CN113254336A - 自动驾驶汽车交通法规符合性仿真测试方法及*** - Google Patents
自动驾驶汽车交通法规符合性仿真测试方法及*** Download PDFInfo
- Publication number
- CN113254336A CN113254336A CN202110564766.2A CN202110564766A CN113254336A CN 113254336 A CN113254336 A CN 113254336A CN 202110564766 A CN202110564766 A CN 202110564766A CN 113254336 A CN113254336 A CN 113254336A
- Authority
- CN
- China
- Prior art keywords
- proposition
- rule
- cross
- traffic
- rules
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
- G06F11/3616—Software analysis for verifying properties of programs using software metrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种自动驾驶汽车交通法规符合性仿真测试方法及***，本申请中获取的形式化交规中包含按照预设分类原则提取得到的交规原子命题。在提取交规原子命题时采用预设的分类原则，使得交规原子命题逻辑清晰，避免遗漏且复用率高，也可以提升整个***的判断效率。并且可以覆盖包括简单场景及复杂场景在内的大多数交规。根据获取的交通参与者的参数信息判断交规原子命题的真伪；根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。由于生成的形式化交规包含有逻辑清晰的交规原子命题，通过更合理的形式化交规可以更好的评测自动驾驶整车行为或规划决策部分的输出结果是否遵守交规。
Description
技术领域
本申请涉及智慧交通技术领域，尤其涉及一种自动驾驶汽车交通法规符合性仿真测试方法及***。
背景技术
随着社会的发展，智能汽车正在逐步进入人们的日常生活中。自动驾驶在智能汽车中发挥着十分重要的作用，自动驾驶车辆需要通过各种各样的测试，目前主要集中在整车级的封闭或开放道路测试或部件级的合规及性能测试。自动驾驶车辆需要遵循一些安全性、合法性的准则，目前对自动驾驶车辆中的决策规划模块的设计及测试主要集中在行车安全性及部分简单的交规合法性，如不与障碍物发生碰撞、遵循红绿灯及道路标志、不得超速等，远远没有覆盖足够的交规。现有技术中将面向人类驾驶员的交规通过某种特定的逻辑语言转换成对应的形式化交规，能够让决策规划算法设计开发人员或机器能够对交规有着无歧义的认识。但是该技术仅是对自然语言交规做了形式化的翻译，形式化的交规主要用来指导自动驾驶***(如决策规划模块)的设计和开发，对自动驾驶整车行为或决策规划部分的输出结果做是否满***规的测试与验证还比较少。并且，形式化交规在设计时，一般会将自然语言交规逐条提取相应的原子命题，并没有一个统一的体系，这样会导致提取的原子命题杂而乱，命题之间有很强相似性，复用率不高，也难以做形式化的验证。
发明内容
为至少在一定程度上克服相关技术中形式化交规生成不完善且无后续评测的问题，本申请提供一种自动驾驶汽车交通法规符合性仿真测试方法及***。
本申请的方案如下：
根据本申请实施例的第一方面，提供一种自动驾驶汽车交通法规符合性仿真测试方法，包括：
获取交通参与者的参数信息；
获取形式化交规；所述形式化交规中包含按照预设分类原则提取得到的交规原子命题；
根据所述交通参与者的参数信息判断所述交规原子命题的真伪；
根据所述交规原子命题的真伪判断所述形式化交规的真伪，并用所述形式化交规的真伪代表所述交通参与者是否遵守交规。
优选的，在本申请一种可实现的方式中，所述获取形式化交规之前，所述方法还包括：
按照预设分类原则提取得到所述交规原子命题；
将所述交规原子命题和预设的联结词进行组合得到交规高级命题；
将所述交规原子命题、所述交规高级命题和所述联结词进行组合，或将所述交规高级命题和所述联结词进行组合，得到所述形式化交规。
优选的，在本申请一种可实现的方式中，所述按照预设分类原则提取得到所述交规原子命题，包括：
以道路为基准，逐层添加道路上的静态基础设施，临时状况的动态信息，在道路上的动态交通参与者行为和环境信息，将所述交规原子命题分类为：道路类命题、基础设施类命题、临时状况类命题、行为类命题和环境类命题；
提取分类后的各类所述交规原子命题。
优选的，在本申请一种可实现的方式中，所述按照预设分类原则提取得到所述交规原子命题，还包括：
以交规基本构成要素为基准，描述所述交通参与者在预设环境下，处在预设道路上，发现预设信号，在做预设动作时，必须要满足预设约束条件，将所述交规原子命题分类为：环境类命题、位置类命题、信号类命题、动作类命题和约束条件类命题；
提取分类后的各类所述交规原子命题。
优选的，在本申请一种可实现的方式中，所述根据所述交规原子命题的真伪判断所述形式化交规的真伪，包括：
根据所述交规原子命题的真伪判断所述交规高级命题的真伪；
根据所述交规原子命题的真伪和所述交规高级命题的真伪判断所述形式化交规的真伪。
优选的，在本申请一种可实现的方式中，所述根据所述交通参与者的参数信息判断所述交规原子命题的真伪，包括：根据每个时间点所述交通参与者的参数信息判断每个时间点所述交规原子命题的真伪；
所述根据所述交规原子命题的真伪判断所述形式化交规的真伪，包括：根据每个时间点所述交规原子命题的真伪判断每个时间点所述形式化交规的真伪。
