CN114764392A - 用于确定交通场景相似度值的计算机实现方法和测试单元 - Google Patents
用于确定交通场景相似度值的计算机实现方法和测试单元 Download PDFInfo
- Publication number
- CN114764392A CN114764392A CN202111610199.6A CN202111610199A CN114764392A CN 114764392 A CN114764392 A CN 114764392A CN 202111610199 A CN202111610199 A CN 202111610199A CN 114764392 A CN114764392 A CN 114764392A
- Authority
- CN
- China
- Prior art keywords
- motion
- vehicle
- traffic
- computer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012360 testing method Methods 0.000 title claims description 28
- 230000033001 locomotion Effects 0.000 claims abstract description 130
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000011161 development Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 230000018109 developmental process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010998 test method Methods 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- G06F11/3668—Software testing
-
- 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
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4043—Lateral speed
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于通过确定交通场景中的交通参与者的运动简档来确定所述交通场景的相似度值的计算机实现方法,具有如下步骤:创建交通参与者的具有如下运动元素中的至少一个运动元素的至少一个运动简档:横向运动,纵向运动,位置和/或距离参数,在所述至少一个运动元素每次变化时在所述运动简档中开始新区段;针对交通场景的自车和/或同伴车辆创建所述至少一个运动简档的序列,其中在至少一个所使用的运动元素的区段发生变化时产生序列变化;依据来自至少两个交通场景中的运动简档,通过对由所述运动简档所创建的序列的比较,确定相似程度;提供所述相似程度。
Description
技术领域
本发明涉及一种用于通过确定交通场景中的交通参与者的运动简档来确定这些交通场景的相似度值的计算机实现方法。
本发明还涉及一种用于确定交通场景的相似度值的测试单元。本发明还涉及一种控制设备和一种计算机可读数据载体。
背景技术
驾驶辅助***、诸如自适应巡航控制器和/或高度自动化驾驶功能可以借助于各种检查方法来被检验或验证。在此,尤其可以使用硬件在环(Hardware-in-the-Loop)方法、软件在环(Software-in-the-Loop)方法、模拟和/或测试过程。
在此,用于在使用上述检查方法的情况下测试这样的车辆功能的花费、尤其是时间花费和/或成本花费通常非常高,原因在于必须测试大量潜在可能的驾驶情况。
由于时间和成本原因,无法专门在具有超过数十亿公里的行驶距离的道路上测试至少部分自主的交通工具。此外还会形成许多冗余的测试公里,而对于至少部分自主车辆的能力来说关键的和异常的情况并未发生。
这尤其可能导致测试过程以及模拟的高成本。DE102017200180A1说明了一种用于检验和/或验证车辆功能的方法,该车辆功能被提供用于在纵向和/或横向方向上自主驾驶车辆。
该方法包括:基于关于车辆环境的环境数据,确定车辆功能的对车辆执行器的测试控制指令,其中,该测试控制指令并不被执行器付诸实施。
