华为云用户手册

延时评测 仿真器输出的仿真过程数据会按照OSI的GroundTruth格式存储为pb文件，根据创建任务配置时是否选择使用datahub，该仿真pb有两种格式： 使用datahub时，该仿真pb的每帧数据是GroundTruth结构，然后按照OSI标准推荐的存储格式，先按小端顺序存储4个字节，该4个字节表示下一帧GroundTruth总的字节数，然后继续4个字节，更下一帧GroundTruth的字节数，以此类推。 未使用datahub时，该仿真pb按照sim_osi.proto定义的格式进行存储，所有仿真数据帧GroundTruth存储到一个列表字段“frames”中。 仿真平台定义了sim_osi.proto和eva.proto，用于支持用户自定义评测的功能，具体的proto字段说明见请联系接口人获取仿真服务的proto协议。

镜像制作（仿真） Octopus仿真服务平台定义了一些proto接口，用于支持用户自定义评测等功能。这些自定义功能通常以镜像的形式上传到云仿真平台，然后参与到业务运行流程中。 本文档对常见业务功能的镜像制作进行指导说明。 自定义评测镜像涉及的样例代码，如有需要，请联系相关人员。 算法镜像和评测镜像cmd以用户创建项目时输入的运行命令为准，仿真器镜像不支持cmd自定义以后台默认的运行命令为准。Entrypoint只在算法镜像生效，评测镜像和仿真器镜像不支持配置entrypoint。 目前自定义算法、自定义评测、自定义脚本的镜像制作使用的基础镜像版本要求为：ubuntu18.04及以上。算法与仿真器需要采用TCP协议进行通信。 自定义评测镜像制作 与datahub对接的算法镜像制作 评测算法的自研proto接口 父主题： 镜像仓库

镜像制作（训练） Octopus平台依赖算子镜像内的/bin/bash、stdbuf、tee软件，请确保基础镜像内包含上述软件且能通过PATH找到。 一般情况下，训练与评测定义为同一个引擎，主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile模式进行构建。以训练、评测镜像为例，一般的镜像制作Dockerfile示例如下（xxx替换为实际路径）： # 载入基础镜像，训练或评测引擎一般需包含cuda/cudnn等算法基础环境。用户可手动制作或拉取官方镜像 FROM xxx/cuda:11.0.3-devel-ubuntu18.04 # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 安装用户APT环境。如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 安装用户算法环境。如果需要修改~/.pip/pip.conf可替换。用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 编译镜像类似上述训练、评测镜像制作方式，但一般不包含cuda/cudnn库，需替换为用户的编译环境。 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 镜像运行时，会向运行环境注入部分默认文件配置: 表1 环境变量说明 任务名称 文件名 环境变量 训练任务 增量模型目录 MODEL_PATH="/tmp/data/model" 训练产物目录 TMP_RESULT_PATH= "/tmp/result" 数据集目录 DATASET_PATH=" ['/tmp/data/dataset/dataset-0']" 评测任务 评测结果目录 TMP_RESULT_PATH= "/tmp/result" 模型版本文件目录 MODEL_PATH="/tmp/data/model" 数据集目录 DATASET_PATH= "/tmp/data/dataset/dataset-0" 编译任务 模型版本文件目录 MODEL_PATH="/tmp/data/model" 编译产物目录 TMP_RESULT_PATH= "/tmp/result" 预标注任务 数据集目录 OCTPS_DATASET_DIR="/tmp/…/data" 模型版本文件目录 OCTPS_MODEL_DIR="/tmp/…/model" 模型版本关联标注物文件路径 OCTPS_META_PATH="/tmp/…/meta/label_meta_infos.json" 预标注结果数据目录 TARGET_RESULT_DIR="/tmp/…/result/data" 预标注日志文件目录 TARGET_ LOG _DIR="/tmp/…/result/log" 推理服务 模型版本文件目录 OCTOPUS_MODEL="/home/mind/model" CCE集群 ModelArts集群 父主题： 镜像仓库

