自动驾驶系统评估优化方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶领域，尤其涉及一种自动驾驶系统评估优化方法、装置、设备及存储介质。

背景技术

目前随着汽车自动化技术的发展，由深度学习和神经网络技术支撑的自动驾驶系统在研究和应用领域均取得了不俗的进展。但面对日益增多的交通场景、复杂的交通环境以及人类驾驶员无法预测的操作，通常采取仿真的形式验证自动驾驶技术的安全性，尽管这种方式能够提前发现自动驾驶系统中存在的一些缺点，但仍旧不能很好的确定、对比不同自动驾驶系统在仿真过程的优劣，并根据自动驾驶系统的优劣给出对应的优化方案。因此，如何衡量自动驾驶系统的优劣并提供优化方案成为了当前亟待解决的问题。

发明内容

本发明的主要目的在于解决现有自动驾驶系统评估优化方法中评价方式单一、无针对性优化方案的技术问题。

本发明第一方面提供了一种自动驾驶系统评估优化方法，所述自动驾驶系统评估优化方法，包括：获取自动驾驶系统在仿真场景中的仿真数据；基于仿真数据从不同的维度分析，得到评估分值；提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。

可选的，在本发明第一方面的第一种实现方式中，所述评估分值包括预测碰撞率，所述基于仿真数据从不同的维度分析，得到评估分值，包括：提取所述仿真数据中仿真车辆的运动轨迹、对应于所述运动轨迹的速度值和所述仿真场景中存在的障碍物信息，其中，所述障碍物信息包括障碍物位置；通过所述运动轨迹确定所述仿真车辆的起点和终点；基于所述障碍物位置和预设的避让距离确定所述仿真场景中的安全行驶区域；基于所述起点、所述终点和所述安全行驶区域生成所述仿真车辆的安全行驶轨迹；计算所述安全行驶轨迹和所述运动轨迹的差异值，并基于所述差异值计算所述仿真车辆的预测碰撞率。

可选的，在本发明第一方面的第二种实现方式中，所述仿真场景中还包括危险区域，在所述基于所述障碍物位置和预设的避让距离确定所述仿真场景中的安全行驶区域之后，还包括：基于预设的评分规则，在所述危险区域中设定不同等级的扣分区域，其中，扣分区域为所述危险区域中与所述障碍物位置不同的区域；计算所述运动轨迹中与所述扣分区域的重叠部位和重叠次数；基于所述重叠部位和所述重叠次数计算所述仿真车辆的预测碰撞率。

可选的，在本发明第一方面的第三种实现方式中，所述评估分值包括伤亡率，所述基于仿真数据从不同的维度分析，得到评估分值，包括：提取所述仿真数据中所述仿真车辆的碰撞速度值与对应碰撞物的碰撞物类别和碰撞角度；判断所述碰撞物类别是否为机动车；若是，则确定所述仿真车辆的碰撞角度；基于确定的所述碰撞角度和所述碰撞速度值，应用对应于所述碰撞角度的碰撞常数，计算所述仿真车辆造成的伤亡率；若否，则基于所述碰撞速度值，应用对应于非机动车的碰撞常数，计算所述仿真车辆造成的伤亡率。

可选的，在本发明第一方面的第四种实现方式中，所述结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案，包括：结合所述仿真场景和对应的所述评估分值，确定所述自动驾驶系统触发的扣分项；基于所述扣分项于所述控制指令中筛选出存在操控缺点的问题指令；查询所述问题指令在所述控制指令中存在的问题时间段，并截取所述问题时间段的仿真场景，得到问题场景片段；基于所述问题指令和所述问题场景片段，归纳生成所述自动驾驶系统的优化方案。

可选的，在本发明第一方面的第五种实现方式中，在所述结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案之后，还包括：基于所述问题场景片段和所述安全行驶区域，检索是否存在所述仿真车辆的所述安全行驶轨迹；若是，则提取所述安全行驶轨迹对应的所述控制指令，并更新至所述优化方案中。

