CN112668077A - 测试场地规划数据的确定方法及装置、处理器、电子装置 - Google Patents
测试场地规划数据的确定方法及装置、处理器、电子装置 Download PDFInfo
- Publication number
- CN112668077A CN112668077A CN202011522212.8A CN202011522212A CN112668077A CN 112668077 A CN112668077 A CN 112668077A CN 202011522212 A CN202011522212 A CN 202011522212A CN 112668077 A CN112668077 A CN 112668077A
- Authority
- CN
- China
- Prior art keywords
- test
- area
- test site
- intelligent vehicle
- scene
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 268
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005065 mining Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012827 research and development Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 9
- 230000006855 networking Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种测试场地规划数据的确定方法及装置、处理器、电子装置。其中，该方法包括：获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地。本发明解决了现有技术中无法有效确定智能车辆的测试场地规划数据，导致无法建设高质的智能网联汽车试验场的技术问题。
Description
技术领域
本发明涉及数据处理领域，具体而言，涉及一种测试场地规划数据的确定方法及装置、处理器、电子装置。
背景技术
随着智能网联技术的日益成熟，商用车智能网联正逐步迈向商业化，无人驾驶公交车、港口车、园区物流车及智慧矿山车等越来越多的智能网联商用车进入我们的视野中，未来它们会成为我们社会生活中的必不可少部分，但同时对智能网联车辆的要求也会越来越高。
与传统汽车试验场测试不同，智能网联汽车的测试重点是考核车辆对交通环境的感知及应对能力，是面向车-路、车-人、人-车-路等耦合***的测试。V2X通信技术的引入使得智能网联汽车的测试内容也由“端”(车辆)变成了云、管、端三方面发展。因此，为了支撑国内智能网联汽车的技术研究和产品开发，必须建设专用的智能网联汽车试验场。
但是，现有技术中无法有效确定智能车辆的测试场地规划数据，导致无法建设高质的智能网联汽车试验场。针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种测试场地规划数据的确定方法及装置、处理器、电子装置，以至少解决现有技术中无法有效确定智能车辆的测试场地规划数据，导致无法建设高质的智能网联汽车试验场的技术问题。
根据本发明实施例的一个方面，提供了一种测试场地规划数据的确定方法，包括：获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地。
可选的，在获取智能车辆的应用区域之前，上述方法还包括：获取必要性分析数据，其中，上述必要性分析数据用于分析建设上述智能车辆的测试场地的必要性，以及是否建设上述智能车辆的测试场地；在上述必要性分析数据指示建设上述智能车辆的测试场地的情况下，获取上述测试场地的调研数据，其中，上述调研数据用于展示获取到的已建测试场地的简介数据，上述简介数据包括以下至少之一：名称、地区、时间、面积、特色、设施和展示图。
可选的，获取智能车辆的应用区域，包括：获取上述智能车辆所执行的作业任务，其中，上述作业任务包括以下至少之一：物流任务、清扫任务、开采任务、清障任务、客运任务、医疗任务、消防任务；确定与上述作业任务对应的上述应用区域，其中，每个上述作业任务对应一个或多个上述应用区域，上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域、矿区。
可选的，若上述智能车辆所执行的作业任务为物流任务，则上述作业任务对应的上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域；若上述智能车辆所执行的作业任务为清扫任务，则上述作业任务对应的上述应用区域为上述城市区域；若上述智能车辆所执行的作业任务为开采任务，则上述作业任务对应的上述应用区域为上述矿区；若上述智能车辆所执行的作业任务为清障任务、客运任务、医疗任务或消防任务，则上述作业任务对应的上述应用区域包括以下至少之一：上述高速区域、上述乡村区域、上述城市区域、上述城郊区域。
可选的，基于上述应用区域确定上述智能车辆的试验场景，包括：确定上述应用区域的应用场景，其中，上述应用场景包括以下至少之一：高速场景、城乡场景、城市场景、港口场景和矿区场景；模拟上述应用场景得到上述试验场景，其中，上述试验场景包括以下至少之一：高速试验场景、城乡试验场景、城市试验场景、港口试验场景、矿区试验场景。
