CN111859634A - 一种基于车联网及高精地图的仿真场景生成方法和*** - Google Patents
一种基于车联网及高精地图的仿真场景生成方法和*** Download PDFInfo
- Publication number
- CN111859634A CN111859634A CN202010630506.6A CN202010630506A CN111859634A CN 111859634 A CN111859634 A CN 111859634A CN 202010630506 A CN202010630506 A CN 202010630506A CN 111859634 A CN111859634 A CN 111859634A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- vehicle
- road
- precision map
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004088 simulation Methods 0.000 title claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车联网及高精地图的仿真场景生成方法和***，获取车辆信息及与车辆信息中对应位置的环境信息，根据高精地图模块提供的道路基准定位数据对车辆信息中的路谱数据进行修正；根据接收的车辆信息、环境信息、修正后的数据构建包含车辆状态、驾驶行为、外界环境的完整数据文件及典型场景文件；根据所述完整数据文件及典型场景文件创建数据库，通过数据库根据用户的不同需求生成不同的驾驶场景。本发明基于车联网的场景采集和重构方法,并将远程采集的车况信息与网络气候信息，道路信息结合，提升采集效率的同时，形成了完整的工况数据库文件。
Description
技术领域
本发明属于汽车技术领域，具体涉及一种基于车联网及高精地图的仿真场景生成方法和***。
背景技术
仿真、试验涉及到车辆开发的各个环节，从算法开发环节的MIL仿真、控制器开发过程的HIL仿真到总成及整车开发过程的台架及转鼓试验。覆盖从功能开发到性能优化全过程工作。驾驶行为、车辆工况、道路路谱等信号数据是进行仿真及试验的必要输入。具体信号包括但不限于油门踏板开度、整车车速、车辆挡位、道路坡度、海拔、限速信息。
仿真的目标车型存在配置差异、目标载荷差异、目标气候及海拔差异、道路差异。目前行业内通用的技术方案是针对每个目标车型及运行场景都通过实车道路试验的方式进行数据采集。
现有技术方案的缺点是数据采集都通过实车道路试验，涉及到大量的数据采集工作，且采集成本高、周期长。同时，针对采集的数据后续还需由专人进行包含数据筛选、截取、滤波、采样等大量的后续操作，效率比较低。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足，提供一种成本低、效率高的基于车联网及高精地图的仿真场景生成方法和***。
本发明采用的技术方案是：一种基于车联网及高精地图的仿真场景生成方法，获取车辆信息及与车辆信息中对应位置的环境信息，根据高精地图模块提供的道路基准定位数据对车辆信息中的路谱数据进行修正，或采用补偿滤波的方式对车辆信息中的路谱数据进行修正；
根据接收的车辆信息、环境信息、修正后的数据构建包含车辆状态、驾驶行为、外界环境的完整数据文件及典型场景文件；
根据所述完整数据文件及典型场景文件创建数据库，通过数据库根据用户的不同需求生成不同的驾驶场景。
进一步地，所述车辆信息包括驾驶行为、车辆配置信息及车辆工况信息，所述车辆工况信息包括CAN总线数据和路谱数据。
进一步地，所述环境信息包括气候信息数据、道路信息数据。
进一步地，采用补偿滤波的方式对车辆信息中的路谱数据进行修正的过程为：当GPS信号异常导致坡度信号丢失时，以信号异常初始点的坡度为初值、信号恢复时的坡度为终值，将其差值与信号丢失时间的比值作为坡度变化率，以此补偿信号缺失部分。
进一步地，所述典型场景包括道路类比场景、驾驶行为场景和气候场景。
一种基于车联网及高精地图的仿真场景生成***，包括
车机端信息收集模块，用于收集车辆信息发送至综合信息构建模块；
高精地图模块，用于提供道路的基准定位数据至综合信息构建模块；
云端信息收集模块，用于从网络中获取与车辆信息中对应位置的环境信息发送至综合信息构建模块；
综合信息构建模块，用于根据高精地图模块提供的道路基准定位数据对车辆信息中的路谱数据进行修正，根据接收的车辆信息、环境信息、修正后的数据构建包含车辆状态、驾驶行为、外界环境的完整数据文件及典型场景文件；
驾驶模型构建模块，用于根据所述完整数据文件及典型场景文件创建数据库，通过数据库根据用户的不同需求生成不同的驾驶场景。
进一步地，所述车辆信息包括驾驶行为、车辆配置信息及车辆工况信息；所述车辆工况信息包括CAN总线数据和路谱数据。
进一步地，所述环境信息包括环境信息包括气候信息数据、道路信息数据。
进一步地，所述修正过程为：信号同步按设定周期进行，将车辆信息中的道路经纬数据、坡度数据实时与高精地图中的对应数据进行拟合对比，消除定位误差产生的偏移。
更进一步地，所述典型场景包括道路类别场景、驾驶行为场景和气候场景。
