公式可以选择场景重复数量最少的环境进行开放道路测试。此外，本发明将较少、较精确的交通场景缩小到下一步中场景识别的范围，避免无关的交通场景对目标交通场景的识别产生干扰，进一步提高交通场景识别的精确度。

31、优选的，步骤s3中所述实验车在步骤s2所述测试场地的测试路段中进行测试的具体步骤如下：

32、s31、准备一辆实验车，所述实验车为智能驾驶车，在所述实验车安装激光雷达和摄像头；

33、s32、测试人驾驶步骤s31所述实验车经过步骤s1所述需要测试的开放道路路段，在所述开放道路路段进行重复行驶，并采集开放道路路段的场景数据信息，所述开放道路路段的场景为在步骤s2中所述的临时场景库中的场景；

34、s33、步骤s32所述场景数据信息采集完成后，将所述场景数据信息进行场景理解并分类，所述分类后的场景数据包含四个维度：场景类别、场景发生时间、场景结束时间和场景发生地点。

35、优选的，步骤s31中所述激光雷达设置在所述测试车辆的车顶，采集行驶过程中的点云数据；所述摄像头为双目摄像头，设置在所述测试车辆的前段和后段，指向所述测试车辆的行驶方向并采集图像数据。

36、优选的，步骤s32所述数据信息包括所述摄像头采集的图像信息和所述激光雷达采集的点云信息。

37、优选的，步骤s32所述重复实验时，采集数据选用固定频率。

38、优选的，步骤s33所述分类方法为静态场景分类技术，包括：基于深度学习或聚类算法。

39、本发明技术方案在同一段开放道路多次重复实验，更好地适应开放道路中随机性发生的交通场景，提高了数据采集的场景覆盖度。

40、优选的，步骤s4所述编排优化的具体步骤包括：

41、s41、获取步骤s32中所述实验车辆在开放道路测试路段的单次测试时间和所述单次测试时间对应的测试路线；

42、s42、分别将步骤s33获取的场景分类数据，步骤s41所述单次测试时间对应的测试路线输入机器学习算法，利用机器学习算法分析所述单次测试时间对应的测试路线的具体场景类型所发生的时间和空间分布的关系模型，获得单次测试时间对应的测试路线的场景数量；

43、s43、基于步骤s42所述的单次测试时间对应的测试路线的场景数量和损失函数公式，得到智能驾驶汽车在开放道路的最优测试路段。

44、优选的，步骤s43所述特殊道路的损失函数公式为：

45、

46、其中：xa表示第n条特殊道路经度上每一次迭代时的当前点，xb表示第n条特殊道路经度上每一次迭代时选择的下一个特殊道路点，ya表示第n条特殊道路维度上每一次迭代时的当前点，yb表示第n条特殊道路维度上每一次迭代时选择的下一个特殊道路点，num表示单次测试时间对应的测试路线的场景数量。

47、本发明中设定最优的测试路线为损失函数最低的测试路线，保证了在尽可能不损失场景覆盖度的情况下，减少测试时间周期的路线。通过获得详细的被试车辆的测试时间和测试路线，完成了高效率、高覆盖率、高适用性的智能道路开放测试。

48、与现有技术相比，本发明至少具有现如下有益效果：

49、本发明充分结合了道路分级、感知算法、态势感知及场景分类方法、协同优化方法，对测试全流程进行指导，充分考虑了实际智能驾驶车辆测试过程中导致场景覆盖度、测试周期长的各种因素，为所有智能驾驶车辆提供了开放道路测试的理论指导，有助于减短测试周期，考虑到测试车辆增加，测试周期的减短更加显著，有较高的理论价值和实际意义。