基于正态云模型的自动驾驶道路测试数据质量确定方法技术

本发明专利技术涉及了一种基于正态云模型的自动驾驶道路测试数据质量确定方法及系统，所述方法包括如下步骤：采用层次分析法，确定用于确定自动驾驶道路测试数据质量的每个评估指标的权重；采用逆向云发射器算法，计算测试数据的每个评估指标的云模型特征参数值；根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数值，计算测试数据的综合云特征参数值；根据测试数据的综合云特征参数值，基于正态云模型，确定测试数据的质量。本发明专利技术实现了对自动驾驶道路测试数据质量的确定。现了对自动驾驶道路测试数据质量的确定。现了对自动驾驶道路测试数据质量的确定。

【技术实现步骤摘要】
基于正态云模型的自动驾驶道路测试数据质量确定方法


[0001]本专利技术涉及自动驾驶测试
，特别是涉及一种基于正态云模型的自 动驾驶道路测试数据质量确定方法。

技术介绍

[0002]自动驾驶技术已进入高速发展阶段，自动驾驶道路测试过程中会产生海量 数据。海量的道路测试数据中蕴含着高额的潜在价值。然而，自动驾驶道路测 试数据具有多测试主体、多测试环节、多采集设备的特点，导致数据的质量有 待提升，限制了数据价值的释放。因此，为提高自动驾驶道路测试数据质量， 充分发挥数据价值，赋能产业发展，首先需要一套科学合理的方法对自动驾驶 道路测试数据质量进行评估。

