CN110795818A - 一种确定虚拟测试场景方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请涉及自动驾驶技术领域，尤其涉及一种确定虚拟测试场景方法、装置、电子设备和存储介质，用以提高自动驾驶车辆虚拟测试场景的构建效率和真实性，其中，方法包括：获得输入的场景配置参数，并根据场景配置参数中的地图信息确定测试地图；根据场景配置参数中的自动驾驶车辆配置信息对测试地图进行配置以生成测试地图对应的虚拟测试场景，其中虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；根据虚拟测试场景对自动驾驶车辆进行虚拟测试；并将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。由于本申请可以自动大批量生成仿真测试场景，提高了自动驾驶的场景的构建效率和真实性。

Description

一种确定虚拟测试场景方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术，尤其涉及一种自动驾驶技术领域，提供一种确定虚拟测试场景方法、装置、电子设备和存储介质。

背景技术

自动驾驶车辆是通过车载传感***感知车辆周围环境，并根据感知所获得的道路信息、其它车辆位置信息以及障碍物信息等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

相关技术中，通过仿真软件构建自动驾驶测试场景进而对自动驾驶车辆进行模拟测试，常见的一种构建自动驾驶测试场景的方式为：基于场景编辑器的自定义场景，传统仿真软件如VTD(Virtual Test Drive，虚拟测试驱动器)、PreScan等，都具备场景编辑器，用来自定义编辑场景。

然而，场景编辑器完全依赖用户输入来生成场景，如图1所示，由用户选择行人、障碍物、车辆等输入，在生成少数场景时比较方便，但是L3(Level 3，级别3)以上级别的自动驾驶需要万为单位的场景库，巨大的工作量导致用场景编辑器人工编辑场景变成了不现实的选项。同时，人工定义的场景元素行为也不够真实，对于方法的训练结果有负面作用。

发明内容

本申请实施例提供一种确定自动驾驶车辆虚拟测试场景的方法、装置、电子设备和存储介质，用以提高自动驾驶车辆虚拟测试场景的构建效率，并提高自动驾驶车辆虚拟测试场景的真实性。

本申请实施例提供的一种确定自动驾驶车辆虚拟测试场景的方法，包括：

获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图；

根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；

根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试；并

将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

本申请实施例提供的一种确定自动驾驶车辆虚拟测试场景的装置，包括：

参数获取单元，用于获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图；

场景生成单元，用于根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；

虚拟测试单元，用于根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试；并将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

可选的，所述发生异常的虚拟测试场景，包括：

对自动驾驶车辆进行虚拟测试时，有至少一个自动驾驶车辆未通过至少一个工况的虚拟测试场景。

可选的，所述参数获取单元还用于：

通过所述配置界面获取输入的触发间隔，并每隔触发间隔在所述虚拟测试场景中增加设定数量的交通流车辆，其中所述交通流车辆按照交通规则行驶。

可选的，所述参数获取单元还用于：

通过所述配置界面获取输入的激进程度参数，并根据所述激进程度参数调整所述交通流车辆的行驶状态。

本申请实施例提供的一种电子设备，包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行上述一种确定自动驾驶车辆虚拟测试场景的方法的步骤。

本申请实施例提供一种非易失性计算机可读存储介质，其包括程序代码，当所述程序产品在确定自动驾驶车辆虚拟测试场景的装置上运行时，所述程序代码用于使所述确定自动驾驶车辆虚拟测试场景的装置执行上述一种确定自动驾驶车辆虚拟测试场景的方法的步骤。

本申请有益效果如下：

本申请实施例提供一种确定自动驾驶车辆虚拟测试场景的方法、装置、电子设备和存储介质，由于本申请实施例基于云端仿真架构，可以根据用户输入的地图信息自动加载大型区域的地图，并根据用户输入的车辆配置信息等生成虚拟测试场景，根据生成的虚拟测试场景运行大型区域仿真，自动驾驶车辆在虚拟区域中任意行驶，就可以碰到各种不同的交通场景，出现无法处理的异常场景时则可将发生异常的虚拟测试场景作为自动驾驶车辆的虚拟测试场景，因而可以自动大批量的生成高速和城区等有意义的仿真测试场景，解决自动驾驶场景覆盖度的问题，避免了大量人力物力以及时间的浪费，也很好的解决人工编辑很难解决的场景覆盖度长尾效应，加速了自动驾驶场景库的建立，提高了自动驾驶的场景的构建效率和真实性，进而加速自动驾驶产品落地。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中的一种场景编辑器的一个可选的示意图；

