自动驾驶失效场景库的优化方法及系统、服务器及介质技术方案

本发明专利技术提供的自动驾驶失效场景库的优化方法及系统、服务器及存储介质，其通过分析自动驾驶路测过程中记录的失效事件数据，确定出各个因子的失效权重比，使用层次分析法综合得到测试场景的复杂度，进而确定不同场景对测试功能的重要程度、不同测试场景用例的优先级，实现对测试场景库的优化，对测试场景用例的设计、测试实施、测试后的评估都有着重要的意义；且本发明专利技术通过对各个因素进行层级分类，使各因素的失效权重比计算更加精确。

Optimization method, system, server and media of automatic driving failure scene database

【技术实现步骤摘要】
自动驾驶失效场景库的优化方法及系统、服务器及介质
本专利技术涉及自动驾驶中失效测试
，尤其涉及一种自动驾驶失效场景库的优化方法及系统、服务器及存储介质。
技术介绍
驾驶场景数据是智能网联汽车研发与测试的重要资源，是重新定义智能汽车等级的关键数据依据。场景库作为智能网联车的用例集，由于场景参数分布的连续性以及场景因子排列组合的多样性，测试场景用例也是无限量的。因此，对测试场景进行评价、标定各个场景的复杂度、确定测试的优先级显得尤为重要。
技术实现思路
有鉴于此，本专利技术实施例提供了一种自动驾驶失效场景库的优化方法及系统、服务器及存储介质，以解决现有自动驾驶测试场景用例的构建中，通过场景元素不同的排列组合，测试场景用例的个数呈比例式增长，对于每个场景用例的复杂度评定也没有相应的系统方法及标准，测试过程中未能明确出场景用例的优先级及重要程度等技术问题。本专利技术实施例的第一方面，提供了一种自动驾驶失效场景库的优化方法，所述自动驾驶失效场景库的优化方法包括如下步骤：对每个场景的因素进行归类划分，确定出各个类别的层级；根据路测事件集计算可量化因素在整个路测事件中的失效权重比；制作比例标度表，基于比例标度表构造判断矩阵，根据判断矩阵的特征向量计算出不可量化因素所占的失效权重比；根据各层级因素的失效权重比计算每个失效场景的复杂度，根据复杂度高低确定测试场景用例的优先级。本专利技术实施例的第二方面，提供了一种自动驾驶失效场景库的优化系统，所述自动驾驶失效场景库的优化系统包括如下功能模块：层级分类模块，配置为对每个场景的因素进行归类划分，确定出各个类别的层级；量化计算模块，配置为根据路测事件集计算可量化因素在整个路测事件中的失效权重比；矩阵计算模块，配置为制作比例标度表，基于比例标度表构造判断矩阵，根据判断矩阵的特征向量计算出不可量化因素所占的失效权重比；优先级确定模块，配置为根据各层级因素的失效权重比计算每个失效场景的复杂度，根据复杂度高低确定测试场景用例的优先级。本专利技术实施例的第三方面，提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述自动驾驶失效场景库的优化方法的步骤。本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述自动驾驶失效场景库的优化方法的步骤。本专利技术提供的自动驾驶失效场景库的优化方法，其通过分析自动驾驶路测过程中记录的失效事件数据，确定出各个因子的失效权重比，使用层次分析法综合得到测试场景的复杂度，进而确定不同场景对测试功能的重要程度、不同测试场景用例的优先级，实现对测试场景库的优化，对测试场景用例的设计、测试实施、测试后的评估都有着重要的意义；且本专利技术通过对各个因素进行层级分类，使各因素的失效权重比计算更加精确。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的自动驾驶失效场景库的优化方法的流程框图；图2为本专利技术实施例提供的自动驾驶失效场景库的优化方法中因素的层级分类图；图3为本专利技术实施例提供的自动驾驶失效场景库的优化系统的功能模块框图；图4为本专利技术实施例提供的服务器的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术实施例提供的一种自动驾驶失效场景库的优化方法，如图1所示，所述自动驾驶失效场景库的优化方法包括如下步骤：S1、对每个场景的因素进行归类划分，确定出各个类别的层级。因素的层级分类中，相邻两层级之间，下一层级因素是上一层级因素的具化分类；如图2所示，第一层(决策层)包括：动态场景、静态场景；第二层(中间层)包括静态场景的细化分类：天气、道路、光线强度等，和和动态场景的细化分类：自车速度、目标车速度等；第三层(因素层)包含具体的各类因素：例如天气中包含晴天、雨天、雪天、雾天等，通过上述层级分类，能够使各因素的失效权重比计算更加精确。S2、根据路测事件集计算可量化因素在整个路测事件中的失效权重比。所述可量化因素包括但不限于：晴天、雨天、雪天、雾天的天数，可量化因素在整个路测事件集中的失效权重比具体为：具有该因素出现的失效事件的概率。例如为计算雨天的失效权重比：实车路测累积天数n1天，其中雨天共n2天，记录的失效事件m2中，雨天出现的次数为m1，即：雨天的失效权重比为C1＝(m2/m1)/(n2/n1)，结合同类下其他天气(晴天C2、雪天C3、雾天C4)，得出雨天在路测事件集中所占失效权重比为：C1/(C1+C2+C3+C4)。S3、制作比例标度表，基于比例标度表构造判断矩阵，根据判断矩阵的特征向量计算出不可量化因素所占的失效权重比，其中，所述比例标度表用于设定因素对比的权重量化值，所述判断矩阵中包含的因素为同一类型因素。根据经验制作比例标度表，如下：因素i比因素j量化值同等重要1稍微重要3较强重要5强烈重要7极端重要9两相邻判断的中间值2，4，6，8基于比例标度表来量化判断矩阵中aij为要素i与要素j重要性比较结果，例如：摄像头LDW(车线偏离预警)中，对于摄像头车线识别的影响，根据经验设定雾天比晴天更加重要，查比例标度表得其量化值为5，反之，晴天与雾天相比后，量化值为1/5。将天气因素进行两两比较得到整个判断矩阵。如下表所示：晴天雨天雪天雾天晴天1335雨天1/3113雪天1/3113雾天1/51/31/31计算出判断矩阵的特征向量得到：晴天雨天雪天雾天特征向量(权重)晴天本文档来自技高网...

【技术保护点】
1.一种自动驾驶失效场景库的优化方法，其特征在于，所述自动驾驶失效场景库的优化方法包括如下步骤：/n对每个场景的因素进行归类划分，确定出各个类别的层级；/n根据路测事件集计算可量化因素在整个路测事件中的失效权重比；/n制作比例标度表，基于比例标度表构造判断矩阵，根据判断矩阵的特征向量计算出不可量化因素所占的失效权重比；/n根据各层级因素的失效权重比计算每个失效场景的复杂度，根据复杂度高低确定测试场景用例的优先级。/n

【技术特征摘要】
1.一种自动驾驶失效场景库的优化方法，其特征在于，所述自动驾驶失效场景库的优化方法包括如下步骤：
对每个场景的因素进行归类划分，确定出各个类别的层级；
根据路测事件集计算可量化因素在整个路测事件中的失效权重比；
制作比例标度表，基于比例标度表构造判断矩阵，根据判断矩阵的特征向量计算出不可量化因素所占的失效权重比；
根据各层级因素的失效权重比计算每个失效场景的复杂度，根据复杂度高低确定测试场景用例的优先级。


2.根据权利要求1所述自动驾驶失效场景库的优化方法，其特征在于，因素的层级分类中，相邻两层级之间，下一层级因素是上一层级因素的具化分类。


3.根据权利要求1所述自动驾驶失效场景库的优化方法，其特征在于，可量化因素在整个路测事件集中的失效权重比具体为：具有该因素出现的失效事件的概率。


4.根据权利要求1所述自动驾驶失效场景库的优化方法，其特征在于，所述比例标度表用于设定因素对比的权重量化值。


5.根据权利要求1所述自动驾驶失效场景库的优化方法，其特征在于，所述判断矩阵中包含的因素为同一类型因素。


6.根据权利要求1所述自动驾驶失效场景库的优化方法，其特征在于，在进行复杂度比较之前，根据上、下极端场景将场景复杂度映射为百分制。


7.根据...

【专利技术属性】
技术研发人员：王军德，周风明，郝江波，郑卫民，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：湖北;42