【技术实现步骤摘要】
本专利技术属于自动驾驶，具体涉及一种自动驾驶仿真测试场景生成方法、系统、设备及存储介质。
技术介绍
1、随着自动驾驶技术的快速发展，确保自动驾驶车辆在各种复杂环境中都能安全可靠地运行已成为研究和工程实践中的重要课题。为了全面评估自动驾驶系统的安全性，必须对其进行广泛且深入的测试。
2、高质量的测试场景对于发现潜在系统问题至关重要，因为它们能够增加找到自动驾驶系统缺陷的可能性。然而，现有的测试方法往往生成的测试场景质量不高，主要原因在于其依赖预定义规则或随机生成策略的传统方法缺乏有效的探索机制，难以发现新的、潜在的危险情况。
技术实现思路
1、本专利技术针对上述问题，提供了一种自动驾驶仿真测试场景生成方法、系统、电子设备及存储介质，旨在提高测试效率和找到问题场景的成功率。
2、根据本公开实施例的第一方面，提供一种自动驾驶仿真测试场景生成方法，所述方法基于差分进化算法进行测试场景生成，包括以下步骤：
3、设置差分进化算法的缩放因子f、变异因子cr和最大迭代次数g，缩放因子f用来控制变异操作的步长，变异因子cr用来控制变异操作的概率；
4、初始化测试场景种群，包括设定初始种群的大小n，并生成随机测试场景作为初始种群；
5、判断当前测试迭代次数g是否大于最大迭代次数g，若大于则结束迭代；若小于，则基于缩放因子f、变异因子cr和最大迭代次数g，采用多精英个体引导策略对测试场景进行测试场景变异操作，生成变异场景xn；
6、
7、判断交叉场景xu的适应度值是否小于基准场景xg的适应度值，若大于则选择交叉场景xu加入下一代测试场景；否则选择基准场景xg加入下一代测试场景，所述基准场景xg为当前测试场景，所述适应度值为多个交通指标的线性加权和；
8、将下一代测试场景导入仿真器，被测自动驾驶软件执行测试场景设置的行驶任务，并记录关键数据；
9、基于记录的关键数据，分析是否发生交通事故，若发生交通事故则将测试场景加入危险场景库中；若未发生交通事故，则将测试场景放入历史场景库中；测试迭代数加1，并返回判断当前测试迭代次数g是否大于最大迭代次数g。
10、在一些实施例中，采用多精英个体引导策略对测试场景进行测试场景变异操作，具体包括以下步骤：
11、计算当前测试场景与上一代测试场景之间适应度值的相对改进率，若相对改进率未超过阈值，则从历史变异场景库中选择一个场景作为变异场景xn，否则根据多精英个体计算领导个体，包括以下步骤：
12、将目前测试场景种群中各个体根据适应度值降序排列，并选出前m个作为精英个体；
13、根据精英个体的适应度值计算加权平均，得出领导个体xe；
14、根据基准场景、领导个体以及从种群中随机选择的一个个体，生成变异场景xn。
15、在一些实施例中，生成变异场景xn具体表达式为：，xg为基准场景，f为缩放因子，xe为领导个体；xr是从种群中随机选择的另一个个体。
16、在一些实施例中，所述方法还包括动态调整缩放因子f，即根据缩放因子的初始值和最终值、当前迭代次数以及最大迭代次数g，使缩放因子f与当前迭代次数成反比。
17、在一些实施例中，所述方法还包括动态调整精英个体数量m，即精英个体数量m初始值为种群数n的一半，随当前迭代次数的增加逐渐减少。
18、在一些实施例中，将变异场景xn与基准场景xg交叉生成交叉场景xu，具体包括以下步骤：
19、针对每个场景包含的多个参数，遍历所有参数，将变异场景xn与基准场景xg交叉生成xu，参数的选择标准为：
20、生成一个 [0, 1] 区间内的随机数，若随机数小于变异因子cr，则参数选择变异场景xn的对应参数；否则选择基准场景xg参数。
21、在一些实施例中，适应度值f的计算公式为：
22、 f= w1⋅( maxdist− mindist)+ w2⋅(− lanedeviationcount)+ w3⋅(− trafficruleviolationcount)
23、其中， w1, w2, w3 分别为最小相对距离、车道偏离次数、交通规则违反次数设定的权重； maxdist表示被测车辆与npc车辆预设的最大安全距离， mindist表示被测车辆与npc车辆的最小相对距离， lanedeviationcount表示车道偏离的次数， trafficruleviolationcount表示违反交通规则的次数。
24、根据本公开实施例的第二方面，提供一种自动驾驶仿真测试场景生成系统，所述系统基于差分进化算法进行测试场景生成，包括：
25、变异操作设置模块，用于设置差分进化算法的缩放因子f、变异因子cr和最大迭代次数g，缩放因子f用来控制变异操作的步长，变异因子cr用来控制变异操作的概率；
