原文传递
自动驾驶汽车测试场景与加速测试方法研究
| 论文题名： | 自动驾驶汽车测试场景与加速测试方法研究 |
| 关键词： | 自动驾驶;仿真测试;加速测试;测试场景 |
| 摘要： | 近年来，汽车智能化越来越受到消费者的关注，已经逐步走入人们的日常生活。完善的测试与验证是自动驾驶汽车投入使用的重要一环，自动驾驶功能中存在的各类安全问题可以通过测试数据发现，从而对自动驾驶算法进行改进升级。传统的测试方法需要海量的道路测试，因此该方法面临周期长、成本高、场景难复现等问题，难以满足高级别自动驾驶系统安全性的测试要求。由于传统测试方法存在上述弊端，仿真测试受到了当今社会极大的关注。但是，目前自动驾驶汽车仿真测试技术仍存在关键场景稀少、测试评估效率低下等问题。本文在分析和总结现有自动驾驶车辆仿真测评方法的基础上，针对自动驾驶汽车测试场景生成及测试评估问题展开研究。 首先，针对目前自动驾驶路测轨迹数据缺乏、场景覆盖率低下的问题，提出基于随机模型的场景特征描述方法，该方法可以有效描述自然驾驶场景的统计学特征，增加了场景的覆盖度。在此基础上，面向跟车场景，采用最小二乘法拟合前车行为随机模型中的参数；面向前车插入场景，采用高斯核对场景特征变量分布卷积平滑，避免遗漏关键测试场景。该场景特征描述方法在保证场景服从自然驾驶统计特征的同时，保证了测试场景覆盖度。 其次，针对蒙特卡罗方法生成的测试场景过于安全导致仿真测试效率低下的问题，提出了基于场景暴露率和场景危险程度结合的自动驾驶车辆危险测试场景提取方法，该方法通过针对性偏移测试场景中交通参与者的行为特征概率分布，产生更多能够更大程度影响被测自动驾驶车辆驾驶行为的危险场景，仿真测试表明提出的方法保证了加速测试中车辆安全水平测试结果的准确性，提升自动驾驶仿真测试效率达到百倍以上；在此基础上，针对基于蒙特卡洛方法的控制器参数优化效率低下的问题，提出了一种控制器性能优化方法，该方法融合了粒子群算法和重要性抽样方法，能够快速优化控制器的参数。通过仿真验证，优化后的控制器可以降低汽车事故率、冲突率以及不适率。 最后，针对特定自动驾驶算法开发的测试场景库往往存在通用性差的问题，提出了基于贝叶斯优化的自动驾驶测试场景库优化方法，该方法采用具有特定自动驾驶功能的代理模型构建测试场景库，根据黑盒待测对象的性能表现，采用贝叶斯优化对测试场景库进行更新迭代，搜索对黑盒待测对象影响更大的测试场景，实现了测试场景库的优化升级。仿真测试表明，提出的方法能在重要抽样的基础下进一步提升黑盒对象测试的效率。 |
| 作者： | 史晓雨 |
| 专业： | 控制工程 |
| 导师： | 陈虹 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