图2A为本申请实施例的应用场景示意图；

图2B为应用本申请实施例的一种虚拟仿真***的一个可选的结构示意图；

图3为本申请实施例中一种确定自动驾驶车辆虚拟测试场景的方法的一个可选的流程示意图；

图4为本申请实施例中的一种虚拟仿真***的用户交互界面的一个可选的示意图；

图5为本申请实施例中的一种虚拟仿真***的仿真结果的一个可选的示意图；

图6A为本申请实施例中一种异常场景的一个可选的示意图；

图6B为本申请实施例中一种异常场景的一个可选的示意图；

图7为本申请实施例中的一种虚拟仿真***的一个可选的操作流程示意图；

图8为本申请实施例中的一种可选的地图切割的示意图；

图9A为本申请实施例中的一种可选的虚拟测试场景的示意图；

图9B为本申请实施例中的另一种可选的虚拟测试场景的示意图；

图10A为本申请实施例中一种可选的调整后的虚拟测试场景的示意图；

图10B为本申请实施例中另一种可选的调整后的虚拟测试场景的示意图；

图11为本申请实施例中的一个可选的确定自动驾驶车辆虚拟测试场景的方法实现时序流程示意图；

图12为本申请实施例中的一种确定自动驾驶车辆虚拟测试场景的装置的组成结构示意图；

图13为应用本申请实施例的一种计算装置的一个硬件组成结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请技术方案的一部分实施例，而不是全部的实施例。基于本申请文件中记载的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请技术方案保护的范围。

下面对本申请实施例中涉及的部分概念进行介绍。

1、L3：2014年，SAE International(国际自动机工程师学会)制订了一套自动驾驶汽车分级标准，从完全手动驾驶到完全自动驾驶，其对自动化的描述分为5个等级。L3表示自动***既能完成某些驾驶任务，也能在某些情况下监控驾驶环境，但驾驶员必须准备好重新取得驾驶控制权。

2、蒙特卡洛方法：也称统计模拟法、统计试验法。是把概率现象作为研究对象的数值模拟方法。是按抽样调查法求取统计值来推定未知特性量的计算方法。蒙特卡洛是摩纳哥的著名赌城，该法为表明其随机抽样的本质而命名。故适用于对离散***进行计算仿真试验。在计算仿真中，通过构造一个和***性能相近似的概率模型，并在数字计算机上进行随机试验，可以模拟***的随机特性。

3、长尾效应：英文名称Long Tail Effect。“头”(head)和“尾”(tail)是两个统计学名词。正态曲线中间的突起部分叫"头"；两边相对平缓的部分叫"尾"。从人们需求的角度来看，大多数的需求会集中在头部，而这部分我们可以称之为流行，而分布在尾部的需求是个性化的，零散的小量的需求。而这部分差异化的、少量的需求会在需求曲线上面形成一条长长的“尾巴”，而所谓长尾效应就在于它的数量上，将所有非流行的市场累加起来就会形成一个比流行市场还大的市场。

4、回归测试：是指修改了旧代码后，重新进行虚拟测试以确认修改没有引入新的错误或导致其他代码产生错误。自动回归测试将大幅降低***测试、维护升级等阶段的成本。回归测试作为软件生命周期的一个组成部分，在整个软件测试过程中占有很大的工作量比重，软件开发的各个阶段都会进行多次回归测试。在渐进和快速迭代开发中，新版本的连续发布使回归测试进行的更加频繁，而在极端编程方法中，更是要求每天都进行若干次回归测试。因此，通过选择正确的回归测试策略来改进回归测试的效率和有效性是非常有意义的。

5、交通流：是指汽车在道路上连续行驶形成的车流。广义上还包括其他车辆的车流和人流。在某段时间内，在不受横向交叉影响的路段上，交通流呈连续流状态；在遇到路口信号灯管制时，呈断续流状态。

6、工况：是指汽车运行时的环境状况和汽车发动机的状况的综合，可以细分为起步、加速、等速、减速、转弯、上下坡、停车等行驶工况。按驾驶员控制方式主要有：换档变速、滑行(脱档滑行、空档滑行、加速滑行、停车滑行)、制动(紧急制动、控速制动、刹车制动)、油门控速、转向、倒车等工况。按载荷情况主要有：空载、满载(等于额定载荷)、超载(超过额定载荷)等运行工况。

7、VTD：是由德国VIRES公司开发的复杂交通场景视景仿真工具，可应用于汽车主动安全、无人车半实物测试的实时复杂交通场景生成(含红外、摄像头等传感器成像)，及汽车驾驶模拟器开发中的交通视景展示。

8、PreScan：是基于物理学的模拟平台，用于汽车行业开发基于雷达、激光/激光雷达、摄像头和GPS(Global Positioning System，全球定位***)等传感器技术的ADAS(Advanced Driving Assistant System，高级驾驶员辅助***)。PreScan还可以用于设计和评估车与车(V2V)和车与基础设施(V2I)通信应用以及自动驾驶应用。

以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习和自动驾驶技术等几大方向。

其中，自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，自动驾驶技术有着广泛的应用前景。

依据自动驾驶能力水平，自动驾驶主要可以分为5级，1级为驾驶辅助，2级为部分自动驾驶，3级为有条件自动驾驶，4级为高度自动驾驶，5级为完全自动驾驶。其中智能等级为1与2级的自动驾驶***主要依靠人类来监控驾驶环境，而3至5级的自动驾驶***则通过计算机***进行驾驶环境的监控。随着自动驾驶智能级别的提升，智能***逐渐达到并具备人类驾驶人的驾驶水平，并且当自动驾驶智能级别达到3至5级后，将在部分场景取代人类完成驾驶任务。