该方法还包括:基于环境数据并且在使用关于在车辆环境中的至少一个交通参与者的交通参与者模型的情况下,模拟当该测试控制指令已经被付诸实施时会存在的虚构的交通情况。
该方法还包括:提供与虚构的交通情况相关的测试数据。在这种情况下,该车辆功能在车辆中被动运行,以确定该测试控制指令。
该方法的不利之处在于:为了检验和/或验证该车辆功能,需要使车辆实际运行,以确定所需的数据。
至少部分自主的交通工具的制造商需要一种并行化的、基于模拟的解决方案。测试方法“基于场景的测试”从这里开始。但是,这里,每个所要测试的场景也需要时间并且由此需要成本。至少部分自主的交通工具的制造商拥有包含数千个场景的数据库,在这些场景中,随着时间的推移而积累起重复场景或者非常相似的场景。此外,通过测试行驶,也不断地收集新的数据以生成其它场景,其中无法立即判断是否已经有可用的场景存放在数据库中。即使有大规模并行化,对所有场景的测试也过于费时。
因此,在本发明的一个有利的设计方案中,存在如下需求,即,需要标识相似的场景,以便合乎逻辑地确定所要测试的场景和/或依据通过测试行驶所收集的原始数据来判断应该生成哪些场景。在此,原始数据可包括所有数据,如相机、激光雷达以及雷达数据,但是也可包括GPS信息。
发明内容
因而,本发明的任务在于:说明一种方法、一种测试单元、一种控制设备和一种计算机可读数据载体,它们可以在用于高度自动化驾驶方面的***和***组件的基于场景的测试的框架内高效地确定场景的相似度。
按照本发明,该任务通过一种根据专利权利要求1所述的用于通过确定交通场景中的交通参与者的运动简档(Bewegungsprofil)来确定这些交通场景的相似度的计算机实现方法、一种根据专利权利要求10所述的测试单元、一种根据专利权利要求12所述的控制设备和一种根据专利权利要求13所述的计算机可读数据载体来被解决。
在对用于机动车的自主驾驶的***和***组件进行基于场景的测试的情况下,定义了可被称为交通情况的抽象的场景。接着,进而可以针对每个场景执行测试用例。在这种情况下,逻辑场景是具有道路、驾驶行为和周围交通的交通情况的没有具体参数值的抽象。通过选择具体参数值,从逻辑场景变为具体场景。这种具体场景对应于相应单独的交通情况。
在此,场景描述了以开始场面开始的场面的随时间的发展。与场面相反,场景涵盖了一定的时间段。单个场面可以被视为对环境的瞬间记录,该瞬间记录包括场景、动态元素和所有参与者。参与者尤其是场面的各车辆。
为了按照本发明对各交通场景或场景进行根本区分,考虑交通参与者的运动。由此,为了该区分,不使用静态参数,如环境、建筑物或车道宽度,而是尤其是使用各个交通参与者的驾驶行为。交通参与者的运动以及由此驾驶行为通过轨迹来被描述。轨迹描述了在空间以及时间方向上的路径。可以通过对交通参与者的运动/轨迹的描述来创建运动简档。
按照本发明,依据交通参与者的运动简档来评价两个场景之间的相似度。
自主驾驶功能由***、例如控制器来实现。控制器通常在真实交通情况下在真实车辆中被测试,通过硬件在环测试或者替代地通过完全虚拟测试来被验证。
在使用本方法的情况下,例如可以将所谓的切入(Cut-In)场景与其它场景区分开。切入场景可以称为如下交通情况,其中高度自动化或自主车辆正在指定的车道中行驶并且另一车辆以相对于自车减小的速度从另一车道以一定的距离切入自车的车道。这里,自车表示所要测试的车辆。
在此,自车和也称为同伴车辆的另一车辆的速度是恒定的。由于自车的速度高于同伴的速度,所以自车必须被制动,以便避免两个车辆的碰撞。但是,切入场景也可以以各种实现形式存在,诸如由于在交通参与者的速度方面的区别而存在。
还可能的是如下场景,在该场景中,自车是正在超车的车辆,使得自车在指定的车道中行驶并且对具有相对于自车减小的速度的另一车辆进行超车。在此,自车切换/驶出到另一车道上并且以更高的速度从该同伴车辆旁边驶过。在该场景中,自车的速度不必保持恒定。在自车从该同伴车辆旁边驶过之后,自车再次切入先前的车道。
按照该方法所标识的场景的相似度值或者说相似程度能够有利地在控制器的虚拟测试的框架内选择不同的场景用于验证和/或标识可被用于生成尽可能不同的场景的原始数据。这样,通过按照本发明的方法,可以实现对用于交通工具的自主驾驶的控制器的更高效的虚拟验证。
本发明的其它实施方式是进一步的从属权利要求以及参考附图的以下描述的技术方案。
测试单元包括用于提供所要测试的交通场景的相似程度的装置,用以测试用于交通工具的至少部分自主驾驶的设备。
按照本发明的另一方面,还提供了一种具有程序代码的计算机程序,以便当该计算机程序在计算机上被实施时执行按照本发明的方法。按照本发明的另一方面,提供了一种具有计算机程序的程序代码的数据载体,以便当该计算机程序在计算机上被实施时执行按照本发明的方法。
