一种引入驾驶员风格的自动驾驶仿真测试场景生成方法与流程

本发明涉及人工智能、自动驾驶规划控制系统，特别是涉及一种引入驾驶员风格的自动驾驶仿真测试场景生成方法。

背景技术：

1、近年来，人工智能技术迅速发展，极大推进了自动驾驶技术的发展与商业化进程。作为自动驾驶车辆执行系统的一部分，规划控制系统需要在不同的测试场景下进行测试，为提高测试过程的安全性、高效性以及降低测试的成本，一般需要通过仿真测试技术完成规控算法的验证。因此，建立自动驾驶场景库是实现自动驾驶落地的必经之路。

2、现阶段自动驾驶规划控制算法仿真测试场景，一般根据仿真测试的要求与真实场景的数据，由人工通过仿真软件搭建。这种测试方法存在一定的缺陷，如场景搭建效率低，人工成本高，测试场景中交通参与者不具备拟人化的行为特征，与真实场景存在较大差异，导致仿真测试效率低、可信度低。

技术实现思路

1、为了克服现有技术的不足，本发明提供一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，本发明自动驾驶仿真测试场景自动化生成过程，引入影响驾驶风格的主要变量，通过调整变量取值，实现交通参与者在不同驾驶风格之间的切换，使仿真测试场景更加与真实场景之间的差异更小，仿真测试效率高，可信度高。

2、为解决上述技术问题，本发明提供如下技术方案：一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，包括驾驶风格分析和仿真测试场景批量生成两个总体步骤，其中驾驶风格分析具体步骤如下：

3、s1、获取不同驾驶偏好的数据集，通过调查问卷的方式搜集谨慎型、正常型、激进型驾驶偏好的数据集信息，调查问卷的内容包含：正常行驶换道次数、换道的时间、换道过程加速度、平均速度、跟车阶段与前车的最小距离等数据，为调查的数据集预设标签，标签分别为谨慎型、正常型、激进型；

4、s2、对调查问卷数据集主成分分析，由于调查问卷的内容根据主观因素确定，无法保证调查问卷确定的变量之间的线性无关性，且数量居多后续参数设计较为繁琐，因此筛选调查问卷中贡献度排在前8位的变量(如正常行驶换道次数、换道的时间、跟车距离等变量)；

5、s3、对主成分分析的结果对数据集聚类分析，使用k-means聚类算法对调查问卷得到的数据集进行聚类分析，具体包括以下步骤；

6、s4、交通参与者行为参数设置，根据聚类分析确定不同驾驶偏好下车辆行为参数的参考值，通过设置车辆行为参数的不同取值以表现驾驶员的不同驾驶风格；

7、仿真测试场景批量生成具体步骤如下：

8、s1、测试场景需求语义提取，根据真实测试场景与自动驾驶数据集提取测试场景语义参数，一个标准的测试场景库包含：自然条件、道路设施、交通参与者三个主要方面；

9、s2、测试场景语义参数数据化；

10、s3、赋予交通参与者不同驾驶风格，根据对调查问卷数据集分析的结果，确定影响驾驶风格的主要因素，根据聚类分析的结果确定三种驾驶风格对应的主要影响因素的取值范围，并为交通参与者相关参数赋值，以实现车辆在不同驾驶风格之间的切换；

11、s4、批量生成仿真测试场景，将上述数据化的测试场景数据参数，导入测试场景生成的脚本文件中，自动批量生成测试场景；

12、进一步地，聚类分析具体包括以下步骤：

13、1)对样本数据预处理，不同特征量的量纲与数量级不一致需要通过标准化处理，并且删除异常数据点；

14、2)由样本数据随机选取3个对象作为簇质心，记为μ1(0)、μ2(0)、μ3(0)；

15、3)计算其余样本至三个簇质心的距离，以距离为依据划分为3个组；

16、4)重新计算3个组的簇质心记μ1(i)、μ2(i)、μ3(i)，i为重复计算次数；

17、5)重复上述步骤3)，4),直至簇质心变化在一定范围内波动；

18、6)得到各特征向量的聚类中心，将聚类结果还原为原始数据，并将此数据作为设置交通参与者行为的参考值；

19、再进一步地，自然条件涵盖天气与光照两个参数，天气参数设置包括：雨天、雪天、雾天等；光照参数数据化为具体的光照强度数值；

20、道路设施涵盖道路类型与不同道路类型对应的参数、车道数量、车道线线型与颜色、交通标志，道路类型包含：直行道路、弯曲道路、交叉路口、环形道路、高速公路上下闸道、隧道、桥梁；道路参数数据具体包含：长度、曲率、车道数量、车道线线型、车道线颜色、交通信号灯周期、限速标志；

