仿真测试方法、装置、电子设备及存储介质与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种仿真测试方法、装置、电子设备及存储介质。


背景技术：

2.在自动驾驶系统中，通常会构建仿真测试场景，在该场景中对自动驾驶算法进行测试。当前构建仿真测试场景时，大多通过路侧传感器采集道路信息，然后手动构建仿真环境，再在该环境中进行自动驾驶算法测试。然而，此种方式构建的仿真环境仅考虑了道路信息，与真实环境相比真实性较低，难以为自动驾驶算法提供高质量的仿真测试场景，使得算法测试的准确性得不到保证。此外，通过人工手动构建仿真测试场景，在效率和性能上也难以满足测试需求。
3.因此，现有的仿真测试方法存在难以满足自动驾驶算法测试需求的技术问题，需要改进。


技术实现要素：

4.本发明提供一种仿真测试方法和装置，用以缓解现有的仿真测试方法中难以满足自动驾驶算法测试需求的技术问题。
5.为解决上述技术问题，本发明提供以下技术方案：本发明提供一种仿真测试方法，所述仿真测试方法包括：获取感知源采集的至少一个数据包，所述数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息；根据所述属性信息和所述交通行为信息，确定目标数据包中的目标车辆；分别将所述目标数据包中的各目标车辆替换为自动驾驶车辆，得到所述目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本；根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果；根据所述测试结果评估所述预设自动驾驶算法的性能。
6.本发明还提供一种仿真测试装置，所述仿真测试装置包括：获取模块，用于获取感知源采集的至少一个数据包，所述数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息；确定模块，用于根据所述属性信息和所述交通行为信息，确定目标数据包中的目标车辆；生成模块，用于分别将所述目标数据包中的各目标车辆替换为自动驾驶车辆，得到所述目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本；测试模块，用于根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设
自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果；评估模块，用于根据所述测试结果评估所述预设自动驾驶算法的性能。
7.本发明还提供一种电子设备，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行上述任一项所述的仿真测试方法中的操作。
8.本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述任一项所述的仿真测试方法。
9.有益效果：本发明提供一种仿真测试方法、装置、电子设备及存储介质，该方法先获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息，然后根据属性信息和交通行为信息，确定目标数据包中的目标车辆，再分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本，根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果，最后根据测试结果评估预设自动驾驶算法的性能。通过上述方法，本发明在通过感知源获取到数据包后，可以根据数据包中的真实环境和真实交通参与者数据自动建立多个仿真测试场景，并自动完成替换后的自动驾驶车辆在各仿真测试环境中基于预设自动驾驶算法进行的仿真测试，由于场景内所有对象均来自于真实环境，且一个数据包可以得到多个仿真测试场景，即提高了仿真测试环境的真实性，又提高了构建仿真测试环境的效率，充分满足了自动驾驶算法的测试需求。
附图说明
10.下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
11.图1为本发明提供的仿真测试方法适用的场景示意图。
12.图2为本发明提供的仿真测试方法的流程示意图。
13.图3为本发明中仿真测试日志的示意图。
14.图4为本发明的仿真测试场景中所有交通参与者的行驶路径对比图。
15.图5为本发明的仿真测试场景中自动驾驶车辆与被替换的目标车辆的速度/加速度对比示意图。