本文中所描述的该方法的特征能被用于标识不同场景或驾驶情况之间的相似程度。同样,按照本发明的测试单元适合于:在基于多个不同场景或驾驶情况的相似度值来执行测试过程的意义上,测试例如汽车、营运车辆和/或商用车辆、船舶或飞机的多个不同的设备或控制器。
在此,确定相似度的重点在于场景的交通参与者的运动简档。因而,运动简档的各个运动元素的时间顺序是在确定场景之间的相似度时的重要要素。为了描述运动简档,按照本发明,提出了四种不同的运动元素。所命名的运动元素当然不是穷尽的并且可以就本发明而言被扩展。用于描述运动简档的运动元素包括如下元素中的至少一个:
·横向运动;
·纵向运动;
·位置和/或距离参数。
该横向运动描述了车辆在横向运动方向上的运动。操纵“向左变道”、“向右变道”和“车道保持操纵”此外引起横向运动。如果例如自车在指定的车道中行驶并且接着沿相应的方向离开车道,则发生变道。与此相对应地,在车道保持的情况下,例如自车保持该车道。
该纵向运动描述了车辆在纵向方向上的运动。在此,由S坐标来计算车辆的速度,以便描述在纵向方向上的运动。基于道路的参考线,可以描述路段的所谓的SD坐标系。S坐标描述了在道路上的一点沿着参考线与路段的起点的距离,而D坐标被定义为沿横向方向与参考线的距离。由此,可以确定纵向运动,如恒定速度和/或加速度和/或减速度,并且将其用于比较。所说明的示例不能被视为穷尽。
对于距离参数,描述了同伴车辆距自车的距离。在此,例如能够划分成三个类别,诸如自车的紧邻周围环境、自车的中等邻近周围环境以及进一步远离自车。但是,其它划分也是可能的并且符合本发明。
对于位置参数,说明了同伴车辆相对于自车的位置并且同样说明了同伴车辆的数目。这里,按照本发明,也提出了对自车的周围环境的划分。
总体而言,车辆的运动简档通过这四种命名的运动元素在场景的整个随时间的发展过程中被描述。在此,这些运动元素中的每个元素包括一个到多个区段,使得在这些运动元素中的一个运动元素发生变化的情况下开始针对该运动元素的新区段。例如,对于运动元素“纵向运动”来说,可以在场景中首先假设(annehmen)加速度,然后假设恒定速度并且最后假设减速度。按照本发明,对于每次变化开始新区段。
由于位置和距离参数的分段只针对相对于自车而言的同伴车辆被执行,所以这些参数对于自车来说不存在。对于自车的运动简档的比较,重要的是同伴车辆的位置和距离,原因在于这些位置和距离非常影响自车的行为。
接着,按照本发明,由各个运动元素的区段,创建关于所有运动元素的序列。对于在运动元素中的每个区段,在该序列中开始新的序列部分。通过使用序列的描述,车辆在场景中可执行的不同的、连续的且累积(aufbauend)的运动/运动元素可以按照它们的时间顺序被描述。
为了确定在两个场景之间并且由此在已由两个车辆的运动简档所创建的两个序列之间的相似度,按照本发明,提出了对编辑距离(归一化加权编辑距离(NormalizedWeighted Edit Distance))的计算。
就像将两个字符序列之间的相似度计算为为了将一个字符序列转换成另一字符序列所需的编辑操作的最小总和的编辑距离那样,用于来自运动简档中的序列的编辑距离将两个场景之间的相似度描述为为了将一个序列转变为另一序列所需的编辑操作的最小总和。
编辑距离计算相似度并且由此也计算来自相应地两个交通场景中的两个序列S1和S2之间的相似程度。用S1,i指示序列S1中的状态i并且用S2,j指示序列S2中的状态j。针对编辑距离定义了如下微分方程:
D(i,j)=min{D(i-1,j)+d(S1,i-1,S1,i)+λ删除D(i,j-1)+d(S2,j-1,S2,j)+λ***D(i-1,j-1)+d(S1,i-1,S2,j-1)替代。
D(i,j)是表格元素,在该表格中存储对在两个序列的两个状态i和j之间的编辑操作的成本的计算的中间结果。参数λ产生通过执行删除或***操作而形成的成本并且被规定为恒定值。在此,λ可以被视为惩罚参数,该惩罚参数应限制对删除或***操作的使用。为了计算两个序列的两个状态之间的成本,定义了如下函数:
