CN115080388A - 一种面向自动驾驶系统的仿真测试场景生成方法 - Google Patents

Abstract

本发明公开了一种面向自动驾驶系统的仿真测试场景生成方法。本方法包括：1)根据测试需求确定待生成测试场景中的场景元素及其可选值，以及场景元素取值组合的约束；2)设定抽象场景数量N和覆盖强度K，迭代地生成N个满足场景元素取值约束的抽象场景；3)将生成的N个抽象场景映射为N个逻辑场景，并将每个所述逻辑场景分别实例化为多个具体场景；4)使用启发式方法，以添加交通参与者的方式，对所述具体场景进行扰动，生成仿真测试场景。本发明能够在一定的测试场景数量限制内，达到抽象场景层面的高覆盖率，并在抽象场景实例化为逻辑场景后，实现相比随机采样更高的碰撞场景生成比例。

Description

一种面向自动驾驶系统的仿真测试场景生成方法

技术领域

本发明涉及自动驾驶系统测试领域，特别是涉及一种面向自动驾驶系统的仿真测试场景生成方法。

背景技术

自动驾驶技术不断发展，并逐渐投入实用。然而，近年来与自动驾驶汽车相关的安全事件频发，其中包括多起导致人员伤亡的事故。安全性已成为自动驾驶技术走向成功的关键因素。

对自动驾驶技术进行系统性测试，是保障自动驾驶安全性的主要手段之一，也是自动驾驶在工程实施过程中的必要步骤。其中，基于仿真的测试是被广泛推荐的一种测试方法。

仿真环境可以模拟真实世界中的传感器信息，提供给自动驾驶系统，并接收自动驾驶系统的控制信号，进行动力学仿真，改变仿真环境中的车辆状态，实现对自动驾驶系统的整体测试。此外，仿真环境也可以将感知结果提供给自动驾驶系统，替代感知模块，实现针对决策、控制模块的测试。

仿真场景可以由三种不同的抽象层次描述，包括：

1.抽象场景：对场景定性的描述。抽象场景以“元素-取值”的形式描述(例如，天气：晴；道路类型：T字路口；驾驶动作：左转；…)，这些元素及其可选的取值由专家经验获得。

2.逻辑场景：一组参数及其取值范围(例如，降雨程度：[0.3,0.5]；行人数量：[5,10]；…)。其中，每个参数对应仿真环境中的一个可配置的变量。

3.具体场景：一组参数及其具体取值(例如，降雨程度：0.4；行人数量：10；…)。具体场景的参数与逻辑场景的参数一一对应。

尽管基于仿真的测试已有诸多技术支持，但在具体实施时，构造高覆盖率且有效的测试场景，并发现自动驾驶系统存在的问题，仍然面临以下3个挑战：

1.组合爆炸：随着自动驾驶系统能力的提高，与之交互的场景元素也随之增多。假设有N个场景元素，每个场景元素即使仅有2个可选值，在最坏情况下，也有2^N种不同的抽象场景。

2.场景可行性：抽象场景的一些元素取值组合，在语义上是不清晰或不可行的(例如，道路类型：直行路；驾驶任务：左转)。

3.碰撞场景命中率低：在一个逻辑场景对应的参数空间中，安全场景往往占绝大部分，用一般的采样方法，难以在较少的仿真次数内发现碰撞场景。

发明内容

本发明针对自动驾驶系统仿真测试中，组合爆炸、场景不可行、碰撞场景命中率低的问题，提出了一种面向自动驾驶系统的仿真测试场景生成方法。该方法能够在一定的测试场景数量限制内，达到抽象场景层面的高覆盖率，并在抽象场景实例化为逻辑场景后，实现相比随机采样更高的碰撞场景生成比例。

为了实现本发明的目的，采用的技术方案概述如下：

一种面向自动驾驶系统的仿真测试场景生成方法，包括以下步骤：

1)根据测试需求，测试人员首先确定待生成场景中的场景元素、场景元素的可选值，以及场景元素取值组合的约束；约束规定了哪些元素取值的搭配是合法的，例如有2个场景元素A、B，场景元素A可取a1,a2,a3；场景元素B可取b1,b2,b3，但约束为不能同时取a1,b2；即“不能同时取a1,b2”是一个约束。