可选的，在本发明第一方面的第六种实现方式中，在所述结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案之后，还包括：基于所述问题场景片段和所述碰撞物信息，确定所述问题时间段中所述碰撞物的运动轨迹；基于所述运动轨迹更新所述问题场景片段中的所述安全行驶区域，得到第二安全行驶区域；判断在所述问题时间段中所述仿真车辆是否存在安全行驶轨迹，并基于判断结果更新所述优化方案。

本发明第二方面提供了一种自动驾驶系统评估优化装置，所述自动驾驶系统评估优化装置，包括：仿真数据获取模块，用于获取自动驾驶系统在仿真场景中的仿真数据；评估分值生成模块，用于基于仿真数据从不同的维度分析，得到评估分值；控制指令提取模块，用于提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；优化方案生成模块，用于结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。

可选的，在本发明第二方面的第一种实现方式中，所述评估分值生成模块具体用于：信息提取单元，提取所述仿真数据中仿真车辆的运动轨迹、对应于所述运动轨迹的速度值和所述仿真场景中存在的障碍物信息，其中，所述障碍物信息包括障碍物位置；安全行驶区域确定单元，通过所述运动轨迹确定所述仿真车辆的起点和终点；基于所述障碍物位置和预设的避让距离确定所述仿真场景中的安全行驶区域；安全行驶轨迹生成单元，基于所述起点、所述终点和所述安全行驶区域生成所述仿真车辆的安全行驶轨迹；预测碰撞率计算单元，计算所述安全行驶轨迹和所述运动轨迹的差异值，并基于所述差异值计算所述仿真车辆的预测碰撞率。

可选的，在本发明第二方面的第二种实现方式中，所述评估分值生成模块还包括扣分区域计算单元，所述扣分区域计算单元具体用于：基于预设的评分规则，在所述危险区域中设定不同等级的扣分区域，其中，扣分区域为所述危险区域中与所述障碍物位置不同的区域；计算所述运动轨迹中与所述扣分区域的重叠部位和重叠次数；基于所述重叠部位和所述重叠次数计算所述仿真车辆的预测碰撞率。

可选的，在本发明第二方面的第三种实现方式中，所述评估分值生成模块具体还用于：提取所述仿真数据中所述仿真车辆的碰撞速度值与对应碰撞物的碰撞物类别和碰撞角度；判断所述碰撞物类别是否为机动车；若是，则确定所述仿真车辆的碰撞角度；基于确定的所述碰撞角度和所述碰撞速度值，应用对应于所述碰撞角度的碰撞常数，计算所述仿真车辆造成的伤亡率；若否，则基于所述碰撞速度值，应用对应于非机动车的碰撞常数，计算所述仿真车辆造成的伤亡率。

可选的，在本发明第二方面的第四种实现方式中，所述优化方案生成模块具体用于：结合所述仿真场景和对应的所述评估分值，确定所述自动驾驶系统触发的扣分项；基于所述扣分项于所述控制指令中筛选出存在操控缺点的问题指令；查询所述问题指令在所述控制指令中存在的问题时间段，并截取所述问题时间段的仿真场景，得到问题场景片段；基于所述问题指令和所述问题场景片段，归纳生成所述自动驾驶系统的优化方案。

可选的，在本发明第二方面的第五种实现方式中，所述自动驾驶系统评估优化装置还包括预测碰撞率优化模块，所述预测碰撞率优化模块具体用于：基于所述问题场景片段和所述安全行驶区域，检索是否存在所述仿真车辆的所述安全行驶轨迹；若是，则提取所述安全行驶轨迹对应的所述控制指令，并更新至所述优化方案中。

可选的，在本发明第二方面的第六种实现方式中，所述自动驾驶系统评估优化装置还包括伤亡率优化模块，所述伤亡率优化模块具体用于：基于所述问题场景片段和所述碰撞物信息，确定所述问题时间段中所述碰撞物的运动轨迹；基于所述运动轨迹更新所述问题场景片段中的所述安全行驶区域，得到第二安全行驶区域；判断在所述问题时间段中所述仿真车辆是否存在安全行驶轨迹，并基于判断结果更新所述优化方案。