d(Si,S′j)=wMa*dMa(Si,S′j)+wGe*dGe(Si,S′j)+wDi*dDi(Si,S′j)+wPo*dPo(Si,S′j)。该函数是在这两个所要比较的状态S1,i和S2,j的各个类别之间产生的成本的加权和。函数dMa(Si,S′j)、dGe(Si,S′j)、dDi(Si,S′j)和dPo(Si,S′j)中的每个函数都已被定义为使得在运动元素的两个类别之间形成的最大成本被归一化到1。如果运动元素的类别不同,则使用最大成本。例如,在计算在运动元素“横向运动”的两个状态之间的成本dMa(S1,i,S2,j)时,如果来自状态S1,i的横向运动的类别是“向左变道”并且来自状态S2,j的横向运动的类别是“车道保持”,则得到最大成本。如果两个状态的横向运动的类别相同,则通过成本函数来规定成本。这些成本函数基于相应类别的特征。例如在横向运动的类别“向左或向右变道”的情况下,该特征是变道的时长。
附图说明
为了更好理解本发明及其优点,现在参阅结合所属的附图的以下描述。随后,依据示范性的实施方式来更详细地阐述本发明,这些实施方式在附图的示意图中说明。
其中:
图1示出了关于对场景的按照本发明的区分的示意图;
图2示出了关于对场景的按照本发明的区分的示意图;
图3示出了关于对运动元素横向运动的按照本发明的描述的示意图;
图4示出了关于对运动元素纵向运动的按照本发明的描述的示意图;
图5示出了关于对运动元素距离参数的按照本发明的描述的示意图;
图6示出了关于对运动元素位置参数的按照本发明的描述的示意图;
图7示出了按照本发明的方法的流程;
图8示出了按照本发明的分段和序列形成的示意图。
具体实施方式
图1示出了对交通场景(S1至Sn)的按照本发明的区分的示意图。为此,在图1中示例性地示出了具有不同数目的同伴车辆(F1-Fn)的交叉路口场景。在图1中的第一场景S1中,示出了在有4个同伴车辆(F1-F4)同样驶过交叉路口区域的情况下自车(Ego)的左转操纵。在图1中的第二场景S2中,自车(Ego)在没有同伴车辆影响的情况下直线地驶过交叉路口区域。尽管道路结构、路边建筑和曲线保持不变,但是当前的场景S1和S2有明显区别,还与交通参与者的运动元素有关。在S1中包含描述转弯操纵的各种横向运动元素,而在S2中主要是横向运动元素“车道保持”是重要的。在交通场景S1和S2中,纵向运动元素同样是不同的。S1引起制动,以便能够安全地执行转弯操纵。在S2中,应预期恒定速度。此外,在S2中无法收集距离和位置参数,因为在该场景中不包含同伴车辆。
由此,产生例如用于自车(Ego)的由S1和S2组成的不同序列,使得在对这些序列进行比较时无法查明相似度。
图2示出了关于对场景(S1至Sn)的按照本发明的区分的另一示意图。按照图2,场景S1和S2可关于运动元素的实现形式方面完全不同,可具有叠加的运动元素或者也可关于运动元素方面相同。
图3阐明了例如自车(Ego)的在随时间的发展过程(t)上的横向运动(BE_lat)的运动元素(BE)。在图3中示出了随时间的发展过程(t),该随时间的发展过程示出了在横向运动(BE_lat)的实现形式之间的不同切换。首先显示向左变道(SW_l)。然后在图3中示出车道保持(SH)。最后示出向右变道(SW_r)。据此得到运动元素“横向运动(BE_lat)”的三个区段:向左变道(SW_l)、车道保持(SH)和向右变道(SW_r)。各区段的走向影响交通参与者的运动简档。此外,按照本发明,其它横向运动元素当然是可能的。
在图4中,示出了交通参与者、例如自车(Ego)的纵向运动(BE_lon)。纵向运动(BE_lon)的运动元素此外受速度参数(GP)影响。为此,图4示出了速度参数(GP)的随时间的发展过程(t)。为此,分段地检测速度参数(GP)。第一区段表示速度参数“加速度(GP_Be)”。在图4中,在第二区段示出了自车保持速度不变,使得速度参数表明恒定速度(GP_k)。图4中的最后一个区段阐明了自车的制动,由此示出了速度参数“减速度(GP_Br)”。这些区段也影响交通参与者的运动简档。
图5示出了距离参数的分类的按照本发明的有利的实现形式。在此,距离参数总是从自车(Ego)出发来被确定并且说明了距同伴车辆的距离。在图5中,在中间的中央示出了自车(Ego)。按照本发明的距离范围被选择为使得处于自车(Ego)的紧邻的周围环境中的同伴车辆属于类别1(1)。该范围包括与自车(Ego)最多相邻一条车道并且仅以微小的距离在自车(Ego)前面或后面行驶的同伴车辆。与自车(Ego)最多相邻两条车道并且以中等距离在自车(Ego)前面或后面行驶的同伴车辆属于类别2(2)。在类别2(2)的界限之外的所有同伴车辆都属于第三类别(3)。
在图6中示出了关于位置参数的分类的有利的实施方式。类似于距离参数,在该实施方式中从自车出发来定义位置参数。其它实施方式为本发明所包括。
在图6中,在中央示出了自车(Ego)。位置类别(1-8)被选择为使得紧邻地位于自车(Ego)后方或前方的同伴车辆被划分成类别8或类别2。如果同伴车辆位于自车(Ego)的左侧或右侧,则将该同伴车辆分配给类别4或6。其余的四个类别用于自车(Ego)的左前方、右前方、左后方和右后方。
