CN114648231A

CN114648231A - 一种车路协同路侧数据质量评价方法

Info

Publication number: CN114648231A
Application number: CN202210317635.9A
Authority: CN
Inventors: 李靖; 卢中亮; 于文峰; 刘祺; 徐俊; 朱疆
Original assignee: Beijing Tsing Vast Information Technology Co ltd
Current assignee: Beijing Tsing Vast Information Technology Co ltd
Priority date: 2022-03-29
Filing date: 2022-03-29
Publication date: 2022-06-21

Abstract

本发明提供了一种车路协同路侧数据质量评价方法，涉及车路协同技术领域，包括：获取相同时空条件下的车辆高精度定位数据和路侧数据；将高精度定位数据作为真值数据，计算路侧数据的响应时间、感知精度和感知范围；获取道路上同一识别物在同一路侧设备中的所有数据；计算路侧设备的感知频率离散度、感知稳定性和时间延迟；通过响应时间、感知精度、感知范围、感知频率离散度、感知稳定性和时间延迟多项指标综合评价路侧数据质量。本发明采集同一时空条件下路侧数据与高精度定位车辆数据，横向对比高精度定位数据与路侧数据进行路侧感知精度评价，纵向对比同一物体的路侧数据进行路侧感知稳定性评价，通过多项指标实现路侧数据质量评价的目标。

Description

一种车路协同路侧数据质量评价方法

技术领域

本发明属于车路协同技术领域，尤其是涉及一种车路协同路侧数据质量评价方法。

背景技术

在5G网络的支持下，车路协同已成为我国发展智能网联汽车、支撑高等级自动驾驶实现的重要技术路线之一，路侧感知***也随之成为助力各类车联网应用场景落地的必要技术手段，如何对数据质量进行评估就成为智慧公路、车路协同快速发展下亟需破解的难题。

目前，有人提出以“***化”评测视角开展基于真值的测试方法探索，搭建了基于高线束激光雷达与摄像头组成的路侧真值***，以人工标注的方式获取绝对真值，基于误检率、漏检率、类别错误率等指标，与路侧真值***离线输出的结果进行比对，输出了真值***的检测误差统计结果。

基于真值的测试方法，其真值***本身也属于路侧感知***，其生成的真值客观性、准确性仍然难以保证，构成真值***的部件组成未来难以计量。且真值***中有些数据需要以人工标注的方式进行构建绝对真值，具体操作中费时费力。

发明内容

针对上述问题，本发明提出了一种车路协同路侧数据质量评价方法，通过采集同一时空条件下路侧数据与高精度定位车辆数据，并计算相应的评价指标，实现路侧数据质量评价的目标。