可选的，依据上述试验场景确定上述智能车辆的测试场地规划数据，包括：基于上述试验场景，确定上述智能车辆的测试场地规划要素，其中，上述测试场地规划要素包括：基建设施类要素、通信设施要素；依据上述测试场地规划要素确定上述智能车辆的测试场地规划数据。
可选的，基于上述测试场地规划数据建设的上述测试场地中包括以下至少之一测试区：车辆综合测试区、高速测试区、城乡测试区、城市测试区、港口测试区、矿区测试区、服务区、扩展测试区；其中，上述车辆综合测试区为上述智能车辆的研发区域；上述服务区为上述智能车辆的运营管理区域；上述扩展测试区为上述智能车辆预留的待建设区域。
根据本发明实施例的另一方面，还提供了一种测试场地规划数据的确定装置，包括：获取模块，用于获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；场景确定模块，用于基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；数据确定模块，用于依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的测试场地规划数据的确定方法。
根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述的测试场地规划数据的确定方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的测试场地规划数据的确定方法。
在本发明实施例中，通过获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地，达到了有效确定智能车辆的测试场地规划数据的目的，从而实现了有助于建设高质的智能网联汽车试验场的技术效果，进而解决了现有技术中无法有效确定智能车辆的测试场地规划数据，导致无法建设高质的智能网联汽车试验场的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种测试场地规划数据的确定方法的流程图；
图2是根据本发明实施例的一种可选的测试场地规划数据的确定方法的流程图；
图3是根据本发明实施例的一种测试场地规划数据的确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本区域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
测试环节一直是汽车产品研发、优化、生产过程中非常关键的一项工作，尤其是场地测试，对于验证整车安全性、操控性、舒适性等各方面的性能及存在的问题至关重要。从智能网联汽车的定义可以看出，不同于传统汽车产品，智能网联汽车融入了更多的感知传感器、控制算法、安全可靠的执行器等软硬件装备，同时具备了车与外界通讯的功能，更重要的一点，人类将脱离对车辆的手动直接控制，而由***进行自主控制驾驶车辆。针对智能网联汽车的测试，重点测验车辆对行驶环境的感应能力，即与外界环境(例如路边物体设施、道路及交通设施、移动车辆、活动的人及动物等)进行交互的能力。未来针对智能网联汽车产品的测试将更趋复杂，需要借助更加多样的测试设备、特定的测试场景、独有的测试方法进行，因此，在公共道路测试许可并未开放的前提下，打造专用的测试场地成为近年来各地发展智能网联汽车领域的重点之一。
实施例1
根据本发明实施例，提供了一种测试场地规划数据的确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种测试场地规划数据的确定方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；
步骤S102，基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；
步骤S102，依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地。
在本发明实施例中，通过获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地，达到了有效确定智能车辆的测试场地规划数据的目的，从而实现了有助于建设高质的智能网联汽车试验场的技术效果，进而解决了现有技术中无法有效确定智能车辆的测试场地规划数据，导致无法建设高质的智能网联汽车试验场的技术问题。
可选的，上述智能车辆可以为智能网联汽车，又称为商用车，智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X(车、路、人、云端等)智能信息交换、共享，具备复杂的环境感知、智能决策、协同控制等功能，可实现“安全、高效、舒适、节能”行驶，并最终可实现替代人来操作的新一代汽车。该智能网联汽车技术在提高交通安全性、降低能耗、减少排放、消除拥堵方面具有巨大的潜力。
在本申请实施例中，通过基于上述智能车辆所执行的作业任务确定上述应用区域，根据应用区域确定用于模拟上述应用区域的应用场景的智能车辆的试验场景，依据上述试验场景确定上述智能车辆的测试场地规划数据，进而可以基于测试场地规划数据用于规划如何建设上述智能车辆的测试场地。
