【技术实现步骤摘要】
一种全域加速优化搜索的高风险驾驶场景辨识方法
[0001]本专利技术涉及汽车安全驾驶的
,特别涉及一种全域加速优化搜索的高风险驾驶场景辨识方法
。
技术介绍
[0002]自动驾驶汽车能够通过执行繁琐的
、
与驾驶有关的任务来大大减轻驾驶员的负担
。
自动驾驶汽车需要能够在各种交通流量
、
道路环境和天气条件下安全运行
。
否则,可能会发生由自动驾驶汽车带来的事故或碰撞等风险
。
鉴于此,必须对
AVs
进行彻底评估,以确保其驾驶能力,然后才能在公共道路上运行
。
[0003]目前,仅有少量配备低等级
(L0
‑
L2)
辅助驾驶功能的汽车可在真实公开道路上行驶
。
出于对安全性的考量,若一款配有高等级自动驾驶功能
(L3
‑
L5)
的汽车要上路行驶,至少需要完成里程数以亿计的测试和验证
。
单是对初版的自动驾驶原型车进行测试验证就需要花费数年时间,更不必说,自动驾驶汽车向高等级的演进过程中还需要不断迭代更新,而每次迭代又需要完成相同的巨量测试
。
耗时耗力的低效测试技术极度延缓了自动驾驶的大规模落地应用
。
[0004]目前,为了加速自动驾驶测试,基于场景的测试备受关注
。
然而,基于场景的测试同样面临海量的驾驶场景,并且大多数场景都很普通,没有安全
【技术保护点】
【技术特征摘要】
1.
一种全域加速优化搜索的高风险驾驶场景辨识方法,其特征在于,包括以下步骤:
S1、
通过切分模块将全域驾驶场景切分成若干个场景群;
S2、
通过辨识模块建立优化问题,并对各场景群进行数据收集,计算得到各场景群的风险程度,并根据风险程度值辨识出其中的风险场景群;
S3、
通过探索模块将在风险场景群中确定一个探索方向,并沿着探索方向将风险场景群切分成若干个场景子群,并找出其中的高风险场景,再判断是否找到足够的高风险场景;当判断找到足够的高风险场景,停止高风险场景辨识,当判断未找到足够的高风险场景,则返回步骤
S2。2.
如权利要求1所述的一种全域加速优化搜索的高风险驾驶场景辨识方法,其特征在于,步骤
S1
还包括以下步骤:
S11、
通过切分模块将全域驾驶场景离散成一个由单个驾驶场景组成的场景集合;
S12、
将离散后的场景集合进行归一化处理;
S13、
将处理后的场景集合进行切分,形成若干个等大小的场景群
。3.
如权利要求2所述的一种全域加速优化搜索的高风险驾驶场景辨识方法,其特征在于,全域驾驶场景离散具体为:其中,为全域场景的初始状态集合;当
i∈[0
,
n]
时,
X
i
为一个静态场景要素;当
i∈[n+1
,
n+m]
,
X
i
为一个动态场景要素;为
X
i
的定义域;被离散为:其中,
α
i
为代表离散化分辨率的常数;
X
i
,
max
为
X
i
的最大值;
X
i
,
min
为
X
i
的最小值
。4.
如权利要求3所述的一种全域加速优化搜索的高风险驾驶场景辨识方法,其特征在于,场景集合归一化具体为:其中,为归一化的全域场景集合;为归一化的全域场景初始状态集合,具体为:其中,为一个归一化的场景初始状态;为一个归一化的场景要素;为一个场景的归一化定义域;
g
为和之间的归一化映射,映射是一对一的,具体为:
5.
如权利要求4所述的一种全域加速优化搜索的高风险驾驶场景辨识方法,其特征在于,场景集合切分具体为:
其中,为一个场景群;
k
max
为场景群的数量,定义为:其中,是场景群的归一化初始状态集合,具体为:其中,为归一化场景群中的一个归一化初始状态;
p
为一个选中的要素的索引;第
p
个场景要素的定义域被切分成了
k
max
份,为第
p
个场景要素的定义域切成的第
k
个切片,具体为:其中,为第
p
个归一化的场景要素
【专利技术属性】
技术研发人员:胡笳,徐恬,赖金涛,严学润,王观,熊璐,
申请(专利权)人:同济大学,
类型:发明
国别省市:
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。