拥挤并道场景评估方法、装置、设备及存储介质与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种拥挤并道场景评估方法、装置、设备及存储介质。


背景技术：

2.并道是指从当前行驶车道向左或向右并线行驶到另一个车道，且当前行驶车道与另一个车道之间存在交叉路口。例如，三车道到交叉路口上为两车道，其中两条车道上面的车辆同时向一条车道内行驶。拥挤并道场景是自动驾驶软件中难处理的场景之一。
3.在现有技术中，对自动驾驶软件处理拥挤并道场景的评估方式主要通过实际路测实现，存在路测周期长，且由于不同版本的自动驾驶软件在实际路测中遇到的拥挤并道场景不同，导致场景评估准确性差的问题。


技术实现要素：

4.本发明提供了一种拥挤并道场景评估方法、装置、设备及存储介质，用于提高评估自动驾驶软件处理拥挤并道场景的准确性，提高自动驾驶测试效率，以及提高自动驾驶的适用性及安全性。
5.为实现上述目的，本发明第一方面提供了一种拥挤并道场景评估方法，包括：获取目标车辆对应的车辆行驶场景数据集，所述车辆行驶场景数据集用于指示所述目标车辆在实际道路场景行驶过程中所采集的场景数据；通过预设清洗策略和预设分帧规则对所述车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据；根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据；根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
6.一种可行的实施方式中，所述根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据，包括：根据预设场景筛选算法对各已分帧场景数据进行车辆行驶轨迹分析，得到各已分帧场景数据对应的车道位置关系，所述车道位置关系用于指示所述目标车辆与参考障碍物车辆之间的相对车辆车道位置信息；按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆之间是否存在目标并道行为，所述目标并道行为包括左并道行为和右并道行为；若所述目标车辆与所述参考障碍物车辆之间存在目标并道行为，则基于所述目标并道行为对应的各已分帧场景数据生成目标拥挤并道场景数据。
7.一种可行的实施方式中，所述按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆之间是否存在目标并道行为，包括：按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆是否符合预设并道场景相关性规则；若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则判断所述参考障碍物车辆并道前所在车道是否为拥挤车道；若所述参考障碍物车辆并道
前所在车道为拥挤车道，则确定所述目标车辆与所述参考障碍物车辆之间存在目标并道行为。
8.一种可行的实施方式中，所述按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆是否符合预设并道场景相关性规则，包括：按照各已分帧场景数据对应的车道位置关系，获取所述目标车辆行驶至目标位置对应的第一时刻、所述参考障碍物车辆行驶至所述目标位置对应的第二时刻以及目标距离差值，所述目标距离差值用于指示所述目标车辆和所述参考障碍物车辆到达所述目标位置之前的最小距离；根据所述第一时刻和所述第二时刻计算目标时刻差值；当所述目标时刻差值小于预设时长阈值，且所述目标距离差值小于预设距离差值时，确定所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则。
9.一种可行的实施方式中，所述若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则判断所述参考障碍物车辆并道前所在车道是否为拥挤车道，包括：若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则获取目标车道在预设距离内的其他障碍物车辆数量，所述目标车道为所述参考障碍物车辆并道前所在车道；判断所述其他障碍物车辆数量是否大于预设数量阈值；若所述其他障碍物车辆数量大于预设数量阈值，则确定所述参考障碍物车辆并道前所在车道为拥挤车道。
10.一种可行的实施方式中，所述根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，包括：通过预设自动驾驶仿真软件对所述目标拥挤并道场景数据进行并道场景仿真，得到自动驾驶拥挤并道仿真场景数据；按照预设控制指令触发所述自动驾驶拥挤并道仿真场景数据中的自动驾驶车辆仿真行驶，得到自动驾驶车辆对应的拥挤并道仿真行为数据；从所述目标拥挤并道场景数据中提取所述目标车辆对应的拥挤并道实际行为数据，并按照预设场景评分规则对所述拥挤并道仿真行为数据和所述拥挤并道实际行为数据进行场景评估处理，得到评估结果。
11.一种可行的实施方式中，在所述根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果之后，所述拥挤并道场景评估方法还包括：根据预设自动驾驶仿真软件、所述目标拥挤并道场景数据和所述评估结果生成拥堵并道场景评估报告；将所述拥堵并道场景评估报告推送至目标终端，以使得所述目标终端按照所述拥堵并道场景评估报告进行可视化图表显示。
12.本发明第二方面提供了一种拥挤并道场景评估装置，包括：获取模块，用于获取目标车辆对应的车辆行驶场景数据集，所述车辆行驶场景数据集用于指示所述目标车辆在实际道路场景行驶过程中所采集的场景数据；处理模块，用于通过预设清洗策略和预设分帧规则对所述车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据；筛选模块，用于根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据；评估模块，用于根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
13.一种可行的实施方式中，所述筛选模块还包括：分析单元，用于根据预设场景筛选算法对各已分帧场景数据进行车辆行驶轨迹分析，得到各已分帧场景数据对应的车道位置关系，所述车道位置关系用于指示所述目标车辆与参考障碍物车辆之间的相对车辆车道位置信息；判断单元，用于按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与
所述参考障碍物车辆之间是否存在目标并道行为，所述目标并道行为包括左并道行为和右并道行为；生成单元，用于若所述目标车辆与所述参考障碍物车辆之间存在目标并道行为，则基于所述目标并道行为对应的各已分帧场景数据生成目标拥挤并道场景数据。
14.一种可行的实施方式中，所述判断单元还包括：第一判断子单元，用于按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆是否符合预设并道场景相关性规则；第二判断子单元，用于若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则判断所述参考障碍物车辆并道前所在车道是否为拥挤车道；确定子单元，用于若所述参考障碍物车辆并道前所在车道为拥挤车道，则确定所述目标车辆与所述参考障碍物车辆之间存在目标并道行为。
15.一种可行的实施方式中，所述第一判断子单元具体用于：按照各已分帧场景数据对应的车道位置关系，获取所述目标车辆行驶至目标位置对应的第一时刻、所述参考障碍物车辆行驶至所述目标位置对应的第二时刻以及目标距离差值，所述目标距离差值用于指示所述目标车辆和所述参考障碍物车辆到达所述目标位置之前的最小距离；根据所述第一时刻和所述第二时刻计算目标时刻差值；当所述目标时刻差值小于预设时长阈值，且所述目标距离差值小于预设距离差值时，确定所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则。
16.一种可行的实施方式中，所述第二判断子单元具体用于：若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则获取目标车道在预设距离内的其他障碍物车辆数量，所述目标车道为所述参考障碍物车辆并道前所在车道；判断所述其他障碍物车辆数量是否大于预设数量阈值；若所述其他障碍物车辆数量大于预设数量阈值，则确定所述参考障碍物车辆并道前所在车道为拥挤车道。
17.一种可行的实施方式中，所述评估模块具体用于：通过预设自动驾驶仿真软件对所述目标拥挤并道场景数据进行并道场景仿真，得到自动驾驶拥挤并道仿真场景数据；按照预设控制指令触发所述自动驾驶拥挤并道仿真场景数据中的自动驾驶车辆仿真行驶，得到自动驾驶车辆对应的拥挤并道仿真行为数据；从所述目标拥挤并道场景数据中提取所述目标车辆对应的拥挤并道实际行为数据，并按照预设场景评分规则对所述拥挤并道仿真行为数据和所述拥挤并道实际行为数据进行场景评估处理，得到评估结果。
18.一种可行的实施方式中，所述拥挤并道场景评估装置还包括：生成模块，用于根据预设自动驾驶仿真软件、所述目标拥挤并道场景数据和所述评估结果生成拥堵并道场景评估报告；推送模块，用于将所述拥堵并道场景评估报告推送至目标终端，以使得所述目标终端按照所述拥堵并道场景评估报告进行可视化图表显示。
