[发明专利]基于最差全局危险度搜索的车辆自动换道功能测评方法

说明书

本发明公开一种基于最差全局危险度搜索的车辆自动换道功能测评方法，该方法通过搭建仿真平台，对待测自动换道功能和换道场景的分析，进而对最危险换道场景进行全局搜索，搜索以最差全局危险度MS_dan为输出，通过实际场地再现最差全局危险度对应的最危险换道场景，对待测自动驾驶换道功能进行验证，如果待测自动驾驶换道功能在最危险换道场景下可满足运行要求，则认定该待测自动驾驶换道功能通过测评。本发明能够在降低仿真与场地测试量的同时，提高自动驾驶自动换道功能实车运行过程中的安全性，从而对自动驾驶技术与产业化的发展起到一定的推进作用。

技术领域

本发明涉及智能交通技术领域，具体涉及一种自动驾驶车辆在基于最差全局危险度情况下的自动换道功能的测评方法。

背景技术

自动驾驶车辆发展至今所面临的一个主要问题是如何落地，这不仅需要进一步完善自动驾驶技术，并解决自动驾驶如何商业化的问题，更重要的是如何确保自动驾驶车辆上路后的安全性。自动换道功能是自动驾驶车辆最基本的功能之一，但相对于传统的车辆主动安全系统，由于自动换道功能所持续时间较长，且涉及到的场景可变参数的数目大大增加，同时在车速较高时，自动换道功能一旦出现错误操作，将带来较大的危险。因此，对自动换道功能的测试测评不仅更加复杂，而且需要更加严格。如依照传统车辆主动安全测试方法对自动驾驶自动换道功能进行测试，为了达到较高的安全性，需要进行数目巨大的场地测试，其时间与金钱成本过于巨大而无法实用。但现有研究中仍缺乏对自动驾驶车辆自动换道功能的测试测评的理论研究，尤其是缺乏研究如何在降低测试量的同时确保自动换道功能的安全性。

发明内容

针对于现有技术，本发明提供一种基于最差全局危险度搜索的车辆自动换道功能测评方法。

该方法首先确定待测自动驾驶换道功能的功能边界，同时确定装有该待测自动驾驶换道功能车辆传感器的配置、对自动换道功能具有影响的车辆参数等。在此基础上搭建待测自动驾驶车辆模型、场景模型和待测自动驾驶算法黑箱模型的仿真平台。进一步地，可对包含传感器的车辆进行针对性的场地实验，从而实现对车辆仿真平台的参数调整，确保仿真平台的精确度在一定的范围。

通过对自动换道功能和该功能对应的ODD(Operational Design Domain设计可操作范围)以及应用场景分析，确定场景中各参数边界。依据换道场景分析对初始参数进行选择，然后将搜索最危险场景问题转换为优化问题进行求解。该优化问题的输入为换道场景参数和车辆初始参数，优化目标为全局危险度S_dan，全局危险度S_dan相关计算方法嵌入到仿真平台，在每次运行确定场景参数和车辆初始参数的仿真平台后，得到对应的全局危险度S_dan。依照最优化算法对能够达到最差全局危险度MS_dan的场景参数和车辆初始参数进行搜索，从而获得最差全局危险度MS_dan对应的车辆换道场景。由于该场景是对应自动换道功能在ODD范围内能遇见的最差场景，因此该最差场景在通过难度上能够在一定程度上覆盖其他场景，从而减少了场地测试量，并验证了对应自动换道功能在极端情况下的表现，提高了自动驾驶车辆上路后的安全性。

本发明所采取的技术方案如下：一种基于最差全局危险度搜索的车辆自动换道功能测评方法，该方法包括如下步骤：

S1：搭建仿真平台，装载车辆模型、场景模型，确定车辆动力学参数、外形参数、传感器参数等关键性参数，以及包括道路参数、天气参数、交通指示参数、干扰车辆数目、干扰车辆各时刻车速等的环境参数；

进一步地，可通过场地实验，对上述建模参数进行调整，确保仿真平台的精确度。

S2：通过对自动换道功能、功能边界和换道场景的分析，确定环境参数的边界。