当前随着国内外研究机构对自动驾驶功能研究的不断深入，自动驾驶车辆的智能水平逐渐实现由辅助驾驶向无人驾驶方向推进。为保障不同等级智能***的运行安全与稳定性，需要对自动驾驶***的基本安全性能进行虚拟测试认证，并依据测试结果来验证自动驾驶车辆的运行安全性。

本申请实施例提供的方案涉及人工智能的自动驾驶技术，具体通过如下实施例进行说明：

如图2A所示，其为本申请实施例的应用场景示意图。本申请实施例中，其中虚拟城市***可以显示在客户端220上，用户210通过客户端220的配置界面221输入场景配置参数，其中包括地图信息和自动驾驶车辆配置信息，云端服务器230是客户端220对应的服务器，云端服务器230通过客户端220获得用户210输入的场景配置参数，之后根据其中的地图信息加载用于对自动驾驶车辆进行虚拟测试的测试地图，并根据其中的自动驾驶车辆配置信息对测试地图进行配置以生成测试地图对应的虚拟测试场景，其中虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素。云端服务器230将虚拟测试场景在客户端220上进行显示，如客户端220上的仿真界面222所示，为一种可选的虚拟测试场景，在生成虚拟测试场景后通过运行虚拟城市***对自动驾驶车辆进行虚拟测试，当检测到虚拟测试场景中发生异常后则可将虚拟测试场景存储到场景库中，进而提高自动驾驶的场景覆盖度，解决人工编辑很难解决的场景覆盖度长尾效应。

本申请实施例基于云端仿真架构来进行场景的构建，其中虚拟城市***可以显示在客户端上，虚拟城市***中包括评测模块10和录像模块20，如图2B所示。

其中，评测模块10会根据交通法律法规和舒适度条件对自动驾驶算法实时进行评测，检测虚拟测试场景是否发生异常。录像模块20会对所有自动驾驶车辆及周围车辆(交通流车辆和/或自动驾驶车辆)的所有行为进行实时录像。当评测模块10识别出了虚拟测试场景中的自动驾驶车辆配置的自动驾驶算法处理不了的场景(指出现了违反交通法律法规或者不满足舒适度条件的场景)，例如出现超速则违反了交通法律法规的评测，出现急刹车则不满足舒适度条件，这种情况下则检测到虚拟测试场景出现异常，录像模块20就会将到发生异常时间点之前预设时长的录像数据截取并储存下来，这样就完成了异常场景的提取。

其中，违反交通法律法规的场景包括但不限于超速、压线、碰撞、异常接近他车或闯红灯等场景。

其中，不满足舒适度条件指不能保证乘坐自动驾驶车辆的乘客舒适度，不满足舒适度条件的场景包括但不限于急刹车或急加速等场景。

在本申请实施例中，录像模块会对所有自动驾驶车辆及周围车辆(交通流车辆和/或自动驾驶车辆)的所有行为进行实时录像。当评测模块识别出了虚拟测试场景中的自动驾驶车辆配置的自动驾驶算法处理不了的场景(指出现了违反交通法律法规或者不满足舒适度条件的场景)，例如出现超速则违反了交通法律法规的评测，出现急刹车则不满足舒适度条件，这种情况下则检测到虚拟测试场景出现异常，录像模块就会将到发生异常时间点之前预设时长的录像数据截取并储存下来，这样就完成了异常场景的提取。

参阅图3所示，为本申请实施例提供的一种确定自动驾驶车辆虚拟测试场景的方法的实施流程图，该方法的具体实施流程如下：

S31：获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图。

在本申请实施例中，配置界面一种可选的示意图可参阅图4所示，其中当前配置界面为任务管理/虚拟城市任务/创建任务界面。

其中，任务管理界面(配置界面)可以管理所有想要运行的任务；场景库用于运行既定的场景库，基于场景库内场景的运行结果给出方法评测报告；虚拟城市任务可以构建城市级别的虚拟环境，可以实现在其中24小时不间断运行上千辆自动驾驶汽车和百万辆交通流车辆，用以构建虚拟测试场景对自动驾驶车辆进行虚拟测试，通过这种大型随机***来触发人脑难以想出的各种测试场景，提高自动驾驶车辆的场景覆盖度；场景管理负责管理场景库，可以编辑其中的场景；算法管理用于管理用户所有上传的自动驾驶算法，通过此方式支持用户在不同任务中自由加载不同自动驾驶算法；数据统计用于为所有任务的数据分析汇总，主要关注累计虚拟测试里程和异常场景，这里也可以取得所有录制下来的异常场景；***配置可以配置整个虚拟城市***的各个属性。

在本申请实施例中，用户可以在配置界面输入场景配置参数，其中场景配置参数包括地图信息和自动驾驶车辆配置信息。

其中，地图信息用于加载测试地图，通过配置界面获得用户输入的场景配置参数后，根据场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图。

