详情

原文传递基于自然驾驶数据库的智能汽车危险测试场景加速生成方法研究

论文题名：	基于自然驾驶数据库的智能汽车危险测试场景加速生成方法研究
关键词：	智能汽车;自然驾驶数据库;危险测试场景;加速生成方法
摘要：	智能汽车代表未来汽车科技的战略制高点，而安全性测试是加速智能汽车产业化进程，促进智能汽车规模化应用的基础和前提。目前智能汽车已经从传统的人、车二元系统发展为人、车、环境、任务耦合系统，其复杂的行驶环境使得危险测试场景构建成为了智能汽车测试领域的研究重点。首先，智能汽车在道路行驶过程中，任何碰撞事故都可能引起巨大的生命财产损失，为了保障智能汽车的行驶安全性，需要构建高覆盖率的危险测试场景；其次，真实世界场景具有参数维度高、参数范围大、组合海量等特点，危险测试场景往往只占真实世界场景的一小部分，具有“长尾效应”，亟需探究危险测试场景加速生成方法，提高智能汽车测试效率；最后，高置信度测试场景构建是危险测试场景加速生成的基本要求，一方面，测试场景应该是智能汽车在真实世界道路上行驶能够遇到的、具有合理性的危险场景，避免生成真实世界不存在的极端场景，造成无意义的测试过程，另一方面，测试场景模拟应具有较高的置信度和模拟效率。　　本文依托十三五国家重点研发计划课题“自动驾驶电动汽车硬件在环测试环境构建与模拟测试技术研究（2018YFB0105103）”和国家自然科学基金联合基金重点项目“冰雪环境自动驾驶汽车在环仿真测试评价方法（U22A20247）”，研究基于自然驾驶数据库的智能汽车危险测试场景加速生成方法。以真实记录交通环境中车辆运动状态的自然驾驶数据库为场景来源，通过对自然驾驶数据的抽象、量化、分段、聚类、衍生，构建高覆盖率测试场景基元库，结合场景基元拼接重构和危险测试场景优化搜索方法，高覆盖率、高效率、高置信度构建危险测试场景集合，提高智能汽车测试效率，促进智能汽车产业落地。　　主要围绕“基于自然驾驶数据库的高覆盖率测试场景基元库构建”和“高覆盖率、高效率、高置信度危险测试场景生成”两个关键科学问题展开，主要研究内容如下：　　首先，研究基于自然驾驶数据库的基础测试场景基元库构建方法。以HighD自然驾驶数据库为场景来源，根据测试需求定义功能场景，对自然驾驶数据进行抽象和量化，生成多维测试场景序列；提出基于解耦粘性-层次狄利克雷-隐马尔可夫模型的测试场景基元提取方法，实现从测试场景序列中非参数、可解释地提取测试场景基元；以跟车场景基元和切入场景基元为研究重点，提出基于K-SHAPE方法的测试场景基元聚类方法，构建基础测试场景基元库。　　其次，建立基于生成对抗网络的测试场景基元衍生方法。设计带有梯度惩罚的基于Wasserstein距离的条件生成对抗网络模型架构；在模型中采用结合门控循环单元和全连接层的判别器网络模型，以及结合编码器-解码器网络、注意力机制和门控循环单元的生成器网络模型；通过条件约束对衍生测试场景基元的类型和车辆运动状态进行控制，生成具有激烈驾驶行为的测试场景基元，提高测试场景基元库的场景多样性和场景覆盖率。　　再次，构建具有潜在碰撞风险的危险逻辑场景。将测试场景基元拼接重构抽象为马尔可夫决策过程，提出基于双延迟深度确定性策略梯度强化学习的典型危险测试场景重构方法；针对跟车场景和切入场景，分别设计了对应的环境状态、动作空间和奖励函数，对模型进行训练，拼接测试场景基元，重构典型危险测试场景；分析和统计典型危险测试场景中车辆运动状态，降低逻辑场景维度，压缩逻辑场景参数范围，构建具有潜在碰撞风险的危险逻辑场景，提高危险测试场景暴露率。　　然后，设计逻辑场景空间内危险测试场景加速生成方法。建立基于社会认知优化算法的危险测试场景全局加速搜索方法，定义相关的模仿学习、观察学习、邻域搜索和知识库更新规则，实现覆盖所有危险测试场景聚类区域的危险测试场景高效率生成；建立基于卷积算法的危险测试场景局部加速搜索方法，通过场景映射和迭代卷积加速搜索逻辑场景空间内剩余的危险测试场景；在跟车和切入逻辑场景空间内对被测智能汽车功能进行测试，生成危险测试场景，结果表明危险测试场景加速生成方法可以在逻辑场景空间内高效率、高覆盖率生成危险测试场景。　　最后，研究危险测试场景加速生成方法的硬件在环测试应用。分析毫米波雷达工作原理，设计毫米波回波模拟方法；搭建毫米波雷达在环测试平台，并设计相关的几何模型和功率衰减模型，实现被测智能汽车功能的闭环测试和虚拟车辆目标回波的高精确度模拟；应用危险测试场景加速生成方法，对被测智能汽车功能进行毫米波雷达在环测试，高覆盖率、高效率、高置信度生成危险测试场景集合，提高智能汽车测试效率。
作者：	孙宇航
专业：	车辆工程
导师：	朱冰
授予学位：	博士
授予学位单位：	吉林大学
学位年度：	2023