16.图6为为本发明提供的仿真测试方法的整体架构示意图。
17.图7为本发明提供的仿真测试装置的结构示意图。
18.图8为本发明提供的电子设备的结构示意图。
具体实施方式
19.下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。
20.本发明提供一种仿真测试方法和装置，用以缓解现有的仿真测试方法中难以满足
自动驾驶算法测试需求的技术问题。
21.请参阅图1，图1为本发明所提供的仿真测试方法适用的场景示意图，该场景可以包括终端以及服务器，终端之间、服务器之间以及终端与服务器之间通过各种网关组成的互联网等方式连接通信，其中，该应用场景中包括感知源11、服务器12和仿真平台13；其中：感知源11可以包括车路协同中设置在车道两侧的路边传感器和车辆上的车载传感器，传感器可以包括相机、激光雷达、gps等，可以实现对路面各类车道、环境、交通参与者等相关数据的精确采集；服务器12包括本地服务器和/或远程服务器等；仿真平台13为构建仿真测试场景并进行自动驾驶算法测试的平台。
22.感知源11、服务器12和仿真平台13位于无线网络或有线网络中，以实现三者之间的数据交互，其中：某个区域内的多个感知源11对各自感知范围内的环境信息、各交通参与者的属性信息和交通行为信息进行采集，每个感知源11在各采集周期内采集的数据均形成一个数据包，多个感知源11的数据包进行轨迹过滤、合并等处理后融合，得到一个完整的数据包，并上传给服务器12。
23.感知源11可以采集并上传给服务器12一个或多个数据包，仿真平台13检测到服务器12中有未处理的目标数据包后，先根据目标数据包中每个交通参与者的属性信息和交通行为信息，确定目标数据包中的目标车辆，目标车辆可以是行驶路径大于一定距离的有人驾驶车辆。对于目标数据包，其通常包括不止一个目标车辆，仿真平台13分别将目标数据包中的各目标车辆替换为自动驾驶车辆，有n个目标车辆时分别替换n次，每次仅替换一辆，且每次被替换的目标车辆不同，得到目标数据包对应的n个仿真测试场景，然后生成各仿真测试场景对应的仿真测试场景脚本并上传到服务器12，脚本通过脚本语言对环境信息、各交通参与者的属性信息和交通行为信息等进行描述。
24.在检测到服务器12中有未处理的仿真测试场景脚本后，仿真平台13根据每个仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，以获取替换的自动驾驶车辆在预设自动驾驶算法控制下，在以真实环境为基础建立的仿真测试环境中的行驶情况，并输出测试结果，最后根据测试结果评估预设自动驾驶算法的性能好坏。
25.需要说明的是，图1所示的系统场景示意图仅仅是一个示例，本发明描述的服务器以及场景是为了更加清楚地说明本发明的技术方案，并不构成对于本发明提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本发明提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
26.请参阅图2，图2是本发明提供的仿真测试方法的流程示意图，该方法包括：s201：获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息。
27.在本发明中，感知源包括车路协同中设置在车道两侧的路边传感器和车辆上的车载传感器，传感器可以包括相机、激光雷达、gps等，可以实现对路面各类车道、环境、交通参与者等相关数据的精确采集。在车路协同系统中，每个真实区域内通常会设置一个或多个
感知源，各感知源可以周期性地对各自感知区域内的环境信息、各交通参与者的属性信息和交通行为信息等进行采集，并作为数据包上传至云端。其中，环境信息指感知区域内的道路、障碍物、交通标识、时间、天气等信息，交通参与者为感知区域内的行人和车辆等，属性信息指各交通参与者的数量信息和类别信息（行人或车辆、轿车或大巴、有人驾驶车辆或自动驾驶车辆、老人或小孩等），交通行为信息指各交通参与者的行驶轨迹、行驶速度、行驶加速度、行驶时间、行驶轨迹长度、直行、掉头、转弯、变道、静止、行走、奔跑等一系列交通行为的相关数据。
