详情

原文传递基于PreScan的自动驾驶测试场景生成及虚实结合测试系统构建

论文题名：	基于PreScan的自动驾驶测试场景生成及虚实结合测试系统构建
关键词：	自动驾驶;测试场景生成;虚实结合测试系统;PreScan
摘要：	与传统汽车相比，自动驾驶汽车作为具有较高智能化水平的交通参与者，其安全性是人们最为关心的问题。为保证自动驾驶汽车的安全可靠运行，需要对其进行充分的测试验证。由于真实交通场景中高风险场景较少，传统汽车基于里程的测试方法难以满足自动驾驶汽车的测试需求，如何构建高风险测试场景成为自动驾驶汽车测试研究中的重要问题。同时，在现有的自动驾驶汽车测试方法中，虚拟测试具有效率高、测试场景构建灵活等优点，但是其测试场景真实性受到车辆及场景模型的限制；封闭场地测试方法中，测试场景真实性较高，但存在测试场景元素较少，测试场景复杂度不足等问题，难以完整复现真实交通环境，不利于开展高风险场景下的自动驾驶汽车测试。　　本文面向自动驾驶汽车高风险场景生成问题，针对高速公路匝道合流区变道切入场景，提出一种基于遗传算法的高风险场景优化生成算法，在此基础上，利用生成的高风险场景，在PreScan虚拟环境中进行自动驾驶汽车仿真测试。最后，本文构建了一种基于封闭试验场的自动驾驶虚实结合测试系统并开展了匝道合流区变道切入场景的虚实结合测试。论文的主要研究工作如下：　　构造了高速公路匝道合流区切入场景模型。本文以匝道合流区环境中，参考车驶出匝道，在自动驾驶汽车前方变道切入主车道时，两车路径冲突场景为研究对象。基于真实场景中两车轨迹数据，以影响匝道合流区切入场景危险程度的九个数据特征为参数，构建了匝道合流区变道切入场景模型，并确定了参数的取值范围。采用斯皮尔曼相关性估计对场景模型的参数进行相关性分析，获得其中相关性较强和较弱的参数组合。在此基础上，利用真实数据对模型参数进行核密度估计，获得场景参数在设定取值范围内的统计分布。　　提出了一种基于遗传算法的匝道合流区切入场景优化生成算法。根据匝道合流区切入场景模型，以参考车驶出匝道横向位置、参考车变道切入主车道时刻与匝道出口的纵向距离以及变道切入时刻两车纵横向距离为场景危险程度指标，基于层次分析法建立场景危险程度综合量化评价指标。以综合量化评价指标为适应度函数，场景参数组合为优化个体，场景参数为染色体，以获得最高危险场景为迭代优化停止条件，基于遗传算法完成高风险场景的优化迭代生成。经过近1000轮迭代生成，获得了有效测试场景，并将生成场景分为低风险场景、中风险场景和高风险场景共三大类，17个场景危险级别。　　基于PreScan仿真平台实现了匝道合流区变道切入场景的仿真测试。在PreScan仿真环境中，分别构建了生成场景中高中低三种不同风险等级的测试场景。利用Simulink建立基于TTC模型的AEB控制算法，通过PreScan与Simulink联合仿真，测试自动驾驶汽车在不同危险程度场景中的制动及车速变化情况。测试结果表明，在低风险场景中，AEB系统未启动；在中风险场景中，AEB系统先给予60%的制动，然后迅速将制动加大到100%；在高风险场景中，AEB系统在短时间内快速给予100%制动。　　最后，基于PreScan仿真平台和长安大学车联网与智能汽车试验场，构建了一种自动驾驶汽车虚实结合测试原型系统，并开展虚实结合测试。根据自动驾驶汽车虚实结合测试需求，设计了虚实交互测试系统的架构，提出适用于自动驾驶虚实结合测试的虚实实体数据交互协议。在此基础上，以优化生成的测试场景集为场景来源，利用虚实结合测试系统，进行自动驾驶汽车虚实结合测试。　　实车测试结果表明，本文研发的虚实结合测试能够为虚实结合自动驾驶汽车测试提供真实环境的测试条件，获得测试车辆在测试场景中的运行状态。
作者：	李春银
专业：	软件工程
导师：	徐志刚
授予学位：	硕士
授予学位单位：	长安大学
学位年度：	2022