买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：同济大学

摘要：本发明涉及一种基于行为结果双代理模型的自动驾驶系统安全测评方法，包括：测试采样，基于行为代理模型和结果代理模型进行加速测试，通过测试采样，获取被测自动驾驶车辆在逻辑场景下安全性能的历史测试样本集；安全评估，基于历史测试样本集，对被测自动驾驶车辆在该逻辑场景下的整体安全性进行评估，得到全面安全评估结果。其中，测试采样阶段包括初始化采样和循环相连的四个步骤：代理模型构建更新、代理采样、价值计算、实际测试；安全评估阶段包括树模型构建、危险子空间超体积估计、危险模态识别和评估结果可靠性估计四个步骤。与现有技术相比，本发明能够高效、可靠地对自动驾驶系统在逻辑场景空间内的安全性进行全面的综合测试和评估。

主权项：1.一种基于行为结果双代理模型的自动驾驶系统安全测评方法，其特征在于，包括以下步骤：S1、测试采样：基于行为代理模型和结果代理模型进行加速测试，通过测试采样，获取被测自动驾驶车辆在逻辑场景下安全性能的历史测试样本集；S2、安全评估：基于历史测试样本集，对被测自动驾驶车辆在该逻辑场景下的整体安全性进行评估，得到全面安全评估结果；所述步骤S1具体包括以下步骤：S11、初始化采样，从逻辑场景空间中采集设定数量的样本点进行测试，并将测试结果加入历史测试样本集中，以获取启动加速测试循环的初始信息；S12、代理模型的构建及更新，根据历史测试样本集，构建或更新行为代理模型与结果代理模型，利用结果代理模型将逻辑场景空间划分为多个子空间；S13、代理采样，在行为代理模型和结果代理模型上进行快速代理采样，得到一批临时的代理采样数据；S14、价值计算，根据代理采样数据，计算各子空间的观测价值，依据观测价值由高到低，对子空间进行排序；S15、实际测试，选取排序在前N位的若干子空间作为目标测试空间，从中采样具体场景进行实际测试，并将测试结果加入历史测试样本集中，若测试成本已耗尽，则退出循环，输出当前的历史测试样本集作为结果；否则返回至步骤S12；步骤S12具体包括以下步骤：S121、构建行为代理模型，在测评开始前，使用领域数据和深度学习模型，学习通用的驾驶行为代理模型，作为行为代理模型的初始模型；S122、更新行为代理模型，在实际测评过程中，计算行为代理模型对被测自动驾驶车辆行为的代理误差，使用代理误差对模型参数进行微调，使行为代理模型的代理结果逐渐与具体被测自动驾驶车辆一致；S123、构建结果代理模型，使用逻辑场景空间作为根节点调用单元空间划分步骤，对划分出来的子空间以相同方式递归调用单元空间划分步骤，并设置递归划分的停止条件，创建一棵逻辑场景空间的层级划分树，作为结果代理模型；S124、更新结果代理模型，按照设定周期重新构建结果代理模型；步骤S123中单元空间划分步骤具体为：使用母空间作为根节点，根据落在母空间中的历史测试样本学习划分曲面，将母空间划分为危险子空间和非危险子空间，并在母空间根节点上创建两个对应的子空间节点；步骤S14中观测价值由场景危险程度表征的“开发”价值和由观测信息不确定性表征的“探索”价值两部分组成；所述“开发”价值的计算过程为：一个具体场景的“开发”价值由一次测试过程中的场景风险度量，一个场景子空间的“开发”价值由该子空间内所有具体场景风险的期望表征和计算；所述“探索”价值的计算过程为：一个场景子空间的“探索”价值由代理模型对该子空间的信息不确定性度量，由“未观测到”和“未观测准”两部分来源的不确定性组成；“未观测到”带来的不确定性根据历史测试样本在逻辑场景空间中的分布计算采样密度进行计算表征；“未观测准”不确定性由行为代理模型对实际被测自动驾驶车辆的代理误差进行计算表征；步骤S2具体包括以下步骤：S21、构建树模型，根据给定的场景风险阈值，对步骤S1测试采样阶段得到的历史测试样本集中样本点的标签进行二值化，将其划分为危险样本点和非危险样本点；之后使用决策树算法构造一棵逻辑场景空间的划分树，将逻辑场景空间分为若干危险和非危险子空间；S22、危险子空间超体积计算，根据步骤S21构建得到的决策树模型，提取代表危险子空间的叶子节点，计算每个危险子空间叶子节点的超体积并求和，得到所有危险子空间的超体积，并通过计算危险子空间超体积占整个逻辑场景空间总体积的比例，得到被测自动驾驶车辆在该逻辑场景下的总体风险；S23、危险模态识别，在步骤S21构建得到的决策树模型基础上，根据危险叶子节点的空间连通性构造无向图，并在该无向图上合并连通的危险子空间叶子节点，得到一个或多个连通分量，并使用每个连通分量代表该逻辑场景下的一个危险模态；S24、评估结果可靠性估计，使用步骤S1测试采样阶段最后一轮迭代轮次更新的行为代理模型，计算每个子空间的代理误差；使用步骤S1测试采样阶段最后一轮迭代轮次更新的历史测试样本集的样本分布估计每个子空间的采样密度；融合代理误差和采样密度，得到每个子空间的观测价值，使用子空间场景风险期望作为权重对其观测价值进行加权求和，得到逻辑场景空间整体残余探索价值，对评估结果可靠性进行表征。

全文数据：

权利要求：

百度查询： 同济大学 基于行为结果双代理模型的自动驾驶系统安全测评方法