场景任务复杂度量化模型的制作方法

技术特征：

1.一种场景任务复杂度量化模型，其特征在于：其步骤是：

步骤一、复杂度因子分析：分析各类任务的固有属性，可得车辆运动控制复杂度、oedr复杂度以及指标复杂度；车辆运动控制复杂度因子包括纵向因子和横向因子，纵向因子包括恒速、变速、跟随、联合的控制；横向因子包括保持、跟踪、避障的控制；oedr复杂度包括逻辑复杂度因子、变量复杂度因子、目标复杂度因子；逻辑复杂度包括一阶信息熵、二阶信息熵，主要的变量有：测试车辆速度υ1、目标车辆速度υ2、车道宽度x0、目标车辆与测试车辆距离d、目标车辆与虚线车道线横向距离offset、弯道半径r、变道周期t、碰撞时间ttc、行人/骑行者与车道中心线之间的距离d、目标车辆加速度a、溜坡路距离d1、测试车辆距离碰撞点所需时间ttl1、目标车辆距离碰撞点所需时间ttl2、其他目标车辆速度v3、道路限制速度speedlimit、黄灯时长yellowlight-time、红灯时长redlight-time、机动车信号灯状态leftsignal-status/rightsignal-status；变量复杂度由变量个数决定；由于测试场景中目标不尽相同，目标复杂度因子也不同；

步骤二、复杂度量化计算：

设某项任务的某个因子包含多个元素，即x、y和z，其中x和y元素可相互替代，任选其一或共用，并与z个元素联合能够完成第i个任务，该影响因子所对应的或并函数则可记为gi(a1，...，a11，∧，∨)＝max(ax，ay)+az；定义第i个场景任务的车辆运动控制复杂度为si，1，纵向因子复杂度为s1，1，m，横向因子复杂度为s1，2，n，s1，1，m是参考定速巡航、行人紧急制动、自适应巡航、和高速驾驶辅助四项adas自动驾驶功能信息熵，综合评价得到的有关恒速s1，1，1,变速s1，1，2,跟随s1，1，3,横纵联合s1，1，4的或并函数f1，1，m(s1，1，1，...，s1，1，4，∧，∨)；s1，2，n是参考车道保持辅助、自动并线和交通拥堵领航三项adas自动驾驶功能信息熵，综合评价得到的有关保持s1，2，1,跟踪s1，2，2,避障s1，2，3的或并函数f1，2，n(s1，2，1，...，s1，2，3，∧，∨)，可得车辆运动控制复杂度：

si，1＝f1，1，m+f1，2，n(1)

从基本动作库中选取完成第i个场景任务所需的动作，将其抽象为节点，并用bi，ci…表示，定义φi表示第i个网络图γi的节点集，即定义场景任务i基本动作间的顺序为ωi，表示第i个网络图γi节点间的节点度；得到第i个场景任务的动作逻辑为一个网络图：

γi＝(φi，ωi)(2)

逻辑复杂度一次熵的计算：网络图γi有αi个节点，流入第j个节点边的条数称为该节点的入度μi，j，流出第j个节点边的条数称为该节点的出度vi，j；统计网络图γi中各个节点μi，j和vi，j，按照(μi，j，vi，j)的组合不同进行分类，得到一次熵的类别数ti，1和每个类别的节点个数ii，1，li，1＜αi；计算第i个场景任务的一次熵ii，1，即：

ii，1＝-sum(pi，1，jlogapi，1，j)(3)

其中a可取2，e等；

逻辑复杂度二次熵的计算：网络图γi有αi个节点，第j个节点相邻的节点集合为φi，j；如果第j个节点邻接的节点集合φi，j中的任何一个元素都属于第k个节点相邻的节点集合φi，k，第k个节点相邻的节点集合φi，k中的任何一个元素都属于第j个节点邻接的节点集合φi，j，那么，将节点j和k归为一类；统计各个节点的相邻节点集合φi，j，得到二次熵的类别数ti，2和每个类别所包含的节点个数li，2，li，2＜αi；计算第i个场景任务的二次熵ii，2，即：

ii，2＝-sum(pi，1，jlogapi，1，j)(4)

