CN115655748A - 多目标运动事件实时测量方法及装置、设备、介质 - Google Patents

Abstract

本申请提供一种多目标运动事件实时测量方法及装置、设备、介质，应用于自动驾驶技术领域，其中多目标运动事件实时测量方法包括：获取测量场景中多个目标车辆的逻辑数据；根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件，若是则输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。通过在预先定义的测试场景中将逻辑数据和测试用例数据实时结合进行判断，可以通过简单数据处理，就能有效地为车辆的各种测试场景提供所需的虚拟动态交通流实现准确实时测量，实时测量方案简单，实施成本低。

Description

多目标运动事件实时测量方法及装置、设备、介质

技术领域

本申请涉及自动驾驶技术领域，具体涉及一种多目标运动事件实时测量方法及装置、设备、介质。

背景技术

对目标车辆在动态交通场景的驾驶行为进行真实复现，是ADAS（Advanced DriverAssistance System，高级驾驶辅助***）测试、自动驾驶测试、验证及检验等场景中用于获知目标车辆的真实驾驶情况必不可少的手段，也是对目标车辆进行交通事故研究分析时常用手段。因此，在目标车辆所处的动态交通场景中，还需要能够自动控制（或者被控制）的一个或者多个背景车辆，其中所使用的背景车辆可以是真实车，也可以是软体车，且背景车辆能够严格执行事先定义的各种要素（如轨迹、速度、加速度等）和触发条件（如时间、事件等）运行，从而通过将背景车辆至于动态交通环境中，能够为如ADAS测试或者自动驾驶车辆测试、法规下车辆性能检测、验证、事故复现等场景，提供较真实的车辆交通流，即可以相对真实地模拟出目标车辆所处的动态交通环境，以验证目标车辆在ADAS测试或者自动驾驶测试中的性能及功能。

当前，在前述场景的应用中，几乎所有的背景车辆的事件响应控制均由人工控制。而人工控制，存在以下缺陷：

一方面，人工控制不仅增加了测试的成本，还增加了测试的不确定性，而且人工控制对于法规类型的测试是绝对不允许的。二方面，这种类型的测试还需要在场地中增加大量的其他测量设备，或者在背景车辆上安装复杂的传感器，如高算力的自动驾驶控制器。三方面，必须有能够测试背景车辆与主车（即目标车辆）相对距离的设施，而主车行驶的不确定性和背景车辆的速度控制误差，将给相对距离的测量带来非常多的困难。

另外，如果需要测试的动态交通场景涉及到更多背景车辆，则依靠人工的方式几乎不能实现，而如果通过其他测量手段来保证的话，也会导致整个测试***非常复杂和庞大，以至于整个***过程不可控，这也是目前自动驾驶的场地测试只能使用简单的测试用例，对于复杂场景只能依靠仿真或者公开道路实验，而仿真所得结果可能远远偏离于真实数据，无法得到较真实测试结果，以及公开道路测试因安全性、成本、法规等限制，也极难开展。

因此，目前各类场景应用中，如自动驾驶车辆的性能检测、验证、车辆事故复原等，均受限于现有方案提供的动态交通流而很难获得车辆的真实情况，所以需要一种能够基于多目标运动事件产生动态交通流进行实时测量的新方案。

发明内容

有鉴于此，本说明书实施例提供一种多目标运动事件实时测量方法及装置、设备、介质，可提供准确的动态交通流，也可降低方案难度、实施成本，以及提高准确性。

本说明书实施例提供以下技术方案：

本说明书实施例提供一种多目标运动事件实时测量方法，包括：

获取测量场景中多个目标车辆的逻辑数据；

根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件，若是则输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

本说明书实施例还提供一种多目标运动事件实时测量装置，包括：

逻辑数据获取单元，获取测量场景中多个目标车辆的逻辑数据；

运动事件判断单元，根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件；

触发单元，在运动事件判断单元确定出所述运动事件满足触发条件时，输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：

