【技术实现步骤摘要】
本专利技术涉及车辆仿真测试，具体而言，涉及一种车辆仿真场景生成方法、装置、存储介质及车辆。
技术介绍
1、车辆智能化是汽车行业未来发展的重要方向，智能化程度越高，提升道路安全变得愈加重要，因此，在智能车辆投入使用之前，对智能车辆进行大量的测试十分必要。
2、目前，大多数车企使用虚拟仿真测试的方法对智能车辆进行测试，在虚拟仿真测试之前，进行仿真场景的开发与搭建十分重要，然而，现有技术通常基于循环神经网络生成仿真场景，由于循环神经网络无法学习场景数据中的长期依赖信息，导致建模得到的仿真场景真实性差，进而容易导致虚拟仿真测试结果误差大。
3、由上分析可知，针对上述相关技术基于循环神经网络生成的车辆仿真场景的真实性差的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种车辆仿真场景生成方法、装置、存储介质及车辆，以至少解决相关技术基于循环神经网络生成的车辆仿真场景的真实性差的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种车辆仿真场景生成方法，包括：
3、获取初始场景数据，其中，初始场景数据用于表征车辆的初始运动状态和初始环境状况；利用目标神经网络模型对初始场景数据进行场景预测，得到目标场景数据，其中，目标场景数据用于表征车辆的未来运动状态和未来环境状况；基于目标仿真引擎和目标场景数据生成目标仿真场景。
4、可选地，初始场景数据包括初始车辆数据，初始车辆数据用于表征车辆的初始运动状态，获取初始
5、可选地，初始场景数据包括初始环境数据，初始环境数据包括从预设数据源获取的交通环境数据，交通环境数据至少包括：道路数据、交通数据和天气数据。
6、可选地，上述车辆仿真场景生成方法还包括：将初始场景数据划分为第一场景数据和第二场景数据，其中，第一场景数据用于进行模型训练，第二场景数据用于进行数据预测；对第一场景数据进行预处理，得到第一时间序列数据；构建初始神经网络模型；利用初始神经网络模型提取第一时间序列数据中的空间特征和时间特征；利用空间特征和时间特征对初始神经网络模型进行训练，得到目标神经网络模型。
7、可选地，上述车辆仿真场景生成方法还包括：对第二场景数据进行预处理，得到第二时间序列数据；将第二时间序列数据输入目标神经网络模型，得到目标场景数据。
8、可选地，目标场景数据包括目标车辆数据和目标环境数据，基于目标仿真引擎和目标场景数据生成期望仿真场景包括：将目标车辆数据和目标环境数据进行组合，得到多个数据集；利用目标仿真引擎根据多个数据集的场景数据进行仿真场景绘制，得到期望仿真场景。
9、可选地，上述车辆仿真场景生成方法还包括：将期望仿真场景以目标文件格式输出。
10、根据本专利技术实施例的另一方面，还提供了一种车辆仿真场景生成装置，包括：
11、获取模块，用于获取初始场景数据，其中，初始场景数据用于表征车辆的初始运动状态和初始环境状况；预测模块，用于利用目标神经网络模型对初始场景数据进行场景预测，得到目标场景数据，其中，目标场景数据用于表征车辆的未来运动状态和未来环境状况；生成模块，用于基于目标仿真引擎和目标场景数据生成期望仿真场景。
12、可选地，上述获取模块还用于：初始场景数据包括初始车辆数据，初始车辆数据用于表征车辆的初始运动状态，获取初始场景数据包括：对车辆进行试验；在试验过程中，利用多种传感器采集车辆的运动数据，得到初始车辆数据。
13、可选地，上述获取模块还用于：初始场景数据包括初始环境数据，初始环境数据包括从预设数据源获取的交通环境数据，交通环境数据至少包括：道路数据、交通数据和天气数据。
14、可选地，上述车辆仿真场景生成装置还包括：训练模块，用于将初始场景数据划分为第一场景数据和第二场景数据，其中，第一场景数据用于进行模型训练，第二场景数据用于进行数据预测；对第一场景数据进行预处理，得到第一时间序列数据；构建初始神经网络模型；利用初始神经网络模型提取第一时间序列数据中的空间特征和时间特征；利用空间特征和时间特征对初始神经网络模型进行训练，得到目标神经网络模型。
15、可选地，上述车辆仿真场景生成装置还包括：预处理模块，用于对第二场景数据进行预处理，得到第二时间序列数据；将第二时间序列数据输入目标神经网络模型，得到目标场景数据。
16、可选地，上述生成模块还用于：目标场景数据包括目标车辆数据和目标环境数据，基于目标仿真引擎和目标场景数据生成期望仿真场景包括：将目标车辆数据和目标环境数据进行组合，得到多个数据集；利用目标仿真引擎根据多个数据集的场景数据进行仿真场景绘制，得到期望仿真场景。
17、可选地，上述车辆仿真场景生成装置还包括：输出模块，用于将期望仿真场景以目标文件格式输出。
18、根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行前述任意一项车辆仿真场景生成方法。
19、根据本专利技术实施例的又一方面，还提供了一种车辆，包括车载存储器和车载处理器，车载存储器中存储有计算机程序，车载处理器被设置为运行计算机程序以执行前述任意一项的车辆仿真场景生成方法。
20、在本专利技术实施例中，先获取初始场景数据，其中，初始场景数据用于表征车辆的初始运动状态和初始环境状况，接着，利用目标神经网络模型对初始场景数据进行场景预测，得到目标场景数据，其中，目标场景数据用于表征车辆的未来运动状态和未来环境状况，最后，基于目标仿真引擎和目标场景数据生成目标仿真场景。通过利用目标神经网络模型对获取的初始场景数据进行处理，达到了准确预测车辆的未来运动状态和未来环境状况的目的，从而实现了提升生成车辆仿真场景的真实性的技术效果，进而解决了相关技术基于循环神经网络生成的车辆仿真场景的真实性差的技术问题。
本文档来自技高网...【技术保护点】
1.一种车辆仿真场景生成方法，其特征在于，包括：
2.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述初始场景数据包括初始车辆数据，所述初始车辆数据用于表征所述车辆的初始运动状态，获取所述初始场景数据包括：
3.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述初始场景数据包括初始环境数据，所述初始环境数据包括从预设数据源获取的交通环境数据，所述交通环境数据至少包括：道路数据、交通数据和天气数据。
4.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的车辆仿真场景生成方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述目标场景数据包括目标车辆数据和目标环境数据，基于所述目标仿真引擎和所述目标场景数据生成期望仿真场景包括：
7.根据权利要求6所述的车辆仿真场景生成方法，其特征在于，所述方法还包括：
8.一种车辆仿真场景生成装置，其特征在于，包括：
9.一种计算机可读存储介质，其特
10.一种车辆，其特征在于，包括车载存储器和车载处理器，所述车载存储器中存储有计算机程序，所述车载处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任意一项的所述车辆仿真场景生成方法。
...【技术特征摘要】
1.一种车辆仿真场景生成方法，其特征在于，包括：
2.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述初始场景数据包括初始车辆数据，所述初始车辆数据用于表征所述车辆的初始运动状态，获取所述初始场景数据包括：
3.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述初始场景数据包括初始环境数据，所述初始环境数据包括从预设数据源获取的交通环境数据，所述交通环境数据至少包括：道路数据、交通数据和天气数据。
4.根据权利要求1所述的车辆仿真场景生成方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的车辆仿真场景生成方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的车辆仿真场景...
【专利技术属性】
技术研发人员：赵朋刚，范志臻，赵思佳，杨渊泽，曲建平，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。