CN111583645A - 车辆协同行驶的质量评估方法、装置、服务器及介质 - Google Patents
车辆协同行驶的质量评估方法、装置、服务器及介质 Download PDFInfo
- Publication number
- CN111583645A CN111583645A CN202010388961.XA CN202010388961A CN111583645A CN 111583645 A CN111583645 A CN 111583645A CN 202010388961 A CN202010388961 A CN 202010388961A CN 111583645 A CN111583645 A CN 111583645A
- Authority
- CN
- China
- Prior art keywords
- training
- test
- driving
- vehicle
- quality evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆协同行驶的质量评估方法、装置、服务器及介质,该方法包括:获取测试任务中各测试车辆的实际行驶轨迹;对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同运行质量。本发明实施例的技术方案,通过预先训练得到的行驶质量评估模型对关联信息进行处理,可以快速、便捷以及智能的对各测试车辆协同运行的质量进行评估的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种车辆协同行驶的质量评估方法、装置、服务器及介质。
背景技术
自动驾驶又称为无人驾驶,是一种通过服务器规划好行驶路径,使无人车按照规划好的路径进行行驶的技术。在有多个车辆协同行驶时,服务器预先规划好各个车辆的行驶车道,并将规划好的行驶车道发送至对应车辆,以使车辆依照规划车道行驶。
在实现本发明的过程中,发明人发现现有技术中存在以下问题:
目前,没有专门用于评估车辆协同行驶的质量评估体系,导致无法确定车辆协同行驶的运行质量,进而无法对车辆协同行驶进行优化的问题。
发明内容
本发明提供一种车辆协同行驶的质量评估方法、装置、服务器及介质,以实现智能、便捷、准确的评估各协同行驶车辆运行质量的技术效果。
第一方面,本发明实施例提供了一种车辆协同行驶的质量评估方法,该方法包括:
获取测试任务中各测试车辆的实际行驶轨迹;
对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;
将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
第二方面,本发明实施例还提供了一种车辆协同行驶的质量评估装置,该装置包括:
行驶轨迹获取模块,用于获取测试任务中各测试车辆的实际行驶轨迹;
关联信息确定模块,用于对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;
运行质量评估模块,用于将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的车辆协同行驶的质量评估方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的车辆协同行驶的质量评估方法。
本发明实施例的技术方案,通过对获取到的实际行驶轨迹进行处理,可以获取各实际行驶轨迹中的各个离散点,基于预先训练得到的行驶质量评估模型对各个离散点的关联信息进行处理,可以评估出各测试车辆的协同行驶质量,解决了目前没有专门用于车辆协同行驶的质量评估体系,导致无法对协同行驶的车辆进行运行质量评估,进而无法对其进行优化的技术问题,实现了智能、便捷、高效的评估各车辆的协同行驶质量,进而便于用户根据质量评估结果优化车辆协同运行的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1本发明实施例所提供的一种车辆协同行驶的质量评估方法流程示意图;
图2为本发明实施例一所提供的关于测试任务示意图;
图3为本发明实施例一所提供的将所述测试任务发送至各个测试车辆的结构示意图;
图4为本发明实施例二所提供的训练行驶质量评估模型的流程示意图;
图5为本发明实施例三所提供的一种协同行驶的质量评估装置结构示意图;
图6为本发明实施例四所提供的一种服务器结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种车辆协同行驶的质量评估方法流程示意图,本实施例可适用于在各个测试车辆基于测试任务行驶时,确定各个测试车辆协同行驶质量的情况,该方法可以由车辆协同行驶的质量评估装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过服务器来实现。
在介绍本发明实施例的技术方案之前,需要说明的是,测试车辆可以依次执行接收到的各个测试任务。针对每个测试任务,确定测试车辆协同行驶质量的方法相同,因此本实施例以各测试车辆执行一个测试任务为例来介绍。
如图1所述,本实施例的方法包括:
S110、获取测试任务中各测试车辆的实际行驶轨迹。
其中,测试任务可以是服务器预先生成的行驶任务。测试任务中包括各测试车辆的变换目的车道,即各测试车辆需要从当前车道行驶到其它车道,将行驶到的其它车道作为变换目的车道。可以将执行测试任务的车辆作为测试车辆。各个测试车辆可以按照测试任务,从当前车道行驶到目标车道。当检测到测试车辆从当前车道行驶到目的车道,并且匀速行驶预设时长后,可选的,预设时长可以是1.0S,则该测试任务结束。若接收到第二组测试任务,则各个测试车辆依据第二测试任务进行协同行驶。在测试车辆行驶过程中,路端设备可以通过视觉传感器确定各个测试车辆的真实行驶轨迹,将路端设备采集到的行驶轨迹作为实际行驶轨迹。
