申请/专利权人:长安大学
申请日:2020-07-01
公开(公告)日:2024-04-23
公开(公告)号:CN112036001B
主分类号:G06F30/20
分类号:G06F30/20;G06Q10/06;G06F17/18
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2020.12.22#实质审查的生效;2020.12.04#公开
摘要:本发明公开了自动驾驶测试场景构建方法、装置、设备及可读存储介质,从真实交通场景中进行基元场景提取建立基元场景描述模型,从基元场景描述变量分布区间内选取描述变量取值,基于重要性抽样的蒙特卡洛方法对描述变量依据描述变量分布进行随机取样生成测试基元场景;根据测试任务中测试场景要素的参数测试基元场景按照重新组合的方法生成测试场景,本发明能够直接模拟实际复杂系统,有效解决复杂系统简化导致的结果失真问题,避免高维问题数值解误差随维数增加而迅速增加的维数灾难问题;采用高风险场景强化生成方法,用较小的计算开销生成较多的高风险场景,有效的增加生成场景中高风险场景的数量,降低低风险场景的数量,提高测试的效率。
主权项:1.一种基于基元场景的自动驾驶测试场景构建方法,其特征在于,包括以下步骤:步骤1、从真实交通场景中进行基元场景提取建立基元场景描述模型,采用高斯混合模型对基元场景描述模型中基元场景描述变量的分布进行估计;步骤2、根据基元场景描述模型,从基元场景描述变量分布区间内选取描述变量取值,采用基于重要性抽样的蒙特卡洛方法对描述变量依据描述变量分布进行随机取样生成测试基元场景;采用蒙特卡洛进行随机取样生成基元场景:设随机变量X表示蒙特卡洛方法生成的场景,x是X的一个场景样本,服从概率密度函数为fx的分布,设高风险场景集合为W,为了从生成的场景中选择高风险场景,定义高风险场景指示函数hx: 如果场景总体C中指示函数hx的期望为μ,方差为σ2;采用重要性抽样的条件下,总体期望μ为: 设场景总体中高风险场景出现的概率为p,则hx的期望μ=p,方差σ2=p1-p;gx为高风险场景发生概率较高的分布,其中称为重要性比率;利用蒙特卡洛方法生成n组场景样本xi,i=1,…,n,当样本容量较大时,依据大数定理,hx的样本均值以概率1收敛于期望μ,hx的期望μ的蒙特卡洛估计量为:步骤3、根据测试任务确定测试场景要素参数,将步骤S2生成的测试基元场景按照测试场景要素参数以重新组合的方法生成测试场景。
全文数据:
权利要求:
百度查询: 长安大学 自动驾驶测试场景构建方法、装置、设备及可读存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。