[发明专利]一种基于贝叶斯优化的智能汽车快速测试方法

权利要求书

1.一种基于贝叶斯优化的智能汽车快速测试方法，其特征在于，该方法包括下列步骤：

1)基于现场交通场景，获得当前车辆的行驶场景关键参数，并为关键参数确定取值范围与采样间隔，组合关键参数，获取参数空间；具体包括：

101)基于现场交通场景，确定行驶场景的关键参数；

102)对每个关键参数确定取值范围；

103)对每个关键参数确定采样间隔；

104)将确定的关键参数、各自的取值范围与采样间隔进行组合，获取智能汽车测试场景的全样本集合；

2)根据不同的测试目的选取分类器与采集函数；其中，所选取的采集函数包括测试场景与设定目标的切合程度以及分类器对于其自身判断的确信程度，对不同的测试目的使用不同的采集函数；

测试目标为寻找边界场景，选用的采集函数为：

A(x)＝Grad×D_nn

式中，Grad为场景的梯度，该值由数值法求梯度得来，D_nn为场景与最近似场景的欧式距离；

测试目标为寻找危险场景，选用的采集函数为：

A(x)＝α×D_nn

式中：α表示场景是危险场景的概率，该值由分类器预测得来，D_nn表示本场景与最近似场景的欧式距离；

3)基于贝叶斯优化理论，初始化分类器，计算采集函数的数值，根据采集函数的数值选取切合需求的下一智能汽车测试场景，具体包括以下子步骤：

301)从智能汽车测试场景的全样本集合中随机抽取部分样本，对这些抽取的样本进行测试，获取测试结果，并使用测试结果训练分类器；

302)对于步骤301)中没有进行测试的其余场景，从中抽取部分样本作为候选集，利用步骤301)中训练的分类器，计算候选集样本的采集函数的值，对采集函数取最大值的智能汽车测试场景进行测试，利用测试结果进一步训练分类器；

303)重复步骤302)，直至测试次数用完或已达到测试需求；

采用K近邻分类器作为贝叶斯优化的分类器。

2.根据权利要求1所述的一种基于贝叶斯优化的智能汽车快速测试方法，其特征在于，步骤2)中，所选取的分类器符合大样本量计算的需求并符合贝叶斯优化算法的基本要求，即：分类器的输出包括预测结果以及对预测结果的确信程度。