【技术实现步骤摘要】
本申请涉及自动驾驶，特别是涉及一种自动驾驶场景构建方法、装置、计算机设备和存储介质。
技术介绍
1、在高阶自动驾驶汽车的测试过程中，测试用例的设计是至关重要的一环。为了确保算法的安全性和可靠性，测试用例需要覆盖尽可能多的实际驾驶情况
2、一般来说，目前主流的测试用例或测试场景生成方法可以分为两个大类：基于知识驱动的场景生成方法和基于数据驱动的场景生成方法。最常见，最经典的基于知识驱动的场景生成方法是参数重组法，该方法将真实世界的驾驶环境的各种变量抽象为不同状态空间，对不同状态空间的参数变量进行遍历重组，进而生成新的仿真场景。
3、数重组法虽然可以大量快速的生成测试用例，但其参数往往是固定数值，这并不符合驾驶员实际的操作习惯，并不能真实的反应真实的驾驶场景，测试准确度较低，故，亟需改进。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高测试场景生成准确度的自动驾驶场景构建方法、装置、计算机设备和存储介质。
2、第一方面，本申请提供了一种自动驾驶场景构建方法，包括：
3、获取路采数据集；其中，路采数据集包括在历史时段内采集到的各道路的道路环境信息和各车辆的车辆行为信息；
4、从路采数据集中，提取至少一个车辆组的跟车路采数据；其中，每一车辆组的跟车路采数据包括该车辆组中第一车辆持续跟随该车辆组中第二车辆行驶过程中的道路环境信息和车辆行为信息；
5、根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶
6、在其中一个实施例中，每一车辆组中的第二车辆在第一设定时长内保持不变，该车辆组中第一车辆的车速和第二车辆的车速均大于0，以及该车辆组中第一车辆在持续跟随第二车辆的时长达到第二预设时长；其中，第二预设时长大于或等于第一预设时长。
7、在其中一个实施例中，根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为，包括：
8、采用马尔科夫链，对各跟车路采数据进行分析，确定跟车场景中第二车辆的预测驾驶行为。
9、在其中一个实施例中，；采用马尔科夫链，对各跟车路采数据进行分析，确定各跟车组中第二车辆的预测驾驶特征，包括：
10、针对于任一跟车路采数据，对该跟车路采数据中第二车辆的加速度序列进行异常值剔除处理，得到处理后的跟车路采数据；
11、采用马尔科夫链，对处理后的跟车路采数据进行分析，得到该跟车路采数据对应的车辆组的预测驾驶行为。
12、在其中一个实施例中，采用马尔科夫链，对各跟车路采数据进行分析，确定跟车场景中第二车辆的预测驾驶行为，包括：
13、根据各跟车路采数据中各时刻对应的第一车辆的速度值、该跟车路采数据中第一车辆和第二车辆之间的距离信息和第二车辆的加速度值，确定跟车场景中第二车辆的驾驶习惯参数；
14、根据驾驶习惯参数，确定为跟车场景中第二车辆的预测加速度值；
15、将第二车辆的预测加速度值，确定为跟车场景中第二车辆的预测驾驶行为。
16、在其中一个实施例中，将第二车辆的预测加速度值，确定为跟车场景中第二车辆的预测驾驶行为，包括：
17、根据第二车辆的预测加速度值和第二车辆对应的车辆行为的随机变化量，确定跟车场景中第二车辆的预测驾驶行为。
18、第二方面，本申请还提供了一种自动驾驶测试场景构建装置，其特征在于，装置包括：
19、获取模块，用于获取路采数据集；其中，路采数据集包括在历史时段内采集到的各道路的道路环境信息和各车辆的车辆行为信息；
20、提取模块，用于从路采数据集中，提取至少一个车辆组的跟车路采数据；其中，每一车辆组的跟车路采数据包括该车辆组中第一车辆持续跟随该车辆组中第二车辆行驶过程中的道路环境信息和车辆行为信息；
21、综合模块，用于根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为；其中，预测驾驶行为特征用于构建测试第一车辆的跟车行为的自动驾驶测试场景。
22、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
23、获取路采数据集；其中，路采数据集包括在历史时段内采集到的各道路的道路环境信息和各车辆的车辆行为信息；
24、从路采数据集中，提取至少一个车辆组的跟车路采数据；其中，每一车辆组的跟车路采数据包括该车辆组中第一车辆持续跟随该车辆组中第二车辆行驶过程中的道路环境信息和车辆行为信息；