28.为提高后续仿真测试的多样性，可以获取同一区域不同时间段的多个数据包，也可以获取多个不同区域的数据包。在获取数据包时，可以仅通过一个感知源采集数据，例如通过设置在某个十字路口的摄像头采集五分钟内所有在其拍摄范围内的环境和交通参与者的相关数据，得到一个数据包，也可以通过一个区域内的两个或多个感知范围有重叠的感知源分别采集数据，得到多个数据包，再将各数据包融合得到一个完整的数据包，例如通过设置在某个行驶车辆上的摄像头采集五分钟内所有在其拍摄范围内的环境和交通参与者的相关视频数据，同时通过设置在该车辆上的激光雷达采集五分钟内所有在其拍摄范围内的环境和交通参与者的相关点云数据，然后将视频数据包和点云数据包进行融合，得到一个完整的数据包。本发明对数据包的类型不作限定，即可以是单独的数据包，也可以是融合后得到的数据包，本领域的技术人员可根据测试需求选择获取何种类型的数据包。
29.在将数据包上传至云端后，仿真平台检测到云端内有未经处理的原始数据包后，即开始进行对云端原始数据包的筛选和优化处理。对每个数据包，需要先根据预设有效条件，判断采集的各数据包是否为有效数据包；若是，对有效数据包中数据进行优化处理；若否，将无效数据包丢弃。该步骤主要用于对每个数据包进行分析，从中提取有效信息。具体地，对每个数据包，均提取出数据包时长、各交通参与者所在位置、各交通参与者的数量、速度、行驶轨迹长度等信息，然后根据预设有效条件判断该数据包是否有效，如通过判断数据包的时长是否满足预设时长，各不同类型的交通参与者的数量是否满足预设数量，各交通参与者的轨迹长度、速度等是否满足预设值等，来判断数据包是否为有效数据包。对于不满足条件的无效数据包，直接舍弃，仅保留有效数据包，以确保数据包的质量。
30.对于筛选出的有效数据包，还需要进行进一步优化，优化主要包括噪声数据的去除和轨迹的合并。例如，部分行走在人行道上的行人，或者与感知源距离较远的车辆或行人等对象，实际上对后续的场景仿真结果没有影响，可以将这部分无用噪声数据去除掉，以减小运算量。再例如，由于感知与跟踪算法的不足，导致同一交通参与者被识别成了三个不同的物体，那么这个通参与者就会出现三段不同的轨迹，需要将这三段不同轨迹优化，连接成相同的一条轨迹。在优化后，数据包的质量得到了进一步提升。
31.在一种实施例中，在s201之后还包括：解耦各数据包中各典型交通参与者的交通行为信息，得到各典型交通参与者在各时刻的位置信息和速度信息；根据各典型交通参与者的位置信息、速度信息以及属性信息，构建各典型交通参与者的行为逻辑单元，并上传至典型对象行为库。对于优化后的每个数据包，其包括各交通参与者的交通行为信息和属性信息，先从各交通参与者中找到行为典型的、路径清晰的典型交通参与者（包括车辆、行人等），然后对各典型交通参与者的交通行为进行解耦，即用每个典型交通参与者在行驶过程中的位置
‑
时间点和速度
‑
时间点来表征该典型交通参与者在对应环境下的一系列交通行
为，再根据该典型交通参与者的属性信息来构建各典型交通参与者的行为逻辑单元，当某个数据包中有m个典型交通参与者时，可得到m个行为逻辑单元，构建的所有行为逻辑单元均上传至云端中预先建立的典型对象行为库中，可以供以后构建各种类型的仿真测试场景使用。
32.对于每个数据包，均可以得到多个行为逻辑单元，当数据包的数量足够多时，典型对象行为库中的行为逻辑单元的数量会相当可观，为构建各种类型的仿真测试场景提供了充足的样本。此外，每个行为逻辑单元均来源于真实环境的对象，则后续据此建立的仿真测试场景的真实性也会较高，有利于提高自动驾驶算法测试的准确性。
33.s202：根据属性信息和交通行为信息，确定目标数据包中的目标车辆。
34.将经过前述步骤筛选和优化后的各数据包依次作为目标数据包，每个目标数据包中包括多种类型的交通参与者，各交通参与者的交通行为也各不相同，从目标数据包中取出属性为有人驾驶车辆，交通行为为行驶轨迹长度大于预设长度（例如10米）的交通参与者，将其作为目标车辆。通常情况下，一个数据包内可以有多个交通参与者均满足上述条件，则这些交通参与者均为目标车辆。
35.s203：分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本。
36.假设目标数据包中有n个交通参与者，其中n个为目标车辆，当n为1时，直接将该目标车辆替换为自动驾驶车辆，然后保持剩余的n
‑
1个交通参与者以及环境均不变化，得到目标数据包对应的仿真测试场景。当n为大于1的整数时，先从n个目标车辆中取其中一个替换为自动驾驶车辆，剩余的n
‑
1个交通参与者以及环境均不变化，得到目标数据包对应的其中一个仿真测试场景。然后，从n个目标车辆中取另外一个替换为自动驾驶车辆，剩余的n
‑
1个交通参与者以及环境也不变化，得到目标数据包对应的另外一个仿真测试场景。依次类推，执行n次替换操作，每次替换一个目标车辆，且每次被替换的目标车辆均不相同，则根据该目标数据包可以得到n个仿真测试场景。
