一种自动驾驶决策危险场景生成方法、系统、设备及介质技术方案

本发明专利技术涉及一种自动驾驶决策危险场景生成方法、系统、设备及介质，包括：提取实车道路测试中自动驾驶车辆发生司机接管情况时的场景的静态要素信息和动态要素信息；根据提取的静态要素信息和动态要素信息，建立动态要素行为模型；设定动态要素行为模型的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景；对构建出危险场景的参数组合进行聚类和拟合，生成该参数组合下的危险场景区域，本发明专利技术能够实现危险场景的高效生成，可以广泛应用于智能车辆领域中。可以广泛应用于智能车辆领域中。可以广泛应用于智能车辆领域中。

【技术实现步骤摘要】
一种自动驾驶决策危险场景生成方法、系统、设备及介质


[0001]本专利技术涉及智能车辆领域，特别是关于一种自动驾驶决策危险场景生成方法、系统、设备及介质。

技术介绍

[0002]近年来，智能车辆的高速发展得到越来越多人的关注，高等级的自动驾驶已经无需任何乘员操作。伴随着自动驾驶系统的复杂化，其安全性也成为人们最为关心的问题。决策作为自动驾驶系统重要的组成部分之一，在开发和部署之前有必要进行有效的测试。
[0003]总体上，自动驾驶的测试方法包括实车道路测试和模拟仿真测试，前者更具有代表性，但是安全性和成本问题十分受限；后者则成本更低且不存在安全问题，因此亦是实车测试前必不可少的过程。利用模拟仿真测试评估自动驾驶决策算法的表现并找出其失效问题具有重大的意义。模拟仿真测试的核心是构建仿真测试环境，面向决策算法开发阶段，则希望利用仿真测试环境找出决策算法的失效场景，又称为危险场景，从而为算法优化与提升做基础。
[0004]危险场景的生成方法大致包括两种，一是无数据情况下设计环境中交通参与者的对抗性行为模型，从而构建危险场景；但是由于没有真实数据的支撑，场景的设计与初始状态缺乏一定的可解释性。二是利用海量驾驶数据，通过改变对数据的采样，搜索并构建危险场景；这种方法能够高效生成危险场景，但是海量的数据在实车道路测试中难以获得。因此，高效合理地在仿真环境中构建面向决策测试的危险场景仍需要探索和研究。

技术实现思路

[0005]针对上述问题，本专利技术的目的是提供一种自动驾驶决策危险场景生成方法、系统、设备及介质，能够高效合理地在仿真环境中构建面向决策测试的危险场景。
[0006]为实现上述目的，本专利技术采取以下技术方案：第一方面，提供一种自动驾驶决策危险场景生成方法，包括：
[0007]提取实车道路测试中自动驾驶车辆发生司机接管情况时的场景的静态要素信息和动态要素信息；
[0008]根据提取的静态要素信息和动态要素信息，建立动态要素行为模型；
[0009]设定动态要素行为模型的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景；
[0010]对构建出危险场景的参数组合进行聚类和拟合，生成该参数组合下的危险场景区域。
[0011]进一步地，所述实车道路测试中自动驾驶车辆发生司机接管情况时的场景包括自动驾驶车辆自车和环境车的实时位置和速度以及环境车的种类和车道线位置。
[0012]进一步地，所述根据提取的静态要素信息和动态要素信息，建立动态要素行为模型，包括：
[0013]根据提取的静态要素信息和动态要素信息，建立场景的初始状态空间；
[0014]根据场景的初始状态空间，建立场景中各个环境车辆的动态要素行为模型。
[0015]进一步地，所述场景的初始状态空间S0为：
[0016]S0＝{q
e
,q1,q2,...,q
n
,l}
[0017]其中，q
e
表示自动驾驶车辆的物理状态；q
i
(i＝1,..,n)表示环境中除自动驾驶车辆自车外其他动态要素的物理状态；l表示道路结构信息。
[0018]进一步地，每一动态要素的物理状态为q＝{x,y,v
x
,v
y
}，其中，x,y分别表示动态要素的位置，v
x
,v
y
分别表示动态要素两个方向上的速度；
[0019]静态要素中的道路结构表示为l＝{g,w,c,(r1,r2,...,r
n
)}，其中，g,w,c分别表示道路的长度、宽度和曲率，(r1,r2,...,r
n
)表示车道的一系列参考点。
[0020]进一步地，所述设定动态要素行为模型的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景，包括：
[0021]设定动态要素行为模型的参数空间；
[0022]对设定的参数空间以一定的步长进行离散化；
[0023]采用优化搜索方法，根据离散化后的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景以及记录试验结果。
[0024]进一步地，所述采用优化搜索方法，根据离散化后的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景以及记录试验结果，包括：
[0025]采用Metropolis准则，离散化后的参数空间中选择一组参数组合，并以一定的搜索半径在与其相邻的参数范围内确定新的参数组合；
[0026]检测确定的新参数组合是否与已测试参数重复，如果重复，则重新随机选择；
[0027]根据检测后的参数组合，构建危险场景，并记录试验结果。
[0028]第二方面，提供一种自动驾驶决策危险场景生成系统，包括：
[0029]场景信息提取模块，用于提取实车道路测试中自动驾驶车辆发生司机接管情况时的场景的静态要素信息和动态要素信息；
[0030]模型构建模块，用于根据提取的静态要素信息和动态要素信息，建立动态要素行为模型；
[0031]参数组合确定模块，用于设定动态要素行为模型的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景；
[0032]危险场景区域确定模块，用于对构建出危险场景的参数组合进行聚类和拟合，生成该参数组合下的危险场景区域。
[0033]第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述自动驾驶决策危险场景生成方法对应的步骤。
[0034]第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述自动驾驶决策危险场景生成方法对应的步骤。
[0035]本专利技术由于采取以上技术方案，其具有以下优点：
[0036]1、本专利技术利用少量的道路测试接管数据在模拟仿真测试中构建多个危险场景，仿真环境的构建依托于真实测试数据，仿真中的静态要素和初始状态空间来源于真实场景，
能够实现危险场景的高效生成，从而加速决策算法的开发和验证。
[0037]2、本专利技术在仿真中构建的危险场景基于实车道路测试中采集的数据，是决策在道路中遇到的问题场景衍生而来，仿真场景中的静态要素与动态要素的初始状态均来源于真实接管数据，相对于人为设计场景，更具有合理性和代表性。
[0038]3、本专利技术在构建危险场景时，采用优化搜索方法确定每次模拟仿真测试中动态要素行为模型的参数组合，与遍历参数空间的方法相比，优化搜索方法在保留随机探索性的情况下，增强了对于危险场景的行为模型参数的局部探索，能够提高在全部参数空间中搜索危险场景对应的行为模型参数的效率，从而实现加速生成面向决策的危险场景。
[0039]综上所述，本专利技术可以广泛应用于智能车辆领域中。
附图说明
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶决策危险场景生成方法，其特征在于，包括：提取实车道路测试中自动驾驶车辆发生司机接管情况时的场景的静态要素信息和动态要素信息；根据提取的静态要素信息和动态要素信息，建立动态要素行为模型；设定动态要素行为模型的参数空间，确定每次模拟仿真测试中动态要素行为模型的参数组合，并构建危险场景；对构建出危险场景的参数组合进行聚类和拟合，生成该参数组合下的危险场景区域。2.如权利要求1所述的一种自动驾驶决策危险场景生成方法，其特征在于，所述实车道路测试中自动驾驶车辆发生司机接管情况时的场景包括自动驾驶车辆自车和环境车的实时位置和速度以及环境车的种类和车道线位置。3.如权利要求1所述的一种自动驾驶决策危险场景生成方法，其特征在于，所述根据提取的静态要素信息和动态要素信息，建立动态要素行为模型，包括：根据提取的静态要素信息和动态要素信息，建立场景的初始状态空间；根据场景的初始状态空间，建立场景中各个环境车辆的动态要素行为模型。4.如权利要求3所述的一种自动驾驶决策危险场景生成方法，其特征在于，所述场景的初始状态空间S0为：S0＝{q
e
，q1，q2，...，q
n
，l}其中，q
e
表示自动驾驶车辆的物理状态；q
i
(i＝1，..，n)表示环境中除自动驾驶车辆自车外其他动态要素的物理状态；l表示道路结构信息。5.如权利要求4所述的一种自动驾驶决策危险场景生成方法，其特征在于，每一动态要素的物理状态为q＝{x，y，v
x
，v
y
}，其中，x，y分别表示动态要素的位置，v
x
，v
y
分别表示动态要素两个方向上的速度；静态要素中的道路结构表示为l＝{g，w，c，(r1，r2，...，r
n
)}，其中，g，w，c分别表示道路的长度、宽度和曲率，(r1，r2，...，r
n
)表示车...

【专利技术属性】
技术研发人员：江昆，杨蒙蒙，刘小钰，杨殿阁，曹重，周伟韬，邓楠山，
申请(专利权)人：清华大学，
类型：发明
国别省市：