CN109992884B - 基于最差场景搜索的自动驾驶车辆功能测评方法 - Google Patents

基于最差场景搜索的自动驾驶车辆功能测评方法 Download PDF

Info

Publication number
CN109992884B
CN109992884B CN201910255605.8A CN201910255605A CN109992884B CN 109992884 B CN109992884 B CN 109992884B CN 201910255605 A CN201910255605 A CN 201910255605A CN 109992884 B CN109992884 B CN 109992884B
Authority
CN
China
Prior art keywords
automatic driving
worst
function
tested
scene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910255605.8A
Other languages
English (en)
Other versions
CN109992884A (zh
Inventor
罗禹贡
齐蕴龙
李克强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201910255605.8A priority Critical patent/CN109992884B/zh
Publication of CN109992884A publication Critical patent/CN109992884A/zh
Application granted granted Critical
Publication of CN109992884B publication Critical patent/CN109992884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于最差场景搜索的自动驾驶车辆功能测评方法，该方法首先基于待测的自动驾驶功能，建立与环境相关联的功能表现参数；然后通过仿真的方法搜索到与最差功能表现参数对应的最差场景；然后通过在实际测试场地复原所述最差场景，对待测的自动驾驶功能进行测试。如果在所述最差场景下待测的自动驾驶功能满足于最差运行要求，则待测的自动驾驶功能通过测试与评价；如果不能满足于最差运行要求，则待测的自动驾驶功能不能通过测试，需要调整功能边界。本发明面对自动驾驶功能测试难的问题，提出了全新的解决方案，解决了自动驾驶功能实际落地问题。

Description

基于最差场景搜索的自动驾驶车辆功能测评方法
技术领域
本发明涉及智能交通技术领域，具体涉及一种基于最差场景搜索的自动驾驶车辆测试测评方法
背景技术
如何能够让自动驾驶技术安全落地是目前亟需解决的问题，解决这一问题不仅需要进一步完善自动驾驶技术，而且需要发展合适的自动驾驶测试测评技术。自动驾驶技术所面临的主要测试难题为场景参数复杂多变，若依照传统车辆测试方法则测试量巨大，实际应用价值低。相比较自动驾驶的感知、决策与控制相关的研究，关于自动驾驶测试测评的理论研究还较缺乏。尤其是在确保自动驾驶安全的前提下，如何减少测试量，还需要理论与方法上进一步的研究。
发明内容
为此，本发明提供了一种基于最差场景搜索的自动驾驶车辆功能测评方法。该方法基于仿真平台，采用寻优方法找出使得功能参数表现最差的最差场景，然后在实际测试场地，针对该最差场景进行测试，验证车辆自动驾驶功能，由于该最差场景覆盖了其他大量场景的恶劣性，所以只要测试在该最差场景下的自动驾驶功能即可，其他场景下也一定能满足。
本发明解决以上技术问题所采用的技术方案如下：一种基于最差场景搜索的自动驾驶车辆功能测评方法，该方法基于待测的自动驾驶功能，建立与环境相关联的功能表现参数；然后通过仿真的方法搜索到与最差功能表现参数对应的最差场景；再通过在实际测试场地复原所述最差场景，对待测的自动驾驶功能进行测试。
其中，通过仿真的方法搜索到与最差功能表现参数对应的最差场景的步骤是：
S1：基于仿真平台，建立车辆模型，包括根据待测的自动驾驶功能确定的车辆关键一致性参数；
S2：基于仿真平台，建立虚拟运行环境，并依运行情况确定自动驾驶的初始场景及对应的环境参数；
S3：依据待测的自动驾驶功能和运行环境，设计待测的自动驾驶功能所对应的功能表现参数；
S4：通过搜索的方法找到与最差功能表现参数相对应的一组最差环境参数，进而搜索到与最差环境参数对应的最差场景。
进一步地，还包括基于实地测试而对仿真平台中车辆关键一致性参数进行调整的步骤。
进一步地，在实际测试场地对待测的自动驾驶功能进行测试时，如果在所述最差场景下待测的自动驾驶功能满足于最差运行要求，则待测的自动驾驶功能通过测试与评价；如果在所述最差场景下待测的自动驾驶功能不能满足于最差运行要求，则待测的自动驾驶功能不能通过测试，需要调整功能边界。
本发明面对自动驾驶功能测试场景参数复杂多变的难题，提出了全新的解决方案，通过采取仿真建模搜索最差场景的方法，确定自动驾驶功能验证的最恶劣条件，率先确定最差(或者相对较差)场景，能够在保证测试效果的前提下，降低实际场地测试量，从而减少了测评所需时间，降低了测评成本，同时提高了对自动驾驶功能，尤其是安全性的测评效果，有助于加速自动驾驶技术的推广。
本发明的其他特征和优点将在随后的说明书中阐述，并且部分的从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。
图1示出了本发明的基于最差场景搜索的自动驾驶车辆功能测评方法流程图；
图2示出了本发明实施例的待测试自动换道功能的换道场景；
图3示出了本发明实施例的待测试自动换道场景坐标系的建立和各车初始位置参数。
具体实施方式
下面结合附图和实施例对本发明技术方案进行详细的描述，但本领域的技术人员应该知道，以下实施例并不是对本发明技术方案作的唯一限定，凡是在本发明技术方案精神实质下所做的任何等同变换或改动，均应视为属于本发明的保护范围。
图1所示为本发明所提出的基于最差场景搜索的自动驾驶车辆功能测评方法流程图。在整体流程中，大体可按以下步骤进行：
一，建立仿真平台
基于仿真软件建立车辆模型，主要依据车辆参数和传感器配置对仿真模型进行设置，并依据待测自动驾驶功能及功能对应的边界条件，确定保证仿真与实际场地测试一致的关键一致性参数(CCPs)和对应各关键一致性参数的允许范围，如车辆动力学参数、外形参数、传感器参数。
上述建模参数可通过场地实验，对仿真平台的CCPs随时进行调整，以确保仿真平台满足一定的精度。
同时基于仿真软件建立虚拟运行环境，环境是动态变化的，环境参数(CPs)包括道路参数、天气参数、交通指示参数、干扰车辆参数、行人参数、非机动车辆参数、道路其它参与者参数等。
并根据该自动驾驶功能边界条件，确定环境参数的边界。
二，确定初始场景及参数
在虚拟环境中根据需要测试的自动驾驶功能和运行情况，同时依据车辆基本特性分析，生成仿真中的初始场景及对应的环境参数。
三，危险场景搜索
基于多仿真软件联合的仿真平台，结合关键一致性参数、运行环境、初始场景、环境参数边界等，搜索危险场景，将最差场景搜索问题转换为优化问题进行求解。以关键一致性参数、运行环境、初始场景、环境参数边界等为输入，优化的目标是通过搜索自动驾驶最差功能表现参数(WFP)，找到与自动驾驶最差功能表现参数(WFP)所对应的最差场景WFC。
其中，功能表现参数(FP)需依据自动驾驶功能和功能所运行的场景进行设计，如在进行自动驾驶换道功能测评过程中，该参数的数值大小与自动驾驶车辆与其它车辆的相对速度和相对距离等因素相关。
四，最差场景输出
基于寻优停止条件(寻优目标被找到)，通过判断待测自动驾驶功能的主要场景是否已被覆盖，找出最差功能表现参数(WFP)对应的一组环境参数，然后由该组环境参数构造的一组场景作为输出，该场景即为对应该自动驾驶功能的最差场景(WFC)。在后续针对该自动驾驶功能的场地测试中，可仅针对该最差场景(WFC)进行测试，验证车辆性能，避免了为了满足试验覆盖性而需要的大量场地测试，从而降低测试成本。
五，实地测试
将最差场景再现于实际测试场地，如果待测自动驾驶功能在最差场景(WFC)对应的场地测试结果不能满足对该功能的要求，则说明该自动驾驶功能不能通过测试，或该自动驾驶功能的功能边界设定不合理，可通过仿真平台搜索功能边界，对功能边界重新进行界定；如果待测自动驾驶功能在最差场景(WFC)对应的场地测试结果能满足对该功能的要求，则说明该自动驾驶功能通过了测试。
下面结合图2，通过对自动驾驶车辆的换道功能进行测评分析，具体说明本发明的实施方式。
该换道功能描述与换道场景如图2所示。图中，VUT为待测试的自动驾驶车辆(vehicle under test),C11,C12,C21,C22为干扰车辆，代表被测车辆原车道与目标车道中的其它车辆，由于这些车辆对被测车辆的换道过程将起到一定的干扰作用，所以称这些车辆为干扰车辆。
VUT的目标为从高速车道换入C11,C12之间的低速车道位置。依据待测功能确定关键一致性参数(CCPs)，包括待测车辆动力学参数、外形参数(车辆宽度W，车辆长度L，这里假设5辆车的外形参数一致)、传感器参数，以及场景参数(干扰车辆数量，道路宽度WL)，通过实际场地测试与测量，确定上述参数，并使用测量的参数对仿真平台进行调整。
初始场景参数包括各车辆的初始位置和干扰车每时刻的车速。为了能够进一步表示车辆相对位置关系，建立如图3所示的固定在道路的坐标。5辆车的车速分别为VT,VC11，VC12，VC21，VC22。图中(xi,yi)为i车的位置坐标，(x0i,y0i)为i车在t＝0时刻的初始位置，设VUT在t＝0时刻的初始位置为(0,0)。针对待测的换道功能，设计功能表现参数(FP)，用以量化自动驾驶车辆在换道过程中的危险度，通过将危险度最高作为搜索目标，即可找到针对自动驾驶车辆换道功能的最差场景(WFC)。
由于对车辆动力学的要求较为严格，而暂不涉及感知系统验证，如传感器选型与配置，所以在建立仿真平台时集成了车辆动力学仿真软件Carsim。相应的车辆场景与车辆运动学信息参数由Matlab/Simulink实现。同时使用Matlab中集成优化工具箱作为优化工具。
以干扰车辆C12的参数为例，最终优化结果如下，当干扰车辆C12的初始位置与各时刻加速度为：
[x0C12＝-49ac12＝-1.78|t＝0s ac12＝0.178|t＝1s
ac12＝-1.21|t＝2s ac12＝-0.523|t＝3s ac12＝-1.48|t＝4s ac12＝1.74|t＝5s]
时发生最危险场景。可以看出，当目标车道的后方车辆先减速后加速时，待测自动驾驶换道将产生较大的危险。
将得到的最差场景(WFC)对应的各车初始位置与干扰车各时刻车速在场地中复原，进行场地实验，从而得到自动换道功能在对应场景可能的最差表现，依据该最差表现对待测自动换道功能进行评价。
以上仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种基于最差场景搜索的自动驾驶车辆功能测评方法，其特征在于：该方法基于待测的自动驾驶功能，建立与环境相关联的功能表现参数；然后通过仿真的方法搜索到与最差功能表现参数对应的最差场景；再通过在实际测试场地复原所述最差场景，对待测的自动驾驶功能进行测试；
其中，通过仿真的方法搜索到与最差功能表现参数对应的最差场景的步骤是：
S1：基于仿真平台，建立车辆模型，包括根据待测的自动驾驶功能确定的车辆关键一致性参数；
S2：基于仿真平台，建立虚拟运行环境，并依运行情况确定自动驾驶的初始场景及对应的环境参数；
S3：依据待测的自动驾驶功能和运行环境，设计待测的自动驾驶功能所对应的功能表现参数；
S4：通过搜索的方法找到与最差功能表现参数相对应的一组最差环境参数，进而搜索到与最差环境参数对应的最差场景；
在实际测试场地对待测的自动驾驶功能进行测试时，如果在所述最差场景下待测的自动驾驶功能满足最差运行要求，则待测的自动驾驶功能通过测试与评价；如果在所述最差场景下待测的自动驾驶功能不能满足最差运行要求，则待测的自动驾驶功能不能通过测试，需要调整功能边界；
调整功能边界包括对车辆关键一致性参数进行调整。
CN201910255605.8A 2019-04-01 2019-04-01 基于最差场景搜索的自动驾驶车辆功能测评方法 Active CN109992884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910255605.8A CN109992884B (zh) 2019-04-01 2019-04-01 基于最差场景搜索的自动驾驶车辆功能测评方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910255605.8A CN109992884B (zh) 2019-04-01 2019-04-01 基于最差场景搜索的自动驾驶车辆功能测评方法

Publications (2)

Publication Number Publication Date
CN109992884A CN109992884A (zh) 2019-07-09
CN109992884B true CN109992884B (zh) 2021-06-22

Family

ID=67131235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910255605.8A Active CN109992884B (zh) 2019-04-01 2019-04-01 基于最差场景搜索的自动驾驶车辆功能测评方法

Country Status (1)

Country Link
CN (1) CN109992884B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110553853B (zh) * 2019-08-06 2020-11-20 清华大学 基于场地下较差场景搜索的自动驾驶功能测试测评方法
CN111290370B (zh) * 2020-03-03 2021-07-23 腾讯科技（深圳）有限公司 一种自动驾驶性能检测方法和装置
CN111814308B (zh) * 2020-06-08 2024-04-26 同济大学 一种面向自动驾驶系统的加速测试系统
CN113158560B (zh) * 2021-04-09 2024-02-09 中国科学院合肥物质科学研究院 一种基于场景对抗的智能驾驶车辆自主能力测试方法
CN113514254B (zh) * 2021-04-30 2022-05-17 吉林大学 一种针对自动驾驶仿真的并行加速测试方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9128190B1 (en) * 2013-03-06 2015-09-08 Google Inc. Light steering device with an array of oscillating reflective slats
CN104658368A (zh) * 2014-11-14 2015-05-27 武汉科技大学 一种仿真的船舶操舵模拟器及模拟方法
CN104627069B (zh) * 2015-02-06 2018-06-26 江苏大学 一种车辆防追尾系统及其方法
CN108376061B (zh) * 2016-10-13 2019-12-10 北京百度网讯科技有限公司 用于开发无人驾驶车辆应用的方法和装置
CN108267322A (zh) * 2017-01-03 2018-07-10 北京百度网讯科技有限公司 对自动驾驶性能进行测试的方法和系统
CN109324539A (zh) * 2018-08-28 2019-02-12 山东省科学院自动化研究所 一种自动驾驶封闭测试场的智能控制平台及方法
CN109213126B (zh) * 2018-09-17 2020-05-19 安徽江淮汽车集团股份有限公司 自动驾驶汽车测试系统和方法
US11341295B2 (en) * 2018-09-27 2022-05-24 Intel Corporation Methods, systems, and devices for efficient computation of simulation runs

Also Published As

Publication number Publication date
CN109992884A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN109992884B (zh) 基于最差场景搜索的自动驾驶车辆功能测评方法
CN110333730B (zh) 自动驾驶算法预期功能安全的验证方法、平台及存储介质
CN106874597B (zh) 一种应用于自动驾驶车辆的高速公路超车行为决策方法
CN110673590B (zh) 自动驾驶系统可靠性判断方法、装置、设备及存储介质
CN113010967B (zh) 一种基于混合交通流模型的智能汽车在环仿真测试方法
CN111795832B (zh) 一种智能驾驶车辆测试方法、装置及设备
Zhou et al. A framework for virtual testing of ADAS
Abdulkhaleq et al. Using STPA in compliance with ISO 26262 for developing a safe architecture for fully automated vehicles
CN106598053A (zh) 一种自动驾驶车辆横向运动控制对象选择方法
JP2017521745A (ja) 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置
CN106971624A (zh) 超车预警的方法和装置
CN113340615B (zh) 一种汽车自动驾驶功能模拟测试系统及方法
CN112046503A (zh) 一种基于人工智能的车辆控制方法、相关装置及存储介质
CN104834776A (zh) 一种微观交通仿真中交通车辆建模仿真系统及方法
CN113848914B (zh) 动态环境下碰撞系数人工势场法局部路径规划方法
Mo et al. Simulation and analysis on overtaking safety assistance system based on vehicle-to-vehicle communication
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN109204315A (zh) 变换车道的方法、装置、存储介质和电子设备
CN113640017A (zh) 商用车自动紧急制动系统的测试评价系统及方法
Girard et al. Intelligent cruise control applications: Real-time embedded hybrid control software
CN116434523A (zh) 信息感知场景下基于约束度的车辆主动安全管控方法及装置
CN112131697B (zh) 一种智能集卡的仿真测试方法、装置及平台
CN110008577B (zh) 基于最差全局危险度搜索的车辆自动换道功能测评方法
US11772653B2 (en) Vehicle control device, vehicle control method, and non-transitory computer readable storage medium
CN118043250A (zh) 机动车辆驾驶操控的轨迹规划方法、计算机程序产品、计算机可读存储介质及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant