CN119514308A 自动驾驶车辆测试场景的生成方法、系统、设备及介质 （长安大学）

本发明公开一种自动驾驶车辆测试场景的基于初始场景创建道路和车辆；车辆包括基于IDM模型的自动驾驶车辆和智能体车辆；搭建单建双车道和车辆；车辆包括基于IDM模型的自动和验证自动驾驶系统在复杂和高风险环境中的2速度变化率Jerk和碰撞时间TTC对单向单车道跟驰场景的影响程度作为单向单车道跟驰场根据搭建的单向单车道跟驰场景与单向双车道切车场景，生成用y采用空间逻辑的方法，利用基于车道坐标系统，按照合理性规则生px表示元素y将场景元素集合X上的空间关系定量化表示为中(X,R)ER,则元素空间关系定量化表3V11的加速度变化率Jerk和碰撞时间TTC对单向单车道跟驰场景的影响程度作为单向单车道当所述Jerk的绝对值大于等于4的绝对值时，车辆随时间的变化率达到临界状态；当所述过引入RSS责任敏感安全模型，将判断V21与V22之间的实际距离与RSS最小纵向安全距离的r411跟驰V12；将V11的加速度变化率Jerk和碰撞时间TTC对单向单车道跟驰场景的影响程场景创建双车道和车辆；所述车辆包括基于IDM模型的自动驾驶车辆V21和智能体车辆V22，5[0001]本发明涉及危险场景生成技术领域，具体涉及自动驾驶车辆测试场景的生成方驱动的方法建立场景库首先需要获取真实驾驶数据或交通事故数据，从数据中识别场景、大偏差理论的边界场景生成方法通常采用重要性抽样和交叉熵等大偏差理论从已有场景[0005]针对现有技术存在没有考虑被测车辆与环境的实时交互问题和生成场景的时空6的加速度变化率Jerk和碰撞时间TTC对单向单车道跟驰场景的影响程度作为单向单车道跟V22之间的实际距离dmin小于RSS最小纵向安全距离dmin_RSS，将这个时刻的场景视为危险场yy[0019]将场景元素集合X上的空间关系定量化表示为中(X,R)ER,则元素空间关系定量7[0023]进一步地，所述将V11的加速度变化率Jerk和碰撞时间TT测试场景创建道路和车辆；所述车辆包括基于IDM模型的自动驾驶车辆V11和智能体车辆测试场景创建双车道和车辆；所述车辆包括基于IDM模型的自动驾驶车辆V21和智能体车辆8[0036]危险场景生成模块，用于根据搭建的单向单车道跟驰场景与单向双车道切车场自动驾驶车辆的加速度变化率和碰撞时间对单向单车道跟驰场景的影响程度作为其奖励车辆的实际距离与RSS最小纵向安全距离的大小作为奖励函数搭建单向双车道切车场景；9ypx表示y两个元素itemi和itemj之间的距离就可以表示为dist(itemi，itemj)＝|itemi.R=TIrel,(item,)Irelz(item,itemy)I-RIR,NR,1R,VR),其中T表示布尔量化表示为p(x,R)eR则元素空间关系可定量化表示为：[0067]基于开源环境highway_env设计单向单车道跟驰场景：首先分别通过create_road、create_vehicles函数创建道路和车辆，车辆包括一辆基于IDM(IntelligentDrivingModel)模型的自动驾驶车辆V11，一辆智能体车辆V12，V11跟驰V12。基于开源环境[0070]其中XL(t)表示t时刻前车的位置，XF(t)表示t时刻后车的位置，DL表示前车车长，越高，当Jerk的绝对值大于等于4的绝对值时，驾驶员以及车内人员会明显的感觉到颠簸11的Jerk和TTC处于危险的取值范围是强化学习过程中的重要奖励之一。[0078]强化学习算法依赖于智能体与环境的直接交互，通过不车辆距计算10次模拟的仿真测试中RSS最小纵为自动驾驶汽车提供危险测试场景。基于开源仿真环境highway_env搭建基础场景，使用与自动驾驶车辆V11和V21互相交互获得当前时刻的状态数据，强化学习根据奖励和当前时刻的状态数据得到下一个时刻的状态数据，最终完成训练。将训练所得的模型导入