由于位置和距离参数说明了自车(Ego)与同伴车辆(F1-Fn)之间的关系,则在没有同伴车辆的交通场景中无法得出关于这些参数的信息。
位置和距离参数随时间的发展也可以分段被呈现。接着,这些参数必要时也影响交通参与者的运动简档。
图7示出了按照本发明的方法的流程。为此,首先针对每个所要考虑的场景(S1至Sn),对所有同伴车辆(F)以及自车(Ego)的运动元素(BE)进行分段。为此,针对每个运动元素标识并记录实现形式的变化。在一个按照本发明的设计方案中,基于车辆的速度(纵向运动)、所执行的操纵(横向运动)、同伴车辆(F)距自车(Ego)的相对距离和同伴车辆(F)距自车(Ego)的相对位置,对运动元素(Ego_BE、F_BE)进行分段。每当在这些运动元素中的至少一个运动元素中查明变化时,就产生新区段,使得通过随时间的发展过程形成区段序列。
接着,基于这些区段,针对每个车辆创建运动元素的序列(Seq)。为此,执行运动元素的区段序列的叠加,其中以每个新区段开始新的序列部分。以这种方式,针对每个同伴车辆(F)以及针对自车(Ego)形成基于序列的运动简档。
图8示出了按照本发明的分段和序列形成的示意图并且最后示出了基于序列的运动简档。
为此,上下相继地示出了运动元素“纵向运动(BE_lon)”、“横向运动(BE_lat)”、“位置参数(P)”和“距离参数(D)”的各区段。在纵向运动(BE_lon)中的第一区段(GP_Be)结束之后,开始整个序列的新的序列部分。由此,序列部分S1.0结束并且序列部分S1.1开始。在横向运动(BE_lat)中的区段SH结束之后,序列部分S1.1结束并且序列部分S1.2开始。重复该做法,直至整个序列中的所有区段都被遍历为止。在图8的最后一个水平条中示出了由此形成的序列(Seq)。
接着,基于交通参与者的序列,例如可以应用归一化加权编辑距离,以便查明场景之间的相似度。在此,在交通场景的两个序列之间的相似度被计算为为了将一个交通场景的一个序列转换成另一交通场景的另一序列所需的编辑操作(Edit-Operation)的最小总和,其中编辑操作至少包含删除和/或移位和/或***操作。
Claims (13)
1.一种用于通过确定交通场景中的交通参与者的运动简档来确定所述交通场景的相似度值的计算机实现方法,所述计算机实现方法具有如下步骤:
-创建交通参与者的具有如下运动元素中的至少一个运动元素的至少一个运动简档:
·横向运动,
·纵向运动,
·位置和/或距离参数,
其中,在所述至少一个运动元素每次变化时在所述运动简档中开始新区段;
-针对交通场景的自车和/或同伴车辆创建所述至少一个运动简档的序列,其中,在所使用的所述至少一个运动元素的区段发生变化时产生序列变化;
-依据来自至少两个交通场景中的运动简档,通过对由所述运动简档所创建的序列的比较,确定相似程度;
-提供所述相似程度。
2.根据权利要求1所述的计算机实现方法,其特征在于,交通参与者包括自车和/或同伴车辆,其中,自车是场景的具有所要测试的***的车辆,而同伴车辆是所述场景的任意其它车辆。
3.根据权利要求1所述的计算机实现方法,其特征在于,运动元素包含如下元素:
·横向运动,其中,横向运动元素包括自车和/或同伴车辆的至少一次变道;
·纵向运动,其中,纵向运动元素至少包括速度参数,以用于描述沿自车和/或同伴车辆的纵向方向的运动简档;
·以及位置和距离参数,其中,位置和距离参数至少描述至少一个同伴车辆相对于自车的相对位置和距离并且再现在所述场景中的同伴车辆的数目。
4.根据上述权利要求中任一项所述的计算机实现方法,其特征在于,能通过在场面序列内的场面元素和/或所执行的包括运动元素的变化在内的行动和/或事件的随时间的发展来描述场景。
5.根据上述权利要求中任一项所述的计算机实现方法,其特征在于,交通参与者的运动简档包括所述运动元素的随时间的变化,其中,所述运动简档能被划分成区段并且包含至少一个区段。
6.根据权利要求5所述的计算机实现方法,其特征在于,每当在所述运动元素中的至少一个运动元素中查明变化时,就在交通参与者的运动简档中产生新区段,并且针对每个所使用的运动元素、但是至少一个运动元素,形成区段序列、但是至少一个区段。
7.根据上述权利要求中任一项所述的计算机实现方法,其特征在于,交通参与者的运动简档的序列描述了各运动元素的区段序列的叠加,其中,在所述运动简档中以每个新区段开始新的序列部分。