2)给定抽象场景数量N和覆盖强度K，迭代地生成N个满足元素取值约束的抽象场景，并使每次迭代生成的抽象场景，最大化地增加任意K个取值组合中未生成的组合数量；

3)将生成的N个抽象场景映射为N个逻辑场景，并以随机采样的方式，将这N个逻辑场景分别实例化为多个具体场景；

4)使用启发式方法，以添加交通参与者(行人、车辆等)的方式，对具体场景进行扰动，生成仿真测试场景。

所述步骤2)具体包括：

2-1)确定抽象场景数量N与覆盖强度K。

2-2)建立表格T，用于记录已生成的抽象场景的覆盖情况。表格T的索引为K个场景元素的一组具体取值，每一索引对应的项表示已生成的抽象场景中，是否存在一个抽象场景包含该组取值，若是则为1，否则为0。表格的所有项初始化为0。

2-3)使用优化技术，找到满足步骤1)确定的约束集的一组场景元素赋值，并使这组赋值最大化地覆盖表格T中为0项对应索引的取值。将找到的这组场景元素赋值作为抽象场景输出，并更新表格T。重复这一过程N次，以生成全部的N个抽象场景。

所述步骤4)具体包括：

4-1)对于步骤3)生成的具体场景S₁,S₂,…,S_n，执行以下步骤。

4-2)以一定的调度策略，迭代地执行如下两个步骤，每次迭代执行其中之一：

a)确定被扰动场景S，对于每个预设的交通参与者A的行为b，构造一个优化任务t；该优化任务t为：将A引入场景S后，以A的初始状态为变量，最小化A与具体场景S中被测车辆间的最短距离。每个优化任务中，引入交通参与者的初始状态有一定的变化范围，该范围在构造优化任务时确定。

b)确定一个优化任务t，使用优化技术，不断地调整引入的交通参与者A的初始状态，生成多个不同的仿真测试场景，直到A与被测车辆发生碰撞，或满足其他终止条件。

重复这一过程，直到生成的场景达到最大数量限制。

所述步骤4-2-a)具体包括以下步骤：

4-2-a-1)确定被扰动场景S。

4-2-a-2)识别被测车辆在场景S中的行为序列。行为序列中的每个行为对应场景S中被测车辆的一段轨迹，并标识被测车辆在这段轨迹中的行为类别。此外，每个行为类别具有与之对应的危险程度。

4-2-a-3)根据预设规则和被测车辆在场景S中的轨迹，提取每个行为对应轨迹片段上的目标碰撞点。这些行为及其对应轨迹上的目标碰撞点组成“行为-碰撞点”对。

4-2-a-4)对于每个“行为-碰撞点”对(b,p)，以及每个预设的交通参与者A，根据A的控制策略，预测A添加至场景S后，可能与被测车辆在同一时间到达碰撞点p的初始状态范围L；例如，A的控制策略是匀速行驶行为b，已知速度为v，假设被测车辆在扰动前场景中经过t时间到达p，则从碰撞点p沿行驶方向反向偏移vt可得A的初始状态，将其松弛到一个区域，构成初状态范围。构造优化任务t：将A引入场景S后，以A的初始状态为变量，范围L为约束，最小化A与被测车辆间的最短距离。为了后续调度，以“行为-优化任务对”的形式记录该优化任务，即(b,t)。

步骤4-2)的调度过程具体包括以下步骤：

4-2-1)确定步骤3)产生的具体场景之一S。

4-2-2)创建集合R_B，用于记录已生成的测试场景中被测车辆的行为序列。

4-2-3)创建优先队列Q_opt，用于存储已构造的优化任务。每个优化任务以“行为-优化任务”的形式存储在队列中，该优化任务的优先级由行为确定，行为b的危险程度越高，则越优先。初始时，Q_opt为空。

4-2-4)创建一个数据结构优先队列Q_cons，用于存储待扰动的场景。场景的优先级由被测车辆的行为序列中，危险程度最高的行为确定，危险程度越高，则越优先。

4-2-5)查看Q_opt与Q_cons.若某一队列为空，则取出另一队列的队头；否则比较两队列队头的优先级，将优先级较高的一个元素取出。

4-2-6)若步骤4-2-5)从Q_cons中取出场景S’，则以S’为被扰动场景，执行步骤4-2-a)，生成多个“行为-优化任务”对。将这些“行为-优化任务”对加入Q_opt。

4-2-7)若步骤4-2-5)从Q_opt中取出“行为-优化任务”对，则执行步骤4-2-b)求解该优化任务。对于求解过程中生成的每个未碰撞场景S’，识别被测车辆在S’中的行为序列，若该行为序列不在R_B中，则将其加入R_B，并将S’加入Q_cons。

4-2-8)重复步骤4-2-5)至4-2-7)，直到Q_opt与Q_cons均为空，或满足其他设定的终止条件。

与现有技术相比，本发明具有以下优点：

1)本发明首先生成抽象场景，只需给定场景元素及其可选值，以及场景元素间的约束关系，即可自动地生成高覆盖率且可行的抽象场景。而现有的仿真场景生成技术大多不能完成抽象场景的生成，并且不能从方法上保证抽象场景的高覆盖性。

2)本发明以添加交通参与者的方式对具体场景进行扰动，根据被测车辆的行为、轨迹等信息，将碰撞场景生成任务拆解为多个容易求解的优化任务，并提供了一组调度策略，从而实现更高效的碰撞场景生成。而现有的碰撞场景生成方法往往没有充分地分析已生成的场景，仅将碰撞场景生成问题视为简单的黑盒优化问题，并在较大的场景空间内搜索，效率较低。

附图说明

图1是本发明方法实现的总体流程图。

图2是本发明方法在实施中场景扰动的示例图。

具体实施方式

本发明提出的面向自动驾驶系统的仿真测试场景生成方法，可以实现在有限的抽象场景数量内，达抽象场景层面的高覆盖率，并提高碰撞场景生成的命中率。

本发明的测试场景生成方法总体上如图1所示，分为如下几个步骤：

1)确定场景元素、场景元素的可选值，以及场景元素取值的约束集；

2)给定抽象场景数量N和覆盖强度K，生成N个可行的抽象场景，并使这N个抽象场景最大化地覆盖任意K个场景元素的取值组合；

3)将生成的N个抽象场景映射为N个逻辑场景，并以随机采样的方式，将这N个逻辑场景分别实例化为多个具体场景；

4)使用启发式方法，以添加交通参与者(行人、车辆等)的方式，对具体场景进行扰动。

下面以一组简单的例子，说明本发明的工作流程：

1)假设确定场景元素，及其可选值为：

·天气：晴天、雨天、阴天；

·道路类型：直行路、T字路口；

·驾驶任务：直行、左转、掉头。

使用逻辑公式表示上述场景元素的取值约束，则有“道路类型.直行路→

驾驶任务.左转”，即“如果道路类型为直行，则驾驶任务不能为左转”。

2)给定抽象场景数量N和覆盖强度K，生成N个可行的抽象场景，并使这N个抽象场景最大化地覆盖任意K个场景元素的取值组合。

a)假设覆盖强度为2，则建立如表1所示的表格T，以每2个元素的一组赋值作为表格索引，并将表格中的每一项初始化为0。

表1表格T

元素取值(索引)	是否已覆盖(项)
		天气：晴天；道路类型：直行路	0
天气：雨天；道路类型：直行路	0
		…	0
道路类型：T字路口；驾驶任务：掉头	0

b)建立优化模型，该模型以场景元素取值为变量，以步骤1)确定的场景元素取值约束为限制，目标为最大化地覆盖表格T中为0项索引对应的元素赋值个数。例如初始时，元素赋值为(天气：晴天；道路类型：直行路；驾驶任务：直行)，则覆盖了表格T中3个为0项对应的索引取值，即(天气：晴天；道路类型：直行路)、(天气：晴天；驾驶任务：直行)、(道路类型：直行路；驾驶任务：直行)。

c)求解优化模型，求出的元素赋值对应了一个抽象场景，输出该抽象场景。

d)根据生成的抽象场景，更新表格T。例如，生成的抽象场景为(天气：晴天；道路类型：直行路；驾驶任务：直行)，则将表格T中索引为(天气：晴天；道路类型：直行路)、(天气：晴天；驾驶任务：直行)、(道路类型：直行路；驾驶任务：直行)的项置为1。

