面向自动驾驶系统仿真测试的关键场景生成方法及系统技术方案

本发明专利技术公开了一种面向自动驾驶系统仿真测试的关键场景生成方法及系统。本方法为：1)基于每一影响性行为模式构建一对应的抽象场景，并设定参与者的行为；主车为自动驾驶车辆；2)根据设定的行为规范约束为抽象场景中每一参与者生成多条不同的轨迹，将各参与者的轨迹进行组合，得到多个抽象场景实例并将其实例化为测试场景；3)对于每一测试场景，依据主车的预计行驶路线与各参与者的轨迹，计算主车的最小预计碰撞时间METTC；如果METTC大于设定阈值，则向具体测试场景中添加新的参与者及其行为轨迹，生成新的具体测试场景，使其METTC小于等于设定阈值；将METTC小于等于设定阈值的具体测试场景作为关键场景。体测试场景作为关键场景。体测试场景作为关键场景。

【技术实现步骤摘要】
面向自动驾驶系统仿真测试的关键场景生成方法及系统


[0001]本专利技术涉及一种面向自动驾驶系统仿真测试的关键场景生成方法及系统，属于计算机软件


技术介绍

[0002]自动驾驶系统是高度复杂的软硬件系统，其所处的运行环境高度复杂且多变，安全性尤为重要。因此，在自动驾驶系统部署到现实交通之前，需要进行全面而充分的测试与评估。自动驾驶系统测试，需要自动驾驶车辆在各种各样的交通场景中，进行长距离的行驶，观察自动驾驶系统在运行过程中的表现，发现系统内部存在的问题，然而，在现实世界中测试自动驾驶系统，存在场景构建成本高、时间消耗大、存在事故隐患的问题。相比之下，基于虚拟场景的仿真测试具有构建成本低、灵活性强、场景可复现且无事故隐患的优势。
[0003]目前的自动驾驶仿真场景生成方法主要有两类：现实交通数据驱动的场景复现和运用搜索技术的场景生成。现实交通数据驱动的场景复现(参见：Shuo Feng,Xintao Yan,Haowei Sun,Yiheng Feng,and Henry X Liu.2021.Intelligent driving intelligence test for autonomous vehicles with naturalistic and adversarial environment.Nature communications(2021),1
–
14)；或Xintao Yan,Shuo Feng,Haowei Sun,and Henry X Liu.2021.Distributionally Consistent Simulation of Naturalistic Driving Environment for Autonomous Vehicle Testing.arXiv preprint arXiv:2101.02828(2021))，是模拟自然驾驶环境进行自动驾驶系统测试。然而，由于在自然条件下，现实交通场景中，安全事件较为罕见，大多数场景对自动驾驶系统，缺少足够的挑战，需要数亿英里来证明自动驾驶汽车的安全性能，这是非常低效的。为了提高自动驾驶系统测试的效率，有研究团队提出了基于交通事故生成测试场景的方法(参见：Wassim G Najm,Raja Ranganathan,Gowrishankar Srinivasan,John D Smith,Samuel Toma,Elizabeth Swanson,August Burgett,et al.2013.Description of light
‑
vehicle pre
‑
crash scenarios for safety applications based on vehicle
‑
to
‑
vehicle communications.Technical Report.United States.National Highway Traffic Safety Administration；或Alessio Gambi,Tri Huynh,and Gordon Fraser.2019.Generating Effective Test Cases for Self
‑
Driving Cars from Police Reports.In Proceedings of the ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering)。基于交通事故数据库，开发一组碰撞前的场景，其中描述了车辆的运动和动态，以及在涉及至少一辆其他车辆的碰撞前立即发生的关键事件。然而，这些测试场景是固定的，自动驾驶系统可能在这些场景中表现良好，但在更广泛的条件下的表现，没有得到充分的测试和评估。
[0004]关键场景是对自动驾驶系统具有挑战性的场景，自动驾驶系统仿真测试的关键在于，如何生成并识别关键场景。基于搜索方法的场景生成技术，考虑到交通场景的复杂输入及高维空间，为了有效地生成关键场景，一些研究团队运用搜索技术来指导关键场景的生