本发明的有益效果是：
①基于车联网的场景采集和重构方法,并将远程采集的车况信息与网络气候信息，道路信息结合，提升采集效率的同时，形成了完整的工况数据库文件。车况信息收集包括驾驶行为、车辆配置信息及车辆工况信息，根据终端用户需求，可提供不同驾驶习惯、不同载荷，并覆盖从小型车、轻卡、中卡及重卡各个系列的车型包括整车工况数据、发动机工况数据等关键信息。
②基于大数据的典型场景取样及组合方法，针对未覆盖区域，可根据终端用户定制化需求调用现有场景库自动组合成相应的仿真环境。
③基于高精地图的仿真场景优化方法，解决了在山区、隧道时GPS信号差导致的路谱信息丢失问题；同时，针对无数据积累的路段，本***仍可提供基于高精地图真实经纬、坡度数据的虚拟路谱反馈，以应对一些特点场景的仿真或试验需求(如巡航仿真)。
附图说明
图1为本发明仿真场景生成***的原理示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以互相结合。
本发明通过远程车机端信息收集模块采集车辆工况信息实现了无人化操作。同时，针对原需要人工补充记录的气候信息、道路拥堵则通过网络的方式获取，在降本增效的同时保证了信号的完整性。数据采集过程中，***以高精地图实时修正、补偿海拔、坡度信息，有效解决了车辆过隧道等GPS信号异常工况数据丢失的问题。此外，***在记录单一工况数据的同时，会对典型场景进行抓取存储形成场景库文件，最终根据终端用户需求，可以以一个完整场景进行输出，也可调用多个场景库组合成一个定制场景进行输出。
为了达到上述目的，本发明采用以下技术方案：
参见图1，一种基于车联网及高精地图的仿真场景生成***，通过远程的车机端信息收集模块1获取车辆信息，以此形成并丰富数据库。所述车辆信息包括但不限于驾驶行为、车辆配置信息及车辆工况信息；所述车辆工况信息包括车速、发动机转速、扭矩、电机转速、扭矩、动力电池SOC等CAN总线数据和海拔、坡度、经纬度等路谱数据。针对信号收集装置无法获取的信号，***通过后台2的云端信息收集模块3实时调用以太网数据，补充采集过程中的环境信息，环境信息包括但不限于气候信息数据、道路拥堵信息数据。
***包含综合信息构建模块4，其首先根据来自车机端的车辆工况数据、网络上的气候信息数据、道路信息数据构建一个包含车辆状态、驾驶行为、外界环境数据的完整数据文件，完成驾驶环境重构。同时预定义典型场景，其包括但不限于：高速公路、国道、平原、丘陵等道路类别场景；起步、缓加\减速、急加\减速、停车等驾驶行为场景；高温\寒、晴天、雨天、雪天等气候场景。驾驶环境重构过程中，会将典型场景形成单独的库文件。
针对气候信息数据，***根据车机端反馈数据中的位置信息实时调取网络上相应位置的气候信息，以此形成高温\寒、晴天、雨天、雪天等气候场景。针对道路信息，***实时调用后台导航***信息，以此形成高速公路、国道、平原、丘陵等道路类别场景，以及拥堵等特殊场景。
针对道路数据采集过程普遍存在的GPS信号异常导致的数据丢失，本***嵌入高精地图模块5。在数据采集过程中，将采集的道路经纬、坡度实时与高精地图进行拟合对比，以此修正实测数据的路谱信息。在采集时同步实现信号滤波，信号补偿。
以GPS数据进行数据补偿及滤波时，首先会将反馈数据与高精地图数据进行同步处理。同步处理的步骤包括：
选取一个初始点，读取车机端反馈数据中的经纬信息，并以此调取高精地图数据中的坡度数据与车机端反馈数据进行对比。以此消除定位误差等产生的偏移。
信号同步按设定周期进行，在高精地图无异常的情况下，***录入的数据以高精地图的路谱信息为准。
***包含驾驶模型构建模块6，其将综合信号构建环节完成的数据创建为数据库文件。
针对构建的数据库文件，***通过终端需求解析搭建其与终端用户的对接关系。终端用户可以通过选择道路类别、预期驾驶行为、气候条件从数据库中获取相应的工况数据。***会以终端用户7需求覆盖度从高到低的顺序反馈可选工况数据清单。
优选的，***会首选包含终端用户需求的的单一完整工况。当没有单一完整工况能满足用户需求时，***会以存储的典型场景库文件自动生成一个最符合终端用户预期的工况数据。
在综合信息构建过程中，原则是以车型(含不同载荷)为取样目标。当反馈数据中出现信号长时间丢失，车辆出现长时间异常停车等故障时，将其置信度置低。
针对同车型、载荷的工况数据，随着重复工况反馈数据的增加，***平均车速、油耗为评价维度，为终端用户提供覆盖驾驶习惯等场景选择。
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1：
第一步：车机端数据收集模块收集不同驾驶习惯、不同载荷，并覆盖从小型车、轻卡、中卡及重卡各个系列的车型包括整车工况数据、发动机工况数据等关键信息。
云端信息收集模块同步从网络获取对应路段的气候信息、道路信息，包括但不限于：高温\寒、晴天、雨天、雪天等气候场景；道路拥堵、限速等路况场景。由此获得包含车况、路况、环境、驾驶行为多维度的数据。
针对气候信息数据，***根据车机端反馈数据中的位置信息实时调取网络上相应的气候信息，以此形成高温\寒、晴天、雨天、雪天等气候场景。
针对道路信息，***实时调用后台导航***信息，以此形成高速公路、国道、平原、丘陵等道路类别场景，以及拥堵等特殊场景。
