CN113535816A - 一种智能网联云控车辆的行车性能评价方法及*** - Google Patents

Abstract

本发明提供了一种智能网联云控车辆的行车性能评价方法及***，首先确定目标智能网联车辆对应的目标测试场景，其次测试每个目标测试场景，以得到每个目标测试场景对应的测试数据；然后确定每个目标测试场景对应的测试评价指标，并基于测试评价指标从测试数据中提取每个目标测试场景对应的一个或者多个目标测试参数；接着对每个目标测试参数均进行差异量化分析，并计算每个差异量化分析后的目标测试参数的权重值；最后基于每个差异量化分析后的目标测试参数以及差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。本发明能够达到提供测试精度的目的。

Description

一种智能网联云控车辆的行车性能评价方法及***

技术领域

本发明涉及智能网联车辆测试技术领域，特别是涉及一种智能网联云控车辆的行车性能评价方法及***。

背景技术

智能网联云控平台体系，是通过综合感知、通信、计算、控制等技术，基于标准化通信协议，实现物理空间与信息空间，包括“车、交通、环境”等要素的相互映射，标准化交互与高效协同、利用云计算大数据能力，解决***性的资源优化与配置问题，促进人车路运行按需响应、快速迭代、动态优化，最终实现协同式无人驾驶的体系。其中，云控基础平台更是为智能汽车及其用户、管理机构、服务机构等提供车辆运行、基础设施、交通环境、交通管理等动态基础数据，具有高性能信息共享、高实时性云计算、大数据分析、信息安全等基础服务机制，部署和运行包括智能网联汽车协同感知、决策与控制，智能交通管控，公共出行服务，智能网联汽车测试等在内的多类行业服务。

目前，智能网联汽车技术也面临着诸多挑战，其中智能网联汽车的行车性能测试挑战尤为突出。

发明内容

本发明的目的是提供一种智能网联云控车辆的行车性能评价方法及***，以达到提供测试精度的目的。

为实现上述目的，本发明提供了如下方案：

一种智能网联云控车辆的行车性能评价方法，包括：

确定目标智能网联车辆对应的目标测试场景；

测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项；

确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数；

对每个所述目标测试参数均进行差异量化分析；

计算每个差异量化分析后的目标测试参数的权重值；

基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。

可选的，所述确定目标智能网联车辆对应的目标测试场景，具体包括：

确定目标智能网联车辆对应的测试项目；

根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

可选的，所述测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据，具体包括：

启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

可选的，所述对每个所述目标测试参数均进行差异量化分析，具体包括：

基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

可选的，所述计算每个差异量化分析后的目标测试参数的权重值，具体包括：

采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

一种智能网联云控车辆的行车性能评价***，包括：

目标测试场景确定模块，用于确定目标智能网联车辆对应的目标测试场景；

测试数据确定模块，用于测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项；

目标测试参数提取模块，用于确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数；

差异量化分析模块，用于对每个所述目标测试参数均进行差异量化分析；

权重值计算模块，用于计算每个差异量化分析后的目标测试参数的权重值；

评价模块，用于基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。

可选的，所述目标测试场景确定模块，具体包括：

测试项目确定单元，用于确定目标智能网联车辆对应的测试项目；

目标测试场景确定单元，用于根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

可选的，所述测试数据确定模块，具体包括：

测试数据确定单元，用于启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

可选的，所述差异量化分析模块，具体包括：

差异量化分析单元，用于基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

可选的，所述权重值计算模块，具体包括：

权重值计算单元，用于采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明根据不同的测试场景选择不同的测试评价指标，根据不同的测试评价指标确定相应的目标测试参数，并对每个目标测试参数均进行差异量化分析，进而计算每个差异量化分析后的目标测试参数的权重值，避免了不同的测试场景选择同样的测试评价指标，以及所有目标测试参数赋予同样权重值所带来的测试精度不高的风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种智能网联云控车辆的行车性能评价方法的流程示意图；