37.对于每个仿真测试场景，仿真平台自动生成该场景对应的仿真测试场景脚本，仿真测试场景脚本用xml语言和json语言对仿真测试场景中环境和交通参与者的真实相关信息进行描述。如表1所示，以场景名称为episode举例，仿真测试场景脚本通常会包括以下几个部分。
38.表1 仿真测试场景脚本中各场景描述文件及作用
在每个仿真测试场景中，将被替换目标车辆的行驶起点和行驶终点作为替换的自动驾驶车辆的行驶起点和行驶终点，由于每个仿真测试场景中替换的自动驾驶车辆不同，各仿真测试场景脚本中对自动驾驶车辆的相关描述也不完全相同。依次生成n个仿真测试场景脚本后，自动上传至云端的自动驾驶仿真测试场景库中。
39.通过上述方式，对于一个目标数据包，可以得到n个仿真测试场景脚本，从而提高了仿真测试的效率。
40.s204：根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果。
41.仿真平台在检测到云端的自动驾驶仿真测试场景库中有未被测试过的场景时，将自动进行相应的仿真场景测试，根据某个仿真测试场景中被替换的目标车辆的交通行为信息，仿真替换后的自动驾驶车辆在预设自动驾驶算法控制下进行相似交通行为时的行驶情况，同时保证测试时该场景下的其他交通参与者和环境按照仿真测试场景脚本中的描述进行。在测试完成后，以仿真测试报告的形式输出测试结果。
42.在一种实施例中，s204具体包括：根据各仿真测试场景中被替换的目标车辆的行驶起点和行驶终点，确定替换的自动驾驶车辆的行驶起点和行驶终点；根据行驶起点和行驶终点，控制各自动驾驶车辆在对应的仿真测试场景中以预设自动驾驶算法仿真行驶，并控制其他交通参与者在对应的仿真测试场景中以与目标数据包中相同的方式仿真行驶；根据仿真行驶数据输出测试结果。
43.设某个仿真测试场景中，被替换的目标车辆从行驶起点a处行驶至行驶终点b处，则替换的自动驾驶车辆在当前仿真测试场景下的行驶起点也为a，行驶终点也为b。控制该场景中的其他交通参与者按照脚本中的描述进行相应的行驶，如某个有人驾驶车辆在t1至t2时间段，在p车道上以速度v从q1点匀速行驶到q2点，则在仿真测试时，同样控制该车辆在t1至t2时间段，在p车道上以速度v从q1点匀速行驶到q2点，即其他交通参与者的交通行为均按照真实采集的目标数据包中的交通行为进行仿真。此外，该场景内的环境也以真实环境为依据进行仿真。在真实性较高的仿真测试环境内，以预设自动驾驶算法控制自动驾驶车辆从a点行驶到b点，并获取整个测试周期内自动驾驶车辆的仿真行驶数据，如仿真行驶轨迹、仿真行驶速度、仿真行驶时间等，根据这些仿真行驶数据输出场景测试结果。
44.在一种实施例中，s204具体包括：对各仿真测试场景脚本进行仿真场景测试；根据预设测试指标输出仿真测试日志，并上传至仿真测试日志库。在对各仿真测试场景脚本进行仿真场景测试后，根据预设测试指标，如自动驾驶车辆是否与其他车辆有碰撞，是否成功到达终点，行驶速度、行驶加速度、行驶时间是否满足预先设定数值或数值范围等，给出场景测试结果，场景测试结果可以仿真测试日志的方式呈现，并自动上传至云端的自动驾驶仿真测试日志库中。
45.如图3所示，为某个场景测试结束后得到的仿真测试日志。在图3中，episode：test_1指场景名称为episode的仿真测试场景脚本的第一次测试，result：failure指测试结果为失败。start time和end time为场景播放开始时间和结束时间，duration：system time和simulation time为场景持续的系统时间以及仿真时间。ego vehicle:dynamics model（t001）指场景内名称为t001的自动驾驶车辆模型，actor指测试的自动驾驶车辆模型，criterion指预设测试指标，包括collision test（全程碰撞次数）、driven distance test（行驶距离）、average velocity test（平均速度）、以及time out（场景播放完成时间）等，每项指标均具有expected value（期望值）和actual value（实际值），以及实际值是否达到期望值的result（结果）。此外，仿真测试日志还示出了场景执行的行为树，行为树中每一项括号后的*表示running，即正在进行的状态，√表示success，即运行成功，x表示fail，即运行失败。通过仿真测试日志，可以清楚地知道仿真场景测试中每项测试的测试状态和测试结果。
