详情

原文传递基于异构数据挖掘的车辆与行人测试场景研究

论文题名：	基于异构数据挖掘的车辆与行人测试场景研究
关键词：	交通事故数据;自然驾驶数据;智能网联车测试;数据驱动测试;测试场景;人车交互
摘要：	行人作为弱势道路使用者，在自然交通环境下发生危险的可能性大大高于其他道路使用者。而智能车路系统的引入可以大幅降低车辆与行人交通事故的发生率，提高道路通行效率和安全性。本文依托国家重点研发计划“综合交通运输与智能交通”专项的“封闭和半开放条件下智能车路系统测试评估与示范应用”项目，分别从结构化事故数据与自然驾驶数据中分析和提取复杂性不同的典型车辆与行人交互测试场景（下文简称人车交互测试场景），根据两种不同数据的特点分别提出了一种从结构化事故数据到基础人车交互测试场景库的分析与构建框架和基于自然驾驶数据挖掘的二阶人车交互测试场景的构建框架，并针对智能网联车测试特性对二阶场景进行了理论建模分析与仿真测试验证。　　本文的研究依托于国家重点研发计划（编号：2018YFB1600802），并从以下3个方面展开：　　（1）基于事故数据的基础人车交互场景研究　　基于中国公安部交通管理科学研究所提供的国内2018-2019车辆与行人碰撞结构化事故数据集，参考美国车辆与行人碰撞事故报告中典型事故场景的研究方法，提取得到了5类中国典型人车交互事故场景；对5类典型事故场景的场景因素进行了统计分析，提取得到9类典型场景要素；通过对提取的典型场景要素进行合理组合和筛选，构建得到了基础人车交互测试场景库，共涵盖48个类别共计344例人车交互场景。最后与国内外10余项测试标准及技术报告进行对比和场景覆盖率分析，验证了本文基础人车交互测试场景库的有效性与适用性。　　（2）基于自然驾驶数据的复杂人车交互场景研究　　针对智能网联车测试特性及基础人车交互测试场景复杂性低的特点，本文首次提出了二阶人车交互测试场景的概念与提取框架，并在真实的自然驾驶数据中进行了验证与提取。首先，提出了二阶人车交互场景的相关定义及提取框架。然后根据相关定义，从795776条真实的自然驾驶数据中提取出了135起有效的一阶人车交互事件及其前序事件。使用场景自动化识别算法对前序事件进行了标注，并根据事件占比情况选择跟车事件作为典型前序事件。最后，选择层次聚类算法对提取的一阶人车交互事件与典型前序事件进行聚类分析，提取得到4类典型一阶人车交互场景与3类典型前序场景。通过对一阶人车交互场景与典型前序场景的聚类结果进行联合统计分析，最终从数据中提取出复杂性较高、适合网联车测试特性的6类典型二阶人车交互场景。　　（3）二阶人车交互场景的分析与评价　　本文首先采用理论推导的方法对复杂性较高的二阶人车交互场景的雷达探测区域进行了建模，并进行了相关实例验证；然后采用测试矩阵法对6类典型人车交互场景进行测试用例设计，生成了共计5137713例有效二阶人车交互场景测试用例；最后，基于IDM（IntelligenceDrivingModel）跟车模型与典型AEB（AutonomousEmergencyBraking）控制算法，建立二阶场景下单车环境与网联车环境数值仿真模型，对6类典型二阶人车交互场景生成的测试用例进行仿真测试与评估，证明了二阶场景的典型性与有效性。
作者：	田叶凡
专业：	计算机科学与技术
导师：	马峻岩
授予学位：	硕士
授予学位单位：	长安大学
学位年度：	2022