S120、对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息。
其中,关联信息可以是每个离散点处车辆的位姿信息,可选的,位姿信息包括位置信息和姿态信息,例如,车辆的坐标信息和车身姿态角信息。离散化处理可以是将实际行驶轨迹,离散化为至少一个点,可以将每个点作为离散点。
在本实施例中,对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息,包括:针对所有实际行驶轨迹中的每个实际行驶轨迹,依据时间等分原则,将实际行驶轨迹划分为至少一个实际行驶轨迹片段;将至少一个实际行驶轨迹片段中的同一相对时间点作为离散点,并获取各离散点的位置信息和姿态信息,作为离散点的关联信息。
其中,协同行驶的车辆包括至少两个,如,四辆车协同行驶。相应的,获取到的实际行驶轨迹包括四条,如,与协同行驶车辆A对应的实际行驶轨迹A’,与协同行驶车辆B对应的实际行驶轨迹B’,与***行驶车辆C对应的实际行驶轨迹C’,与协同行驶车辆D对应的实际行驶轨迹D’。依据实际行驶轨迹对应的实际行驶时长,可以将实际行驶轨迹划分为Nfe个等时间间距的行驶轨迹子片段。如,假设实际行驶轨迹对应的实际行驶时长为20min,可以将每20S对应的实际行驶轨迹作为实际行驶轨迹片段,最终可以得到60个实际行驶轨迹片段。相对时间点可以是每个实际行驶轨迹片段中相同时间点,例如,可以将每个行驶轨迹片段中的第十秒作为相对时间点;当然,也可以每个实际行驶轨迹片段中的起始时刻或者终止时刻作为相对时间点。获取每个实际行驶轨迹片段中相对时间点的车辆的位置信息和姿态信息,如车辆坐标信息,以及车身朝向信息。此时获取到的位置信息和姿态信息为各个离散点的关联信息。
在本实施例中,确定各个离散点以及各离散点的关联信息,目的在于,可以将其输入至预先训练得到的行使质量评估模型中,进而快速、便捷的确定各测试车辆的协同行驶质量。
S130、将关联信息输入至预先训练好的行驶质量评估模型中,基于行驶质量评估模型的输出结果确定各测试车辆的协同行驶质量。
其中,行驶质量评估模型为预先训练得到的,用于对输入的关联信息进行处理,以确定与关联信息相对应的各测试车辆的协同行驶质量。
具体的,在得到与测试任务所对应的所有实际行驶轨迹片段的关联信息后,可以将关联信息输入至预先训练好的行驶质量评估模型中进行处理,得到各测试车辆协同行驶的质量评估值,基于质量评估值可以确定各个测试车辆协同行驶质量。可选的,若行驶质量评估模型输出的质量评估值高于预设评估值,则说明各测试车辆的协同行驶质量较好,反之,则各测试车辆的协同行驶质量不佳。
示例性的,假设测试任务中车辆编队共有Nv辆测试车辆,将每个测试车辆对应的实际行驶轨迹处理为Nfe个实际行驶轨迹片段,即每个实际行驶轨迹存在Nfe个离散点,相应的,得到的姿态共有NV*Nfe个位姿,即关联信息。每个位姿由二维度平面坐标xy以及姿态角theta构成,一共三个维度。可以将关联信息输入至预先训练得到的行驶质量评估模型中,行驶质量评估模型的输出结果可以表征各测试车辆的协同行驶质量。
本发明实施例的技术方案,通过对各测试车辆的实际行驶轨迹进行处理,并将处理结果输入至预先训练得到的行驶质量评估模型中,可以快速、便捷智能的评估各车辆协同行驶的质量。
本发明实施例的技术方案,通过对获取到的实际行驶轨迹进行处理,可以获取各实际行驶轨迹中的各个离散点,基于预先训练得到的行驶质量评估模型对各个离散点的关联信息进行处理,可以评估出各测试车辆的协同行驶质量,解决了目前没有专门用于车辆协同行驶的质量评估体系,导致无法对协同行驶的车辆进行运行质量评估,进而无法对其进行优化的技术问题,实现了智能、便捷、高效的评估各车辆的协同行驶质量,进而便于用户根据质量评估结果优化车辆协同运行的技术效果。
在本实施例中,在获取测试任务中各测试车辆的实际行驶轨迹之前,还需要确定测试任务,以便各测试车辆基于测试任务协同行驶,并在协同行驶的过程中,采集各测试车辆的实际行驶轨迹,从而根据实际行驶轨迹,准确的确定各测试车辆的协同行驶质量。
本发明实施例的技术方案,确定测试任务,包括:获取协同行驶的测试车辆数量、测试车辆标识信息、车道数量以及各测试车辆当前所属的车道标识;采用蒙特卡洛方式对所述测试车辆数量、车道数量以及各测试车辆当前所属的车道标识进行处理,确定各个测试车辆的变换目的车道以及所述变换目的车道的目的车道标识;基于测试车辆标识信息以及与所述测试车辆标识信息绑定的目的车道标识,确定所述测试任务。
其中,测试车辆的标识信息可以是测试车辆的车牌号信息,车道是指可供测试车辆行驶的道路。为了便于确定各个车辆的当前行驶车道以及变换目的车道,可以对各个车道进行标记,如对各个车道进行编号。变换目的车道对应的车道标识为目标车道标识。示例性的,车辆A当前所属的车道标识为1,若车辆A要从当前所属车道1变换到车道3,可以将车道3作为变换目的车道,3为变换目标车道的目的车道标识。蒙特卡洛算法,也统称为统计模拟方法,是指使用随机数来解决很多计算问题的方法。
具体的,在获取到协同行驶的测试车辆数量、测试车辆的车牌号,可供测试车辆行驶的车道数量以及对应的车道标识后,可以采用蒙特卡洛的方式对测试车辆、车道数量以及测试车辆当前所处的车道标识进行处理,来确定各个测试车辆将要变换的目的车道以及与变换目的车道的目标车道标识。将目的车道标识与测试车辆标识信息绑定,作为测试任务。
为了清楚的介绍本发明实施例的技术方法,可以以具体的例子但不局限于该例子为例来介绍。为了开展协同行驶能力的测试,可以针对实际情况构造一个测试问题集合,也就是构造测试任务。采用蒙特卡洛的方式构造大量的测试任务。由于生成测试任务的方式相同,本实施例以生成其中一个测试任务为例来介绍。