OCTPS_INSPECTION_ATTRI_DIR OCTPS_INSPECTION_ATTRI_DIR为审核属性字段文件路径，示例：/tmp/…/attribute/inspection_attribute.json。文件内容示例如下： { "inspection": { "miss_label_error": false, #漏标 "vehicle_direction_error": false, #车头方向错误 "error_desc": "", "attribute_error": false, #属性错误 "out_range_label_error": false, #未贴合 "anchor_error": false, #锚点错误 "classification_error": false, #类别错误 "extra_label_error": false #多标 } }

OCTPS_DATASET_DIR 预标注任务 OCTPS_DATASET_DIR为待标注的数据路径，示例：/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹，文件组织结构如下所示。 2D数据帧文件组织结构： OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─图片1.jpg #标注图片 ├─标注1.json #图片1的标注信息，非必有 ├─子文件夹2 ├─图片2.jpg #标注图片 ├─标注2.json #图片2的标注信息，非必有 3D数据帧文件组织结构： OCTPS_DATASET_DIR/XX/…/XX/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片，非必有 ├─标注1.json #点云1的标注信息，非必有 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片，非必有 ├─标注2.json #点云2的所有标注信息，非必有 注：“XX/…/XX/”部分存在嵌套多个文件夹的情况，具体嵌套层数和上传的数据集目录结构有关系。 预审核任务 OCTPS_DATASET_DIR为待审核的全量数据路径，示例：/tmp/label/task-2022/source/data。每一帧数据存放在单独的子文件夹，文件组织结构如下所示。 2D数据帧文件组织结构： OCTPS_DATASET_DIR/├─子文件夹1 ├─图片1.jpg #已标注图片 ├─labels.json #图片1的所有标注信息 ├─子文件夹2 ├─图片2.jpg #已标注图片 ├─labels.json #图片2的所有标注信息 3D数据帧文件组织结构： OCTPS_DATASET_DIR/├─子文件夹1 ├─点云1.pcd #已标注点云 ├─图片1.jpg #点云1对应的同时刻图片 ├─labels.json #点云1的所有标注信息 ├─子文件夹2 ├─点云2.pcd #已标注点云 ├─图片2.jpg #点云2对应的同时刻图片 ├─labels.json #点云2的所有标注信息 每帧数据的标注结果存放在lables.json中，具体格式及内容说明参考Octopus数据集格式说明中的labels字段。

OCTPS_META_PATH OCTPS_META_PATH为标注物文件路径，示例：/tmp/label/task-2022/source/meta/label_meta_infos.json。标签文件中包含了当前任务所选择的所有标注物的基本信息。预标注结果中每个标注对象所需的标注物id，可通过此文件中的id字段获取。标注物文件内容示例如下。 [ { "id": 2085, # 平台上所建标注物的ID "name": "Car", # 平台上所建标注物的名称 "color": "#d0021b", "label_shape_type": "bndbox", "attribute": "{}", "description": "car", ... ... } … … ]

TARGET_RESULT_DIR TARGET_RESULT_DIR为存放预标注/预审核结果的路径，示例：/tmp/label/task-2022/result/data。预标注/预审核结果按照特定格式保存在json文件中。3D数据帧中json文件的路径及命名和点云文件保持一致，2D数据帧中json文件的路径及命名和图片文件保持一致。以上述2D数据帧为例，结果文件组织结构如下所示： TARGET_RESULT_DIR /XX/…/XX/├─子文件夹1 ├─图片1.json #图片1的结果信息 ├─子文件夹2 ├─图片2.json #图片2的结果信息 注：“XX/…/XX/子文件夹i/”路径和待处理数据集（OCTPS_DATASET_DIR）中的此部分路径保持一致。

标注镜像Dockerfile示例 一般情况下，引擎主要包含预标注算法或预审核算法运行所需要的基本依赖环境，用户也可将预标注算法或预审核算法包内置在AI引擎中。 用户可使用命令行模式或Dockerfile模式进行构建。 以预标注 自定义镜像 为例，一般的镜像制作Dockerfile示例如下（xxx替换为实际路径）： # 载入基础镜像，训练或评测引擎一般需包含cuda/cudnn等算法基础环境。用户可手动制作或拉取官方镜像 FROM xxx/cuda:11.0.3-devel-ubuntu18.04 # 设置工作目录【可选】默认为ROOT，用户可修改USER及PATH WORKDIR /root/workspace # 如果是内置预标注算法的自定义镜像，需要把预标注算法复制到工作目录下， COPY /path/to/algorithom /path/to/algorithom # 按需安装用户APT环境。如果需要修改/etc/apt/sources.list可替换 COPY /path/to/sources.list /etc/apt/sources.list RUN apt-get install vim # 按需安装用户算法环境。如果需要修改~/.pip/pip.conf可替换。用户也可安装miniconda进行包管理 COPY /path/to/pip.conf /root/.pip/pip.conf COPY /path/to/requirements.txt /root RUN pip install –r /root/requirements.txt # 设置环境变量【可选】 ENV PYTHONUNBUFFERED 1 对于Dockerfile的统一构建方式如下： docker build –f [DockerfileName] –t [ImageName:ImageVersion] . 父主题： 镜像制作（标注）

创建镜像仓库 用平台管理员账号登录Octopus平台。 在左侧菜单栏中，单击“镜像仓库 ”。 单击“新建”，填写基本信息。 图1 创建镜像仓库 名称：输入镜像仓库的名称，只能包含数字、英文、中文、下划线、中划线。 用途：根据需求，下拉框选择用途。 描述：简单描述镜像仓库，最大长度为255。 使用范围：仅支持团队，即租户内所有配置了该镜像相关权限的用户都可见可编辑。 单击“确定”，在镜像仓库列表即可查看新建的镜像仓库。

输出文件格式要求 输出结果在obs下文件组织形式： |--- 4DBEV |--- geojson |--- 0_lane.geojson |--- 0_rect.geojson |--- 2_lane.geojson |--- 1_rect.geojson |--- ... |--- ... |--- laneAndRect.json |--- img |--- 0.jpg |--- 1.jpg |--- ... |--- label_rect_temp |--- 0.jpg |--- 0.json |--- 1.jpg |--- 1.json |--- ... |--- ... |--- lidar |--- 0.ply |--- 1.ply |--- ... |--- lidar_sample |--- 0.ply |--- 1.ply |--- ... |--- merged_data |--- lane.geojson |--- rect.geojson |--- merged.geojson |--- pixel_json |--- 0_lane.json |--- 0_rect.json |--- 2_lane.json |--- 1_rect.json |--- ... |--- ... |--- tiff |--- 0_codeX_codeY_codeZ_codeX_codeY_codeZ.tiff |--- 1_codeX_codeY_codeZ_codeX_codeY_codeZ.tiff |--- ...

输入文件格式要求 输入数据在obs下文件组织形式： |--- Alignment |--- 2023-12-21-02-51-43 |--- images |--- cam-0 |--- 0_0_timestamp.jpg |--- 0_1_timestamp.jpg |--- 0_2_timestamp.jpg |--- ... |--- cam-1 |--- 1_0_timestamp.jpg |--- 1_1_timestamp.jpg |--- 1_2_timestamp.jpg |--- ... |--- cam-2 |--- 2_0_timestamp.jpg |--- 2_1_timestamp.jpg |--- 2_2_timestamp.jpg |--- ... |--- cam-3 |--- 3_0_timestamp.jpg |--- 3_1_timestamp.jpg |--- 3_2_timestamp.jpg |--- ... |--- cam-4 |--- 4_0_timestamp.jpg |--- 4_1_timestamp.jpg |--- 4_2_timestamp.jpg |--- ... |--- pano |--- 0_timestamp.jpg |--- 1_timestamp.jpg |--- 2_timestamp.jpg |--- ... |--- lidars |--- local_motion_pcd |--- 0_timestamp.pcd |--- 1_timestamp.pcd |--- 2_timestamp.pcd |--- ... |--- point_cloud_map |--- *.ply |--- Metadata.xml |--- first_global_xyz_lla.txt |--- POS |--- cam-0.ptb |--- cam-1.ptb |--- cam-2.ptb |--- cam-3.ptb |--- cam-4.ptb |--- lidar_pose.ptb |--- pano_pose.ptb |--- 2023-12-21-02-59-46 |--- ... |--- *.ply |--- Metadata.xml

智驾模型列表相关操作 智驾模型列表可以进行以下操作。 表1 智驾模型列表相关操作 任务 操作步骤 编辑模型 单击操作栏中的“编辑”，编辑智驾模型。仅支持修改描述信息。初始模型不支持编辑。 删除模型 单击操作栏中的“删除”，删除智驾模型。初始模型不支持删除。 查看模型详情 单击模型名称，查看模型详情。 在模型详情页，查看模型基本信息和模型版本列表。可以对模型版本进行“模型微调”、“创建在线服务”和“删除”操作。 说明： 初始模型不支持“创建在线服务”和“删除”。 只有“创建成功”的模型版本支持“模型微调”和“创建在线服务”。 查询模型 在搜索输入框中输入搜索条件，按回车键即可查询。

2D预标注类别列表 表2 2D预标注类别 功能 类别 目标检测 可行驶区域 车道线 车位线 路沿 地面标识 减速带 消防栓 柱子 地锁 限位块 警示物 骑行者 行人 车辆 其他车辆 两轮车 车道线检测 白虚线 黄虚线 白实线 黄实线 路沿线 停止线 语义分割（混合） 成年人 手推车 面包车 工程车 卡车 公交车 小汽车 骑行者 停车线 直行右转箭头 右转导向箭头 左转导向箭头 直行导向箭头 禁停止线 水马 锥桶 矮墙 隔音墙 路面栅栏 消防栓 斑马线 路沿 导流线 路面字符 其它导向箭头 减速带 停止线 双实线 双虚线 虚线 黄实线 实线 柱子 井盖 限位块 地锁 杆状物 臂障

并行仿真任务资源利用说明 当前批量仿真任务同一用户仅允许同时运行一个批量仿真任务。假设有一个4节点的集群，某个任务只有一个场景，那么仿真会创建一个子任务，此时，任务只会被调度到一个节点上，示意图如图2所示。 图2 调度节点 这样某一台机器工作，其他3台机器资源会空闲，造成资源浪费。因此建议批量仿真时，尽量增大批量仿真的子任务数（与被测场景数量有关），使得集群节点内的所有机器资源被充分利用，减少机器空闲状态。

内置评测信号参数 表1 内置评测信号参数 内置评测信号参数 对应中文 jerkX 纵向加加速度 jerkY 侧向加加速度 speedX 纵向速度 speedY 侧向速度 accX 纵向加速度 accY 侧向加速度 speedYaw 横摆速度 relativeYaw 相对车道中心线偏离角 lateralOffset 相对车道中心线偏离距离 relativeSpeed 相对前车的速度 relativeDistance 相对前车的距离 TH 相对前车的车头时距 TTC 相对前车ttc rmsAccX 纵向加速度均方根值 rmsAccY 侧向加速度均方根值 varianceSpeed 速度方差

任务配置相关操作 在任务配置详情页的“仿真任务列表”或“仿真任务”页签，可对仿真任务进行以下操作。 表1 任务配置相关操作 任务 操作步骤 查看任务进度 将鼠标移动至进度条处，显示当前任务所包含场景中成功/失败/总场景数量。 查看任务状态 可在列表根据任务状态查询任务。 查询任务 可按照“任务ID”、“任务名称”、“任务状态”、“任务描述”、“算法版本”查询任务。 停止任务 对于任务状态为“运行中”“排队中”和“调度中”的任务，因为某种原因需要停止运行时，可单击操作栏“停止”选项，即可停止该任务。 删除任务 在任务创建有误，或任务生命周期结束，可删除任务。处于“运行中”的任务不可删除。单击操作栏“ 删除”选项，删除该任务。删除后不可恢复，请谨慎操作。 编辑任务 单击操作栏“编辑”以修改任务名称和描述信息。

标签管理相关操作 在“标签管理”界面，还可以进行以下操作。 表1 标签管理相关操作 任务 操作步骤 新建根标签 单击“新增标签”，输入标签名称。 新建标签 单击标签后的，输入标签名称。 修改标签 单击标签后的，可对标签的名称进行修改。 删除标签 单击标签后的，可删除标签或其子节点标签。 说明： 平台预置场景标签暂不支持编辑、删除。 导出标签 单击根标签后的，可导出标签至本地。 搜索标签 在搜索框输入搜索内容，可模糊搜索标签。 多项搜索：可根据需要决定是否启用多项搜索，输入多个关键字，中间用“;”隔开，可搜索多个关键字。

场景预览 场景预览当前有两种呈现方式：动态场景预览和地图场景预览。 动态场景预览：场景文件中存在完整的地图文件和动态场景文件，且动态场景文件为.xosc格式时显示。 地图场景预览：场景文件缺失或部分缺失，动态场景文件为.xml格式，场景文件解析失败或其他不支持动态场景预览的情况时显示。 动态场景预览 图5 动态场景预览页面 表2 动态场景预览页面详细说明 序号 区 域名 称 说明 1 动态场景预览区域 车辆的行驶轨迹，随着主车的行驶感知在主车辆周围出现的其他物体，如其他车辆、行人和交通信号等。目前可感知的物体类型请见感知物体类型。鼠标移动至道路时，道路会变红。遇到信号灯，车辆会按照红绿灯指示行驶。 2 交通参与物状态 可根据需要选择显示参与物状态。当前支持的参与物有参考线、车道、车道线、中心车道、交通信号、Trigger。 默认勾选Trigger，当出现时，单击图标，地图中会出现trigger的详细信息。 交通信号包含信号灯和交通标识牌。 3 视频播放控件 控制视频播放暂停回放按钮，支持逐帧和倍速播放。地图文件超过1MB不支持高倍速预览。 4 场景切换 视角切换：跟车、俯视、驾驶，自由。当在3D回放页面拖动鼠标时，即可切换为自由视角。 2D/3D切换：可单击“2D/3D”，可切换2D，3D场景。 地图场景预览 图6 地图场景预览页面 表3 地图场景预览页面详细说明 序号 区域名称 说明 1 地图场景预览区域 鼠标上下滚动，可以放大缩小图片，鼠标左键可旋转图片，右键可拖动图片。 2 交通参与物状态 可根据需要选择显示参与物状态。当前支持的参与物有参考线、车道、车道线、中心车道、信号灯。 3 场景刷新 单击右下方加号、减号和刷新按钮，放大、缩小、还原地图。

场景和场景库 其中片段式场景仿真是自动驾驶系统测试的重要手段，当前业内对于片段式场景普遍遵循ASAM主导的OpenX系列标准。OpenSCENARIO对动态驾驶环境进行了描述，交通参与物之间通过其他物体的状态变化作为触发条件，进而改变自身的状态。 通过OpenX场景可对算法与环境的动态交互能力进行测试，场景库的目的则是将一批有相同测试目的的场景进行汇总，如想测试Acc算法的应对切入功能，可将多个应对切入的测试场景归到一个场景库，进而在创建仿真任务时可直接选择该场景库进行仿真。

逻辑场景和逻辑场景库 逻辑场景是基于状态空间变量对功能场景的进一步详细描述，每个逻辑场景都有场景参数，比如前车的车速及其加速度，自车与前车距离等参数，这些参数都有一定的取值范围，根据这些参数可以派生出任意数量的具体场景。 逻辑场景库是不同逻辑场景的数据集合，以树状结构的形式表现出来，便于对逻辑场景进行统一的、有效的组织、管理和应用，比如当用户想系统管理和方便查看超车的逻辑场景，可以将所有超车相关的逻辑场景加入一个场景库中。

测试用例和测试套件 如上所述，OpenSCENARIO场景能描绘动态环境的，但无法根据主车内部动力学状态、自动驾驶算法状态作为触发条件来驱动各个交通参与物变化，因此为了实现更加精细的测试控制，需要额外提供一个测试脚本实现与仿真器中的交通参与物和算法内部数据的交互。 图1 测试用例和测试套件 如上图所述，测试脚本能同时仿真器数据运行时RDB数据和AD算法的内部数据，如通过RDB判断主车与前车距离小于20m，可发送某个控制信号给算法改变esp状态，也可以通过SCP指令控制场景中的副车改变运动姿态。 测试脚本很大程度上弥补了单纯场景仿真的不足，能够实现以算法内部信号为触发条件，改变仿真场景中交通参与物的状体和算法内部状态。 因此，在场景的基础上，添加与该场景相匹配的测试脚本，就形成了一个测试用例。也就是说，测试用例是一个场景和测试脚本的集合。 同样，测试套件是将测试目的相同的测试用例归到一起，方便创建仿真任务时直接选择。

延时评测 图2 延时评测 如上图所示，延时评测以仿真pb文件作为输入，进行评测逻辑处理后，将评测结果写成评测pb。 其中仿真pb是通过八爪鱼提供的sim_osi.proto进行序列化和反序列化，评测pb是通过八爪鱼提供的eva.proto进行序列化和反序列化的。 延时评测算法的实现有如下几个步骤： 在代码内通过SIM_OSI_PATH环境变量获取仿真pb路径，通过EVA_PATH环境变量获取评测pb路径。 通过文件Open的方式打开仿真pb路径，读取字节流，利用sim_osi.proto中的SimData反序列化仿真pb中的内容。该步骤会得到一个SimData的内存对象，用户通过访问对象中的字段即可获取自己关注的数据。 SimData中包含仿真器输出的整个仿真过程数据，用户处理根据自身评测逻辑处理所有帧数据。 用户自定义的评测指标包含通过，不通过等结果，将该结果写入到eva.proto中的Evaluation类中，然后通过文件Open的形式打开评测pb路径，将评测结果写成评测pb文件。 写成评测pb文件后，延时评测镜像的工作就完成了，仿真平台的控制程序在运行自定义评测容器时会主动将评测pb文件上传到对象存储中，前端通过下载该评测pb文件进行解析，可以将自定义评测结果和内置评测结果一样完全兼容地进行展示。 评测算法代码开发完成后，将代码构建成算法镜像上传到仿真平台评测管理模块即可被仿真任务使用。在制作评测算法镜像的Dockerfile中，建议将评测代码编译成的二进制文件COPY到系统的/usr/bin目录下，便于在前端界面填写评测镜像的运行命令时直接填写该二进制文件的名称即可。在镜像中新建一个shell脚本来运行评测代码也是可以接受的方案。

实时评测 图1 实时评测 实时评测的基本架构如上图所示，实时评测算法从仿真器和AD算法按帧接收数据，每接收一帧数据，就调用一次评测函数，在最后仿真结束时将评测结果写成评测pb文件。 实时评测的实现包括如下几个步骤： 代码内实现与仿真器的通信，实时接收仿真器的帧数据，也可同时接收仿真器和AD算法的数据。 处理每帧数据，不断更新评测结果。 仿真结束时，将最后一帧的评测结果作为最终的评测结果，通过EVA_PATH环境变量获取评测pb路径，经评测结果写入到评测pb文件中。

禁止标志牌前行为（Prohibited Sign）检测 禁止标志牌前行为检测的目的是判断主车在这些禁止类标志牌前的行为是否合理。 本设计考虑评测的禁止标志牌有： 禁止机动车标志牌 禁止各种车辆标志牌 禁止驶入标志牌 限制宽度标志牌 限制高度标志牌 限制重量标志牌 在禁止机动车标志牌，禁止各种车辆标志牌，禁止驶入标志牌等标志前， 当检测到主车的车头越过标志牌并且标志牌的对主车起作用时， 该类标志前的行为检测不通过。 对于限制高度、限制宽度、限制高度等禁止标志牌， 在满足上述触发条件的情况下， 并且主车的对应度量值（如高度、宽度、重量）大于标志牌禁止的数值， 则主车在该类标志牌前的行为检测不通过。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_REGION。 父主题： 内置评测指标说明

