[发明专利]一种基于势场法和信息熵的自动驾驶安全性评价方法

说明书

本发明是一种基于势场法和信息熵的自动驾驶安全性评价方法。包括以下步骤：一、收集被测逻辑场景的相对发生概率；二、将被测算法的危险指标分为具体场景固有风险指标、具体场景失效风险指标、具体场景危险度、单逻辑场景危险度和多逻辑场景危险度；三、计算具体场景固有风险指标；四、计算被测算法在不同具体场景失效风险指标；五、计算被测算法在不同具体场景危险度；六、计算被测算法在单逻辑场景中的危险度；七、计算被测算法在多逻辑场景中的危险度。本方法可以用于自动驾驶汽车的测试流程体系中，并可应用于各类自动驾驶测试比赛之中，可以推动自动驾驶汽车的验证流程，具有广泛的应用前景。

技术领域

本发明属于自动驾驶汽车测试评价技术领域，具体的说是一种基于势场法和信息熵的自动驾驶安全性评价方法。

背景技术

随着高精度传感、人工智能、大数据等技术的发展，自动驾驶汽车已具备了技术上的可行性。当前，自动驾驶汽车的安全性验证成为了阻碍自动驾驶汽车量产上路的重要阻碍，如何评价自动驾驶汽车的安全性至今仍未形成明确的流程。当前评价方法多以单一测试用例下的通过性评价或者基于测试里程的人工干预次数评价，评价指标单一，难以满足高等级自动驾驶汽车的评价需求。由于自动驾驶汽车行驶场景多种多样，在对其进行安全性评价时，需考虑其在多种不同场景下的综合表现。

发明内容

本发明提供了一种基于势场法和信息熵的自动驾驶安全性评价方法，本发明基于势场法对逻辑场景中的一类测试用例进行整体评价获得单个逻辑场景中的综合评价结果，并使用信息熵确定不同逻辑场景的相对权重，最终加权获得被测算法在多个逻辑场景中的综合表现，解决了现有自动驾驶汽车安全性评价方法存在的上述问题。

本发明技术方案结合附图说明如下：

一种基于势场法和信息熵的自动驾驶安全性评价方法，包括以下步骤：

步骤一、对逻辑场景内参数概率分布使用高斯分布进行描述，收集被测逻辑场景的相对发生概率；

步骤二、基于场景测试特征，将被测算法的危险指标分为具体场景固有风险指标、具体场景失效风险指标、具体场景危险度、单逻辑场景危险度和多逻辑场景危险度；

步骤三、计算具体场景固有风险指标；

步骤四、计算被测算法在不同具体场景失效风险指标；

步骤五、计算被测算法在不同具体场景危险度；

步骤六、计算被测算法在单逻辑场景中的危险度；

步骤七、计算被测算法在多逻辑场景中的危险度。

所述步骤一的具体方法如下：

使用开源自然驾驶数据集或自建自然驾驶数据采集平台收集需要测试的逻辑场景要素数据，对同一逻辑场景内的不同场景要素分布范围使用高斯分布进行描述，如公式(1)，对不同逻辑场景的相对发生概率使用表格方式进行记

录，计算公式如(2)所示，所有逻辑场景的相对发生概率的和为1；

其中，x_ij为第i类场景要素在j处的取值；Pij为第i类场景要素在j处的概率；σ_i为第i类场景要素的标准差；μ_i为第i类场景要素的均值；

其中，P_h为第h种逻辑场景的相对发生频率；n_h为第h种逻辑场景在自然驾驶数据中的发生次数；n_all为自然驾驶数据中所有被测逻辑场景的发生总次数。

所述步骤二的具体方法如下：