示例性的,车道的数量为4条,每个车道的车道标识可以是车道1、车道2、车道3以及车道4。测试车辆的数量为4个,分别标记为测试车辆1、测试车辆2、测试车辆3以及测试车辆4。测试车辆1和测试车辆3当前所属的车道标识为车道1,测试车辆2和测试车辆4当前所属的车道标识为车道2,参见图2中的(A)。在得到每个测试车辆当前所处的车道后,可以确定每个测试车辆变换目的车道。各变换目的车道的确定方法是随机的,即每个测试车辆具有均等概率将目的车道设置为刨除当前所处车道之外的其它车道之中。据此,采用蒙特卡洛的方式确定各测试车辆的变换目的车道。与每个测试车辆对应的变换目的车道的可能性有多种,其中一种可能的变换目的车道的方案如图2中的(B),测试车辆4的变换目的车道的目的车道标识为车道1,测试车辆1的变换目的车道的目的车道标识为车道2,测试车辆2的变换目的车道的目的车道标识为车道3,测试车辆3的变换目的车道的目的车道标识为车道4。也就是说,在测试开始之前,四辆测试车辆的当前所属车道的车道标识依次为车道1-车道2-车道1-车道2,测试任务中各测试车辆的变换目的车道依次为车道2-车道3-车道4-车道1。当然,也可以是其它随机方案,但需要确保的是各测试车辆的当前所属车道与变换目的车道的车道标识不同即可。
需要说明的是,若在该测试任务完成后,需要生成新的测试任务时,可以将该测试任务中的变换目的车道作为新测试任务测试车辆的当前所属车道。也就是说,以该测试任务的目的车道为新的起点,继续采用蒙特卡洛的方式生成与新测试任务对应的变换目的车道。
在本实施例中,若已生成测试任务,服务器可以将测试任务下发至各个测试车辆,以便测试车辆执行该测试任务,进而获取各个测试车辆的实际行驶轨迹,从而基于实际行驶轨迹确定各测试车辆的协同行驶质量。可选的,将测试任务发送至各个测试车辆,以使测试车辆按照测试任务从当前车道行驶到变换目的车道,并将记录的车辆行驶轨迹作为实际行驶轨迹。
其中,下发测试任务的可以为服务器,记录车辆行驶轨迹的可以是路端设备。执行测试任务的为测试车辆,即车端。服务器与路端通信,车端与路端可以相互通讯,但是服务器无法与扯断直接通信。在服务器下发测试任务后,可以经过路端设备发送至各个测试车辆,或者是路端设备与其中一个测试车辆通信,路端设备将测试任务发送至与其通信的测试车辆,并由该测试车辆将测试任务发送至其它各个测试车辆。在各个测试车辆接收到测试任务,并确定与其相对应的变换目的车道后,开始协同行驶。在协同行驶过程中,路端设备通过视觉传感器确定各个测试车辆的运行轨迹时序信号,并传回至服务器。在服务器接收到实际运行轨迹后,可以执行上述步骤S110至S130来评估各测试车辆的协同行驶质量。
示例性的,参见图3,确定车辆协同行驶的质量评估方法由车端、路端以及服务器配合完成。服务器可以确定与各个测试车辆对应的测试任务;路端设备可以采集各个测试车辆的实际行驶轨迹;车端即测试车辆,用于执行测试任务。在服务器向路端下发生成测试任务的指令时,路端可以使用视觉传感器探测各测试车辆的当前所属车道的车道标识,并将各测试车辆的所属车道标识反馈至服务器。服务器接收到各测试车辆当前所属车道标识后,采用蒙特卡洛的方式对服务器中存储的测试车辆数量、车道数量以及各测试车辆当前所属车道标识进行处理,生成测试任务。测试任务中包括各测试车辆的变换目的车道以及目的车道标识。在服务器生成测试任务后,可以将测试任务发送至路端设备,经由路端传递至各个车端,各个车辆可以基于测试任务协同行驶。在测试车辆行驶过程中,路端使用视觉传感器或者车辆多帧视觉图像追踪方法来获取各测试车辆的实际行驶轨迹,并将实际轨迹反馈至服务器。
实施例二
图4为本发明实施例二所提供的训练行驶质量评估模型的流程示意图。在确定车辆协同行驶质量之前,还需要训练得到行驶质量评估模型,以便基于训练得到的行驶质量评估模型,智能、便捷的确定各车辆的协同行驶质量。其中与上述实施例相同或相应的术语解释在此不再赘述。
S410、获取待训练测试任务集。
其中,待训练测试任务集中包括多个待训练测试任务。基于每个待训练测试任务,可以生成训练行驶质量评估模型的训练样本数据。为了提高行驶质量评估模型的准确性,待训练测试任务集中待训练测试任务应该尽可能的多。
S420、基于每一个待训练测试任务,确定各个训练车辆的训练行驶轨迹。
其中,可以将执行待训练测试任务的车辆作为训练车辆。训练行驶轨迹为训练车辆执行训练任务时,所产生的运动轨迹。
具体的,各个训练车辆可以基于接收到的待训练测试任务开始协同行驶,并记录各训练车辆的协同行驶轨迹,作为训练行驶轨迹。
S430、将训练行驶轨迹按照预设规则进行处理,得到每个训练行驶轨迹片段的训练关联信息。
需要说明的是,训练行驶轨迹的数量与训练车辆的数量相同,以其中一个训练行驶轨迹为例来介绍。其它训练行驶轨迹的处理方式可以重复执行该步骤。
其中,预设规则为预先确定的,用于将训练行驶轨迹处理为一定数量的训练行驶轨迹片段。如,训练行驶轨迹E对应的协同行驶时长为20min,预设数量为60,则可以依据协同行驶的时间顺序,将训练行驶轨迹E划分为60个实际行驶轨迹片段,此时每个训练行驶轨迹片段对应的行驶时长为20S。
对于其它训练行驶轨迹,可以采用相同的方式,将其处理为一定数量的训练行驶轨迹片段,以确保参与训练行驶质量评估模型的训练样本数据统一。
获取每个训练行驶轨迹片段中同一相对时间点,并作为离散点。例如,将每个训练行驶轨迹片段的起始时刻作为离散点,或者,将每个训练行驶轨迹片段中第十秒对应的点作为离散点,可以将训练行驶轨迹片段中的任何一个点作为离散点,只需要是按照相同的准则来确定的即可。在确定各个离散点后,可以获取每个离散点的车辆位置信息和姿态信息,以便对位置信息和姿态信息进行处理,确定与训练行驶轨迹片段对应的片段评估值。
S440、依据预设片段评估方法分别对各个训练关联信息进行处理,确定与各训练行驶轨迹片段对应的片段评估值。
其中,片段评估方式可以是预先设置的,用于确定与各个行驶轨迹片段对应的片段评估值。