可选的，商用车智能试验场涵盖智慧矿区、港口、高速、城乡等测试场景，满足智能网联车的开发、测试与认证需求。
在本申请实施例中，在测试道路类型方面：规划建设中的测试场道路基本覆盖高速、城市、乡村等典型道路，并做出了封闭测试场+半开放测试+社会道路全开放测试的长远规划；在车辆通讯方面：在当前通讯标准、规范并不完善的情况下，国内测试场地保持包容性的部署，场地通讯设备能够支持DSRC、LTE-V、Wifi、5G等不同的通讯制式；在测试功能和测试场景：各测试场地规划较为完备，覆盖了智能化和网联化相关的安全类、效率类、服务类、通信类等各种场景，并考虑了新能源车的协同应用；在场地特色方面：智能网联汽车也需要适应不同的行驶环境，因此需要考虑冰雪特殊路况；对于不同气象条件的模拟，且覆盖客车、轿车、专用车等不同车辆；一些坡道、隧道(干扰信号)等特殊地质和路况也是智能车要适应的典型场景。
在一种可选的实施例中，图2是根据本发明实施例的一种可选的测试场地规划数据的确定方法的流程图，如图2所示，在获取智能车辆的应用区域之前，上述方法还包括：
步骤S202，获取必要性分析数据，其中，上述必要性分析数据用于分析建设上述智能车辆的测试场地的必要性，以及是否建设上述智能车辆的测试场地；
步骤S204，在上述必要性分析数据指示建设上述智能车辆的测试场地的情况下，获取上述测试场地的调研数据，其中，上述调研数据用于展示获取到的已建测试场地的简介数据，上述简介数据包括以下至少之一：名称、地区、时间、面积、特色、设施和展示图。
作为一种可选的实施例，在获取智能车辆的应用区域之前，可以先获取必要性分析数据，通过该必要性分析数据分析建设上述智能车辆的测试场地的必要性，以及是否建设上述智能车辆的测试场地；若上述必要性分析数据指示建设上述智能车辆的测试场地，则获取上述测试场地的调研数据。
其中，上述调研数据用于展示获取到的已建测试场地的简介数据，上述简介数据包括以下至少之一：名称、地区、时间、面积、特色、设施和展示图。
在一种可选的实施例中，获取智能车辆的应用区域，包括：
步骤S302，获取上述智能车辆所执行的作业任务；
步骤S304，确定与上述作业任务对应的上述应用区域，其中，每个上述作业任务对应一个或多个上述应用区域，上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域、矿区。
其中，上述作业任务包括以下至少之一：物流任务、清扫任务、开采任务、清障任务、客运任务、医疗任务、消防任务。
在一种可选的实施例中，如下表1所示，若上述智能车辆所执行的作业任务为物流任务，则上述作业任务对应的上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域；若上述智能车辆所执行的作业任务为清扫任务，则上述作业任务对应的上述应用区域为上述城市区域；若上述智能车辆所执行的作业任务为开采任务，则上述作业任务对应的上述应用区域为上述矿区；若上述智能车辆所执行的作业任务为清障任务、客运任务、医疗任务或消防任务，则上述作业任务对应的上述应用区域包括以下至少之一：上述高速区域、上述乡村区域、上述城市区域、上述城郊区域。
表1
在一种可选的实施例中，基于上述应用区域确定上述智能车辆的试验场景，包括：
步骤S402，确定上述应用区域的应用场景；
步骤S404，模拟上述应用场景得到上述试验场景。
可选的，上述应用场景包括以下至少之一：高速场景、城乡场景、城市场景、港口场景和矿区场景，每个类型的应用场景的场景内容如下表2所示。
可选的，上述试验场景包括以下至少之一：高速试验场景、城乡试验场景、城市试验场景、港口试验场景、矿区试验场景，需要说明的是，该试验场景的场景内容与其对应的应用场景中的场景内容一致。
表2
在一种可选的实施例中，依据上述试验场景确定上述智能车辆的测试场地规划数据，包括：
步骤S502，基于上述试验场景，确定上述智能车辆的测试场地规划要素，其中，上述测试场地规划要素包括：基建设施类要素、通信设施要素；
步骤S504，依据上述测试场地规划要素确定上述智能车辆的测试场地规划数据。
在本申请实施例中，基于上述试验场景，确定上述智能车辆的测试场地规划要素，其中，上述测试场地规划要素包括：基建设施类要素、通信设施要素，进而再依据上述测试场地规划要素确定上述智能车辆的测试场地规划数据。
在一种可选的实施例中，如下表3所示，基于上述测试场地规划数据建设的上述测试场地中包括以下至少之一测试区：车辆综合测试区、高速测试区(即高速区)、城乡测试区(即城乡区)、城市测试区(即智慧城市区)、港口测试区(即智慧货场)、矿区测试区(即智慧矿区)、服务区、扩展测试区；其中，上述车辆综合测试区为上述智能车辆的研发区域；上述服务区为上述智能车辆的运营管理区域；上述扩展测试区为上述智能车辆预留的待建设区域。
作为一种可选的实施例，每一类型的测试区的基建设施类要素和通信设施要素，可以但不限于如下表3所示：
表3
在一种可选的实施例中，车辆综合测试区的基建要素包括：直道双向四车道性能路、动态广场、弯路、颠簸路面、崎岖路面、隧道(天气模拟)、交通标志牌、交通信号灯；车辆综合测试区的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***、收费站路边单元。
