1.本发明实施例涉及计算机技术，尤其涉及无人驾驶技术，具体涉及一种无人驾驶配置参数的场景部署方法、装置、计算机设备及存储介质。
背景技术：2.在国家新基建的背景下，无人驾驶作为典型应用场景之一获得了大量的关注。通常，无人驾驶车辆在某场景部署时，需要首先为该无人驾驶车辆的各项无人驾驶配置参数(典型的，无人驾驶算法的模型参数以及硬件参数等)进行初始化部署，并在初始化部署后，在该场景下对待部署车辆进行大量的测试。这些测试包括仿真测试和实车测试等。测试的过程即为对算法的模型和参数、硬件参数进行调整优化的过程。测试完成后确定的算法、硬件等参数即为无人驾驶车辆在该场景运营时的无人驾驶配置参数。
3.假设针对待部署场景，有一组算法、硬件的参数是完美匹配的，称之为适配值。在开始初始化部署时的算法、硬件等参数的初始值可能与待部署场景的适配值相去甚远，以致基于初始值的测试过程非预期行为多、耗时很长，甚至出现无论如何调整，也无法向适配值收敛的情形。
4.因此，如何在测试之前，将无人驾驶配置参数初始化部署为一个合适的初始值，对后续找寻这个适配值具有决定影响，而现有技术并没有对无人驾驶配置参数的初始值进行有效部署的实现方式。
技术实现要素：5.本发明实施例提供了一种无人驾驶配置参数的场景部署方法、装置、设备及介质，以提供一种无人驾驶配置参数的场景部署的新方法，提高了无人驾驶配置参数的部署效率和部署速度。
6.第一方面，本发明实施例提供了一种无人驾驶配置参数的场景部署方法，该方法包括：
7.按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；
8.根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；
9.基于所述初始配置参数集合对所述无人车进行初始化部署。
10.进一步的，所述场景标签包括：场景地域属性标签；
11.按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，包括：
12.在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合，其中，所述目标场景集合包括至少一个目标场景。
13.进一步的，所述场景标签还包括：自动驾驶算法影响因素标签；
14.在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后，还包括：
15.在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
16.进一步的，所述场景标签还包括：无人车在场景中的自动驾驶功能用途标签；
17.在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后，还包括：
18.在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
19.进一步的，所述场景标签还包括：自动驾驶算法影响因素标签；
20.在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后，还包括：
21.在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
22.进一步的，所述自动驾驶算法影响因素标签包括：环境因素标签；
23.在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合，包括：
24.在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
25.进一步的，所述自动驾驶算法影响因素标签还包括：本车因素标签；
26.在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后，还包括：
27.在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
28.进一步的，所述自动驾驶算法影响因素标签还包括：障碍物因素标签；
29.在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后，还包括：
30.在所述目标场景集合中，筛选出障碍物因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
31.进一步的，在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，包括：
32.获取待部署场景所适用的至少一个自动驾驶关联算法，并获取与每个自动驾驶关联算法分别对应的算法影响因子函数；
33.其中，每个算法影响因子函数通过至少一个算法影响因子以及对应的权重系数，加权求和得到；所述算法影响因子与环境因素标签中的标签因子相对应；
34.根据所述待部署场景在各所述算法影响因子下的影响因子值，计算与各所述算法影响因子函数对应的目标函数值；
35.根据各算法影响因子函数的安全权重，对各所述目标函数值进行加权求和，得到与所述待部署场景对应的目标算法安全度；
36.在所述目标场景集合中，获取与各所述目标场景分别对应的场景算法安全度；
37.其中，所述场景算法安全度根据各算法影响因子函数的安全权重，以及各所述目标场景针对各所述算法影响因子函数的场景函数值加权求和得到，场景函数值通过各目标场景的环境因素标签中的标签因子和对应的标签因子值确定；
38.计算各场景算法安全度与所述目标算法安全度之间的第一差异值；
39.获取第一差异值小于或等于第一门限值的安全度筛选场景，并将各所述安全度筛选场景确定为所述目标场景。
40.进一步的，在将各所述安全度筛选场景确定为所述目标场景之后，还包括：
41.针对每个目标场景，执行下述再次筛选操作：
42.获取当前处理的目标场景，并获取当前处理的目标场景中的一个当前场景函数值；
43.在所述待部署场景中，获取与所述当前场景函数值对应的当前目标函数值；
44.计算所述当前场景函数值与所述当前目标函数值之间的第二差异值；
45.如果所述第二差异值大于第二门限值，则滤除所述当前处理目标场景；
46.如果所述第二差异值小于或等于第二门限值，则返回执行获取当前处理的目标场景中的一个当前场景函数值的操作，直至完成对所述当前处理的目标场景中全部场景函数值的处理。
47.进一步的，根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合，包括：
48.如果目标场景的数量为多个，则针对所述无人车的每个配置参数项，分别从各配置参数集合中，提取对应的多个配置参数值；
49.根据与每个配置参数项分别对应的多个配置参数值，确定所述无人车的初始配置参数集合。
50.进一步的，根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合，包括：
51.如果目标场景的数量为多个，则根据各所述目标场景的场景算法安全度的数值大小，在全部目标场景中筛选出至少一个安全适配场景；
52.根据与各安全适配场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合。
53.进一步的，在计算所述当前场景函数值与所述当前目标函数值之间的第二差异值之后，还包括：
54.根据所述第二差异值，更新与所述当前处理的目标场景对应的第二差异值累加值；
55.根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合，包括：
