一种网联自动驾驶的仿真方法及装置

技术领域

本申请涉及网联自动驾驶技术领域，具体涉及一种网联自动驾驶的仿真方法及装置。

背景技术

实现自动驾驶可以通过两种技术路线，分别是单车智能自动驾驶和网联式自动驾驶。在单车智能自动驾驶中，车辆装备的传感器对周围环境进行探测，根据传感器感知数据和自车定位结果，全局路径规划、局部路径规划被进行，它们决定了车辆当前及未来的行驶轨迹，最终通过对电机、制动器等执行器进行控制来完成目标动作。在网联自动驾驶中，自动驾驶所需的感知、规划和控制三大模块的部分功能可以在云端实现，通过V2X方式将感知结果或者规划控制的指令发送至自动驾驶车辆。

相比于单车智能自动驾驶，网联式智能驾驶在环境感知方面提供了减低成本和提高准确性的可能。网联式智能驾驶下，路侧感知设备的探测结果可以为道路上所有具备车联网能力的自动驾驶车辆所用，而单车自动驾驶需要单个车辆具备完整的感知能力，装备大量昂贵的传感器，其感知的范围也比较有限。此外，网联式智能驾驶能够降低实现自动驾驶所需的单车智能的技术难度。在自动驾驶的规划功能由云端实现的情况下，车辆只需要执行目标轨迹的跟踪，车辆架构的开发难度和数据处理的难度降低了，有助于自动驾驶的快速实现。

网联自动驾驶可以提供云控轨迹规划和车辆控制服务。云控轨迹规划服务以路侧感知设备的感知数据和车辆实时数据为输入，通过云端集中规划对外提供轨迹下发服务。云控车辆控制服务以车辆实时数据和云控规划服务提供的轨迹为输入，为网联车辆提供控制指令。云控轨迹规划和车辆控制可以增强网联车辆的安全性，提升行车效率和降低能耗。通过云端算法能将规划和控制指令以标准化接口的形式为众多自动驾驶车辆提供服务。

目前，在对网联自动驾驶的研发和测试过程，往往是利用网联自动驾驶车辆进行实车测试，这种方法虽然能很好的贴合现实中的环境数据来进行自动驾驶的验证，但其实车测试的方法，不可避免的带来人力、物力和财力的增加，同时可能影响自动驾驶的开发速度。

基于此，特提出本申请，在网联自动驾驶的研发和测试中，通过仿真测试的方法来降低研发设计成本，提升自动驾驶的开发速度。

发明内容

鉴于背景技术中的问题，本说明书实施例提供了一种网联自动驾驶的仿真方法及设备，该方法能够解决在自动驾驶的研发和测试中，通过实车测试带来的研发设计成本高，开发速度慢的问题。本领域技术人员根据本发明的技术手段通过仿真测试来减少后期的设计修改率，降低采用实车测试的方式来验证自动驾驶的功能和性能的次数，从而降低研发设计成本；同时仿真测试不受外部环境的影响，可用根据需求随时开展测试，测试数据反馈速度快，因此也提升自动驾驶的开发速度。

本说明书实施例采用下述技术方案：

本说明书提供了一种网联自动驾驶的仿真方法，包括：

向云控算法平台发送道路环境数据；所述云控算法平台至少用于对自动驾驶车辆提供车辆轨迹规划服务；

向所述云控算法平台发送仿真自动驾驶车辆的状态数据；

获取所述云控算法平台基于所述道路环境数据和所述仿真自动驾驶车辆的状态数据，反馈的目标轨迹信息；所述目标轨迹信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹；

控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果；

根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件。

本说明书还提供了一种网联自动驾驶的仿真方法，还包括：

获取所述云控算法平台基于所述目标轨迹信息和所述仿真自动驾驶车辆状态数据，反馈的控制指令信息；所述控制指令信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹；

控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第二控制结果；

根据所述第二控制结果，检验所述控制指令信息是否符合预设安全驾驶条件。

本说明书还提供了一种网联自动驾驶的仿真装置，所述装置包括：

发送模块，所述发送模块用于向云控算法平台发送道路环境数据；所述云控算法平台至少用于对自动驾驶车辆提供车辆轨迹规划服务；

发送模块，所述发送模块还用于向所述云控算法平台发送仿真自动驾驶车辆的状态数据；

获取模块，所述获取模块用于获取所述云控算法平台基于所述道路环境数据和所述仿真网联自动驾驶车辆的状态数据，反馈的目标轨迹信息；所述目标轨迹信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹；