在本实施例中,所述依据预设片段评估方法分别对各个训练关联信息进行处理,确定与各训练行驶轨迹片段对应的片段评估值,包括:获取预先确定的最优行驶轨迹,并按照所述预设规则将所述最优行驶轨迹离散化为至少一个最优离散点,并获取每个最优离散点的最优关联信息;通过对对应行驶轨迹片段的最优关联信息和训练关联信息进行处理,得到各训练行驶轨迹片段的片段评估值。
基于待训练测试任务,服务器可以从理论上确定与待训练测试任务对应的理论行驶轨迹,并将理论行驶轨迹作为最优行驶轨迹。采用与上述实施例相同的处理方法,将最优行驶轨迹离散为预设数量的离散点,作为最优离散点。确定与每个最优离散点对应的位姿信息,可选的,位置信息和姿态信息。位置信息可由二维度平面坐标xy表示,姿态信息可以由姿态角theta表示,基于最优行驶轨迹得到的关联信息,作为最优关联信息。
具体的,在得到训练车辆1的最优关联信息后,可以获取与车辆1对应的训练关联信息。依次对对应轨迹片段的关联信息进行处理,可以得到各个轨迹片段的片段评估值。采用上述方式对所有行驶轨迹片段进行处理,得到待训练测试任务中所有行驶轨迹的行驶轨迹片段评估值,以便基于各个片段评估值确定与测试任务对应的训练质量评估值,进而基于训练质量评估值来训练行驶质量评估模型。
在本实施例中,所述通过对对应行驶轨迹片段的最优关联信息和测试关联信息进行处理,得到各测试行驶轨迹片段的片段评估值,包括:获取最优关联信息中的最优位置信息,以及训练关联信息中的训练位置信息;基于位置信息中的横坐标差值的平方以及纵坐标差值的平方,确定与训练轨迹片段对应的片段评估值。
具体的,针对待训练测试任务中同一车辆对应的测试行驶轨迹和最优行驶轨迹。获取对应行驶轨迹片段处的最优关联信息和训练关联信息。计算关联信息中横坐标差值的平方与纵坐标差值的平方之和,得到训练轨迹片段对应的片段评估值。依次对各个训练轨迹片段进行处理,可以确定该测试车辆相对应的片段评估值。
示例性的,获取训练车辆1对应的最优行驶轨迹和训练行驶轨迹。分别将最优行驶轨迹和训练行驶轨迹处理为60个行驶轨迹片段并确定与每个行驶轨迹片段对应的离散点,按照时间顺序可以将最优行驶轨迹中的各个离散点依次标记为1、2、3…60,将训练行驶轨迹中的各个离散点分别标记为1’、2’、3’…60’。获取标记相同的离散点的关联信息,如获取标记为1的最优关联信息和标记为1的训练关联信息,通过计算关联信息中的横坐标差值平方与纵坐标差值平方的和,可以确定与标记1对应的训练行驶轨迹片段的片段评估值。可以重复执行60次,确定与各个训练行驶轨迹片段对应的片段评估值。
在本实施例中,采用此种方式计算各个行驶轨迹片段的评估值,可以提高确定片段评估值的准确性,进而提高行驶质量评估模型的准确度。
S450、基于所有的片段评估值,确定待训练测试任务的训练质量评估值。
其中,可以依次或者并行的对各个训练车辆的训练行驶轨迹进行处理,得到每个行驶轨迹的多个片段评估值。将对待训练任务对应的所有训练行驶轨迹处理得到的片段评估值的集合,作为与该待训练测试任务对应的所有片段评估值。训练质量评估值为各测试车辆协同行驶的质量评估值。可选的,获取所有片段评估值,并计算所有片段评估值的均值,基于所述均值确定所述待训练测试任务的质量评估值。
具体的,在得到与待训练测试任务对应的各个训练行驶轨迹片段的片段评估值后,可以计算所有片段评估值的均值,基于均值与预设阈值之间的关系,确定与待训练测试任务对应的训练车辆协同行驶质量。
示例性的,理想情况下片段评估值应该为0,也就是说,最优轨迹与训练轨迹是完全吻合的。根据计算的片段评估值的均值与理想评估值之间的关系,如,越接近0,质量评估值越高,反之,质量评估值越低。
需要说明的是,确定训练质量评估值还可以是在编队重构协同任务规划完成后,即确定各个待训练测试任务后,可以基于有经验的驾驶员团队来完成该编队重构任务。在任务完成后,对行驶轨迹进行打分,可以将该分值作为训练质量评估值。还需要说明的是,可以根据具体需求,确定是基于均值、或者片段评估值的方差或者众数值来确定训练质量评估值,进而来训练行驶质量评估模型。
在本实施例中,基于所有的片段评估值,确定协同行驶的质量好处在于,考虑到了所有训练车辆的协同行驶情况对质量评估值的影响,基于所有片段评估值训练行驶质量评估模型时,可以提高行驶质量评估模型的准确性,进而确保评估各测试车辆协同行驶质量的准确性。
S460、基于训练关联信息以及训练质量评估值,确定训练样本数据。
其中,训练样本数据为训练行驶质量评估模型的样本数据。
具体的,将待训练任务对应的所有关联信息,以及与待训练测试任务对应的训练质量评估值作为训练样本数据中的一个训练样本对。
示例性的,关联信息包括三个维度,分别由二维度平面坐标xy信息和姿态角theta构成。待训练测试任务中,训练车辆编队中有NV辆汽车,将训练行驶轨迹划分为Nfe段,与待训练测试任务对应的训练关联信息有3NVNfe,计算得到质量评估值为Y,则可以生成训练样本数据中的一个样本对。重复执行上述步骤对各个待训练测试任务进行处理,以确定训练行驶质量评估模型的各个样本对,进而根据样本对来训练行驶质量评估模型。
需要说明的是,本实施例是以待训练任务集中的一个待训练测试任务为例来介绍的,确定与其它待训练测试任务对应的训练样本对,可以重复执行S410至S460。
S470、基于训练样本数据训练行驶质量评估模型。
具体的,基于训练样本数据中的训练样本对来训练行驶质量评估模型,以便基于行驶质量评估模型,来确定与各测试任务对应的各测试车辆的协同行驶质量。
在本实施例中,基于训练样本数据训练质量评估模型可以是:将训练关联信息输入至初始行驶质量评估模型中,得到与每个训练关联信息对应的初始质量评估值;基于与所述训练关联信息对应的训练质量评估值以及所述初始质量评估值,计算预设损失函数的函数值,根据计算结果对所述初始行驶质量评估模型中的网络参数进行调整;将所述预设损失函数达到收敛作为训练目标,对所述初始行驶质量评估模型进行训练,以得到所述行驶质量评估模型。
