一种基于算力调度的智能驾驶云测试方法及系统与流程

本发明涉及计算机，尤其涉及一种基于算力调度的智能驾驶云测试方法及系统。

背景技术：

1、智能驾驶云测试是加速自动驾驶系统开发与验证的关键手段，其对保障智能驾驶系统的安全性和可靠性具有重要意义。然而，现有智能驾驶云测试方法仍存在不足，在测试场景与方案层面，测试场景构建多依赖预设静态道路模型，缺乏对动态交通流信息的融合，导致仿真环境与真实道路状况存在较大偏差。同时，测试方案的制定通常依靠人工枚举运行工况，该方式难以有序且全面地覆盖不同运行状态，其测试的完备性和针对性不足。在云测试的算力调度层面，现有方法通常采用静态或粗粒度的资源分配方式，未根据不同测试方案的数据总量和数据流通量来确定算力的调度，更未考虑到预留资源裕度，导致算力资源利用率低、测试执行易受瞬时负载冲击而中断，系统稳定性差。

技术实现思路

1、本发明的目的在于克服现有技术的不足，本发明提供了一种基于算力调度的智能驾驶云测试方法及系统，完成从场景构建、方案设计、算力调度到仿真执行与结果输出的全闭环测试流程，提高了智能驾驶云测试的可靠性。

2、为了解决上述技术问题，本发明提供了一种基于算力调度的智能驾驶云测试方法，所述方法包括：

3、获取静态道路信息和动态交通流信息，并基于所述静态道路信息和动态交通流信息利用场景编辑器构建云测试场景；

4、确定智能驾驶的功能状态谱和环境状态谱，并基于所述功能状态谱和环境状态谱分析不同运行状态组合的智能驾驶云测试方案；

5、分析不同运行状态组合的智能驾驶云测试方案所对应的数据总量波动曲线和数据流通量波动曲线，基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元进行算力调度分析，获得初始算力调度方案；

6、获取算力资源波动历史，基于所述算力资源波动历史确定弹性调度冗余因子，并基于所述弹性调度冗余因子对所述初始算力调度方案进行调整，获得目标算力调度方案；

7、基于所述目标算力调度方案在所述云测试场景下进行不同运行状态组合的智能驾驶云测试方案的仿真执行，获得仿真执行结果，并基于所述仿真执行结果生成智能驾驶云测试报告。

8、可选的，所述基于所述静态道路信息和动态交通流信息利用场景编辑器构建云测试场景，包括：

9、基于所述静态道路信息和动态交通流信息进行时空融合，获得结构化场景描述信息；

10、基于所述结构化场景描述信息利用场景编辑器进行参数条件设置，获得云测试场景。

11、可选的，所述确定智能驾驶的功能状态谱和环境状态谱，并基于所述功能状态谱和环境状态谱分析不同运行状态组合的智能驾驶云测试方案，包括：

12、获取智能驾驶系统的功能设计文档，并对所述功能设计文档进行解析，获得若干个功能状态项信息，基于若干个功能状态项信息确定智能驾驶的功能状态谱；

13、基于气象仿真特征库、天光仿真特征库和路面状态特征库提取环境要素信息，并基于所述环境要素信息构建环境状态谱；

14、基于所述功能状态谱和环境状态谱确定若干种运行状态组合，并对各运行状态组合进行测试方案定制化生成，获得不同运行状态组合的智能驾驶云测试方案。

15、可选的，所述对各运行状态组合进行测试方案定制化生成，获得不同运行状态组合的智能驾驶云测试方案，包括：

16、对各运行状态组合提取功能状态项信息，并基于所述功能状态项信息进行故障注入与动力学参数配置映射，获得故障注入与动力学参数配置数据；

17、对各运行状态组合提取环境要素信息，基于所述环境要素信息确定环境渲染器参数；

18、基于所述故障注入与动力学参数配置数据和环境渲染器参数生成不同运行状态组合的智能驾驶云测试方案。

19、可选的，所述分析不同运行状态组合的智能驾驶云测试方案所对应的数据总量波动曲线和数据流通量波动曲线，基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元进行算力调度分析，获得初始算力调度方案，包括：

20、基于不同运行状态组合的智能驾驶云测试方案进行仿真流水线解析，获得若干个执行阶段信息，并基于若干个执行阶段信息确定累积存储数据总量的字节值序列，基于所述字节值序列确定不同运行状态组合的智能驾驶云测试方案所对应的数据总量波动曲线；

21、基于各执行阶段信息确定数据传递链路，并基于所述数据传递链路分析不同运行状态组合的智能驾驶云测试方案所对应的数据流通量波动曲线；

22、获取异构算力单元的能力描述信息；

23、基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元的能力描述信息进行算力调度分析，获得初始算力调度方案。

24、可选的，所述基于各执行阶段信息确定数据传递链路，并基于所述数据传递链路分析不同运行状态组合的智能驾驶云测试方案所对应的数据流通量波动曲线，包括：

25、确定各执行阶段信息之间的数据传递依赖关系，并基于所述数据传递依赖关系确定数据传递链路；

26、基于所述数据传递链路进行瞬时数据流通量分析，获得目标瞬时数据流通量；

27、基于所述目标瞬时数据流通量利用仿真时间轴分析不同运行状态组合的智能驾驶云测试方案所对应的数据流通量波动曲线。

28、可选的，所述基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元的能力描述信息进行算力调度分析，获得初始算力调度方案，包括：

29、基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元的能力描述信息进行计算任务的节点指派分析，获得节点指派信息；

30、基于所述节点指派信息利用全局优化调度求解器进行全局优化调度，获得全局优化调度结果；

31、基于所述全局优化调度结果进行算力调度分析，获得初始算力调度方案。

32、可选的，所述基于所述算力资源波动历史确定弹性调度冗余因子，并基于所述弹性调度冗余因子对所述初始算力调度方案进行调整，获得目标算力调度方案，包括：

33、基于所述算力资源波动历史进行时间序列分解处理，获得不可预测随机扰动成分信息，基于所述不可预测随机扰动成分信息确定弹性调度冗余因子；

34、基于所述初始算力调度方案确定初始资源配额数据，并基于所述弹性调度冗余因子对所述初始资源配额数据进行调整，获得目标资源配额数据；

35、基于所述目标资源配额数据进行溢出重调度处理，获得溢出重调度处理结果；

36、基于所述溢出重调度处理结果确定目标算力调度方案。

37、可选的，所述基于所述目标算力调度方案在所述云测试场景下进行不同运行状态组合的智能驾驶云测试方案的仿真执行，获得仿真执行结果，包括：

38、基于所述目标算力调度方案在所述云测试场景部署仿真执行环境；

39、基于所述目标算力调度方案在所述仿真执行环境中进行不同运行状态组合的智能驾驶云测试方案的仿真执行，获得仿真执行结果。

40、另外，本发明还提供了一种基于算力调度的智能驾驶云测试系统，所述系统包括：

41、场景构建模块：用于获取静态道路信息和动态交通流信息，并基于所述静态道路信息和动态交通流信息利用场景编辑器构建云测试场景；

42、测试方案分析模块：用于确定智能驾驶的功能状态谱和环境状态谱，并基于所述功能状态谱和环境状态谱分析不同运行状态组合的智能驾驶云测试方案；

43、算力调度分析模块：用于分析不同运行状态组合的智能驾驶云测试方案所对应的数据总量波动曲线和数据流通量波动曲线，基于所述数据总量波动曲线和数据流通量波动曲线利用异构算力单元进行算力调度分析，获得初始算力调度方案；

44、调度方案调整模块：用于获取算力资源波动历史，基于所述算力资源波动历史确定弹性调度冗余因子，并基于所述弹性调度冗余因子对所述初始算力调度方案进行调整，获得目标算力调度方案；

45、方案执行模块：用于基于所述目标算力调度方案在所述云测试场景下进行不同运行状态组合的智能驾驶云测试方案的仿真执行，获得仿真执行结果，并基于所述仿真执行结果生成智能驾驶云测试报告。

46、在本发明实施例中，基于静态道路信息和动态交通流信息利用场景编辑器构建云测试场景，融合真实的道路静态结构与动态交通流特征，使云测试场景更贴近实际道路交通复杂性。确定智能驾驶的功能状态谱和环境状态谱，基于功能状态谱和环境状态谱分析不同运行状态组合的智能驾驶云测试方案，能够更为全面且有序地生成覆盖不同运行状态的测试方案。分析不同运行状态组合的智能驾驶云测试方案所对应的数据总量波动曲线和数据流通量波动曲线，基于数据总量波动曲线和数据流通量波动曲线利用异构算力单元进行算力调度分析，获得初始算力调度方案，基于算力资源波动历史确定弹性调度冗余因子，基于弹性调度冗余因子对初始算力调度方案进行调整，使不同特性的计算任务匹配到合适类型的算力上，提升资源利用效率和计算吞吐量，同时引入弹性调度冗余因子，能够提前为突发算力需求预留适度的弹性资源，有效缓冲算力竞争和瞬时负载尖峰。基于目标算力调度方案在所述云测试场景下进行不同运行状态组合的智能驾驶云测试方案的仿真执行，基于仿真执行结果生成智能驾驶云测试报告，完成从场景构建、方案设计、算力调度到仿真执行与结果输出的全闭环测试流程，提高了智能驾驶云测试的可靠性。