控制模块，所述控制模块用于控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果；

检验模块，所述检验模块用于根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件。

本说明书还提供了一种网联自动驾驶的仿真装置，所述装置还包括：

获取模块，所述获取模块用于获取所述云控算法平台基于所述目标轨迹信息和所述仿真自动驾驶车辆状态数据，反馈的控制指令信息；所述控制指令信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹；

控制模块，所述控制模块用于控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第二控制结果；

检验模块，所述检验模块用于根据所述第二控制结果，检验所述控制指令信息是否符合预设安全驾驶条件。

需要说明的是，网联自动驾驶的仿真装置中的获取模块、控制模块和检验模块可以是1套也可以是2套，可以根据需求设置，本申请不对获取模块、控制模块和检验模块的具体数量进行限制。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本说明所提供的一种网联自动驾驶的仿真方法包括向云控算法平台发送道路环境数据，向所述云控算法平台发送仿真自动驾驶车辆的状态数据；获取所述云控算法平台基于所述道路环境数据和所述仿真自动驾驶车辆的状态数据，反馈的目标轨迹信息；控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果；根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件；实现在仿真环境中对开发阶段的网联自动驾驶的功能和性能进行迭代验证，降低了利用实车测试以验证自动驾驶的功能和性能的次数，从而降低研发设计成本。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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说明书中记载的一些实施例，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是本说明书实施例提供的一种网联自动驾驶的仿真方法的主要流程图。

图2是本说明书实施例提供的一种网联自动驾驶的仿真方法的部分流程图。

图3是本说明书实施例提供的一种网联自动驾驶的仿真方法的仿真系统框架图。

图4是本说明书实施例提供的一种网联自动驾驶的仿真方法的仿真数据的存储和回放框架图。

图5是本说明书实施例提供的一种网联自动驾驶的仿真装置的主要流程图。

图6是本说明书实施例提供的一种网联自动驾驶的仿真装置的部分流程图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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申请一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。

如背景技术提到的，现有技术中，在对网联自动驾驶进行研发和测试的过程中，往往是利用网联自动驾驶车辆进行实车测试，这种方法虽然能很好的贴合现实中的环境数据来对自动驾驶的测试和验证，但是在实车测试时，需要真实的自动驾驶车辆在公路上行驶，同时也需要有驾驶员在车内配合处理应急事件；因此不可避免的带来了人力、物力和财力的增加，并且在实际上路测试过程中，常常因为天气因素或道路路况因素或自动驾驶车辆本身状态(如：车辆故障)，造成不同程度的测试延期，影响了网联自动驾驶的开发进度。

本说明书所提供的网联自动驾驶的仿真方法用于克服因现有技术中采用实车测试对网联云控自动驾驶的功能和性能进行迭代验证的方法，带来研发设计成本高，开发速度慢的问题；本申请基于仿真平台获取的云控算法平台基于道路环境数据和仿真自动驾驶车辆的状态数据反馈的目标轨迹信息，控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果；根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件。从而实现在网联自动驾驶的研发和测试中，通过仿真测试来降低研发设计成本，提升自动驾驶的开发速度。

需要说明的是，本申请说明书中所述的云控算法平台是用于远程对包括网联自动驾驶车辆提供服务的平台，该平台可以是由多个计算机或服务器组成的设备集群，也可称为智能网联云控平台或自动驾驶控制平台。云控算法平台至少包括以下模块的一种或多种：仿真测试模块、信息互联模块、数据融合模块、标准化模块和云端协同模块等等。本申请说明书中不对该平台的名称做具体限定，仅以云控算法平台作为本方案的实施例进行方案的介绍；如基于本说明书实施例，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，都应当属于本申请保护的范围。

仿真测试模块：基于云控算法平台的基础设施和数据，采用轨迹规划算法模块和车辆控制算法模块进行智能网联驾驶的仿真测试。

信息互联模块：数据与服务协同，为第三方云平台实现信息共享，如第三方车联网平台。

数据融合模块：融合来自人、车、路、第三方云平台的数据，实现对道路交通数据的精准全息感知。

标准化模块：云控算法平台涉及的数据、接口、通信协议等遵循标准化实现，充分将人、车、路、交通环境等领域的基础数据融合应用，实现开放共享的基础平台。

云端协同模块：基于全局实时及历史感知数据实现“人车路网云”贯通，对区域智能驾驶提供协同感知、协同决策、协同控制；为智能网联汽车的安全运行、交通管理、应用服务等提供支撑。