需要说明的是,在对初始行驶质量评估模型训练之前,可以将模型中的训练参数设置为默认值。在对初始质量评估模型训练时,可以基于初始质量评估模型的输出结果修正模型中的训练参数,也就是说,可以通过对初始行驶质量评估模型中的损失函数进行修正,来得到行驶质量评估模型。
其中,初始质量评估值为基于初始质量评估模型对训练关联信息处理后,得到的车辆协同行驶的质量评估值。训练质量评估值为训练样本数据中与训练关联信息对应的质量评估值。损失函数为预先设置的,用于衡量确定的初始行驶质量评估模型的输出值是否准确。具体的,可以将损失函数的训练误差,作为检测损失函数当前是否达到收敛的条件,比如训练误差是否小于预设误差或误差变化趋势是否趋于稳定,或者当前的迭代次数是否等于预设次数。若检测达到收敛条件,比如损失函数的训练误差达到小于预设误差或误差变化趋于稳定,表明初始行驶质量评估模型训练完成,此时可以停止迭代训练。若检测到当前未达到收敛条件,可以进一步获取训练样本数据中的训练样本对对初始行驶质量评估模型进行训练,直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时,可以将初始行驶质量评估模型作为行驶质量评估模型。可以基于训练得到的行驶质量评估模型来确定各测试车辆的协同行驶质量。
在本实施例中,训练行驶质量评估模型的好处在于,可以自动、便捷的确定各个测试车辆的协同行驶质量。
本发明实施例的技术方案,通过对获取到的待训练测试任务集进行处理,可以得到训练行驶质量评估模型的训练样本数据,基于训练样本数据训练行驶质量评估模型,基于行驶质量评估模型可以智能、便捷、准确的确定各个测试车辆协同行驶的质量。
实施例三
图5为本发明实施例三所提供的一种车辆协同行驶的质量评估装置结构示意图,该装置包括:行驶轨迹获取模块510、关联信息确定模块520和运行质量评估模块530。
其中,行驶轨迹获取模块510,用于获取测试任务中各测试车辆的实际行驶轨迹;关联信息确定模块520,用于对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;运行质量评估模块530,用于将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
在上述技术方案的基础上,所述装置还包括:测试任务确定模块,用于确定所述测试任务,包括:
信息获取单元,用于获取协同行驶的测试车辆数量、测试车辆标识信息、车道数量以及各测试车辆当前所属的车道标识;信息处理单元,用于采用蒙特卡洛方式对所述测试车辆数量、车道数量以及各测试车辆当前所属的车道标识进行处理,确定各个测试车辆的变换目的车道以及所述变换目的车道的目的车道标识;测试任务确定单元,用于基于测试车辆标识信息以及与所述测试车辆标识信息绑定的目的车道标识,确定所述测试任务。
在上述各技术方案的基础上,所述装置还包括,实际行驶轨迹记录模块,用于将所述测试任务发送至各个测试车辆,以使所述测试车辆按照所述测试任务从当前车道行驶到所述变换目的车道,并将记录的车辆行驶轨迹作为所述实际行驶轨迹。
在上述各技术方案的基础上,所述关联信息确定模块,还用于:
针对所有实际行驶轨迹中的每一个实际行驶轨迹,依据时间等分原则,将所述实际行驶轨迹划分为至少一个实际行驶轨迹片段;将所述至少一个实际行驶轨迹片段中的同一相对时间点作为离散点,并获取各离散点的位置信息和姿态信息,作为所述离散点的关联信息。
在上述各技术方案的基础上,所述装置还包括:行驶质量评估模块,用于训练行驶质量评估模型;
所述训练行驶质量评估模型包括:获取待训练测试任务集;测试任务集中包括多个待训练测试任务;基于每一个待训练测试任务,确定各个训练车辆的训练行驶轨迹;将所述训练行驶轨迹按照预设规则进行处理,得到每个训练行驶轨迹片段的训练关联信息;依据预设片段评估方法分别对各个训练关联信息进行处理,确定与各训练行驶轨迹片段对应的片段评估值;基于所有的片段评估值,确定所述待训练测试任务的训练质量评估值;基于所述训练关联信息以及所述训练质量评估值,确定训练样本数据;基于所述训练样本数据训练所述行驶质量评估模型;其中,所述行驶质量评估模型,用于根据各协同行驶车辆的实际行驶轨迹,确定各车辆的协同行驶质量。
在上述各技术方案的基础上,所述行驶质量评估模块,还用于将训练关联信息输入至初始行驶质量评估模型中,得到与每个训练关联信息对应的初始质量评估值;基于与所述训练关联信息对应的训练质量评估值以及所述初始质量评估值,计算预设损失函数的函数值,根据计算结果对所述初始行驶质量评估模型中的网络参数进行调整;将所述预设损失函数达到收敛作为训练目标,对所述初始行驶质量评估模型进行训练,以得到所述行驶质量评估模型。
在上述各技术方案的基础上,所述行驶质量评估模块,还用于获取预先确定的最优行驶轨迹,并按照所述预设规则将所述最优行驶轨迹离散化为至少一个最优离散点,并获取每个最优离散点的最优关联信息;通过对对应行驶轨迹片段的最优关联信息和训练关联信息进行处理,得到各训练行驶轨迹片段的片段评估值。
在上述各技术方案的基础上,所述行驶质量评估模块,还用于获取最优关联信息中的最优位置信息,以及训练关联信息中的训练位置信息;基于位置信息中的横坐标差值的平方以及纵坐标差值的平方,确定与训练轨迹片段对应的片段评估值。
在上述各技术方案的基础上,所述行驶质量评估模块,还用于获取所有片段评估值,并计算所有片段评估值的均值,将所述均值作为所述测试任务的质量评估值。
本发明实施例的技术方案,通过对获取到的实际行驶轨迹进行处理,可以获取各实际行驶轨迹中的各个离散点,基于预先训练得到的行驶质量评估模型对各个离散点的关联信息进行处理,可以评估出各测试车辆的协同行驶质量,解决了目前没有专门用于车辆协同行驶的质量评估体系,导致无法对协同行驶的车辆进行运行质量评估,进而无法对其进行优化的技术问题,实现了智能、便捷、高效的评估各车辆的协同行驶质量,进而便于用户根据质量评估结果优化车辆协同运行的技术效果。