为实现上述目的，本发明公开了一种车路协同路侧数据质量评价方法，包括：

获取相同时空条件下的车辆高精度定位数据和路侧设备记录的路侧数据；

将所述高精度定位数据作为真值数据，计算所述路侧数据的响应时间、感知精度和感知范围；

获取道路上同一路侧设备在任意时间段的所有路侧数据，包括多个识别物的感知数据；

计算所述路侧设备的感知频率、感知稳定性和时间延迟；

将计算得到的所述响应时间、感知精度、感知范围、感知频率、感知稳定性、时间延迟分别与预设的各指标要求对比，评价所述路侧数据质量。

作为本发明的进一步改进，计算所述高精度定位数据和所述路侧数据通过同一参考线时的时间差，得到响应时间。

作为本发明的进一步改进，所述响应时间的计算过程包括：

在垂直于车辆行驶轨迹方向上划定参考线，在参考线上取2个点P₁、P₂，并记轨迹点数据为p_i(i＝1…n)，则P₁、P₂和p_i组成三角形；

根据路侧数据中的轨迹点计算所有三角形的面积，面积最小的轨迹点即为车辆经过所述参考线时对应的路侧数据；

根据高精度定位数据中的轨迹点计算所有三角形的面积，面积最小的轨迹点即为车辆经过所述参考线时对应的高清定位数据；

将车辆经过所述参考线时的高清定位数据时刻与路侧数据时刻相减，获得路侧数据的响应时间。

作为本发明的进一步改进，所述感知精度是在相同时间条件下，所述路侧数据与所述高精度定位数据的偏差精度，包括速度精度、航向角精度、定位精度和定位覆盖率。

作为本发明的进一步改进，

将所述高精度定位数据与所述路侧数据根据时间戳进行配对，使每对数据的时间差小于预设阈值，获得配对后的数据对序列；

先计算所述数据对序列中每对数据的速度绝对误差，再计算所述速度绝对误差的均值和标准差，得到所述速度精度；

先计算所述数据对序列中每对数据的航向角误差，再计算所述航向角误差的均值和标准差，得到所述航向角精度；

先计算所述数据对序列中每对数据的GPS位置的距离差，计算所述距离差的均值和标准差，得到所述定位精度；

设定一个定位精度档位，计算所述数据对序列中各对数据的GPS位置的距离差小于该所述定位精度档位的数据对个数，该数据对个数与数据对序列中数据对总数的比值即为该定位精度档位的覆盖率。

作为本发明的进一步改进，所述感知范围的计算过程包括：

在所述路侧数据中查找连续十帧满足所述定位精度的路侧数据；

取第一帧路侧数据作为可检测范围边界，该帧路侧数据的位置以及检测距离即为路侧设备的感知范围。

作为本发明的进一步改进，所述感知频率包括：

计算路侧设备对所有识别物的平均感知频率；

计算路侧设备对每个识别物每两帧路侧数据之间的瞬时感知频率；

根据所述平均感知频率和所述瞬时感知频率计算所述路侧设备的感知频率的标准差和均值；

将所述感知频率的标准差和均值的相比，得到感知频率离散度。

作为本发明的进一步改进，所述感知数据稳定性用于衡量同一识别物在路侧数据中是否存在跳变情况，包括位置跳变率、速度跳变率、航向角跳变、航向角错误率、直线行驶左右波动指标。

作为本发明的进一步改进，

获取路侧设备记载的任一识别物的路侧数据；

针对每三个连续的轨迹点，分别计算相邻两所述轨迹点的航向角，以及两所述航向角之间的夹角，即为中间轨迹点的转向角；

统计所述转向角大于预设航向角跳变阈值的轨迹点数量并与轨迹点的总数量相比，获得位置跳变率；

计算路侧数据中各轨迹点相对前一轨迹点的速度变化量，统计所述速度变化量大于预设速度跳变阈值的轨迹点的数量，与轨迹点的总数量相比，获得速度跳变率；

计算路侧数据中各轨迹点相对前一轨迹点的航向角变化量，统计所述航向角变化量大于预设航向角跳变阈值的轨迹点的数量，与轨迹点的总数量相比，获得航向角跳变率；

计算路侧数据中各轨迹点的航向角，并以每一所述轨迹点为起点，向前和向后超过预设距离长度，寻找第一个轨迹点，计算前后侧航向角，即为该对轨迹点的航向角取值范围，统计航向角不属于所述航向角取值范围的轨迹点数量，与轨迹点总数量相比，获得航向角错误率；

对该识别物的轨迹数据进行线性拟合，求取拟合后的直线，计算各轨迹点到直线的距离，并统计所述距离大于预设直线行驶阈值的轨迹点数量，若数量为0，则计算所述距离与所述预设直线行驶阈值的最大差值、平均差值，并计算所述距离大于预设直线行驶阈值的轨迹点数量与轨迹点总数量的比值，得到波动异常占比；