本方案基于云控算法平台，采用包括轨迹规划算法模块和车辆控制算法模块对仿真自动驾驶车辆进行仿真环境条件下的实车测试，以解决本申请说明书中所提及的本发明所要解决的技术问题。下面结合具体示例对本说明书的方法进行详细说明。

参照图1，图1是本说明书实施例提供的一种网联自动驾驶的仿真方法的主要流程图。在本实施例中，该方法的执行主体可以是仿真测试平台。

如图1所示，该过程具体包括以下步骤：

S110：向云控算法平台发送道路环境数据；所述云控算法平台至少用于对自动驾驶车辆提供车辆轨迹规划服务。

在该步骤中，作为示例，所述向云控算法平台发送道路环境数据，所述道路环境数据包括现实中真实的环境数据，真实的环境数据为现实中真实的高精地图上的元素和现实中真实的交通参与者；所述道路环境数据也可以是仿真平台上的仿真路侧感知设备采集到对应仿真平台上的环境数据。所述现实中真实的高精地图上的元素，至少包括：车道线、停止线、人行横道和实时变化着的红绿灯；所述现实中真实的交通参与者，至少包括：车辆的位置和速度，和/或，行人的位置和速度。

发送道路环境数据的主体可以是网联自动驾驶的仿真平台，通过在仿真平台上设置数据接口，获取现实中的路侧感知设备上传至云端服务器的道路环境数据，将上述道路环境数据发送给云控算法平台。所述现实中的道路环境数据至少包括：现实中真实的高精地图上的元素和现实中真实的交通参与者。所述现实中真实的高精地图上的元素，至少包括：车道线、停止线、人行横道和实时变化着的红绿灯；所述现实中真实的交通参与者，包括：车辆的位置和速度，和/或，行人的位置和速度。

在实际应用中，发送道路环境数据的主体也可以是云端服务器或其他服务数据平台，可以根据用户测试的实际需求，选择云端服务器将现实中真实的路侧感知设备上传至云端服务器的道路环境数据发送给云控算法平台。

本申请中对发送的道路环境数据的实时性不做具体限定，可以是实时数据，也可以是历史数据。在实际应用中，可以根据用户对网联自动驾驶的测试需求，调用不同时段的数据进行网联自动驾驶的测试。

作为另一中示例，所示仿真平台上，除了路侧感知设备的结果和自动驾驶车辆状态的实时上传，自动驾驶车辆还将下发轨迹的请求上传到云端，如果收到轨迹下发的请求，则云端服务器上规划算法开始运行。轨迹规划算法中的车道规划模块每分钟运行一次，之后轨迹规划模块根据车道选择模块输出的目标车道序列，每0.1秒进行目标轨迹的更新，如果目标车道序列的更新时刻到达，则车道选择算法被重新执行。

本申请中提到的云控算法平台，可以为仿真平台上的自动驾驶车辆提供车辆云控轨迹规划服务，也可以为仿真平台上的自动驾驶车辆提供车辆控制服务。云控轨迹规划服务以路侧感知设备的感知数据和车辆实时数据为输入，通过云端集中规划对外提供轨迹下发服务。云控车辆控制服务以车辆实时数据和云控规划服务提供的轨迹为输入，为网联车辆提供控制指令。云控轨迹规划和车辆控制可以增强网联车辆的安全性，提升行车效率和降低能耗。通过云端算法能将规划和控制指令以标准化接口的形式为众多自动驾驶车辆提供服务。

进一步，在向云控算法平台发送道路环境数据之前，还包括：

基于所述仿真平台上设置的数据接口，获取现实中的道路环境数据；现实中的路侧感知设备上传至云端服务器的数据。所述现实中的道路环境数据包括：现实中真实的高精地图上的元素和现实中真实的交通参与者。

采用高精地图，基于所述现实中的道路环境数据，在仿真平台上进行道路环境仿真可视化，所述道路环境仿真可视化的可视化效果与所述现实中的道路环境的可视化效果一致。

所述现实中真实的高精地图上的元素，至少包括：车道线、停止线、人行横道和实时变化着的红绿灯；所述现实中真实的交通参与者，至少包括：车辆的位置和速度，和/或，行人的位置和速度。