本发明实施例所提供的车辆协同行驶的质量评估装置可执行本发明任意实施例所提供的车辆协同行驶的质量评估方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例四
图6为本发明实施例四提供的一种服务器的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性设备60的框图。图6显示的设备60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6所示,设备60以通用计算设备的形式表现。设备60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601,***存储器602,连接不同***组件(包括***存储器602和处理单元601)的总线603。
总线603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,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(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备60典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备60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602可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)604和/或高速缓存存储器605。设备60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***存储介质。仅作为举例,存储***606可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6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CD-ROM,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603相连。存储器602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发明各实施例的功能。
具有一组(至少一个)程序模块607的程序/实用工具608,可以存储在例如存储器602中,这样的程序模块607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。程序模块607通常执行本发明所描述的实施例中的功能和/或方法。
设备60也可以与一个或多个外部设备609(例如键盘、指向设备、显示器610等)通信,还可与一个或者多个使得用户能与该设备60交互的设备通信,和/或与使得该设备60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611进行。并且,设备60还可以通过网络适配器612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612通过总线603与设备60的其它模块通信。应当明白,尽管图6中未示出,可以结合设备60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***、磁带驱动器以及数据备份存储***等。
处理单元601通过运行存储在***存储器602中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的车辆协同行驶的质量评估方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行车辆协同行驶的质量评估方法。
该方法包括:
获取测试任务中各测试车辆的实际行驶轨迹;
对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;
将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机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。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机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、电线、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或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种车辆协同行驶的质量评估方法,其特征在于,包括:
获取测试任务中各测试车辆的实际行驶轨迹;
对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;
将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
2.根据权利要求1所述的方法,其特征在于,还包括:确定所述测试任务;
所述确定所述测试任务,包括:
获取协同行驶的测试车辆数量、测试车辆标识信息、车道数量以及各测试车辆当前所属的车道标识;
采用蒙特卡洛方式对所述测试车辆数量、车道数量以及各测试车辆当前所属的车道标识进行处理,确定各个测试车辆的变换目的车道以及所述变换目的车道的目的车道标识;
基于测试车辆标识信息以及与所述测试车辆标识信息绑定的目的车道标识,确定所述测试任务。
3.根据权利要求2所述的方法,其特征在于,还包括:
