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：吉林大学

摘要：本发明属于自动驾驶汽车测试评价技术领域，具体的说是一种针对自动驾驶系统的拟人性评价方法。包括以下步骤：步骤一、获取被测自动驾驶系统行驶数据；步骤二、采集驾驶人驾驶数据；步骤三、行驶轨迹场计算；步骤四、真实驾驶人行驶轨迹场数据概率分布计算；步骤五、构建拟人性指标；步骤六、采样行驶轨迹场数据，获取最终评价结果。该评价方法根据被测自动驾驶系统的行驶数据计算行驶轨迹场，将轨迹场与真实人类驾驶员的行驶轨迹场进行对比分析，通过概率统计的方式计算被测自动驾驶系统在该场景中行驶时与真实人类驾驶员驾驶的相似程度。

主权项：1.一种针对自动驾驶系统的拟人性评价方法，其特征在于，包括以下步骤：步骤一、获取被测自动驾驶系统行驶数据；步骤二、采集驾驶人驾驶数据；步骤三、行驶轨迹场计算，具体如下：根据步骤一得到的被测算法的行驶数据，步骤二采集到的真实人类驾驶员驾驶的行驶数据，通过公式1-2计算两组数据在测试场景下的行驶轨迹场；将整个行驶场景看作一个坐标系，车辆沿道路前进方向看作为x轴，车道方向看作为y轴，车道上不同的位置即看作为坐标系统的具体坐标； 式中，S为行驶轨迹场，即车辆整个行驶过程对周围空间影响的总和；s为瞬时场，即车辆行驶的瞬间对周围时空所造成的影响；rij为不同位置与车辆中心所组成的向量；vi为车辆的速度；θi为rij与vi的夹角；k1和k2为修正参数；将车辆视为一个质点，将车辆前进方向距离车辆质心1m远处的瞬时场数值视为整个车辆1m内的瞬时场数值；车辆每前进0.5m计算一下车辆的瞬时场数值，直至车辆停止或驶出行驶场景，将所有得到的瞬时场相加得到整个场景中的行驶轨迹场数值，如公式1；步骤四、真实驾驶人行驶轨迹场数据概率分布计算，具体如下：由于不同驾驶人行驶数据的差异性，因此根据不同真实驾驶员行驶数据计算得到的对应场景中的行驶轨迹场存在差异性，使用高斯分布描述整个场景中不同位置处的真实驾驶员行驶轨迹场数值，即不同位置处的行驶轨迹场的数值都使用高斯分布进行描述，如公式3所示； 式中，h为坐标系中不同位置处的行驶轨迹场的具体数值；μ和σ是对应位置处行驶轨迹场数值的均值和标准差；步骤五、构建拟人性指标，具体如下：拟人性指标包含四部分内容，第一部分：操作数目修正因子；第二部分：增加行驶里程修正因子；第三部分：行驶轨迹的相似性；第四部分：对应位置行驶速度的相似性；根据四种指标，设立的拟人性指标如公式4所示，拟人性指标的最大值为1； 式中，L是被测自动驾驶系统在具体场景中的行驶距离，当被测自动驾驶系统控制的车辆发生停车时，L为起点与终止点之间沿道路方向的距离，若没有发生停车，则是场景中沿道路方向的长度；Lmean是真实人类驾驶员在对应场景中行驶距离的平均值，每个真实人类驾驶员的行驶距离获取方式与L相同；nh是被测自动驾驶系统对车辆的操作次数，规定制动或加速的加速度绝对值大于0.5ms2后制动踏板或加速踏板回到初始位置为一次车辆操作，车辆方向盘转角大于10度后从后相反方向回到初始位置为一次车辆操作；nA是真实驾驶员驾驶的平均操作次数，单个真实驾驶员的操作次数的获取方式与nh相同；r是道路采样的位置，定义每次采样之间沿道路的长度为0.5m，采样位置为一条线段，即x＝r时在坐标系中以车道边界为边界的一条线段，当倒数第二个采样位置与道路终点之间的距离小于0.5m时，直接采样线段道路终点位置，无需考虑0.5m的间隔；pt_r是在采样线段上使用真实驾驶员驾驶时的车辆位置组成高斯分布，被测自动驾驶系统的车辆位置的值在该高斯分布中的概率，真实驾驶员驾驶时在采样位置处属于不同的y值的概率分布描述如公式3所示；式中h变为不同真实驾驶员在采样位置处车辆位置在y轴上的值；μ和σ变为对应y值的均值和标准差；pt_2σ_r为车辆位置属于真实驾驶员y轴位置的均值加两倍的标准差处的概率；pv_j为真实驾驶员驾驶时在采样线段上不同的采样处的行驶轨迹场为该具体数值的概率，使用公式3进行计算；pv_2σ_j为真实驾驶员驾驶时在采样线段上不同的采样处的行驶轨迹场，其为采样点位置处的均值加采样点位置处两倍的标准差的位置处对应的概率；ns是在一个采样线段上采样点的数量，具体数值为9；nm是所有采样点的数量；k3、k4为修正系数，当出现被测自动驾驶系统操作次数比真实驾驶员少，行驶里程比真实驾驶员长时，使用k3、k4将D的最大值修正到1，并修正已经参与过测试评估的其它被测自动驾驶系统结果，否则k3、k4直接取1；步骤六、采样行驶轨迹场数据，获取最终评价结果。

全文数据：

权利要求：

百度查询： 吉林大学 一种针对自动驾驶系统的拟人性评价方法