优选的，在本申请一种可实现的方式中，还包括：
将所述交规高级命题进行级别分类；
将所述交规原子命题、所述预设的联结词和低级别的交规高级命题进行组合得到高级别的交规高级命题。
优选的，在本申请一种可实现的方式中，所述交通参与者的参数信息至少包括：参与者固有属性信息、时间信息、环境信息、位置信息、速度信息、姿态信息、灯光信息、声音信息和状态信息。
优选的，在本申请一种可实现的方式中，所述预设的联结词包括：逻辑算子和时序算子；
逻辑算子联结词至少包括：否定、合取、析取、推导和等价；
时序算子联结词至少包括：下一时刻、直到、总是、最终、在该时间段内总会发生和该时间段内会发生。
根据本申请实施例的第二方面，提供一种交通规则形式化及评测***，包括：
获取模块，用于获取交通参与者的参数信息；
生成模块，用于获取形式化交规；所述形式化交规中包含按照预设分类原则提取得到的交规原子命题；
判断模块，用于根据所述交通参与者的参数信息判断所述交规原子命题的真伪；根据所述交规原子命题的真伪判断所述形式化交规的真伪，并用所述形式化交规的真伪代表所述交通参与者是否遵守交规。
本申请提供的技术方案可以包括以下有益效果：本申请中的自动驾驶汽车交通法规符合性仿真测试方法，获取的形式化交规中包含按照预设分类原则提取得到的交规原子命题。在提取交规原子命题时采用预设的分类原则，使得交规原子命题逻辑清晰，避免遗漏且复用率高，也可以提升整个***的判断效率。并且可以覆盖包括简单场景及复杂场景在内的大多数交规。根据获取的交通参与者的参数信息判断交规原子命题的真伪；根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。由于生成的形式化交规包含有逻辑清晰的交规原子命题，通过更合理的形式化交规可以更好的评测自动驾驶整车行为或规划决策部分的输出结果是否遵守交规。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种自动驾驶汽车交通法规符合性仿真测试方法的流程示意图；
图2是本申请一个实施例提供的一种自动驾驶汽车交通法规符合性仿真测试方法中获取形式化交规的流程示意图；
图3是本申请一个实施例提供的一种自动驾驶汽车交通法规符合性仿真测试***的结构示意图；
图4是本申请一个实施例提供的一种自动驾驶汽车交通法规符合性仿真测试设备的结构示意图。
附图标记：获取模块-21；获取模块-22；判断模块-23；处理器-31；存储器-32。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
一种自动驾驶汽车交通法规符合性仿真测试方法，参照图1，包括：
S11：获取交通参与者的参数信息；
交通参与者的参数信息至少包括交通参与者固有属性信息、时间信息、环境信息、位置信息、速度信息、姿态信息、灯光信息、声音信息、状态信息等。
交通参与者的固有属性信息包括但不限于交通参与者的类别信息，该类别信息包括但不限于机动车、非机动车、行人、汽车、特种车、三轮车、二轮车等。尺寸信息包括交通参与者的长宽高等。环境信息包括但不限于自然环境信息，该信息包括交通参与者所处环境的雨、雪、雾、能见度、光照强度等信息；地图环境信息，该信息包括交通参与者所在区域的高精地图信息，高精地图信息中包括但不限于路面材质信息、车道线信息、交通标志信息、红绿灯信息等。位置信息包括但不限于交通参与者在世界坐标系、道路坐标系下的三维位置坐标信息或经纬度信息。速度信息包括但不限于交通参与者的线速度、线加速度、角速度、角加速度等信息，上述速度可以在世界坐标系下的取值，也可以是在自车坐标系下的取值。姿态信息包括但不限于交通参与者的俯仰角、偏航角、翻滚角或四元数等信息。灯光信息包括但不限于交通参与者的近光灯、远光灯、转向灯、刹车灯、危险紧急灯、雾灯、位灯等。声音信息包括但不限于鸣笛声、特种车辆声等。状态信息包括但不限于交通参与者的故障信息等。
S12：获取形式化交规；形式化交规中包含按照预设分类原则提取得到的交规原子命题；
获取形式化交规参照图2，具体包括：
S121：按照预设分类原则提取得到交规原子命题；
交规原子命题是对交规集合按照以下分类原则进行提取得到的：
可选分类原则1：
以道路为基准，逐层添加道路上的静态基础设施，临时状况的动态信息(如红绿灯)，在道路上的动态交通参与者行为和环境信息，将交规原子命题分类为：道路类命题、基础设施类命题、临时状况类命题、行为类命题和环境类命题；
提取分类后的各类交规原子命题。
该分类原则由底及上，逻辑清晰，各类命题互不交叉，复用率高，从而提升整个***的评测效率。
对按照分类原则1分类后的原子命题进行举例说明：
道路类原子命题包括但不限于：
onRamp/onAccLane/onDecLane/onEmergencyLane/onHighwayMain分别表示目标车在匝道/加速车道/减速车道/应急车道/高速主路上
onHighway/onUrbanRoad/onRuralRoad分别表示目标车在高速路/城市道路/乡村道路上
onRoadSideRight/onRoadSideLeft分别表示目标车在道路最右边/最左边的车道内
基础设施类原子命题包括但不限于：
infNostop/infSpeedlimit分别表示前方存在禁停标志/限速标志
临时状况类原子命题包括但不限于：
temTLightRed/temTLightGreen/temTLightYellow分别表示目标车行驶路径上的交通信号灯为红色/绿色/黄色
行为类原子命题包括但不限于：
stKeepLane表示目标车所处车道与上一状态点一致
stOnLine表示目标车处压线状态，包括所有的车道线、停止线