e)重复步骤b)-d)，直到生成N个抽象场景。

3)将生成的每个抽象场景，根据其中取值的具体含义，转化为逻辑场景，并以随机采样的方式，将逻辑场景实例化为多个具体场景，即对每个抽象场景执行以下步骤：

a)确定将要实例化的抽象场景，例如(天气：多云；道路类型：直行道路；驾驶任务：直行)。

b)根据抽象场景中元素取值的具体含义，生成对应的逻辑场景。例如使用SVL仿真器时，“天气：多云”将映射至(乌云：[0.3,1.0]；降雨：[0.0,0.1]；湿度：[0.0,0.3]；雾气：[0.0,0.3])这组仿真配置的参数空间。

c)给定采样数量M，以随机采样的方式，将逻辑场景实例化为M个具体场景。例如，逻辑场景(乌云：[0.3,1.0]；降雨：[0.0,0.1]；湿度：[0.0,0.3]；雾气：[0.0,0.3])采样后可获得具体场景(乌云：[0.42]；降雨：[0.05]；湿度：[0.21]；雾气：[0.11])。

4)对步骤3)生成的具体场景，使用启发式方法，以添加交通参与者(行人、车辆等)的方式进行扰动。以图2过程为例，对场景S₀的扰动过程具体包括：

a)识别被测车辆在场景S₀中的行为序列：(沿车道行驶,右侧变道,沿车道行驶).根据预设规则，“右侧变道”的危险程度大于“沿车道行驶”。

b)创建行为记录集合R_B，将被测车辆在场景S₀的行为序列加入R_B；创建优化调度队列Q_opt，初始化为空；创建构造调度队列Q_cons，将S₀加入Q_cons，S₀在该队列中的优先级为“右侧变道”的危险程度。

c)取出Q_cons的队头S₀，根据预设规则，提取出目标碰撞点A,B,C,D。

d)若预设2个可添加的交通参与者，一个为静止不动的车辆，另一个为沿车道匀速行驶的车辆，则对于初始场景S₀可构造优化任务t₁,t₂,…,t₈.每个优化任务对应了一个预设交通参与者，与一个目标碰撞点。将目标碰撞点所在轨迹片段对应的行为，与优化任务组成“行为-优化任务”对加入Q_opt。例如t₁对应的目标碰撞点为C，所在轨迹片段的行为类别为“右侧变道”，则将“右侧变道-t₁”加入Q_opt，“右侧变道-t₁”的优先级为“右侧变道”的危险程度。

e)取出Q_cons与Q_opt队头中优先级较高的元素，此时Q_cons为空，因此从Q_opt取出“右侧变道-t₁”。

f)使用优化技术，对t₁进行求解，即不断地生成新的测试场景S₁,S₂,…，直到生成碰撞场景S_m.识别未发生碰撞的场景S₁,S₂,…,S_m-1中被测车辆的行为序列，其中S₁中的行为序列为(沿车道行驶)，未出现在R_B中，因此将其加入R_B，并将S₁加入Q_cons，在后续步骤中，将以S₁为被扰动场景，构造更多的优化任务；而S₂的行为序列已出现在R_B中，因此不对其进行操作。

g)按照调度策略持续进行，直到满足终止条件。

综上，本发明基于优化技术，实现了抽象场景生成的高覆盖性和可行性；并根据场景中被测车辆的行为与轨迹信息，将碰撞场景生成问题拆解为多个容易求解的优化任务，实现了碰撞场景生成的高效性。

上述仅以优选实施例对本发明进行说明，非因此即局限本发明的权利范围，因此，在不脱离本发明思想的情况下，凡运用本发明说明书及附图内容所为的等效变化，均理同包含于本发明的权利要求范围内。

Claims (9)

1.一种面向自动驾驶系统的仿真测试场景生成方法，其步骤包括：

1)根据测试需求确定待生成测试场景中的场景元素及其可选值，以及场景元素取值组合的约束；

2)设定抽象场景数量N和覆盖强度K，迭代地生成N个满足场景元素取值约束的抽象场景；

3)将生成的N个抽象场景映射为N个逻辑场景，并将每个所述逻辑场景分别实例化为多个具体场景；

4)使用启发式方法，以添加交通参与者的方式，对所述具体场景进行扰动，生成仿真测试场景。

2.根据权利要求1所述的方法，其特征在于，步骤2)中，生成N个所述抽象场景的方法为：

21)建立表格T，用于记录已生成的抽象场景的覆盖情况；其中，表格T的索引为K个场景元素的一组取值，每一索引对应的项表示已生成的抽象场景中，是否存在一个抽象场景包含该组取值，若是则为1，否则为0；表格T的所有项初始化为0；

