traj-scorer 0.1.0

Token-level PDMS trajectory scoring utilities for HelloData.

Trajectory Scorer

HelloData 轨迹的 token-level PDMS 评分与可视化工具。

当前流程一次评估一个 token/window。clip 只是帧数据来源；评测入口消费一个 ScoringContext window 和一条候选轨迹。

安装

在仓库根目录执行：

pip install .

开发模式安装（代码改动可立即生效）：

pip install -e ".[dev]"

仓库结构

• traj_scorer/：评分库代码。
• traj_scorer/pdms.py：evaluate_context() 和 PDMS 聚合逻辑。
• traj_scorer/metric_*.py：各个子指标实现。
• traj_scorer/hellodata.py：HelloDataImporter 适配层。
• scripts/repair_token_level_clip_3_155.py：当前 token-level 验证与 BEV 可视化入口。
• tests/：聚焦指标行为的回归测试。
• docs/pdms_metrics.md：子指标定义与聚合公式说明。

主 Token-Level 命令

示例：clip 3_155、token 230、随机 50 条轨迹库候选。

python scripts/repair_token_level_clip_3_155.py \
  --output-dir output/token_level_repair_3_155_token230 \
  --library-count 50 \
  --token-starts 230 \
  --token-length 40 \
  --random-seed 155

输出包括：

• expert_sanity.json/csv/md
• library_perturbation_comparison.json/csv
• bev_by_metric/*.png

BEV 图会在 token 起点自车坐标系下绘制 OCC freespace、LD、当前/未来 ego、 当前/未来 agents，以及按指标分数着色的候选轨迹。

指标

详细说明见 docs/pdms_metrics.md。

已实现：

• NC：无责碰撞。
• DAC：可行驶区域合规，优先使用 OCC freespace。
• EP：自车进度。
• TTC：短时投影碰撞检查。
• LK：基于当前自车中心线的车道保持。
• HC：历史舒适性。

暂时默认通过：

• DDC：行驶方向合规。
• TLC：红绿灯合规。

验证

运行：

python -m py_compile scripts/repair_token_level_clip_3_155.py traj_scorer/*.py
python -m pytest -q

当前测试覆盖 EP 进度排序和 LK 中心线行为，包括“相邻中心线不应掩盖偏离当前车道”的情况。

打包发布给他人

先构建 wheel/sdist：

python -m build

构建产物会在 dist/ 下，别人可直接安装：

pip install dist/traj_scorer-0.1.0-py3-none-any.whl