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！

龙图腾网获悉南京大学申请的专利一种基于事故报告的自动驾驶泛化性测试场景构建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：CN119358208B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202411312862.8，技术领域涉及：G06F30/20；该发明授权一种基于事故报告的自动驾驶泛化性测试场景构建方法是由陈振宇;郭安;房春荣;高新宇设计研发完成，并于2024-09-15向国家知识产权局提交的专利申请。

本一种基于事故报告的自动驾驶泛化性测试场景构建方法在说明书摘要公布了：本发明涉及一种基于事故报告的自动驾驶泛化性测试场景构建方法。该技术根据基于层的场景定义，将事故场景初步抽象为三层：路网和交通引导对象、环境条件和动态对象。然后利用LLM系统地从事故报告中提取有关事故影响因素的信息，逐层组织信息。随后，对交通参与者的事故前驾驶行为建立约束，并使用约束求解器生成符合事故报告中指定约束的轨迹。接着，将提取的环境和道路信息生成的轨迹输入到驾驶模拟器中，重建车祸场景。最后，在评估阶段，将生成的模拟场景转换为包含测试预言机的测试用例，并将这些测试用例进行自动驾驶仿真测试。本发明目的在于解决在不同的道路上再现事故场景的难题，进而帮助自动驾驶系统从业人员在不同道路结构的事故场景下开展测试工作。