通过在一个事先定义好的测试场景中（如基于实景高精地图的虚拟场景），根据预先定义的运动事件（如测试用例及其测量所需数据）和实时获取到的所有背景车辆和主车在测量场景中对应的逻辑数据信息，并以此来控制背景车辆和主车的运动，构建出测试用例所需的真实交通流（即测试所需的动态交通流），从而可以获得整个交通测试场景的全场景要素，从而可以利用这些全场景要素进行实时测量。因此，基于运动事件进行测试控制，不需要使用耗费算力的感知模块，仅使用非常简单高效的自动驾驶路径规划算法和决策算法，即所有参与交通的背景车辆可以按照事先设定的方式进行路径规划和决策控制，进而基于各车辆的逻辑数据和测量所需数据，在确定出运动事件满足触发条件时，输出运动事件触发信号，从而可以使用该触发信号形成各个车辆对应的决策指令，有车辆执行指令后实现背景车辆控制，可实现背景车辆的多车协同驾驶控制，并可以形成闭环测试，从而可以为如ADAS测试、自动驾驶测试、事故分析、法规下车辆性能检测、验证等场景提供所需虚拟的动态交通场景。

还有，由于虚拟场景中包含了测试场景的全场景要素（如静态交通元素和动态交通元素等），因此前述的背景车的运动事件可以非常容易的通过程序进行简单计算得到，因此背景车辆的响应能力可以非常容易的自动实现，并且这种响应能力可以针对任意数量的背景车辆。

因此，基于多目标运动事件进行实时测试，可以实现动态交通场景模拟的自动化，真实复现各种复杂的动态交通场景，保证了动态交通场景测试的一致性、真实性。同时，该方案可以实现数量不受限制的背景车辆的协同控制，这不仅极大的降低了动态交通场景模拟的成本，更增强了动态交通场景的模拟能力。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是车辆性能检测中主车和背景车的示意图；

图2是运动事件测量的示意图；

图3是多目标运动事件实时测量的结构示意图；

图4是多目标运动事件实时测量的流程图；

图5是多目标运动事件实时测量中参数计算的流程图；

图6是多目标运动事件实时测量装置的结构示意图；

图7是多目标运动事件实时测量的***应用结构示意图；

图8是多目标运动事件实时测量的***应用结构示意图；

图9是多目标运动事件实时测量中虚拟同步的流程示图；

图10是多目标运动事件实时测量中多车协同的流程图；

图11是多目标运动事件实时测量中运动事件触发并执行的流程图。

具体实施方式

下面结合附图对本申请实施例进行详细描述。

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本申请，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目和方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践。

如图1所示，在基于《GB/T 20608-2006 智能运输***自适应巡航控制***性能要求与检测方法》对车辆进行性能检测中，测试本车1（也可称为被测试车辆、主车等）和背景车辆（如图中的第一背景车辆2、第二背景车辆3），三车共同处于同一动态交通环境中，其中两背景车辆在测试本车的前方以相同的速度同向行驶，测试本车与第一背景车辆2处于同一车道稳定地驾驶运行（可以是自动驾驶测试或ADAS测试中的驾驶运行）。

实际测试过程中，所使用的背景车辆可以是真实车，也可以是软体车，但是背景车辆必须至少能够执行轨迹跟踪和事件响应两种类型的控制，其中轨迹跟踪是指按照事先设定的轨迹、速度和加速度等指令进行运动，通常由背景车辆本身的自动驾驶功能或者轨迹跟踪功能实现；事件响应可是指当动态交通场景达到某种条件的时候，背景车辆能够按照相对应的指令进行机动。

以ADAS测试中的“直线道路相邻车道慢速前车切入识别与响应”为例，如图2所示，其工作过程简述如下：背景车辆20与测试本车10在相邻车道行驶，其中，测试本车10以30km/h的车速行驶，背景车辆20在测试本车10前方以20km/h的速度行驶，当背景车辆20与测试本车10的距离为8米的时候，背景车辆20切入主车车道，并且保持20km/h的速度行驶。在此测试场景下，“事件”即为“当背景车辆与主车的距离为8米的时候”，且背景车辆20的“机动”为“切入主车车道”。

现有技术中，进行ADAS测试或者自动驾驶测试的时候，对所有的背景车辆的事件响应控制一般均由人工控制，人工控制不仅增加了测试的成本，并且增加了测试的不确定性；还有，需要在场地中增加大量的其他测量设备，比如能够测试目标车辆相对距离、相对运动速度的设施，或者在目标车辆上安装高算力的自动驾驶域控制器等，不仅所需成本高，并且目标车辆的行驶的不确定性和速度控制误差会给相对距离的测量带来很大的困难。