成(参见：Alessio Gambi,Marc Mueller,and Gordon Fraser.2019.Automatically testing self
‑
driving cars with search
‑
based procedural content generation.In Proceedings of ACM SIGSOFT International Symposium on Software Testing and Analysis.318
–
328；或Moritz Klischat and Matthias Althoff.2020.A multi
‑
step approach to accelerate the computation of reachable sets for road vehicles.In Proceeding of IEEE International Conference on Intelligent Transportation Systems(ITSC).IEEE,1
–
7)，通过在场景空间内进行搜索，引导场景要素对自动驾驶系统产生更强的干扰；在场景过程中，通过仿真测试的反馈，对下一步的场景生成进行优化(参见：Tuncali C E,Fainekos G.Rapidly
‑
exploring random trees
‑
based test generation for autonomous vehicles[J].arXiv preprint arXiv:1903.10629,2019)；例如将场景要素设置为强化学习的代理，设计激励函数，在场景生成的过程中，增强场景要素对自动驾驶系统的干扰。
[0005]由于交通场景的高维空间和参数的无限范围，优化采样的搜索方法，会造成高额的搜索成本。有研究团队对场景要素进行建模，将无限空间的优化采样问题，转化为有限空间的进化搜索问题(参见：Guanpeng Li,Yiran Li,Saurabh Jha,Timothy Tsai,Michael Sullivan,Siva Kumar Sastry Hari,Zbigniew Kalbarczyk,and Ravishankar Iyer.2020；Av
‑
fuzzer:Finding safety violations in autonomous driving systems.In Proceedings of IEEE Internation本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶系统仿真测试的关键场景生成方法，其步骤包括：1)基于每一影响性行为模式构建一对应的抽象场景，并设定所述抽象场景中主车的预计行驶路线及每一参与者的行为；所述影响性行为模式是指直接或间接导致主车发生交通事故的参与者的行为；所述主车为连接自动驾驶系统的车辆；所述参与者为抽象场景中主车之外的车辆或行人；2)对于每一所述抽象场景，根据设定的行为规范约束为所述抽象场景中每一参与者生成多条不同的轨迹，将各参与者的轨迹进行组合，得到多个抽象场景实例；将每个所述抽象场景实例化为多个具体的测试场景；3)对每一所述具体测试场景，依据所述主车的预计行驶路线与各参与者的轨迹，计算所述主车的最小预计碰撞时间METTC；4)如果所述具体测试场景中的METTC大于设定阈值，则向该具体测试场景中增量式地添加新的参与者及其行为轨迹，生成新的具体测试场景，直至新生成的具体测试场景中所述主车的最小预计碰撞时间METTC小于或等于设定阈值；5)将所述主车的最小预计碰撞时间METTC小于或等于设定阈值的具体测试场景作为自动驾驶系统仿真测试的关键场景。2.根据权利要求1所述的方法，其特征在于，步骤3)中，依据所述主车的预计行驶路线与每一参与者的轨迹，计算所述主车与每一参与者的预计碰撞时间一参与者的轨迹，计算所述主车与每一参与者的预计碰撞时间(x1,y1)是主车当前位置坐标，(x2,y2)是参与者当前位置坐标；(x
+
,y
+
)是预计碰撞位置，v1是主车当前速度大小，v2是参与者当前速度大小；θ1为主车当前速度方向与道路的夹角，θ2为参与者当前速度方向与道路的夹角；将预计碰撞时间ETTC的最小值作为最小预计碰撞时间METTC。3.根据权利要求1或2所述的方法，其特征在于，根据测试场景所用道路的类型rt，从影响性行为模式集合中选择一个符合类型rt可行性约束的行为模式，构建一个抽象场景。4.根据权利要求1所述的方法，其特征在于，对于同一抽象场景的多个具体测试场景，任意两具体测试场景中同一参与者的轨迹之间差异度至少为D米；将同一参与者在第一具体测试场景中的轨迹tr
i
、第二具体测试场景中的轨迹tr
j
分别划分为n个路点，同一轨迹中相邻两个路点之...

【专利技术属性】
技术研发人员：吴国全，魏峻，叶丹，田浩翔，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：