计算第i个场景任务的oedr逻辑复杂度：

其中，m和n为权重；

oedr复杂度的第二部分为目标复杂度，定义目标复杂度为di，目标集分别表示双车道车辆目标、十字路口车辆目标、双车道+十字路口车辆目标，考虑目标所处车道信息以及目标信息，包括借道行驶因子s2，1，q、车道方向s2，2，r、相对位置s2，3，s、相对车速s2，4，u，得到有关不可借道行驶s2，1，1、可借道行驶s2，1，2的借道行驶g2，1，q(s2，1，1，s2，1，2)，有关同向车道s2，2，1、对向车道s2，2，2、横向车道s2，2，3的车道方向函数g2，2，r(s2，2，1，...，s2，2，3)，有关前方s2，3，1、左前s2，3，2、右前s2，3，3、后方s2，3，4、左后s2，3，5、右后s2，3，6的相对位置函数g2，3，s(s2，3，1，...，s2，3，6)，有关小于0s2，4，1、大于0s2，4，2、变化s2，4，3的相对车速函数g2，4，u(s2，4，1，...，s2，4，3)，可得目标集d1-3的目标复杂度：

di＝g2，1，q+g2，2，r+g2，3，s+g2，4，u(6)

目标集分别表示十字路口信号灯目标、其他信号灯目标，考虑信号灯类型s2，5，v以及信号灯状态s2，6，w，包括有关单排信号灯s2，5，1、双排信号灯s2，5，2、人行横道信号灯s2，5，3、临时信号灯s2，5，4、铁道路口信号灯s2，5，5、潮汐信号灯s2，5，6的信号灯类型函数g2，5，v(s2，5，1，...，s2，5，6)，有关前进-警示s2，6，1、警示-前进s2，6，2、警示-停止s2，6，3、停止-警示s2，6，4、停止-前进s2，6，5的函数g2，6，w(s2.6，1，...，s2，6，5)，可得目标集的目标复杂度：

di＝g2，5，v+g2，6，w(7)

目标集分别表示限速牌目标、合流车道口目标、匝道口目标、行人目标、骑行者目标，横向比较考虑其目标复杂度：

di＝g2，7，x(8)

oedr复杂度的第三部分为变量复杂度，定义变量复杂度为ei，采用组合方式计算变量复杂度，即:

其中n表示变量个数；

根据以上公式和独立分布原则，定义第i个场景任务的oedr复杂度s2，i等价于该任务的逻辑复杂度ii与任务所包含目标复杂度di以及该任务的变量复杂度ei的乘积，即：

si，2＝ii×di×ei(10)

确定评价指标的等级:

si，3＝q(s3，1，s3，2，s3，3)(11)

步骤三、场景任务复杂度：

定义第i个场景任务的复杂度si等价于该任务车辆运动控制复杂度为si，1与任务所包含的oedr复杂度为si，2以及该任务的评价指标复杂度为si，3的乘积，即：

si＝si，1×si，2×si，3(12)

设第p个任务为所有场景任务中复杂度最高的任务，即smax＝sp，根据百分制原则，综合计算第i个场景任务的百分制场景任务复杂度zi：

技术总结
一种场景任务复杂度量化模型，属于自动驾驶技术领域。本发明的目的是从动作组成、信息感知和判断评估三个方面，综合使用主观负荷评价法、信息熵理论设计一种面向场景驾驶任务的复杂度量化评估方法，建立适用于七类，五十四种汽车测试验证的场景任务复杂度量化模型。本发明步骤是复杂度因子分析、复杂度量化计算、场景任务复杂度，综合计算场景任务的百分制场景任务复杂度。本发明准确地重复一次特殊的驾驶场景任务，成本过高，建立一个理论模型来分析一辆自动驾驶汽车在有限数量的测试场景中的智能性。本发明适用于各类测试场景的任务复杂度量化评估模型与方法，服务于实车验证和第三方测试机构建立完善的自动驾驶测试评价体系。

技术研发人员：殷璐;王宇雷;胡云峰;陈虹
受保护的技术使用者：吉林大学
技术研发日：2020.07.09
技术公布日：2020.10.23