一种智能车辆规划能力测试平台技术领域
本发明涉及智能车辆测试评价技术领域，尤其涉及一种智能车辆规划能力测试平
台。
背景技术
无人驾驶智能车辆，集环境感知、决策规划和控制等功能于一体，是近来研究的热
点。决策规划系统是智能车辆中最重要的部件，其算法性能直接决定了智能车辆行驶时的
安全性和可靠性。为了构建性能可靠的规划系统，在研制过程中需要对其进行充分的测试，
以暴露系统中存在的各种设计缺陷。常规实车试验难以满足智能车辆自主驾驶能力验证的
需求，首先，智能车辆的安全问题还没有得到有效的验证；其次，智能车辆试验所需的道路
条件较高，需要投入较高的成本。寻找一种可重复、高效且安全的测试方法是目前迫切需要
解决的问题。
发明内容
本发明目的就是为了弥补已有技术的缺陷，提供一种针对智能车辆规划能力的测
试平台及其评价方法，为智能车辆规划系统分析、设计与验证提供一种重要思路和方法。
本发明是通过以下技术方案实现的：
一种智能车辆规划能力测试平台，包括磁盘、规划能力测试系统及待测智能车辆。
所述的磁盘用于储存样本数据、任务文件、参考答案、评分规则、测试结果。
所述的规划能力测试系统是针对智能车辆的规划能力进行测试的软件系统，主要
由三个部分构成：测试试题题库、测试过程可视化模拟、测试结果与量化评价方法；
所述的待测智能车辆包括规划决策单元、控制单元、车体支架和车载执行机构。待
测智能车辆是规划能力测试系统的测试对象，两者间通过网络接口进行通信。
所述的存于磁盘中的样本数据，是用于规划能力测试的栅格地图，可通过两种方
式获取。其一，事先通过感知系统，如相机、雷达等传感器获取的场景数据 并转化成的规划
地图，即栅格地图；其二，在测试系统中，测试人员可根据测试需求自行绘制栅格地图。
所述的栅格地图，是测试系统针对规划路径测试用来模拟场景环境的一种二维地
图。栅格地图以右下角为坐标原点，每个栅格的坐标表述为(xn,yn)，其属性值-2，动态障碍
物；-1，静态障碍物；0，可通行区域；1，未行驶到的规划路径；2，已行驶过的规划路径；3，敏
感区域。其中路径的规划在非障碍物区域中进行。同时栅格地图中用不同的标志来标识不
同的对象，如规划路径的起点、终点、任务点及智能车辆模型等。
所述的规划地图分为三种：局部规划地图、全局规划地图和动态规划地图。局部规
划地图大小为500px×500px，以一定比例对应实际的场景环境，比如实际场景为100m×
100m，那么每个1px×1px单元格代表1m×1m区域的场景。全局规划地图是多个局部规划地
图拼接而成，即更大范围的场景环境，根据智能车辆的行驶位置实时的更新规划地图。动态
规划地图是测试系统在局部规划地图或全局规划地图的基础上可动态地添加障碍物，具体
地，当智能车辆模型行驶到某一敏感区域时，测试系统在原规划路径的基础上在指定的位
置添加对应的障碍物。所述的敏感区域是栅格地图在初始化时已设置好，其与添加障碍物
的位置是一一对应的，即确定了某一敏感区域HotArean：{(xa1,ya1),(xa2,ya2),…，(xan,
yan)}，其对应的添加障碍物的区域DynamicObstaclen：{(xb1，yb1)，(xb2，yb2)，…，(xbn，ybn)}
同时也就确定了。
所述的智能车辆模型，是真实待测智能车辆在测试系统中的虚拟模型，动态地反
映待测智能车辆的行驶状态，其属性有：位置、速度、航向及前后左右的障碍物的信息。
所述的测试试题题库，根据栅格地图的三种不同类型可分为局部、全局和动态三
种不同类型的规划能力测试。
所述的局部规划能力测试是基于单帧局部栅格地图M，必经点NESS＝{(xs,ys),
(xg,yg)}，(xs,ys)和(xg,yg)分别为起点与终点，局部规划返回规划的路径P＝{(xs,ys),(x1,
y1),(x2,y2),...,(xn,yn),(xg,yg)}，(xn,yn)为先后经过的单元格的坐标。
所述的全局规划能力测试是全局栅格地图M，必经点NESS＝{(xs,ys),(xt1,yt1),