19.本发明第三方面提供了一种拥挤并道场景评估设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，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指令，以使得所述拥挤并道场景评估设备执行上述的拥挤并道场景评估方法。
20.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指令，当其在计算机上运行时，使得计算机执行上述的拥挤并道场景评估方法。
21.本发明提供的技术方案中，获取目标车辆对应的车辆行驶场景数据集，所述车辆行驶场景数据集用于指示所述目标车辆在实际道路场景行驶过程中所采集的场景数据；通
过预设清洗策略和预设分帧规则对所述车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据；根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据；根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。本发明实施例中，通过预设清洗策略、预设分帧规则和预设场景筛选算法从车辆行驶场景数据集中提取目标拥挤并道场景数据，提高了目标拥挤并道场景数据筛选的准确性，根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，提高了评估自动驾驶软件处理拥挤并道场景的准确性，提高了自动驾驶测试效率，以及了提高了自动驾驶的适用性及安全性。
附图说明
22.图1为本发明实施例中拥挤并道场景评估方法的一个实施例示意图；
23.图2为本发明实施例中筛选目标拥挤并道场景数据的一个实施例示意图；
24.图3为本发明实施例中拥挤并道场景评估方法的另一个实施例示意图；
25.图4为本发明实施例中拥挤并道场景评估装置的一个实施例示意图；
26.图5为本发明实施例中拥挤并道场景评估装置的另一个实施例示意图；
27.图6为本发明实施例中拥挤并道场景评估设备的一个实施例示意图。
具体实施方式
28.本发明实施例提供了一种拥挤并道场景评估方法、装置、设备及存储介质，用于提高评估自动驾驶软件处理拥挤并道场景的准确性，提高自动驾驶测试效率，以及提高自动驾驶的适用性及安全性。
29.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)是用于区别类似的对象，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。
30.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，本发明实施例中拥挤并道场景评估方法的一个实施例包括：
31.101、获取目标车辆对应的车辆行驶场景数据集，车辆行驶场景数据集用于指示目标车辆在实际道路场景行驶过程中所采集的场景数据。
32.其中，目标车辆具有自动驾驶功能，车辆行驶场景数据集用于指示目标车辆在实际道路场景行驶过程中所采集的场景数据。也就是，目标车辆在实际道路场景行驶过程中，开启定位模块、感知模块和数据采集模块，以便于实时记录目标车辆行驶的位置数据、车速数据、加速度数据和障碍物车辆以及其他障碍物，进而得到车辆行驶场景数据集。同时，为了增加拥挤并道场景出现的概率，目标车辆需要行驶在车道线减少的道路场景，和/或在拥挤的道路路口，以实现并道场景。例如，目标车辆行驶在直行车道的最右侧车道，与右转的
障碍物车辆并道，或目标车辆行驶在右转车道，与直行车道上的车并道。
33.具体的，服务器接收目标车辆发送的数据上传请求，数据上传请求中包括车辆行驶场景数据集；服务器从数据上传请求中读取车辆行驶场景数据集；服务器通过读写分离方式将车辆行驶场景数据集更新至预设分布式数据库集群中，提高了数据读写效率。
34.可以理解的是，本发明的执行主体可以为拥挤并道场景评估装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
35.102、通过预设清洗策略和预设分帧规则对车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据。
36.可以理解的是，预设清洗策略和预设分帧规则均预先存储于预设配置数据表中，预设清洗策略用于指示对车辆行驶场景数据集的清洗标准及数据清洗规范，预设分帧规则用于指示对车辆行驶场景数据集的拆分方式。在一些实时方式中，服务器从预设配置数据表中读取预设清洗策略和预设分帧规则；服务器通过预设清洗策略对预设分布式数据库集群中的车辆行驶场景数据集依次进行缺失数据填充、修正错误数据、数据去重、统一数据格式和数据聚类处理，得到清洗后的车辆行驶场景数据；服务器按照预设分帧规则对清洗后的车辆行驶场景数据进行不重叠分帧处理，得到多个已分帧场景数据。也就是，各已分帧场景数据对应的时间段互不重叠，各已分帧场景数据对应的车辆行驶场景之间存在差异。
