面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法技术

本发明专利技术属于自动驾驶汽车测试评价技术领域，具体的说是一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法。包括以下步骤：步骤一、确定逻辑场景权重分析要素构成；所述逻辑场景权重分析要素包括逻辑场景自身特征权重和仿真测试过程信息；步骤二、获得逻辑场景自身特征权重；步骤三、获得仿真测试过程信息权重；本发明专利技术可分析自动驾驶汽车仿真测试过程中不同逻辑场景的权重，分析过程同时包含逻辑场景自身信息及仿真测试过程信息，解决了传统权重分析方法仅分析场景自身信息的缺陷，从而将自动驾驶汽车在单独逻辑场景中的测试结果进行整合，从而映射至完整的道路行驶环境。从而映射至完整的道路行驶环境。从而映射至完整的道路行驶环境。

【技术实现步骤摘要】
面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法


[0001]本专利技术属于自动驾驶汽车测试评价
，具体的说是一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法。

技术介绍

[0002]随着自动驾驶等级的提高，复杂的交通环境、多样的驾驶任务等都为自动驾驶汽车的测试评价流程提出了新的挑战。如今，将测试评价技术作为构建协同开放自动驾驶汽车技术创新体系的重点研究内容。但由于自动驾驶汽车实地测试成本高、效率低、安全性差，仿真测试已成为自动驾驶汽车安全性验证过程中的重要手段。由于仿真测试过程的最终目的是将结果映射至真实道路行驶环境，这意味着其必然需测试多个逻辑场景，如何确定多个逻辑场景的权重是测试评价过程的重点内容。

