[发明专利]一种基于贝叶斯优化的智能汽车快速测试方法

说明书

本发明涉及一种基于贝叶斯优化的智能汽车快速测试方法，该方法通过精确选取有代表性的测试场景，减少测试次数，实现对大量样本安全性的评估，该方法首先基于现场交通场景，获得车辆的行驶场景关键参数，为关键参数确定取值范围与采样间隔，并组合关键参数，形成参数空间；然后基于贝叶斯优化理论，根据不同的测试目的选取合适的分类器与采集函数；最后初始化分类器，计算采集函数的数值，根据采集函数数值选取更加切合需求的下一智能汽车测试场景。与现有技术相比，本发明具有减少测试次数、提高测试效率，保证测试可信度等优点。

技术领域

本发明涉及智能网联汽车与智慧交通领域，尤其是涉及一种基于贝叶斯优化的智能汽车快速测试方法。

背景技术

随着人类收集、存储、传输、处理数据的能力取得了飞速提升，人类社会的各个角落都积累了大量数据，亟需能有效对数据进行分析利用的计算机算法，而人工智能技术恰适应了大数据时代的迫切需求。作为人工智能技术在交通领域的应用，自动驾驶技术迅速发展。自动驾驶技术在提升交通效率以及安全性方面具有极大潜力，基于自动驾驶技术的智能汽车具有广阔的市场前景。

智能汽车的自动驾驶系统依靠先进的传感设备感知周围环境，根据感知取得的环境信息对车辆行驶路径进行规划决策，并最终依靠车辆控制模块对车辆的行驶方向和速度进行控制。环境感知、规划决策、车辆控制三大模块互相联系，层层递进，最终实现自动驾驶。

智能汽车在一般道路上行驶时，需要应对各种复杂的交通环境和天气状况，如混合交通流环境、大雪及雾霾天气等。因此，智能车上路之前必须经过全面严格的测试，以保证交通安全。当前，对智能汽车驾驶水平的测试主要通过实地路测和测试场测试进行。根据美国兰德公司的研究报告，因为交通事故是极小概率事件，如果要证明智能汽车比人类驾驶安全性能高20％，实地路测或测试场测试约需要100辆车，一天24小时，全年无休测试225年，这是极难完成的任务。

另一方面，智能汽车的测试场景由多个动静态要素组成，场景要素的取值变化和相互组合导致具象测试场景(concrete scenario)数量大爆炸。以变道插入测试场景为例：若仅考虑动态(测试车辆速度、横向加速度、变道插入间距、后车速度)、静态(车道宽度)的5个关键要素，当各关键要素各取10个参数值，具象测试场景将达976万余个(5^10＝9765625)。若单个测试场景1分钟、虚拟测试加速比为10时，该类场景的遍历式测试共需1.86年(5^10÷(60分钟×24小时×365天×10加速比)＝1.86年)。由上可见，在覆盖高测试需求场景的基础上，仍需针对测试场景的多维参数组合开展加速测试方法的创新。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于贝叶斯优化的智能汽车快速测试方法。

本发明的目的可以通过以下技术方案来实现：

一种基于贝叶斯优化的智能汽车快速测试方法，包括下列步骤：

步骤一：首先基于现场交通场景，获得车辆的行驶场景关键参数，为关键参数确定取值范围与采样间隔，并组合关键参数，形成参数空间：

1.1、基于交通场景，确定行驶场景的关键参数，对于不同的交通场景，关键参数有所不同。如对于侧向插入场景，关键参数可以是自然驾驶车辆和换道车辆之间的速度差，自然驾驶车辆和换道车辆之间的距离等。

1.2、对于每个关键参数，确定取值范围，在这一取值范围中，参数的值是有意义的。如对于车速类参数，取值范围可以为0m/s-35m/s，车速不应小于0，在一般情况下不会超过35m/s，这一取值范围内的车速是有实际意义的。

1.3、对于每个关键参数，确定采样间隔，采样间隔决定了测试密度。如对于车速类参数，采样间隔可以为0.1m/s，0-35m/s这一速度区间共包含350个有意义的车速值；采样间隔也可以为1m/s，0-35m/s这一速度区间共包含35个有意义的车速值。