本发明第三方面提供了一种自动驾驶系统评估优化设备，包括：存储器和至少一个处理器，所述存储器中存储有请求，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述请求，以使得所述自动驾驶系统评估优化设备执行上述的自动驾驶系统评估优化方法的步骤。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有请求，当其在计算机上运行时，使得计算机执行上述的自动驾驶系统评估优化方法的步骤。

本发明的技术方案中，通过获取自动驾驶系统在仿真场景中的仿真数据；基于仿真数据从不同的维度分析，得到评估分值；提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。本申请基于仿真过程中针对仿真车辆碰撞前的预测碰撞率和碰撞后的伤亡率进行计算，统一得到仿真车辆在仿真场景中不同碰撞情况的安全性评估标准，并基于安全性评估标准计算对应的优化方案，为后续的智能驾驶技术提供更加准确的数据支持。

附图说明

图1为本发明实施例中自动驾驶系统评估优化方法的第一个实施例示意图；

图2为本发明实施例中自动驾驶系统评估优化方法的第二个实施例示意图；

图3为本发明实施例中自动驾驶系统评估优化方法的第三个实施例示意图；

图4为本发明实施例中自动驾驶系统评估优化装置的一个实施例示意图；

图5为本发明实施例中自动驾驶系统评估优化装置的另一个实施例示意图；

图6为本发明实施例中自动驾驶系统评估优化设备的一个实施例示意图。

具体实施方式

本发明的技术方案中，通过获取自动驾驶系统在仿真场景中的仿真数据；基于仿真数据从不同的维度分析，得到评估分值；提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。本申请基于仿真过程中针对仿真车辆碰撞前的预测碰撞率和碰撞后的伤亡率进行计算，统一得到仿真车辆在仿真场景中不同碰撞情况的安全性评估标准，并基于安全性评估标准计算对应的优化方案，为后续的智能驾驶技术提供更加准确的数据支持。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的构件，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中自动驾驶系统评估优化方法的第一个实施例包括：

101、获取自动驾驶系统在仿真场景中的仿真数据；

在本实施例中，通过选择需要进行仿真的自动驾驶系统，在仿真环境中运行后得到对应于仿真场景的仿真数据，根据仿真车辆和障碍物、碰撞物的运动轨迹、运动速度、障碍物类型等信息计算安全性得分。

具体的，通过自动驾驶系统在仿真场景中执行仿真操作，输出包含仿真车辆碰撞结果的仿真数据，其中，所述碰撞结果包括发生碰撞或未发生碰撞。

102、基于仿真数据从不同的维度分析，得到评估分值；

在本实施例中，若仿真车辆的碰撞结果为发生碰撞，则在伤亡率的维度对仿真结果进行分析，得到对应于伤亡率的评估分数；若仿真车辆的碰撞结果为未发生碰撞，则在预测碰撞率的维度对仿真结果进行分析，得到对应于预测碰撞率的维度的评估分数。

在一方面，可以先后以预测碰撞率的维度和伤亡率的维度对仿真结果进行分析，如，碰撞结果为发生碰撞的情况，则在预测碰撞率的维度，为必然发生碰撞的极值，并计算伤亡率维度的分值，在汇总后得到评估分值；若碰撞结果为未发生碰撞的情况，则在伤亡率维度为必然不存在伤亡率的极值，并计算预测碰撞率的维度，在汇总后得到评估分值。

具体的，计算伤亡率的方式为基于所述碰撞角度确定所述仿真结果的碰撞类型，并获取所述碰撞类型对应的碰撞常数，其中，所述碰撞常数包括第一碰撞常数和第二碰撞常数；计算所述第一碰撞常数与所述速度值的相乘结果，并加上所述第二碰撞常数，得到对应的碰撞指数；计算欧拉数的碰撞指数次方，得到次方结果，并在所述次方结果加一的基础上取倒数，得到所述仿真车辆的伤亡率。

103、提取仿真数据中，自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；

在本实施例中，仿真数据中包含自动驾驶系统控制仿真车辆在步骤102中不同维度上行驶时发出的若干控制指令。

104、结合仿真场景、对应的评估分值和控制指令，生成自动驾驶系统的优化方案。

在本实施例中，通过结合仿真场景、对应的评估分值和控制指令，分析在同等场景下自动驾驶系统的最优行驶路径，和对应最优行驶路径的控制指令，并将最优行驶路径和对应最优行驶路径的控制指令更新至优化方案中。