25、根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为；其中，预测驾驶行为特征用于构建测试第一车辆的跟车行为的自动驾驶测试场景。
26、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
27、获取路采数据集；其中，路采数据集包括在历史时段内采集到的各道路的道路环境信息和各车辆的车辆行为信息；
28、从路采数据集中，提取至少一个车辆组的跟车路采数据；其中，每一车辆组的跟车路采数据包括该车辆组中第一车辆持续跟随该车辆组中第二车辆行驶过程中的道路环境信息和车辆行为信息；
29、根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为；其中，预测驾驶行为特征用于构建测试第一车辆的跟车行为的自动驾驶测试场景。
30、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
31、获取路采数据集；其中，路采数据集包括在历史时段内采集到的各道路的道路环境信息和各车辆的车辆行为信息；
32、从路采数据集中，提取至少一个车辆组的跟车路采数据；其中，每一车辆组的跟车路采数据包括该车辆组中第一车辆持续跟随该车辆组中第二车辆行驶过程中的道路环境信息和车辆行为信息；
33、根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为；其中，预测驾驶行为特征用于构建测试第一车辆的跟车行为的自动驾驶测试场景。
34、上述自动驾驶场景构建方法、装置、计算机设备和存储介质，从真实的路采数据集中，提取多个车辆组的跟车路采数据，能够根据历史真实驾驶记录，分析得到准确的跟车场景对应的预测驾驶行为，利用该预测驾驶行为所构建的自动驾驶测试场景，能够对第一车辆的跟车行为进行准确测试，相比于传统技术，无需从大量数据中筛选测试参数。
本文档来自技高网...【技术保护点】
1.一种自动驾驶测试场景构建方法，其特征在于，方法包括：
2.根据权利要求1的方法，其特征在于，每一车辆组中的第二车辆在第一设定时长内保持不变，该车辆组中第一车辆的车速和第二车辆的车速均大于0，以及该车辆组中第一车辆在持续跟随第二车辆的时长达到第二预设时长；其中，第二预设时长大于或等于第一预设时长。
3.根据权利要求1的方法，其特征在于，根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为，包括：
4.根据权利要求3的方法，其特征在于，采用马尔科夫链，对各跟车路采数据进行分析，确定各跟车组中第二车辆的预测驾驶特征，包括：
5.根据权利要求3的方法，其特征在于，采用马尔科夫链，对各跟车路采数据进行分析，确定跟车场景中第二车辆的预测驾驶行为，包括：
6.根据权利要求5的方法，其特征在于，将第二车辆的预测加速度值，确定为跟车场景中第二车辆的预测驾驶行为，包括：
7.一种自动驾驶测试场景构建装置，其特征在于，装置包括：
8.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，处理器
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1至6中任一项的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1至6中任一项的方法的步骤。
...【技术特征摘要】
1.一种自动驾驶测试场景构建方法，其特征在于，方法包括：
2.根据权利要求1的方法，其特征在于，每一车辆组中的第二车辆在第一设定时长内保持不变，该车辆组中第一车辆的车速和第二车辆的车速均大于0，以及该车辆组中第一车辆在持续跟随第二车辆的时长达到第二预设时长；其中，第二预设时长大于或等于第一预设时长。
3.根据权利要求1的方法，其特征在于，根据各跟车路采数据，预测跟车场景中第二车辆的预测驾驶行为，包括：
4.根据权利要求3的方法，其特征在于，采用马尔科夫链，对各跟车路采数据进行分析，确定各跟车组中第二车辆的预测驾驶特征，包括：
5.根据权利要求3的方法，其特征在于，采用马尔科夫链，对各跟车路采数据进行分析，确...
【专利技术属性】
技术研发人员：孙天浩，吴爱文，师帅，邢晓航，于婉婷，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。