图2为本发明一种智能网联云控车辆的行车性能评价方法的整体流程示意图；

图3为本发明一种智能网联云控车辆的行车性能评价***的结构示意图。

具体实施方式

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实施例，而不是全部的实施例。基于本发明中的实施例，本领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，都属于本发明保护的范围。

本发明的目的是提供一种智能网联云控车辆的行车性能评价方法及***，以达到提供测试精度的目的。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

请参见图1和图2，本实施例提供的一种智能网联云控车辆的行车性能评价方法，具体包括：

步骤101：确定目标智能网联车辆对应的目标测试场景。

对于智能网联车辆测试规程的规范及实践，根据国家出台的相关法规标准、相关赛事标准等，现从安全性和智能性两个方面进行总结，以确定基本测试场景，并在确定基本测试场景后，可以针对不同类型的参数进行场景泛化，从而生成批量场景。泛化的方法可以采用仿真软件进行，如表1所示为将安全性和智能性相结合确定的基本测试场景。

表1测试项目与基本测试场景关系表

鉴于此，本实施例所述的步骤101具体包括：

确定目标智能网联车辆对应的测试项目。

根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

步骤102：测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项。

启动基本测试场景，可对智能网联车辆参数、场景静态路网参数、场景动态目标参数、环境参数等进行泛化处理。其中，智能网联车辆参数包括悬架、底盘、刹车、制动、转向、轮胎、动力总成等***内的详细参数；场景静态路网参数包括车道长度、车道宽度、车道数目、曲率半径等；场景动态目标参数包括除主车(研究的智能网联车辆)外的动态交通参与者的相关参数，如动态交通参与车辆的ID、动态交通参与车辆驾驶员的ID、动态交通参与车辆的初始速度、动态交通参与车辆的最大速度、动态交通参与车辆的状态、超车风险、信号监测、限速风险等驾驶策略参数；环境参数包括一些天气参数和自然参数，天气参数包括黎明、白天、黄昏、夜晚等，温度、气压、云层、雾距、地表温度、雨水程度、湿度、下雪程度、路面积雪积水程度等，自然参数包括自适应光线、光线最大值、最小值等。对于泛化的策略一般可采用全因子泛化策略、蒙特卡洛泛化策略等。

确定目标智能网联车辆对应的目标测试场景后，启动测试程序，即对智能网联车辆的相关参数进行泛化处理，以得到测试数据，并将测试后的相关测试数据通过云平台直接上传到测试***。相关测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据等。

其中，设备在线数量统计数据主要包括路侧设备总数、路侧设备上线数、车载设备总数和车载设备上线数；设备信息统计数据主要包括设备类型(OBU、RSU等)、序列号、连接次数等；基础数据统计数据包括车辆自身速度、加速度、转向、刹车、双闪、位置、报警TTC、跟停距离等，主要用于V2V场景，如变道预警、盲区预警、交叉路口碰撞预警等；路侧检测信息统计数据包括V2I场景(如限速标志、超速预警、道路施工，湿滑状况、公交车道预警等)，车辆发生事故、车辆异常、异物闯入等，路侧接收量和发送量统计，路口红绿灯，路侧RSU集成信号机或者信号机通过UU方式传入到平台，如车速引导、绿波推送场景等；测试场景触发统计数据主要包括测试车辆对盲区、车辆让行、危险车辆、前车刹车、主车追尾等场景的触发率；通信信息统计数据主要统计BSM(基础安全消息)、RSI(路侧信息)、RSM(路侧安全消息)、SPAT(交通灯相位与时序消息)和MAP(地图消息)五种消息。

鉴于此，本实施例所述的步骤102具体包括：

启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

步骤103：确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数。所述目标测试参数为设备在线数量统计数据中、设备信息统计数据中、基础数据统计数据中、路侧检测信息统计数据中、测试场景触发统计数据中或通信信息统计数据中的一项参数值。

根据确定的测试场景，本着完备性、科学性、针对性、可量化性的四大原则确定测试评价指标。其中，完备性原则主要通过相关标准测试文件规定，如TTC、特定场景测试速度等、国内外各项赛事、实际驾驶测试经验进行总结归纳出可作为评价车辆相关性能的指标；科学性原则是指评价指标要能够客观科学地反映出智能网联车辆在多方面的智能水平；针对性原则是指要对评价对象有着明确的目的、评价维度，最终的评价结果能充分反映出评价的目的；可量化性原则是指评价指标需要在原则上有合理可靠的理论方法能对其进行量化分析，并且要考虑量化分析的难度。

本着四大原则归纳总结出评价指标后再利用分析法对大量的评价指标逐步细化梳理，直到每一个评价指标都可以通过具体参数、组合参数计算来评价车辆性能。确定的部分评价指标如表2所示。其中，表格中测试场景中包含识别响应的场景均有共同指标“识别准确率”和“车速控制响应时间”；安全预警类场景均有共同指标“通信包接收成功率”和“预警机制预留时间”。

表2测试场景与评价指标关系表

测试评价指标确定以后，可通过字段匹配算法提取测试数据中与测试评价指标相关的测试参数，如基于“车辆起步”、“靠路边停车”指标，可以通过测试数据中的基础数据统计数据提取“加速度”参数；基于“道路危险状况提示”指标，可以通过测试数据中的路侧检测信息统计数据提取“道路状况”相关参数。

鉴于此，本实施例所述的步骤103具体包括：

基于测试场景与评价指标关系表，确定每个所述目标测试场景对应的测试评价指标。

基于字段匹配算法和所述测试评价指标，从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数。

步骤104：对每个所述目标测试参数均进行差异量化分析。

对于不同的测试场景，评价指标也有所不同，得到的目标测试参数也不同；故需要对不同的目标测试参数进行差异量化分析。

比如，对一些如换道、转弯、换道超车等测试场景可提取车辆行驶参数中的经纬度，然后采取坐标转换对其横向行驶轨迹误差进行李雅普诺夫指数法分析以评价车辆横向操纵性，其指数大小表示智能网联车辆测试状态收敛到稳态响应的快慢程度，智能网联车辆的目标测试参数重要度排序关系可以该指数值作为依据，指数越小则该测试场景完成难度越简单，车辆表现相对会越好。

具体的量化计算过程如下：

(1)通过车辆横向形式轨迹误差偏差时间序列{T(t_i),i＝1,2,…N}计算平均周期P。

(2)计算上述时间序列的时间延迟τ和时间窗口t_ξ，从而得到嵌入维数m，其中，m＝t_ξ/τ+1。

(3)重构相空间{N_j,j＝1,2,…M}，在相空间中选择每个演化相点J距当前相点I的距离差，找到最近邻点，且：|I-J|＞P。

(4)计算相空间中相点的邻点对的i个离散时间步长后最短距离D_j(i)：

D_j(i)＝|N_I+i-N_J+i|；

i＝1,2,…min(M-I,M-J)；

(5)计算a个相点i非零D_j(i)对应的lnD_j(i)，进而得到平均n(i)，即：

通过最小二乘法做回归直线，直线的斜率即为要计算的评价指标的李雅普诺夫指数值。

对一些车辆启动、停车、紧急制动等测试场景可提取实际车辆加速度参数等，将其与理想值做误差进行二范数/无穷范数计算以衡量车辆加速及乘坐舒适性，二范数值的大小表示车辆加速度值的偏差大小，偏差越小，车辆运动过程中的表现相对会越好。具体范数型量化指标的数学表达式为：

其中，L₂和L_∞分别为加速及乘坐舒适特性的范数型量化结果，a为车辆纵向加速度，a_f为期望纵向加速度。一般理想值可依据国家出台相关的测试文件、赛事文件中的规定值或者驾驶经验数据得到。

鉴于此，本实施例所述的步骤104具体包括：

基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

步骤105：计算每个差异量化分析后的目标测试参数的权重值。

对目标测试参数进行有差异量化分析后可通过层次分析法、序关系分析法、主客观赋权组合法等得出各目标测试参数的权重值。

如在层次分析法中，需要构造可拓判断矩阵，需要对各差异量化分析后的目标测试参数进行两两比较，比较的依据为李雅普诺夫指数或范数型量化结果值(即差异量化分析后的目标测试参数)，当李雅普诺夫指数或者范数型量化结果值大时，其对应的目标测试参数重要度也大，即权重值也大。