stCrossingLeft/stCrossingRight分别表示目标车正在压线，并且脱离压线状态后处于左侧车道/右侧车道
stReverse表示目标车在倒车
stStop表示目标车在停车
stRetrograde表示目标车在逆行
stCollision表示目标车发生碰撞
stSignalLeft/stSignalRight/stSignalEmergency/stSignalPositionLamps/stSignalTailLamps/stSignalFog/stSignalHeadLamps/stSignalLowBeam/stSignalHighBeam/stSignalHighLowFlicker分辨表示目标车左转向灯/右转向灯/双闪/示廓灯/尾灯/雾灯/前照灯/近光灯/远光灯/远近灯切换处于开启状态
stProperDist表示目标车与其他障碍物满足距离约束
stProperRightofWay表示目标车拥有路权
stProperSpeed表示目标车满足道路限速要求
stProperSpeedHorizontal表示目标车满足横向速度约束
stProperLane表示目标车在正确的车道上行驶
stProperAccVertical/stProperAccHorizontal表示目标车横/纵向加速度满足加速度约束
stBreakDown表示目标车发生故障
stHorn表示目标车正使用喇叭
stObjBehind/stObjAhead/stObjLeft/stObjRight表示其他目标在目标车后/前/左/右侧
stObjSameLane/stObjLeftLane/stObjRightLane表示其他目标和目标车同车道/在目标车左/右侧车道
actUTurn表示目标车调头
actTurnLeft/actTurnRight表示目标车左转/右转
环境类原子命题包括但不限于
envRain/envSnow/envFog表示当前环境为雨/雪/雾
envVisibilityLevelZero/envVisibilityLevelOne/envVisibilityLevelTwo/envVisibilityLevelThree表示能见度为0/1/2/3级
envLowIlluminance表示当前光照度低
envTrafficJam表示当前为堵车状态
可选分类原则2：
以交规基本构成要素为基准，描述所述交通参与者在预设环境下，处在预设道路上，发现预设信号，在做预设动作时，必须要满足预设约束条件，将所述交规原子命题分类为：环境类命题、位置类命题、信号类命题、动作类命题和约束条件类命题；
提取分类后的各类交规原子命题。
该分类原则逻辑清晰，各类命题互不交叉，复用率高，从而提升整个***的评测效率。
对按照分类原则2分类后的原子命题进行举例说明：
环境类原子命题包括但不限于
envRain/envSnow/envFog表示当前环境为雨/雪/雾
位置类原子命题包括但不限于
onRamp/onAccLane/onDecLane/onEmergencyLane/onHighwayMain分别表示目标车在匝道/加速车道/减速车道/应急车道/高速主路上
信号类原子命题包括但不限于
temTLightRed/temTLightGreen/temTLightYellow分别表示目标车行驶路径上的交通信号灯为红色/绿色/黄色
infNostop/infSpeedlimit分别表示前方存在禁停标志/限速标志
动作类原子命题包括但不限于
stCrossingLeft/stCrossingRight分别表示目标车正在压线，并且脱离压线状态后处于左侧车道/右侧车道
stReverse表示目标车在倒车
stStop表示目标车在停车
约束条件类原子命题包括但不限于
stProperDist表示目标车与其他障碍物满足距离约束
stProperSpeedHorizontal表示目标车满足横向速度约束
stProperLane表示目标车在正确的车道上行驶
stProperAccVertical/stProperAccHorizontal表示目标车横/纵向加速度满足加速度约束
S122：将交规原子命题和预设的联结词进行组合得到交规高级命题；
交规命题包括交规原子命题与交规高级命题，交规高级命题由交规原子命题与联结词组成。利用交规原子命题之间的组合生成交规高级命题，避免遇到新的目标动作或场景就用一个新的原子命题描述，减少了交规原子命题的数目，增加命题的复用率。
联结词包括：逻辑算子和时序算子；
逻辑算子联结词至少包括：否定、合取、析取、推导和等价；
时序算子联结词至少包括：下一时刻、直到、总是、最终、在该时间段内总会发生和该时间段内会发生。
参照下表：
逻辑算子总结表
时序算子总结表
优选的，将交规高级命题进行级别分类；
将交规原子命题、预设的联结词和低级别的交规高级命题进行组合得到高级别的交规高级命题。
原子命题又可以称为0级命题，只由0级命题和联结词组成的高级命题为1级命题，由1级命题和、0级命题和联结词组成的高级命题为2级命题，更高等级的原子命题组成方法以此类推。针对可选分类原则1，高级命题举例如下：
道路类1级命题包括但不限于
onRoadSide表示目标车在路边，onRoadRightSide∨onRoadLeftSide
onRoad表示目标车在道路上，onHighway∨onUrbanRoad∨onRuralRoad
行为类1级命题包括但不限于
stSurpass表示目标车超过其他车，stObjAhead∧X(stObjBehind)
actCrossLeft表示目标车接下来有换至左车道动作，
actCrossRight表示目标车接下来有换至右车道动作，
行为类2级命题包括但不限于