有鉴于此，发明人通过对动态交通环境仿真方案和各种数字孪生技术进行深入研究及改进探索，提出了一种多目标运动事件实时测量方案：如图3所示，在测试场景中，运动事件测量装置（如远程服务器）可以实时地获取参与到测试场景中的所有运动目标在场景中所在区域地理位置信息对应的逻辑数据，比如运动目标（如图中的运动目标1至运动目标n等）的绝对位置数据，以及运动事件测量装置将这些逻辑数据结合测试中运动事件所需的测量需求数据，即结合预设的运动事件及其响应需要，比如测试用例中用于触发运动事件发生的条件（如相对位置、相对速度等等），实时地自动计算，并根据计算结果实时地确定运动事件是否满足触发条件，一旦确定满足触发条件时，运动事件测量装置实时地输出运动事件触发信号，为场景中各个运动目标提供与运动事件相关的触发信号，以使各运动目标执行运动事件触发信号对应的运动，比如路径规划、决策等控制，可实现场景中多个背景车辆的多车协同测量控制，从而构建出多运动目标在场景中的动态交通流数据，由这些实时动态交通流构建出测试所需的整个动态交通场景，并可以形成闭环的实时测试。

因此，基于多目标运动事件，可以根据运动目标在场景中所在区域地里信息的逻辑数据，实时地计算得到测试场景中各运动目标之间的运动数据，从而可以根据这些数据确定测试所需的运动事件是否满足触发条件，并在运动事件被触发时向需要执行运动事件的运动目标下发触发信号，以使该运动目标执行运动事件对应的运动，如车辆在动态交通场景中所需的路径规划、决策等控制。由于测试场景为基于高精度地图构建的包含有全场景要素的服务端（如服务器），因而运动目标可以为真实的车辆，也可以为服务端中设置的软体车，从而该方案中只需在各车辆配置有定位装置，并向服务器发送定位数据，而且不需各车辆配置昂贵的传感装置，也无需服务器中各虚拟车辆配置虚拟传感器，更无需服务器进行高算力的传感计算，非常方便地实现测试场景中运动目标的动态交通流自动化模拟，可以真实地复现各种复杂的动态交通场景，保证了模拟出的动态交通流满足被测试车辆进行各类测试的需要，提高了测试的一致性、真实性。

需要说明的是，因只需各车辆提供自身的高精度定位数据，而无需车辆的其他复杂数据（如驾驶状态、控制行为等等），因而该方案可以实现数量不受限制的多车辆协同，不仅能够极大地降低动态交通场景模拟的成本，更增强了动态交通场景的模拟能力，比如模拟任意复杂的动态交通场景，增强测试能力。

以下结合附图，说明本申请各实施例提供的技术方案。

如图4所示，本说明书实施例提供一种多目标运动事件实时测量方法，可包括：

步骤S202、获取测量场景中多个目标车辆的逻辑数据。其中，逻辑数据可以指测试场景中运动目标（即目标车辆）在场景地图中所在区域地理信息数据，比如真实车辆在服务器上运行的测试场景里的定位数据，即真实车辆反映在服务器里高精度地图中对应的坐标数据，又比如软体车在服务器里高精度地图中对应的坐标数据等等。需要说明的是，逻辑数据可以包括位置数据和/或速度数据，以便于根据运动目标的逻辑数据结合触发预设运动事件的的测量所需数据，快速确定出运动目标的当前运动是否可以触发相应运动事件。

实施中，运动目标的逻辑数据为运动目标在测试场景使用的高精度地图中对应的逻辑数据，该数据可以是测试中真实车辆的绝对定位数据在电子地图中对应的定位数据，也可以是服务器在测试场景中虚拟的软体车在电子地图中对应的定位数据。

步骤S204、根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件，若是则执行步骤S206。

实施中，将各运动目标的逻辑数据结合测试所需的运动事件对应的测量需求数据，通过简单的计算比对，可以快速地确定运动事件是否满足触发条件。

需要说明的是，在测试场景中需要根据其他运动目标正在执行的运动，并据此触发相关目标执行对应动作而为被测车辆构建测试所需的动态交通流，这时可将被触发的事件称为运动事件，对应地触发信号可以称为运动事件触发信号。

步骤S206、输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

实施中，通过向需要执行测试相关动作的运动目标发出运动事件触发信号，这些运动目标将在运动事件触发信号的触发下执行相关动作。因此，触发的动作可为与运动事件相关的车辆动作，比如前述图2示例的背景车辆20切入主车道的转向动作。