参照图3，图3是本说明书实施例提供的一种网联自动驾驶的仿真方法的仿真系统框架图。

如图3所示的方法具体包括：仿真平台将路侧感知设备获取得到的环境数据发送至云控算法平台的轨迹规划算法，所述环境数据包括交通参与者信息；仿真自动驾驶车辆也将本车的状态发送至云控算法平台的轨迹规划算法；轨迹规划算法输出目标轨迹信息发送至仿真平台上的自动驾驶车辆，自动驾驶车辆根据目标轨迹信息输出的控制信息完成循迹行驶。

实际应用中，仿真平台上会将高精地图上的元素(车道线、停止线、人行横道、实时变化着的红绿灯等)以及交通参与者(环境车辆、自动驾驶车辆)可视化，高精地图数据需要是真实数据，以便于真实路侧感知数据(交通参与者的位置和速度)的接入。仿真平台上还将云端服务器发送给网联车辆的规划、控制指令可视化，例如云端下发的目标轨迹被显示在高精地图上，下发的目标速度被显示在仿真车辆旁边。

进一步，仿真车辆包含可配置动力学模型，可配置量如车辆质量、传动系转动惯量、质心位置、轴距、轮距、转向传动比等。仿真车辆包含默认的一般化的控制模型，可根据目标轨迹控制仿真车辆的方向盘转角和油门，来完成循迹行驶。仿真车辆的状态数据如车速、航向角等可从仿真平台中取得。

进一步，所述仿真平台基于仿真平台上仿真的路侧感知设备可以采集仿真平台上仿真的高精地图上的元素的道路环境数据。例如：在未添加自动驾驶测试车辆时，仿真的路侧感知设备采集的数据与现实中的路侧感知设备上传至云端的数据一致；在增加了仿真自动驾驶测试车辆后，仿真的路侧感知设备采集的数据为实际路侧感知设备上传至云端的数据加上仿真自动驾驶测试车辆的运行数据。

综上，仿真平台上的网联自动驾驶车辆将本车状态上报至实时计算平台的云控算法，仿真平台上的路侧感知设备将环境车、行人的数据上报至实时计算平台的云控算法。云控算法平台中，可根据交通参与者信息和本车状态，轨迹规划算法计算得到目标轨迹；根据目标轨迹和本车状态，车辆控制算法计算得到执行器指令。

目标轨迹可下发给仿真平台的自动驾驶车辆，让自动驾驶车辆执行云端的规划；执行器指令可下发给自动驾驶车辆，让自动驾驶车辆执行云端的控制，按照规划的轨迹循迹行驶。

在仿真平台上，自动驾驶车辆执行云端下发的轨迹规划或控制指令，算法得到验证的标准是，自动驾驶车辆在可行驶区域内行驶、自动驾驶车辆纵向和横向加速度在舒适性/安全性限制内、自动驾驶车辆可以避免与其他车辆碰撞、自动驾驶车辆不违反交通法规。

S120：向所述云控算法平台发送仿真自动驾驶车辆的状态数据。

在该步骤中，作为示例，所述仿真自动驾驶车辆可配置动力学模型，可配置量包括车辆质量、传动系转动惯量、质心位置、轴距、轮距、转向传动比等。仿真自动驾驶车辆包含默认的一般化的控制模型，可根据目标轨迹控制仿真车辆的方向盘转角和油门，来完成循迹行驶。

所述状态数据，包括车辆的行驶状态和车辆自身的状态信息，如行驶速度，偏移量，舒适度，平稳度，横纵向加速度，安全驾驶情况等；当然仿真车辆的部分状态数据如车速、航向角等也可以从仿真平台的路侧感知设备获取。

进一步，所述一般化控制模型包括道路信息感知模型，所述道路感知模型可以用于结构化道路感知和非结构化道路感知。结构化道路是指具有清晰车道标志线和道路边界等的标准化道路，结构化道路检测即是通过结构化道路的相关信息来准确获得本车相对于车道的位置和方向。非结构化道路一般指结构化程度较低的道路，如乡村公路、土路等，在结构上符合道路的特征，但由于缺少车道线等道路标志,故无法采用检测车道线的方法进行识别。本申请不对具体的道路信息感知模型做具体的限定，可以应用现有技术中的技术手段来获取道路信息，如道路检测的算法，车道线检测与识别算法及Hough变换原理等技术手段。