将所述测试任务发送至各个测试车辆,以使所述测试车辆按照所述测试任务从当前车道行驶到所述变换目的车道,并将记录的车辆行驶轨迹作为所述实际行驶轨迹。
4.根据权利要求1所述的方法,其特征在于,所述对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息,包括;
针对所有实际行驶轨迹中的每一个实际行驶轨迹,依据时间等分原则,将所述实际行驶轨迹划分为至少一个实际行驶轨迹片段;
将所述至少一个实际行驶轨迹片段中的同一相对时间点作为离散点,并获取各离散点的位置信息和姿态信息,作为所述离散点的关联信息。
5.根据权利要求1所述的方法,其特征在于,还包括:训练行驶质量评估模型;
所述训练行驶质量评估模型包括:
获取待训练测试任务集;测试任务集中包括多个待训练测试任务;
基于每一个待训练测试任务,确定各个训练车辆的训练行驶轨迹;
将所述训练行驶轨迹按照预设规则进行处理,得到每个训练行驶轨迹片段的训练关联信息;
依据预设片段评估方法分别对各个训练关联信息进行处理,确定与各训练行驶轨迹片段对应的片段评估值;
基于所有的片段评估值,确定所述待训练测试任务的训练质量评估值;
基于所述训练关联信息以及所述训练质量评估值,确定训练样本数据;
基于所述训练样本数据训练所述行驶质量评估模型;
其中,所述行驶质量评估模型,用于根据各协同行驶车辆的实际行驶轨迹,确定各车辆的协同行驶质量。
6.根据权利要求5所述的方法,其特征在于,所述基于所述训练样本数据训练所述行驶质量评估模型,包括:
将训练关联信息输入至初始行驶质量评估模型中,得到与每个训练关联信息对应的初始质量评估值;
基于与所述训练关联信息对应的训练质量评估值以及所述初始质量评估值,计算预设损失函数的函数值,根据计算结果对所述初始行驶质量评估模型中的网络参数进行调整;
将所述预设损失函数达到收敛作为训练目标,对所述初始行驶质量评估模型进行训练,以得到所述行驶质量评估模型。
7.根据权利要求5所述的方法,其特征在于,所述依据预设片段评估方法分别对各个训练关联信息进行处理,确定与各训练行驶轨迹片段对应的片段评估值,包括:
获取预先确定的最优行驶轨迹,并按照所述预设规则将所述最优行驶轨迹离散化为至少一个最优离散点,并获取每个最优离散点的最优关联信息;
通过对对应行驶轨迹片段的最优关联信息和训练关联信息进行处理,得到各训练行驶轨迹片段的片段评估值。
8.根据权利要求7所述的方法,其特征在于,所述通过对对应行驶轨迹片段的最优关联信息和测试关联信息进行处理,得到各测试行驶轨迹片段的片段评估值,包括:
获取最优关联信息中的最优位置信息,以及训练关联信息中的训练位置信息;
基于位置信息中的横坐标差值的平方以及纵坐标差值的平方,确定与训练轨迹片段对应的片段评估值。
9.根据权利要求8所述的方法,其特征在于,所述基于所有的片段评估值,确定所述待训练测试任务的质量评估值,包括:
获取所有片段评估值,并计算所有片段评估值的均值,基于所述均值确定所述待训练测试任务的质量评估值。
10.一种车辆协同行驶的质量评估装置,其特征在于,包括:
行驶轨迹获取模块,用于获取测试任务中各测试车辆的实际行驶轨迹;
关联信息确定模块,用于对各实际行驶轨迹进行离散化处理,确定每个离散点的关联信息;所述关联信息包括对应测试车辆的位置信息和姿态信息;
运行质量评估模块,用于将所述关联信息输入至预先训练好的行驶质量评估模型中,基于所述行驶质量评估模型的输出结果确定各所述测试车辆的协同行驶质量。
11.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的车辆协同行驶的质量评估方法。
12.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的车辆协同行驶的质量评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010388961.XA CN111583645B (zh) | 2020-05-09 | 2020-05-09 | 车辆协同行驶的质量评估方法、装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010388961.XA CN111583645B (zh) | 2020-05-09 | 2020-05-09 | 车辆协同行驶的质量评估方法、装置、服务器及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583645A true CN111583645A (zh) | 2020-08-25 |
CN111583645B CN111583645B (zh) | 2021-08-03 |
Family
ID=72124872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010388961.XA Active CN111583645B (zh) | 2020-05-09 | 2020-05-09 | 车辆协同行驶的质量评估方法、装置、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583645B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343448A (zh) * | 2021-05-25 | 2021-09-03 | 京东鲲鹏(江苏)科技有限公司 | 控制效果评估方法、装置、电子设备及存储介质 |
CN113997955A (zh) * | 2021-12-13 | 2022-02-01 | 中国第一汽车股份有限公司 | 轨迹预测方法、装置、电子设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800193A (zh) * | 2012-08-27 | 2012-11-28 | 西北工业大学 | 考虑多车的ovdm交通流跟驰模型稳定性建模方法 |