46.在一种实施例中，s204具体包括：对各仿真测试场景脚本进行仿真场景测试；输出各仿真测试参考中自动驾驶车辆与被替换的目标车辆的交通行为对比图。在生成仿真测试日志的同时，也会以图片的形式输出场景内所有交通参与者的行驶路径对比图，包括被替换的目标车辆、替换的自动驾驶车辆、以及其他类型交通参与者的行驶路径曲线，在图中将各交通参与者的交通行为进行对比，以此作为判断预设自动驾驶算法性能的一项依据。如图4所示，a1为自动驾驶车辆所处的地图线条，a2表示场景内其他交通参与者的行驶路径，a3表示自动驾驶车辆的仿真行驶路径，a4表示被替换车辆的目标车辆的实际行驶路线，从图4中可以很直观地显示出自动驾驶车辆与被替换的目标车辆的行驶路径重合度。
47.如图5所示，还可以图片的形式输出自动驾驶车辆与被替换的目标车辆的速度/加速度对比图，图5中横轴为时间轴，纵轴为速度/加速度数值轴，b1为自动驾驶车辆的速度曲线，b2为自动驾驶车辆的加速度曲线，b3为被替换的目标车辆的实际速度曲线。从图5中可以很直观地显示出自动驾驶车辆与被替换的目标车辆的行驶速度的差异。
48.需要说明的是，上述实施例均以每个仿真场景测试脚本进行了一次测试为例进行说明，但本发明不以此为限，在自动进行数据包分析与仿真测试的过程中，可以增加预设自动驾驶算法测试的次数，在一个脚本内进行多次测试，达到充分测试预设自动驾驶算法的目的，反复测试寻找预设自动驾驶算法潜在的问题，避免不必要的隐患。
49.s205：根据测试结果评估预设自动驾驶算法的性能。
50.上述过程中，仿真测试报告可以包括仿真测试日志和交通行为对比图，生成的仿真测试报告均自动上传至云端的测试结果库，根据测试结果库中各仿真测试报告的具体内容，可以评估自动驾驶算法的性能好坏。例如，交通行为对比图中自动驾驶车辆与被替换的目标车辆的行驶路径重合度较高，表示自动驾驶算法性能较好，仿真测试日志中各预设测
试指标的实际值均达到期望值，也表示自动驾驶算法性能较好。
51.在一种实施例中，s205具体包括：统计仿真测试日志库中预设时间段内的仿真测试日志，得到有效测试数据；根据有效测试数据，生成累计测试报告；根据累计测试报告评估预设自动驾驶算法的性能。每进行一次仿真场景测试，均会得到一个对应的仿真测试日志并上传至云端的仿真测试日志库，当测试此时较多时，仿真测试日志库中会存在多个仿真测试日志，取预设时间段为一天，统计每日云端自动进行的所有测试得到的仿真测试日志，具体为统计每个仿真测试日志中的场景测试是否通过、自动驾驶车辆的行驶里程、行驶速度、行驶时间、碰撞次数等信息，以得到预设时间段内的有效测试数据，该有效测试数据综合了多个仿真场景的测试结果，因此可以更加准确和有效地反映测试结果。根据有效测试数据，生成累计测试报告，具体如表2所示。
52.表2 累计测试报告中各指标及描述在仿真场景通过率较高或平均碰撞次数较低时，表示自动驾驶算法的性能较好，反之则较差。根据表2的累计测试报告中的各项有效测试数据，综合多个仿真场景的测试结果来对自动驾驶算法进行评估，可以进一步提高评估自动驾驶算法的准确性。
53.通过上述方法可知，本发明在通过感知源获取到数据包后，可以根据数据包中的真实环境和真实交通参与者数据自动建立多个仿真测试场景，并自动完成替换后的自动驾驶车辆在各仿真测试环境中基于预设自动驾驶算法进行的仿真测试，由于场景内所有对象均来自于真实环境，且一个数据包可以得到多个仿真测试场景，即提高了仿真测试环境的真实性，又提高了构建仿真测试环境的效率，充分满足了自动驾驶算法的测试需求。
54.如图6所示，为本发明提供的仿真测试方法的整体架构示意图。路侧传感器和/或车载传感器采集的至少一个数据包上传至云端，仿真平台检测到有未处理的数据包时，对各数据包进行有效性筛选、噪声去除、轨迹过滤、合并等处理，得到处理后的数据包。处理后的数据包有两个用途，一方面，从数据包的各交通参与者中找到行为典型的、路径清晰的典型交通参与者，对各典型交通参与者的交通行为进行解耦得到行为逻辑单元，并上传至云端的典型对象行为库中，可以供以后构建各种类型的仿真测试场景使用，另一方面，将处理后的数据包作为构建仿真测试场景的真实数据来源，用于测试预设自动驾驶算法的性能。具体地，从每个数据包中提取类型为汽车，且行驶路径长度大于预设长度的多个目标车辆，依次将同一数据包中的各目标车辆替换为自动驾驶车辆，并保持其他交通参与者和环境不变，进行仿真场景转化，得到该数据包对应的多个仿真测试场景，再将各仿真场景经过泛化处理，得到用xml语言描述的多个仿真测试场景脚本，并上传至场景库中。仿真平台根据这
些仿真测试场景脚本进行仿真测试，测试在各仿真测试场景中替换的自动驾驶车辆在预设自动驾驶算法下的行驶情况，并在预设测试指标构成的评价体系下，生成仿真测试日志并上传至云端的日志库。通过仿真测试日志，可以反映出各自动驾驶车辆在对应场景下的测试结果，进而可以评估预设自动驾驶算法的性能好坏。