S32：根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素。

其中，自动驾驶车辆配置信息包括自动驾驶算法和分布信息。

针对任意一个自动驾驶车辆，根据自动驾驶车辆配置信息中的与自动驾驶车辆对应的分布信息确定自动驾驶车辆在测试地图中的位置；之后，在确定的位置上生成配置有对应的自动驾驶算法的自动驾驶车辆，其中自动驾驶算法用于控制自动驾驶车辆行驶，相当于自动驾驶车辆的虚拟司机；以及，在测试地图上随机生成场景元素，进而生成与该测试地图对应的虚拟测试场景。

在一种可选的实施方式中，自动驾驶车辆配置信息中包括的分布信息还包括自动驾驶车辆的初始速度和运行方向，在测试地图上生成自动驾驶车辆后按照初始速度和运行方向开始运行。

其中，场景元素包括但不限于下列的部分或全部：

交通流车辆、行人、障碍物。

其中，交通流车辆指除自动驾驶车辆外的交通流车辆，交通流车辆在虚拟测试场景中按照交通规则行驶。

在本申请实施例中，每个自动驾驶车辆可以配置不同的自动驾驶算法，例如不同类型的车所配置的自动驾驶算法不同，比如小轿车配置自动驾驶算法1，越野车配置自动驾驶算法2，卡车配置自动驾驶算法3等。

S33：根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试。

S34：将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

在本申请实施例中，基于上述生成的虚拟测试场景，点击运行虚拟城市***后，如图4所示的提交执行，则开始对虚拟测试场景中的自动驾驶车辆进行虚拟测试。

如图5所示为本申请实施例提供的一种虚拟测试***仿真结果示意图，其中id(Identity document，标识)表示自动驾驶车辆的标识，其中，id:self所表示的车辆为自动驾驶车辆，id:v_100050001所表示的车辆为交通流车辆；由图可知id为self的自动驾驶车辆当前的转向角度为0°，行驶状态为直行；仿真结果示意图的右侧有该车辆的Speed(速度)变化曲线、Acceleration(加速度)变化曲线以及Collision(碰撞)的记录，图中表示还未发生碰撞。

在本申请实施例中，当检测到虚拟测试场景发生异常后，将发生异常的虚拟测试场景作为自动驾驶车辆的虚拟测试场景，由云端***将自动驾驶车辆的虚拟测试场景储存到场景库中，可以供未来回归测试使用。

如图6A所示，为本申请实施例示出的一种可选的异常场景示意图，由图可知，其中的异常场景为自动驾驶车辆与行人发生碰撞，造成车祸的发生，是一种违反交通法律法规的情况。

如图6B所示，为本申请实施例示出的另一种可选的异常场景示意图，由图可知，其中的异常场景为自动驾驶车辆1与自动驾驶车辆2发生碰撞，也是一种违反交通法律法规的情况。

需要说明的是，本申请实施例中所列举的异常场景只是举例说明，任何一种自动驾驶车辆测试中的异常场景都适用于本申请实施例。

在一种可选的实施方式中，将发生异常后的虚拟测试场景存储到场景库的具体过程为：将虚拟测试场景中的自动驾驶车辆和/或场景元素在目标时段内的实时状态信息转存为场景文件，其中目标时段为从虚拟测试场景发生异常的时刻开始之前的预设时长；将场景文件存储到场景库中。

其中，实时状态信息包括但不限于位置、速度、加速度或朝向信息等，朝向信息例如航向角。

例如，虚拟测试***的录像模块会记录自动驾驶车辆及其附近交通参与者的位置、速度、加速度、航向角等影响自动驾驶算法决策的属性值。

其中，附近交通参与者指自动驾驶车辆附近的其他自动驾驶车辆或是行人、障碍物、交通流车辆等。

需要说明的是，场景元素为行人或交通流车辆时，场景元素在目标时段内的实时状态信息一般包括位置、速度、加速度以及航向角信息；针对障碍物这类场景元素，一般障碍物处于静止状态，例如放置在需要临时分隔车流，引导交通的道路中间、危险地区、道路施工地段等的橡胶路锥，这种情况下由于障碍物一般处于静止状态，因而在记录此类障碍物的实时状态信息时记录其位置即可，不需要再记录速度、加速度、朝向信息等。

在本申请实施例中，预设时长可以根据需要或者经验设定，例如可以为20秒或30秒等，以30秒为例，假设如图6B所示的自动驾驶车辆1在12:32与自动驾驶车辆2发生碰撞，则目标时段指从12:32时刻开始之前的30秒，即12:03～12:32。

其中，场景文件中包含的是异常场景中的自动驾驶车辆和/或场景元素在每一个时间戳下的实施状态信息，用于还原场景。

例如，场景文件中的数据包括12:03～12:32时间段内，从12:32开始到之前的0.1秒内场景中发生异常的自动驾驶车辆及其附近交通参与者中都有哪些自动驾驶车辆或场景元素，他们的位置、速度、加速度和航向角；从12:32开始到之前的0.2秒内场景中都有哪些自动驾驶车辆或场景元素，他们的位置、速度、加速度和航向角；从12:32开始到之前的0.3秒内场景中都有哪些自动驾驶车辆和/或场景元素，他们的位置、速度、加速度和航向角等。