26、测试场景初始化模块，用于初始化测试场景种群，包括设定初始种群的大小n，并生成随机测试场景作为初始种群；
27、测试场景变异操作模块，用于判断当前测试迭代次数g是否大于最大迭代次数g，若大于则结束迭代；若小于，则基于缩放因子f、变异因子cr和最大迭代次数g，采用多精英个体引导策略对测试场景进行测试场景变异操作，生成变异场景xn；
28、交叉场景生成模块，用于将变异场景xn与基准场景xg交叉生成交叉场景xu；
29、下一代测试场景选择模块，用于判断交叉场景xu的适应度值是否小于基准场景xg的适应度值，若大于则选择交叉场景xu加入下一代测试场景；否则选择基准场景xg加入下一代测试场景，所述基准场景xg为当前测试场景，所述适应度值为多个交通指标的线性加权和；
30、测试模块，用于将下一代测试场景导入仿真器，被测自动驾驶软件执行测试场景设置的行驶任务，并记录关键数据；
31、事故判断模块，用于基于记录的关键数据，分析是否发生交通事故，若发生交通事故则将测试场景加入危险场景库中；若未发生交通事故，则将测试场景放入历史场景库中；测试迭代数加1，并返回判断当前测试迭代次数g是否大于最大迭代次数g。
32、根据本公开实施例的第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程本文档来自技高网...
【技术保护点】
1.一种自动驾驶仿真测试场景生成方法，其特征在于，所述方法基于差分进化算法进行测试场景生成，包括以下步骤：
2.根据权利要求1所述自动驾驶仿真测试场景生成方法，其特征在于，采用多精英个体引导策略对测试场景进行测试场景变异操作，具体包括以下步骤：
3.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，生成变异场景Xn具体表达式为：，Xg为基准场景，F为缩放因子，Xe为领导个体；Xr是从种群中随机选择的另一个个体。
4.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，所述方法还包括动态调整缩放因子F，即根据缩放因子的初始值和最终值、当前迭代次数以及最大迭代次数G，使缩放因子F与当前迭代次数成反比。
5.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，所述方法还包括动态调整精英个体数量m，即精英个体数量m初始值为种群数N的一半，随当前迭代次数的增加逐渐减少。
6.根据权利要求1所述自动驾驶仿真测试场景生成方法，其特征在于，将变异场景Xn与基准场景Xg交叉生成交叉场景Xu，具体包括以下步骤：p>
7.根据权利要求1所述自动驾驶仿真测试场景生成方法，其特征在于，适应度值f的计算公式为：
8.一种自动驾驶仿真测试场景生成系统，其特征在于，所述系统基于差分进化算法进行测试场景生成，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述自动驾驶仿真测试场景生成方法的步骤。
10.一种非临时计算机可读存储介质，所述存储介质上存储有计算机指令，其特征在于，所述指令被处理器执行时实现如权利要求1至7任一项所述自动驾驶仿真测试场景生成方法的步骤。
...【技术特征摘要】
1.一种自动驾驶仿真测试场景生成方法，其特征在于，所述方法基于差分进化算法进行测试场景生成，包括以下步骤：
2.根据权利要求1所述自动驾驶仿真测试场景生成方法，其特征在于，采用多精英个体引导策略对测试场景进行测试场景变异操作，具体包括以下步骤：
3.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，生成变异场景xn具体表达式为：，xg为基准场景，f为缩放因子，xe为领导个体；xr是从种群中随机选择的另一个个体。
4.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，所述方法还包括动态调整缩放因子f，即根据缩放因子的初始值和最终值、当前迭代次数以及最大迭代次数g，使缩放因子f与当前迭代次数成反比。
5.根据权利要求2所述自动驾驶仿真测试场景生成方法，其特征在于，所述方法还包括动态调整精英个体数量m，即精英个体数量m初始...
【专利技术属性】
技术研发人员：刘川意，黄铄涵，姚博韬，林杰，李乐航，吴灏宽，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。