若数量不为0，则该所述识别物非直线行驶，无需计算直线行驶波动指标。

作为本发明的进一步改进，计算服务器接受到路侧数据的时刻与路侧数据中的识别时间的时间差，得到时间延时指标。

与现有技术相比，本发明的有益效果为：

本发明使用高精度定位数据作为真值数据，将路侧数据通过横向与高精度定位数据对比，获得响应时间、感知范围、感知精度指标数据，并纵向分析同一识别物的路侧数据稳定性，获得感知频率、感知稳定性、时间延迟指标，通过与对各指标的要求，判断路侧数据是否满足要求来对路侧数据进行评价，实现了对车路协同***中路侧数据的多维度质量评价，同时采用高精度定位数据作为真值数据，保证了真值数据的客观性、准确性，不需要人工标注，省时省力。

本发明各指标数据可以实现自动计算，还可利用可视化方法实现直观展示。

附图说明

图1为本发明一种实施例公开的基于隐喻识别的路侧数据质量评价方法流程图；

图2为本发明一种实施例公开的路侧数据评价指标体系示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。

下面结合附图对本发明做进一步的详细描述：

如图1、2所示，本发明公开的一种车路协同路侧数据质量评价方法，包括：

S1、获取相同时空条件下的车辆高精度定位数据和路侧设备记录的路侧数据；

其中，

获取数据前先进行时间的对齐，保证多设备(即高精度定位设备及路侧设备)时间的一致性。

S2、将高精度定位数据作为真值数据，计算路侧数据的响应时间、感知精度和感知范围；

其中，

(1)响应时间的计算原理为：

计算高精度定位数据和路侧数据通过同一参考线时的时间差；

计算过程包括：

a)在垂直于车辆行驶轨迹方向上划定参考线，在参考线上取2个点P₁、P₂；

b)并记轨迹点数据为p_i(i＝1…n)，则P₁、P₂和p_i为顶点组成三角形，面积计算公式为：

其中，a_i、b_i、c_i分别为三角形三边的长度，s_i为半周长，公式如下：

c)根据路侧数据中的轨迹点计算所有三角形的面积

面积最小的轨迹点索引为minI^路，该轨迹点即为车辆经过参考线时对应的路侧数据：

d)根据高精度定位数据中的轨迹点计算所有三角形的面积

面积最小的轨迹点索引为minI^真，该轨迹点即为车辆经过参考线时对应的高清定位数据：

e)记经过参考线时高精度定位数据时刻为t₀和路侧数据时刻t₁

f)将车辆经过参考线时的高清定位数据时刻与路侧数据时刻相减，获得路侧数据的响应时间。

T_rsp＝t₁-t₀

(2)感知精度的计算原理为：

在相同时间条件下，路侧数据与高精度定位数据的偏差精度，包括速度精度、航向角精度、定位精度和定位覆盖率。

计算过程包括：

a)将高精度定位数据与路侧数据根据时间戳进行配对

使每对数据的时间差小于预设阈值，即满足以下条件：

其中，ΔT为时间差的预设阈值，在实践中一般可使用10ms；

获得配对后的数据对序列，记为{<TI_k,RI_k>|k＝1…n}，其中n为数据对个数，TI_k、RI_k分别代表第k个数据对中高精度定位数据和路侧数据在原始序列中的索引。

b)计算速度精度：

先计算数据对序列中每对数据的速度绝对误差，公式为：

再计算速度绝对误差的均值avg(Δv_k)和标准差std(Δv_k)，作为速度精度的指标。

c)计算航向角精度：

先计算数据对序列中每对数据的航向角误差，公式为：

再计算航向角误差的均值avg(|Δθ_k|)和标准差std(|Δθ_k|)，作为航向角精度的指标；

d)计算定位精度：

先计算数据对序列中每对数据的GPS位置的距离差，公式为：

其中，dist(x,y)函数为计算给定的2个经纬度点的距离函数；

再计算距离差的均值avg(dist_k)和标准差std(dist_k)，作为定位精度的指标；

e)计算定位覆盖率：

首先设定一个定位精度档位D_max，计算数据对序列中各对数据的GPS位置的距离差小于该定位精度档位的数据对个数，该数据对个数与数据对序列中数据对总数的比值即为该定位精度档位的覆盖率，公式为：