进一步，所述一般化控制模型还包括环境感知模型，所述环境感知模型包括行人感知、车辆感知、交通信号灯感知等。本申请不对具体的环境感知的技术手段做具体的限定，可以应用现有技术中的技术手段来获取环境数据，如可以基于视觉的行人检测，基于HOG特征的行人检测或基于激光雷达与视频数据融合的检测等。

进一步，所述一般化控制模型还包括用于控制车辆方向和油门的控制模型，使所述仿真自动驾驶车辆可根据目标轨迹控制仿真车辆的方向盘转角和油门，来完成循迹行驶；也可以根据控制指令控制仿真车辆的方向盘和油门，完成按照控制指令行驶。

S130：获取所述云控算法平台基于所述道路环境数据和所述仿真自动驾驶车辆的状态数据，反馈的目标轨迹信息；所述目标轨迹信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹。

在该步骤中，作为示例，所述目标轨迹信息是采用云控算法平台中的轨迹规划算法，输入所述道路环境数据和所述仿真自动驾驶车辆的状态数据，得到的目标轨迹信息，该目标轨迹信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹。将此目标轨迹信息反馈至仿真平台，所述目标轨迹信息至少包括：目标位置信息、目标速度信息和目标航向角信息。

该轨迹规划算法可以为车辆控制算法提供良好的可行驶轨迹，包含目标位置、目标速度、目标航向，自动驾驶车辆上报准确的定位以及速度、航向角等信息，用于结合轨迹点计算纵向、横向误差等，最终生成执行器控制量；根据执行器控制量控制自动驾驶车辆按照规划的轨迹循迹行驶。

进一步，作为示例，还可以根据所述仿真车辆的当前行驶位置信息和所述目标位置信息，采用pid控制算法得到位置控制量；基于所述位置控制量控制所述仿真自动驾驶车辆按照所述轨迹信息行驶。

根据所述仿真车辆的当前行驶速度和所述目标速度信息，采用pid控制算法得到速度控制量；基于所述速度控制量控制所述仿真自动驾驶车辆按照所述轨迹信息行驶。

根据所述仿真车辆的当前行驶航向角和所述目标航向角，采用pid控制算法得到航向角控制量；基于所述航向角控制量控制所述仿真自动驾驶车辆按照所述轨迹信息行驶。

在实际应用中，例如根据目标车道信息、自动驾驶车辆上传的本车状态信息和交通环境信息，云控轨迹规划算法计算得出目标轨迹信息；目标轨迹被下发到仿真自动驾驶车辆，仿真自动驾驶车辆根据轨迹进行跟踪控制；其中车道选择算法每分钟运行一次，以更新目标车道序列，轨迹规划算法每0.1秒运行一次，实时更新车辆接收到的目标轨迹。

S140：控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果。

在该步骤中，作为示例，根据步骤S130生成的控制量控制仿真自动驾驶车辆按照规划的轨迹行驶，记录仿真自动驾驶车辆按照规划的轨迹行驶过程中产生的数据形成数据集合，对该数据集合进行可用数据筛选处理得到所述第一控制结果。

所述第一控制结果至少包括：所述仿真自动驾驶车辆的行驶区域、车辆的纵向加速度、车辆的横向加速度和车辆的安全行驶状态。

行驶区域指按照规划的轨迹仿真车辆可以行驶的区域。

车辆的纵向加速度指仿真车辆在可行驶的区域内行驶时其车辆产生的沿着车辆的走向的加速度，这个是用来稳定车身采集的数据，即所谓的车辆稳定系统。

车辆的横向加速度指的是与汽车行驶方向垂直的方向的加速度,在车辆进行转弯行驶时产生的离心力所带来的加速度。

车辆的安全行驶状态包括车辆未与其他车辆发送碰撞，车辆未违反交通规则等。

在实际应用中，假设目标轨迹信息是10秒内行驶的路线，那么可以根据路线以及时间，计算出车辆需要的加速度，再根据车辆自身的质量，摩擦力等参数，可以计算得到人乘坐时的推力，舒适度；进一步可以判断自动驾驶车辆是否会发生侧滑，是否会撞到其他车辆等情况。在仿真平台上，如两辆车位置的重叠被检测到，即判断两车发生了碰撞。

进一步，在仿真平台上，对车辆位置进行pid控制算法求导得到速度，对速度进行pid控制算法求导得到纵向和横向加速度，进一步可以得到纵向和横向加速度是否在舒适性/安全性限制。

S150：根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件。

在该步骤中，作为示例，根据步骤S140中记录的仿真自动驾驶车辆的第一控制结果，比对预设的安全驾驶条件，检验云控轨迹算法提供的目标轨迹信息是否符合预设的安全驾驶条件。