在一种可选的实施例中，高速区的基建要素包括：双向四车道高速环路、高速服务区、移动收费站、交通标志、匝道、移动障碍物；高速区的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***、收费站路边单元。
在一种可选的实施例中，城乡区的基建要素包括：双向两车道、无标识线车道、复杂弯道、隧道、泥泞路面、砂石路面、施工路段、非机动车辆；城乡区的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***。
在一种可选的实施例中，智慧城市的基建要素包括：双向四车道主道路、双向两车道街区道路、立交桥、环岛、十字路口、减速带(条状、网格状)、路灯、垃圾箱、金属隔离栏、交通标志及信号灯、公交车站；智慧城市的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***。
在一种可选的实施例中，智慧货场的基建要素包括：双向两车道柏油路面、装载区、卸载区、停车区、维修区；智慧货场的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***。
在一种可选的实施例中，智慧矿山的基建要素包括：双向两车道盘山路、泥泞松软路面、坡路、坑洼、积水路面、装载区、卸载区、停车区、维修区；智慧矿山的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***。
在一种可选的实施例中，服务区的基建要素包括：加油站、加气站、充电桩、办公区、维修区、停车场、数据中心、设备间；服务区的通讯要素包括：差分GPS/北斗导航基站、5G网络基站、LTE-V网络***。
可选的，上述车辆综合测试区用于智能商用车场地测试，如智能驾驶功能性测试，测试区由掉头广场、2km双向4车道直道及半径300m的动态广场组成，可有效满足L2、L3级自动驾驶道路要求，也充分考虑了未来无人驾驶测试及网联测试需求，其中，直道长度设计参照如下公式：
L＝L1+L2+L3+L4+L5；
L2+L3＝k2v(t1+t2)；
其中，L为预估测试道路长度；L1为起步加速段预估距离，k1为加速段速度常，v为试验速度，a为加速度，起步阶段a取值范围2～3m/s2，k1取值范围1.0～1.2；L2为稳速准备段长度，L3为试验测试段长度，k2为稳速准备段和试验测试段的时间常数，取值范围0.3～2.0；k4为减速制动段速度常数，k4取值范围1.0～1.2，减速制动段的减速度a取值范围2～3m/s2；L5为安全预留距离，取值范围0～200m；经过多次试验，可大致预估测试道路长度为2km。
在一种可选的实施例中，数据中心设立在服务区内，主要用于试验管理：进行港口、矿山作业管理及实车场景设计，服务区管理：试验场地运营管理，如服务区维修、停车区停车、自动加油、自动充电等；数据库管理：云平台、数据存储与数据处理管理；外部拓展：仿真对接。
在一种可选的实施例中，扩展区用于未来开发预留，不断完善试验场发展。
实施例2
根据本发明实施例，还提供了一种用于实施上述测试场地规划数据的确定方法的装置实施例，图3是根据本发明实施例的一种测试场地规划数据的确定装置的结构示意图，如图3所示，上述测试场地规划数据的确定装置，包括：获取模块300、场景确定模块302和数据确定模块304，其中：
获取模块300，用于获取智能车辆的应用区域，其中，基于上述智能车辆所执行的作业任务确定上述应用区域；场景确定模块302，用于基于上述应用区域确定上述智能车辆的试验场景，其中，上述试验场景用于模拟上述应用区域的应用场景；数据确定模块304，用于依据上述试验场景确定上述智能车辆的测试场地规划数据，其中，上述测试场地规划数据用于规划如何建设上述智能车辆的测试场地。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是，上述获取模块300、场景确定模块302和数据确定模块304对应于实施例1中的步骤S102至步骤S106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
上述的测试场地规划数据的确定装置还可以包括处理器和存储器，上述获取模块300、场景确定模块302和数据确定模块304等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本申请实施例，还提供了一种非易失性存储介质的实施例。可选地，在本实施例中，上述非易失性存储介质包括存储的程序，其中，在上述程序运行时控制上述非易失性存储介质所在设备执行上述任意一种测试场地规划数据的确定方法。
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述非易失性存储介质包括存储的程序。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取必要性分析数据，其中，上述必要性分析数据用于分析建设上述智能车辆的测试场地的必要性，以及是否建设上述智能车辆的测试场地；在上述必要性分析数据指示建设上述智能车辆的测试场地的情况下，获取上述测试场地的调研数据，其中，上述调研数据用于展示获取到的已建测试场地的简介数据，上述简介数据包括以下至少之一：名称、地区、时间、面积、特色、设施和展示图。