第二步：***进行基于车况、路况、环境、驾驶行为多维度数据的驾驶环境信息重构，以此形成一个完整的工况数据。
信息重构时，当在隧道等GPS信号异常场景导致经纬、坡度信号丢失时，***以内嵌的高精地图拟合数据进行修正。
第三步：***可以提取典型场景，其包括但不限于：高速公路、国道、平原、丘陵等道路类别场景；起步、缓加\减速、急加\减速、停车等驾驶行为场景；高温\寒、晴天、雨天、雪天等气候场景。驾驶环境重构过程中，会将典型场景形成单独的库文件。由此形成一个包含完整场景、以及多个特征场景的工况数据库。
第四步：***根据综合信息进行驾驶环境大数据的创建，并通过终端需求解析模块搭建其与终端用户的对接关系。终端用户可以通过选择道路类别、预期驾驶行为、气候条件从数据库中获取相应的工况数据。***会以终端用户需求覆盖度从高到低的顺序反馈可选工况数据清单。
以一种应用场景为例，为仿真、验证某综合工况动力性经济性，其所需包含的道路需覆盖高速公路、国道、平原及丘陵各一定比例。当现有数据库中无与之完全匹配的单一完整工况数据时，***会调用典型场景自动生成目标工况。
第五步：当***根据终端用户需求完成场景提取或者打包后，可将数据文件以需要的数据格式打包发送至终端用户。
实施例2：
基本内容同实施例1，不同之处在于：
所述第二步中，以车机端所反馈位置信息中的坡度为基准数据，通过补偿、滤波的方式修正异常数据。
具体实施方案包括，当GPS信号异常导致坡度信号丢失时，以信号异常初始点的坡度为初值、信号恢复时的坡度为终值，将其差值与信号丢失时间的比值作为坡度变化率，以此补偿信号缺失部分。
同时，考虑到道路坡度不会出现突变，最终记录的坡度数据取上一个时刻数据与当前时刻数据的加权值。
实施例3：
基本内容同实施例1，不同之处在于：
所述第五步中，后台数据通过实时传输交互的方式与终端用户对接。
以一种巡航***开发功能仿真需求为例，终端用户需求的数据是道路限速、坡度等信息，驾驶行为、气候及道路条件对其不产生影响。在仿真过程中，终端用户可选择模拟运行的道路起点及终点，***启动后，后台根据终端反馈的车速及里程实时反馈终端用户进行仿真运算。由此实现纯虚拟的仿真运行环境。
以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种基于车联网及高精地图的仿真场景生成方法，其特征在于：
获取车辆信息及与车辆信息中对应位置的环境信息，根据高精地图模块提供的道路基准定位数据对车辆信息中的路谱数据进行修正，或采用补偿滤波的方式对车辆信息中的路谱数据进行修正；
根据接收的车辆信息、环境信息、修正后的数据构建包含车辆状态、驾驶行为、外界环境的完整数据文件及典型场景文件；
根据所述完整数据文件及典型场景文件创建数据库，通过数据库根据用户的不同需求生成不同的驾驶场景。
2.根据权利要求1所述的基于车联网及高精地图的仿真场景生成方法，其特征在于：所述车辆信息包括驾驶行为、车辆配置信息及车辆工况信息，所述车辆工况信息包括CAN总线数据和路谱数据。
3.根据权利要求1所述的基于车联网及高精地图的仿真场景生成方法，其特征在于：所述环境信息包括气候信息数据、道路信息数据。
4.根据权利要求1所述的基于车联网及高精地图的仿真场景生成方法，其特征在于：采用补偿滤波的方式对车辆信息中的路谱数据进行修正的过程为：当GPS信号异常导致坡度信号丢失时，以信号异常初始点的坡度为初值、信号恢复时的坡度为终值，将其差值与信号丢失时间的比值作为坡度变化率，以此补偿信号缺失部分。
5.根据权利要求1所述的基于车联网及高精地图的仿真场景生成方法，其特征在于：所述典型场景包括道路类比场景、驾驶行为场景和气候场景。
6.一种基于车联网及高精地图的仿真场景生成***，其特征在于：包括
车机端信息收集模块，用于收集车辆信息发送至综合信息构建模块；
高精地图模块，用于提供道路的基准定位数据至综合信息构建模块；
云端信息收集模块，用于从网络中获取与车辆信息中对应位置的环境信息发送至综合信息构建模块；
综合信息构建模块，用于根据高精地图模块提供的道路基准定位数据对车辆信息中的路谱数据进行修正，根据接收的车辆信息、环境信息、修正后的数据构建包含车辆状态、驾驶行为、外界环境的完整数据文件及典型场景文件；
驾驶模型构建模块，用于根据所述完整数据文件及典型场景文件创建数据库，通过数据库根据用户的不同需求生成不同的驾驶场景。
7.根据权利要求6所述的基于车联网及高精地图的仿真场景生成***，其特征在于：所述车辆信息包括驾驶行为、车辆配置信息及车辆工况信息；所述车辆工况信息包括CAN总线数据和路谱数据。
8.根据权利要求6所述的基于车联网及高精地图的仿真场景生成***，其特征在于：所述环境信息包括环境信息包括气候信息数据、道路信息数据。
9.根据权利要求6所述的基于车联网及高精地图的仿真场景生成***，其特征在于：所述修正过程为：信号同步按设定周期进行，将车辆信息中的道路经纬数据、坡度数据实时与高精地图中的对应数据进行拟合对比，消除定位误差产生的偏移。