在本申请实施例中，虚拟测试场景中的测试道路包括直线道路、弯道、交叉口、主辅路等；测试设施的包括标志牌、标线、信号灯等。因而可以在虚拟测试场景中构建自动驾驶车辆测试的各测试用例，包括：避让逆向行驶的非机动车、夜间避让横穿马路的非机动车、避让闯红灯通行的非机动车、窄路中跟随非机动车行驶、超越前方慢速行驶的非机动车、识别前方车辆紧急制动、通过有公交车停靠的公交站点等。

在一种可选的实施方式中，若用户输入的场景配置参数中包括工况配置信息；则需要根据自动驾驶车辆配置信息以及工况配置信息对测试地图进行配置以生成测试地图对应的虚拟测试场景；具体在测试地图上生成场景元素时，根据自动驾驶车辆的位置以及工况配置信息在测试区域上生成场景元素。

其中，工况配置信息指为自动驾驶车辆设置的工况，工况类型包括但不限于行人干扰、加减速、变道、障碍物或闯信号灯等。

例如，工况配置信息中包括行人干扰以及障碍物，则在测试地图上生成场景元素时则可生成至少一个行人以及至少一个障碍物。

之后，则可根据为自动驾驶车辆配置的工况配置信息对自动驾驶车辆进行工况检测；当虚拟测试场景中有至少一个自动驾驶车辆未通过至少一个工况时，则确定虚拟测试场景发生异常，将发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

假设为某一自动驾驶车辆配置的工况包括行人干扰，以图6A所示的场景为例，其中图6A所示的场景则表示该自动驾驶车辆未通过行人的干扰，而是与行人发生碰撞，因而该场景为发生异常的虚拟测试场景。

参阅图7所示，为本申请实施例提供的一种***流程图，在本申请实施例中，用户选择本次要运行的地图、车辆配置和工况类型后，云端服务器根据用户选择的地图、车辆以及工况类型等生成虚拟测试场景。之后开始运行虚拟城市***，在异常场景发生后，记录异常场景并补充进数据库。

以图4所示的配置界面为例，由图可知用户选择了所有的工况类型，因而工况配置信息为行人干扰、加减速、变道、障碍物以及闯信号灯，并且用户选择了10辆自动驾驶车辆，为这10辆自动驾驶车辆配置的自动驾驶算法的名称(或标识)为moudle-20190304，选择的地图名称为XX园，在生成虚拟测试场景后，在虚拟测试场景中为自动驾驶车辆设置上述5种工况，根据为自动驾驶车辆配置的工况配置信息对自动驾驶车辆进行工况检测；若自动驾驶车辆通过设置的工况，则虚拟测试场景正常；若自动驾驶车辆未通过设置的工况，则虚拟测试场景异常。

在一种可选的实施方式中，地图信息可以是通过将一个较大的待测试地图切割后得到的待测试地图中的部分区域的信息。

例如，当虚拟城市***需要加载一个小一点的城市时，则地图信息可以是这一整个城市的地图信息；当需要加载一个大一点的城市时，则地图信息可以是该城市中的一个区的信息，假设A城市包括A1～A13共13个区，则地图信息可以是A城市的A1区。

其中，地图切割可以应用于下述场景，例如，一个用户只生活只涉及某一城市中的四五个街区，距离该用户生活地50公里之外的区域是没有意义，因而则可将待测试地图进行切割，切割时可以按照预设的规则来进行。

如图8所示，例如按照方块切割，每200m*200m的区域划分为一个测试地图，将待测试地图分割成了四部分，即四个测试地图，分别为A、B、C、D。

在一种可选的实施方式中，若测试地图包括多个，例如图8所示，需调用不同的处理节点分别对每个测试地图对应的虚拟测试场景进行虚拟测试，则针对任意一个处理节点，若确定需要将处理节点接收到的其他处理节点发送的通信消息进行合并处理，则在对通信消息进行合并处理后根据处理结果对虚拟测试场景进行调整，各个处理节点之间帧同步。

例如图9A和图9B所示为虚拟城市***开始运行后的第五帧中两个测试地图对应的虚拟测试场景，图10A和图10B为第五帧中两个测试地图对应的虚拟测试场景。其中图9A中测试地图A所对应的处理节点为A，图9B中测试地图B所对应的处理节点为B，处理节点不相同；假设这几幅图中黑色的框表示交通流车辆，白色的框表示自动驾驶车辆，三角形表示障碍物，圆形表示行人，其中图9A中圈中的自动驾驶车辆在图10B中也出现了，即图9A所示的地图(第五帧)中有一辆交通流车辆在第六帧时由图10A行驶入图10B中所示的地图，因而在第六帧图像中图10A没有该交通流车辆，而图10B中有该交通流车辆，在这种情况下两个测试地图有交通流车辆流入和流出的交互，因而确定处理节点B接收到的处理节点A发送的通信消息需要与处理节点B的通信消息进行合并处理，处理后得到的结果如图10B所示。

