Запись и результаты

При сравнении экспериментов используйте одинаковые сценарий, модель, начальное значение генератора или конфигурацию и длительность запуска. Само по себе успешное завершение процесса не подтверждает точность восприятия или успешность атаки.

Ограниченные запуски и журналы

В оболочке контейнера OpenCDA, где задан CARLA_HOST, как показано в Подключение из OpenCDA:

python opencda.py -t v2xp_datadump_town06_carla \
  --carla-host "$CARLA_HOST" --ticks 200

Каталог оценки по умолчанию - simulation_output/evaluation_outputs/<scenario>_<timestamp>/. Он содержит opencda.log.json и отчёты или графики, создаваемые включёнными метриками. Имена сценариев с символом / создают вложенные пути результатов. Чтобы переопределить расположение журнала, используйте --log-file /path/to/run.log.json.

Значения --verbose 1, 2 и 3 выбирают соответственно журналирование предупреждений, информационных и отладочных сообщений.

Профилирование медленных запусков

Параметр --profile измеряет время, которое Python затрачивает на функции сценария. Используйте его для исследования медленной симуляции. Он создаёт накладные расходы на профилирование, поэтому отключайте его при измерении обычной производительности симуляции.

Например, в оболочке контейнера OpenCDA:

python opencda.py -t v2xp_datadump_town06_carla \
  --carla-host "$CARLA_HOST" --ticks 200 --profile

Средство запуска сохраняет profile_output.prof в каталоге оценки этого запуска. Это двоичный отчёт Python cProfile, а не видео или метрика восприятия. Чтобы просмотреть его, замените RUN_DIRECTORY на каталог, указанный для вашего запуска:

python -m pstats RUN_DIRECTORY/profile_output.prof

В командной строке pstats введите sort cumulative, затем stats 20, чтобы увидеть 20 функций с наибольшим суммарным временем выполнения, включая вызовы других функций. Для выхода введите quit.

Запись

Параметр --record включает запись CARLA и сохранение данных датчиков сценария:

python opencda.py -t v2xp_datadump_town06_carla \
  --carla-host "$CARLA_HOST" --record --ticks 200

Файлы записи CARLA создаются сервером CARLA, поэтому они находятся в его контейнере в Linux или у хост-процесса в Windows. Если файлы не находятся в подключённом томе, скопируйте их из контейнера до его удаления.

Результаты кооперативного восприятия

Добавьте следующие параметры к команде кооперативного восприятия или AdvCP:

Параметр	Результат
--save-vis	Кадры в simulation_output/coperception/vis_<mode>/<scenario>_<timestamp>/. Доступные представления зависят от конфигурации визуализации.
--save-npy	Массивы прогнозов и эталонных данных в simulation_output/coperception/npy/<scenario>_<timestamp>/.
--show-video-vis	Визуализация в реальном времени. Требуется работающий дисплей в контейнере.

Эти каталоги находятся внутри подключённого репозитория OpenCDA и сохраняются на хосте при пересоздании контейнера. Преобразование каталога сохранённых кадров в видео с помощью make_video.py описано в Вспомогательные скрипты.

Метрики и прогрев

Конфигурация coperception.metrics сценария определяет поведение метрик. При интерпретации коротких запусков учитывайте настройки прогрева. Проверьте зарегистрированные идентификаторы агентов и сопоставляйте метрики каждого запуска с визуализированным результатом. Отсутствующие атакующие, пустые входные данные или цель вне дальности датчика могут сделать эксперимент неинформативным, даже если симулятор продолжает работать.