(xt2,yt2),...,(xtn,ytn),(xg,yg)}，(xs,ys)和(xg,yg)分别为起点与终点，(xt1,yt1),(xt2,
yt2),...,(xtn,ytn)为必经的任务点，要求全局规划返回的路径P＝{(xs,ys),(x1,y1),(x2,
y2),...,(xn,yn),(xg,yg)}必须按先后顺序经过这些任务点，即
(xn,yn)为先后经过的单元格的
坐标。
所述的动态规划能力测试是智能车辆在进行局部或全局规划能力的过程中，当智
能车辆行驶到栅格地图的某一敏感区域时，测试系统根据原规划路径在栅格地图的指定位
置动态地添加障碍物，根据测试任务，由起点S到终点E可能有两种规划路径A和B，当测试系
统检测到智能车辆模型行驶到敏感区域A时，即时在栅格地图上添加动态障碍物A，将单元
格属性值改成(xn,yn)＝-2，之后取消敏感区域A和与其关联的敏感区域B的设置，将单元格
属性值改成(xn,yn)＝0。所谓敏感区域的关联关系是针对其对应的动态障碍物来说的，就是
说添加了敏感区域对应的动态障碍物A就不能添加敏感区域B对应的动态障碍物B，添加了
动态障碍物B就不能添加动态障碍物A，否则从起点S到终点E就没有可通路径。与此同时，测
试系统将栅格地图变化信息通过网络告知待测智能车辆，使其及时改变规划路径，以达到
实时地检测待测智能车辆的对场景瞬变的重规划能力。
所述的测试过程可视化模式，其特征在于测试系统根据待测智能车辆反馈回来的
信息在栅格地图上利用智能车辆模型动态显示其运动状态与轨迹。测试系统将测试试题信
息，包括原始栅格地图和测试任务等通过网络发送给待测智能车辆，待测车辆规划出行驶
路径，进一步地控制转向柱、油门、制动、档位等车辆执行机构输出动作。同时，将这些执行
机构的动作信息定时地反馈给测试系统，测试系统根据反馈的速度、航向等信息，控制智能
车辆模型进行相应的同步动作。动态规划能力测试过程中，测试系统在不断地更新智能车
辆模型的位置及运动轨迹的同时，对添加的障碍物信息进行不断地更新，动态地显示待测
智能车辆的路径规划与重规划的结果，达到运动过程的可视化效果。
所述的测试结果与评价方法，是测试系统在待测智能车辆完成测试任务时， 针对
提交的规划路径和其他测试数据进行分析评价，针对其合理性和最优性进行评分。下面给
出了一些具体的量化评价指标：
a)路径长度
b)完成任务情况
通过测试车辆的运动规划路径是否经过任务文件中的起点、终点和任务点等，来
判断是否完成规划任务成功，
c)路径的碰撞风险性(Risk，R)
通过计算车辆的运动规划路径中每点与周围障碍物的最近距离是否满足小于最
小碰撞距离，来判断路径是否存在风险，
d)规划耗时T
T＝TE-TS (4)
TS记为待测智能车辆接收到测试系统的测试任务数据时间，TE记为待测智能车辆
完成测试任务，向测试系统发送任务完成标记的时间。
所述的几种评价指标，路径(重)规划每题总得分计算方法如下：
wi表示每种测试指标的权重，Si表示每种测试指标的得分。
所述的待测智能车辆是集网络通信接口、决策功能模块、控制功能模块与车载执
行结构于一体的无人智能车辆。智能车辆接收到测试任务后，通过决策与控制模块控制执
行机构响应动作，同时将检测到的运动变化结果反馈给测试系统，测试系统将其动态变化
过程反应在虚拟场景中的智能车辆模型上。待测智能车辆在试验过程中置于试验台架上，
使车轮在转鼓上滚动，来模拟汽车在道路上行驶，在运动的过程中，车体本身的位置并没有
改变。这样就满足了在相对狭小了实验 室空间内完成各种测试试验。
本发明的优点是：本发明提供的基于“车-环境”闭环系统的半物理仿真测试平台，
摒弃了无人车在实际环境当中进行测试的种种受限，使得智能车辆能在一个可受控的、实
验条件易于重复可变的、以一个相对适度的成本和空间来对其规划能力进行安全有效的测
试；
本发明排除了车载硬件感知部分获取环境数据的不确定性的干扰,借助于现实环