限速标志牌前限速（Speed Limit Sign）检测 限速标志牌前限速检测的目的是判断主车在行驶过程中遇到限速标志牌时， 速度是否符合要求。 限速标志牌分为最高限速和最低限速两种。 最高限速是指主车速度不能高于对应的限速数值， 并且不能低于最高限速的75%。 最低限速是指主车速度不能低于对应的限速数值。 当主车距离限速标志牌在道路方向的距离小于某一阈值（本设计取车辆最前端超过限速标志）， 并且主车所在车道是限速标志牌的有效范围， 当主车速度高于最高限速标志数值或低于最低限速标志数值时， 限速标志牌限速检测不通过。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明

绿灯通行（Drive Through Green Light）检测 绿灯通行检测的目的是判断主车在接近十字路口后， 如果是绿灯， 主车是否直接通行而没有停止。 另外，当交通灯由红灯变为绿灯后， 主车重新启动的时间是否太大。 本设计认为在绿灯状态下， 如果前方没有行人和引导车的情况下， 主车在停止线前20m范围内发生停车行为， 则绿灯前直接通行不通过。 当交通灯由红灯变为绿灯后， 如果主车重新启动的时间大于一定阈值（本设计取3s）， 则绿灯后重新启动时间太大。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明

压实线（Onto Solid line）检测 压实线检测的目的是判断主车行驶过程中是否压到实线。 当主车与距离最近的车道线的小于主车宽度的一半时，并且该车道线的类型为OSI定义的osi3.LaneBoundary.classification.type.TYPESOLI DLI NE，则认为主车的轮胎已经压到实线。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明

车头时距（Time Headway）检测 车头时距检测的目的是判断主车行驶过程中与其他交通车的车头时距是否台小。 车头时距是主车与引导车的相对距离除以主车的速度。 即使主车未发生碰撞， 当车头时距过小时（该阈值可用户自定义，本设计默认取2s）， 发生碰撞的风险太大， 这样也是不合理的。 车头时距和碰撞时间两者都是描述碰撞风险大小的。 车头时距适合判断主车和引导车速度都很高， 但相对速度比较小的情况。 碰撞时间适合主车和引导车相对速度比较大的情况。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明

碰撞时间（Time to Collision）检测 碰撞时间检测的目的是判断主车在行驶中与其他交通车的碰撞时间是否过小。 碰撞时间是指主车与引导车的相对距离除以主车与引导车的相对速度。 即使主车未发生碰撞，当碰撞时间过小时，发生碰撞的风险太大，这样也是不合理的。 当碰撞时间小于某一阈值（该阈值可用户自定义，本设计默认取1.5s），则判定碰撞时间检测不通过。 该指标关联的内置可视化时间序列数据为：暂无。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明

车道保持（Lane Keeping）检测 车道保持检测的目的是判断主车在行驶过程中能否很好地沿车道中心线行驶。 车道保持检测分为两个指标： 偏移车道中心线距离检测 偏移车道中心线横摆角检测 偏移车道中心线距离检测是指主车的质心相对于车道中心线的垂直距离，当该偏移距离大于某一阈值时（本设计取0.3m，该阈值可以用户自定义），则偏移车道中心线距离检测不通过。 偏移车道中心线横摆角检测是指主车行驶时速度方向与车道中心线的夹角，当该夹角大于某一阈值时（本设计取0.05rad，该阈值可以用户自定义），则偏移车道中心线横摆角检测不通过。 车道保持检测需要排除主车进行了换道操作，对于换道期间进行偏移车道中心线距离检测和偏移车道中心线横摆角检测，将会出现假阳性的结果。 当主车所在的road id保持不变，在某一时刻，其lane id发生变化，在该时刻的前后一定时间内（本设计取2s）发生换道。 车头横摆角偏离检测关联的内置可视化时间序列数据为：relativeYaw。横向偏移距离检测关联的内置可视化时间序列数据为：lateralOffset。 该指标的异常时间点记录类型为：POINT_TYPE_POINT。 父主题： 内置评测指标说明