actOvertake表示目标车接下来有超车动作，actCrossLeft∧F(stKeepLane∧F(stSurpass∧F(stKeepLane∧F(actCrossRight))))或actCrossRight∧F(stKeepLane∧F(stSurpass∧F(stKeepLane∧F(actCrossLeft))))
S123：将交规原子命题、交规高级命题和联结词进行组合，或将交规高级命题和联结词进行组合，得到形式化交规。
形式化交规由交规命题与联结词组成。例如，“当确认与相邻车道后方车辆不满足安全距离时，不得换道”的形式化交规为：
(stCrossingLeft∧stObjLeftLane∧stObjBehind)∨(stCrossingRight∧stObjRightLane∧stObjBehind)→stProperDist
表示当目标车处于左变道状态时，若他车在目标车左侧车道且在目标车后面，则目标车需要与他车满足安全距离，或当目标车处于右变道状态时，若他车在目标车右侧车道且在目标车后面，则目标车需要与他车满足安全距离。
例如，“车辆在高速公路上行驶，不得倒车、逆行、穿越中央分隔带掉头”的形式化交规为：
表示目标车在高速路上时，不能处于倒车状态、逆行状态和掉头。
例如，“向左转弯、向左变更车道、准备超车时，应当提前T秒开启左转向灯”的形式化交规为：
(actTurnLeft∨actCrossLeft∨actOvertake)→G(-T,0)(stSignalLeft)
表示目标车左转、左变道或超车时，左转向灯处开启状态在前T秒内是一直成立的。
例如，“在高速上，自动驾驶车辆应与前车保持安全距离”的形式化交规为：
onHighway∧stObjAhead∧stObjSameLane→stProperDist
表明目标车在高速上时，若他车位于目标车前面且与目标车处于同一车道，目标车需要与他车保持安全距离。
例如，“车辆变道过程中，压线时间不得长于T秒”的形式化交规为：
表明当目标车处于左变道或右变道状态时，前T秒内存在不压线的状态。
例如，“超车时，只能从被超车辆左侧超车”的形式化交规为：
表明当目标车超车时，在目标车在他车后面变为在他车前面时，他车在目标车的右侧。
例如，“从加速车道驶入高速主路时，速度应不小于60km/h”的形式化交规为：
onHighway∧onAccLane∧X(stCrossingLeft)→stProperSpeed
表明当目标车在高速路上且在加速车道时，当目标车要从加速车道左变道时，要满足速度速度不小于60km/h的约束。
例如，“与目标碰撞前，要执行有效的安全处置措施”的形式化交规为：
stCollision→G(-T,0)(stProperAccVertical∧stProperAccHorizontal)
表明当目标车翻身碰撞前T秒内，要满足纵向减速度约束和横向加速度约束。
S13：根据交通参与者的参数信息判断交规原子命题的真伪；
根据交通参与者的参数信息，判断交规原子命题的真假。例如，通过目标车边界和车道线之间的位置关系得到stCrossingLeft/stCrossingRight等命题的判断结果；通过目标车和他车的位置关系得到stObjBehind/stObjAhead等命题的判断结果；通过目标车和他车所在车道ID的大小关系判断stObjLeftLane/stObjRightLane等命题的判断结果；通过目标车和他车之间的距离和安全距离的大小关系判断stProperDist等命题的判断结果。
具体的，根据每个时间点交通参与者的参数信息判断每个时间点交规原子命题的真伪，每一个时间点都可以判断每个命题的真假。
stCrossingLeft：False，Ture，Ture…
stCrossingRight：False，False，False…
stObjLeftLane：False，False，False…
stObjRightLane：False，False，False…
stObjBehind：Ture，Ture，False…
stObjAhead：False，False，Ture…
stProperDist：False，False，False…
stKeepLane：Ture，False，Ture…
stOnLine：Ture，Ture，Ture…
…
S14：根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。
具体包括：
根据交规原子命题的真伪判断交规高级命题的真伪；
根据交规原子命题的真伪和交规高级命题的真伪判断形式化交规的真伪。
同样的，根据每个时间点交规原子命题的真伪判断每个时间点交规高级命题的真伪。根据每个时间点交规原子命题的真伪和交规高级命题的真伪判断每个时间点形式化交规的真伪。
对根据交规原子命题的真伪判断交规高级命题的真伪进行举例说明：
actCrossLeft的真假由stOnLine、stCrossingLeft命题的真假得到，例如：
可以得到actCrossLeft：Ture。
stSurpass的真假由stObjAhead、stObjBehind命题的真假得到，例如：stObjAhead∧X(stObjBehind)：False∧X(Ture)，可以得到stSurpass：Ture。
actOvertake的真假由actCrossLeft、stKeepLane、stSurpass、actCrossRight命题的真假得到，例如：actCrossLeft∧F(stKeepLane∧F(stSurpass∧F(stKeepLane∧F(actCrossRight))))：Ture∧F(Ture∧F(Ture∧F(Ture∧F(Ture))))，可以得到actOvertake：Ture。
对根据交规原子命题的真伪和交规高级命题的真伪判断形式化交规的真伪进行举例说明：
