[发明专利]自动驾驶场景生成方法

说明书

本发明公开了一种自动驾驶场景生成方法，包括如下步骤：步骤1，基于主车和目标车的自然驾驶数据集得到场景参数的参数空间；步骤2，利用样本抽样方法得到一定数量的场景样本；步骤3，基于自动化仿真测试平台完成场景样本的测试；步骤4，基于测试结果对场景参数进行敏感性分析得到场景关键参数；步骤5，基于场景关键参数的参数空间和参数相关性分析进行泛化，得到具体场景序列。

技术领域

本发明涉及自动驾驶测试领域，具体涉及一种自动驾驶场景生成方法。

背景技术

在自动驾驶技术迭代过程中，自动驾驶测试是必不可少的一个环节，以充分验证自动驾驶系统的安全性和可靠性。考虑到测试效率和成本问题，仿真测试的优势是能够支持数以万计的场景的自动化测试而极大地降低了测试成本和提高了测试效率。

仿真场景是进行仿真自动化测试的基础，其包含道路要素、交通基础设施、交通参与者、天气环境等不同维度的要素，而场景要素维度的增加会直接导致仿真场景数量指数性爆炸。因此，在场景组成要素确定之后，如何对场景要素进行处理和组合来生成有效且对被测系统有意义的场景是非常重要的工作。

现有的场景生成方法，一方面是针对功能场景进行主观分析来获取场景组成要素，然后进行要素参数的组合来形成具体场景序列。另一方面是只针对感兴趣的场景参数进行分析，进行参数组合来形成具体场景序列。然而现有的生成方法存在以下几点局限性：1）选择场景要素缺乏理论依据，且生成的具体场景可能存在较多对系统测试无意义的场景序列；2）场景参数值的组合缺乏理论依据，依此生成的具体的场景可能存在较多无效场景序列。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何基于合理的方法提取场景关键要素并组合生成有效场景序列。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种自动驾驶场景生成方法，其特征在于，包括如下步骤：步骤1，,基于主车和目标车的自然驾驶数据集得到场景参数的参数空间；步骤2，利用样本抽样方法得到一定数量的场景样本；步骤3，基于自动化仿真测试平台完成场景样本的测试；步骤4，基于测试结果对场景参数进行敏感性分析得到场景关键参数；步骤5，基于场景关键参数的参数空间和参数相关性分析进行泛化，得到具体场景序列。

进一步的，步骤1中，主要通过对自然驾驶数据集进行场景切片后，对场景的参数值进行提取和统计，从而得到场景每个参数的参数空间；所述自然驾驶数据集包括主车的速度、纵向加速度和横向加速度，以及目标车的触发时刻纵向相对距离、触发时刻横向相对距离、初始速度、初始纵向加速度、初始横向加速度、变道纵向距离、变道横向距离、结束时刻纵向速度、结束时刻横向速度、结束时刻纵向加速度、结束时刻横向加速度和变道时间。

进一步的，步骤2中的场景样本是通过蒙特卡洛法和/或随机抽样法和/或重要性采样法对场景参数空间进行参数值的采样，然后组合得到场景样本。

进一步的，重要性采样法是基于场景参数空间的统计分布，利用重要性采样自动识别参数分布，针对其中分布密集的地方进行较细颗粒度的采样，分布稀疏的地方进行较粗颗粒度的采样，最后进行组合形成一定数量的覆盖较为全面的具体场景列表。

进一步的，步骤3中，场景样本的测试是通过自动化测试平台对场景样本进行测试，然后对需要观测的系统性能表现量进行记录，其中，系统性能表现量包括安全指标、舒适性指标和可靠性指标。

进一步的，所述安全指标包括主车的碰撞时间和跟车时距，所述舒适性指标包括主车的纵向加速度、横向加速度、纵向加加速度和横向加加速度；所述可靠性指标是指主车系统是否失效。

进一步的，步骤4中场景关键参数是基于所有的场景样本的场景值和测试结果，利用MIV法和/或随机森林树法和/或相关性分析法分析场景参数对系统性能表现量的影响程度分析，通过影响贡献度的排序筛选场景关键参数。