同样的，其他方法中，对差异量化分析后的目标测试参数进行比较时，都依据差异量化分析的结果，这样使得权重计算的结果更加准确合理。

鉴于此，本实施例所述的步骤105具体包括：

采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

步骤106：基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能

基于不同任务需求、每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值不同的需求，采用灰色关联法、模糊综合评价法或变权综合评价法等，得出各差异量化分析后的目标测试参数的评价分数以及目标智能网联车辆行车性能的总评价分数。

当各目标测试参数之间需要关联融合评价时，此时需要灰色关联法进行处理，以得出各目标测试参数的总体优劣评价排序；当赛事中智能网联车辆最终总体评价分数相同情况下，个别目标测试参数尤其是权重较小的目标测试参数出现严重缺陷时，未能对评价分数造成太大影响，显然不能反映智能网联车辆的真实情况，需要考虑评价均衡性，此时需要采用变权综合评价法进行处理，才能准确评价赛事中的智能网联车辆。

其中，灰色关联法的主要计算步骤如下：

(1)将不同智能网联车辆的各差异量化分析后的目标测试参数构成比较数列，记作：D_i(j)，i＝1,2…m表示智能网联车辆的数量，j＝1,2…n表示车辆的评价指标数。比较数列记为：

D₀(j)＝{D₀(1),D₀,2…,D₀(m)}；

对各差异量化分析后的目标测试参数进行无量纲化处理：

(2)计算比较数列的关联系数：

η为分辨系数，能够使关联系数差异更加明显，取值范围为0-1，通常取中间值0.5。

(3)得到单个差异量化分析后的目标测试参数的关联系数后，可以看出单个差异量化分析后的目标测试参数的优劣程度，综合各差异量化分析后的目标测试参数的关联系数可以得到智能网联车辆表现行为的总体关联度：

ω_j为上面所述相关方法计算得出智能网联车辆各差异量化分析后的目标测试参数所占的权重值。

越大，表示智能网联车辆行为水平表现越好，化成百分制即为各差异量化分析后的目标测试参数的评价分数，同样的步骤可以计算得到总的评价分数。该灰色关联法多用于多车辆间进行性能对比。

在得到各差异量化分析后的目标测试参数的评价分数和总评价分数后，如需要对比比赛的智能网联车辆表现的优劣，可直观通过总评价分数进行比较，或者仅仅用于评价车辆性能的优劣，则可以根据测试需求自定义设置阈值以等级的形式评价，同时各差异量化分析后的目标测试参数的分数可以指出在测试过程中车辆具体在哪些方面存在不足。

另外，测试评价过程中的相关量化分析值、权重计算值、评价分数等可通过分析图的形式自动形成测试报告输出，供用户下载。

本实施例公开了一种智能网联云控车辆的行车性能评价方法，包括：根据相关法规标准及实践从安全、智能两个方面确定目标测试场景；通过云平台将实际测试数据上传并对数据进行统计；确定测试评价指标，对车辆行驶参数进行提取、处理；根据分析结果对不同的车辆行驶参数进行有差异量化分析，形成测评方法和结果。本实施例提供的评价方法可以直接有效的通过云平台对智能网联车辆进行测试评价，且评价结果更加合理可靠。

实施例二

请参见图3，本实施例提供了一种智能网联云控车辆的行车性能评价***，包括：

目标测试场景确定模块301，用于确定目标智能网联车辆对应的目标测试场景。

测试数据确定模块302，用于测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项。

目标测试参数提取模块303，用于确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数。

差异量化分析模块304，用于对每个所述目标测试参数均进行差异量化分析。

权重值计算模块305，用于计算每个差异量化分析后的目标测试参数的权重值。

评价模块306，用于基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。

其中，所述目标测试场景确定模块301，具体包括：

测试项目确定单元，用于确定目标智能网联车辆对应的测试项目。

目标测试场景确定单元，用于根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

所述测试数据确定模块302，具体包括：

测试数据确定单元，用于启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

所述差异量化分析模块304，具体包括：

差异量化分析单元，用于基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

所述权重值计算模块305，具体包括：

权重值计算单元，用于采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种智能网联云控车辆的行车性能评价方法，其特征在于，包括：