对于交规(stCrossingLeft∧stObjLeftLane∧stObjBehind)∨(stCrossingRight∧stObjRightLane∧stObjBehind)→stProperDist
(Ture∧Ture∧Ture)∨(False∧False∧Ture)→False，可以得出该命题为假，即该形式化交规值为假，也就是说该车在变道时没有遵守该交规。
对于交规
本实施例中的自动驾驶汽车交通法规符合性仿真测试方法，获取的形式化交规中包含按照预设分类原则提取得到的交规原子命题。在提取交规原子命题时采用预设的分类原则，使得交规原子命题逻辑清晰，避免遗漏且复用率高，也可以提升整个***的判断效率。并且可以覆盖包括简单场景及复杂场景在内的大多数交规。根据获取的交通参与者的参数信息判断交规原子命题的真伪；根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。由于生成的形式化交规包含有逻辑清晰的交规原子命题，通过更合理的形式化交规可以更好的评测自动驾驶整车行为或规划决策部分的输出结果是否遵守交规。
一种自动驾驶汽车交通法规符合性仿真测试***，参照图3，包括：
获取模块21，用于获取交通参与者的参数信息；
获取模块22，用于获取形式化交规；形式化交规中包含按照预设分类原则提取得到的交规原子命题；
判断模块23，用于根据交通参与者的参数信息判断交规原子命题的真伪；根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。
本实施例中的自动驾驶汽车交通法规符合性仿真测试***，生成模块生成的形式化交规中包含按照预设分类原则提取得到的交规原子命题。在提取交规原子命题时采用预设的分类原则，使得交规原子命题逻辑清晰，避免遗漏且复用率高，也可以提升整个***的判断效率。并且可以覆盖包括简单场景及复杂场景在内的大多数交规。根据获取模块获取的交通参与者的参数信息通过判断模块判断交规原子命题的真伪；根据交规原子命题的真伪判断形式化交规的真伪，并用形式化交规的真伪代表交通参与者是否遵守交规。由于生成的形式化交规包含有逻辑清晰的交规原子命题，通过更合理的形式化交规可以更好的评测自动驾驶整车行为或规划决策部分的输出结果是否遵守交规。
一些实施例中的自动驾驶汽车交通法规符合性仿真测试***，还包括：
提取模块，用于按照预设分类原则提取得到交规原子命题；
合成模块，用于将交规原子命题和预设的联结词进行组合得到交规高级命题；将交规原子命题、交规高级命题和联结词进行组合，或将交规高级命题和联结词进行组合，得到形式化交规。
一些实施例中的自动驾驶汽车交通法规符合性仿真测试***，还包括：
判断模块，用于根据所述交规原子命题的真伪判断所述交规高级命题的真伪；根据所述交规原子命题的真伪和所述交规高级命题的真伪判断所述形式化交规的真伪。
一种自动驾驶汽车交通法规符合性仿真测试设备，参照图4，包括：
处理器31和存储器32；
处理器31与存储器32通过通信总线相连接：
其中，处理器31，用于调用并执行存储器32中存储的程序；
存储器32，用于存储程序，程序至少用于执行以上任一实施例中的自动驾驶汽车交通法规符合性仿真测试方法。
本发明实施例还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如以上实施例中的自动驾驶汽车交通法规符合性仿真测试方法中各个步骤。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种自动驾驶汽车交通法规符合性仿真测试方法，其特征在于，包括：
获取交通参与者的参数信息；
获取形式化交规；所述形式化交规中包含按照预设分类原则提取得到的交规原子命题；
根据所述交通参与者的参数信息判断所述交规原子命题的真伪；
根据所述交规原子命题的真伪判断所述形式化交规的真伪，并用所述形式化交规的真伪代表所述交通参与者是否遵守交规。
2.根据权利要求1所述的方法，其特征在于，所述获取形式化交规之前，所述方法还包括：
按照预设分类原则提取得到所述交规原子命题；
将所述交规原子命题和预设的联结词进行组合得到交规高级命题；
将所述交规原子命题、所述交规高级命题和所述联结词进行组合，或将所述交规高级命题和所述联结词进行组合，得到所述形式化交规。
3.根据权利要求2所述的方法，其特征在于，所述按照预设分类原则提取得到所述交规原子命题，包括：
以道路为基准，逐层添加道路上的静态基础设施，临时状况的动态信息，在道路上的动态交通参与者行为和环境信息，将所述交规原子命题分类为：道路类命题、基础设施类命题、临时状况类命题、行为类命题和环境类命题；
提取分类后的各类所述交规原子命题。
4.根据权利要求2所述的方法，其特征在于，所述按照预设分类原则提取得到所述交规原子命题，包括：
以交规基本构成要素为基准，描述所述交通参与者在预设环境下，处在预设道路上，发现预设信号，在做预设动作时，必须要满足预设约束条件，将所述交规原子命题分类为：环境类命题、位置类命题、信号类命题、动作类命题和约束条件类命题；
提取分类后的各类所述交规原子命题。
5.根据权利要求2所述的方法，其特征在于，所述根据所述交规原子命题的真伪判断所述形式化交规的真伪，包括：
根据所述交规原子命题的真伪判断所述交规高级命题的真伪；
根据所述交规原子命题的真伪和所述交规高级命题的真伪判断所述形式化交规的真伪。
6.根据权利要求1所述的方法，其特征在于，所述根据所述交通参与者的参数信息判断所述交规原子命题的真伪，包括：根据每个时间点所述交通参与者的参数信息判断每个时间点所述交规原子命题的真伪；
所述根据所述交规原子命题的真伪判断所述形式化交规的真伪，具体包括：根据每个时间点所述交规原子命题的真伪判断每个时间点所述形式化交规的真伪。
7.根据权利要求2所述的方法，其特征在于，还包括：
