【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于交通法规权重的自动驾驶测试方法及电子设备。
技术介绍
1、近年来，自动驾驶技术的快速发展为全球交通运输领域带来了巨大的社会和经济效益。尽管自动驾驶技术已取得诸多突破，但自动驾驶系统的安全性以及合规性仍然是其大规模商业化应用的主要障碍；自动驾驶系统需要在复杂多变的交通环境中运行，具备自动驾驶系统的车辆在运行时不仅需要满足基本的无碰撞目标，更必须严格遵守交通法规。而自动驾驶系统作为自动驾驶汽车的大脑，在部署之前应当通过多样的测试场景对其进行规范精准的测试，来保障车辆的行驶安全性以及合法合规性。
2、相关技术中，自动驾驶系统的测试场景生成为基于gflownet（generative flownetwork，生成式流网络）的测试场景生成。该方法在较为复杂的交通场景生成中，例如车辆的加速、转向等行为需要结合多个时间步的信息进行处理时显得力不从心，因而使得生成的测试场景不够复杂和多样化；并且不能准确反映自动驾驶系统在复杂或高风险交通场景下的合规性表现。
技术实现思路b>
1本文档来自技高网...
【技术保护点】
1.一种基于交通法规权重的自动驾驶测试方法，应用于自动驾驶系统，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于交通法规的重要性权重，利用所述场景生成模型中的注意力机制，对所述词块向量序列中各个词块向量及其上下文进行学习，获得全局上下文表示，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于交通法规的重要性权重，利用Transformer模型中的自注意力机制，对所述词块向量序列中各个词块向量及其上下文进行学习，生成包含当前交通场景中交互信息的上下文表示，包括：
4.根据权利要求1所述的方法，其特...
【技术特征摘要】
1.一种基于交通法规权重的自动驾驶测试方法，应用于自动驾驶系统，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于交通法规的重要性权重，利用所述场景生成模型中的注意力机制，对所述词块向量序列中各个词块向量及其上下文进行学习，获得全局上下文表示，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于交通法规的重要性权重，利用transformer模型中的自注意力机制，对所述词块向量序列中各个词块向量及其上下文进行学习，生成包含当前交通场景中交互信息的上下文表示，包括：
4.根据权利要求1所述的方法，其特征在于，所述重要性权重通过下述方式设定：
5.根...
【专利技术属性】
技术研发人员：池剑磊，侯嘉旋，田野，张晓东，孙建国，
申请(专利权)人：西安电子科技大学，
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。