37.在一些实施方式中，服务器通过预设场景标注模型对清洗后的车辆行驶场景数据进行场景标注处理，得到已标注的车辆行驶场景数据；服务器按照预设分帧规则对已标注的车辆行驶场景数据进行数据分帧处理，得到多个已分帧场景数据。其中，预设场景标注模型用于指示预先训练完成的场景语义标注模型，预设场景标注模型可以为基于深度学习的监督学习模型，也可以为卷积神经网络模型，具体此处不做限定。
38.103、根据预设场景筛选算法分别对多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据。
39.可以理解的是，目标拥挤并道场景数据对应的拥堵并道场景数量可以为1个，也可以为多个，具体此处不做限定。并道场景如图2所示，车道b和车道c通过路口p汇合到车道a，车道d是车道a和车道b的相邻车道。因此，行驶在车道b和车道c上的车辆之间存在并道情形，并且当车道a、车道b和车道c中任意一条车道为交通繁忙车道时，行驶在车道b和车道c上的车辆之间存在拥挤并道情形。其中，车道a和车道b在拓扑结构上被路口p分割开，因此图示中标记为两条不同的车道，车道a和车道b中各车辆的行驶方向和行驶车道实质相同。
40.具体的，服务器根据预设场景筛选算法对各已分帧场景数据中参考障碍物车辆所在车道在预设时间段内任意两帧间进行判别，若各已分帧场景数据中参考障碍物车辆所在车道在预设时间段内任意两帧间存在不同，则服务器判断各已分帧场景数据中参考障碍物车辆是否从第一车道行驶至并入车道(也就是目标位置所在车道)，第一车道为参考障碍物车辆到达并入车道之前所行驶的车道，且第一车道不是并入车道的相邻车道，例如，如图2所示，并入车道为车道a，第一车道可以为车道b或c，且第一车道不为车道d；若各已分帧场景数据中参考障碍物车辆是从第一车道行驶至并入车道，则服务器判断各已分帧场景数据中目标车辆是否从第二车道行驶至并入车道，第二车道为目标车辆到达并入车道之前所行驶的车道，且第二车道不是并入车道的相邻车道，例如，如图2所示，并入车道为车道a，第二车道可以为车道b或c，且第二车道不为车道d；若各已分帧场景数据中目标车辆是从第二车
道行驶至并入车道，则服务器判各已分帧场景数据中断第一车道与第二车道是否为不同车道，例如，第一车道为车道b，第二车道为车道c，则服务器确定第一车道与第二车道为不同车道；若各已分帧场景数据中第一车道与第二车道为不同车道，则服务器判断各已分帧场景数据中目标车辆和参考障碍物车辆到达并入车道的时刻差值是否小于预设时长阈值；若目标车辆和参考障碍物车辆到达并入车道的时刻差值小于预设时长阈值，则服务器判断目标车辆和参考障碍物车辆到达并入车道的目标距离差值是否小于预设距离差值；若各已分帧场景数据中目标车辆和参考障碍物车辆到达并入车道的目标距离差值小于预设距离差值，则服务器判断各已分帧场景数据中第一车道或第二车道在预设距离内其他障碍物车辆数量是否大于预设数量阈值；若各已分帧场景数据中第一车道或第二车道在预设距离内其他障碍物车辆数量大于预设数量阈值，则服务器按照预设数据提取时间段从各已分帧场景数据中获取对应的拥挤并道场景数据，并按照重叠时间段对各已分帧场景数据对应的拥挤并道场景数据进行合并，得到目标拥挤并道场景数据。
41.需要说明的是，服务器将目标车辆和参考障碍物车辆相距最近的时刻向前推一小段时长(例如10秒)作为起始提取时刻，并将目标车辆和参考障碍物车辆中最后到达并入车道的时刻作为终止提取时刻；服务器将终止提取时刻与起始提取时刻之间的时间段设置为预设数据提取时间段。
42.104、根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
43.具体的，服务器在预设仿真环境中启动预设自动驾驶软件，并通过自动驾驶软件仿真运行目标拥挤并道场景数据，当预设自动驾驶软件接收到目标拥挤并道场景数据中的定位数据和感知信息时，生成预设控制指令，并根据预设控制指令控制自动驾驶车辆进行拥挤并道行驶，得到自动驾驶车辆对应的拥挤并道仿真行为数据；服务器从目标拥挤并道场景数据中提取目标车辆对应的拥挤并道实际行为数据；服务器比较拥挤并道仿真行为数据与拥挤并道实际行为数据之间是否存在差异，得到差异数据，并根据差异数据确定评估结果。评估结果用于指示预设自动驾驶软件的安全级别，安全级别可以包括0级、1级、2级、3级等，具体此处不做限定，安全级别数值越高，表示预设自动驾驶软件的安全性能越好。