技术实现思路

[0003]本专利技术提供了一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，通过建立场景自身信息及仿真测试过程信息，将多个自动驾驶汽车在多个逻辑场景中的仿真测试结果进行耦合，解决了传统权重分析方法仅分析场景自身信息的缺陷，从而将自动驾驶汽车在单独逻辑场景中的测试结果进行整合，从而映射至完整的道路行驶环境。
[0004]本专利技术技术方案结合附图说明如下：
[0005]一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，包括以下步骤：
[0006]步骤一、确定逻辑场景权重分析要素构成；所述逻辑场景权重分析要素包括逻辑场景自身特征权重和仿真测试过程信息；
[0007]步骤二、获得逻辑场景自身特征权重；
[0008]步骤三、获得仿真测试过程信息权重。
[0009]进一步的，所述步骤一，
[0010]所述逻辑场景自身特征权重包括暴露度p、脱离度c和危害度x；
[0011]所述仿真测试过程信息包括仿真精度信息r、要素种类信息t、参数空间信息s、离散步长信息z；
[0012]所述仿真测试过程信息如公式(1)所示：
[0013][0014]由场景信息I
i
得到的第i个逻辑场景的相对权重如公式(2)所示：
[0015]w
i
＝I
i
/∑I
i
(2)
[0016]式中，I
i
是第i个仿真测试过程信息，下标i代表第i个逻辑场景，下标j表示第j个场景要素，下标i_j即代表第i个逻辑场景的第j个场景要素。
[0017]进一步的，所述步骤二的具体方法如下：
[0018]21)获得暴露度的权重；
[0019]所述暴露度指这类场景在自然驾驶状况下出现的概率：自动驾驶汽车低渗透条件下，暴露度p
i
的取值为自然驾驶情况下的发生概率，即第i个逻辑场景发生频次n
i
与多逻辑场景发生总频次的比值，如公式(3)所示；自动驾驶高渗透条件时，不考虑人类驾驶概率分布对场景发生概率的影响，不同逻辑场景的暴露度p
i
均取值1；
[0020][0021]22)获得脱离度的权重；
[0022]对某一具体场景而言，将基准车辆运动视为具有基准控制状态，若此时无法保证车辆行驶安全，则认为这一具体场景超出了车辆操作边界；以基准车辆运动状态在这一具体场景中发生事故的具体场景数目越多，则认为车辆在这一具体场景中的可控性越差；针对逻辑场景的脱离度c
i
的计算方式为：在第i个逻辑场景参数空间中进行充分均匀采样，将基准算法发生事故的具体场景数目m
c_i
与采样总数目m
a_i
的比值作为第i个逻辑场景的可控性c
i
量化值，如公式(4)所示：
[0023]c
i
＝m
c_i
/m
a_i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0024]23)获得危害度的权重；
[0025]从场景为主体的角度出发，危害度转化为场景对被测自动驾驶系统造成损害的严重性；针对逻辑场景的危害度χ
i
的计算方式为：在所有逻辑场景参数空间中均匀采样相同比例数目的具体场景，第i个逻辑场景的危害度χ
i
为基准车辆运动在所有具体场景中所造成的碰撞损失的均值，如公式(5)所示，其中，下标i代表第i个逻辑场景，下标j代表第i个逻辑场景中采样的第j个具体场景；
[0026][0027]式中，为第i个逻辑场景采样的具体场景数目；L
i_j
为第i个逻辑场景中采样的第j个具体场景碰撞损失。
[0028]进一步的，所述步骤三的具体方法如下：
[0029]31)获得仿真精度信息的权重；
[0030]假设测试平台所提供的测试场景要素均已满足仿真精度需求，所有场景要素的仿真精度信息均为1；
[0031]32)获得素种类信息的权重；
[0032]对于不同场景要素而言，为测试过程提供的测试信息是不同的，首先需对场景要素自身的信息含量进行分析；使用PEGASUS提出的六层场景模型进行分析，包含道路、交通基础设施、道路及设施的临时操作、动态交通参与者、天气环境、数字信息；对于逻辑场景而言，若测试目的未包含某一场景要素层要素，即某一场景要素层要素对逻辑场景真实环境测试过程无任何影响，此时默认逻辑场景包含某一场景要素层要素的全部信息；
[0033]根据测试场景及六层场景模型建立场景可能的要素层次结构，根据层次分析法依照层级从上至下依次判断每个要素重要性权重；对于后续无具体要素的场景要素类别而言，权重直接定为0；在确定了父节点要素的权重后，将父节点要素的权重作为权重总量根据层次分析法进行进一步分配，最终得到所有叶节点的场景要素权重，所有叶节点的权重和为1；同时，叶节点的要素权重之和等于父节点的要素权重；将叶节点场景要素对应的权
重作为要素种类信息t
i
。
[0034]33)获得参数空间信息的权重；
[0035]对于参数空间信息的计算而言，基于场景要素类型分为连续型及离散型两种方式；对于连续型场景要素的参数空间计算方式而言，考虑参数空间与获取的逻辑场景参数空间之间的对比，以车辆测试结果或自然驾驶数据确定；对于离散型场景要素的参数空间计算方式而言，考虑各个离散型参数的权重，基于实车行驶数据进行分析；具体如下：
[0036]3‑3‑
1)获取连续型参数的权重；
[0037]对于连续型参数而言，从以下两个角度进行分析：