(3)感知精度的计算原理为：

确定路侧设备在各个方向上定位精度满足要求前提下可以检测的最远距离；

计算过程包括：

a)根据(2)中定位精度的计算过程中，得到每组数据对中GPS位置的距离差{dist_k|k＝1…n}

b)在路侧数据中查找连续十帧满足(2)中得到的定位精度的路侧数据；

c)取第一帧路侧数据作为可检测范围边界，该帧路侧数据的位置以及检测距离即为路侧设备的感知范围。

通过以上过程，横向对比高精度定位数据和路侧数据，实现路侧感知精度的评价。

S3、获取道路上同一路侧设备在任意时间段的所有路侧数据，包括多个识别物的感知数据；

其中，

预先按照时间序列提取一个识别物的所有路侧数据。

S4、计算路侧设备的感知频率、感知稳定性和时间延迟；

其中，

(1)感知频率指标：

主要用于衡量路侧设备用来感知识别物的感知频率和感知稳定性情况；

计算过程包括：

a)计算路侧设备对所有识别物的平均感知频率；

其中，

k＝1…K表示识别物的计数；

t_k,i(k＝1…K,i＝1…n_k)：第k个识别物的路侧数据时间序列；

b)计算路侧设备对每个识别物每两帧路侧数据之间的瞬时感知频率，公式为：

c)根据平均感知频率和瞬时感知频率计算路侧设备的感知频率的标准差和均值

标准差：

均值：

d)感知频率的标准差和均值的比值即为感知频率离散度，公式为：

(2)感知数据稳定性指标：

用于衡量同一识别物k在路侧数据中是否存在跳变情况，包括位置跳变率、速度跳变率、航向角跳变、航向角错误率、直线行驶左右波动指标。

计算过程包括：

a)获取路侧设备记载的任一识别物的路侧数据；

b)针对每三个连续的轨迹点(i-1，i，i+1)，分别计算相邻两轨迹点的航向角，以及两航向角之间的夹角，公式如下：

α_k,i-1＝angle(p_k,i-1,p_k,i)

α_k,i＝angle(p_k,i,p_k,i+1)

其中，angle(x,y)为根据2个经纬度数据计算航向角的函数。

计算α_k,i-1与α_k,i的夹角，即为中间轨迹点的转向角，公式为：

c)统计转向角大于预设航向角跳变阈值(如：90°)的轨迹点数量并与轨迹点的总数量相比，获得位置跳变率指标，公式为：

d)计算路侧数据中各轨迹点相对前一轨迹点的速度变化量，统计速度变化量大于预设速度跳变阈值

的轨迹点的数量，与轨迹点的总数量相比，获得速度跳变率指标，公式为：

e)计算路侧数据中各轨迹点相对前一轨迹点的航向角变化量，统计航向角变化量大于预设航向角跳变阈值

的轨迹点的数量，与轨迹点的总数量相比，获得航向角跳变率，公式为：

f)计算路侧数据中各轨迹点的航向角θ_k,i，并以每一轨迹点为起点，按照时间顺序向前和向后超过预设距离长度，如1m的距离，寻找第一个轨迹点，计算前后侧航向角：

则该轨迹点的航向角取值范围为

统计航向角不属于航向角取值范围的轨迹点数量，与轨迹点总数量相比，获得航向角错误率指标，公式为：

g)计算直线行驶左右波动指标：

对该识别物k的轨迹数据进行线性拟合，求取拟合后的直线l_k，计算各轨迹点p_k,i(i＝1…n_k)到直线l_k的距离dist_k,i，并统计距离大于预设直线行驶阈值L_maxd的轨迹点数量，计集合为：