CN109871876A (zh) * | 2019-01-22 | 2019-06-11 | 东南大学 | 一种基于浮动车数据的高速公路路况识别与预测方法 |
CN110907193A (zh) * | 2019-11-29 | 2020-03-24 | 北京京东乾石科技有限公司 | 自动驾驶车辆编队行驶的测试方法、装置和*** |
US10614717B2 (en) * | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
-
2020
- 2020-05-09 CN CN202010388961.XA patent/CN111583645B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800193A (zh) * | 2012-08-27 | 2012-11-28 | 西北工业大学 | 考虑多车的ovdm交通流跟驰模型稳定性建模方法 |
US10614717B2 (en) * | 2018-05-17 | 2020-04-07 | Zoox, Inc. | Drive envelope determination |
CN109871876A (zh) * | 2019-01-22 | 2019-06-11 | 东南大学 | 一种基于浮动车数据的高速公路路况识别与预测方法 |
CN110907193A (zh) * | 2019-11-29 | 2020-03-24 | 北京京东乾石科技有限公司 | 自动驾驶车辆编队行驶的测试方法、装置和*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343448A (zh) * | 2021-05-25 | 2021-09-03 | 京东鲲鹏(江苏)科技有限公司 | 控制效果评估方法、装置、电子设备及存储介质 |
CN113343448B (zh) * | 2021-05-25 | 2024-03-05 | 京东鲲鹏(江苏)科技有限公司 | 控制效果评估方法、装置、电子设备及存储介质 |
CN113997955A (zh) * | 2021-12-13 | 2022-02-01 | 中国第一汽车股份有限公司 | 轨迹预测方法、装置、电子设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111583645B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10809735B2 (en) | System and method for a framework of robust and safe reinforcement learning application in real world autonomous vehicle application | |
CN109974718B (zh) | 地图匹配方法、装置、设备和介质 | |
CN109606384B (zh) | 车辆控制方法、装置、设备和存储介质 | |
CN110097121B (zh) | 一种行驶轨迹的分类方法、装置、电子设备及存储介质 | |
CN109870698B (zh) | 一种超声波阵列障碍物检测结果处理方法及*** | |
CN111583645B (zh) | 车辆协同行驶的质量评估方法、装置、服务器及介质 | |
CN109118610B (zh) | 一种轨迹查看方法及装置 | |
CN106228848B (zh) | 一种停车导航方法和装置 | |
CN107310550A (zh) | 道路交通工具行驶控制方法和装置 | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN112519765A (zh) | 车辆控制方法、装置、设备和介质 | |
CN112834249B (zh) | 转向参数检测方法、装置、设备及存储介质 | |
CN108286973B (zh) | 一种行驶数据校验方法及装置、及混合导航*** | |
CN110530379A (zh) | 一种提供车辆行驶信息的方法、装置及*** | |
CN112712701A (zh) | 基于识别装置的路线确定方法、装置、设备及存储介质 | |
CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
WO2023071700A1 (zh) | 一种基于自动驾驶的数据处理方法和装置 | |
CN114913197A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN112102648B (zh) | 一种空余车位推送方法、装置、设备及存储介质 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN112665506A (zh) | 定位装置的安装偏差检测方法、装置、设备及存储介质 | |
CN111401229A (zh) | 视觉小目标自动标注方法、装置及电子设备 | |
CN110542426B (zh) | 小路识别方法、设备及可读介质 | |
CN114194201A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN111288942B (zh) | 轨道应答器位置测量方法、装置及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |