[发明专利]一种危险驾驶场景数据随机生成方法及系统

说明书

本发明涉及一种危险驾驶场景数据随机生成方法及系统，利用变分自编码器输入即为输出的特性，将变分自编码器的解码器独立出来，通过在标准分布中采集随机数据来随机生成大量新的且符合原始数据概率分布的危险驾驶场景数据，解决了随机采样生成测试场景数据时误差较大且生成的数据量少的问题，实现了大量危险驾驶场景数据的快速准确生成，有利于提升自动驾驶测试技术的安全稳定性。

技术领域

本发明涉及自动驾驶测试技术领域，特别是涉及一种危险驾驶场景数据随机生成方法及系统。

背景技术

由于基于虚拟场景的自动驾驶测试技术的快速发展，因此，如何快速且准确地设计大量的危险驾驶测试场景并建立相应的场景库也愈发重要。目前，可以用于生成场景的方法主要包括以蒙特卡罗模拟法、快速搜索随机树为代表的基于随机采样的生成方法。然而，上述生成方法在生成测试场景数据时误差较大，并且不能一次性随机生成大量的危险测试场景数据。因此，亟需一种能够生成大量危险测试场景数据的方法及系统。

发明内容

本发明的目的是提供一种危险驾驶场景数据随机生成方法及系统，采用变分自编码器(VariationalAutoencode,VAE)随机生成大量新的而且符合原始数据概率分布的危险驾驶场景数据。

为实现上述目的，本发明提供了如下方案：

一种危险驾驶场景数据随机生成方法，所述方法包括：

获取诱发交通事故的危险驾驶场景属性，建立危险驾驶场景属性集；

基于Keras深度学习框架搭建VAE网络；

将所述危险驾驶场景属性集作为所述VAE网络的输入，结合反向传播算法对所述VAE网络进行训练优化，得到训练好的VAE网络；

提取所述训练好的VAE网络中的解码器，并从标准正态分布中采样若干随机数据，将所述随机数据输入所述解码器中，得到所述解码器输出的若干危险驾驶场景数据。

本发明还提供了一种危险驾驶场景数据随机生成系统，所述系统包括：

样本构建模块，用于获取诱发交通事故的危险驾驶场景属性，建立危险驾驶场景属性集；

网络搭建模块，用于基于Keras深度学习框架搭建VAE网络；

网络训练模块，用于将所述危险驾驶场景属性集作为所述VAE网络的输入，结合反向传播算法对所述VAE网络进行训练优化，得到训练好的VAE网络；

数据生成模块，用于提取所述训练好的VAE网络中的解码器，并从标准正态分布中采样若干随机数据，将所述随机数据输入所述解码器中，得到所述解码器随机输出的若干危险驾驶场景数据。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种危险驾驶场景数据随机生成方法及系统，利用变分自编码器输入即为输出的特性，将变分自编码器的解码器独立出来，通过在标准正态分布中采集随机数据来随机生成大量新的且符合原始数据概率分布的危险驾驶场景数据，解决了随机采样生成测试场景数据时误差较大且生成的数据量少的问题，实现了大量危险驾驶场景数据的快速准确生成，有利于提升自动驾驶测试技术的安全稳定。并且通过选取合适的超参数对VAE网络的参数进行训练优化，进一步提高了危险驾驶场景数据随机生成的准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种危险驾驶场景数据随机生成方法流程图；