【技术实现步骤摘要】
一种自动驾驶测试场景中交通参与者复杂度的计算方法
本专利技术涉及自动驾驶汽车技术中的测试与评价领域，尤其是涉及一种自动驾驶测试场景中交通参与者复杂度的计算方法。
技术介绍
近年来，不管在学术还是工业界，自动驾驶汽车技术都是当前研究的热点之一。然而，伴随着自动驾驶技术飞速发展的同时，危险事故的频发使得一些以安全性为主的问题被逐步凸显。解决这些问题的手段之一是对自动驾驶汽车进行准确、充分且完备的测试。一个完备的测试过程，包括了在同一个环境下对被测对象进行多次测试后，用标准的评价指标对测试结果进行量化，然后反馈测试场景设计人员；设计人员根据评价结果对测试场景的安排和布置进行迭代和更新，用以加速自动驾驶汽车的测试过程，提高测试效率。但是，目前自动驾驶测试场景的评价缺乏统一标准，这其中包括对各自动驾驶车辆典型测试场景的复杂度评价，特别是测试场景中的动态交通参与者复杂度量化方法的相关研究，导致不同参数配置下的动态交通参与者以及测试场景的横向可比性较差。因此，自动驾驶测试场景中动态交通参与者的复杂度量化研究是本领域的一大空缺。
【技术保护点】
1.一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，包括以下步骤：/nS1：获取测试场景中所有类型交通参与者的动力学参数阈值R
【技术特征摘要】
1.一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，包括以下步骤：
S1：获取测试场景中所有类型交通参与者的动力学参数阈值Rtype；
S2：根据各交通参与者的初始状态和动力学参数阈值Rtype，计算得到对应的纵向采样距离集Stype；
S3：通过优化搜索算法得到纵向采样距离集Stype中每个采样距离对应的最优纵向控制量；
S4：根据采样距离和最优纵向控制量，计算预测时间t内各交通参与者的可达域Ωtype；
S5：根据各交通参与者的可达域Ωtype计算测试场景的交通参与者复杂度H。
2.根据权利要求1所述的一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，所述的动力学参数阈值Rtype的表达式为：
Rtype＝(A,D)
其中，type为交通参与者的类型，A为该类交通参与者的纵向最大加速度，D为该类交通参与者的纵向最小减速度。
3.根据权利要求2所述的一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，所述的交通参与者的初始状态包括初始位置S0、初始速度v0和初始加速度a0。
4.根据权利要求1所述的一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，所述的纵向控制量包括车辆沿纵向方向的加速度和减速度。
5.根据权利要求3所述的一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，所述的纵向采样距离集Stype中包括预测时间t内，对应交通参与者在初始状态和动力学参数阈值Rtype下，能够到达的位置与初始位置S0的纵向距离。
6.根据权利要求1所述的一种自动驾驶测试场景中交通参与者复杂度的计算方法，其特征在于，所述的步骤S3具体包括：
S31：初始化第j个采样距离的纵向控制量
S32：计算对应交通参与者在纵向控制量下，预测时间t内能够到达的纵向距离Si；
S33：判断计算得到的纵向距离Si是否等于该采样距离对应的预设纵向距离Sj，若是，则输出当前纵向控制量作为该采样距离的最优纵向控制量Uj*，否则执行步骤S34；
S34：向使得该采样距离横向距离X最大化的方向优化搜索，更新纵向控制量并返回执行步骤S32；<...
【专利技术属性】
技术研发人员：陈君毅，张灵童，马依宁，邢星宇，吴旭阳，熊璐，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。