[發明專利]基于改進拉丁超立方抽樣的虛擬駕駛場景要素重組方法

有效

• 申請號: 202110773122.4
• 申請日: 2021-07-08
• 公開（公告）號: CN113408061B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 陳華;陳濤;李楚照;段劍犁;楊立榮;趙樹廉
• 申請（專利權）人: 中汽院智能網聯科技有限公司;中國汽車工程研究院股份有限公司;中汽院汽車技術有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06F17/16;G06F111/08
• 代理公司: 北京卓澤知識產權代理事務所(普通合伙) 11766
• 代理人: 白海燕

本發明公開一種基于改進拉丁超立方抽樣的虛擬駕駛場景要素重組方法，基于原始數據，經過如下步驟獲得重組數據：1)統計離散要素組合；2)確定離散要素組合在累計概率分布中的采樣點；3)確定離散要素組合屬性；4)確定離散要素組合的抽樣次數；5)對應提取連續要素；6)計算連續要素的累計概率分布；7)確定連續要素的采樣點位置；8)確定連續要素值；9)相關性控制；10)全部抽樣的離散要素和連續要素重組。本發明基于真實的數據，對場景關鍵要素進行分析和統計，根據概率特性進行不同維度要素采樣和重組，獲得與真實非常相近的隨機樣本，魯棒性好，非常適用于汽車智能駕駛系統的測試和評價。

技術領域

本發明涉及智能駕駛測試場景用例的編制，具體涉及一種基于改進拉丁超立方抽樣的虛擬駕駛測試場景要素重組方法，用于汽車智能駕駛系統的測試和評價。

背景技術

近年來，伴隨著汽車智能駕駛系統的不斷發展，為保證其安全性和合規性的測試也越發重要，汽車在上市之前必須經過充分的測試與驗證，以保證智能控制系統在其設計運行域內可以安全地運行。

虛擬仿真測試相對于場地測試和道路測試，具有高效性和安全性，是一種重要的測試方法和手段。搭建能夠反映真實交通特點的虛擬場景是仿真測試的基礎，備受研究人員重視。搭建虛擬場景的一種重要方法，是基于真實交通數據，進行場景關鍵要素的分析和統計，然后根據場景要素的概率特性進行不同維度要素的采樣和重組，獲得與真實交通場景及其相近的隨機測試樣本。

數據重采樣的場景方法是蒙特卡洛采樣算法，如M-H采樣和Gibbs采樣。然而傳統的蒙特卡洛采樣算法需要進行大量的模擬實驗才能獲得效果較好的樣本，在原始數據存在較多大概率樣本時，容易發生聚集現象。而拉丁超立方采樣是作為一種典型的分層抽樣方法，基于累計概率分布進行抽樣，可以通過較少的迭代次數獲得效果更佳的隨機樣本集。

根據《Latin?Hypercube?Sampling?Techniques?for?Power?SystemsReliability?Analysis?With?Renewable?Energy?Sources》、《基于改進核密度估計和拉丁超立方抽樣的電動汽車負荷模型》、《基于改進拉丁超立方抽樣的概率潮流計算》等研究成果，拉丁超立方采樣一般包含樣本生成和相關性控制兩個步驟。樣本生成的基礎一般是進行隨機要素的概率建模，但是實際工程應用中，隨機要素的分布一般很難符合典型的分布函數特征，而如果使用非參數估計建立概率密度函數則難以獲得其累計概率分布的反函數，同時當原始數據既包含連續要素也包含離散要素時，概率分布的建立也會遇到困難。而在相關性控制方面，《A?distribution-free?approach?to?inducing?rank?correlationamong?input?variables》提出了Cholesky分解法，通過矩陣計算可以大大提高計算效率，是一種相對成熟的重要方法。

綜上，如何基于實際數據進行樣本生成是拉丁超立方采樣的關鍵基礎。

發明內容

針對現有拉丁超立方采樣無法有效的基于原始數據進行樣本生成的問題，本發明基于非參數估計的思想，提出一種基于改進拉丁超立方抽樣方法進行的虛擬駕駛場景要素重組方法。

本發明所采用的技術方案如下：一種基于改進拉丁超立方抽樣的虛擬駕駛場景要素重組方法，基于原始數據，所述原始數據中包括有離散要素和連續要素，其特征在于，包括如下步驟：

1)統計原始數據中所有離散要素組合；

2)確定抽樣的離散要素組合在累計概率分布中的采樣點位置；

3)確定抽樣的離散要素組合屬性；

4)確定各離散要素組合的抽樣次數；

5)從每種離散要素組合對應的原始數據中提取連續要素；

6)計算連續要素的累計概率分布；