在一种可选的实施方式中，当多个测试地图之间都有交通流车辆流入、流出的交互时，例如图8所示的测试地图B、C、D中都有交通流车辆流入测试地图A中，其中，测试地图C和测试地图D对应的处理节点为处理节点C，则，处理节点A需要将处理节点B以及处理节点C发送的通信消息与处理节点A的通信消息进行合并处理。

可选的，若测试地图C与测试地图D之间有交通流车辆的流入和流出时，同样的，处理节点C也会根据两个测试地图之间的车辆交互调整虚拟测试场景。

在本申请实施例中，所有处理节点之间帧同步运行，并且实时进行消息通信的目的是为了实现根据通信结果实时更新帧图像，保证计算结果的准确性，同时保证图像的流畅；因为整个虚拟城市***是分布在几十上百台服务器上运行的。每一个服务器会运行多个处理节点。地图分割后每一个处理节点只需要计算特定大小的地图。目前是将地图切割为正方形发放给所有处理节点，由于所有处理节点间会有车辆流入和流出的交互，通过处理节点之间的帧同步可以保证计算结果的正确性。

在一种可选的实施方式中，通过配置界面获取输入的触发间隔，并每隔触发间隔在虚拟测试场景中增加设定数量的交通流车辆，其中交通流车辆按照交通规则行驶。

如图4中所示的“触发间隔”为3s，则表示每隔3秒在虚拟测试场景中增加设定数量的交通流车辆，例如每隔3秒增加一辆。

其中，用户还可以通过图4中“-”或“+”调整触发间隔的长短。

在一种可选的实施方式中，若场景元素包括交通流车辆，则可通过配置界面获取输入的激进程度参数，根据激进程度参数调整交通流车辆的行驶状态。

如图4中所示的“交通流激进程度”为0.5，通过调整如图4所示交通流激进程度的进度条则可调整激进程度参数，进而调整交通流车辆的行驶状态。

其中，交通流激进程度是指交通流里的车辆的驾驶员模型的驾驶风格。激进程度参数越大，激进程度越高，驾驶员模型的驾驶员的驾驶风格越彪悍，变道、加塞越严重。

此外需要说明的是，目前还有两种常见的构建测试场景的方式，一种是基于路采数据回放生成测试场景，使用车队采集回的路测数据，比如rosbag、Ibeo数据等。可以直接回放数据来重现场景。另一种是基于蒙特卡洛方法生成测试场景，使用蒙特卡洛方法设置场景内元素的参数。可以自动生成大批量的场景文件。

其中，基于路采数据回放生成测试场景时使用车队采集回的数据，比较容易获得大量数据，而且场景中元素行为真实。缺点是采集回的数据没有真值，依赖人工标注或者感知方法来识别场景元素的属性。而且场景中元素的轨迹都是固定的，只能进行开环仿真，数据利用率非常低下。

基于蒙特卡洛方法生成测试场景时，可以使用蒙特卡洛方法设置场景内元素的参数，但是因为参数生成完全随机，绝大多数的生成场景内并没有元素间交互行为或者交互行为不合理。导致场景可用率非常低。

在本申请实施例中，假设在地图中共生成1000辆自动驾驶车辆以及100万辆交通流车辆，则将虚拟城市***一天24小时运行5个月，则可生成上千至上万个异常场景。

由于本申请实施例中基于云端仿真架构，可以自动加载大型区域的地图并运行大型区域仿真，区域内自动随机分布交通流车辆以及行人和障碍物，所有交通流车辆按照交通规则运行。待测车辆在虚拟区域中任意行驶，就可以碰到各种不同的交通场景。出现自动驾驶算法无法处理的场景就由云端转换成标准场景文件储存进场景库进行未来回归测试使用；此外，本申请实施例中的所有交通流车辆按照交通规则运行，待测车辆在虚拟区域中任意行驶，生成场景内的元素间交互行为合理，提高了场景可用率。

参阅图11所示，为一种确定自动驾驶车辆虚拟测试场景的方法实现时序流程示意图。该方法的具体实施流程如下：

步骤1100：云端服务器确定用户选择本次要运行的地图、车辆配置和工况类型；

步骤1101：云端服务器从地图服务器加载所请求的地图，进行切割处理，发放给不同的处理节点；

步骤1102：云端服务器调用不同的处理节点加载小片地图后，在其上自动生成搭载自动驾驶算法的至少一辆自动驾驶车辆和场景元素；

步骤1103：云端服务器内部进行所有处理节点的帧同步，保证所有处理节点的运行和消息通信是同步的；

步骤1104：云端服务器不间断的进行30秒的数据记录；

步骤1105：云端服务器判断虚拟测试场景是否发生异常，如果是，则执行步骤1106，否则，返回步骤1103；

步骤1106、异常场景发生后，云端服务器自动将30秒的数据记录转存成场景文件，储存进后台的场景数据库中。

如图12所示，其为一种确定自动驾驶车辆虚拟测试场景的装置的结构示意图，可以包括：

参数获取单元1200，用于获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图；

场景生成单元1201，用于根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；

虚拟测试单元1202，用于根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试；并将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

