[發(fā)明專利]自動(dòng)駕駛系統(tǒng)實(shí)際道路測試方法、設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202310280259.5
• 申請日: 2023-03-22
• 公開（公告）號(hào): CN115979679B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 孫航;華一丁;王兆;陳振宇;張琳琳;張行;周博林;王霽宇
• 申請（專利權(quán)）人: 中國汽車技術(shù)研究中心有限公司;中汽研汽車檢驗(yàn)中心（天津）有限公司
• 主分類號(hào): G01M17/007
• 分類號(hào): G01M17/007;G06F18/23213;G06F18/2135;G06F18/24;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種自動(dòng)駕駛系統(tǒng)實(shí)際道路測試方法，其特征在于，所述自動(dòng)駕駛系統(tǒng)集成于被測車輛中，所述方法包括：

在被測車輛在實(shí)際社會(huì)道路上以自動(dòng)駕駛模式行駛的過程中，實(shí)時(shí)獲取駕駛環(huán)境感知數(shù)據(jù)；

基于所述駕駛環(huán)境感知數(shù)據(jù)，按照不同的環(huán)境場景類型對所述被測車輛的行駛時(shí)段進(jìn)行切分，得到多個(gè)時(shí)段，其中，不同時(shí)段對應(yīng)的環(huán)境場景類型不同；

根據(jù)所述多個(gè)時(shí)段對所述駕駛環(huán)境感知數(shù)據(jù)進(jìn)行分割，以確定與每個(gè)時(shí)段分別對應(yīng)的子駕駛環(huán)境感知數(shù)據(jù)；

將與每個(gè)時(shí)段分別對應(yīng)的子駕駛環(huán)境感知數(shù)據(jù)分別輸入到駕駛員模型中，得到與每個(gè)時(shí)段分別對應(yīng)的擬人化的駕駛員控制數(shù)據(jù)；

將與每個(gè)時(shí)段分別對應(yīng)的擬人化的駕駛員控制數(shù)據(jù)分別輸入到車輛動(dòng)力學(xué)模型中，得到與每個(gè)時(shí)段分別對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)；

將與同一時(shí)段對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)與第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)進(jìn)行比較，確定自動(dòng)駕駛系統(tǒng)的測試結(jié)果，其中，所述第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)是通過對所述被測車輛中CAN總線傳輸?shù)臄?shù)據(jù)進(jìn)行讀取得到；

所述駕駛員模型能夠基于駕駛環(huán)境感知數(shù)據(jù)得到不同駕駛風(fēng)格的擬人化的駕駛員控制數(shù)據(jù)；

所述與每個(gè)時(shí)段分別對應(yīng)的擬人化的駕駛員控制數(shù)據(jù)包括：與每個(gè)時(shí)段分別對應(yīng)的不同駕駛風(fēng)格的擬人化的駕駛員控制數(shù)據(jù)，所述不同駕駛風(fēng)格包括保守型、普通型以及激進(jìn)型；

所述將與每個(gè)時(shí)段分別對應(yīng)的擬人化的駕駛員控制數(shù)據(jù)分別輸入到車輛動(dòng)力學(xué)模型中，得到與每個(gè)時(shí)段分別對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)，包括：

將與每個(gè)時(shí)段分別對應(yīng)的不同駕駛風(fēng)格的擬人化的駕駛員控制數(shù)據(jù)分別輸入到車輛動(dòng)力學(xué)模型中，得到與每個(gè)時(shí)段分別對應(yīng)的不同駕駛風(fēng)格的子車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)，所述不同駕駛風(fēng)格的子車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)組成所述第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)；

所述將與同一時(shí)段對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)與第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)進(jìn)行比較，確定自動(dòng)駕駛系統(tǒng)的測試結(jié)果之前，所述方法還包括：

將一時(shí)段所對應(yīng)的不同駕駛風(fēng)格的子車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)分別與該一時(shí)段所對應(yīng)的第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)進(jìn)行相似度計(jì)算，將相似度最大的子車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)確定為該一時(shí)段對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述駕駛環(huán)境感知數(shù)據(jù)由所述被測車輛中的攝像頭、GPS/INS組合導(dǎo)航系統(tǒng)以及毫米波雷達(dá)傳感器采集得到，所述攝像頭安裝于所述被測車輛前擋風(fēng)玻璃的內(nèi)側(cè)；

所述駕駛環(huán)境感知數(shù)據(jù)包括被測車輛前方障礙物信息，被測車輛前方車輛信息，紅綠燈信息，限速標(biāo)志信息，道路曲率信息，被測車輛的位置信息，橫、縱向動(dòng)力學(xué)參數(shù)信息，前方車輛相較于被測車輛的相對速度以及前方車輛相較于被測車輛的相對距離中的至少一個(gè)；

所述擬人化的駕駛員控制數(shù)據(jù)包括油門踏板開度、制動(dòng)踏板開度以及方向盤轉(zhuǎn)角中的至少一個(gè)；

所述環(huán)境場景類型包括社會(huì)車輛右轉(zhuǎn)彎、社會(huì)車輛左轉(zhuǎn)彎、社會(huì)車輛跟車行駛、社會(huì)車輛的前方車輛切入、社會(huì)車輛的前方車輛切出、或者社會(huì)車輛變道。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將與同一時(shí)段對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)與第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)進(jìn)行比較，確定自動(dòng)駕駛系統(tǒng)的測試結(jié)果，包括：

將與同一時(shí)段對應(yīng)的第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)與第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)逐一進(jìn)行比較，基于均方根誤差確定每項(xiàng)指標(biāo)的相似度；

將不同指標(biāo)的相似度進(jìn)行加權(quán)求和，獲得所述測試結(jié)果；

所述第一車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)與所述第二車輛動(dòng)力學(xué)參數(shù)數(shù)據(jù)均包括縱向加速度、縱向急動(dòng)度、橫向加速度、橫向急動(dòng)度、橫擺角以及橫擺角速度中的至少一項(xiàng)指標(biāo)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

獲取P組駕駛員模型訓(xùn)練數(shù)據(jù)組；每一組所述駕駛員模型訓(xùn)練數(shù)據(jù)組包括駕駛環(huán)境感知訓(xùn)練數(shù)據(jù)、駕駛員控制訓(xùn)練數(shù)據(jù)以及駕駛風(fēng)格評價(jià)信息；至少部分所述駕駛員模型訓(xùn)練數(shù)據(jù)組中的駕駛風(fēng)格評價(jià)信息不同；

基于所述P組駕駛員模型訓(xùn)練數(shù)據(jù)組，對廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized?regressionneural?network,?GRNN）進(jìn)行訓(xùn)練，獲得所述駕駛員模型。