22)查找满足所述约束的一组场景取值，并使该组场景取值最大化地覆盖表格T中为0项对应索引的取值；然后将该组场景取值作为一抽象场景输出，并更新表格T；

23)重复步骤22)，直至生成N个抽象场景。

3.根据权利要求2所述的方法，其特征在于，步骤4)中，对所述具体场景进行扰动的方法为：

a)对于每个预设的交通参与者A的行为b，构造一个优化任务t：将交通参与者A引入待扰动的具体场景S后，以交通参与者A的初始状态为变量，最小化交通参与者A与具体场景S中被测车辆间的最短距离；

b)对于每一优化任务t，通过多次优化调整交通参与者A的初始状态，生成多个不同的仿真测试场景，直到交通参与者A与被测车辆发生碰撞，或满足设定终止条件。

4.根据权利要求3所述的方法，其特征在于，所述步骤a)具体包括以下步骤：

a1)识别被测车辆在具体场景S中的行为序列；其中，所述行为序列中的每个行为对应场景S中被测车辆的一段轨迹，并标识被测车辆在该段轨迹中的行为类别，每个行为类别设有与之对应的危险程度；

a2)根据预设规则和被测车辆在具体场景S中的轨迹，提取每个行为对应轨迹片段上的目标碰撞点，将每一行为b及其对应轨迹上的目标碰撞点p组成“行为-碰撞点”对(b,p)；

a3)对于每个“行为-碰撞点”对(b,p)，以及每个预设的交通参与者A，根据交通参与者A的控制策略，预测将交通参与者A添加至具体场景S后，与被测车辆在同一时间到达碰撞点p的初始状态范围L；

a4)构造优化任务t：将交通参与者A引入具体场景S后，以交通参与者A的初始状态为变量，范围L为约束，最小化交通参与者A与被测车辆间的最短距离。

5.根据权利要求1所述的方法，其特征在于，生成多个不同的仿真测试场景的方法为：

421)对于具体场景S，创建一集合R_B，用于记录已生成的仿真测试场景中被测车辆的行为序列；

422)创建优先队列Q_opt，每个优化任务以“行为-优化任务”的形式存储在Q_opt中，该优化任务的优先级由行为确定，行为的危险程度越高，则越优先；初始时，Q_opt为空；

423)创建一个数据结构优先队列Q_cons，Q_cons中每个元素为一个场景，场景的优先级由被测车辆的行为序列中危险程度越高的行为确定，危险程度越高，则越优先；

424)查看Q_opt与Q_cons，若其中一队列为空，则取出另一队列的队头；否则比较两队列队头的优先级，将优先级较高的一个元素取出；

425)若步骤424)从Q_cons中取出场景S’，则以S’为被扰动场景，生成多个“行为-优化任务”对并将其加入Q_opt；生成“行为-优化任务”对(b，t)的方法为：对于每个预设的交通参与者A的行为b，构造一个优化任务t；该优化任务t为：将交通参与者A引入待扰动的具体场景S后，以交通参与者A的初始状态为变量，最小化交通参与者A与具体场景S中被测车辆间的最短距离；

426)若步骤424)从Q_opt中取出“行为-优化任务”对(b，t)，则通过多次优化调整交通参与者A的初始状态，生成多个不同的仿真测试场景，直到交通参与者A与被测车辆发生碰撞，其中对于求解过程中生成的每个未碰撞场景S’，识别被测车辆在S’中的行为序列，若该行为序列不在R_B中，则将其加入R_B，并将S’加入Q_cons；

427)重复步骤424)至426)，直到Q_opt与Q_cons均为空，或满足设定终止条件。

6.根据权利要求1所述的方法，其特征在于，每次迭代生成的抽象场景时，最大化地增加任意K个抽象场景取值组合中，使得最终所得N个抽象场景最大化地覆盖任意K个场景元素的取值组合。

7.根据权利要求3所述的方法，其特征在于，所述终止条件为场景达到最大数量限制。

8.一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1至7任一所述方法中各步骤的指令。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法的步骤。

Images