[发明专利]一种智能汽车测试场景加速重构方法

摘要

本发明公开了一种智能汽车测试场景加速重构方法，旨在提高对于智能汽车测试的效率，提取具有代表性的交通场景，减少测试次数，从而实现对智能汽车行驶安全性的全面快速测试。该方法首先基于现场交通场景采集数据，获得车辆的行驶场景参数；之后对关键参数的分布进行拟合；然后根据重要度抽样理论，使用测度指数变换（ECM）和交叉熵（CE）方法，获得用于加速测试的参数分布，基于新分布重构生成测试事件，计算高风险事件发生率，同时计算使高风险事件发生率收敛时的测试次数，计算加速测试的加速比，最终实现快速测试。

主权项

1.一种智能汽车测试场景加速重构方法，其特征在于具体步骤如下：(1)首先基于现场交通场景采集数据，获取测试车辆和换道车辆的行驶数据：(1.1)通过设置在测试车辆上的传感器，提取换道车辆插入测试车辆所在车道时刻测试车辆和换道车辆的行驶数据，获得测试车辆的速度v，换道车辆的速度v_c，测试车辆和换道车辆两车之间的距离R的数据；(1.2)计算每组数据中测试车辆到冲突点的时间TTC，计算公式如下：式中，R——测试车辆与换道车辆之间的距离；——R的导数；(2)拟合关键参数的分布：(2.1)计算测试车辆与换道车辆距离R的倒数R^‑1，使用Pareto分布拟合R^‑1的分布，公式如下：(2.2)计算测试车辆到冲突点的时间TTC的倒数TTC^‑1，使用负指数分布拟合TTC^‑1的分布，公式如下：(3)根据重要度抽样理论，进行加速测试：(3.1)对倒数R^‑1进行测度指数变换ECM，使用新的密度函数代替步骤(2.1)中的分布函数公式如下：(3.2)对TTC^‑1进行测度指数变换ECM，使用新的密度函数代替步骤(2.2)中的分布函数公式如下：(3.3)计算总体似然比，公式如下：(3.4)使用交叉熵CE方法计算最优参数和计算公式如下：式中，——总体似然比；——测试车辆与换道车辆距离倒数的分布参数；——TTC的分布参数；I_ε(x_j)——高风险事件是否发生的指示函数，计算公式如下：(3.5)将求得的参数和代入步骤(3.3)，重复步骤(3.3)和(3.4)，进行迭代计算使参数和收敛，最终求得最优的参数和(3.6)根据实际的换道车辆的速度v_c，以及拟合得到的测试车辆与换道车辆距离R的倒数的分布和TTC的倒数的分布生成事件x＝[v_c，R^‑1，TTC^‑1]；(3.7)将事件x代入测试的智能汽车控制模型，计算高风险事件ε发生的概率，计算公式如下：P(ε)＝E_f*(I_ε(x)L(x))(4)计算加速比：(4.1)逐渐增加样本容量，重复步骤(3.6)和(3.7)，直至高风险事件ε发生的概率收敛，判定是否收敛的指标为相对半宽l_r，计算公式如下：γ＝E(I_ε(x))z_α＝Φ^‑1(1‑α/2)式中，l_α——半宽；γ——高风险事件发生的概率；——样本标准差；Φ^‑1——正态分布N(0，1)的逆累积分布函数；α——置信度；n——样本容量；在80％的置信度下，认为相对半宽l_r满足l_r＜0.2时，高风险事件ε发生的概率收敛，记录实现收敛时的测试次数N_acc；(4.2)使用实际的v_c，R^‑1，TTC^‑1，计算实际事件x_emp＝[v_c，R^‑1，TTC^‑1]的高风险事件ε发生的概率收敛时的测试次数N_emp；(4.3)计算加速比，计算公式如下：D_emp＝r_cN_empτ_c＝min(t|R(t)＜R_ε)式中，D_emp——实际数据车辆行驶的里程数；r_c——现实中发生一次测试事件车辆行驶的里程数；D_acc ——加速测试里程数；t_c——测试事件发生的时刻；τ_c——第n次测试中车辆行驶的时间；R_ε——高风险事件发生的距离阈值。