在实际应用中，所述检验云控轨迹算法提供的目标轨迹信息是否符合预设的安全驾驶条件至少包括：

(1)检验所述仿真自动驾驶车辆的行驶区域是否在预设的可行驶区域内行驶。

所述预设的可行驶区域为现实中政府部门允许自动驾驶车辆上路测试的道路，通过仿真平台上的数据接口，将以上路段模拟至仿真平台，判断仿真自动驾驶车辆是否在上述区域内行驶。

(2)检验所述仿真自动驾驶车辆的纵向、横向加速度是否在预设的舒适性限制内。

所述预设的舒适性限制内包括：根据预设的轨迹及时间，控制仿真自动驾驶车辆，计算出车辆在行驶过程中的纵向加速度和横向加速度。因为自动加速车辆是通过对节气门开度和液压控制系统进行协调控制，使车辆在加速行驶、车辆跟随和制动方面实现自适应巡航；行驶过程中的舒适度与车辆的自身重量、轮胎的摩擦力及所行驶的道路相关。本方案不对纵向加速度和横向加速度的速度值做具体限定。

在实际应用中，当车辆的纵向加速度a为6m/s时，横向加速度a为3m/s时，车内人员会觉得很舒适，可确认在预设的舒适性限制内；当然也需要符合国家对机动车辆驾驶过程中对车辆纵向加速度或横向加速度的相关规定。

(3)检验所述仿真自动驾驶车辆的纵向加速度和横向加速度是否在预设的安全性限制内。

所述预设的安全性限制表示车辆在满足舒适性驾驶的条件下也必须满足安全驾驶；例如：车辆以80km/s行驶时，车辆检测到前方50m有红绿灯，这时候自动驾驶车辆需要提前自动减速来满足安全驾驶，根据自动刹车的刹车距离和刹车时间计算出纵向加速度，以确认其纵向加速度是否满足自动驾驶车辆预设的舒适度。当然，车辆的舒适的和安全性是一个相对平衡的概念，在突发的情况下，首先需要保证车辆的安全性，再保证车辆的舒适性。

(4)检验所述仿真自动驾驶车辆是否和其他车辆发生碰撞；检验所述仿真自动驾驶车辆是否违反交通规则。

基于上述方法，实现在仿真环境中对开发阶段的网联自动驾驶的功能和性能进行迭代验证，降低了利用实车测试以验证自动驾驶的功能和性能的次数，从而降低研发设计成本。

在此需要说明的是，仿真平台中自动驾驶车辆的控制系统按照云端下发的目标轨迹控制油门、方向盘等执行器，进行循迹控制，这样可以验证云端轨迹规划可以被一般化的单车控制系统执行。基于云控轨迹规划和车辆控制的网联自动驾驶仿真系统中，云控轨迹规划算法需要验证时，自动驾驶车辆按照云端下发的目标轨迹行驶，而云控控制算法不起作用。

进一步，参照图4，图4是本说明书实施例提供的一种网联自动驾驶的仿真方法的仿真数据的存储和回放框架图。

作为示例，该过程具体包括以下步骤：

仿真平台将控制仿真自动驾驶车辆按照目标轨迹信息所述的轨迹行驶，得到对于所述仿真自动驾驶车辆的包含时间戳的第一控制结果发送至云控算法平台，云控算法平台接收第一控制结果，将第一控制结果存储至云控平台服务器；第一控制结果包括自动驾驶车辆的状态信息和轨迹规划测试过程及结果等。仿真平台还将路侧感知设备的交通参与者信息发送至云控算法平台，云控算法平台将第一控制结果和交通者参与信息存储至历史数据库。

在实际应用中，仿真测试进行的时候，交通参与者信息、自动驾驶车辆状态、轨迹规划结果、执行器控制指令每时每刻都被存储到云控算法平台的历史数据库，数据对应的时间戳也被保存。根据开发需求进行数据回放的时候，可调用存储的自动驾驶车辆状态数据，在仿真平台上展示，其仿真自动驾驶车辆的位置和速度被按照时间戳顺序回放；也可调用存储的交通参与者数据，仿真平台上交通参与者的位置和速度被按照时间戳顺序回放；根据存储的执行器指令和目标轨迹，云端下发的指令也被在仿真平台上按照时间戳顺序回放。通过将数据库中存储的测试数据进行回放，更有利用对测试过程中产生的问题进行定位，有利促进云控自动驾驶的开发。