将所述交规高级命题进行级别分类；
将所述交规原子命题、所述预设的联结词和低级别的交规高级命题进行组合得到高级别的交规高级命题。
8.根据权利要求1所述的方法，其特征在于，所述交通参与者的参数信息至少包括：参与者固有属性信息、时间信息、环境信息、位置信息、速度信息、姿态信息、灯光信息、声音信息和状态信息。
9.根据权利要求2所述的方法，其特征在于，所述预设的联结词包括：逻辑算子和时序算子；
逻辑算子联结词至少包括：否定、合取、析取、推导和等价；
时序算子联结词至少包括：下一时刻、直到、总是、最终、在该时间段内总会发生和该时间段内会发生。
10.一种自动驾驶汽车交通法规符合性仿真测试***，其特征在于，包括：
获取模块，用于获取交通参与者的参数信息；
生成模块，用于获取形式化交规；所述形式化交规中包含按照预设分类原则提取得到的交规原子命题；
判断模块，用于根据所述交通参与者的参数信息判断所述交规原子命题的真伪；根据所述交规原子命题的真伪判断所述形式化交规的真伪，并用所述形式化交规的真伪代表所述交通参与者是否遵守交规。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564766.2A CN113254336B (zh) | 2021-05-24 | 2021-05-24 | 自动驾驶汽车交通法规符合性仿真测试方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564766.2A CN113254336B (zh) | 2021-05-24 | 2021-05-24 | 自动驾驶汽车交通法规符合性仿真测试方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113254336A true CN113254336A (zh) | 2021-08-13 |
| CN113254336B CN113254336B (zh) | 2022-11-08 |
Family
ID=77183905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110564766.2A Active CN113254336B (zh) | 2021-05-24 | 2021-05-24 | 自动驾驶汽车交通法规符合性仿真测试方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113254336B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114077797A (zh) * | 2021-11-29 | 2022-02-22 | 公安部道路交通安全研究中心 | 基于道路通行法规的自动驾驶测试场景设计方法和装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108958066A (zh) * | 2017-05-19 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 仿真测试方法和装置 |
| CN108986473A (zh) * | 2017-05-31 | 2018-12-11 | 蔚来汽车有限公司 | 车载交通违规行为识别与处理***和方法 |
| CN109849816A (zh) * | 2019-02-01 | 2019-06-07 | 公安部交通管理科学研究所 | 一种自动驾驶汽车驾驶能力评测方法、装置及*** |
| CN109872392A (zh) * | 2019-02-19 | 2019-06-11 | 北京百度网讯科技有限公司 | 基于高精地图的人机交互方法和装置 |
| 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 |
| US20190317496A1 (en) * | 2018-04-11 | 2019-10-17 | GM Global Technology Operations LLC | Method and apparatus for automatical rule learning for autonomous driving |
| CN110597086A (zh) * | 2019-08-19 | 2019-12-20 | 深圳元戎启行科技有限公司 | 仿真场景生成方法和无人驾驶***测试方法 |
| CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
| CN110673636A (zh) * | 2019-09-30 | 2020-01-10 | 上海商汤临港智能科技有限公司 | 无人驾驶仿真测试***及方法、存储介质 |
| US20200050719A1 (en) * | 2018-08-09 | 2020-02-13 | Sick Ag | Determining One or More Characteristic Values and Simulating Traffic for an Autonomously Trafficable Environment |
| CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
| CN110874738A (zh) * | 2018-09-02 | 2020-03-10 | 许先学 | 智能交管的交通违规信息的采集和处理方法、装置及智能交管 |