8.根据上述权利要求中任一项所述的计算机实现方法,其特征在于,通过对具有归一化加权编辑距离的序列的比较来确定所述相似程度,其中,在交通场景的两个序列之间的相似度被计算为为了将一个交通场景的一个序列转换成另一交通场景的另一序列所需的编辑操作的最小总和,其中,编辑操作至少包含删除和/或移位和/或***操作。
9.根据上述权利要求中任一项所述的计算机实现方法,其特征在于,借助于所述相似程度,选择所要测试的和/或要由原始数据产生的交通场景。
10.一种用于通过确定交通场景中的交通参与者的运动简档来确定所述交通场景的相似度值的测试单元,所述测试单元执行如下步骤:
-创建交通参与者的具有如下运动元素中的至少一个运动元素的至少一个运动简档:
·横向运动,
·纵向运动,
·位置和/或距离参数,
其中,在所述至少一个运动元素每次变化时在所述运动简档中开始新区段;
-针对交通场景的自车和/或同伴车辆创建所述至少一个运动简档的序列,其中,在所使用的所述至少一个运动元素的区段发生变化时产生序列变化;
-依据来自至少两个交通场景中的运动简档,通过对由所述运动简档所创建的序列的比较,确定相似程度;
-提供所述相似程度。
11.根据权利要求10所述的测试单元,其特征在于,所述测试单元通过控制器来构造,针对所述控制器确定用于虚拟和/或真实测试的场景和/或针对所述控制器根据原始数据来生成场景。
12.一种控制设备,其特征在于,所述控制设备包括:
存储器,被配置为存储一系列计算机可执行指令;以及
处理器,被配置为执行所述一系列计算机可执行指令,
其中,所述一系列计算机可执行指令在由处理器执行时使所述处理器执行如权利要求1-9中任一项所述的方法的各步骤。
13.一种计算机可读数据载体,其具有计算机程序的程序代码,用于当所述计算机程序在计算机上被实施时执行根据权利要求1-9中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021100395.4 | 2021-01-12 | ||
DE102021100395.4A DE102021100395A1 (de) | 2021-01-12 | 2021-01-12 | Computerimplementiertes Verfahren zur Bestimmung von Ähnlichkeitswerten von Verkehrsszenarien |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114764392A true CN114764392A (zh) | 2022-07-19 |
Family
ID=78413644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111610199.6A Pending CN114764392A (zh) | 2021-01-12 | 2021-12-27 | 用于确定交通场景相似度值的计算机实现方法和测试单元 |
Country Status (4)
Country | Link |
---|---|
US (1) | US12027052B2 (zh) |
EP (1) | EP4027245A1 (zh) |
CN (1) | CN114764392A (zh) |
DE (1) | DE102021100395A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022213262A1 (de) | 2022-12-08 | 2024-06-13 | Förderverein FZI Forschungszentrum Informatik Karlsruhe e. V. | System und Verfahren zum Erstellen einer virtuellen Prüfungsumgebung anhand einer erkannten Häufigkeit von gleichen oder ähnlichen Szenarien |
DE102022213261A1 (de) * | 2022-12-08 | 2024-06-13 | Förderverein FZI Forschungszentrum Informatik Karlsruhe e. V. | System oder Verfahren zur Erkennung von Häufigkeiten von gleichen oder ähnlichen Szenarien |