55.当前在对自动驾驶算法进行仿真测试时，需要依赖大量的仿真场景，仅靠人为手动构建场景不仅脱离实际情况，效率和性能也跟不上需求。本发明充分利用车路协同中路侧传感器和/或车载传感器采集的数据，自动生成可供自动驾驶算法模块测试的场景，不仅提高了构建仿真测试场景的效率(一个数据包可转换为n个有效的测试场景)，还提高了场景来源的真实性(场景内所有环境和交通参与者的交通行为皆来源于真实环境)。与此同时，由数据包中交通参与者的行为逻辑单元构建的典型对象行为库，可以提供给后续人为构建仿真测试场景时使用，达到虚实结合地进行自动驾驶算法模块的性能测试，更好地利用路侧采集到的数据。
56.相应的，图7为本发明提供的仿真测试装置的结构示意图，请参阅图7，该仿真测试装置包括：获取模块110，用于获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息；确定模块120，用于根据属性信息和交通行为信息，确定目标数据包中的目标车辆；生成模块130，用于分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本；测试模块140，用于根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果；评估模块150，用于根据测试结果评估预设自动驾驶算法的性能。
57.在一种实施例中，仿真测试装置还包括判断模块，判断模块用于，根据预设有效条件，判断采集的各数据包是否为有效数据包；若是，对有效数据包中数据进行优化处理；若否，将无效数据包丢弃。
58.在一种实施例中，仿真测试装置还包括构建模块，构建模块用于，解耦各数据包中各典型交通参与者的交通行为信息，得到各典型交通参与者在各时刻的位置信息和速度信息；根据各典型交通参与者的位置信息、速度信息以及属性信息，构建各典型交通参与者的行为逻辑单元，并上传至典型对象行为库。
59.在一种实施例中，测试模块140用于，根据各仿真测试场景中被替换的目标车辆的行驶起点和行驶终点，确定替换的自动驾驶车辆的行驶起点和行驶终点；根据行驶起点和行驶终点，控制各自动驾驶车辆在对应的仿真测试场景中以预设自动驾驶算法仿真行驶，并控制其他交通参与者在对应的仿真测试场景中以与目标数据包中相同的方式仿真行驶；根据仿真行驶数据输出测试结果。
60.在一种实施例中，测试模块140用于，对各仿真测试场景脚本进行仿真场景测试；输出各仿真测试参考中自动驾驶车辆与被替换的目标车辆的交通行为对比图。
61.在一种实施例中，测试模块140用于，对各仿真测试场景脚本进行仿真场景测试；根据预设测试指标输出仿真测试日志，并上传至仿真测试日志库。
62.在一种实施例中，评估模块150用于，统计仿真测试日志库中预设时间段内的仿真测试日志，得到有效测试数据；根据有效测试数据，生成累计测试报告；根据累计测试报告评估预设自动驾驶算法的性能。
63.区别于现有技术，本发明提供的仿真测试装置，先获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息，然后根据属性信息和交通行为信息，确定目标数据包中的目标车辆，再分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本，根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果，最后根据测试结果评估预设自动驾驶算法的性能。通过上述方法，本发明在通过感知源获取到数据包后，可以根据数据包中的真实环境和真实交通参与者数据自动建立多个仿真测试场景，并自动完成替换后的自动驾驶车辆在各仿真测试环境中基于预设自动驾驶算法进行的仿真测试，由于场景内所有对象均来自于真实环境，且一个数据包可以得到多个仿真测试场景，即提高了仿真测试环境的真实性，又提高了构建仿真测试环境的效率，充分满足了自动驾驶算法的测试需求。