本发明授权一种基于事故报告的自动驾驶泛化性测试场景构建方法在权利要求书中公布了：1.一种基于事故报告的自动驾驶泛化性测试场景构建方法，其特征在于，根据基于层的场景定义，将事故场景信息初步抽象为三层：路网和交通引导对象、环境条件和动态对象；然后利用大语言模型LLM系统地从事故报告中提取有关事故影响因素的信息，逐层组织信息；随后，对交通参与者的事故前驾驶行为建立约束，并使用约束求解器生成符合事故报告中指定约束的轨迹；接着，将提取的环境和道路信息生成的轨迹输入到驾驶模拟器中，重建车祸场景；最后，在评估阶段，将生成的模拟场景转换为包含测试预言机的测试用例，并将这些测试用例输入到自动驾驶系统ADS；该方法检查被测ADS是否成功到达最终预期位置而没有遇到任何崩溃；该方法包括下列步骤： 1信息提取；为了抽象地表示事故信息并将其组织成LLM可以理解的语义结构，将提取的信息以分层表示的形式呈现，分为三层：环境、道路和动态对象；环境层包括天气和光照条件；天气条件Weather包括雨、雾、雪和其他因素；光照条件Lighting与道路上的照明条件有关，通常是白天较亮，晚上较暗；此外，路灯可以增强照明；道路一层描述道路网络和用于道路引导的交通标志；道路代表碰撞的地理背景，包括发生事故的道路类型CollisionLocation和相关道路上的车道数LaneNum；此外，该方法提取有关道路限速SpeedLimit的信息，以重建适用于事故位置的速度约束；动态对象一层包含了有关撞击者和受害者的信息，以及导致碰撞的移动动作；该方法提取有关同时发生碰撞的交通参与者数量ParticipantsNumber的信息，并识别碰撞类型；碰撞类型信息CrashType指定了交通参与者发生碰撞的角度，包括三种类型的碰撞：追尾碰撞、正面碰撞和前后碰撞；对于事故中涉及的每辆车，该方法提取每辆车的状态，包括车辆的初始运行车道RunningLanes、车辆的初始运行方向DrivingDirections和车辆在碰撞前的行为DrivingActions；具体来说，车辆行为描述了车辆所采取的正常和异常行为；常规驾驶动作包括掉头、停车、驶入道路、车辆过马路、左转、右转、跟随车道和变道；非正常驾驶行为包括驶离道路和逆行； 该方法使用提示模式逐层提取事故信息；对于每种语言模式，首先解释每个属性的含义，以帮助LLM理解提取的信息；此外，该模式还包括启发式规则，以指导LLM产生准确的结果；最后，利用少样本few-shot学习来确保LLM的输出符合预期标准； 2轨迹规划；该方法利用提取的驾驶动作和道路信息来模拟碰撞并计算模拟交通参与者的轨迹；以步骤1提取的道路信息R、步骤1提取的动态对象信息D、给定地图MAP、定义的驾驶动作约束C为输入；首先将给定的地图解析为一组候选道路，并注意到每条道路的道路类型；然后迭代候选道路集，依次选择不同长度和宽度的车道；如果当前道路类型与事故发生的道路类型匹配，并且所有交通参与者在其运动过程中占用的最大车道数小于或等于所选道路上的车道数，则开始路点生成过程；随后，在交通参与者调整行驶方向和初始车道位置以匹配所选道路后，约束求解器根据驾驶动作解析约束，生成航路点； 为了使参与者执行相应的动作并驶入碰撞现场，从五个方面为每个动作定义了一组轨迹约束C；然后，该方法利用约束求解器为每个参与者自动生成轨迹；轨迹是航路点的有序序列，即交通参与者必须遵循的位置和速度；为了形式化表示航路点进而设计轨迹约束，车辆X的bth动作的ith航路点表示为其中，x，y，v分别是x坐标，y坐标，和速度；此外，我们引入pos＝x，y来表示航点在平面图中的位置；此外，交通参与者在执行动作时必须同时到达碰撞位置；要做到这一点，本方法引入一个碰撞区域CA，由方法自动计算； 第1组：初始位置和目的地约束 第一组有四个约束条件；方程1限制了从到的行驶方向与车道lm的方向相同；计算fdwi，wj，l被定义为wj.x-wi.xlex.x-len.x＞0∧wj.y-wi.ylex.y-len.y＞0； 其中len为车道的入口点，lex为车道的出口点，这两个点在对地图进行解析后都是已知的；当fd为true时，保证在车道1的方向上，航路点wj领先于wi；方程2限制了FollowLane行为开始和结束的道路位置；和在同一车道lm路边Ri；公式3和4限定了左转和过车动作的起始和结束道路位置：当驾驶动作避免碰撞，且和在不同道路的车道上时应用公式3；当动作导致碰撞时采用式4，目的地位置在CA； 第2组：执行动作的位置限制 在该组中，式5限制了在执行左转动作时路点的位置，确保当前路点位于相邻两个路点连线的右侧；表示由i-th路点位置和i+1-th路点位置组成的方向向量；向量表示由i-th和i+2-th路点的位置形成的右法向量；方程6和7分别对通过执行左转行为和车辆穿越行为访问的道路之间的位置关系施加了限制；k1和k2表示道路lm和ln的斜率； 第3组：航路点速度的约束 第3组对所有中间航路点的速度进行限制；其中，式8限制了到航路点的速度，式9限制了行驶时的速度限制；DXi，j和DYi，j分别计算车辆沿X轴和Y轴从ith路点到jth路点的距离；其中，vc.x应为航路点在X轴上的速度，vc.y为航路点在Y轴上的速度；spdi的速度是υi.spdlimit是驾驶道路限速； 第4组：多个基本驾驶动作的轨迹组合约束 当多个操作被连接时，第四组约束了航路点之间的关系；方程10和11分别表示了攻击者和受害者多重动作的轨迹约束；交通参与者当前动作的结束位置应与后续驾驶动作的开始位置一致；攻击者进行n动作，而受害者在碰撞前进行m动作； 第5组：车辆碰撞约束 第五组约束确保冲突信息与报告描述一致；公式12将事故碰撞的发生限制在碰撞报告中所述的位置，而公式13描述了攻击者和受害者同时到达碰撞位置； 3仿真和测试生成；模拟器接收轨迹规划模块生成的航路点，结合LLM提取的环境条件信息，进行仿真，重构事故报告中详细描述的碰撞场景；然后该方法自动从轨迹规划模块的输出中提取系统级测试用例，允许自动驾驶汽车选择与事故报告中描述的不同的轨迹，以避免碰撞；对于基于事故报告生成的模拟场景，通过将每个交通参与者指定为自我车辆来创建多个测试场景；每个自动驾驶车辆的起始点被设置为生成的航路点的起始点，而NPC车辆遵循轨迹规划模块提供的航路点；在这些运行过程中记录了涉及自动驾驶车辆的碰撞场景；为了最大限度地减少误报，计算了自动驾驶车辆速度不接近零的碰撞场景。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22号南京大学鼓楼校区彝民楼902；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”。

以上内容由龙图腾AI智能生成。