具体的，优化方案中体现了在截取的问题仿真场景中相较于自动驾驶系统执行仿真过程中运动轨迹不同的安全行驶轨迹，通过突出运动轨迹和安全行驶轨迹的差异、评估分值，使得用户能够基于优化方案直观衡量自动驾驶系统的缺陷和安全性。

在本实施例中，通过获取自动驾驶系统在仿真场景中的仿真数据；基于仿真数据从不同的维度分析，得到评估分值；提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。本申请基于仿真过程中针对仿真车辆碰撞前的预测碰撞率和碰撞后的伤亡率进行计算，统一得到仿真车辆在仿真场景中不同碰撞情况的安全性评估标准，并基于安全性评估标准计算对应的优化方案，为后续的智能驾驶技术提供更加准确的数据支持。

请参阅图2，本发明实施例中自动驾驶系统评估优化方法的第二个实施例包括：

201、获取自动驾驶系统在仿真场景中的仿真数据；

202、提取仿真数据中仿真车辆的运动轨迹、对应于运动轨迹的速度值和仿真场景中存在的障碍物信息；

在本实施例中，提取仿真数据中，自动驾驶系统控制仿真车辆在仿真场景中行驶的运动轨迹、对应于运动轨迹中任意点的速度值和仿真从场景中存在的障碍物信息。

203、通过运动轨迹确定仿真车辆的起点和终点；

在本实施例中，通过获取的运动轨迹，确定仿真车辆在仿真场景中的起点和终点。

在一方面，起点和终点的获取也可以是在仿真场景的设定中获取，其中，起点和终点可以是一个坐标、也可以是一连串组成一定区域形状的范围坐标，所述范围坐标可以是一个点、若干相邻且组成特定形状的坐标，如线段。

204、基于障碍物位置和预设的避让距离确定仿真场景中的安全行驶区域；

在本实施例中，以障碍物位置为圆心，预设的避让距离为半径，构造呈梯度排布的若干圆形区域作为扣分区域，在仿真场景中，圆形区域外的区域为安全行驶区域。

205、基于预设的评分规则，在危险区域中设定不同等级的扣分区域，其中，扣分区域为危险区域中与障碍物位置不同的区域；

具体的，在扣分区域中，基于预设的评分规则，赋予不等的扣分分值，例如，距离圆心即障碍物0-0.5米处扣3分，距离圆心0.5-1米处扣2分，距离圆心1-1.5米处扣1分。

需要说明的是，本实施例中出现的避让距离和扣分分值仅作实施过程中相近似的示范说明，本实施例并不对扣分分值和扣分区域的划分作相关限定。

206、计算运动轨迹中与扣分区域的重叠部位和重叠次数；

在本实施例中，通过获取到的运动轨迹和扣分区域进行重叠，计算所述运动轨迹在扣分区域中的重叠部位和重叠次数，确定所述自动驾驶系统在仿真场景中执行仿真操作所发生的扣分分值。

在一方面，当仿真车辆的运动轨迹穿越了同一障碍物对应的多个扣分区域时，可以是仅计算扣分区域中重叠部分所扣减的最高分值，也可以是重复计算运动轨迹与扣分区域的全部重叠部分，使得扣分分值进行累加。

例如，仿真车辆的运动轨迹穿越了同一障碍物的-1、-2、-3扣分区域，可以合并计算仿真区域在该扣分区域中扣减了-6分，也可以仅计算扣分区域中的最高分值，即-3分，扣减标准可以依据使用者需求自由设置，便于后续基于不同的扣减标准优化自动驾驶系统。

207、基于重叠部位和重叠次数计算仿真车辆的预测碰撞率；

在本实施例中，基于仿真车辆的行驶轨迹与扣分区域的重叠部位和重叠次数确定对应于仿真车辆的行驶轨迹在当前的仿真场景中扣减若干扣分分值后，基于扣减分值的多寡，计算预测碰撞率。