44.在一些实施例中，服务器从拥挤并道仿真行为数据中提取拥挤并道仿真开始时刻和拥挤并道仿真完成时刻，并从拥挤并道实际行为数据读取拥挤并道实际开始时刻和拥挤并道实际结束时刻；服务器分别获取拥挤并道仿真开始时刻与拥挤并道实际开始时刻之间的第一差异值，以及拥挤并道仿真完成时刻与拥挤并道实际开始时刻之间的第二差异值，服务器根据第一差异值和第二差异值查找预设评分规则，得到第一差异值和第二差异值各自对应的分数值，服务器计算第一差异值和第二差异值各自对应的分数值总和，并根据分数值总和检索预设安全级别配置数据表，得到评估结果。其中，第一差异值和第二差异值均属于差异数据。例如，当第一差异值和第二差异值均为0时，服务器确定第一差异值和第二差异值各自对应的分数值为总和为2，服务器设置评估结果为安全级别为5，当第一差异值为0.4，第二差异值为0.6时，服务器确定第一差异值和第二差异值各自对应的分数值为总和为1，服务器设置评估结果为安全级别为2。
45.需要说明的是，拥挤并道实际行为数据与拥挤并道实际行为数据之间差异越大，评估结果对应的安全级别越低，当拥挤并道实际行为数据与拥挤并道实际行为数据之间完
全相同时，则评分为满分，且评估结果对应的安全级别最高。对于目标拥挤并道场景数据为多个场景时，服务器还需要对每个场景中的拥挤并道实际行为数据与拥挤并道实际行为数据进行对比，得到各场景的差异数据，并根据各场景的差异数据计算对应的分数值，服务器根据各场景对应的分数值评估该预设自动驾驶软件处理拥挤并道场景的水平，得到评估结果。
46.本发明实施例中，通过预设清洗策略、预设分帧规则和预设场景筛选算法从车辆行驶场景数据集中提取目标拥挤并道场景数据，提高了目标拥挤并道场景数据筛选的准确性，根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，提高了评估自动驾驶软件处理拥挤并道场景的准确性，提高了自动驾驶测试效率，以及了提高了自动驾驶的适用性及安全性。
47.请参阅图3，本发明实施例中拥挤并道场景评估方法的另一个实施例包括：
48.301、获取目标车辆对应的车辆行驶场景数据集，车辆行驶场景数据集用于指示目标车辆在实际道路场景行驶过程中所采集的场景数据。
49.该步骤301的具体执行过程与步骤101的具体执行过程相似，具体此处不再赘述。
50.302、通过预设清洗策略和预设分帧规则对车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据。
51.该步骤302的具体执行过程与步骤102的具体执行过程相似，具体此处不再赘述。
52.303、根据预设场景筛选算法对各已分帧场景数据进行车辆行驶轨迹分析，得到各已分帧场景数据对应的车道位置关系，车道位置关系用于指示目标车辆与参考障碍物车辆之间的相对车辆车道位置信息。
53.其中，车道位置关系用于指示目标车辆与参考障碍物车辆之间的相对车辆车道位置信息，如图2所示，例如，相同已分帧场景数据中目标车辆行驶于车道d，参考障碍物车辆行驶于车道b，则服务器确定目标车辆与参考障碍物车辆之间不存在并道行为，该已分帧场景数据对应的车道位置关系为空值。
54.具体的，服务器根据预设场景筛选算法从各已分帧场景数据中提取目标车辆对应的参考障碍物车辆，并对预设时长范围内的参考障碍物车辆遍历每一帧数据，若参考障碍物车辆当前帧所在车道与上一帧所在车道不相同，则服务器判断参考障碍物车辆当前帧所在车道是否为并入车道，并入车道为从两条车道或多于两条车道汇合而成的车道，如图2所示，车道a为并入车道；若参考障碍物车辆当前帧所在车道为并入车道，则服务器判断参考障碍物车辆是否从第一车道行驶至并入车道(也就是目标位置所在车道)，第一车道为参考障碍物车辆到达并入车道之前所行驶的车道，且第一车道不是并入车道的相邻车道，如图2所示，例如，第一车道为车道b或车道c；若参考障碍物车辆是从第一车道行驶至并入车道，则判断目标车辆是否从第二车道行驶至并入车道，第二车道为目标车辆到达并入车道之前所行驶的车道，且第二车道不是并入车道的相邻车道，如图2所示，例如，第二车道为车道b或车道c；若目标车辆是从第二车道行驶至并入车道，则服务器判断第一车道与第二车道是否为不同车道，如图2所示，例如，第一车道和第二车道分别为车道b或车道c；若第一车道与第二车道为不同车道，服务器确定各已分帧场景数据包含拥堵并道场景，服务器生成目标车辆与参考障碍物车辆之间的相对车辆车道位置信息，并将目标车辆与参考障碍物车辆之间的相对车辆车道位置信息设置为各已分帧场景数据对应的车道位置关系。
55.304、按照各已分帧场景数据对应的车道位置关系，判断目标车辆与参考障碍物车辆之间是否存在目标并道行为，目标并道行为包括左并道行为和右并道行为。
