一种智能驾驶测试路线生成方法技术

本发明专利技术是一种智能驾驶测试路线生成方法，通过定义道路静态场景复杂度极其计算法方法，构建道路场景复杂度模型，过滤出高场景复杂度的路段，再通过地图工具，将各路段进行衔接，得到一条连续的高场景复杂度测试路线。本方法筛选后的路线，单位里程内的场景复杂度高，选择此路线可以增加驾驶辅助系统感知、融合的难度，提高系统运行负载，达到提升测试效率的目的。的。的。

【技术实现步骤摘要】
一种智能驾驶测试路线生成方法


[0001]本专利技术涉及智能驾驶测试领域，具体应用于整车智能驾驶测试道路选择。

技术介绍

[0002]目前，智能驾驶辅助系统的日趋成熟，具备驾驶辅助功能的汽车保有量逐年上升。智能驾驶辅助系统利用其丰富的车载传感器，通过对交通环境的感知，实现车辆的横向、纵向控制。使用智能驾驶辅助功能，有利于减少驾驶员长途驾驶带来的疲劳，提升驾驶舒适性。
[0003]在车型开发阶段，智能驾驶辅助系统整车道路测试是开发环节不可或缺的一环。但是开发阶段的MIL、SIL、HIL测试受限于测试平台，感知系统无法做到有效模拟，导致测试结果无法真实反映系统可靠性。目前智能驾驶辅助最有效的测试手段仍是整车道路测试。
[0004]智能驾驶整车路测最关键的测试要素是测试场景，测试人员需要验证系统在面对不同场景下的性能表现及稳定性。因此，实际道路测试累计的里程越多，测试场景越复杂，越有利于暴露系统缺陷与不足。通常，传统测试方式一般采取增加测试里程的方式，来增加场景覆盖度。但受限于开发周期、成本等因素，车型开发阶段的道路测试里程往往是有限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能驾驶测试路线生成方法，其特征在于，包括如下步骤：(1)定义道路静态场景复杂度模型及其计算方法：复杂度模型中包含核心场景元素，根据元素类型按布尔值与非布尔值分别计算单一场景要素复杂度Ci；(2)定义路段场景复杂度Cj作为客观指标，并引入历史故障系数对复杂度进行修正：将不同静态元素导致的历史故障比例作为修正系数k，对道路复杂度进行校正，使场景复杂度模型与历史故障保持正相关性，计算路段场景复杂度Cj：(3)采集真实道路场景，获得路段静态场景数量，并以Xkm对所有采集路面进行等分，统计计算每个Xkm道路内的路段场景复杂度Cj，在相同的颗粒度范围内对各路段进行横向比较，得到路段复杂度梯度模型；(4)测试路线生成:通过地图软件对离散的高复杂度路段进行连接，生成一条连续的高复杂度的测试路线。2.根据权利要求1所述的智能驾驶测试路线生成方法，其特征在于，所述步骤(1)中，核心场景元素是根据系统控制的关键参数以及历史测试故障数据进行确定，包括隧道、上方横穿、侵入车道、护栏、曲率、坡度、匝道、车道线和补丁路面/坑洼等。3.根据权利要求1所述的智能驾驶测试路线生成方法，其特征在于，所述步骤(1)中，计算单一场景要素复杂度Ci具体如下：对于布尔值类型要素，在场景中出现其自身复杂度Ci即为1，否则为0；对于非布...

【专利技术属性】
技术研发人员：郭军，邓晶，张衡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：