208、基于起点、终点和安全行驶区域生成仿真车辆的安全行驶轨迹；

在一方面，通过仿真场景中预先设置的起点、终点和对应于障碍物确定的安全行驶区域，为仿真车辆计算行驶过程中扣减分值最少的安全行驶轨迹。

在一方面，还可以添加行驶时间、速度值、加速度、启停次数等驾驶条件的要求，控制安全行驶轨迹的生成条件，使得生成的安全行驶轨迹可用于优化和实际应用。

在另一方面，根据仿真场景中预先设置的起点、终点和对应于障碍物确定的安全行驶区域确定若干条满分或高分的路径，再基于设定的驾驶条件，选取其中满足驾驶条件的路径作为安全行驶轨迹，其中，所述安全行驶轨迹数量不限，且其中相同的位移过程，若存在不同的驾驶条件也可作为不同的安全行驶轨迹。

209、计算安全行驶轨迹和运动轨迹的差异值，并基于差异值计算仿真车辆的预测碰撞率；

在本实施例中，所述差异值可以体现在安全行驶轨迹和运动轨迹的位移的差异值，即两条路线形状上的偏差。

在一方面，所述差异值也可以体现在安全行驶轨迹得到的分值和运动轨迹得到的分值的差异。

210、提取仿真数据中，自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；

211、结合仿真场景、对应的评估分值和控制指令，生成自动驾驶系统的优化方案；

212、基于问题场景片段和安全行驶区域，检索是否存在仿真车辆的安全行驶轨迹；

在本实施例中，基于确定的问题场景片段对仿真车辆进行二次仿真，并在二次仿真的过程中，检索是否存在仿真车辆的安全行驶轨迹。

具体的，步骤同208，但在针对问题场景片段中有固定的片段起点和/或片段终点，使得仿真完成问题场景片段后能与原仿真场景进行衔接。

在一方面，若检索不存在仿真车辆的安全行驶轨迹，则基于切割问题场景片段的长度，固定终点，往起点方向延长预设距离，得到第二问题场景片段，进行二次判断，直至存在仿真车辆的安全行驶轨迹，并提取安全行驶轨迹对应的控制指令，并更新至优化方案中。

213、若是，则提取安全行驶轨迹对应的控制指令，并更新至优化方案中。

本实施例在前实施例的基础上，详细描述了提取所述仿真数据中仿真车辆的运动轨迹、对应于所述运动轨迹的速度值和所述仿真场景中存在的障碍物信息，其中，所述障碍物信息包括障碍物位置；通过所述运动轨迹确定所述仿真车辆的起点和终点；基于所述障碍物位置和预设的避让距离确定所述仿真场景中的安全行驶区域；基于所述起点、所述终点和所述安全行驶区域生成所述仿真车辆的安全行驶轨迹；计算所述安全行驶轨迹和所述运动轨迹的差异值，并基于所述差异值计算所述仿真车辆的预测碰撞率的过程。通过本实施例相较于传统方法，明确了通过获取到的运动轨迹和扣分区域进行重叠，计算所述运动轨迹在扣分区域中的重叠部位和重叠次数，确定所述自动驾驶系统在仿真场景中执行仿真操作所发生的扣分分值，便于后续基于不同的扣减标准优化自动驾驶系统。

请参阅图3，本发明实施例中自动驾驶系统评估优化方法的第三个实施例包括：

301、获取自动驾驶系统在仿真场景中的仿真数据；

302、提取仿真数据中仿真车辆的碰撞速度值与对应碰撞物的碰撞物类别和碰撞角度；

在本实施例中，仿真数据中记录仿真车辆在仿真过程中自开始至碰撞结束后仿真车辆和碰撞物在任意帧的速度值和碰撞第一帧的碰撞速度值，且包括碰撞物的碰撞物类别和碰撞角度。

具体的，碰撞角度仅在碰撞物为机动车时存在，若碰撞物为非机动车，则碰撞物不存在碰撞物角度，或碰撞物角度并不作用于计算所述仿真车辆造成的伤亡率。

303、判断碰撞物类别是否为机动车；

在一方面，若是，则分别基于仿真车辆质量和碰撞物质量，计算所述仿真车辆在碰撞后的第一速度变化值和所述碰撞物在碰撞后的第二速度变化值；基于所述第一速度变化值计算所述仿真车辆的第一伤亡率；基于所述第二速度变化值计算所述碰撞物的第二伤亡率；合并计算所述第一伤亡率和所述第二伤亡率，得到包含所述仿真车辆和所述机动车的伤亡率。

