[发明专利]自动驾驶汽车测试场景库的构建方法

权利要求书

1.一种自动驾驶汽车测试场景库的构建方法，其特征在于：其步骤是：

S1.场景描述与场景关键变量参数化

切入场景的关键因素被简化为两个维度：

X＝[R,V_e]^T (1)

其中R和V_e表示在切入时刻的距离和速度，即前车后保险杠与本车前保险杠之间的纵向距离和速度，X为所有关键变量的集合；

S2、对自然驾驶数据进行分析，提取切入场景原始数据

对于每个切入事件，切入时刻由前方车辆越过车道标记时的时间瞬间确定，并记录该时刻的距离和速度以进行分析，设计了以下查询条件：①车辆在切入时间的速度；②切入时间的相对距离；

S3、对切入场景数据进行拟合，采用多参数吉布斯抽样方法进行采样生成原始场景库R^-1为距离R的倒数，用对数正态分布来描述，通过以下概率密度函数对R^-1进行采样：

其中R^-1表示自我车和前车之间距离的倒数，μ和σ是正态分布的均值和方差参数；

V_e通过采用如下等式的指数分布进行拟合：

其中λ是指数分布的速度参数，然后采用多参数吉布斯抽样方法，根据上述概率分布函数对自然驾驶数据采样生成原始场景库；

S4、设计场景风险函数

定义场景的风险如下所示：

W(X|θ)＝P(Y|X,θ)P(X|θ) (4)

其中X表示测试场景库的关键变量，θ表示测试场景库的预定参数，Y表示切入场景事故事件，W(X|θ)表示场景的风险，P(Y|X,θ)表示汽车在切入场景中的机动挑战，P(X|θ)表示切入场景发生在道路中的发生频率；

S5、设计切入场景辅助目标函数

通过最小归一化正增强碰撞时间估计机动挑战，ETTC是针对不同速度场景的最广泛使用的安全评估指标之一，被定义为：

其中R(t)和V_e(t)为时刻t时的距离和距离率，u_r(t)为相对加速度，ETTC为碰撞时间，采用了一个归一化因子，表示为U_I，并通过自然驾驶数据分析进行校准，ETTC的负值将设置为1，然后，最小的归一化正ETTC为：

mnpETTC(t)＝min_tnpETTC(t) (6)

其中：

场景的发生频率是通过场景与公共集合之间的距离来估计的，公共集由自然驾驶数据分析确定，距离定义为：

其中：Ω表示公共集，m_d表示关键变量的维度，U_F,i表示第i个维度的归一化因子，y表示为在公共集的其他关键变量，y_i表示在公共集的第i个其他变量，X_i表示第i个关键变量，参数有自然驾驶数据校正；

切入案例的辅助目标函数如下所示：

其中J(x)表示辅助目标函数，mnpETTC表示最小归一化碰撞时间，d(X,Ω)表示场景变量X和高发生频率区域Ω之间的距离，ω表示平衡这两项的权重系数；

S6、代理模型构建，分析自然驾驶数据，利用自然驾驶数据校准模型

一个校准的智能驾驶模型被选为切入事件后汽车跟随行为的代理模型：

其中k表示离散时间步长，u表示加速度，α_IDM、β_IDM、c_IDM、L_IDM是常数参数，并且：

其中s₀、b_IDM和T是常数参数，添加了加速度和速度的约束为：

v_min≤v≤v_max,a_min≤u≤a_max (12)

事故事件定义为范围小于阈值，即R(t)＜d_acci；

S7、使用风险函数搜索关键场景，辅助目标函数提供搜索方向，生成测试场景库。

2.根据权利要求1所述的自动驾驶汽车测试场景库的构建方法，其特征在于：关键场景的阈值确定为：

其中N为切入场景的总数。