21、交通参与者涵盖车辆、行人等，车辆包含主车自身、道路上正常行驶且具备人类驾驶风格的车辆；主车参数数据包含：起始位置、初始速度等；他车参数数据包含：起始位置、驾驶风格参数。

22、与现有技术相比，本发明能达到的有益效果是：

23、本发明将驾驶员的驾驶风格融入到自动驾驶仿真测试场景的搭建中，通过问卷方式搜集不同驾驶风格(如激进型、正常型、谨慎型)所对应的驾驶习惯数据信息，利用主成分分析与聚类分析方法筛选影响驾驶风格的主要因素，并以此为依据作为场景搭建的参考，根据对测试场景需求的语义化描述，提取场景搭建所需的参数，并实现数据化，将数据化后的参数引入测试场景生成脚本中，实现仿真场景的自动化生成，在引入影响驾驶风格的主要变量后，通过调整变量取值，能够实现交通参与者在不同驾驶风格之间的切换，使仿真测试场景更加与真实场景之间的差异更小。

技术特征：

1.一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：包括驾驶风格分析和仿真测试场景批量生成两个总体步骤，其中驾驶风格分析具体步骤如下：

2.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在驾驶风格分析的s1步骤中，通过调查问卷的方式搜集谨慎型、正常型、激进型驾驶偏好的数据集信息，调查问卷的内容包含：正常行驶换道次数、换道的时间、换道过程加速度、平均速度、跟车阶段与前车的最小距离等数据，为调查的数据集预设标签，标签分别为谨慎型、正常型、激进型。

3.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在驾驶风格分析的s2步骤中，由于调查问卷的内容根据主观因素确定，无法保证调查问卷确定的变量之间的线性无关性，且数量居多后续参数设计较为繁琐，因此筛选调查问卷中贡献度排在前8位的变量(如正常行驶换道次数、换道的时间、跟车距离等变量)。

4.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在驾驶风格分析的s3步骤中，使用k-means聚类算法对调查问卷得到的数据集进行聚类分析，具体包括以下步骤：

5.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在驾驶风格分析的s4步骤中，根据聚类分析确定不同驾驶偏好下车辆行为参数的参考值，通过设置车辆行为参数的不同取值以表现驾驶员的不同驾驶风格。

6.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在仿真测试场景批量生成的s1步骤中，根据真实测试场景与自动驾驶数据集提取测试场景语义参数，一个标准的测试场景库包含：自然条件、道路设施、交通参与者三个主要方面。

7.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在仿真测试场景批量生成的s3步骤中，根据对调查问卷数据集分析的结果，确定影响驾驶风格的主要因素，根据聚类分析的结果确定三种驾驶风格对应的主要影响因素的取值范围，并为交通参与者相关参数赋值，以实现车辆在不同驾驶风格之间的切换。

8.根据权利要求1所述的一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，其特征在于：在仿真测试场景批量生成的s4步骤中，将上述数据化的测试场景数据参数，导入测试场景生成的脚本文件中，自动批量生成测试场景。

技术总结
本发明公开了一种引入驾驶员风格的自动驾驶仿真测试场景生成方法，包括驾驶风格分析和仿真测试场景批量生成两个步骤，其中驾驶风格分析步骤如下：S1、获取不同驾驶偏好的数据集；S2、对调查问卷数据集主成分分析；S3、对主成分分析的结果对数据集聚类分析；S4、交通参与者行为参数设置；仿真测试场景批量生成步骤如下：S1、测试场景需求语义提取；S2、测试场景语义参数数据化；S3、赋予交通参与者不同驾驶风格；S4、批量生成仿真测试场景。本发明自动驾驶仿真测试场景自动化生成过程，引入影响驾驶风格的主要变量，通过调整变量取值，实现交通参与者在不同驾驶风格之间的切换，使仿真测试场景更加与真实场景之间的差异更小。

技术研发人员：丁华杰,孙立友,何勇
受保护的技术使用者：上海寻序人工智能科技有限公司
技术研发日：
技术公布日：2024/1/13