确定目标智能网联车辆对应的目标测试场景；

测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项；

确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数；

对每个所述目标测试参数均进行差异量化分析；

计算每个差异量化分析后的目标测试参数的权重值；

基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。

2.根据权利要求1所述的一种智能网联云控车辆的行车性能评价方法，其特征在于，所述确定目标智能网联车辆对应的目标测试场景，具体包括：

确定目标智能网联车辆对应的测试项目；

根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

3.根据权利要求1所述的一种智能网联云控车辆的行车性能评价方法，其特征在于，所述测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据，具体包括：

启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

4.根据权利要求1所述的一种智能网联云控车辆的行车性能评价方法，其特征在于，所述对每个所述目标测试参数均进行差异量化分析，具体包括：

基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

5.根据权利要求1所述的一种智能网联云控车辆的行车性能评价方法，其特征在于，所述计算每个差异量化分析后的目标测试参数的权重值，具体包括：

采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

6.一种智能网联云控车辆的行车性能评价***，其特征在于，包括：

目标测试场景确定模块，用于确定目标智能网联车辆对应的目标测试场景；

测试数据确定模块，用于测试每个所述目标测试场景，以得到每个所述目标测试场景对应的测试数据；所述测试数据包括设备在线数量统计数据、设备信息统计数据、基础数据统计数据、路侧检测信息统计数据、测试场景触发统计数据和通信信息统计数据中的一项或者多项；

目标测试参数提取模块，用于确定每个所述目标测试场景对应的测试评价指标，并基于所述测试评价指标从所述测试数据中提取每个所述目标测试场景对应的一个或者多个目标测试参数；

差异量化分析模块，用于对每个所述目标测试参数均进行差异量化分析；

权重值计算模块，用于计算每个差异量化分析后的目标测试参数的权重值；

评价模块，用于基于每个所述差异量化分析后的目标测试参数以及所述差异量化分析后的目标测试参数对应的权重值，评价所述目标智能网联车辆的行车性能。

7.根据权利要求6所述的一种智能网联云控车辆的行车性能评价***，其特征在于，所述目标测试场景确定模块，具体包括：

测试项目确定单元，用于确定目标智能网联车辆对应的测试项目；

目标测试场景确定单元，用于根据所述目标智能网联车辆对应的测试项目，基于测试项目与基本测试场景关系表，确定所述目标智能网联车辆对应的目标测试场景；所述基本测试场景是根据安全性原则和智能性原则确定的。

8.根据权利要求6所述的一种智能网联云控车辆的行车性能评价***，其特征在于，所述测试数据确定模块，具体包括：

测试数据确定单元，用于启动每个所述目标测试场景，并在测试所述目标测试场景时，采用全因子泛化策略或蒙特卡洛泛化策略，对所述目标智能网联车辆的相关参数进行泛化处理，以得到每个所述目标测试场景对应的测试数据；所述相关参数包括智能网联车辆参数、场景静态路网参数、场景动态目标参数和环境参数中的一项或者多项。

9.根据权利要求6所述的一种智能网联云控车辆的行车性能评价***，其特征在于，所述差异量化分析模块，具体包括：

差异量化分析单元，用于基于范数型量化算法和/或李雅普诺夫指数算法，对每个所述目标测试参数均进行差异量化分析。

10.根据权利要求6所述的一种智能网联云控车辆的行车性能评价***，其特征在于，所述权重值计算模块，具体包括：

权重值计算单元，用于采用层次分析法、序关系分析法或主客观赋权组合法，计算每个差异量化分析后的目标测试参数的权重值。

Images