[發(fā)明專利]一種基于勢場法和信息熵的自動駕駛安全性評價方法

有效

• 申請?zhí)枺?/td>: 202110703878.1
• 申請日: 2021-06-24
• 公開（公告）號: CN113377662B
• 公開（公告）日: 2022-09-27
• 發(fā)明（設(shè)計）人: 朱冰;張培興;趙健;孫宇航;范天昕
• 申請（專利權(quán)）人: 吉林大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 崔斌

本發(fā)明是一種基于勢場法和信息熵的自動駕駛安全性評價方法。包括以下步驟：一、收集被測邏輯場景的相對發(fā)生概率；二、將被測算法的危險指標分為具體場景固有風(fēng)險指標、具體場景失效風(fēng)險指標、具體場景危險度、單邏輯場景危險度和多邏輯場景危險度；三、計算具體場景固有風(fēng)險指標；四、計算被測算法在不同具體場景失效風(fēng)險指標；五、計算被測算法在不同具體場景危險度；六、計算被測算法在單邏輯場景中的危險度；七、計算被測算法在多邏輯場景中的危險度。本方法可以用于自動駕駛汽車的測試流程體系中，并可應(yīng)用于各類自動駕駛測試比賽之中，可以推動自動駕駛汽車的驗證流程，具有廣泛的應(yīng)用前景。

技術(shù)領(lǐng)域

本發(fā)明屬于自動駕駛汽車測試評價技術(shù)領(lǐng)域，具體的說是一種基于勢場法和信息熵的自動駕駛安全性評價方法。

背景技術(shù)

隨著高精度傳感、人工智能、大數(shù)據(jù)等技術(shù)的發(fā)展，自動駕駛汽車已具備了技術(shù)上的可行性。當前，自動駕駛汽車的安全性驗證成為了阻礙自動駕駛汽車量產(chǎn)上路的重要阻礙，如何評價自動駕駛汽車的安全性至今仍未形成明確的流程。當前評價方法多以單一測試用例下的通過性評價或者基于測試里程的人工干預(yù)次數(shù)評價，評價指標單一，難以滿足高等級自動駕駛汽車的評價需求。由于自動駕駛汽車行駛場景多種多樣，在對其進行安全性評價時，需考慮其在多種不同場景下的綜合表現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于勢場法和信息熵的自動駕駛安全性評價方法，本發(fā)明基于勢場法對邏輯場景中的一類測試用例進行整體評價獲得單個邏輯場景中的綜合評價結(jié)果，并使用信息熵確定不同邏輯場景的相對權(quán)重，最終加權(quán)獲得被測算法在多個邏輯場景中的綜合表現(xiàn)，解決了現(xiàn)有自動駕駛汽車安全性評價方法存在的上述問題。

本發(fā)明技術(shù)方案結(jié)合附圖說明如下：

一種基于勢場法和信息熵的自動駕駛安全性評價方法，包括以下步驟：

步驟一、對邏輯場景內(nèi)參數(shù)概率分布使用高斯分布進行描述，收集被測邏輯場景的相對發(fā)生概率；

步驟二、基于場景測試特征，將被測算法的危險指標分為具體場景固有風(fēng)險指標、具體場景失效風(fēng)險指標、具體場景危險度、單邏輯場景危險度和多邏輯場景危險度；

步驟三、計算具體場景固有風(fēng)險指標；

步驟四、計算被測算法在不同具體場景失效風(fēng)險指標；

步驟五、計算被測算法在不同具體場景危險度；

步驟六、計算被測算法在單邏輯場景中的危險度；

步驟七、計算被測算法在多邏輯場景中的危險度。

所述步驟一的具體方法如下：

使用開源自然駕駛數(shù)據(jù)集或自建自然駕駛數(shù)據(jù)采集平臺收集需要測試的邏輯場景要素數(shù)據(jù)，對同一邏輯場景內(nèi)的不同場景要素分布范圍使用高斯分布進行描述，如公式(1)，對不同邏輯場景的相對發(fā)生概率使用表格方式進行記

錄，計算公式如(2)所示，所有邏輯場景的相對發(fā)生概率的和為1；

其中，x_ij為第i類場景要素在j處的取值；Pij為第i類場景要素在j處的概率；σ_i為第i類場景要素的標準差；μ_i為第i類場景要素的均值；

其中，P_h為第h種邏輯場景的相對發(fā)生頻率；n_h為第h種邏輯場景在自然駕駛數(shù)據(jù)中的發(fā)生次數(shù)；n_all為自然駕駛數(shù)據(jù)中所有被測邏輯場景的發(fā)生總次數(shù)。

所述步驟二的具體方法如下：