304、若是，则确定仿真车辆的碰撞角度；

在本实施例中，根据碰撞发生第一帧时仿真车辆轮廓和碰撞物的相对位置和碰撞点，得到仿真车辆和碰撞物分别是正碰还是侧碰。

按完全非弹性碰撞计算仿真车辆和碰撞物的速度变化

Δvego＝(vobs-vego)*mobs/(mego+mobs)

Δvobs＝(vego-vobs)*mego/(mego+mobs)

其中，角标ego代表主车，obs代表障碍物，v代表碰撞速度，m代表质量。

仿真车辆被正碰时由于具有缓冲区的保护，同样速度变化量时相比被侧碰具有更低的死亡概率。正碰和侧碰的死亡概率的计算同样采用步骤305的形式，正碰和侧碰各自具有不同的一组参数a、b，参数a、b从交通事故中的若干历史事故计算得到。

相似的，将计算的速度变化代入步骤305中的公式的速度中，得到对应的伤亡率。

305、基于确定的碰撞角度和碰撞速度值，应用对应于碰撞角度的碰撞常数，计算仿真车辆造成的伤亡率；

在本实施例中，基于所述碰撞角度确定所述仿真结果的碰撞类型，并获取所述碰撞类型对应的碰撞常数，其中，所述碰撞常数包括第一碰撞常数和第二碰撞常数；计算所述第一碰撞常数与所述速度值的相乘结果，并加上所述第二碰撞常数，得到对应的碰撞指数；计算欧拉数的碰撞指数次方，得到次方结果，并在所述次方结果加一的基础上取倒数，得到所述仿真车辆的伤亡率。

在一方面，设仿真车辆和碰撞物造成的伤亡率分别为P1、P2，则两车总的伤亡率为

P0＝1-(1-P1)*(1-P2)，其中，P为伤亡率。

306、若否，则基于碰撞速度值，应用对应于非机动车的碰撞常数，计算仿真车辆造成的伤亡率；

在本实施例中，若碰撞物为非机动车时，则在计算仿真车辆的伤亡率时，应用对应于非机动车的碰撞常数，其中，对应于非机动车的碰撞常数同样具有第一碰撞常数和第二碰撞常数，计算方式同步骤305。

具体的，当碰撞物为非机动车时，仿真车辆的死亡概率近似认为忽略不计，仿真车辆造成非机动车的死亡概率为碰撞发生第一帧时碰撞速度值的单调递增函数。

307、提取仿真数据中，自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；

308、结合仿真场景和对应的评估分值，确定自动驾驶系统触发的扣分项；

在本实施例中，完成预测碰撞率和/或伤亡率的计算后，确定自动驾驶系统在仿真场景中的扣分项。

具体的，基于确定的扣分项查找仿真场景中对应的问题时间段或仿真场景片段，并筛选出问题时间段或仿真场景片段中的问题指令。

309、基于扣分项于控制指令中筛选出存在操控缺点的问题指令；

310、查询问题指令在控制指令中存在的问题时间段，并截取问题时间段的仿真场景，得到问题场景片段；

具体的，因为存在操控缺点的问题指令是在多个控制指令组合导致碰撞或伤亡的发生，而并非由单一控制指令引起，因此，基于碰撞或扣分发生的时间点或位置，往前截取预设时长或预设距离，得到仿真场景片段或问题时间段对应的仿真场景片段。

311、基于问题指令和问题场景片段，归纳生成自动驾驶系统的优化方案；

在本实施例中，将需要优化的问题指令和问题场景片段归纳成对应于自动驾驶系统和对应仿真场景的优化方案。

具体的，通过提取自动驾驶系统中存在问题的问题指令、问题场景片段和平评估分值，使得用户快速定位需要优化的环节，并能基于获取的评估分值在不同版本的自动驾驶系统中进行比较，用以衡量自动驾驶系统的安全性。

312、基于问题场景片段和碰撞物信息，确定问题时间段中碰撞物的运动轨迹；

在本实施例中，碰撞物在问题场景片段中存在运动或静止的可能性，需要确定问题时间段中碰撞物的运动轨迹，即在问题时间段中任意时间点，碰撞物的坐标。

313、基于运动轨迹更新问题场景片段中的安全行驶区域，得到第二安全行驶区域；

在本实施例中，确定问题时间段中任意时刻的碰撞物的运动轨迹，确定仿真车辆在问题场景片段中的第二安全行驶区域。

在一方面，为了与碰撞物保持安全距离，可以将障碍物的运动轨迹作为空间上连续的碰撞物，进而基于新的碰撞物坐标确定问题场景片段中的第二安全行驶区域。

314、判断在问题时间段中仿真车辆是否存在安全行驶轨迹，并基于判断结果更新优化方案。

在本实施例中，通过判断问题时间段中仿真车辆是否存在安全行驶轨迹，若不存在，则自动驾驶系统需要在仿真车辆发生碰撞前发出对应的控制指令使得仿真车辆与碰撞物保持安全距离；若存在，则基于确定的安全行驶轨迹生成对应的控制指令。并在确定判断结果后，将判断结果和/或控制指令更新至优化方案中。

本实施例在前实施例的基础上，详细描述了结合所述仿真场景和对应的所述评估分值，确定所述自动驾驶系统触发的扣分项；基于所述扣分项于所述控制指令中筛选出存在操控缺点的问题指令；查询所述问题指令在所述控制指令中存在的问题时间段，并截取所述问题时间段的仿真场景，得到问题场景片段；基于所述问题指令和所述问题场景片段，归纳生成所述自动驾驶系统的优化方案的过程。通过本实施例相较于传统方法，通过提取自动驾驶系统中存在问题的问题指令、问题场景片段和平评估分值，使得用户快速定位需要优化的环节，并能基于获取的评估分值在不同版本的自动驾驶系统中进行比较，用以衡量自动驾驶系统的安全性。

上面对本发明实施例中自动驾驶系统评估优化方法进行了描述，下面对本发明实施例中自动驾驶系统评估优化装置进行描述，请参阅图4，本发明实施例中自动驾驶系统评估优化装置一个实施例包括：

仿真数据获取模块401，用于获取自动驾驶系统在仿真场景中的仿真数据；

评估分值生成模块402，用于基于仿真数据从不同的维度分析，得到评估分值；

控制指令提取模块403，用于提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；

优化方案生成模块404，用于结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。

本发明实施例中，自动驾驶系统评估优化装置运行上述自动驾驶系统评估优化方法，包括，通过获取标定车辆上传感器套件的参数信息，并基于所述参数信息计算所述巡线设备的巡线路径，其中，所述巡线设备上安装有摄像头和标定板；通过所述摄像头基于固定于所述标定车辆上的巡线标记对所述巡线设备进行定位，得到所述巡线设备的初始位置信息；基于所述巡线设备的巡线路径和初始位置信息控制所述巡线设备执行巡线操作；当所述巡线设备进行巡线操作时，通过所述传感器套件获取所述标定板在位移过程中产生的标定数据。本申请通过对行驶控制信号进行识别和故障分析，确定其中的有效信号并基于确定的有效信号执行自动驾驶系统评估优化，极大的提升了自动驾驶的可靠性。

请参阅图5，本发明实施例中自动驾驶系统评估优化装置的第二个实施例包括：

仿真数据获取模块401，用于获取自动驾驶系统在仿真场景中的仿真数据；

评估分值生成模块402，用于基于仿真数据从不同的维度分析，得到评估分值；

控制指令提取模块403，用于提取仿真数据中，所述自动驾驶系统在不同维度上造成碰撞和死亡的控制指令；

优化方案生成模块404，用于结合所述仿真场景、对应的所述评估分值和所述控制指令，生成所述自动驾驶系统的优化方案。

在本实施例中，所述评估分值生成模块402具体用于：

信息提取单元4021，提取所述仿真数据中仿真车辆的运动轨迹、对应于所述运动轨迹的速度值和所述仿真场景中存在的障碍物信息，其中，所述障碍物信息包括障碍物位置；安全行驶区域确定单元4022，通过所述运动轨迹确定所述仿真车辆的起点和终点；基于所述障碍物位置和预设的避让距离确定所述仿真场景中的安全行驶区域；安全行驶轨迹生成单元4023，基于所述起点、所述终点和所述安全行驶区域生成所述仿真车辆的安全行驶轨迹；预测碰撞率计算单元4024，计算所述安全行驶轨迹和所述运动轨迹的差异值，并基于所述差异值计算所述仿真车辆的预测碰撞率。

在本实施例中，所述评估分值生成模块402还包括扣分区域计算单元4025，所述扣分区域计算单元4025具体用于：

基于预设的评分规则，在所述危险区域中设定不同等级的扣分区域，其中，扣分区域为所述危险区域中与所述障碍物位置不同的区域；计算所述运动轨迹中与所述扣分区域的重叠部位和重叠次数；基于所述重叠部位和所述重叠次数计算所述仿真车辆的预测碰撞率。

在本实施例中，所述评估分值生成模块402具体还用于：

提取所述仿真数据中所述仿真车辆的碰撞速度值与对应碰撞物的碰撞物类别和碰撞角度；判断所述碰撞物类别是否为机动车；若是，则确定所述仿真车辆的碰撞角度；基于确定的所述碰撞角度和所述碰撞速度值，应用对应于所述碰撞角度的碰撞常数，计算所述仿真车辆造成的伤亡率；若否，则基于所述碰撞速度值，应用对应于非机动车的碰撞常数，计算所述仿真车辆造成的伤亡率。

在本实施例中，所述优化方案生成模块404具体用于：

结合所述仿真场景和对应的所述评估分值，确定所述自动驾驶系统触发的扣分项；基于所述扣分项于所述控制指令中筛选出存在操控缺点的问题指令；查询所述问题指令在所述控制指令中存在的问题时间段，并截取所述问题时间段的仿真场景，得到问题场景片段；基于所述问题指令和所述问题场景片段，归纳生成所述自动驾驶系统的优化方案。

在本实施例中，所述自动驾驶系统评估优化装置还包括预测碰撞率优化模块405，所述预测碰撞率优化模块405具体用于：

基于所述问题场景片段和所述安全行驶区域，检索是否存在所述仿真车辆的所述安全行驶轨迹；若是，则提取所述安全行驶轨迹对应的所述控制指令，并更新至所述优化方案中。

在本实施例中，所述自动驾驶系统评估优化装置还包括伤亡率优化模块406，所述伤亡率优化模块406具体用于：

基于所述问题场景片段和所述碰撞物信息，确定所述问题时间段中所述碰撞物的运动轨迹；基于所述运动轨迹更新所述问题场景片段中的所述安全行驶区域，得到第二安全行驶区域；判断在所述问题时间段中所述仿真车辆是否存在安全行驶轨迹，并基于判断结果更新所述优化方案。

本实施例在上一实施例的基础上，详细描述了各个模块的具体功能以及部分模块的单元构成，通过上述模块并细化了原有模块的具体作用，完善了自动驾驶系统评估优化装置的运行，提高了其运行时的可靠性以及明确了各个步骤间的实际逻辑，提高了装置的实用性。

上面图4和图5从模块化功能实体的角度对本发明实施例中的自动驾驶系统评估优化装置进行详细描述，下面从硬件处理的角度对本发明实施例中自动驾驶系统评估优化设备进行详细描述。

图6是本发明实施例提供的一种自动驾驶系统评估优化设备的结构示意图，该自动驾驶系统评估优化设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对自动驾驶系统评估优化设备600中的一系列请求操作。更进一步地，处理器610可以设置为与存储介质630通信，在自动驾驶系统评估优化设备600上执行存储介质630中的一系列请求操作，以实现上述自动驾驶系统评估优化方法的步骤。

自动驾驶系统评估优化设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的自动驾驶系统评估优化设备结构并不构成对本申请提供的自动驾驶系统评估优化设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有请求，当所述请求在计算机上运行时，使得计算机执行所述的自动驾驶系统评估优化方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干请求用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。