DE202023102318U1 (de) | 2023-04-28 | 2023-06-09 | Dspace Gmbh | System zur Erstellung von Szenarien |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6915241B2 (en) | 2001-04-20 | 2005-07-05 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Method for segmentation and identification of nonstationary time series |
DE102008061910A1 (de) | 2008-12-15 | 2009-09-03 | Daimler Ag | Verfahren zur Erfassung und Vorhersage von Aktionen eines oder meherer bewegter Objekte |
CA2782391A1 (en) | 2012-06-29 | 2013-12-29 | The Governors Of The University Of Alberta | Methods for matching xml documents |
US9434389B2 (en) | 2013-11-18 | 2016-09-06 | Mitsubishi Electric Research Laboratories, Inc. | Actions prediction for hypothetical driving conditions |
MX2018001808A (es) | 2015-08-14 | 2018-05-16 | Crown Equip Corp | Diagnosticos basados en modelos de acuerdo con el modelo de traccion. |
DE102017200180A1 (de) | 2017-01-09 | 2018-07-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Testeinheit zur Bewegungsprognose von Verkehrsteilnehmern bei einer passiv betriebenen Fahrzeugfunktion |
EP3566106B1 (en) | 2017-03-20 | 2024-03-06 | Mobileye Vision Technologies Ltd. | Trajectory selection for an autonomous vehicle |
US11086318B1 (en) * | 2018-03-21 | 2021-08-10 | Uatc, Llc | Systems and methods for a scenario tagger for autonomous vehicles |
US11169536B2 (en) | 2018-04-09 | 2021-11-09 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
EP3557549B1 (de) | 2018-04-19 | 2024-02-21 | PKE Holding AG | Verfahren zur bewertung eines bewegungsereignisses |
US11227231B2 (en) | 2018-05-04 | 2022-01-18 | International Business Machines Corporation | Computational efficiency in symbolic sequence analytics using random sequence embeddings |
AT521647B1 (de) * | 2018-09-14 | 2020-09-15 | Avl List Gmbh | Verfahren und System zur Datenaufbereitung, zum Trainieren eines künstlichen neuronalen Netzes und zum Analysieren von Sensordaten |
AT523834B1 (de) * | 2020-09-15 | 2021-12-15 | Avl List Gmbh | Verfahren und System zum Testen eines Fahrerassistenzsystems |