56.其中，目标并道行为包括左并道行为和右并道行为。在一些实施例中，服务器按照各已分帧场景数据对应的车道位置关系，服务器判断目标车辆与参考障碍物车辆是否符合预设并道场景相关性规则，预设并道场景相关性规则用于指示目标车辆与参考障碍物车辆之间发生并道行为时存在相互影响的相关准则，也就是，服务器通过预设并道场景相关性规则筛选的并道场景中，目标车辆与参考障碍物车辆相距近，且两辆车之间存在影响，以使得目标拥挤并道场景数据更具有意义；若目标车辆与参考障碍物车辆符合预设并道场景相关性规则，则服务器判断参考障碍物车辆并道前所在车道是否为拥挤车道；若参考障碍物车辆并道前所在车道为拥挤车道，则服务器确定目标车辆与参考障碍物车辆之间存在目标并道行为。
57.进一步地，服务器在执行按照各已分帧场景数据对应的车道位置关系，服务器判断目标车辆与参考障碍物车辆是否符合预设并道场景相关性规则步骤时，在一些实施例中，服务器按照各已分帧场景数据对应的车道位置关系，获取目标车辆行驶至目标位置对应的第一时刻、参考障碍物车辆行驶至目标位置对应的第二时刻以及目标距离差值，目标距离差值用于指示目标车辆和参考障碍物车辆到达目标位置之前的最小距离；服务器根据第一时刻和第二时刻计算目标时刻差值；当目标时刻差值小于预设时长阈值，且目标距离差值小于预设距离差值时，服务器确定目标车辆与参考障碍物车辆符合预设并道场景相关性规则。例如，如图2所示，目标车辆和参考障碍物车辆在并道前分别行驶于车道b和车道c，若目标车辆和参考障碍物车辆到达目标位置(也就是目标车辆与参考障碍物车辆的并入车道)a的目标时刻差值小于预设时长阈值(例如，预设时长阈值为5秒)，且目标车辆和参考障碍物车辆到达目标位置a之前的目标距离差值小于预设距离差值(例如，预设距离差值为5米)，则服务器确定目标车辆与参考障碍物车辆符合预设并道场景相关性规则。若目标车辆和参考障碍物车辆到达目标位置a的目标时刻差值大于或等于预设时长阈值，和/或目标车辆和参考障碍物车辆到达目标位置a之前的目标距离差值大于或等于预设距离差值，则服务器确定目标车辆与参考障碍物车辆不符合预设并道场景相关性规则。
58.进一步地，服务器在执行若目标车辆与参考障碍物车辆符合预设并道场景相关性规则，则服务器判断参考障碍物车辆并道前所在车道是否为拥挤车道步骤时，在一些实施例中，若目标车辆与参考障碍物车辆符合预设并道场景相关性规则，则服务器获取目标车道在预设距离内的其他障碍物车辆数量，目标车道为参考障碍物车辆并道前所在车道；服务器判断其他障碍物车辆数量是否大于预设数量阈值；若其他障碍物车辆数量大于预设数量阈值，则服务器确定参考障碍物车辆并道前所在车道为拥挤车道。例如，若参考障碍物车辆并道前所在车道(例如，车道b或车道c)上预设距离(例如，50米)内对应的其它障碍物车辆数量大于预设数量阈值(例如，预设数量阈值为4个)，则服务器确定参考障碍物车辆并道前所在车道为拥挤车道，进一步地，服务器确定目标车辆与参考障碍物车辆之间存在目标并道行为，服务器执行步骤305。
59.305、若目标车辆与参考障碍物车辆之间存在目标并道行为，则基于目标并道行为对应的各已分帧场景数据生成目标拥挤并道场景数据。
60.在一些实施方式中，若目标车辆与参考障碍物车辆之间存在目标并道行为，则服
务器对目标并道行为对应的各已分帧场景数据设置拥挤并道标签；当服务器对多个已分帧场景数据均标记完成时，服务器按照拥挤并道标签筛选多个已分帧场景数据，得到已筛选场景数据，并将已筛选场景数据组合为目标拥挤并道场景数据，服务器设置拥挤并道场景标识，并按照拥挤并道场景标识将目标拥挤并道场景数据存储至预设场景数据表中。
61.306、根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
62.也就是，服务器根据目标拥挤并道场景数据仿真拥挤并道场景后，并针对仿真后的拥挤并道场景中自动驾驶行为进行评估处理，得到评估结果。评估结果用于指示预设自动驾驶软件的安全级别。在一些实施例中，服务器通过预设自动驾驶仿真软件对目标拥挤并道场景数据进行并道场景仿真，得到自动驾驶拥挤并道仿真场景数据；服务器按照预设控制指令触发自动驾驶拥挤并道仿真场景数据中的自动驾驶车辆仿真行驶，得到自动驾驶车辆对应的拥挤并道仿真行为数据；服务器从目标拥挤并道场景数据中提取目标车辆对应的拥挤并道实际行为数据，并按照预设场景评分规则对拥挤并道仿真行为数据和拥挤并道实际行为数据进行场景评估处理，得到评估结果。进一步地，服务器根据拥挤并道仿真行为数据和拥挤并道实际行为数据计算实际驾驶行为与自动驾驶行为之间的目标位移差异值，实际驾驶行为与自动驾驶行为之间的目标位移差异值包括沿车道线方向投影的第一位移差异值和垂直于车道线方向投影的第二位移差异值；服务器按照预设场景评分规则分别计算第一位移差异值对应的拥挤并道分值和第二位移差异值对应的拥挤并道分值；服务器根据第一位移差异值对应的拥挤并道分值和第二位移差异值对应的拥挤并道分值计算拥挤并道仿真行为总分值，并根据拥挤并道仿真行为总分值查询预设安全级别配置数据表，得到评估结果。
