CN115565267B 一种自动驾驶系统的性能边界自适应采样方法 （陕西师范大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115565267B(45)授权公告日2025.07.01

(21)申请号202211293693.9

(22)申请日2022.10.21

(65)同一申请的已公布的文献号申请公布号CN115565267A

(43)申请公布日2023.01.03

(73)专利权人陕西师范大学

地址710119陕西省西安市长安区西长安

街620号

(72)发明人程适王雪萍刘悦张明明雷秀娟

(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223

专利代理师韩晓娟

(51)Int.CI.

GO7C5/08(2006.01)

(56)对比文件

CN111814308A,2020.10.23

US2019179738A1,2019.06.13

审查员陈二艳

权利要求书2页说明书8页附图4页

(54)发明名称

一种自动驾驶系统的性能边界自适应采样

方法

(57)摘要

CN115565267B本发明公开了一种自动驾驶系统的性能边界自适应采样方法，属于自动驾驶技术领域，包括：在自动驾驶系统仿真模型中输入新的场景输入状态向量进行仿真，生成得分向量，根据生成的场景输入状态向量和得分向量构建标记样本集，采用基于头脑风暴优化算法的优化分类算法，获得不同性能模式下的标记样本集，根据不同性能模式下的标记样本集构造性能边界对，根据性能边界对构造性能边界集，对不同性能模式的标记样本执行头脑风暴优化算法，生成性能边界采样点，结合基于头脑风暴优化算法的优化分类算法进行迭代，生成最终的性能边界。该方法

CN115565267B

评估要求

评估要求

自动驾驶测试场景描述

自动驾驶测试度量设计

自动驾驶测试数据集生成

数据采样

评估过程

决策变量

性能指标

数据集

采样数据点

评估结果

头脑风暴优化算法的结构和参数设置

算法结构调整、参数优化

CN115565267B权利要求书1/2页

2

1.一种自动驾驶系统的性能边界自适应采样方法，其特征在于，包括：

根据自动驾驶测试的不同场景状态，配置生成场景状态空间向量、并根据其中一个场景状态空间向量构建场景输入状态向量；

评估不同场景下自动驾驶系统性能指标，获得得分向量，根据得分向量构建得分样本集；

根据生成的场景输入状态向量，采用自适应搜索算法迭代生成新的场景输入状态向量，并识别性能模式；

在自动驾驶系统仿真模型中输入新的场景输入状态向量进行仿真，生成得分向量，根据生成的场景输入状态向量和得分向量构建标记样本集；

采用基于头脑风暴优化算法的分类算法，获得不同性能模式下的标记样本集；

根据不同性能模式下的标记样本集构造性能边界对，根据性能边界对构造性能边界集；

对不同性能模式的标记样本执行头脑风暴优化算法，生成性能边界采样点，包括：

概率参数Pclusterone和概率参数Pclustertwo分别用来控制在一个簇或者两个簇的情况下生成新的样本，生成新的样本的表达式包括公式(1)和公式(2):

(1)

;(2)rand(t)Pelusteronerand(t)Pclustertwo

;(2)

其中，是被选择去生成新个体的Xold的第d维；和是相邻性能模式的样本；是新生成的个体Xnew的第d维；是被选择的更优的新生成的个体Xslect的第d维；N(μ,o2)是均值为μ、方差为?2的高斯随机函数；ξ(t)是步长函数，也是高斯随机函数N(μ,o2)的系数；rand(t)为(0,1)之间的随机数；

新生成样本后的边界区域的宽度在D范围内，即Di,jDe,且现在则将其添加到边界集Ba,b中，更新D的值，即D=Di,j;

结合基于头脑风暴优化算法的优化分类算法进行迭代，生成最终的性能边界。

2.如权利要求1所述的一种自动驾驶系统的性能边界自适应采样方法，其特征在于，所述自动驾驶测试的不同场景状态，包括：

自动驾驶环境；

自动驾驶任务环境；

自动驾驶汽车的参数配置。

3.如权利要求1所述的一种自动驾驶系统的性能边界自适应采样方法，其特征在于，所述根据自动驾驶测试的不同场景状态，配置生成场景状态空间向量、并根据其中一个场景状态空间向量构建场景输入状态向量，包括：

状态空间S=[S1,S2,…Sn],其中包含n个元素