境中真实的测试场景及传感器数据，这样更加针对性地仅对智能车辆的规划能力进行检
测。测试系统直接利用磁盘中已转换存储的栅格地图数据，且可动态地对场景环境进行变
更，这样满足于测试环境的重复性和多变性的要求；
本发明将测试过程中智能车辆的运动状态可视化于测试系统中，在虚拟仿真环境
中，实时动态地更加直观地监测智能车辆的运动变化情况；
本发明针对智能车辆的规划能力提出了一种分析与评估的方法，从整体性能上，
综合的更加有效准确地评估智能车辆的规划能力。
附图说明
图1为智能车辆规划能力测试系统整体框架图。
图2为栅格地图中单元格属性信息。
图3为栅格地图中动态障碍物与敏感区域的设置方式。
图4(a)为动态规划能力测试的设计流程图；图4(b)添加障碍物的确定流程图。
图5为T时刻待测智能车辆初步规划的行驶路径。
图6为T+n时刻添加动态障碍物后待测智能车辆重规划的行驶路径。
具体实施方式
一种智能车辆规划能力测试平台，包括磁盘、规划能力测试系统及待测智能车辆。
所述的磁盘用于储存样本数据、任务文件、参考答案、评分规则、测试结果。
所述的规划能力测试系统是针对智能车辆的规划能力进行测试的软件系统，主要
由三个部分构成：测试试题题库、测试过程可视化模拟、测试结果与量化评价方法；
如图1所示，所述的待测智能车辆包括规划决策单元、控制单元、车体支架 和车载
执行机构。待测智能车辆是规划能力测试系统的测试对象，两者间通过网络接口进行通信。
所述的存于磁盘中的样本数据，是用于规划能力测试的栅格地图，可通过两种方
式获取。其一，事先通过感知系统，如相机、雷达等传感器获取的场景数据并转化成的规划
地图，即栅格地图；其二，在测试系统中，测试人员可根据测试需求自行绘制栅格地图。
所述的栅格地图，是测试系统针对规划路径测试用来模拟场景环境的一种二维地
图。栅格地图以右下角为坐标原点，每个栅格的坐标表述为(xn,yn)，其属性值如图2所示：-
2，动态障碍物；-1，静态障碍物；0，可通行区域；1，未行驶到的规划路径；2，已行驶过的规划
路径；3，敏感区域。其中路径的规划在非障碍物区域中进行。同时栅格地图中用不同的标志
来标识不同的对象，如规划路径的起点、终点、任务点及智能车辆模型等。
所述的规划地图分为三种：局部规划地图、全局规划地图和动态规划地图。局部规
划地图大小为500px×500px，以一定比例对应实际的场景环境，比如实际场景为100m×
100m，那么每个1px×1px单元格代表1m×1m区域的场景。全局规划地图是多个局部规划地
图拼接而成，即更大范围的场景环境，根据智能车辆的行驶位置实时的更新规划地图。动态
规划地图是测试系统在局部规划地图或全局规划地图的基础上可动态地添加障碍物，具体
地，当智能车辆模型行驶到某一敏感区域时，测试系统在原规划路径的基础上在指定的位
置添加对应的障碍物。所述的敏感区域是栅格地图在初始化时已设置好，其与添加障碍物
的位置是一一对应的，如图4(b)所示，即确定了某一敏感区域HotArean：{(xa1,ya1),(xa2,
ya2),…，(xan,yan)}，其对应的添加障碍物的区域DynamicObstaclen：{(xb1，yb1)，(xb2，
yb2)，…，(xbn，ybn)}同时也就确定了。
所述的智能车辆模型，是真实待测智能车辆在测试系统中的虚拟模型，动态地反
映待测智能车辆的行驶状态，其属性有：位置、速度、航向及前后左右的障碍物的信息，如图
2所示。
所述的测试试题题库，根据栅格地图的三种不同类型可分为局部、全局和动态三
种不同类型的规划能力测试。
所述的局部规划能力测试是基于单帧局部栅格地图M，必经点NESS＝{(xs,ys),
(xg,yg)}，(xs,ys)和(xg,yg)分别为起点与终点，局部规划返回规划的路径P＝{(xs,ys),(x1,
y1),(x2,y2),...,(xn,yn),(xg,yg)}，(xn,yn)为先后经过的单元格的坐标。