以前述图2示例为例，逻辑数据可以为：测试本车10在测试场景中以30km/h的车速正在行驶，背景车辆20在测试本车10邻近车道且位于测试本车10前方以20km/h的速度行驶，当然还有各车辆的位置数据也为逻辑数据；运动事件可以为：测试本车10对直线道路相邻车道慢速前车切入识别与响应；预设运动事件的测量需求数据可以为：背景车辆20与测试本车10仍以各种速度继续行驶，且背景车辆20切入测试本车10的主车车道，并且保持20km/h的速度行驶；触发条件可以是：背景车辆20未切入主车道前，与测试本车10之间前后相距8米。因此，逻辑数据、运动事件以及测量需求数据均与测试需求相关，这里不作限定。

通过上述步骤S202-步骤S206，在测试场景中实时地获取运动目标的相关逻辑数据，进而将这些逻辑数据实时地与测试中触发运动事件发生的测量所需数据进行简单比对，一旦确定出运动事件满足触发条件时输出触发信号，以便相关运动目标在触发信号的触发下执行相关运动，从而为测试车辆创建出测试所需的动态交通流，进而基于动态交通流进行相关测试，如ADAS测试、自动驾驶测试、事故复现等等。因此，通过提供一种新的背景车辆控制技术，可以在远程服务器端，通过收集的车辆高精度定位技术，自动进行事件的计算，并根据设定的响应需求生成背景车辆的控制指令所需的触发信号，自动触发一台或者多台背景车辆的运动控制，真正实现动态交通场景的自动化复现，不仅保证了测试的一致性，而且极大的降低了ADAS测试、自动驾驶测试等过程中的人工部署和实施成本，并且允许使用不受数量限制的背景车辆来构造任意复杂的动态交通场景。

在一些实施方式中，可以将运动目标在测试中的高精度定位数据结合到高精度电子地图中，从而提供精确更高的逻辑数据。

实施中，获取测量场景中多个目标车辆的逻辑数据可以包括：通过高精度定位单元获取所述多个目标车辆所处地理位置的绝对定位数据。

具体地，可以在车辆中安装高精度定位单元，其中高精度定位单元可以是一种融合了卫星定位技术、IMU（惯性测量单元）技术的车辆定位单元，可以实时（比如大于50 Hz的数据刷新频率）获取车辆的动态位置，其定位精度可为厘米级别（比如±5cm），获取的车辆定位信息可以包括：经度、纬度、海拔高度，航向角，俯仰角及翻滚角等。

需要说明的是，惯性测量单元（Inertial measurement unit，简称IMU）可用于测量车辆的三轴姿态角及加速度，可以包括有三轴陀螺仪、三轴加速度计、三轴磁力计等若干部件，可以为测试场景提供车辆位置、姿态等信息，比如通过陀螺仪测量三轴的角速度，通过加速度计测量三轴的加速度，通过磁力计获得朝向信息等等。

在一种示例中，高精度定位单元可以与真实车辆（如背景车、被测车）的线控总线网络相连接，从而可以基于总线网络快速地将定位数据向远端服务器传输。

在一种示例中，获取到的高精度定位信息可以通过低延时无线通讯网络发送到运动事件测量装置（如远程协同驾驶的服务器），例如通过空中接口传输延时低于20ms的无线通讯网络获取所述目标车辆提供的所述逻辑数据。具体地，无线通讯网络的空口延时低于20ms，可以是点对多点、全双工无线通讯网络等形式，即无线通讯网络可以是点对多点高速数传电台网络，也可以是4G或者5G通讯网络。因此，通过低延时网络进行传输，且数据仅为占用带宽极少的定位信息，满足实时测量的需求。

通过获取高精度的绝对定位数据，可以保证逻辑数据的精度，提高测试准确性。

在一些实施方式中，在获取到绝对定位数据后，可以基于同一坐标系下对这些绝对定位数据进行数据处理，从而获得实时测量所需的参考逻辑数据。

实施中，在获取所述绝对定位数据后，根据所述绝对定位数据确定多运动目标事件参数，其中所述多运动目标事件参数包括：各个目标车辆在一个新的参考坐标系中对应的绝对位置和绝对运动速度，多个目标车辆之间的相对位置、相对距离和相对运动速度，运动事件时刻。

