[发明专利]一种自动驾驶模拟仿真系统及其测试资源库建设方法

权利要求书

1.一种自动驾驶模拟仿真系统及其测试资源库建设方法，其特征在于，首先基于组合推理构建静态测试场景库，接着通过线上引流系统引入真人玩家进入测试系统并接管被试车辆周围干扰车、行人交通参与对象实现真实的动态场景模拟，同时提取针对性测试场景下的真人驾驶数据，基于深度学习人工智能算法训练智能交通模型构建动态交通模型库，补充/替代线上引流系统中的真人玩家，最后结合国内外的自动驾驶评价的经验和L1～L3级自动驾驶测试特点构建自动驾驶系统性能综合评价体系，所述的模拟仿真测试资源库包括“静态测试场景库”和“动态交通模型库”，所述的自动驾驶系统性能综合评价体系包含车辆智能性、驾驶安全性、驾驶舒适性和交通协调性这四方面，并基于多层次模糊综合评价方法得到综合性能评价值。

2.根据权利要求1所述的方法，其特征在于：所述的基于组合推理构建静态测试场景库的具体过程为以被试车与周围所有干扰车辆的相对位置与运动关系的排列组合所形成的复杂场景群为基础，利用组合推理方法和场景筛选规则，构建具有测试价值的各个层级及功能的典型静态测试场景库。

3.根据权利要求2所述的方法，其特征在于：所述组合推理方法具体步骤如下：

(1)确定复杂场景群：针对指定的道路交通环境，分析被试车和周围N个交通参与者可能的相对位置和运动方向的组合，以涵盖驾驶任务最复杂的组合或者可能引起交通事故的组合为前提条件，确定被试车和N个交通参与者的相对位置范围；

(2)筛选测试场景：设计场景筛选规则，从复杂场景群中筛选出有测试价值的场景组成正常行驶工况和预碰撞工况等场景群；

(3)确定参数：在筛选后的测试场景群中添加必要的约束条件，并覆盖全部的组合场景群。

4.根据权利要求2所述的方法，其特征在于：所述场景筛选规则具体为：

(1)脱离实际的场景，删除；

(2)相似场景中对被试车运动影响较小的场景，删除；

(3)对被试车运动影响相同的场景，只保留1个场景。

5.根据权利要求1所述的方法，其特征在于：所述的线上引流系统为基于智能手机、网页和驾驶模拟器等平台研发的多平台客户端，玩家通过网络登录自动驾驶仿真平台服务端，接管被试车辆周围干扰车、行人在内的交通参与对象，所述的动态交通模型库本质上是对应于静态测试场景库内所有测试场景的交通体模型集合“场景-智能体模型库”，集合内的元素为对应场景下的基于学习算法驱动的交通参与者模型。

6.根据权利要求5所述的方法，其特征在于：所述的车辆智能性从感知、路径规划、控制方面对所测自动驾驶算法进行评价，其中感知方面包括对信号灯相位、行人在内的对象的识别要求；路径规划方面包括对轨迹平稳，障碍规避在内的方面要求；控制方面是对规划结果执行的要求，如最大偏差、振荡次数及振荡周期。

7.根据权利要求5所述的方法，其特征在于：所述的驾驶安全性指被试车在道路上行驶时对其他交通参与者是否会造成危险，类似是否在红灯时在停止线内停车，是否冲撞行人，是否发生交通事故，所述的驾驶舒适性指被试车在道路上行驶期间驾驶员的驾乘体验和交互体验，测试期间，驾乘体验依据行驶过程中平台记录下的油门、刹车、转向状态，评估车辆驾乘是否平稳，转弯是否平顺；交互体验通过驾驶员在环，采用问卷的形式确定被试自动驾驶系统的操作品质在内的交互体验。

8.根据权利要求5所述的方法，其特征在于：所述的交通协调性指被试车在道路上行驶时相对其他交通参与者的交通移动表现，测试期间，通过行驶时间、交通流量、道路资源有效利用率在内的指标对交通协调性进行评价。

9.根据权利要求5所述的方法，其特征在于：所述的多层次模糊综合评价方法在确定自动驾驶系统性能综合评价体系后的具体步骤如下：

(1)指标类型一致化处理

定性指标量化表示为极大值型指标；

定量指标如极大值型、极小值型、居中型及区间型，转换为极大值型指标；

(2)指标无量纲化处理

指标进行无量纲化处理后才能进行加权综合，采用归一化处理法：

x_ij代表第j个指标在第i次测试时的被测值；

(3)指标权重的确定

采用基于“功能驱动”原理的序关系分析法来确定各指标的权值：

在指标集{x₁，x₂，...，x_j，...，x_m}中根据自定义评价准则依次选出最重要的指标；

按表1确定评价指标x_j-1与x_j之间的重要程度之比r_j(w_j-1/w_j)；

计算排序好的各指标对应的权重系数w_j：

w_j-1＝r_jw_j，j＝m，m-1，...，3，2 (3)

表1 r_j赋值表

j]]>	说明
1.0	j-1与指标xj同样重要]]>
1.2	j-1比指标xj稍微重要]]>
1.4	j-1比指标xj明显重要]]>
1.6	j-1比指标xj强烈重要]]>
1.8	j-1比指标xj极端重要]]>

(4)多层次模糊综合评价

在指标体系确定的基础上，针对单因素(某一层f评价指标)x_j(j＝1，2，...，m，m为指标个数)进行单因素评判，得到与评价等级y_k(k＝1，2，...，h，h为等级个数)间的隶属度l_jk，继而构成评价矩阵L

基于序关系法确定权重集W＝(w₁，w₂，...，w_j，...，w_m)，与评价矩阵L合成得到模糊综合评价模型C

由最下层开始计算，得到的结果组成上一级评价指标的评价矩阵，迭代得到总评价模型C_t

确定评价等级对应的分数集μ＝(μ₁，μ₂，...，μ_h)^T后计算综合得分G

G＝100C_tμ＝(c₁，c₂，...，c_h)·(μ₁，μ₂，...，μ_h)^T×100 (6)。