[发明专利]一种用于预期功能安全的场景测试评价方法与系统

说明书

本发明公开了一种用于预期功能安全的场景测试评价方法与系统，1)采集预期功能安全场景数据并存入数据库中，所述场景数据包括：理论分析得到的逻辑场景数据以及驾驶员自然驾驶中的场景数据；2)场景数据处理：3)对场景源空间集合进行样本扩充；4)根据扩充后的数据场景测试用例，用以虚拟或物理测试方法，进行自动驾驶系统设计的进行评价或修正。本发明利用场景数据库系统的方法，提供一种自动驾驶预期功能安全场景测试评价方法，提升了自动驾驶预期功能安全开发效率。

技术领域

本发明涉及汽车智能驾驶技术，尤其涉及一种用于预期功能安全的场景测试评价方法与系统。

背景技术

现如今，自动驾驶正朝着更高等级的驾驶辅助系统发展，为了满足道路车辆安全性，传统功能安全标准ISO 26262已无法覆盖分析由性能限制而引发事故的驾驶场景，ISO21448予以补充，弥补ISO 26262中无法覆盖的部分，ISO21448将SOTIF(Safety Of TheIntended Functionality，预期功能安全)定义为由预期功能不足或认为的合理可预见的误用所引起的危害，分析可能导致危害的原因，就需要一种有效且可操作的方法及系统对危害原因相关场景进行有效测试评价。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种用于预期功能安全的场景测试评价方法与系统。

本发明解决其技术问题所采用的技术方案是：一种用于预期功能安全的场景测试评价方法，包括以下步骤：

1)采集预期功能安全场景数据并存入数据库中，所述场景数据包括：理论分析得到的逻辑场景数据以及驾驶员自然驾驶中的场景数据，所述驾驶员自然驾驶中的场景数据包括交通监控、事故数据、采集到的驾驶员数据、地图和道路结构固有数据；

2)场景数据处理：

2.1)对所述驾驶员自然驾驶中的场景数据，从真实场景数据源的原始数据中提取驾驶场景元素信息和车辆自动行驶信息，将提取的信息转化为数据库可分析的格式，作为场景源数据；

基于7层要素对场景源数据进行分割，得到一系列的场景子元素A₁、A₂、……、A_n，并将子元素按照基于定义场景集结构细分为一系列的子集，如静态结构数据、天气环境等，记为A＝{A₁,A₂,A₃,……,A_n1},B＝{B₁,B₂,B₃,……,B_n2},……，Z＝{Z₁,Z₂,Z₃,……,Z_ni}，……，即得到所有场景源空间集合Ω＝{A,B,……,Z,……}；

7层要素包括自车要素、目标要素、交通设施要素、道路要素、天气要素、通讯要素；

2.2)对理论分析得到的逻辑场景数据，根据上述自然驾驶中的场景数据相同的划分在所有场景源空间集合中组合出对应的场景子集K₁、K₂、……、K_n；K_i＝{A_m,B_t,……,Z_s,……}；

3)对场景源空间集合进行样本扩充；

导出数据库中存储的数据场景，得到单个测试用例子类，并对子类采用模拟随机参数法进行扩充和评估，保留通过评估的样本；

具体如下：

在包含所有相关参数空间的场景源集合Ω中，在每个场景空间中找到所有相关的关键参数子集，所有相关场景空间内的参数随机变化来模拟以应对所有相关场景子空间，随机参数的变化以置信度3σ碰撞概率模型来评估，如果随机参数的变化是满足3σ模型置信区间的，那么接受该样本，否则丢弃；