63.在一些实施例中，在步骤306之后，服务器根据预设自动驾驶仿真软件、目标拥挤并道场景数据和评估结果生成拥堵并道场景评估报告；服务器将拥堵并道场景评估报告推送至目标终端，以使得目标终端按照拥堵并道场景评估报告进行可视化图表显示。具体的，服务器获取拥堵并道场景模板，服务器拥堵并道场景模板对预设自动驾驶仿真软件、目标拥挤并道场景数据和评估结果进行数据转换和报告生成处理，得到拥堵并道场景评估报告，并将拥堵并道场景评估报告存储于预设文件系统中；服务器接收拥堵并道场景评估报告显示请求，并从拥堵并道场景评估报告请求中获取文件标识，服务器按照文件标识从预设文件系统中拥堵并道场景评估报告，并调用预设文件推送接口将拥堵并道场景评估报告推送至目标终端，以使得目标终端按照拥堵并道场景评估报告进行可视化图表显示。
64.可以理解的是，服务器通过评估结果能够客观、准确地评价预设自动驾驶仿真软件处理拥挤并道场景的水平，并用来优化预设自动驾驶仿真软件的输出结果。此外，在对比不同版本的自动驾驶软件时，服务器通过同一批数据(也就是，相同的目标拥挤并道场景数据)进行软件仿真和自动驾驶行为评估处理，以此排除不同测试数据集仿真存在评估结果偏差大的问题。
65.本发明实施例中，通过预设清洗策略、预设分帧规则和预设场景筛选算法从车辆行驶场景数据集中提取目标拥挤并道场景数据，提高了目标拥挤并道场景数据筛选的准确性，根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，提高了评估自动驾驶软件处理拥挤并道场景的准确性，提高了自动驾驶测试效率，以及了提
高了自动驾驶的适用性及安全性。
66.上面对本发明实施例中拥挤并道场景评估方法进行了描述，下面对本发明实施例中拥挤并道场景评估装置进行描述，请参阅图4，本发明实施例中拥挤并道场景评估装置一个实施例包括：
67.获取模块401，用于获取目标车辆对应的车辆行驶场景数据集，所述车辆行驶场景数据集用于指示所述目标车辆在实际道路场景行驶过程中所采集的场景数据；
68.处理模块402，用于通过预设清洗策略和预设分帧规则对所述车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据；
69.筛选模块403，用于根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据；
70.评估模块404，用于根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
71.本发明实施例中，通过预设清洗策略、预设分帧规则和预设场景筛选算法从车辆行驶场景数据集中提取目标拥挤并道场景数据，提高了目标拥挤并道场景数据筛选的准确性，根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，提高了评估自动驾驶软件处理拥挤并道场景的准确性，提高了自动驾驶测试效率，以及了提高了自动驾驶的适用性及安全性。
72.请参阅图5，本发明实施例中拥挤并道场景评估装置另一个实施例包括：
73.获取模块401，用于获取目标车辆对应的车辆行驶场景数据集，所述车辆行驶场景数据集用于指示所述目标车辆在实际道路场景行驶过程中所采集的场景数据；
74.处理模块402，用于通过预设清洗策略和预设分帧规则对所述车辆行驶场景数据集依次进行数据清洗和数据分帧处理，得到多个已分帧场景数据；
75.筛选模块403，用于根据预设场景筛选算法分别对所述多个已分帧场景数据进行并道场景识别和车辆拥挤度检测，得到目标拥挤并道场景数据；
76.评估模块404，用于根据所述目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果。
77.一种可行的实施方式中，所述筛选模块还403包括：
78.分析单元4031，用于根据预设场景筛选算法对各已分帧场景数据进行车辆行驶轨迹分析，得到各已分帧场景数据对应的车道位置关系，所述车道位置关系用于指示所述目标车辆与参考障碍物车辆之间的相对车辆车道位置信息；
79.判断单元4032，用于按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆之间是否存在目标并道行为，所述目标并道行为包括左并道行为和右并道行为；
80.生成单元4033，用于若所述目标车辆与所述参考障碍物车辆之间存在目标并道行为，则基于所述目标并道行为对应的各已分帧场景数据生成目标拥挤并道场景数据。
81.一种可行的实施方式中，所述判断单元4032还包括：
82.第一判断子单元40321，用于按照各已分帧场景数据对应的车道位置关系，判断所述目标车辆与所述参考障碍物车辆是否符合预设并道场景相关性规则；