如图5所示，在获取到车辆的绝对定位数据后，可以在同一坐标系下进行坐标变换后，对同一坐标下的数据进行相应处理来获取出测试所需的相关逻辑数据，比如进行绝对位置计算，可以获得各车辆对应的绝对位置数据，比如进行相对位置计算获得各车辆之间的相对位置数据，比如进行相对距离计算可以获得车辆之间的相对距离数据，比如进行绝对运动参数计算可以获得车辆的绝对运动速度，比如进行相对运动速度计算可以获得车辆之间的相对运动速度，又比如进行时间记录可以记录发生运动事件时刻等等。

在获得逻辑数据后，可以将逻辑数据和运动事件测量需求数据结合，进行运动事件判断，当运动事件满足触发条件时输出运动事件触发信号。

在一些实施方式中，本发明提供的多目标运动事件实时测量方案，可以用于为封闭试车场内的ADAS、自动驾驶测试等场景提供一种自动化的背景车辆多车协同控制技术和设施，用于保证测试的一致性和测试精度。而且，使用该方案及相关设施， ADAS、自动驾驶等测试可以利用更复杂的多车动态交通场景，并且可以极大的降低测试过程中的人工成本，增强测试能力。

具体地，所述目标车辆包括被测试车辆或背景车辆，所述运动事件包括对交通环境进行测试的测试用例。

需要说明的是，目标车辆可以为真实车辆，也可以为软体车，这里不作限定；还有，测试用例可以为对车辆进行测试时所构建的测试用例，具体由测试需求确定，这里不作限定。

在一些实施方式中，根据事先定义的测试用例，触发测试场景中所有参与测试的背景车辆进行路径规划、决策控制等运动。因此，多个目标车辆执行所述运动事件触发信号对应的运动，可以根据实际发生的运动事件而执行以下至少一种动作：刹车、转向、加速、启动、停止。

在一些实施方式中，可以在运动事件实时测量装置中根据触发信号形成车辆最终的决策结果（如车辆执行器命令），从而通过低延时无线通讯网络发送给背景车辆，用于控制背景车辆的实际运动。

基于相同发明构思，本说明书还提供与前述方法对应的一种多目标运动事件实时测量装置。如图6所示，多目标运动事件实时测量装置600包括：逻辑数据获取单元601、运动事件判断单元602和触发单元603。其中，逻辑数据获取单元601，获取测量场景中多个目标车辆的逻辑数据；运动事件判断单元602，根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件；触发单元603，在运动事件判断单元确定出所述运动事件满足触发条件时，输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

需要说明的是，前述多目标运动事件实时测量装置是示例性说明的功能划分，在实际应用中可以根据需要而设置相关功能单元，并在相关功能单元中执行相关运动事件实时测量动作。

可选地，所述多目标运动事件实时测量装置600还包括坐标转换单元604，其中坐标转换单元用于在逻辑数据获取单元601获取所述目标车辆在测量场景中所处地理位置的绝对定位数据后，将所述绝对定位数据转换为多运动目标事件参数，其中所述多运动目标事件参数包括：各个目标车辆在一个新的参考坐标系中对应的绝对位置和绝对运动速度，多个目标车辆之间的相对位置、相对距离和相对运动速度，运动事件时刻。

基于相同发明构思，本说明书还提供与前述方法对应的应用***示例。

如图7至图11所示，多目标运动事件实时测量可以设置于远程协助驾驶服务器中，其中远程驾驶服务器可以是基于高精度电子地图构建的全场景要素的测试场景服务器。实施中，在服务器中设置有测试用例模块、动力学模型、同步模块、多车协同驾驶模块等，一方面在该服务器中可以将真实车辆映射在测试场景中的虚拟车辆，也可以在测试场景中添加有虚拟车辆（如背景车），因而服务器中可以运行有车辆映射模块来构建对应的虚拟车（如虚拟主车、虚拟背景车等），另一方面可以基于各车辆的逻辑数据结合测试用例后，基于运动事件进行虚拟车辆同步和多车协同驾驶。

如图7所示，本发明所示例的运动事件实时测量***工作原理：真实车辆A1至An实时地通过通信网络B1将自身运动的定位数据向远程协助驾驶服务器C1传输，使得远程协助驾驶服务器C1可以基于这些定位数据结合测试用例后，根据实际运动事件的触发情况，向相关运动车辆发生触发信号使得车辆执行相应运动，从而完成实时测量和实时测量的协同控制。