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：获取上述智能车辆所执行的作业任务，其中，上述作业任务包括以下至少之一：物流任务、清扫任务、开采任务、清障任务、客运任务、医疗任务、消防任务；确定与上述作业任务对应的上述应用区域，其中，每个上述作业任务对应一个或多个上述应用区域，上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域、矿区。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：若上述智能车辆所执行的作业任务为物流任务，则上述作业任务对应的上述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域；若上述智能车辆所执行的作业任务为清扫任务，则上述作业任务对应的上述应用区域为上述城市区域；若上述智能车辆所执行的作业任务为开采任务，则上述作业任务对应的上述应用区域为上述矿区；若上述智能车辆所执行的作业任务为清障任务、客运任务、医疗任务或消防任务，则上述作业任务对应的上述应用区域包括以下至少之一：上述高速区域、上述乡村区域、上述城市区域、上述城郊区域。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：确定上述应用区域的应用场景，其中，上述应用场景包括以下至少之一：高速场景、城乡场景、城市场景、港口场景和矿区场景；模拟上述应用场景得到上述试验场景，其中，上述试验场景包括以下至少之一：高速试验场景、城乡试验场景、城市试验场景、港口试验场景、矿区试验场景。
可选地，在程序运行时控制非易失性存储介质所在设备执行以下功能：基于上述试验场景，确定上述智能车辆的测试场地规划要素，其中，上述测试场地规划要素包括：基建设施类要素、通信设施要素；依据上述测试场地规划要素确定上述智能车辆的测试场地规划数据。
根据本申请实施例，还提供了一种处理器的实施例。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种测试场地规划数据的确定方法。
根据本申请实施例，还提供了一种电子装置的实施例，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任意一种的测试场地规划数据的确定方法。
根据本申请实施例，还提供了一种计算机程序产品的实施例，当在数据处理设备上执行时，适于执行初始化有上述任意一种的测试场地规划数据的确定方法步骤的程序。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取非易失性存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个非易失性存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的非易失性存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种测试场地规划数据的确定方法，其特征在于，包括：
获取智能车辆的应用区域，其中，基于所述智能车辆所执行的作业任务确定所述应用区域；
基于所述应用区域确定所述智能车辆的试验场景，其中，所述试验场景用于模拟所述应用区域的应用场景；
依据所述试验场景确定所述智能车辆的测试场地规划数据，其中，所述测试场地规划数据用于规划如何建设所述智能车辆的测试场地。
2.根据权利要求1所述的方法，其特征在于，在获取智能车辆的应用区域之前，所述方法还包括：
获取必要性分析数据，其中，所述必要性分析数据用于分析建设所述智能车辆的测试场地的必要性，以及是否建设所述智能车辆的测试场地；
在所述必要性分析数据指示建设所述智能车辆的测试场地的情况下，获取所述测试场地的调研数据，其中，所述调研数据用于展示获取到的已建测试场地的简介数据，所述简介数据包括以下至少之一：名称、地区、时间、面积、特色、设施和展示图。
3.根据权利要求1所述的方法，其特征在于，获取智能车辆的应用区域，包括：
获取所述智能车辆所执行的作业任务，其中，所述作业任务包括以下至少之一：物流任务、清扫任务、开采任务、清障任务、客运任务、医疗任务、消防任务；
确定与所述作业任务对应的所述应用区域，其中，每个所述作业任务对应一个或多个所述应用区域，所述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域、矿区。
4.根据权利要求3所述的方法，其特征在于，
若所述智能车辆所执行的作业任务为物流任务，则所述作业任务对应的所述应用区域包括以下至少之一：高速区域、港口区域、乡村区域、城市区域、城郊区域；
若所述智能车辆所执行的作业任务为清扫任务，则所述作业任务对应的所述应用区域为所述城市区域；
若所述智能车辆所执行的作业任务为开采任务，则所述作业任务对应的所述应用区域为所述矿区；
若所述智能车辆所执行的作业任务为清障任务、客运任务、医疗任务或消防任务，则所述作业任务对应的所述应用区域包括以下至少之一：所述高速区域、所述乡村区域、所述城市区域、所述城郊区域。
5.根据权利要求1所述的方法，其特征在于，基于所述应用区域确定所述智能车辆的试验场景，包括：
确定所述应用区域的应用场景，其中，所述应用场景包括以下至少之一：高速场景、城乡场景、城市场景、港口场景和矿区场景；
模拟所述应用场景得到所述试验场景，其中，所述试验场景包括以下至少之一：高速试验场景、城乡试验场景、城市试验场景、港口试验场景、矿区试验场景。