技术实现思路

[0003]本专利技术的目的是提供一种基于正态云模型的自动驾驶道路测试数据质量 确定方法，以实现对自动驾驶道路测试数据质量的确定。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]本专利技术提供一种基于正态云模型的自动驾驶道路测试数据质量确定方法， 所述方法包括如下步骤：
[0006]采用层次分析法，确定用于确定自动驾驶道路测试数据质量的每个评估指 标的权重；所述评估指标包括数据正确定性、数据完整性、数据唯一性、数据 一致性和数据有效性；
[0007]采用逆向云发射器算法，计算测试数据的每个评估指标的云模型特征参数 值；
[0008]根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数 值，计算测试数据的综合云特征参数值；
[0009]根据测试数据的综合云特征参数值，基于正态云模型，确定测试数据的质 量。
[0010]可选的，所述采用层次分析法，确定用于确定自动驾驶道路测试数据质量 的每个评估指标的权重，具体包括：
[0011]构建用于确定自动驾驶道路测试数据质量的指标评估体系，并确定所述指 标评估体系的初始的权重判断矩阵；
[0012]利用公式计算所述权重判断矩阵的一致性比例；
[0013]其中，CR为一致性比例，CI为一致性指标，λ
max
为权重判断 矩阵的最大特征值，r为权重判断矩阵的维数，RI为随机一致性指标；
[0014]判断所述一致性比例是否小于等于0.01，获得判断结果；
[0015]若所述判断结果表示否，则更新所述权重判断矩阵，返回步骤“利用公式 计算所述权重判断矩阵的一致性比例”；
[0016]若所述判断结果表示是，则根据所述权重判断矩阵，利用公式利用公式计算每个评估指标的权重；
[0017]其中，ω
i
表示第i个评估指标的权重，a
ij
为权重判断矩阵中第(i，j)个 元素，表示第i评估指标相对第j个评估指标的风险重要程度。
[0018]可选的，采用逆向云发射器算法，计算测试数据的每个评估指标的云模型 特征参数值，具体包括：
[0019]分别每个车辆的测试数据作为一个子数据集，获得K个子数据集；
[0020]分别计算每个子数据集在每个评价指标下的评价结果；
[0021]根据每个子数据集在每个评价指标下的评价结果，采用逆向云发射器算法， 利用下列公式计算测试数据的每个评估指标的云模型特征参数值；
[0022][0023][0024][0025]其中，E
xi
是第i个评估指标的云模型的期望；E
ni
是第i个评估指标的云 模型的熵；H
ei
是第i个评估指标的云模型的超熵；c
ki
是第k个子数据集在第i个评价指标下的评价结果。
[0026]可选的，所述分别计算每个子数据集在每个评价指标下的评价结果，具体 包括：
[0027]利用公式计算每个子数据集 的数据正确性；
[0028]其中，c1为子数据集的数据正确性，F
c1_1
(n)、F
c1_2
(n)、F
c1_3
(n)和F
c1_4
(n) 分别为第n条记录的瞬时车速的正确性、瞬时加速度的正确性、加速度的契合 性和驾驶模式的正确性，N表示子数据集中记录的数量；
[0029][0030][0031][0032][0033]distance(lat
n
，lon
n
，lat
n+1
，lon
n+1
)为距离计算函数，(lat
n
，lon
n
)为第n条记 录的经纬度坐标，(lat
n+1
，lon
n+1
)为第n+1条记录的经纬度坐标；v
n
和v
n+1
分别为第n条记录和第n+1条记录的速度；a
n
为第n条记录的加速度；t
n
和t
n+1
分别为第n条记录和第n+1条记录的时间；
[0034]利用公式计算每个子数据集的数据完整性；
[0035]其中，c2为子数据集的数据完整性，F
c2_1
(n)和F
c2_2
(n)分别为第n条记录 的数据值缺失性和数据时间连续性；
[0036][0037][0038]l为时间间隔阈值；
[0039]利用公式计算每个子数据集的数据 唯一性；
[0040]其中，c3为子数据集的数据唯一性，F
c3_1
(n)为第n条记录的时间变量值 唯一性，repeat_ratio为子数据集的指标重复率；
[0041][0042][0043]利用公式计算每个子数据集的数据一致性；
[0044]其中，c4为子数据集的数据一致性，F
c4_1
(n)和F
c4_2
(n)分别为第n条记录 的格式一致性和精度一致性；
[0045][0046][0047]利用公式计算每个子数据集的数据有效性；
[0048]其中，c5为子数据集的数据有效性，F
c5_1
(n)和F
c5_2
(n)分别为第n条记录 的数据格式有效和经纬度坐标有效性；
[0049][0050][0051]W为测区内的经纬度合集。
[0052]可选的，所述根据每个评估指标的权重和测试数据的每个评估指标的云模 型特征参数值，计算测试数据的综合云特征参数值，具体包括：
[0053]根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数， 利用如下公式计算测试数据的综合云特征参数值；
[0054][0055][0056][0057]其中，E