64.相应地，本发明还提供一种电子设备，如图8所示，该电子设备可以包括射频电路801、包括有一个或一个以上计算机可读存储介质的存储器802、输入单元803、显示单元804、传感器805、音频电路806、wifi模块807、包括有一个或者一个以上处理核心的处理器808以及电源809等部件。本领域技术人员可以理解，图8中示出的电子设备结构并不构成对电子设备的限定，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。其中：射频电路801可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器808处理；另外，将涉及上行的数据发送给基站。存储器802可用于存储软件程序以及模块，处理器808通过运行存储在存储器802的软件程序以及模块，从而执行各种功能应用以及数据处理。输入单元803可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
65.显示单元804可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
66.电子设备还可包括至少一种传感器805，比如光传感器、运动传感器以及其他传感器。音频电路806包括扬声器，扬声器可提供用户与电子设备之间的音频接口。
67.wifi属于短距离无线传输技术，电子设备通过wifi模块807可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图8示出了wifi模块807，但是可以理解的是，其并不属于电子设备的必须构成，完全可以根据需要在不改变申请的本质的范围内而省略。
68.处理器808是电子设备的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器802内的软件程序和/或模块，以及调用存储在存储器802内的数据，执行电子设备的各种功能和处理数据，从而对手机进行整体监控。
69.电子设备还包括给各个部件供电的电源809（比如电池），优选的，电源可以通过电
源管理系统与处理器808逻辑相连，从而通过电源管理系统实现管理充电、放电以及功耗管理等功能。
70.尽管未示出，电子设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备中的处理器808会按照如下指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中并由处理器808来运行存储在存储器802中的应用程序，从而实现以下功能：获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息；根据属性信息和交通行为信息，确定目标数据包中的目标车辆；分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本；根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果；根据测试结果评估预设自动驾驶算法的性能。
71.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
72.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
73.为此，本发明提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以实现以下功能：获取感知源采集的至少一个数据包，数据包包括感知区域的环境信息、各交通参与者的属性信息和交通行为信息；根据属性信息和交通行为信息，确定目标数据包中的目标车辆；分别将目标数据包中的各目标车辆替换为自动驾驶车辆，得到目标数据包对应的各仿真测试场景，并生成各仿真测试场景对应的仿真测试场景脚本；根据各仿真测试场景中被替换的目标车辆的交通行为信息和预设自动驾驶算法，对各仿真测试场景脚本进行仿真场景测试，并输出测试结果；根据测试结果评估预设自动驾驶算法的性能。
74.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
75.其中，该计算机可读存储介质可以包括：只读存储器（rom，read only memory）、随机存取记忆体（ram，random access memory）、磁盘或光盘等。
76.由于该计算机可读存储介质中所存储的指令，可以执行本发明所提供的任一种方法中的步骤，因此，可以实现本发明所提供的任一种方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
77.以上对本发明所提供的一种仿真测试方法、装置、电子设备和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想；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的技术方案的范围。