[發明專利]一種基于梯度提升決策樹模型的場景復雜度評估方法

在審

• 申請號: 202010462513.X
• 申請日: 2020-05-27
• 公開（公告）號: CN111797000A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 沈永旺;朱向雷;杜志彬;趙帥;翟洋;宋文澤;張魯
• 申請（專利權）人: 中汽數據有限公司;中國汽車技術研究中心有限公司;中汽數據（天津）有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 蘇沖

1.一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于包括以下步驟：

S1、將基于多傳感器融合的駕駛場景數據，借助仿真軟件生成仿真場景；

S2、借助多位仿真測試及場景開發專家的經驗，對仿真的駕駛場景樣本進行復雜度評分；

S3、將多位專家評價的結果以及影響復雜度的動態特征、靜態特征輸入到決策樹模型，進行模型訓練；

S4、將決策樹模型進行升級；

S5、得到影響模型的特征參數數據集，將數據集的一部分作為訓練集，另一部分作為測試集，采用5折交叉驗證調試得到復雜度評價模型；

S6、將待評價的駕駛場景數據直接輸入到模型中，用于計算場景復雜度；

S7、將輸入的駕駛場景數據，先拆分為動態特征、靜態特征，然后在按照影響特征綜合打分后得到場景復雜度。

2.根據權利要求1所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述步驟S1中所述參數包括動態交通流信息與道路信息。

3.根據權利要求1所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述步驟S4中以決策樹模型升級為基于LightGBM梯度決策樹模型。

4.根據權利要求1所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述步驟S5中的特征參數包括TTC、光照強度、目標車與主車縱向距離、主車平均車速、目標車加速度維度、主車初始車速、目標車最大速度、目標車平均速度、干擾車駕駛行為、主車駕駛行為。

5.根據權利要求1所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述步驟S3或S7中的靜態特征包括：環境信息類特征、道路信息類特征。

6.根據權利要求5所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述環境信息類特征包括天氣、光照強度、能見度。

7.根據權利要求5所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述道路信息類特征包括道路曲率、車道線特征、車道數量隧道。

8.根據權利要求1所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述步驟S7中的動態特征包括：主車信息類特征、交通參與者信息類特征。

9.根據權利要求8所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述車主信息類特征包括車主行為、平均速度、加速維度。

10.根據權利要求8所述的一種基于梯度提升決策樹模型的場景復雜度評估方法，其特征在于：所述交通參與者信息類特征包括目標車駕駛行為、交通參與者數量、與主車距離、相對速度。