具体地，如图8所示，本发明所示例的运动事件实时测量***可以包括以下几个部分：安装在主车100上的高精度定位单元101、安装在背景车200上并与背景车的线控总线网络相连接的车载单元202、可以是5G网络或者点对多点高速数传电台的低延时无线通讯网络300、远程协同驾驶服务器400。

高精度定位单元101安装在主车上，可以是融合卫星定位和IMU的车辆定位单元，用于获取车辆定位数据，并可以实时（大于50 Hz的数据刷新频率）获取车辆的动态位置，其定位精度为厘米级别（±5cm）。还有，在获取到的高精度定位信息后通过低延时无线通讯网络发送给远程协同驾驶服务器。

车载单元202安装在背景车辆上（背景车辆数量可以一到多辆，示意图中为了简便，仅示出一辆），并且通过车辆总线与背景车辆的控制总线网络连接，可以直接通过程序操控背景车辆的执行器（刹车、方向、油门及启停开关等），远程驾驶服务器通过低延时无线通讯网络向背景车辆发送控制指令。

车载单元202同时也可以是具有高精度定位功能，能够实时（大于50 Hz的数据刷新频率）获取背景车辆的动态位置，其定位精度为厘米级别（±5cm），获取的背景车辆定位信息包括经度、纬度、海拔高度，航向角，俯仰角及翻滚角。相应地，获取到的高精度定位信息通过低延时无线通讯网络发送给远程协同驾驶服务器

低延时无线通讯网络300的空口延时低于20ms，可以为点对多点、全双工无线通讯网络，具体可以是点对多点高速数传电台网络、也可以是4G或者5G通讯网络。

远程协同驾驶服务器400由运行在上面的主要功能模块组成：测试用例401、实景高精度地图402、车辆动力学模型403、若干虚拟车（如主车映射为第一虚拟车，背景车映射为第二虚拟车）的车辆虚拟运行404、虚拟车辆同步模块405和多车协同驾驶模块406。

具体地，远程协同驾驶服务器400可以是一台安装有以下软件模块的高性能计算机，并且可以具有网络通讯接口，可通过低延时无线通讯网络与主车和背景车辆通讯：

测试用例401，集成有测试所需的各类用例数据；

实景高精度地图402，真实测试场地的实景三维高精度地图，精度为厘米级别，包含测试场地的所有静态交通元素，并且包括路网的语义数据；

车辆动力学模型403，可以形成虚拟主车、背景车，比如主车的高精度三维模型、背景车的高精度三维模型；

车辆虚拟运行404，主车的高精度三维模型、背景车的高精度三维模型等在测试场景中的虚拟运动；

虚拟车辆同步模块405，实时（大于50 Hz）读取主车和背景车的高精度定位数据，并根据这些高精度定位数据，将虚拟主车和虚拟背景车定位到实景高精地图的对应位置，并且姿态（航向角、俯仰角及姿态角）也保持与主车和背景车一致；

多车协同驾驶模块406，根据事先定义的测试用例，完成所有参与测试的虚拟背景车辆的路径规划和决策控制，并将最终的决策结果（车辆执行器命令）通过低延时无线通讯网络发送给真实的背景车辆，用于控制背景车辆的实际运动。

如图9至图11所示，***工作过程示意如下：

主车高精度定位单元和背景车辆上的车载单元将各自车辆的高精度定位数据作为运动状态信息，通过低延时无线通讯网络发送给远程协同驾驶服务器；

在远程协同驾驶服务器中，基于实景高精度地图、车辆三维模型等映射出对应的虚拟车辆（虚拟背景车和虚拟主车），虚拟车辆同步模块将虚拟运行的车辆与真实的背景车和主车在实景高精地图中同步虚拟运行，从而可以实时地获取到背景车辆和主车在实景高精度地图中的逻辑数据（如位置、姿态鞥）；

多车协同驾驶模块根据实景高精地图信息、虚拟车辆的运动状态、真实车辆的动力学模型及测试需求（即测试用例），实时计算虚拟背景车辆的路径规划和决策控制指令，形成车辆控制指令；