可选的，所述装置还包括场景存储单元1203：

所述场景存储单元1203，用于将确定出的自动驾驶车辆的虚拟测试场景中的自动驾驶车辆和/或场景元素，在目标时段内的实时状态信息转存为场景文件，其中所述目标时段为从所述虚拟测试场景发生异常的时刻开始之前的预设时长；将所述场景文件存储到所述场景库中。

可选的，所述场景生成单元1201具体用于：

针对任意一个自动驾驶车辆，根据所述自动驾驶车辆配置信息中的与自动驾驶车辆对应的分布信息确定自动驾驶车辆在所述测试地图中的位置；

根据所述自动驾驶车辆配置信息中与自动驾驶车辆对应的自动驾驶算法，在确定的位置上生成配置有对应的自动驾驶算法的自动驾驶车辆，其中所述自动驾驶算法用于控制所述自动驾驶车辆行驶；以及

在所述测试地图上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

可选的，所述测试地图包括多个，所述虚拟测试单元1202还用于：

若调用不同的处理节点分别对每个测试地图对应的虚拟测试场景进行虚拟测试需要将所述处理节点接收到的其他处理节点发送的通信消息进行合并处理，则在对所述通信消息进行合并处理后根据处理结果对所述虚拟测试场景进行调整，各个处理节点之间帧同步；

根据调整后的虚拟测试场景对所述自动驾驶车辆进行虚拟测试。

可选的，所述场景配置参数包括工况配置信息；

所述场景生成单元1201具体用于：

根据所述自动驾驶车辆配置信息以及所述工况配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景；

在所述测试地图上生成场景元素时，所述场景生成单元1201具体用于：

根据所述自动驾驶车辆的位置以及所述工况配置信息在所述测试区域上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

可选的，所述发生异常的虚拟测试场景，包括：

对自动驾驶车辆进行虚拟测试时，有至少一个自动驾驶车辆未通过至少一个工况的虚拟测试场景。

可选的，所述参数获取单元1200还用于：

通过所述配置界面获取输入的触发间隔，并每隔触发间隔在所述虚拟测试场景中增加设定数量的交通流车辆，其中所述交通流车辆按照交通规则行驶。

可选的，所述参数获取单元1200还用于：

通过所述配置界面获取输入的激进程度参数，并根据所述激进程度参数调整所述交通流车辆的行驶状态。

为了描述的方便，以上各部分按照功能切割为各模块(或单元)分别描述。当然，在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。

在介绍了本申请示例性实施方式的确定自动驾驶车辆虚拟测试场景的方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的用于确定自动驾驶车辆虚拟测试场景的装置。

所属技术领域的技术人员能够理解，本申请的各个方面可以实现为***、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

在一些可能的实施方式中，根据本申请的计算装置可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的确定自动驾驶车辆虚拟测试场景的方法中的步骤。例如，处理器可以执行如图3中所示的步骤。

这种实施方式的确定自动驾驶车辆虚拟测试场景的装置与图12所示的确定自动驾驶车辆虚拟测试场景的装置结构类似，这里不再赘述。

下面参照图13来描述根据本申请的这种实施方式的计算装置130。图13的计算装置130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图13，计算装置130以通用计算装置的形式表现。计算装置130的组件可以包括但不限于：上述至少一个处理单元131、上述至少一个存储单元132、连接不同***组件(包括存储单元132和处理单元131)的总线133。

总线133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、***总线、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。

存储单元132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。

存储单元132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作***、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。

计算装置130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算装置130交互的设备通信，和/或与使得该计算装置130能与一个或多个其它计算装置进行通信的任何设备(例如路由器、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135进行。并且，计算装置130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于计算装置130的其它模块通信。应当理解，尽管图中未示出，可以结合计算装置130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、冗余处理器、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

在一些可能的实施方式中，本申请提供的确定自动驾驶车辆虚拟测试场景的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的确定自动驾驶车辆虚拟测试场景的方法中的步骤，例如，计算机设备可以执行如图3中所示的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本申请的实施方式的场景构建的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算装置上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被命令执行***、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由命令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算装置上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中，远程计算装置可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算装置，或者，可以连接到外部计算装置(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或单元，但是这种切割仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步切割为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序命令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序命令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的命令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序命令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的命令产生包括命令装置的制造品，该命令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序命令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的命令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (15)

1.一种确定自动驾驶车辆虚拟测试场景的方法，其特征在于，该方法包括：

获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图；

根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；

根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试；并

将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

将确定出的自动驾驶车辆的虚拟测试场景中的自动驾驶车辆和/或场景元素，在目标时段内的实时状态信息转存为场景文件，其中所述目标时段为从所述虚拟测试场景发生异常的时刻开始之前的预设时长；