[0038]3‑3‑1‑
1)当测试目的为发现被测自动驾驶系统在参数空间中的性能边界时，此时若所选参数空间覆盖被测自动驾驶系统的边界描述，则表明当前逻辑场景要素的选择能够完整体现测试信息；将性能完全在参数空间中的被测自动驾驶系统与所有被测自动驾驶的比值s
’
i_j
作为可表现的信息；为了防止被测系统的偶然误差，使用Softmax函数进行调节，如公式(6)所示；对于参数空间权重而言，随着被测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，其特征在于，包括以下步骤：步骤一、确定逻辑场景权重分析要素构成；所述逻辑场景权重分析要素包括逻辑场景自身特征权重和仿真测试过程信息；步骤二、获得逻辑场景自身特征权重；步骤三、获得仿真测试过程信息权重。2.根据权利要求1所述的一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，其特征在于，所述步骤一，所述逻辑场景自身特征权重包括暴露度p、脱离度c和危害度x；所述仿真测试过程信息包括仿真精度信息r、要素种类信息t、参数空间信息s、离散步长信息z；所述仿真测试过程信息如公式(1)所示：由场景信息Ii得到的第i个逻辑场景的相对权重如公式(2)所示：w
i
＝I
i
/∑I
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，I
i
是第i个仿真测试过程信息，下标i代表第i个逻辑场景，下标j表示第j个场景要素，下标i_j即代表第i个逻辑场景的第j个场景要素。3.根据权利要求2所述的一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，其特征在于，所述步骤二的具体方法如下：21)获得暴露度的权重；所述暴露度指这类场景在自然驾驶状况下出现的概率：自动驾驶汽车低渗透条件下，暴露度p
i
的取值为自然驾驶情况下的发生概率，即第i个逻辑场景发生频次n
i
与多逻辑场景发生总频次的比值，如公式(3)所示；自动驾驶高渗透条件时，不考虑人类驾驶概率分布对场景发生概率的影响，不同逻辑场景的暴露度p
i
均取值1；22)获得脱离度的权重；对某一具体场景而言，将基准车辆运动视为具有基准控制状态，若此时无法保证车辆行驶安全，则认为这某一具体场景超出了车辆操作边界；以基准车辆运动状态在这某一具体场景中发生事故的具体场景数目越多，则认为车辆在这某一具体场景中的可控性越差；针对逻辑场景的脱离度c
i
的计算方式为：在第i个逻辑场景参数空间中进行充分均匀采样，将基准算法发生事故的具体场景数目m
c_i
与采样总数目m
a_i
的比值作为第i个逻辑场景的可控性c
i
量化值，如公式(4)所示：c
i
＝m
c_i
/m
a_i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)23)获得危害度的权重；从场景为主体的角度出发，危害度转化为场景对被测自动驾驶系统造成损害的严重性；针对逻辑场景的危害度χ
i
的计算方式为：在所有逻辑场景参数空间中均匀采样相同比
例数目的具体场景，第i个逻辑场景的危害度χ
i
为基准车辆运动在所有具体场景中所造成的碰撞损失的总和，如公式(5)所示，其中，下标i代表第i个逻辑场景，下标j代表第i个逻辑场景中采样的第j个具体场景；χ
i
＝∑L
i_j
/θ
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，θ
i
为第i个逻辑场景采样的具体场景数目；L
i_j
为第i个逻辑场景中采样的第j个具体场景碰撞损失。4.根据权利要求2所述的一种面向自动驾驶汽车仿真测试的多逻辑场景权重分析方法，其特征在于，所述步骤三的具体方法如下：31)获得仿真精度信息的权重；假设测试平台所提供的测试场景要素均已满足仿真精度需求，所有场景要素的仿真精度信息均为1；32)获得素种类信息的权重；对于不同场景要素而言，为测试过程提供的测试信息是不同的，首先需对场景要素自身的信息含量进行分析；使用PEGASUS提出的六层场景模型进行分析，包含道路、交通基础设施、道路及设施的临时操作、动态交通参与者、天气环境、数字信息；对于逻辑场景而言，若测试目的未包含某一场景要素层要素，即某一场景要素层要素对逻辑场景真实环境测试过程无任何影响，此时默认逻辑场景包含某一场景要素层要素的全部信息；根据测试场景及六层场景模型建立场景可能的要素层次结构，根据层次分析法依照层级从上至下依次判断每个要素重要性权重；对于后续无具体要素的场景要素类别而言，权重直接定为0；在确定了父节点要素的权重后，将父节点要素的权重作为权重总量根据层次分析法进行进一步分配，最终得到所有叶节点的场景要素权重，所有叶节点的权重和为1；同时，叶节点的要素权重之和等于父节点的要素权重；将叶节点场景要素对应的权重作为要素种类信息t
i
。33)获得参数空间信息的权重；对于参数空间信息的计算而言，基于场景要素类型分为连续型及离散型两种方式；对于连续型场景要素的参数空间...

【专利技术属性】
技术研发人员：张培兴，朱冰，赵健，范天昕，张楚翘，
申请(专利权)人：吉林大学，
类型：发明
国别省市：