56.如果目标场景的数量为多个，则在各所述目标场景中，筛选出第二差异值累加值最小的相似适配场景；
57.将与相似适配场景对应的配置参数集合，确定为所述无人车的初始配置参数集合。
58.进一步的，在基于所述初始配置参数集合对所述无人车进行初始化部署之后，还包括：
59.控制所述无人车在所述待部署场景中进行运行测试。
60.进一步的，控制所述无人车在所述待部署场景中进行运行测试，包括：
61.如果确定仅使用场景地域属性标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行软件在环测试、硬件在环测试、实车在环测试和实车道路测试；
62.如果确定联合使用场景地域属性标签和自动驾驶算法影响因素标签，或者联合使用场景地域属性标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行硬件在环测试和实车道路测试；
63.如果确定联合使用场景地域属性标签、自动驾驶算法影响因素标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行实车道路测试。
64.第二方面，本发明实施例还提供了一种无人驾驶配置参数的场景部署装置，该装置包括：
65.目标场景筛选模块，用于按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；
66.初始配置参数集合确定模块，用于根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；
67.无人车初始化部署模块，用于基于所述初始配置参数集合对所述无人车进行初始化部署。
68.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
69.一个或多个处理器；
70.存储装置，用于存储一个或多个程序；
71.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的无人驾驶配置参数的场景部署方法。
72.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明任意实施例所述的无人驾驶配置参数的场景部署方法。
73.本发明实施例通过按照预设的场景筛选规则，在包括多个场景的场景库中筛选出与待部署场景匹配的至少一个目标场景；根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；基于所述初始配置参数集合对所述无人车进行初始化部署的技术手段，解决了现有的无人车驾驶车辆在新场景中进行无人驾驶配置参数的部署时，可能会出现初始化部署不当而造成的参数部署速度慢和效率低的问题，本发明实施例的技术方案提供了一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶车辆参数部
署速度，提高部署效率。
附图说明
74.图1为本发明实施例一提供的一种无人驾驶配置参数的场景部署方法的流程图；
75.图2a为本发明实施例二提供的另一种无人驾驶配置参数的场景部署方法的流程图；
76.图2b为本发明实施例一所适用的一种场景标签体系的示意图；
77.图3a为本发明实施例三提供的另一种无人驾驶配置参数的场景部署方法的流程图；
78.图3b为本发明实施例三提供的一种在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景的方式的示意图；
79.图3c为本发明实施例三中的将各安全度筛选场景确定为目标场景后，对各目标场景进行进一步筛选的流程图；
80.图4为本发明实施例四提供的一种无人驾驶配置参数的场景部署装置的结构示意图；
81.图5为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
82.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
83.实施例一
84.图1为本发明实施例一提供的一种无人驾驶配置参数的场景部署方法的流程图，本实施例可适用于按照实际驾驶场景对无人车的无人驾驶配置参数进行初始化部署的情况，该方法可以由无人驾驶配置参数的场景部署装置来执行，该装置可以通过软件和/或硬件的方式实现，该装置可以集成在终端或者服务器中，该方法具体包括如下步骤：
85.s110、按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景。
86.其中，场景库可以包括多个场景，每个场景可以包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数。
87.其中，场景标签是指在设定描述维度下，对场景或者场景中运行的无人驾驶车辆进行描述的信息。一个场景标签可以包括标签名以及与标签名对应的标签值。标签名可以理解为描述维度，标签值可以为在描述维度下的描述信息。例如，一个形如：“场景地域属性：机场”的场景标签，用于描述一个场景在场景地域属性的描述维度下的描述信息为：机场。
88.可选的，一个场景标签中的描述信息(或者说标签值)可以为单一层级的描述信息，也可以为多个层级的描述信息，例如，一个形如：“场景地域属性：城市道路-闹市区”的场景标签，用于描述一个场景在场景地域属性的描述维度下的描述信息为城市道路中的闹市区。
89.在本实施例中，每个场景可以包括有一个或者多个场景标签，每个场景标签下可以具有一个或者多个层级的描述维度，也即，可以具有一个或者多个不同层级的标签名，例如：一个形如：“自动驾驶算法影响因素-环境因素：能见度＝50”的场景标签，用于描述一个自动驾驶算法影响因素中环境因素的描述维度下的描述信息为能见度＝50。
90.其中，场景标签的不同标签名可以具有不同的场景层级，不同的场景层级可以对应不同的场景筛选顺序，上述内容会在后文进行详述。
91.在本实施例的一个可选的实施方式中，场景标签可以包括场景地域属性标签、自动驾驶算法影响因素标签和无人车在场景中的自动驾驶功能用途标签中的一项或者多项。
92.作为示例而非限定，场景地域属性标签可以是指标签名为场景地域属性的场景标签，自动驾驶算法影响因素标签可以是指标签名为自动驾驶算法影响因素的场景标签，以及无人车在场景中的自动驾驶功能用途标签可以是指标签名为无人车在场景中的自动驾驶功能用途的场景标签。
93.其中，场景地域属性标签，可以是指在地域属性(例如，场景所在的地理区域或者场景中的道路属性等)这个描述维度下，对场景进行描述的标签。相应的，场景地域属性标签中的标签值可以为：高速路、园区、城市道路-闹市区或者城市道路-城乡结合部等。
94.自动驾驶算法影响因素标签，可以是指在自动驾驶算法的模型和参数对应的各项影响因素这个描述维度下，对场景进行描述的标签。相应的，自动驾驶算法影响因素标签中标签值可以为：具体一个或者多个影响因素的因素值，例如，光照强度＝100，能见度＝50等。进一步的，上述自动驾驶算法影响因素标签中标签值可以进一步划分为标签因子以及标签因子值，其中，一个标签因子对应一个影响因素，例如：上述“光照强度”和“能见度”；一个标签因子值对应一个影响因素的因素值，例如，上述“100”和“50”。
95.无人车在场景中的自动驾驶功能用途标签，可以是指在无人车在场景中自动驾驶的功能或者用途这个描述维度下，对场景进行描述的标签。相应的，自动驾驶功能用途标签中的标签值可以为：精准泊车或者精准对接充电等。
96.在本实施例中，场景库中的各场景分别对应匹配的配置参数集合，配置参数集合中包括有一个或者多个配置参数，配置参数是指该场景下运行的无人车的配置参数。可选的，可以预先将无人车在一些典型场景中进行部署测试，得到无人车在该典型场景下运行时的各项配置参数，也即，无人驾驶的算法参数和无人车的硬件参数等。其中，配置参数的表述形式可以包括参数项和匹配的参数值，例如，配置参数可以为：摄像头扫描频率＝500hz。
97.场景筛选规则可以是指根据待部署场景的场景描述信息与场景库中已存场景的场景标签之间的匹配度，从场景库中筛选与待部署场景满足匹配度要求的目标场景的规则。
98.待部署场景可以指需要对无人车进行驾驶参数部署的场景。待部署场景中还携带有需要在该场景下运行的无人车的特征。
99.目标场景可以是从场景库中已存的多个场景中根据场景筛选规则所筛选的场景，目标场景的数量可以是一个或者多个。
100.在本实施例的一个可选的实施方式中，可以获取待部署场景对应的自然语言描述信息，例如，区域介绍信息或者地图信息等，之后，可以通过预设的筛选规则，在上述自然语
言描述信息中，筛选出一项或者多项用于描述场景的场景描述字段，进而，可以将上述场景描述字段与场景库中每个场景的场景标签中标签值进行匹配。
101.在本实施例的另一个可选的实施方式中，可以首先将待部署场景的定位信息发送至标签平台，由该标签平台按照与场景库中各场景的场景标签建立规则，为该待部署场景建立一个或者多个场景标签，之后，可以根据待部署场景的场景标签，与场景库中的多个已存场景的对应类型的场景标签进行匹配，按照预设的场景筛选规则，在场景库中筛选与待部署场景的场景标签匹配的至少一个目标场景，并获取至少一个目标场景所对应的各项配置参数。
102.在本实施例的一个可选实施方式中，可以仅使用场景库中各场景的一个场景标签，对待部署场景进行筛选，例如，仅将待部署场景的一个或者多个场景描述字段与场景库中各场景的场景地域属性标签进行匹配的方式，筛选得到目标场景；或者，将待部署场景中的场景地域属性标签，与场景库中各场景的场景地域属性标签进行匹配的方式，筛选得到目标场景等。
103.在本实施例的另一个可选实施方式中，可以使用场景库中各场景的多个场景标签，联合对待部署场景进行筛选，例如，首先使用根据场景库中各场景的场景地域属性标签，筛选出与该待部署场景匹配的多个一次筛选场景，之后，再根据各一次筛选场景的自动驾驶算法影响因素标签，或者无人车在场景中的自动驾驶功能用途标签，二次筛选出与待部署场景匹配的多个目标场景。
104.相应的，如果需要使用场景库中各场景的多个场景标签最终筛选得到目标场景时，可以根据不同场景标签不同的描述维度，对不同场景标签进行筛选优先级排序(例如，场景地域属性标签》自动驾驶算法影响因素标签》无人车在场景中的自动驾驶功能用途标签)，进而可以按照筛选优先级排序，多次筛选得到最终的目标场景。
105.具体的，使用场景库中各场景的多个场景标签最终筛选得到目标场景的方式可以包括：
106.根据场景地域属性标签，在场景库中筛选出与待部署场景匹配的一次筛选目标场景；再根据自动驾驶算法影响因素标签，在一次筛选目标场景中，筛选出与待部署场景匹配的二次筛选目标场景。
107.或者，根据场景地域属性标签，在场景库中筛选出与待部署场景匹配的一次筛选目标场景；再根据无人车在场景中的自动驾驶功能用途标签，在一次筛选目标场景中，筛选出与待部署场景匹配的二次筛选目标场景。
108.或者，根据场景地域属性标签，在场景库中筛选出与待部署场景匹配的一次筛选目标场景；再根据自动驾驶算法影响因素标签，在一次筛选目标场景中，筛选出与待部署场景匹配的二次筛选目标场景；再根据无人车在场景中的自动驾驶功能用途标签，在二次筛选目标场景中，筛选出与待部署场景匹配的三次筛选目标场景。
109.或者，根据场景地域属性标签，在场景库中筛选出与待部署场景匹配的一次筛选目标场景；再根据无人车在场景中的自动驾驶功能用途标签，在第一筛选目标场景中，筛选出与待部署场景匹配的二次筛选目标场景；再根据自动驾驶算法影响因素标签，在二次筛选目标场景中，筛选出与待部署场景匹配的三次筛选目标场景。
110.可以理解的是，本领域人员可以根据实际需要，使用合适的场景筛选规则，在场景
库中筛选出与待部署场景匹配的至少一个目标场景，本实施例对最终筛选得到目标场景的方式并不进行限定。
111.示例性的，可以通过自然语言处理识别的方式首先识别出待部署场景的场景描述字段为“机场”，之后，可以将场景库中场景地域属性标签的标签值为“机场”的一个或者多个场景，确定为目标场景；作为另一种示例，可以预先为待部署场景建立用二进制表示的场景地域属性标签，例如“00”表示机场、“01”表示高速路、“10”表示停车场、“11”表示园区，同样的，在场景库中，同样使用上述二进制形式存储各场景的场景地域属性标签，之后，可以将场景库中场景地域属性标签的二进制数值，与待部署场景的场景地域属性标签的二进制数值相同的一个或者多个场景，确定为目标场景。
112.s120、根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合。
113.其中，配置参数集合可以是指目标场景所对应的无人车的算法参数和硬件参数等全部配置参数构成的集合。初始配置参数集合可以是指在待部署场景下直接用于初始化部署无人车的全部配置参数的集合。
114.可选的，根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合，可以包括：
115.如果目标场景的数量为多个，则针对所述无人车的每个配置参数项，分别从各配置参数集合中，提取对应的多个配置参数值；根据与每个配置参数项分别对应的多个配置参数值，确定所述无人车的初始配置参数集合。
116.其中，配置参数项例如可以是摄像头扫描频率。配置参数值可以是与配置参数项一一对应的取值，例如“摄像头扫描频率”的取值为“500hz”，则“500hz”为配置参数值。
117.具体的，如果目标场景的数量为多个，且每个目标场景对应一个配置参数集合，可以从与各目标场景分别对应的各配置参数集合中，提取针对无人车的每个配置参数项的多个配置参数值，进而对每个配置参数项分别对应的多个配置参数值取均值，得到每个配置参数项的初始配置参数值，确定无人车的初始配置参数集合。
118.相应的，如果目标场景的数量为一个，则将该目标场景的所对应的配置参数集合(算法参数和目标场景中运行车辆的硬件参数)直接作为无人车在待部署场景下的初始配置参数集合。
119.s130、基于所述初始配置参数集合对所述无人车进行初始化部署。
120.在本实施例中，可以根据初始配置参数集合中的各配置参数项与配置参数值之间的对应关系，对无人车的各个配置参数项进行赋值，实现对无人车在待部署场景下的初始化部署。
121.本发明实施例的技术方案，通过按照预设的场景筛选规则，在包括多个场景的场景库中筛选出与待部署场景匹配的至少一个目标场景；根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；基于所述初始配置参数集合对所述无人车进行初始化部署的技术手段，解决了现有的无人车驾驶车辆在新场景中进行无人驾驶配置参数的部署时，可能会出现初始化部署不当而造成的参数部署速度慢和效率低的问题，本发明实施例的技术方案提供了一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶车辆参数部署速度，提高部署效率。
122.在上述技术方案的基础上，在基于所述初始配置参数集合对所述无人车进行初始化部署之后，优选还可以包括：控制所述无人车在所述待部署场景中进行运行测试。
123.其中，运行测试可以是指，控制无人车在该待部署场景中进行实际的运行，以对无人车的初始化配置参数集合进行调整优化的过程。
124.这样设置的好处在于，可以使无人车的配置参数更适配待部署场景，从而提高无人车在待部署场景下的驾驶精确性。
125.可选的，控制所述无人车在所述待部署场景中进行运行测试，可以包括：
126.如果确定仅使用场景地域属性标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行软件在环测试、硬件在环测试、实车在环测试和实车道路测试；
127.如果确定联合使用场景地域属性标签和自动驾驶算法影响因素标签，或者联合使用场景地域属性标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行硬件在环测试和实车道路测试；
128.如果确定联合使用场景地域属性标签、自动驾驶算法影响因素标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行实车道路测试。
129.可以理解的是，如果在筛选过程中使用的场景标签越多，则最终得到的目标场景越贴近待部署场景，进而使用目标场景的配置参数集合对该无人车进行初始化部署的效率也越高，无人车的各项配置参数也就更加容易调优得到实际的运行适配值，进而，在实际运行测试时所使用的测试类型，也即前文所述的软件在环测试、硬件在环测试、实车在环测试和实车道路测试，也就可以越精简。
130.这样设置的好处在于，根据不同组合的场景标签实施预设场景筛选规则，可以选择性的省略部分测试环节，以降低测试环节的压力。
131.实施例二
132.图2a为本发明实施例二提供的另一种无人驾驶配置参数的场景部署方法的流程图，本实施例在上述各实施例的基础上，将按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景的操作进行细化。在所述场景标签同时包括场景地域属性标签、自动驾驶算法影响因素标签以及自动驾驶功能用途标签时，该方法具体包括如下步骤：
133.s210、在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合，其中，所述目标场景集合包括至少一个目标场景。
134.其中，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数。
135.在上述各实施例的基础上，所述方法还可以包括：采用预先建立的场景标签体系，为场景库中各场景，或者待部署场景建立匹配的场景标签。示例性的，图2b为本发明实施例一所适用的一种场景标签体系的示意图，其中，一级场景下的各标签对应于场景地域属性标签，二级场景下的各标签对应于自动驾驶算法影响因素标签，三级场景下的各标签对应于无人车在场景中的自动驾驶功能用途标签。
136.具体的，(1)一级描述：基于地理区域和道路特征划分，如机场、园区、和城市道路等。
137.(2)二级描述：算法影响因素，可以指会对算法的模型和参数选择造成影响的因素。算法影响因素根据客体可以分为三类，包括环境因素、本车因素和障碍物因素。
①
例如定位算法的影响因素包括具体环境(空旷机场定位效果优于有遮挡区域)；又例如，感知算法的影响因素包括三维环境信息，如光照和照射物体的反射率等。
②
例如，目标跟踪算法的影响因素包括障碍物的点云密度和速度等；又例如，感知算法的影响因素包括障碍物的速度。
③
例如，定位算法、感知算法的精度与本车的构造及运行参数(传感器标定和制动器初始值等)有关，构造参数例如车宽和车高等，运行参数例如速度等。在一些实施例中，同一款车型的构造参数是相同的。例如，自动驾驶出租车robotaxi的车身高度、车身宽度相同，传感器标定相同；而实际运行参数(如车速)是不同的。综前所述，算法的影响因素是多方面共同作用的，一个算法(如感知算法)的参数与多个客体类别(如环境光照、障碍物速度、本车构造及运行参数)有关。
138.(3)三级描述：无人驾驶车辆在场景中的具体功能或用途。如图2b所示，精准泊车和精准对接充电等。不同的功能或用途，算法的模型和参数是不同的。例如，在多拖斗对接举升机和精准倒车对接快递柜体时，尽管均采用了目标识别算法和目标跟踪算法；但由于二者的具体功能，精度要求也会不同，则算法参数设置模型的选择也会不同。
139.基上述三级场景标签描述，一个场景可以被精确地表达。相应的，可以基于上述标签体系，为场景库中的每个场景建立相应的场景标签。
140.需要再次提示的，图2b中所示出的标签体系，不同场景标签具有不同的场景等级，实际上，不同场景标签可以不具备上述等级差异，本领域技术人员可以根据实际情况建立适合使用的场景标签。
141.s220、在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
142.s230、在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
143.在本实施例的一个可选实施方式中，自动驾驶算法影响因素标签可以包括环境因素标签、本车因素标签和障碍物因素标签中的一项或者多项。
144.作为示例而非限定，环境因素标签可以是影响算法准确度的环境因素的标签，如天气、光照度和周围有遮棚遮挡等。本车因素标签可以是影响算法准确度的车辆自身的因素的标签，如车高、车宽和车速等。障碍物因素标签可以是影响算法准确度的障碍物因素的标签，如障碍物的点云密度和速度等。
145.在本实施例的一个可选实施方式中，可以仅使用自动驾驶算法影响因素标签中的一个因素标签对目标场景集合进行筛选。例如：仅将待部署场景的一个或者多个环境因素描述字段与目标场景集合中各目标场景的环境因素标签进行匹配的方式，筛选得到目标场景等。
146.在本实施例的另一个可选实施方式中，可以使用自动驾驶算法影响因素标签中的多个因素标签，联合对目标场景集合进行筛选。例如：首先使用目标场景集合中的各场景的
环境因素标签，筛选多个一次筛选场景，之后，再使用本车因素标签或者障碍物因素标签，二次筛选得到至少一个目标场景。
147.具体的，使用目标场景集合中各场景的多个自动驾驶算法影响因素标签最终筛选得到目标场景的方式可以包括：
148.根据环境因素标签，在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景。
149.或者，根据环境因素标签，在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的一次筛选目标场景；再根据本车因素标签，在一次筛选目标场景中，筛选出本车因素标签与待部署场景匹配的二次筛选目标场景。
150.或者，根据环境因素标签，在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的一次筛选目标场景；再根据障碍物因素标签，在一次筛选目标场景中，筛选出与障碍物因素标签与待部署场景匹配的二次筛选目标场景。
151.或者，根据环境因素标签，在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的一次筛选目标场景；再根据本车因素标签，在一次筛选目标场景中，筛选出本车因素标签与待部署场景匹配的二次筛选目标场景；再根据障碍物因素标签，在二次筛选目标场景中，筛选出与障碍物因素标签与待部署场景匹配的三次筛选目标场景。
152.s240、判断目标场景的数量是否为多个：若是，执行s250；否则执行s260。
153.s250、针对所述无人车的每个配置参数项，分别从各配置参数集合中，提取对应的多个配置参数值，执行s270。
154.s260、将唯一的目标场景的配置参数集合，确定为所述无人车的初始配置参数集合，执行s270。
155.s270、基于所述初始配置参数集合对所述无人车进行初始化部署。
156.s280、控制所述无人车在所述待部署场景中进行运行测试。
157.本发明实施例的技术方案，解决了现有的无人车驾驶车辆在新场景中进行无人驾驶配置参数的部署时，可能会出现初始化部署不当而造成的参数部署速度慢和效率低的问题，本发明实施例的技术方案提供了一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶车辆参数部署速度，提高部署效率。
158.实施例三
159.图3a为本发明实施例三提供的另一种无人驾驶配置参数的场景部署方法的流程图，本实施例在上述各实施例的基础上，在筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景的过程中，使用的自动驾驶算法影响因素标签同时包括：环境因素标签、本车因素标签以及障碍物因素标签，该方法具体包括如下步骤：
160.s310、在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合，其中，所述目标场景集合包括至少一个目标场景。
161.其中，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数。
162.s320、在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
163.s330、在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
164.其中，在图3b中示出了一种在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景的方式的示意图。如图3b所述，所述方法包括：
165.s3301、获取待部署场景所适用的至少一个自动驾驶关联算法，并获取与每个自动驾驶关联算法分别对应的算法影响因子函数。
166.其中，自动驾驶关联算法可以指在待部署场景中无人车自动驾驶所需要使用的算法。例如：场景a的自动驾驶关联算法可以仅包括定位算法，典型的，vslam(visual simultaneous localization and mapping，基于视觉的同步定位与地图构建)算法或者lslam(lidar simultaneous localization and mapping，基于激光雷达的同步定位与绘图)算法等，或者融合定位算法等；场景b的自动驾驶关联算法可以包括定位算法(例如，上述vslam算法、lslam算法或者融合定位算法)、带拖斗倒车算法、精准对接算法以及危险物品识别算法和行人翻越护栏识别算法等。
167.算法影响因子函数与自动驾驶关联算法具有一一对应关系，每个算法影响因子函数可以通过至少一个算法影响因子以及对应的权重系数，加权求和得到。其中，算法影响因子函数中包括的各算法影响因子为对匹配的自动驾驶关联算法的精准度造成影响的影响因素。其中，所述算法影响因子与自动驾驶算法影响因素标签中环境因素标签的标签因子相对应。
168.在一个具体的例子中，自动驾驶定位算法的算法精准度同时受到天线遮挡率以及能见度这两个算法影响因子(对应于自动驾驶算法影响因素标签中环境因素标签的标签因子)的影响，进而，可以构建形如：“f(定位算法)＝a*gps天线遮挡率+b*能见度”的算法影响因子函数，与该自动驾驶定位算法相对应。其中，权重系数a和b可以根据实验确定，或者选取预设的经验值。
169.s3302、根据所述待部署场景在各所述算法影响因子下的影响因子值，计算与各所述算法影响因子函数对应的目标函数值。
170.其中，影响因子值可以指算法影响因子在所述待部署场景中的对应数值，例如，能见度(算法影响因子)＝50(影响因子值)。目标函数值可以是将各影响因子值代入至算法影响因子函数后，计算得到的函数值，目标函数值可以以数值形式展现。在一个具体的例子中，假设gps天线遮挡率＝1.2，能见度＝50，a＝0.5，b＝0.5，则针对f(定位算法)＝a*gps天线遮挡率+b*能见度”的算法影响因子函数，计算得到的目标函数值为25.6。其中，目标函数值的数量与待部署场景所适用的自动驾驶关联算法的数量值一致。
171.s3303、根据各算法影响因子函数的安全权重，对各所述目标函数值进行加权求和，得到与所述待部署场景对应的目标算法安全度。
172.其中，安全权重可以指在待部署场景下无人车自动驾驶所需要的每个自动驾驶关联算法的安全程度权重，不同的自动驾驶关联算法可以具有不同的安全权重。一般来说，一个自动驾驶关联算法对自动驾驶的安全性影响越高，该自动驾驶关联算法的安全权重越高。目标算法安全度可以是待部署场景中与各所述算法影响因子函数对应的目标函数值与各自对应的安全权重的加权和。例如：场景1的目标算法安全度s＝m*f(定位算法)+n*f(感知算法)+
……
。其中，m和n可以分别表示定位算法和感知算法的安全权重。
173.如前所述，在计算得到与f(定位算法)和f(感知算法)分别对应的目标函数值之后，结合预设的安全权重m和n，可以通过使用公式s＝m*f(定位算法)+n*f(感知算法，计算得到目标算法安全度s。
174.例如，在某个场景，融合定位算法失效比感知算法失灵更危险，则可以设置融合定位算法的安全权重更大，因为在感知算法无法识别图像中的目标或者障碍物类型时，可以将其定义为一般障碍物绕行，甚者可以靠边停车；但融合定位算法失效会导致车辆定位不准，会有撞车等危险。又例如，如果融合定位算法和感知算法的失效比规划控制算法的失效更危险，则可以设置融合定位算法和感知算法的安全权重比规划控制算法的安全权重更大，因为融合定位算法和感知算法是规划控制算法的输入，在无法定位和感知的情况下，车辆是无法进行规划控制算法的。具体的，安全权重的值可以根据经验确定，或者可以经过测试验证确定。
175.s3304、在所述目标场景集合中，获取与各所述目标场景分别对应的场景算法安全度。
176.其中，所述场景算法安全度根据各算法影响因子函数的安全权重，以及各所述目标场景针对各所述算法影响因子函数的场景函数值加权求和得到，场景函数值通过各目标场景的环境因素标签中的标签因子和对应的标签因子值确定。
177.其中，如前所述，标签因子和标签因子值可以是对环境标签中的标签值进一步划分得到。示例性的，在一个形如“自动驾驶算法影响因素-环境因素：光照度＝30勒克斯”的场景标签中，其中，光照度可以表示目标场景的环境因素标签中的标签因子，30勒克斯可以表示该标签因子对应的标签因子值。
178.由于所述算法影响因子与自动驾驶算法影响因素标签中环境因素标签的标签因子相对应，进而，针对待部署场景中的每个算法影响因子函数，可以将目标场景中环境因素标签中与算法影响因子匹配的标签因子的标签因子值，代入至各算法影响因子函数中，得到目标场景针对每个算法影响因子函数的场景函数值。进而，根据各算法影响因子函数的安全权重，以及各目标场景针对每个算法影响因子函数的场景函数值，计算得到与每个目标场景对应的场景算法安全度。
179.s3305、计算各场景算法安全度与所述目标算法安全度之间的第一差异值。
180.其中，第一差异值可以是各目标场景的场景算法安全度与待部署场景的目标算法安全度之间的差值的绝对值。
181.s3306、获取第一差异值小于或等于第一门限值的安全度筛选场景，并将各所述安全度筛选场景确定为所述目标场景。
182.其中，第一门限值可以是预先设定的第一差异值的上限值。
183.s340、在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
184.s350、在所述目标场景集合中，筛选出障碍物因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
185.s360、根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合。
186.在本实施例的一个可选的实施方式中，根据与各目标场景分别对应的配置参数集
合，确定所述无人车的初始配置参数集合可以包括：
187.如果目标场景的数量为多个，则根据各所述目标场景的场景算法安全度的数值大小，在全部目标场景中筛选出至少一个安全适配场景；根据与各安全适配场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合。
188.其中，安全适配场景可以是根据算法安全度所筛选的与待部署场景的匹配度最高的目标场景。
189.具体的，在目标场景的数量为多个，且每个目标场景对应一个场景算法安全度时，可以根据场景算法安全度的数值大小，在全部目标场景中筛选至少一个安全适配场景。如果安全适配场景数量为一个，可以将这个安全适配场景的配置参数集合，确定无人车的初始配置参数集合；如果安全适配场景数量多于一个，可以取配置参数值的均值，确定无人车的初始配置参数集合，需要说明，安全适配场景的数量不会过多，比如可以为2-3个。
190.s370、基于所述初始配置参数集合对所述无人车进行初始化部署。
191.本发明实施例的技术方案，解决了现有的无人车驾驶车辆在新场景中进行无人驾驶配置参数的部署时，可能会出现初始化部署不当而造成的参数部署速度慢和效率低的问题，本发明实施例的技术方案提供了一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶车辆参数部署速度，提高部署效率。
192.在上述各实施例的基础上，可以在步骤s330中执行将各安全度筛选场景确定为目标场景之后，对各目标场景进行进一步筛选操作，上述进一步筛选操作可以发生在s330至s370之间的各步骤之前或者之后，本实施例对此并不进行限制。
193.相应的，如图3c所示，上述进一步筛选的方法可以包括：
194.s3100、在筛选得到的各目标场景中，获取当前处理的目标场景；
195.s3200、获取当前处理的目标场景中的一个当前场景函数值。
196.s3300、在所述待部署场景中，获取与所述当前场景函数值对应的当前目标函数值。
197.s3400、计算所述当前场景函数值与所述当前目标函数值之间的第二差异值。
198.s3500、判断所述第二差异值是否大于第二门限值，若是，执行s3600；否则，执行s3700。
199.s3600、滤除所述当前处理目标场景，并执行s3800。
200.s3700、判断是否完成对所述当前处理的目标场景中全部场景函数值的处理：若是，执行s3800；否则，返回执行s3200。
201.s3800、判断是否完成对全部目标场景的处理，若是，结束筛选流程；否则，返回执行s3100。
202.在s3100-s3800中，当前场景函数值可以是当前处理的目标场景对应的一个场景函数的值，例如，“f(定位算法)＝a*gps天线遮挡率+b*能见度”中“f(定位算法)”的值。当前目标函数值可以是与当前场景函数对应的算法影响因子函数的值，对应于前例，当前目标函数值也是f(定位算法)＝a*gps天线遮挡率+b*能见度。第二差异值可以是当前场景函数值与当前目标场景函数值之间差值的绝对值。第二门限值可以是第二差异值的上限值。
203.在本实施例中，针对每个目标场景，从当前处理的目标场景对应的全部场景函数中，依次选取一个场景函数作为当前场景函数，并获取当前场景函数的场景函数值，还需要
在待部署场景中，获取对应于当前场景函数值的当前目标函数值；计算当前场景函数值与当前目标函数值之间的第二差异值，进而判断该第二差异值是否超过第二门限值，如果超过，则不需要继续判断当前处理的目标场景的其他场景函数值与对应的目标函数值之间的第二差异值，直接将当前处理的目标场景从目标场景集合中滤除。如果不超过，则可以继续获取当前处理的目标场景的下一个场景函数及场景函数值作为新的当前场景函数值，执行前述判断操作，直至完成对所述当前处理的目标场景中全部场景函数值的处理。显然的，在当前处理的目标场景的全部场景函数值与对应的当前目标函数值之间的第二差异值均不超过第二门限值时，可以保留当前处理的目标场景。
204.进一步的，如果采用了上述进一步筛选过程，则在计算所述当前场景函数值与所述当前目标函数值之间的第二差异值之后，还可以包括：
205.根据所述第二差异值，更新与所述当前处理的目标场景对应的第二差异值累加值。
206.也即，示例性的，当前处理的目标场景包含场景函数值1、场景函数值2和场景函数值3，在待部署场景中，获取与场景函数值1对应的目标函数值1，计算场景函数值1与目标函数值1之间的第二差异值1，判断第二差异值1是否大于第二门限值，如果大于，则滤除当前处理的目标场景，如果不大于，则在待部署场景中，获取与场景函数值2对应的目标函数值2，计算场景函数值2与目标函数值2之间的第二差异值2，判断第二差异值2是否大于第二门限值，如果大于，则滤除当前处理的目标场景，如果不大于，则在待部署场景中，获取与场景函数值3对应的目标函数值3，计算得到第二差异值3，判断第二差异值3是否大于第二门限值，如果大于，则滤除当前处理的目标场景，如果不大于，则将第二差异值1、第二差异值2和第二差异值3进行求和作为当前处理的目标场景对应的第二差异值累加值。
207.相应的，根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合，可以包括：
208.如果目标场景的数量为多个，则在各所述目标场景中，筛选出第二差异值累加值最小的相似适配场景；将与相似适配场景对应的配置参数集合，确定为所述无人车的初始配置参数集合。
209.实施例四
210.图4为本发明实施例四提供的一种无人驾驶配置参数的场景部署装置的结构示意图，该装置可以执行上述各实施例中涉及到的无人驾驶配置参数的场景部署方法。参考图4，该装置包括：目标场景筛选模块410、初始配置参数集合确定模块420和无人车初始化部署模块430。其中：
211.目标场景筛选模块410，用于按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；
212.初始配置参数集合确定模块420，用于根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；
213.无人车初始化部署模块430，用于基于所述初始配置参数集合对所述无人车进行初始化部署。
214.本发明实施例的技术方案，通过按照预设的场景筛选规则，在包括多个场景的场
景库中筛选出与待部署场景匹配的至少一个目标场景；根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；基于所述初始配置参数集合对所述无人车进行初始化部署的技术手段，解决了现有的无人车驾驶车辆在新场景中进行无人驾驶配置参数的部署时，可能会出现初始化部署不当而造成的参数部署速度慢和效率低的问题，本发明实施例的技术方案提供了一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶车辆参数部署速度，提高部署效率。
215.上述装置中，可选的是，所述场景标签可以包括：场景地域属性标签；
216.目标场景筛选模块410，具体可以用于：
217.在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合，其中，所述目标场景集合包括至少一个目标场景。
218.上述装置中，可选的是，所述场景标签还可以包括：自动驾驶算法影响因素标签；
219.所述装置好包括，第一目标场景集合更新模块，用于在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后：
220.在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
221.上述装置中，可选的是，所述场景标签还可以包括：无人车在场景中的自动驾驶功能用途标签；
222.所述装置还包括，第二目标场景集合更新模块，用于在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后：
223.在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
224.上述装置中，可选的是，所述场景标签还可以包括：自动驾驶算法影响因素标签；
225.所述装置还包括，第三目标场景集合更新模块，用于在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后：
226.在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
227.上述装置中，可选的是，所述自动驾驶算法影响因素标签可以包括：环境因素标签；
228.第一目标场景集合更新模块或者第三目标场景集合更新模块，包括：
229.目标场景集合更新单元，用于在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
230.上述装置中，可选的是，所述自动驾驶算法影响因素标签还可以包括：本车因素标签；
231.所述装置还包括，第四目标场景集合更新模块，用于在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后：
232.在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
233.上述装置中，可选的是，所述自动驾驶算法影响因素标签还可以包括：障碍物因素标签；
234.所述装置还包括，第五目标场景集合更新模块，用于在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后：
235.在所述目标场景集合中，筛选出障碍物因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。
236.上述装置中，可选的是，目标场景集合更新单元，具体可以用于：
237.获取待部署场景所适用的至少一个自动驾驶关联算法，并获取与每个自动驾驶关联算法分别对应的算法影响因子函数；
238.其中，每个算法影响因子函数通过至少一个算法影响因子以及对应的权重系数，加权求和得到；所述算法影响因子与环境因素标签中的标签因子相对应；
239.根据所述待部署场景在各所述算法影响因子下的影响因子值，计算与各所述算法影响因子函数对应的目标函数值；
240.根据各算法影响因子函数的安全权重，对各所述目标函数值进行加权求和，得到与所述待部署场景对应的目标算法安全度；
241.在所述目标场景集合中，获取与各所述目标场景分别对应的场景算法安全度；
242.其中，所述场景算法安全度根据各算法影响因子函数的安全权重，以及各所述目标场景针对各所述算法影响因子函数的场景函数值加权求和得到，场景函数值通过各目标场景的环境因素标签中的标签因子和对应的标签因子值确定；
243.计算各场景算法安全度与所述目标算法安全度之间的第一差异值；
244.获取第一差异值小于或等于第一门限值的安全度筛选场景，并将各所述安全度筛选场景确定为所述目标场景。
245.上述装置中，可选的是，还包括，当前处理目标场景滤除模块，用于在将各所述安全度筛选场景确定为所述目标场景之后：
246.针对每个目标场景，执行下述再次筛选操作：
247.获取当前处理的目标场景，并获取当前处理的目标场景中的一个当前场景函数值；
248.在所述待部署场景中，获取与所述当前场景函数值对应的当前目标函数值；
249.计算所述当前场景函数值与所述当前目标函数值之间的第二差异值；
250.如果所述第二差异值大于第二门限值，则滤除所述当前处理目标场景；
251.如果所述第二差异值小于或等于第二门限值，则返回执行获取当前处理的目标场景中的一个当前场景函数值的操作，直至完成对所述当前处理的目标场景中全部场景函数值的处理。
252.上述装置中，可选的是，初始配置参数集合确定模块420，包括：
253.配置参数值提取单元，用于如果目标场景的数量为多个，则针对所述无人车的每个配置参数项，分别从各配置参数集合中，提取对应的多个配置参数值；
254.第一初始配置参数集合单元，用于根据与每个配置参数项分别对应的多个配置参数值，确定所述无人车的初始配置参数集合。
255.上述装置中，可选的是，初始配置参数集合确定模块420，包括：
256.安全适配场景筛选单元，用于如果目标场景的数量为多个，则根据各所述目标场景的场景算法安全度的数值大小，在全部目标场景中筛选出至少一个安全适配场景；
257.第二初始配置参数集合单元，用于根据与各安全适配场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合。
258.上述装置中，可选的是，还包括，第二差异值累加值更新模块，用于在计算所述当前场景函数值与所述当前目标函数值之间的第二差异值之后：
259.根据所述第二差异值，更新与所述当前处理的目标场景对应的第二差异值累加值；
260.初始配置参数集合确定模块420，具体可以用于：
261.如果目标场景的数量为多个，则在各所述目标场景中，筛选出第二差异值累加值最小的相似适配场景；
262.将与相似适配场景对应的配置参数集合，确定为所述无人车的初始配置参数集合。
263.上述装置中，可选的是，还包括，无人车运行测试控制模块，用于在基于所述初始配置参数集合对所述无人车进行初始化部署之后，还包括：
264.控制所述无人车在所述待部署场景中进行运行测试。
265.上述装置中，可选的是，无人车运行测试控制模块，具体可以用于：
266.如果确定仅使用场景地域属性标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行软件在环测试、硬件在环测试、实车在环测试和实车道路测试；
267.如果确定联合使用场景地域属性标签和自动驾驶算法影响因素标签，或者联合使用场景地域属性标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行硬件在环测试和实车道路测试；
268.如果确定联合使用场景地域属性标签、自动驾驶算法影响因素标签和无人车在场景中的自动驾驶功能用途标签，在场景库中筛选出与待部署场景匹配的至少一个目标场景，则控制所述无人车在所述待部署场景中进行实车道路测试。
269.本发明实施例所提供的无人驾驶配置参数的场景部署装置可执行本发明任意实施例所提供的无人驾驶配置参数的场景部署方法，具备执行方法相应的功能模块和有益效果。
270.实施例五
271.图5为本发明实施例五提供的一种电子设备的结构示意图，如图5所示，该设备包括处理器510、存储装置520、输入装置530和输出装置540；设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；设备中的处理器510、存储装置520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
272.存储装置520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的无人驾驶配置参数的场景部署方法对应的程序指令/模块(例如，无人驾驶配置参数的场景部署装置中的目标场景筛选模块410、初始配置参数
集合确定模块420和无人车初始化部署模块430)。处理器510通过运行存储在存储装置520中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的无人驾驶配置参数的场景部署方法，该方法包括：
273.按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；
274.根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；
275.基于所述初始配置参数集合对所述无人车进行初始化部署。
276.存储装置520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
277.输入装置530可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
278.实施例六
279.本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行一种无人驾驶配置参数的场景部署方法，该方法包括：
280.按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；
281.根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；
282.基于所述初始配置参数集合对所述无人车进行初始化部署。
283.当然，本发明实施例所提供的一种计算机可读存储介质，其上存储有计算机程序，该程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的无人驾驶配置参数的场景部署方法中的相关操作。
284.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，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的方法。
285.值得注意的是，上述无人驾驶配置参数的场景部署装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发
明的保护范围。
286.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
技术特征：1.一种无人驾驶配置参数的场景部署方法，其特征在于，包括：按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；基于所述初始配置参数集合对所述无人车进行初始化部署。2.根据权利要求1所述的方法，其特征在于，所述场景标签包括：场景地域属性标签；按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，包括：在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合，其中，所述目标场景集合包括至少一个目标场景。3.根据权利要求2所述的方法，其特征在于，所述场景标签还包括：自动驾驶算法影响因素标签；在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后，还包括：在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。4.根据权利要求2所述的方法，其特征在于，所述场景标签还包括：无人车在场景中的自动驾驶功能用途标签；在场景库中，筛选出场景地域属性标签与待部署场景匹配的目标场景集合之后，还包括：在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。5.根据权利要求4所述的方法，其特征在于，所述场景标签还包括：自动驾驶算法影响因素标签；在所述目标场景集合中，筛选出无人车在场景中的自动驾驶功能用途标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合之后，还包括：在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。6.根据权利要求3或5所述的方法，其特征在于，所述自动驾驶算法影响因素标签包括：环境因素标签；在所述目标场景集合中，筛选出自动驾驶算法影响因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合，包括：在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。7.根据权利要求6所述的方法，其特征在于，所述自动驾驶算法影响因素标签还包括：本车因素标签；在所述目标场景集合中，筛选出环境因素标签与待部署场景匹配的至少一个目标场
景，并使用筛选出的目标场景更新所述目标场景集合之后，还包括：在所述目标场景集合中，筛选出本车因素标签与待部署场景匹配的至少一个目标场景，并使用筛选出的目标场景更新所述目标场景集合。8.一种无人驾驶配置参数的场景部署装置，其特征在于，包括：目标场景筛选模块，用于按照预设的场景筛选规则，在场景库中筛选出与待部署场景匹配的至少一个目标场景，场景库包括多个场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；初始配置参数集合确定模块，用于根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；无人车初始化部署模块，用于基于所述初始配置参数集合对所述无人车进行初始化部署。9.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的无人驾驶配置参数的场景部署方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的无人驾驶配置参数的场景部署方法。
技术总结本发明实施例公开了一种无人驾驶配置参数的场景部署方法、装置、设备及介质。该方法包括按照预设的场景筛选规则，在包括多个场景的场景库中筛选出与待部署场景匹配的至少一个目标场景，每个场景包括至少一个场景标签，每个场景对应的配置参数为在该场景下运行的无人车的配置参数；根据与各目标场景分别对应的配置参数集合，确定所述无人车的初始配置参数集合；基于所述初始配置参数集合对所述无人车进行初始化部署。本发明实施例的技术方案提供一种新的无人驾驶配置参数的场景部署方法，提升无人驾驶配置参数的部署速度和部署效率。升无人驾驶配置参数的部署速度和部署效率。升无人驾驶配置参数的部署速度和部署效率。
技术研发人员：刘友亮 吴甘沙 罗赛 周小成 张丹 齐歆瑜
受保护的技术使用者：驭势科技（北京）有限公司
技术研发日：2022.05.05
技术公布日：2022/7/5