6.根据权利要求1所述的方法，其特征在于，依据所述试验场景确定所述智能车辆的测试场地规划数据，包括：
基于所述试验场景，确定所述智能车辆的测试场地规划要素，其中，所述测试场地规划要素包括：基建设施类要素、通信设施要素；
依据所述测试场地规划要素确定所述智能车辆的测试场地规划数据。
7.根据权利要求1所述的方法，其特征在于，
基于所述测试场地规划数据建设的所述测试场地中包括以下至少之一测试区：车辆综合测试区、高速测试区、城乡测试区、城市测试区、港口测试区、矿区测试区、服务区、扩展测试区；其中，所述车辆综合测试区为所述智能车辆的研发区域；所述服务区为所述智能车辆的运营管理区域；所述扩展测试区为所述智能车辆预留的待建设区域。
8.一种测试场地规划数据的确定装置，其特征在于，包括：
获取模块，用于获取智能车辆的应用区域，其中，基于所述智能车辆所执行的作业任务确定所述应用区域；
场景确定模块，用于基于所述应用区域确定所述智能车辆的试验场景，其中，所述试验场景用于模拟所述应用区域的应用场景；
数据确定模块，用于依据所述试验场景确定所述智能车辆的测试场地规划数据，其中，所述测试场地规划数据用于规划如何建设所述智能车辆的测试场地。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至7中任意一项所述的测试场地规划数据的确定方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行权利要求1至7中任意一项所述的测试场地规划数据的确定方法。
11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任意一项所述的测试场地规划数据的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011522212.8A CN112668077A (zh) | 2020-12-21 | 2020-12-21 | 测试场地规划数据的确定方法及装置、处理器、电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011522212.8A CN112668077A (zh) | 2020-12-21 | 2020-12-21 | 测试场地规划数据的确定方法及装置、处理器、电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112668077A true CN112668077A (zh) | 2021-04-16 |
Family
ID=75407179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011522212.8A Pending CN112668077A (zh) | 2020-12-21 | 2020-12-21 | 测试场地规划数据的确定方法及装置、处理器、电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668077A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109540548A (zh) * | 2018-12-12 | 2019-03-29 | 浙江大学城市学院 | 自适应巡航辅助驾驶***测试场以及场景规划方法 |
| CN109886474A (zh) * | 2019-01-24 | 2019-06-14 | 同济大学 | 一种面向自动驾驶车辆测试的封闭测试场规划方法 |
| CN110020457A (zh) * | 2019-02-15 | 2019-07-16 | 武汉光庭信息技术股份有限公司 | 一种用于智能网联汽车道路测试的路线设计方法及装置 |
| EP3533681A2 (en) * | 2018-08-03 | 2019-09-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for detecting safety of driving behavior, apparatus and storage medium |
| CN110232257A (zh) * | 2019-07-02 | 2019-09-13 | 吉林大学 | 一种自动驾驶测试场景的构建方法及其难度系数计算方法 |
| CN111178402A (zh) * | 2019-12-13 | 2020-05-19 | 赛迪检测认证中心有限公司 | 一种自动驾驶车辆道路测试的场景分类方法及装置 |
| CN111723458A (zh) * | 2020-05-09 | 2020-09-29 | 同济大学 | 面向自动驾驶决策规划***仿真测试场景自动化生成方法 |
-
2020
- 2020-12-21 CN CN202011522212.8A patent/CN112668077A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3533681A2 (en) * | 2018-08-03 | 2019-09-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for detecting safety of driving behavior, apparatus and storage medium |