将所述场景文件存储到所述场景库中。

3.如权利要求1所述的方法，其特征在于，所述根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，包括：

针对任意一个自动驾驶车辆，根据所述自动驾驶车辆配置信息中的与自动驾驶车辆对应的分布信息确定自动驾驶车辆在所述测试地图中的位置；

根据所述自动驾驶车辆配置信息中与自动驾驶车辆对应的自动驾驶算法，在确定的位置上生成配置有对应的自动驾驶算法的自动驾驶车辆，其中所述自动驾驶算法用于控制所述自动驾驶车辆行驶；以及

在所述测试地图上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

4.如权利要求1所述的方法，其特征在于，所述测试地图包括多个，若调用不同的处理节点分别对每个测试地图对应的虚拟测试场景进行虚拟测试，则针对任意一个处理节点，所述方法还包括：

若确定需要将所述处理节点接收到的其他处理节点发送的通信消息进行合并处理，则在对所述通信消息进行合并处理后根据处理结果对所述虚拟测试场景进行调整，各个处理节点之间帧同步；

根据调整后的虚拟测试场景对所述自动驾驶车辆进行虚拟测试。

5.如权利要求3所述的方法，其特征在于，所述场景配置参数包括工况配置信息；

所述根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，包括:

根据所述自动驾驶车辆配置信息以及所述工况配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景；

所述在所述测试地图上生成场景元素，包括：

根据所述自动驾驶车辆的位置以及所述工况配置信息在所述测试区域上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

6.如权利要求5所述的方法，其特征在于，所述发生异常的虚拟测试场景，包括：

对自动驾驶车辆进行虚拟测试时，有至少一个自动驾驶车辆未通过至少一个工况的虚拟测试场景。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

通过所述配置界面获取输入的触发间隔，并每隔触发间隔在所述虚拟测试场景中增加设定数量的交通流车辆，其中所述交通流车辆按照交通规则行驶。

8.如权利要求7所述的方法，其特征在于，所述方法还包括：

通过所述配置界面获取输入的激进程度参数，并根据所述激进程度参数调整所述交通流车辆的行驶状态。

9.一种确定自动驾驶车辆虚拟测试场景的装置，其特征在于，包括：

参数确定单元，用于获得输入的场景配置参数，并根据所述场景配置参数中的地图信息确定用于对自动驾驶车辆进行虚拟测试的测试地图；

场景生成单元，用于根据所述场景配置参数中的自动驾驶车辆配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景，其中所述虚拟测试场景中包括至少一个自动驾驶车辆以及至少一个场景元素；

虚拟测试单元，用于根据所述虚拟测试场景对所述自动驾驶车辆进行虚拟测试；并

将虚拟测试过程中发生异常的虚拟测试场景确定为自动驾驶车辆的虚拟测试场景。

10.如权利要求9所述的装置，其特征在于，所述装置还包括场景存储单元：

所述场景存储单元，用于将确定出的自动驾驶车辆的虚拟测试场景中的自动驾驶车辆和/或场景元素，在目标时段内的实时状态信息转存为场景文件，其中所述目标时段为从所述虚拟测试场景发生异常的时刻开始之前的预设时长；将所述场景文件存储到所述场景库中。

11.如权利要求9所述的装置，其特征在于，所述场景生成单元具体用于：

针对任意一个自动驾驶车辆，根据所述自动驾驶车辆配置信息中的与自动驾驶车辆对应的分布信息确定自动驾驶车辆在所述测试地图中的位置；

根据所述自动驾驶车辆配置信息中与自动驾驶车辆对应的自动驾驶算法，在确定的位置上生成配置有对应的自动驾驶算法的自动驾驶车辆，其中所述自动驾驶算法用于控制所述自动驾驶车辆行驶；以及

在所述测试地图上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

12.如权利要求9所述的装置，其特征在于，所述测试地图包括多个，所述虚拟测试单元还用于：

若调用不同的处理节点分别对每个测试地图对应的虚拟测试场景进行虚拟测试，则针对任意一个处理节点，若确定需要将所述处理节点接收到的其他处理节点发送的通信消息进行合并处理，则在对所述通信消息进行合并处理后根据处理结果对所述虚拟测试场景进行调整，各个处理节点之间帧同步；

根据调整后的虚拟测试场景对所述自动驾驶车辆进行虚拟测试。

13.如权利要求11所述的装置，其特征在于，所述场景配置参数包括工况配置信息；

所述场景生成单元具体用于：

根据所述自动驾驶车辆配置信息以及所述工况配置信息对所述测试地图进行配置以生成所述测试地图对应的虚拟测试场景；

在所述测试地图上生成场景元素时，所述场景生成单元具体用于：

根据所述自动驾驶车辆的位置以及所述工况配置信息在所述测试区域上生成场景元素，以生成所述测试地图对应的虚拟测试场景。

14.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行权利要求1～8中任一所述方法的步骤。

15.一种计算机可读存储介质，其特征在于，其包括程序代码，当所述程序产品在确定自动驾驶车辆虚拟测试场景的装置上运行时，所述程序代码用于使所述确定自动驾驶车辆虚拟测试场景的装置执行权利要求1～8中任一所述方法的步骤。

Images