E_k＝{i|dist_k,i≥L_maxd,i＝1…n_k}

若数量不为0，则该识别物非直线行驶，无需计算直线行驶波动指标。

若数量为0，则计算距离dist_k,i的最大值(左右波动最大值)、平均值(左右波动平均值)，公式分别如下：

WM_k＝max({dist_k,i|i＝1…n_k})

WA_k＝avg({dist_k,i|i＝1…n_k})

并计算距离大于预设直线行驶阈值L_maxd的轨迹点数量与轨迹点总数量的比值，得到波动异常占比，公式如下：

(3)时间延迟指标：

主要是在完成时间同步的前提下，服务器接收到路侧数据的时刻与路侧数据中的识别时间的时间差，时间延迟计算公式如下：

Δt_k,i＝ts_k,i-t_k,i

S5、将计算得到的响应时间、感知精度、感知范围、感知频率离散度、感知稳定性、时间延迟分别与预设的各指标要求对比，评价路侧数据质量。

其中，

本申请中，计算各项指标时，可设定速度跳变阈值1.5km/h，航向角跳变阈值90度，直线行驶波动异常阈值0.5米为参数进行评价数据；

设定指标要求，如设置：直线行驶左右波动大于0.5米数据占比≤5％，直线行驶左右波动最大值≤1米，车辆航向角跳变率平均值≤5％等。

实施例：

获取某测试场地内部路口，2020-11-06 11:29:23至2020-11-06 11:34:23共 5分钟的某路侧数据(包含887个识别物)，以速度跳变阈值1.5km/h，航向角跳变阈值90度，直线行驶波动异常阈值0.5米为参数进行评价数据；

经计算各项指标，发现路侧数据在各项指标上均存在严重异常，反馈设备厂商进行调整后获取2020-11-30 16:20:00至2020-11-30 16:30:00共10分钟的路侧感知数据(包含904个识别物)；

按照同样参数评价数据后，各项指标基本满足要求(波动大于0.5米数据占比≤5％，波动最大值≤1米，车辆航向角跳变率平均值≤5％等)，为后续在测试场内进行车路协同场景测试奠定数据基础。

本发明的优点：

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种车路协同路侧数据质量评价方法，其特征在于，包括：

计算所述路侧设备的感知频率、感知稳定性和时间延迟；

2.根据权利要求1所述的路侧数据质量评价方法，其特征在于：计算所述高精度定位数据和所述路侧数据通过同一参考线时的时间差，得到响应时间。

3.根据权利要求2所述的路侧数据质量评价方法，其特征在于：所述响应时间的计算过程包括：

在垂直于车辆行驶轨迹方向上划定参考线，在参考线上取2个点

、

，并记轨迹点数据为

，则

、

和

组成三角形；

4.根据权利要求1所述的路侧数据质量评价方法，其特征在于：所述感知精度是在相同时间条件下，所述路侧数据与所述高精度定位数据的偏差精度，包括速度精度、航向角精度、定位精度和定位覆盖率。

5.根据权利要求4所述的路侧数据质量评价方法，其特征在于：

6.根据权利要求1所述的路侧数据质量评价方法，其特征在于：所述感知范围的计算过程包括：

7.根据权利要求1所述的路侧数据质量评价方法，其特征在于：所述感知频率包括：

计算路侧设备对所有识别物的平均感知频率；

8.根据权利要求1所述的路侧数据质量评价方法，其特征在于：所述感知数据稳定性用于衡量同一识别物在路侧数据中是否存在跳变情况，包括位置跳变率、速度跳变率、航向角跳变、航向角错误率、直线行驶左右波动指标。

9.根据权利要求8所述的路侧数据质量评价方法，其特征在于：

获取路侧设备记载的任一识别物的路侧数据；

10.根据权利要求1所述的路侧数据质量评价方法，其特征在于：

计算服务器接受到路侧数据的时刻与路侧数据中的识别时间的时间差，得到时间延时指标。