决策控制指令通过低延时无线通讯网络发送给相关的背景车辆的车载单元进行接收；

背景车辆根据远程协同驾驶服务器的指令运动，触发执行器执行相关动作（如刹车、方向转变、油门控制、档位调整等），使得车辆完成实时测量所需的运动。

另外，主车高精度定位单元、背景车辆上的车载单元还可以将各自车辆的运动状态通过低延时无线通讯网络发送给远程协同驾驶服务器，形成闭环，这不再展开说明。

通过在一个事先定义好的虚拟场景中（即实景高精地图），实时获取到所有背景车辆和主车的信息并以此来控制相应的虚拟背景车辆和主车的运动，从而获得整个交通测试场景的全场景要素。因此，不需要使用耗费算力的感知模块，仅使用非常简单高效的自动驾驶路径规划算法和决策算法，即可对所有参与交通的虚拟背景车辆按照事先设定的方式，进行路径规划和决策控制，并使用该决策指令直接控制真实的背景车辆，从而形成闭环。

还有，由于虚拟场景中包含了测试场景的全场景要素（静态交通元素和动态交通元素），因此前述的背景车的事件可以非常容易的通过程序的简单计算得到，因此背景车辆的响应能力可以非常容易的自动实现，并且这种响应能力可以针对任意数量的背景车辆。

因此，可以实现动态交通场景模拟的自动化，也就保证了测试的一致性。同时，可以实现数量不受限制的背景车辆的协同控制，不仅极大的降低了动态交通场景模拟的成本，更增强了动态交通场景的模拟能力。

基于相同发明构思，本说明书实施例提供与前述任意一个实施例所述多目标运动事件实时测量方法对应的一种用于电子设备，所述电子设备包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：如本说明书中任意一项实施例所述的多目标运动事件实时测量方法。

基于相同发明构思，本说明书实施例提供一种用于多目标运动事件实时测量的计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时执行如本说明书中任意一实施例提供的所述多目标运动事件实时测量方法的步骤。

需要说明的是，所述计算机存储介质可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本申请还可以提供将数据处理实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行前述任意一个实施例所述方法中的若干步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本申请中的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例侧重说明的都是与其他实施例的不同之处。尤其，对于后面说明的产品实施例而言，由于其与方法是对应的，描述比较简单，相关之处参见***实施例的部分说明即可。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多目标运动事件实时测量方法，其特征在于，包括：

获取测量场景中多个目标车辆的逻辑数据；

根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件，若是则输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

2.根据权利要求1所述的方法，其特征在于，获取测量场景中多个目标车辆的逻辑数据包括：获取所述多个目标车辆所处地理位置的绝对定位数据。

3.根据权利要求2所述的方法，其特征在于，在获取所述绝对定位数据后，根据所述绝对定位数据确定多运动目标事件参数，其中所述多运动目标事件参数包括：各个目标车辆在一个新的参考坐标系中对应的绝对位置和绝对运动速度，多个目标车辆之间的相对位置、相对距离和相对运动速度，运动事件时刻。

4.根据权利要求1所述的方法，其特征在于，所述目标车辆包括被测试车辆或背景车辆，所述运动事件包括对交通环境进行测试的测试用例。

5.根据权利要求2所述的方法，其特征在于，通过空中接口传输延时低于20ms的无线通讯网络获取所述目标车辆提供的所述逻辑数据。

6.根据权利要求1所述的方法，其特征在于，所述多个目标车辆执行所述运动事件触发信号对应的运动包括以下至少一种动作：刹车、转向、加速、启动、停止。

7.一种多目标运动事件实时测量装置，其特征在于，包括：

逻辑数据获取单元，获取测量场景中多个目标车辆的逻辑数据；

运动事件判断单元，根据所述逻辑数据和预设运动事件的测量需求数据，确定所述运动事件是否满足触发条件；

触发单元，在运动事件判断单元确定出所述运动事件满足触发条件时，输出运动事件触发信号，使所述多个目标车辆执行所述运动事件触发信号对应的运动，以在所述测量场景中形成实时交通流。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括坐标转换单元，所述坐标转换单元用于在所述逻辑数据获取单元获取所述目标车辆在测量场景中所处地理位置的绝对定位数据后，将所述绝对定位数据转换为多运动目标事件参数，其中所述多运动目标事件参数包括：各个目标车辆在一个新的参考坐标系中对应的绝对位置和绝对运动速度，多个目标车辆之间的相对位置、相对距离和相对运动速度，运动事件时刻。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：权利要求1-6中任一项所述的多目标运动事件实时测量方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时执行权利要求1-6中任一项所述的多目标运动事件实时测量方法。

Images