| WO2020060478A1 (en) * | 2018-09-18 | 2020-03-26 | Sixan Pte Ltd | System and method for training virtual traffic agents |
| US20200125472A1 (en) * | 2018-10-17 | 2020-04-23 | Toyota Research Institute, Inc. | Systems and methods for automatic test generation |
| US10636295B1 (en) * | 2019-01-30 | 2020-04-28 | StradVision, Inc. | Method and device for creating traffic scenario with domain adaptation on virtual driving environment for testing, validating, and training autonomous vehicle |
| CN111409648A (zh) * | 2019-01-08 | 2020-07-14 | 上海汽车集团股份有限公司 | 一种驾驶行为分析方法及装置 |
| CN111651712A (zh) * | 2020-05-27 | 2020-09-11 | 北京航空航天大学 | 一种智能汽车测试场景复杂度的评估方法及*** |
| CN111785025A (zh) * | 2020-07-22 | 2020-10-16 | 北京航空航天大学 | 一种基于自动驾驶模块车的新型灵活公交调度方法 |
| CN112819968A (zh) * | 2021-01-22 | 2021-05-18 | 北京智能车联产业创新中心有限公司 | 基于混合现实的自动驾驶车辆的测试方法和装置 |
-
2021
- 2021-05-24 CN CN202110564766.2A patent/CN113254336B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108958066A (zh) * | 2017-05-19 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 仿真测试方法和装置 |
| CN108986473A (zh) * | 2017-05-31 | 2018-12-11 | 蔚来汽车有限公司 | 车载交通违规行为识别与处理***和方法 |
| US20190317496A1 (en) * | 2018-04-11 | 2019-10-17 | GM Global Technology Operations LLC | Method and apparatus for automatical rule learning for autonomous driving |
| US20200050719A1 (en) * | 2018-08-09 | 2020-02-13 | Sick Ag | Determining One or More Characteristic Values and Simulating Traffic for an Autonomously Trafficable Environment |
| CN110874738A (zh) * | 2018-09-02 | 2020-03-10 | 许先学 | 智能交管的交通违规信息的采集和处理方法、装置及智能交管 |
| WO2020060478A1 (en) * | 2018-09-18 | 2020-03-26 | Sixan Pte Ltd | System and method for training virtual traffic agents |
| US20200125472A1 (en) * | 2018-10-17 | 2020-04-23 | Toyota Research Institute, Inc. | Systems and methods for automatic test generation |
| CN111409648A (zh) * | 2019-01-08 | 2020-07-14 | 上海汽车集团股份有限公司 | 一种驾驶行为分析方法及装置 |
| US10636295B1 (en) * | 2019-01-30 | 2020-04-28 | StradVision, Inc. | Method and device for creating traffic scenario with domain adaptation on virtual driving environment for testing, validating, and training autonomous vehicle |
| CN109849816A (zh) * | 2019-02-01 | 2019-06-07 | 公安部交通管理科学研究所 | 一种自动驾驶汽车驾驶能力评测方法、装置及*** |
| CN109872392A (zh) * | 2019-02-19 | 2019-06-11 | 北京百度网讯科技有限公司 | 基于高精地图的人机交互方法和装置 |
| 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 |
| CN110597086A (zh) * | 2019-08-19 | 2019-12-20 | 深圳元戎启行科技有限公司 | 仿真场景生成方法和无人驾驶***测试方法 |
| CN110597711A (zh) * | 2019-08-26 | 2019-12-20 | 湖南大学 | 一种基于场景和任务的自动驾驶测试用例生成方法 |