10.根据权利要求6所述的基于车联网及高精地图的仿真场景生成***，其特征在于：所述典型场景包括道路类别场景、驾驶行为场景和气候场景。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010630506.6A CN111859634A (zh) | 2020-06-30 | 2020-06-30 | 一种基于车联网及高精地图的仿真场景生成方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010630506.6A CN111859634A (zh) | 2020-06-30 | 2020-06-30 | 一种基于车联网及高精地图的仿真场景生成方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111859634A true CN111859634A (zh) | 2020-10-30 |
Family
ID=73152934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010630506.6A Pending CN111859634A (zh) | 2020-06-30 | 2020-06-30 | 一种基于车联网及高精地图的仿真场景生成方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111859634A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836635A (zh) * | 2021-08-31 | 2021-12-24 | 东风商用车有限公司 | 基于被动油量分布计算拐点的路谱自动识别方法 |
| CN115115779A (zh) * | 2022-06-28 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种道路场景重构方法、***、设备和介质 |
| CN115115779B (zh) * | 2022-06-28 | 2024-07-26 | 重庆长安汽车股份有限公司 | 一种道路场景重构方法、***、设备和介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107727411A (zh) * | 2017-10-30 | 2018-02-23 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评场景生成***及方法 |
| CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
| US20190318542A1 (en) * | 2018-04-13 | 2019-10-17 | SCAPiC INNOVATiONS PRIVATE LIMITED | System and method for creating virtual and augmented reality environment |
| CN110415545A (zh) * | 2019-08-02 | 2019-11-05 | 辰芯科技有限公司 | 一种车道定位方法、装置、电子设备和存储介质 |
| CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
| CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及*** |
-
2020
- 2020-06-30 CN CN202010630506.6A patent/CN111859634A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107727411A (zh) * | 2017-10-30 | 2018-02-23 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评场景生成***及方法 |
| US20190318542A1 (en) * | 2018-04-13 | 2019-10-17 | SCAPiC INNOVATiONS PRIVATE LIMITED | System and method for creating virtual and augmented reality environment |
| CN110263381A (zh) * | 2019-05-27 | 2019-09-20 | 南京航空航天大学 | 一种自动驾驶车辆测试仿真场景生成方法 |
| CN110415545A (zh) * | 2019-08-02 | 2019-11-05 | 辰芯科技有限公司 | 一种车道定位方法、装置、电子设备和存储介质 |
| CN110795819A (zh) * | 2019-09-16 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 自动驾驶仿真场景的生成方法和装置、存储介质 |
| CN110853393A (zh) * | 2019-11-26 | 2020-02-28 | 清华大学 | 智能网联车辆测试场数据采集与融合方法及*** |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836635A (zh) * | 2021-08-31 | 2021-12-24 | 东风商用车有限公司 | 基于被动油量分布计算拐点的路谱自动识别方法 |
| CN113836635B (zh) * | 2021-08-31 | 2023-06-16 | 东风商用车有限公司 | 基于被动油量分布计算拐点的路谱自动识别方法 |
| CN115115779A (zh) * | 2022-06-28 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种道路场景重构方法、***、设备和介质 |
| CN115115779B (zh) * | 2022-06-28 | 2024-07-26 | 重庆长安汽车股份有限公司 | 一种道路场景重构方法、***、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110794810B (zh) | 一种对智能驾驶车辆进行集成化测试的方法 | |
| CN110456757B (zh) | 一种无人驾驶车辆的整车测试方法及*** | |
| EP2950074B1 (en) | Vehicle test system, test condition data generation apparatus, test condition data generation program, and vehicle test method | |
| JP2023516068A (ja) | 自動化された車両を試験する装置及び方法 | |
| Rama et al. | Route-optimized energy management of connected and automated multi-mode plug-in hybrid electric vehicle using dynamic programming | |
| CN111859634A (zh) | 一种基于车联网及高精地图的仿真场景生成方法和*** | |
| US20200173802A1 (en) | Route parameter manager system | |
| CN115421399A (zh) | 一种面向自动驾驶场景的数字孪生***和构建方法 | |
| Rama et al. | Computationally efficient reduced-order powertrain model of a multi-mode plug-in hybrid electric vehicle for connected and automated vehicles | |
| CN115479782A (zh) | 多源数据孪生联动测试方法、装置、车辆及存储介质 | |
| Paulweber | Validation of highly automated safe and secure systems | |
| CN115221151B (zh) | 车辆数据的传输方法、装置、车辆、存储介质及芯片 | |
| CN116048055A (zh) | 车辆故障检测方法、装置和存储介质 | |
| CN114185865A (zh) | 一种基于分布式存储的大规模基站数据存储与解析的方法及*** | |
| Khemri et al. | Developing a Real-World, Second-by-Second Driving Cycle Database through Public Vehicle Trip Surveys | |
| CN113341764A (zh) | 一种实车工况在线的电动汽车优化控制仿真方法及*** | |
| Crain et al. | Prototyping EcoCAR Connected Vehicle Testing System Using DigiCAV Development Platform | |
| US7689388B2 (en) | Low cost high fidelity service load generator for random vibration simulation tests | |
| US20210331659A1 (en) | Mode 9 data vehicle apparatuses, systems, and methods | |
| CN116108041B (zh) | 车辆测试数据的确定方法、装置、车辆和存储介质 | |
| CN117647404B (zh) | 基于转鼓台架的预见性巡航控制***测试平台及测试方法 | |
| CN113325261B (zh) | 自动驾驶车辆工控硬件的温湿度适应性测试方法及*** | |
| CN115791200A (zh) | 一种车辆运行可靠性测试方法 | |
| CN113915009B (zh) | 基于车联网的智能节油***及方法 | |
| CN116380495B (zh) | 基于数字孪生的排放和能耗试验方法、***、设备和介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |