[發(fā)明專利]一種自動駕駛測試用例自動生成方法和裝置

在審

• 申請?zhí)枺?/td>: 201910913474.8
• 申請日: 2019-09-25
• 公開（公告）號: CN110716529A
• 公開（公告）日: 2020-01-21
• 發(fā)明（設(shè)計(jì)）人: 李森林;周風(fēng)明;郝江波;鄒元杰
• 申請（專利權(quán)）人: 武漢光庭信息技術(shù)股份有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 42242 武漢藍(lán)寶石專利代理事務(wù)所(特殊普通合伙)
• 代理人: 王振宇

1.一種自動駕駛測試用例自動生成方法，其特征在于，包括：

獲取自動駕駛實(shí)際行駛數(shù)據(jù)中各因素、因子的權(quán)重，并基于Pairwise算法對所述因素、因子進(jìn)行重新排序，獲得最優(yōu)測試場景用例。

2.根據(jù)權(quán)利要求1所述的自動駕駛測試用例自動生成方法，其特征在于，獲取自動駕駛實(shí)際行駛數(shù)據(jù)中各因素、因子的權(quán)重，具體包括：

獲取自動駕駛實(shí)際行駛數(shù)據(jù)，并對所述自動駕駛實(shí)際行駛數(shù)據(jù)中的因素、因子進(jìn)行分類提取；基于熵值法獲取各因素、因子的權(quán)重。

3.根據(jù)權(quán)利要求2所述的自動駕駛測試用例自動生成方法，其特征在于，基于熵值法獲取各因素、因子的權(quán)重，具體包括：

基于熵值法獲取每個(gè)因素、因子的離散程度，將N個(gè)因素和M個(gè)因子用矩陣A以及N*M來表示最大組合數(shù)量：

上式中，i＝1,2,…,n；j＝1,2,…,m；X_ij為矩陣A中第i行第j列的值；獲取第j列的指標(biāo)下第i個(gè)因子的比重：

第j列指標(biāo)的熵值公式：

第j列指標(biāo)的差異系數(shù)公式：

g_j＝1-e_j

得到第j列指標(biāo)的權(quán)重：

4.根據(jù)權(quán)利要求2所述的自動駕駛測試用例自動生成方法，其特征在于，所述因素包括自動駕駛典型場景中的對象、路況、環(huán)境和行為；

所述因子為各因素的參數(shù)信息或?qū)傩孕畔ⅰ?/p>

5.根據(jù)權(quán)利要求4所述的自動駕駛測試用例自動生成方法，其特征在于，所述對象包括自動駕駛典型場景中出現(xiàn)的其他人或車，以及其他影響行駛決策的或所有可自主運(yùn)動的物體或動物；

所述路況為道路的特征以及交通管制的特征；

所述環(huán)境為自動駕駛典型場景中可變化的、依靠外界實(shí)時(shí)傳輸給自動駕駛汽車的環(huán)境因素；

所述行為為自動駕駛汽車本身的駕駛行為。

6.根據(jù)權(quán)利要求2所述的自動駕駛測試用例自動生成方法，其特征在于，并基于Pairwise算法對所述因素、因子進(jìn)行重新排序，具體包括：

基于預(yù)設(shè)的自動駕駛規(guī)則制定測試場景排除規(guī)則，基于Pairwise算法對所述因素和所述因子進(jìn)行重新組合，基于預(yù)設(shè)的不合理場景排除規(guī)則進(jìn)行不合理場景排除，并基于所述因子的權(quán)重對組合后的測試場景用例進(jìn)行最優(yōu)篩選，得到最優(yōu)測試場景用例。

7.一種自動駕駛測試用例自動生成裝置，其特征在于，包括篩選模塊和最優(yōu)測試場景用例生成模塊；

所述篩選模塊，用于獲取自動駕駛實(shí)際行駛數(shù)據(jù)中各因素、因子的權(quán)重；

所述最優(yōu)測試場景用例生成模塊，用于基于Pairwise算法對所述因素、因子進(jìn)行重新排序，獲得最優(yōu)測試場景用例。

8.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述方法的步驟。

9.一種非暫態(tài)計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述方法的步驟。