83.第二判断子单元40322，用于若所述目标车辆与所述参考障碍物车辆符合预设并
道场景相关性规则，则判断所述参考障碍物车辆并道前所在车道是否为拥挤车道；
84.确定子单元40323，用于若所述参考障碍物车辆并道前所在车道为拥挤车道，则确定所述目标车辆与所述参考障碍物车辆之间存在目标并道行为。
85.一种可行的实施方式中，所述第一判断子单元40321具体用于：
86.按照各已分帧场景数据对应的车道位置关系，获取所述目标车辆行驶至目标位置对应的第一时刻、所述参考障碍物车辆行驶至所述目标位置对应的第二时刻以及目标距离差值，所述目标距离差值用于指示所述目标车辆和所述参考障碍物车辆到达所述目标位置之前的最小距离；
87.根据所述第一时刻和所述第二时刻计算目标时刻差值；
88.当所述目标时刻差值小于预设时长阈值，且所述目标距离差值小于预设距离差值时，确定所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则。
89.一种可行的实施方式中，所述第二判断子单元40322具体用于：
90.若所述目标车辆与所述参考障碍物车辆符合预设并道场景相关性规则，则获取目标车道在预设距离内的其他障碍物车辆数量，所述目标车道为所述参考障碍物车辆并道前所在车道；
91.判断所述其他障碍物车辆数量是否大于预设数量阈值；
92.若所述其他障碍物车辆数量大于预设数量阈值，则确定所述参考障碍物车辆并道前所在车道为拥挤车道。
93.一种可行的实施方式中，所述评估模块404具体用于：
94.通过预设自动驾驶仿真软件对所述目标拥挤并道场景数据进行并道场景仿真，得到自动驾驶拥挤并道仿真场景数据；
95.按照预设控制指令触发所述自动驾驶拥挤并道仿真场景数据中的自动驾驶车辆仿真行驶，得到自动驾驶车辆对应的拥挤并道仿真行为数据；
96.从所述目标拥挤并道场景数据中提取所述目标车辆对应的拥挤并道实际行为数据，并按照预设场景评分规则对所述拥挤并道仿真行为数据和所述拥挤并道实际行为数据进行场景评估处理，得到评估结果。
97.一种可行的实施方式中，所述拥挤并道场景评估装置还包括：
98.生成模块405，用于根据预设自动驾驶仿真软件、所述目标拥挤并道场景数据和所述评估结果生成拥堵并道场景评估报告；
99.推送模块406，用于将所述拥堵并道场景评估报告推送至目标终端，以使得所述目标终端按照所述拥堵并道场景评估报告进行可视化图表显示。
100.本发明实施例中，通过预设清洗策略、预设分帧规则和预设场景筛选算法从车辆行驶场景数据集中提取目标拥挤并道场景数据，提高了目标拥挤并道场景数据筛选的准确性，根据目标拥挤并道场景数据进行场景仿真和自动驾驶行为评估处理，得到评估结果，提高了评估自动驾驶软件处理拥挤并道场景的准确性，提高了自动驾驶测试效率，以及了提高了自动驾驶的适用性及安全性。
101.上面图4和图5从模块化的角度对本发明实施例中的拥挤并道场景评估装置进行详细描述，下面从硬件处理的角度对本发明实施例中拥挤并道场景评估设备进行详细描述。
102.图6是本发明实施例提供的一种拥挤并道场景评估设备的结构示意图，该拥挤并道场景评估设备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拥挤并道场景评估设备600中的一系列计算机程序操作。更进一步地，处理器610可以设置为与存储介质630通信，在拥挤并道场景评估设备600上执行存储介质630中的一系列计算机程序操作。
103.拥挤并道场景评估设备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示出的拥挤并道场景评估设备结构并不构成对拥挤并道场景评估设备的限定，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。
104.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指令，当所述指令在计算机上运行时，使得计算机执行所述拥挤并道场景评估方法的步骤。
105.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，装置和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。
106.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，包括若干指令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。
107.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。