CN120278193A 自动驾驶风险变道测试场景生成方法、系统及设备 （长安大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120278193A(43)申请公布日2025.07.08

(21)申请号202410449944.0G01M17/007(2006.01)

(22)申请日2024.04.15

(71)申请人长安大学

地址710000陕西省西安市南二环路中段

(72)发明人景首才赵玉钰惠飞赵祥模

杨澜

(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专利代理师崔瑞迎

(51)Int.CI.

GO6N3/045(2023.01)

GO6N3/0442(2023.01)

GO6N3/0475(2023.01)

GO6N3/082(2023.01)

GO6F30/27(2020.01)

权利要求书2页说明书10页附图4页

(54)发明名称

自动驾驶风险变道测试场景生成方法、系统及设备

(57)摘要开始

CN120278193A本发明提供了一种自动驾驶风险变道测试场景生成方法、系统及设备，属于自动驾驶技术领域，其方法包括如下步骤：获取真实风险变道轨迹集；将TimeGAN的生成器和判别器的LSTM层的层数扩充为多层，并对每个LSTM层先引入一次批标准化操作，再使用Dropout层对LSTM层的输出进行一半输出的随机丢弃操作，得到风险变道轨迹生成模型Traj-TimeGAN;将真实风险变道轨迹集中的数据输入Traj-TimeGAN,输出变道背景车辆BV的变道轨迹；计算每个变道BV对应的被测AV的初始状态；将每个变道BV的变道轨迹及被测AV的初始状态组合构建成临界变道场景测试用例，通过场景泛化生成高风险临界变道测试场

CN120278193A

获取真实风险变道轨迹集

构建的风险变道轨迹生成模型Traj-TimeGAN

真实风险变道轨迹集中的数据输入Traj-TimeGAN

生成的变道背景车辆BV的变道轨迹集

构建车辆的临界安全距离模型

计算每个变道BV对应的被测AV的初始状态

变道BV对应的被测AV的初始状态组合

泛化生成所有高风险临界变道测试场景

开始

将TimeGAN的LSTM层的层数扩充为三层

每个LSTM层引入批标准化操作

使用DropouL层对LSTM层的输出进行一半输出的随

机丢弃操作

全连接层进行输出

结束

CN120278193A权利要求书1/2页

2

1.一种自动驾驶风险变道测试场景生成方法，其特征在于，包括如下步骤：

获取真实风险变道轨迹集；

将时序生成对抗网络TimeGAN的生成器和判别器的长短时记忆网络LSTM层的层数扩充为多层，并对每个LSTM层先引入一次批标准化操作，再使用随机失活Dropout层对LSTM层的输出进行一半输出的随机丢弃操作，最后使用全连接层进行输出，经过softmax操作得到每个输出类别的概率，得到构建的风险变道轨迹生成模型Traj-TimeGAN;

将所述真实风险变道轨迹集中的数据输入Traj-TimeGAN,输出具有人驾特征的变道背景车辆BV的变道轨迹；

分析自动驾驶车辆的安全约束条件，构建车辆的临界安全距离模型；

使用临界安全距离模型计算每个变道BV对应的被测自动驾驶车辆AV的初始状态；将每个变道BV的变道轨迹及每个变道BV对应的被测AV的初始状态组合构建成一个临界变道场景测试用例，并通过场景泛化生成所有风险变道轨迹对应的临界变道测试场景。

2.根据权利要求1所述的自动驾驶风险变道测试场景生成系统，其特征在于，所述批标准化操作包含平移参数和放缩参数，所述LSTM层包含输入门、遗忘门和输出门，对所述输入门、遗忘门和输出门的权重参数进行批标准化操作，得到优化后的生成器和判别器。

3.根据权利要求1所述的自动驾驶风险变道测试场景生成系统，其特征在于，还包括将TimeGAN的交叉熵损失函数替换为均方误差MSE。

4.根据权利要求1所述的自动驾驶风险变道测试场景生成系统，其特征在于，使用临界安全距离模型计算每个变道BV对应的被测自动驾驶车辆AV的初始状态，通过如下公式进行：

S=y1at(t