[发明专利]车辆自动驾驶测试方法及装置

说明书

本申请实施例提供一种车辆自动驾驶测试方法及装置，涉及车辆技术领域。该方法包括：确定当前测试环境状态；将当前测试环境状态输入至强化学习模型中，获得测试车辆在当前测试环境状态下需执行的对被测车辆的目标干扰动作；控制测试车辆执行目标干扰动作，以获取被测车辆在测试车辆执行所述目标干扰动作后产生的驾驶反应。该方案可以通过强化学习模型根据各个测试环境状态输出测试车辆在各个测试环境状态下需执行的干扰动作，从而使得测试车辆可以根据不同的测试环境状态选择对被测车辆最有效的干扰动作执行，以形成对被测车辆的有效干扰，进而可以更全面地测试被测车辆在各种状态下的驾驶反应。

技术领域

本申请涉及车辆技术领域，具体而言，涉及一种车辆自动驾驶测试方法及装置。

背景技术

现有的自动驾驶测试往往是在给定的交通环境下，测试指定的车辆完成相应任务、动作的能力。在这些测试中，往往涉及到其他的交通参与者，包括其他车辆、行人等，典型的场景包括高速公路上的跟车、超车，以及城市交叉路口的通行等。

在这些测试场景中，周围的交通参与者以给定的策略运行，这些策略可能是人为给定的，在对被测车辆进行这种环境下的测试时，被测车辆只需要适应当前设定的交通参与者的行为特点，便可以通过测试。但在现实中，实际的交通参与者的行为并不固定，也会有危险的驾驶行为产生，而目前采用的测试方法中交通参与者无法根据实际情况来对被测车辆产生有效干扰动作，进而无法更加全面对被测车辆的驾驶能力进行测试。

发明内容

本申请实施例的目的在于提供一种车辆自动驾驶测试方法及装置，用以改善现有技术中测试车辆无法根据实际情况对被测车辆产生有效干扰动作的问题。

第一方面，本申请实施例提供了一种车辆自动驾驶测试方法，所述方法包括：确定当前测试环境状态，所述当前测试环境状态包括测试车辆的当前位置状态以及被测车辆的当前位置状态；将所述当前测试环境状态输入至强化学习模型中，获得所述测试车辆在所述当前测试环境状态下需执行的对所述被测车辆的目标干扰动作，其中，在所述当前测试环境状态下所述测试车辆执行所述目标干扰动作所获得的奖励值满足预设条件；控制所述测试车辆执行所述目标干扰动作，以获取所述被测车辆在所述测试车辆执行所述目标干扰动作后产生的驾驶反应。

在上述实现过程中，可以通过强化学习模型根据各个测试环境状态输出测试车辆在各个测试环境状态下需执行的干扰动作，从而使得测试车辆可以根据不同的测试环境状态选择对被测车辆最有效的干扰动作执行，以形成对被测车辆的有效干扰，进而可以更全面地测试被测车辆在各种状态下的驾驶反应。

可选地，所述将所述当前测试环境状态输入至强化学习模型中，获得所述测试车辆在所述当前测试环境状态下需执行的对所述被测车辆的目标干扰动作，包括：将所述当前测试环境状态输入至强化学习模型中，利用确定的奖惩函数计算获得所述测试车辆执行对应的目标干扰动作所获得的奖励值；在所述奖励值满足预设条件时，确定所述测试车辆在所述当前测试环境状态下需执行的对所述被测车辆的干扰动作为所述目标干扰动作。

在上述实现过程中，通过奖惩函数来计算测试车辆所获得的奖励值，使得测试车辆可以选择奖励值最大的干扰动作来执行，从而产生对被测车辆的有效干扰。

可选地，所述奖惩函数为基于所述被测车辆的行驶质量以及所述测试车辆的安全驾驶能力确定的。根据被测车辆的行驶质量以及测试车辆的安全驾驶能力来确定奖惩函数，从而可以更多的考虑实际情况中车辆的行驶情况来确定奖惩函数，使得测试车辆可以根据奖惩函数计算获得的奖励值来选择最优的干扰动作。

可选地，所述被测车辆的行驶质量为基于所述被测车辆是否完成驾驶任务、完成驾驶任务所用时间、是否与所述测试车辆发生碰撞、与所述测试车辆发生碰撞的时间与次数以及是否违反交通规则中的至少一种情况确定的。

可选地，所述测试车辆的安全驾驶能力为基于所述测试车辆在预设时间段内与所述被测车辆之间的距离以及相对速度、所述测试车辆是否违反交通规则中的至少一种情况确定的。