[發明專利]高級駕駛輔助系統任務復雜度量化模型的建立方法

有效

• 申請號: 202010586953.6
• 申請日: 2020-06-24
• 公開（公告）號: CN111784142B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 王宇雷;殷璐;胡云峰;陳虹
• 申請（專利權）人: 吉林大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 白冬冬

一種高級駕駛輔助系統任務復雜度量化模型，屬于自動駕駛技術領域。本發明的目的是分別采用綜合成本核算方法、指數等級指標和信息熵理論，分析各元素對任務復雜度的影響，用于對自動駕駛汽車的行駛任務進行量化分級，支撐第三方汽車試驗場等機構對自動駕駛汽車的高級駕駛輔助系統任務復雜度量化模型。本發明步驟是：系統硬件復雜度、自動駕駛等級復雜度、ADAS任務邏輯信息熵、ADAS行駛任務復雜度等四步。本發明建立首個高級駕駛輔助系統(ADAS)任務復雜度量化評估模型與方法，服務于整車廠和第三方測試機構建立完善的自動駕駛測試評價體系。

技術領域

本發明屬于自動駕駛技術領域。

背景技術

為了減少交通擁堵和交通事故造成的嚴重傷亡，各汽車制造商不斷加大對高級駕駛輔助系統(ADAS)和自動駕駛技術的研發投入以提高汽車的安全性。隨著ADAS技術的不斷完善并逐步向智能駕駛技術發展，汽車將在可預期的未來實現自動駕駛。根據美國機動車工程師協會SAE J3016協議，將自動駕駛等級劃分為以下幾個層次：L0(無自動化)，由人類駕駛者全權操作汽車，在行駛過程中可以得到警告和保護系統的輔助；L1(駕駛支援)，通過駕駛環境對放線盤和加減速中的一項操作提供駕駛支援，對其他的駕駛動作都由人類駕駛員進行操作；L2(部分自動化)，通過駕駛環境對方向盤和加減速中的多項操作提供駕駛支援，其他的駕駛動作都由人類駕駛員進行操作；L3(有條件自動化)，由無人駕駛系統完成所有的駕駛操作。根據系統請求，人類駕駛者提供適當的應答；L4(高度自動化)，由無人駕駛系統完成所有的駕駛操作，根據系統請求，人類駕駛者不一定需要對所有的系統請求作出應答，限定道路和環境條件等；L5(完全自動化)，由無人駕駛系統完成所有的駕駛操作，人類駕駛者在可能的情況下接管，在所有的道路和環境條件下駕駛。但是，隨著汽車自動化程度的不斷升級，如何高效地測試和評估自動駕駛汽車的智能度及系統已經成為業內亟需解決的問題之一。

道路測試是檢測自動駕駛汽車系統性能的必要環節，也是實現自動駕駛商業化的前提條件。自動駕駛汽車的測試與評價技術是支撐自動駕駛技術發展的關鍵環節，但自動駕駛測試評價對象已從傳統的人、車二元獨立系統變為人-車-環境-任務強耦合系統，測試場景及測試任務難以窮盡，評價維度紛繁復雜。目前，大部分文獻側重研究自動駕駛車輛測試方法，基于計算機仿真技術，與實車測試比較，研究高效、經濟的仿真測試方法。代表方法包括：蒙特卡羅方法、蒙特卡洛加速測試方法、博弈論方法、測試場景矩陣和駕駛模擬器仿真測試。這些方法討論了不同的自動駕駛測試方法的原理與特點，測試方法可以覆蓋典型的交通場景，但是不能進行自動駕駛系統測試過程中任務復雜度的評價，無法評估ADAS系統任務的實際復雜程度。目前，關于自動駕駛復雜度的研究相對較少，現有技術方案描述使用感知系統措施管理前進路徑的自動駕駛復雜度，用于控制車輛的自動駕駛系統，示例方法包括計算沿著車輛行駛的路線的即將到來的區域的復雜度度量，響應于復雜度低于預定的低復雜度閾值，使用車輛的計算系統確定車輛在即將到來的區域中行駛的軌跡。然而，該方法并沒有系統、科學地完善自動駕駛汽車的測試與評價體系以及ADAS系統任務復雜度量化評估相關的標準與規范。

蒙特卡洛算法可以將駕駛場景變成一個隨機模型，基于大數定理，隨著重復測試次數得增大，測試結果總是會收斂到真值。但是要讓結果逼近真值，需要非常大量的樣本容量。若任用傳統的蒙特卡洛算法進行測試，則需要更多的計算硬件支持，勢必會增加測試的時間及成本。

關于自動駕駛復雜度的研究相對較少，現有技術方案描述使用感知系統措施管理前進路徑的自動駕駛復雜度，用于控制車輛的自動駕駛系統，示例方法包括計算沿著車輛行駛的路線的即將到來的區域的復雜度度量，響應于復雜度低于預定的低復雜度閾值，使用車輛的計算系統確定車輛在即將到來的區域中行駛的軌跡。該方法并沒有系統、科學地完善自動駕駛汽車的測試與評價體系以及ADAS系統任務復雜度量化評估相關的標準與規范。

發明內容

本發明的目的是分別采用綜合成本核算方法、指數等級指標和信息熵理論，分析各元素對任務復雜度的影響，用于對自動駕駛汽車的行駛任務進行量化分級，支撐第三方汽車試驗場等機構對自動駕駛汽車的高級駕駛輔助系統任務復雜度量化模型的建立方法。