| CN109540548A (zh) * | 2018-12-12 | 2019-03-29 | 浙江大学城市学院 | 自适应巡航辅助驾驶***测试场以及场景规划方法 |
| CN109886474A (zh) * | 2019-01-24 | 2019-06-14 | 同济大学 | 一种面向自动驾驶车辆测试的封闭测试场规划方法 |
| CN110020457A (zh) * | 2019-02-15 | 2019-07-16 | 武汉光庭信息技术股份有限公司 | 一种用于智能网联汽车道路测试的路线设计方法及装置 |
| CN110232257A (zh) * | 2019-07-02 | 2019-09-13 | 吉林大学 | 一种自动驾驶测试场景的构建方法及其难度系数计算方法 |
| CN111178402A (zh) * | 2019-12-13 | 2020-05-19 | 赛迪检测认证中心有限公司 | 一种自动驾驶车辆道路测试的场景分类方法及装置 |
| CN111723458A (zh) * | 2020-05-09 | 2020-09-29 | 同济大学 | 面向自动驾驶决策规划***仿真测试场景自动化生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Makino et al. | Solutions for urban traffic issues by ITS technologies | |
| CN111473980B (zh) | 一种智能汽车自动驾驶能力测试*** | |
| JP6785939B2 (ja) | 緊急時の地表のマップ情報を生成するシステムおよび方法 | |
| CN113347254B (zh) | 基于v2x的智能交通控制车联网***及其控制方法 | |
| CN106920392A (zh) | 智慧交通大数据方法及*** | |
| CN105139603A (zh) | 一种城市积水智能监测预警*** | |
| Yazici et al. | A bus rapid transit line case study: Istanbul’s metrobüs system | |
| CN104504918A (zh) | 一种城市道路公交信号优先方法 | |
| CN101964144A (zh) | 考虑分路段区域的公交专用道时分复用方法 | |
| CN108319250A (zh) | 智能驾驶汽车试验方法 | |
| CN107945542B (zh) | 基于浮动车技术的城市道路绿波带决策支持方法及终端 | |
| Dey et al. | Future of transportation cyber-physical systems–Smart cities/regions | |
| CN114708564A (zh) | 一种用于视觉融合泊车功能测试*** | |
| CN104574966B (zh) | 可变信息标识装置及可变信息标识方法 | |
| CN103745613A (zh) | 缩微道路环境下缩微智能车的定位导航实施方法 | |
| Higuchi et al. | A collaborative approach to finding available parking spots | |
| CN110708664B (zh) | 一种交通流感知方法、装置及计算机存储介质、电子设备 | |
| de Almeida Correia et al. | Vehicle automation and transport system performance | |
| CN112668077A (zh) | 测试场地规划数据的确定方法及装置、处理器、电子装置 | |
| CN204926537U (zh) | 一种城市智能停车车联网管理*** | |
| Lee et al. | Innovative public transport oriented policies in Seoul | |
| CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
| Mitteregger et al. | Connected and automated transport in the Long Level 4: Settlement development, transport policy and planning during the transition period | |
| Hanzel et al. | The influence of the data packet size on positioning parameters of UWB system for the purpose of tagging smart city infrastructure | |
| CN113196010A (zh) | 从长期传感器数据学习的交叉路口地图 |
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 |