[發(fā)明專利]一種基于貝葉斯優(yōu)化的智能汽車快速測(cè)試方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910344337.7
• 申請(qǐng)日: 2019-04-26
• 公開(kāi)（公告）號(hào): CN110188797B
• 公開(kāi)（公告）日: 2023-08-04
• 發(fā)明（設(shè)計(jì)）人: 孫劍;周華駿;徐一鳴
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): G06F18/2413
• 分類號(hào): G06F18/2413;G06F18/214;G06F30/20
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 葉敏華

1.一種基于貝葉斯優(yōu)化的智能汽車快速測(cè)試方法，其特征在于，該方法包括下列步驟：

1)基于現(xiàn)場(chǎng)交通場(chǎng)景，獲得當(dāng)前車輛的行駛場(chǎng)景關(guān)鍵參數(shù)，并為關(guān)鍵參數(shù)確定取值范圍與采樣間隔，組合關(guān)鍵參數(shù)，獲取參數(shù)空間；具體包括：

101)基于現(xiàn)場(chǎng)交通場(chǎng)景，確定行駛場(chǎng)景的關(guān)鍵參數(shù)；

102)對(duì)每個(gè)關(guān)鍵參數(shù)確定取值范圍；

103)對(duì)每個(gè)關(guān)鍵參數(shù)確定采樣間隔；

104)將確定的關(guān)鍵參數(shù)、各自的取值范圍與采樣間隔進(jìn)行組合，獲取智能汽車測(cè)試場(chǎng)景的全樣本集合；

2)根據(jù)不同的測(cè)試目的選取分類器與采集函數(shù)；其中，所選取的采集函數(shù)包括測(cè)試場(chǎng)景與設(shè)定目標(biāo)的切合程度以及分類器對(duì)于其自身判斷的確信程度，對(duì)不同的測(cè)試目的使用不同的采集函數(shù)；

測(cè)試目標(biāo)為尋找邊界場(chǎng)景，選用的采集函數(shù)為：

A(x)＝Grad×D_nn

式中，Grad為場(chǎng)景的梯度，該值由數(shù)值法求梯度得來(lái)，D_nn為場(chǎng)景與最近似場(chǎng)景的歐式距離；

測(cè)試目標(biāo)為尋找危險(xiǎn)場(chǎng)景，選用的采集函數(shù)為：

A(x)＝α×D_nn

式中：α表示場(chǎng)景是危險(xiǎn)場(chǎng)景的概率，該值由分類器預(yù)測(cè)得來(lái)，D_nn表示本場(chǎng)景與最近似場(chǎng)景的歐式距離；

3)基于貝葉斯優(yōu)化理論，初始化分類器，計(jì)算采集函數(shù)的數(shù)值，根據(jù)采集函數(shù)的數(shù)值選取切合需求的下一智能汽車測(cè)試場(chǎng)景，具體包括以下子步驟：

301)從智能汽車測(cè)試場(chǎng)景的全樣本集合中隨機(jī)抽取部分樣本，對(duì)這些抽取的樣本進(jìn)行測(cè)試，獲取測(cè)試結(jié)果，并使用測(cè)試結(jié)果訓(xùn)練分類器；

302)對(duì)于步驟301)中沒(méi)有進(jìn)行測(cè)試的其余場(chǎng)景，從中抽取部分樣本作為候選集，利用步驟301)中訓(xùn)練的分類器，計(jì)算候選集樣本的采集函數(shù)的值，對(duì)采集函數(shù)取最大值的智能汽車測(cè)試場(chǎng)景進(jìn)行測(cè)試，利用測(cè)試結(jié)果進(jìn)一步訓(xùn)練分類器；

303)重復(fù)步驟302)，直至測(cè)試次數(shù)用完或已達(dá)到測(cè)試需求；

采用K近鄰分類器作為貝葉斯優(yōu)化的分類器。

2.根據(jù)權(quán)利要求1所述的一種基于貝葉斯優(yōu)化的智能汽車快速測(cè)試方法，其特征在于，步驟2)中，所選取的分類器符合大樣本量計(jì)算的需求并符合貝葉斯優(yōu)化算法的基本要求，即：分類器的輸出包括預(yù)測(cè)結(jié)果以及對(duì)預(yù)測(cè)結(jié)果的確信程度。