参照图2，图2是本说明书实施例提供的一种网联自动驾驶的仿真方法的部分流程图。

S210：获取所述云控算法平台基于所述目标轨迹信息和所述仿真自动驾驶车辆状态数据，反馈的控制指令信息；所述控制指令信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹。

在该步骤中，作为示例，所述控制指令信息是采用云控算法平台中的车辆控制算法，输入目标轨迹信息和仿真自动驾驶车辆的状态数据，得到的车辆控制指令信息。该控制指令信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹，所述控制指令信息中至少包括预期的油门开度和预期的方向盘转角。

进一步，车辆控制算法包括纵向控制器和横向控制器，通过轨迹规划输出的目标速度和自动驾驶车辆的当前速度，纵向控制器生成预期的油门开度。通过轨迹规划输出的目标位置、目标航向角和自动驾驶车辆的当前位置、航向角，横向控制器生成预期的方向盘转角。

S220:控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第二控制结果。

在该步骤中，作为示例，根据步骤S210生成的油门开度和方向盘转角的控制量控制仿真车辆按照规划的轨迹行驶，记录仿真自动驾驶车辆按照规划的轨迹行驶过程中产生的数据形成数据集合，对该数据集合进行可用数据筛选处理得到所述第二控制结果。

所述第二控制结果至少包括：所述仿真自动驾驶车辆的行驶区域、车辆的纵向加速度、车辆的横向加速度和车辆的安全行驶状态。

具体的所述仿真自动驾驶车辆的行驶区域、车辆的纵向加速度、车辆的横向加速度和车辆的安全行驶状态与步骤S140中定义的所述仿真自动驾驶车辆的行驶区域、车辆的纵向加速度、车辆的横向加速度和车辆的安全行驶状态相同，此处不再赘述。

S230：根据所述第二控制结果，检验所述控制指令信息是否符合预设安全驾驶条件。

在该步骤中，作为示例，根据步骤S220中记录的仿真自动驾驶车辆的第二控制结果，比对预设的安全驾驶条件，检验云控控制算法提供的控制指令信息是否符合预设的安全驾驶条件。

在实际应用中，所述检验云控轨迹算法提供的目标轨迹信息是否符合预设的安全驾驶条件，至少包括：

(1)检验所述仿真自动驾驶车辆的行驶区域是否在预设的可行驶区域内行驶。

(2)检验所述仿真自动驾驶车辆的纵向加速度和横向加速度是否在预设的舒适性限制内。

(3)检验所述仿真自动驾驶车辆的纵向加速度和横向加速度是否在预设的安全性限制内。

(4)检验所述仿真自动驾驶车辆是否和其他车辆发生碰撞；检验所述仿真自动驾驶车辆是否违法交通规则。

根据所述第二控制结果，检验所述控制指令信息是否符合预设安全驾驶条件的方法与步骤S150中所用的方法相同，在此不再赘述。

基于上述方法，对云控控制算法进行验证得到验证结果；验证云控算法功能及性能的时候，需要观察自动驾驶车辆能否实现对交通参与者的避让，在仿真环境中交通参与者都是虚拟的，它们被设置在各个位置，它们的状态数据被仿真平台上的路侧感知设备上传至云端算法。在此需要说明的是，基于云控轨迹规划和车辆控制的网联自动驾驶仿真系统中，云控车辆控制算法需要验证时，云控轨迹规划和云控车辆控制算法都起作用，仿真平台中自动驾驶车辆按照云端下发的执行器指令等控制执行器，包括油门开度、方向盘转角等指令；同时也可实现云控平台对自动驾驶车辆的远程控制。

在实际应用中，验证云控规划、控制是否有条件部署到现实世界并应用的时候，交通参与者数据来自于非实时或者实时的真实路侧感知设备数据；经过一段时间的真实路侧感知设备的数据被存储下来，在仿真平台上重新播放这些数据作为交通参与者在仿真世界上的位置和速度，此非实时的真实路侧感知设备数据下的仿真可以验证云控规划、控制在真实感知数据下是否满足需求。

实时的真实路侧感知设备的数据被传输到仿真平台，在仿真平台上可以看到真实交通参与者的当前状况，此实时的真实路侧感知设备数据下的仿真可以验证云控规划、控制是否有条件进行实车测试。

因此，本发明公开的仿真平台可以实现虚拟或真实、非实时或实时道路交通环境数据下网联自动驾驶的模拟，可以实现云控轨迹规划、云控车辆控制在虚拟世界中的集成，快速地验证网联自动驾驶的功能、性能，支持算法的快速迭代开发，为自动驾驶的实车测试奠定坚实的基础。

进一步，参照图4，图4是本说明书实施例提供的一种网联自动驾驶的仿真方法的仿真数据的存储和回放框架图。

作为示例，仿真平台将控制仿真自动驾驶车辆按照控制指令信息所述的轨迹行驶，得到对于所述仿真自动驾驶车辆的包含时间戳的第二控制结果，将第二控制结果发送至云控算法平台，云控算法平台接收第二控制结果，将第二控制结果存储至云控平台服务器；第二控制结果包括自动驾驶车辆状态信息和车辆控制测试结果等。仿真平台还将路侧感知设备的交通参与者信息发送至云控算法平台，云控算法平台将第二控制结果和交通者参与信息存储至数据库。

在实际应用中，仿真测试进行的时候，交通参与者信息、自动驾驶车辆状态、轨迹规划结果、执行器控制指令每时每刻都被存储到云控算法平台的历史数据库，数据对应的时间戳也被保存。根据开发需求进行数据回放的时候，可调用存储的自动驾驶车辆状态数据，在仿真平台上展示，其仿真自动驾驶车辆的位置和速度被按照时间戳顺序回放；也可调用存储的交通参与者数据，仿真平台上交通参与者的位置和速度被按照时间戳顺序回放；根据存储的执行器指令和目标轨迹，云端下发的指令也被在仿真平台上按照时间戳顺序回放。通过将数据库中存储的测试数据进行回放，更有利用对测试过程中产生的问题进行定位，有利促进云控自动驾驶的开发。

综上，通过本申请公开的技术方案，利用仿真的网联自动驾驶车辆在与现实道路环境可视化效果一致的仿真平台上进行测试和验证，无需真实的自动驾驶车辆来配合实车测试，也不需要驾驶员在车中配合处理应急事件，因此降低了开发成本；同时在进行仿真测试过程中，不会常常因为天气因素或道路路况因素或自动驾驶车辆本身状态(如：车辆故障)造成测试延期，根据项目需求随时可以利用仿真平台对网联自动驾驶的功能和性能进行验证，保证了开发进度。

基于同样的构思，本说明书还提供了一种车辆行驶数据的处理装置。参照图5，图5是本说明书实施例提供的一种网联自动驾驶的仿真装置的主要流程图。

如图5所示，所示装置包括：

发送模块310：所述发送模块310用于向云控算法平台发送道路环境数据；所述云控算法平台至少用于对自动驾驶车辆提供车辆轨迹规划服务。

发送模块310：所述发送模块310还用于向所述云控算法平台发送仿真自动驾驶车辆的状态数据。

获取模块320：所示获取模块320用于获取所述云控算法平台基于所述道路环境数据和所述仿真网联自动驾驶车辆的状态数据，反馈的目标轨迹信息；所述目标轨迹信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹。

控制模块330：所述控制模块330用于控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第一控制结果。

检验模块340：所述检验模块340用于根据所述第一控制结果，检验所述目标轨迹信息是否符合预设安全驾驶条件。

基于同样的构思，本说明书还提供了一种车辆行驶数据的处理装置。参照图6，图6是本说明书实施例提供的一种网联自动驾驶的仿真装置的部分流程图。

如图6所示，所示装置包括：

获取模块420：所述获取模块420用于获取所述云控算法平台基于所述目标轨迹信息和所述仿真自动驾驶车辆状态数据，反馈的控制指令信息；所述控制指令信息表示的轨迹为期望所述仿真自动驾驶车辆在预定时间范围内行驶的轨迹。

控制模块430：所述控制模块430用于控制所述仿真自动驾驶车辆按照所述轨迹行驶，得到对于所述仿真自动驾驶车辆的第二控制结果。

检验模块440：所述检验模块440用于根据所述第二控制结果，检验所述控制指令信息是否符合预设安全驾驶条件。

需要说明的是，网联自动驾驶的仿真装置中的获取模块、控制模块和检验模块可以是1套也可以是2套，可以根据需求设置，本申请不对获取模块、控制模块和检验模块的具体数量进行限制。

关于该装置的具体说明参见上文对方法的说明，此处不再赘述。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。

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，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。