-
2021
- 2021-01-12 DE DE102021100395.4A patent/DE102021100395A1/de active Pending
- 2021-10-26 EP EP21204716.1A patent/EP4027245A1/de active Pending
- 2021-12-09 US US17/546,099 patent/US12027052B2/en active Active
- 2021-12-27 CN CN202111610199.6A patent/CN114764392A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4027245A1 (de) | 2022-07-13 |
DE102021100395A1 (de) | 2022-07-14 |
US20220223047A1 (en) | 2022-07-14 |
US12027052B2 (en) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657355B (zh) | 一种车辆道路虚拟场景的仿真方法及*** | |
CN114764392A (zh) | 用于确定交通场景相似度值的计算机实现方法和测试单元 | |
CN113168524B (zh) | 用于测试驾驶员辅助***的方法和设备 | |
EP3640105A1 (en) | Modified responsibility sensitivity safety model | |
JP6925796B2 (ja) | 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム | |
CN113486531A (zh) | 一种车辆行驶路径规划方法、设备及*** | |
CN112819968B (zh) | 基于混合现实的自动驾驶车辆的测试方法和装置 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和*** | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
WO2019030916A1 (ja) | 車線情報管理方法、走行制御方法及び車線情報管理装置 | |
US20200406928A1 (en) | Method for controlling a vehicle | |
Orzechowski et al. | Towards responsibility-sensitive safety of automated vehicles with reachable set analysis | |
JP7511544B2 (ja) | 動的空間シナリオの分析 | |
CN114620065A (zh) | 用于操控车辆的方法 | |
KR20230069940A (ko) | 운전자 보조 시스템을 테스트하기 위한 방법 및 시스템 | |
CN117056153A (zh) | 校准和验证驾驶员辅助***和/或自动驾驶***的方法、***和计算机程序产品 | |
CN113511215A (zh) | 一种混合自动驾驶决策方法、设备及计算机存储介质 | |
CN114371015B (zh) | 自动驾驶测试方法、装置、计算机设备、存储介质 | |
CN115454082A (zh) | 车辆避障方法及***、计算机可读存储介质和电子设备 | |
CN115447607A (zh) | 用于规划车辆行驶轨迹的方法和装置 | |
CN113029155A (zh) | 机器人自动导航方法及装置、电子设备、存储介质 | |
CN111310302B (zh) | 一种测试场景生成方法和装置 | |
US20200406927A1 (en) | Method for testing a vehicle system | |
JP4838153B2 (ja) | 交通シミュレーション装置 | |
US20230192148A1 (en) | Method and system for classifying traffic situations and training method |
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 |