所述的全局规划能力测试是全局栅格地图M，必经点NESS＝{(xs,ys),(xt1,yt1),
(xt2,yt2),...,(xtn,ytn),(xg,yg)}，(xs,ys)和(xg,yg)分别为起点与终点，(xt1,yt1),(xt2,
yt2),...,(xtn,ytn)为必经的任务点，要求全局规划返回的路径P＝{(xs,ys),(x1,y1),(x2,
y2),...,(xn,yn),(xg,yg)}必须按先后顺序经过这些任务点，即
(xn,yn)为先后经过的单元格的
坐标。
所述的动态规划能力测试是智能车辆在进行局部或全局规划能力的过程中，当智
能车辆行驶到栅格地图的某一敏感区域时，测试系统根据原规划路径在栅格地图的指定位
置动态地添加障碍物。如图3所示，根据测试任务，由起点S到终点E可能有两种规划路径A和
B，当测试系统检测到智能车辆模型行驶到敏感区域A时，即时在栅格地图上添加动态障碍
物A，将单元格属性值改成(xn,yn)＝-2，之后取消敏感区域A和与其关联的敏感区域B的设
置，将单元格属性值改成(xn,yn)＝0。所谓敏感区域的关联关系是针对其对应的动态障碍物
来说的，就是说添加了敏感区域对应的动态障碍物A就不能添加敏感区域B对应的动态障碍
物B，添加了动态障碍物B就不能添加动态障碍物A，否则从起点S到终点E就没有可通路径。
与此同时，测试系统将栅格地图变化信息通过网络告知待测智能车辆，使其及时改变规划
路径，以达到实时地检测待测智能车辆的对场景瞬变的重规划能力。图4(a)为动态规划能
力测试的设计流程图。
所述的测试过程可视化模式，其特征在于测试系统根据待测智能车辆反馈回来的
信息在栅格地图上利用智能车辆模型动态显示其运动状态与轨迹。测试系统将测试试题信
息，包括原始栅格地图和测试任务等通过网络发送给待测智能车辆，待测车辆规划出行驶
路径，进一步地控制转向柱、油门、制动、档位等车辆执行机构输出动作。同时，将这些执行
机构的动作信息定时地反馈给测试系统， 测试系统根据反馈的速度、航向等信息，控制智
能车辆模型进行相应的同步动作。动态规划能力测试过程中，测试系统在不断地更新智能
车辆模型的位置及运动轨迹的同时，对添加的障碍物信息进行不断地更新，动态地显示待
测智能车辆的路径规划与重规划的结果，达到运动过程的可视化效果。
所述的测试结果与评价方法，是测试系统在待测智能车辆完成测试任务时，针对
提交的规划路径和其他测试数据进行分析评价，针对其合理性和最优性进行评分。下面给
出了一些具体的量化评价指标：
e)路径长度
f)完成任务情况
通过测试车辆的运动规划路径是否经过任务文件中的起点、终点和任务点等，来
判断是否完成规划任务成功，
g)路径的碰撞风险性(Risk，R)
通过计算车辆的运动规划路径中每点与周围障碍物的最近距离是否满足小于最
小碰撞距离，来判断路径是否存在风险，
h)规划耗时T
T＝TE-TS (9)
TS记为待测智能车辆接收到测试系统的测试任务数据时间，TE记为待测智能车辆
完成测试任务，向测试系统发送任务完成标记的时间。
所述的几种评价指标，路径(重)规划每题总得分计算方法如下：
wi表示每种测试指标的权重，Si表示每种测试指标的得分。
所述的待测智能车辆是集网络通信接口、决策功能模块、控制功能模块与车 载执
行结构于一体的无人智能车辆。智能车辆接收到测试任务后，通过决策与控制模块控制执
行机构响应动作，同时将检测到的运动变化结果反馈给测试系统，测试系统将其动态变化
过程反应在虚拟场景中的智能车辆模型上。待测智能车辆在试验过程中置于试验台架上，
使车轮在转鼓上滚动，来模拟汽车在道路上行驶，在运动的过程中，车体本身的位置并没有
改变。这样就满足了在相对狭小了实验室空间内完成各种测试试验。
步骤1，待测智能车辆行驶至试验台架上。以规划能力测试系统为服务器，以待测
智能车辆为客户端，局域网内两者间采取TCP/IP协议进行通信。
步骤2，选择测试试题，测试系统根据试题，从磁盘中读取该测试题的栅格地图，并
在可视化模拟模块中进行显示起点、任务点、终点的位置信息。
步骤3，构建虚拟测试车辆模型，如图2所示，其属性有：位置(xn,yn)、速度v、航向ω
及前后左右的单元格属性信息，将其添加至上一步中的栅格地图中，初始位置为任务的起
点，处于静止状态。测试系统开启更新线程，接收来自真实待测智能车辆输出的状态信息，
动态地反映其行驶路径及运动状态。
步骤4，测试系统开启发送线程，将栅格地图和任务信息通过网络发送给待测智能
车辆。此时计时为TS时刻。
步骤5，待测智能车辆通过自身规划决策单元，对测试系统发送过来的测试任务进
行分析，得出从起始位置S到终止位置E的路径，若有任务点的话，路径必按次序依次经过任
务点。
步骤6，待测智能车辆将规划路径结果通过网络发送给测试系统。
步骤7，测试系统根据待测智能车辆发送过来的规划结果，在栅格地图中标记出一
条规划路径，即(xn,yn)＝1，如图5所示。在接下来的智能车辆行进的过程中，根据其行驶位
置，更新智能车辆模型的位置，并将规划路径标记为已行驶到的路径，即(xn,yn)＝2，如图6
所示。
步骤8，待测智能车辆通过自身控制系统根据规划路径向转向、油门、制动及换挡
等车载执行机构发送控制命令。车体在转鼓台架运动的同时，待测智能车辆的发送线程每
隔t时间将执行机构的状态信息反馈给测试系统。
步骤9，测试系统根据返回来的执行机构的信息，根据位移S和方位ω来不
断更新仿真环境中车辆模型的位置。其中位移计算：
其中Vnow为当前时刻返回来的速度值，Vpre为前一时刻返回来的速度值，取两者的
平均速度，t为收到这两个速度的时间间隔。
其中方位ω是以车辆模型为中心的360°方向，如图2所示。
步骤10，测试系统新建一队列，在智能车辆模型运动的过程中，记录其行驶过程经
过的点，即(xn,yn)＝2的坐标。
步骤11，在动态规划能力测试过程中，测试系统在智能车辆模型的行驶的过程中，
不断地判断所经过的路径是否为敏感区域，即(xn,yn)＝3。一旦进入到敏感区域，测试系统
立即向待测智能车辆发送减速或停止指令，同时在栅格地图中的指定位置添加动态障碍
物，即将其单元格属性值(xn,yn)＝1改成(xn,yn)＝-，2并在可视化视图中进行更新。
步骤12，测试系统完成添加动态障碍物后，取消该敏感区域及与其关联的敏感区
域的设置，即单元格属性值(xn,yn)＝3改成(xn,yn)＝0，注意步骤10队列中记录的行驶路径
的单元格属性不变。同时，测试系统将更新后的栅格地图信息发送给待测智能车辆。
步骤13，待测智能车辆接收到栅格地图更新的信息后，确认添加的动态障碍物是
否对原规划的行驶路径是否有影响，若有影响，决策单元以当前位置为起点，重新规划出一
条到终点的最佳路径，并将其发送回测试系统。
步骤14，测试系统更新规划路径，如图6所示。回到步骤7直至达到终点。
步骤15，测试车辆到达终点后，向测试系统发送任务完成信号。
步骤16，测试系统接收任务完成信号，此时计时为TE时刻。
步骤17，至上一步骤，待测智能车辆完成一项测试试题。测试系统对此次的测试结
果进行分析与评价，步骤如下：
步骤1001，根据公式(1)，由步骤10中队列中保存的经过点的坐标，得出车辆运动
轨迹曲线，求出规划路径的总长度。
步骤1002，根据公式(2)，通过测试车辆运动轨迹曲线是否都经过起点、终点和任
务点，来判断测试任务的完成情况。
步骤1003，根据公式(3)，通过计算车辆运动轨迹曲线的每点与周边障碍物的最小
距离是否小于最小碰撞距离，来判断规划路径的碰撞风险系数。
步骤1004，根据公式(4)，由步骤4和步骤16记录的时间值，计算出此次任务完成所
耗用的时间。
步骤1005，由上述4个步骤得出的结果，结合每项分配的不同权重值，根据公式(5)
计算出此测试试题的总体评价分数。
步骤18，上述对测试结果的智能测评算法是在测试系统通过软件自动完成的，其
分数在完成测试试题后显示在测试系统界面上，供测试人员参考。