x
为测试数据的综合云的期望，E
n
为测试数据的综合云的熵，H
e
为测试数据的综合云的超熵，ω
i
表示第i个评估指标的权重。
[0058]可选的，所述根据测试数据的综合云特征参数值，基于正态云模型，确定 测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于正态云模型的自动驾驶道路测试数据质量确定方法，其特征在于，所述方法包括如下步骤：采用层次分析法，确定用于确定自动驾驶道路测试数据质量的每个评估指标的权重；所述评估指标包括数据正确定性、数据完整性、数据唯一性、数据一致性和数据有效性；采用逆向云发射器算法，计算测试数据的每个评估指标的云模型特征参数值；根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数值，计算测试数据的综合云特征参数值；根据测试数据的综合云特征参数值，基于正态云模型，确定测试数据的质量。2.根据权利要求1所述的基于正态云模型的自动驾驶道路测试数据质量确定方法，其特征在于，所述采用层次分析法，确定用于确定自动驾驶道路测试数据质量的每个评估指标的权重，具体包括：构建用于确定自动驾驶道路测试数据质量的指标评估体系，并确定所述指标评估体系的初始的权重判断矩阵；利用公式计算所述权重判断矩阵的一致性比例；其中，CR为一致性比例，CI为一致性指标，λ
max
为权重判断矩阵的最大特征值，r为权重判断矩阵的维数，RI为随机一致性指标；判断所述一致性比例是否小于等于0.01，获得判断结果；若所述判断结果表示否，则更新所述权重判断矩阵，返回步骤“利用公式计算所述权重判断矩阵的一致性比例”；若所述判断结果表示是，则根据所述权重判断矩阵，利用公式利用公式计算每个评估指标的权重；其中，ω
i
表示第i个评估指标的权重，a
ij
为权重判断矩阵中第(i，j)个元素，表示第i评估指标相对第j个评估指标的风险重要程度。3.根据权利要求1所述的基于正态云模型的自动驾驶道路测试数据质量确定方法，其特征在于，采用逆向云发射器算法，计算测试数据的每个评估指标的云模型特征参数值，具体包括：分别将每个车辆的测试数据作为一个子数据集，获得K个子数据集；分别计算每个子数据集在每个评价指标下的评价结果；根据每个子数据集在每个评价指标下的评价结果，采用逆向云发射器算法，利用下列公式计算测试数据的每个评估指标的云模型特征参数值：公式计算测试数据的每个评估指标的云模型特征参数值：
其中，E
xi
是第i个评估指标的云模型的期望；E
ni
是第i个评估指标的云模型的熵；H
ei
是第i个评估指标的云模型的超熵；c
ki
是第k个子数据集在第i个评价指标下的评价结果。4.根据权利要求3所述的基于正态云模型的自动驾驶道路测试数据质量确定方法，其特征在于，所述分别计算每个子数据集在每个评价指标下的评价结果，具体包括：利用公式计算每个子数据集的数据正确性；其中，c1为子数据集的数据正确性，F
c1_1
(n)、F
c1_2
(n)、F
c1_3
(n)和F
c1_4
(n)分别为第n条记录的瞬时车速的正确性、瞬时加速度的正确性、加速度的契合性和驾驶模式的正确性，N表示子数据集中记录的数量；示子数据集中记录的数量；示子数据集中记录的数量；示子数据集中记录的数量；distance(lat
n
,lon
n
,lat
n+1
,lon
n+1
)为距离计算函数，(lat
n
,lon
n
)为第n条记录的经纬度坐标，(lat
n+1
,lon
n+1
)为第n+1条记录的经纬度坐标；v
n
和v
n+1
分别为第n条记录和第n+1条记录的速度；a
n
为第n条记录的加速度；t
n
和t
n+1
分别为第n条记录和第n+1条记录的时间；利用公式计算每个子数据集的数据完整性；其中，c2为子数据集的数据完整性，F
c2_1
(n)和F
c2_2
(n)分别为第n条记录的数据值缺失性和数据时间连续性；
l为时间间隔阈值；利用公式计算每个子数据集的数据唯一性；其中，c3为子数据集的数据唯一性，F
c3_1
(n)为第n条记录的时间变量值唯一性，repeat_ratio为子数据集的指标重复率；ratio为子数据集的指标重复率；利用公式计算每个子数据集的数据一致性；其中，c4为子数据集的数据一致性，F
c4_1
(n)和F
c4_2
(n)分别为第n条记录的格式一致性和精度一致性；和精度一致性；利用公式计算每个子数据集的数据有效性；其中，c5为子数据集的数据有效性，F
c5_1
(n)和F
c5_2
(n)分别为第n条记录的数据格式有效和经纬度坐标有效性；效和经纬度坐标有效性；W为测区内的经纬度合集。5.根据权利要求3所述的基于正态云模型的自动驾驶道路测试数据质量确定方法，其特征在于，所述根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数值，计算测试数据的综合云特征参数值，具体包括：根据每个评估指标的权重和测试数据的每个评估指标的云模型特征参数值，利用如下
公式计算测试数据的综合云特征参数值：公式计算测试数据的...

【专利技术属性】
技术研发人员：涂辉招，遇泽洋，李浩，鹿畅，孙立军，郑叶明，
申请(专利权)人：同济大学，
类型：发明
国别省市：