| CN110795818A (zh) * | 2019-09-12 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 一种确定虚拟测试场景方法、装置、电子设备和存储介质 |
| CN110673636A (zh) * | 2019-09-30 | 2020-01-10 | 上海商汤临港智能科技有限公司 | 无人驾驶仿真测试***及方法、存储介质 |
| CN111651712A (zh) * | 2020-05-27 | 2020-09-11 | 北京航空航天大学 | 一种智能汽车测试场景复杂度的评估方法及*** |
| CN111785025A (zh) * | 2020-07-22 | 2020-10-16 | 北京航空航天大学 | 一种基于自动驾驶模块车的新型灵活公交调度方法 |
| CN112819968A (zh) * | 2021-01-22 | 2021-05-18 | 北京智能车联产业创新中心有限公司 | 基于混合现实的自动驾驶车辆的测试方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114077797A (zh) * | 2021-11-29 | 2022-02-22 | 公安部道路交通安全研究中心 | 基于道路通行法规的自动驾驶测试场景设计方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113254336B (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110597711B (zh) | 一种基于场景和任务的自动驾驶测试用例生成方法 | |
| CN111583711B (zh) | 行为控制方法和行为控制设备 | |
| US20220187834A1 (en) | Generating trajectories for autonomous vehicles | |
| US20190143992A1 (en) | Self-driving learning apparatus and method using driving experience information | |
| US20220169214A1 (en) | Emergency braking for autonomous vehicles | |
| CN113212454B (zh) | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 | |
| CN113320545A (zh) | 一种基于线控智能车辆的预路口行为决策方法 | |
| CN112987711B (zh) | 自动驾驶规控算法优化方法及仿真测试装置 | |
| CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
| Huang et al. | Study on the test scenarios of level 2 automated vehicles | |
| CN113254336B (zh) | 自动驾驶汽车交通法规符合性仿真测试方法及*** | |
| Xie et al. | Study on the controlled field test scenarios of automated vehicles | |
| CN115165387A (zh) | 一种自动驾驶整车性能测试的控制方法、装置及*** | |
| CN111476491A (zh) | 一种城市交通场景中的车辆运动模拟分析方法 | |
| CN112896166A (zh) | 车辆换道方法、装置和电子设备 | |
| CN115985096A (zh) | 一种导航驾驶辅助***道路通行场景下的测评***及方法 | |
| WO2023133758A1 (zh) | 测试方法及装置 | |
| CN115092186A (zh) | 一种车辆自动驾驶方法及装置、电子设备、存储介质 | |
| CN115431961A (zh) | 车辆的控制方法、装置、车辆及存储介质 | |
| CN114003582A (zh) | 针对自动驾驶车辆的交通事故前场景推导方法及存储介质 | |
| Kale et al. | Simulation based design and development of test track for adas functions validation and verification with respect to indian scenario | |
| Nakamura et al. | A vehicle behavioral analysis of the signal pre-warning information provided to the driver | |
| EP4353560A1 (en) | Vehicle control method and apparatus | |
| CN114414259B (zh) | 车辆的防碰撞测试方法、装置、电子设备及存储介质 | |
| Zhang et al. | Research on construction method and application of autonomous driving test scenario database |
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 |