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！

龙图腾网获悉同济大学申请的专利基于情绪驱动的个性驾驶员模型定制化测试场景生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114862156B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210431406.X，技术领域涉及：G06Q10/063；该发明授权基于情绪驱动的个性驾驶员模型定制化测试场景生成方法是由熊璐;马依宁;王天辰;陈君毅;吴建峰设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本基于情绪驱动的个性驾驶员模型定制化测试场景生成方法在说明书摘要公布了：本发明涉及一种基于情绪驱动的个性驾驶员模型定制化测试场景生成方法，包括：基于现有的情绪模型，选择出对驾驶车辆行为产生影响的特定情绪；对受试驾驶员预先施加特定情绪影响，之后在驾驶模拟器上采集受试驾驶员对应的驾驶数据；针对采集得到的驾驶数据，首先进行模仿学习，再进行强化学习Q‑Learning，得到泛化后不同风格的驾驶数据；将不同风格的驾驶数据按照特定比例进行组合，通过烟花优化算法确定出超参数，从而生成面向自动驾驶汽车的高效测试场景；确定高效测试场景的验证指标；选定被测系统决策方式，通过验证指标进行验证。与现有技术相比，本发明能够有效提高测试场景中背景车行为的复杂性与可解释性、提高测试场景的有效性和测试效率。

本发明授权基于情绪驱动的个性驾驶员模型定制化测试场景生成方法在权利要求书中公布了：1.一种基于情绪驱动的个性驾驶员模型定制化测试场景生成方法，其特征在于，包括以下步骤： S1、基于现有的情绪模型，选择出对驾驶车辆行为产生影响的特定情绪； S2、对受试驾驶员预先施加特定情绪影响，之后在驾驶模拟器上采集受试驾驶员对应的驾驶数据； S3、针对采集得到的驾驶数据，首先进行模仿学习，再进行强化学习Q-Learning，得到泛化后不同风格的驾驶数据； S4、将不同风格的驾驶数据按照特定比例进行组合，通过烟花优化算法确定出超参数，从而生成面向自动驾驶汽车的高效测试场景； S5、确定高效测试场景的验证指标； S6、选定被测系统决策方式，通过步骤S5确定的验证指标进行验证； 步骤S1具体是基于SCCT模型、Plutchik情感轮模型和OCC情绪模型，从中选择出对驾驶风格产生影响的六种特定情绪：愤怒、害怕、疑惑、快乐、蔑视和宁静，并基于OCEAN五大人格模型，将六种特定情绪分为三类： 将愤怒、害怕和蔑视划分为神经质类型； 将疑惑和宁静划分为责任心类型； 将快乐划分为宜人性类型； 其中，六种特定情绪对驾驶车辆行为产生的影响具体为： 宁静情绪下，驾驶员的驾驶风格稳定，不激进也不保守，处于正常状态； 愤怒情绪下，驾驶员倾向更激进的驾驶风格，加减速频率更高，变道频率更高，发生碰撞的概率提高； 害怕情绪下，驾驶员倾向更保守的驾驶风格，加减速频率更低，变道频率更低，碰撞的概率降低； 蔑视情绪下，由于对他人驾驶技术的蔑视或者对当前路况的轻视，驾驶员稍偏向激进，比宁静时加减速频率稍高，变道频率稍高，发生碰撞的概率略微提高； 疑惑情绪下，由于对路况和其他车辆的行为存在一定的困惑和警戒，驾驶员稍偏向保守，比宁静时加减速频率稍低，变道频率稍低，发生碰撞的概率略微降低； 快乐情绪下，驾驶员倾向考虑其他车辆驾驶员的感受，更倾向让道并减少影响后车的减速行为，发生碰撞的概率较小； 步骤S3具体包括以下步骤： S31、获取采集的受试驾驶员的驾驶数据，其中，驾驶数据包括驾驶状态和驾驶行为； S32、结合当前驾驶状态si、当前驾驶行为ai、下一时间步的驾驶状态s′i以及当前奖励值ri，构建数据集 S33、从数据集中进行一批抽样： s←s′ 其中，Qφs′i,a′i为一个时间步的最大收益，γ为衰减率，α为学习率，[rsi,ai+γmaxa′Qφs′i,a′i]为现实收益，Qφsi,ai为估计收益，s为当前的状态，s′为选取动作a之后达到的状态，每进行一个时间步，计算当前行为收益和预期当前行为引起的未来收益，每进行一个时间步，更新当前收益Q表，如此循环，直到s取到极值； 步骤S4具体包括以下步骤： S41、建立包含不同比例的六种特定情绪的道路模型，并以数组形式储存； S42、随机在解空间初始化N个烟花位置； S43、获得爆炸火花和高斯火花； S44、判断是否满足设定的测试场景高效性条件，若满足则结束循环，否则返回步骤S43循环。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。