[發(fā)明專利]一種生成車輛典型變道測(cè)試工況的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010310824.4
• 申請(qǐng)日: 2020-04-20
• 公開（公告）號(hào): CN111666808A
• 公開（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: 曹曼曼;楊磊;陳超;國(guó)建勝
• 申請(qǐng)（專利權(quán)）人: 中汽數(shù)據(jù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 天津企興智財(cái)知識(shí)產(chǎn)權(quán)代理有限公司 12226
• 代理人: 陳雅潔

本發(fā)明提供了一種生成車輛典型變道測(cè)試工況的方法，在A個(gè)變道場(chǎng)景樣本數(shù)中，提取變道過(guò)程中車輛的多個(gè)特征值，把提取的多個(gè)特征值作為聚類分析的特征值，對(duì)特征值數(shù)據(jù)進(jìn)行歸一化處理后，分別計(jì)算當(dāng)聚類個(gè)數(shù)為1到N時(shí)聚類算法模型下的損失函數(shù)，根據(jù)肘部法則，確定最佳的聚類個(gè)數(shù)B，以最佳的聚類個(gè)數(shù)B重新對(duì)提取的特征值進(jìn)行聚類模型計(jì)算，得到聚類模型質(zhì)心即是車輛典型測(cè)試變道工況。本發(fā)明一種生成車輛典型變道測(cè)試工況的方法，可以生成車輛典型變道測(cè)試工況，并得到相應(yīng)的場(chǎng)景覆蓋率，保證了在有限的測(cè)試工況輸入下，對(duì)自動(dòng)駕駛系統(tǒng)功能進(jìn)行充分高效的測(cè)試。

技術(shù)領(lǐng)域

本發(fā)明屬于自動(dòng)駕駛技術(shù)研發(fā)領(lǐng)域，尤其是涉及一種生成車輛典型變道測(cè)試工況的方法。

背景技術(shù)

在自動(dòng)駕駛技術(shù)開發(fā)過(guò)程中，由于道路類型、行駛區(qū)域、天氣情況及車輛周圍要素(如行人和其他車輛的影響)不同，導(dǎo)致評(píng)估自動(dòng)駕駛系統(tǒng)功能需要大量的測(cè)試工況輸入。目前的方法是從自然駕駛場(chǎng)景中抽取一部分行駛工況作為測(cè)試工況輸入，但抽取的工況是否能夠代表車輛典型變道工況并沒(méi)有量化的評(píng)價(jià)指標(biāo)，用于測(cè)試的工況能夠涵蓋真實(shí)自然駕駛場(chǎng)景的幾率沒(méi)有明確的標(biāo)準(zhǔn)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明旨在提出一種生成車輛典型變道測(cè)試工況的方法，可以生成車輛典型變道測(cè)試工況，并得到相應(yīng)的場(chǎng)景覆蓋率，保證了在有限的測(cè)試工況輸入下，對(duì)自動(dòng)駕駛系統(tǒng)功能進(jìn)行充分高效的測(cè)試。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種生成車輛典型變道測(cè)試工況的方法，包括：

步驟1：在A個(gè)變道場(chǎng)景樣本數(shù)中，提取變道過(guò)程中車輛的多個(gè)特征值；

步驟2：把步驟1中提取的多個(gè)特征值作為聚類分析的特征值，對(duì)特征值數(shù)據(jù)進(jìn)行歸一化處理后，分別計(jì)算當(dāng)聚類個(gè)數(shù)為1到N時(shí)聚類算法模型下的損失函數(shù)，根據(jù)肘部法則，確定最佳的聚類個(gè)數(shù)B；

步驟3：以最佳的聚類個(gè)數(shù)B重新對(duì)步驟1中提取的特征值進(jìn)行聚類模型計(jì)算，得到聚類模型質(zhì)心即是車輛典型測(cè)試變道工況。

每一種車輛典型測(cè)試變道工況對(duì)應(yīng)的場(chǎng)景覆蓋率是每個(gè)聚類下的個(gè)數(shù)/A個(gè)變道場(chǎng)景樣本數(shù)*100％。

進(jìn)一步的，在步驟1中，A個(gè)變道場(chǎng)景樣本數(shù)是983個(gè)。

進(jìn)一步的，在步驟1中，提取變道過(guò)程中車輛的多個(gè)特征值，包括：本車的平均速度EgoSpeedavg、變道過(guò)程中目標(biāo)車道前車的最大縱向加速度ObjAccmax_x、變道過(guò)程中目標(biāo)車道前車的平均速度Objspeedavg、變道過(guò)程中的最小車頭時(shí)距THWmin及本車與目標(biāo)車道前車平均速度差speed_diff。

進(jìn)一步的，在步驟2中：使用的聚類算法是KMeans方法、層次聚類方法或網(wǎng)格分割法。

進(jìn)一步的，在步驟2中：計(jì)算的聚類個(gè)數(shù)為1到N是1到20個(gè)，確定最佳的聚類個(gè)數(shù)B是7個(gè)。

進(jìn)一步的，在步驟3中：使用的聚類模型計(jì)算算法是KMeans方法。

相對(duì)于現(xiàn)有技術(shù)，本發(fā)明所述的一種生成車輛典型變道測(cè)試工況的方法，具有以下優(yōu)勢(shì)：

本發(fā)明所述的一種生成車輛典型變道測(cè)試工況的方法，可以生成車輛典型變道測(cè)試工況，并得到相應(yīng)的場(chǎng)景覆蓋率，保證了在有限的測(cè)試工況輸入下，對(duì)自動(dòng)駕駛系統(tǒng)功能進(jìn)行充分高效的測(cè)試。

附圖說(shuō)明

構(gòu)成本發(fā)明的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。

在附圖中：

圖1為本發(fā)明實(shí)施例所述的一種生成車輛典型變道測(cè)試工況的方法流程示意圖；