一种针对智能汽车交通协调性的客观映射测试方法与流程

本发明涉及车辆测试评价
技术领域：
，尤其是涉及一种针对智能汽车交通协调性的客观映射测试方法。
背景技术：
：随着智能汽车技术的发展，智能汽车在现实道路上的渗透率逐步提高，其与人类驾驶汽车将存在无形的协同和博弈，进而造成交通协调性问题。目前，智能汽车测试评价的研究都针对车辆本身在一定的外界条件、环境下的行驶能力，而没有针对交通协调性的相关研究，其迫切需要一种客观定量的测试评价方法加以评价。针对智能汽车的智能性评价，主要的评价方法有：一种方法是定性评价：1)基于蛛网模型；2)基于图灵测试。另一种方法是定量评价：1)topsis综合评价法和灰度关联评价方法；2)模糊综合评价法；3)熵成本函数评价法。此类方法存在评价标准不统一，评价效率低、测试评价成本高等缺点。为了实现量化评价，且避免由评价标准不统一给评价结果带来的不确定性和评价效率低的问题，有必要对一种针对智能汽车交通协调性客观映射评价方法进行研究。技术实现要素：本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种针对智能汽车交通协调性的客观映射测试方法。本发明的目的可以通过以下技术方案来实现：一种针对智能汽车交通协调性的客观映射测试方法，包括以下步骤：步骤1：建立经过训练的交通协调性客观映射评价模型；步骤2：设计交互试验并进行仿真或实车测试；步骤3：采集样本数据并进行归一化处理；步骤4：将步骤3中得到的归一化处理结果输入到步骤1中的客观映射评价模型中得到交通协调性评价测试结果；步骤5：根据交通协调性评价测试结果对实际自动驾驶汽车配套辅助软件进行参数设计。进一步地，所述步骤1包括以下分步骤：步骤101：选取针对智能汽车交通协调性的客观评价指标构建交通协调性客观映射评价模型；步骤102：设计交互试验并进行仿真或实车测试；步骤103：采集测试样本数据并进行数据归一化处理；步骤104：将归一化处理的数据结果选取部分样本数据作为训练输入，以专家评分结果作为期望输出，训练交通协调性客观映射评价模型；步骤105：选取步骤104中归一化处理的数据结果中的剩余样本数据以验证交通协调性客观映射评价模型性能。进一步地，所述步骤101中的客观评价指标包括全局、乘员和其他交通参与者驾驶员三个不同的视角用于表征交通协调性的准则层和指标层的多个客观评价指标，即：被测车变道时间、被测车变道位置、变道成功率、背景车速度衰减、两车最小侧向间距、两车侧向相对速度、两车最小车头间距、两车最小车头时距、被测车最大横摆角速度、被测车平均纵向加速度和被测车最大侧向加速度。进一步地，所述步骤102具体包括：选择典型工况作为测试场景，所述测试场景包括匝道口汇入和超车，设计不同形式的交互试验，并通过仿真试验或实车试验的方式进行测试，所述仿真试验中的场景构建软件包括prescan、vtd、carla和unity，其中视角的再现设备包括液晶显示器和vr眼镜，其中虚拟车辆控制器包括驾驶模拟器和驾驶员模型。进一步地，所述步骤103中的归一化处理具体包括：a.被测车变道时间，用x1表示：当被测变道时间大于正常变道时间时，被测车变道时间归一化处理结果为1，当被测变道时间小于正常变道时间时，被测车变道时间归一化处理结果为被测车变道时间与正常变道时间的比值；b.被测车变道位置，用x2表示：被测车变道位置归一化处理结果的计算公式为：式中，x2表示被测车变道位置归一化处理结果，p1表示汇入路段的起点位置，p2表示汇入路段的终点位置；c.变道成功率，用x3表示：变道成功率归一化处理结果的计算公式为：式中，x3表示被测车变道位置归一化处理结果；d.背景车速度衰减：当背景车没有制动时，则背景车速度衰减归一化处理结果为0，当背景车有减速行为时，背景车速度衰减归一化处理结果的计算公式为：式中，x4表示背景车速度衰减归一化处理结果，表示背景车辆在交互期间的平均速度，v表示背景车辆在交互器件的速度最小值，表示背景车辆在交互前的平均速度；e.两车最小侧向间距，用x5表示：当两车最小侧向间距大于舒适间距x0时，两车最小侧向间距归一化处理结果为1，当两车最小侧向间距小于舒适间距x0时，两车最小侧向间距归一化处理结果为x5/x0；f.两车侧向相对速度，用x6表示：当两车侧向相对速度大于舒适相对速度时，两车侧向相对速度归一化处理结果为1，当两车侧向相对速度小于舒适相对速度时，两车侧向相对速度归一化处理结果为两车侧向相对速度与舒适相对速度的比值；g.两车最小车头间距，用x7表示：当两车最小车头间距大于舒适车头间距时，两车最小车头间距归一化处理结果为1，当两车最小车头间距小于舒适车头间距时，两车最小车头间距归一化处理结果为两车最小车头间距与舒适车头间距的比值；h.两车最小车头时距，用x8表示：当两车最小车头时距小于0时，两车最小车头时距归一化处理结果为1，当两车最小车头时距大于0时，两车最小车头时距归一化处理结果为x8/t，t表示安全车头时距；i.被测车最大横摆角速度，用x9表示：当被测车最大横摆角速度大于最大横摆角速度时，被测车最大横摆角速度归一化处理结果为1，当被测车最大横摆角速度小于最大横摆角速度时，被测车最大横摆角速度归一化处理结果为x9/ω0，ω0表示最大横摆角速度；j.被测车平均纵向加速度，用x10表示：当被测车平均纵向加速度大于人体承受最大纵向加速度时，被测车平均纵向加速度归一化处理结果为1，当被测车平均纵向加速度小于人体承受最大纵向加速度时，被测车平均纵向加速度归一化处理结果为被测车平均纵向加速度与人体承受最大纵向加速度的比值；k.被测车最大侧向加速度，用x11表示：当被测车最大侧向加速度大于人体承受最大侧向加速度时，被测车最大侧向加速度归一化处理结果为1，当被测车最大侧向加速度小于人体承受最大侧向加速度时，被测车最大侧向加速度归一化处理结果为被测车最大侧向加速度与人体承受最大侧向加速度时的比值。进一步地，所述步骤104具体包括：取部分样本数据，以归一化处理的客观评价指标数据作为训练输入，以专家主观评分数据作为期望输出，通过神经网络进行训练得到客观映射模型。进一步地，所述神经网络中的隐含层神经元个数的计算公式为：式中，m表示输入层神经元个数，n表示输出层神经元个数，α取0～10之间的整数。进一步地，所述步骤4具体包括：利用matlab神经网络工具箱或matlab编写脚本调用训练得到的客观映射评价模型，输入归一化处理后的测试样本数据，进行仿真得到交通协调性客观评价结果。与现有技术相比，本发明具有以下优点：1、本发明填补了相应领域测试评价的空白，且能针对智能汽车交通协调性进行高效的客观映射测试评价，具体设置了集合有多种指标参数的交通协调性客观映射评价模型，其具体包括全局、乘员和其他交通参与者驾驶员三个不同的视角用于表征交通协调性的准则层和指标层的多个客观评价指标，即：被测车变道时间、被测车变道位置、变道成功率、背景车速度衰减、两车最小侧向间距、两车侧向相对速度、两车最小车头间距、两车最小车头时距、被测车最大横摆角速度、被测车平均纵向加速度和被测车最大侧向加速度，因此对于智能汽车的针对性更强，更加帮助适用于智能汽车实际辅助软件的设计；2、本发明能有效避免评价标准不统一给评价结果带来的不确定性，具体集合了汽车行驶中实际产生的相关度最高的指标数据，包括：全局、乘员和其他交通参与者驾驶员三个不同的视角用于表征交通协调性的准则层和指标层的多个客观评价指标，即：被测车变道时间、被测车变道位置、变道成功率、背景车速度衰减、两车最小侧向间距、两车侧向相对速度、两车最小车头间距、两车最小车头时距、被测车最大横摆角速度、被测车平均纵向加速度和被测车最大侧向加速度，最终测试结果统一性高，传统的测试评价方法是每一次评价都需要请专家打分，所以专家的不同以及同一专家的不同状态都会对评价结果带来不同。所以评价标准不统一，本发明因为是利用样本训练得到的评价模型去评价交通协调性，评价模型是不会变的，所以评价标准统一，消除了评价结果的不确定性；3、本发明能够对智能汽车交通协性的绝对水平进行评价，且提高评价效率、降低测试评价成本，本发明设置了集合有多种指标参数的交通协调性客观映射评价模型，传统测试评价方法中：每一次的测试评价都需要多个专家参与，让专家对评价指标逐个打分，所以测试评价成本高，评价效率低；本发明利用测试数据对交通协调性进行自动定量评价，避免了传统测试评价需要多位专家的参与，因此降低了总体的测试成本，提高了评价效率；4、本发明涉及的针对交通协调性客观映射测试评价方法可覆盖高级别的自动驾驶汽车的测试评价，由于本发明中设置了集合有多种指标参数的交通协调性客观映射评价模型，高级别自动驾驶汽车指的是：自动驾驶sae分级里的l3、l4和l5级别的自动驾驶汽车，(l3及以上都叫高级别自动驾驶汽车)，因此可以满足sael3以上级别的自动驾驶汽车的综合性能评价。附图说明图1为本发明中智能汽车交通协调性客观映射测试流程图；图2为本发明实施例中被测车汇入位置示意图；图3为本发明实施例中一种两车道高速公路匝道口汇入场景；图4为本发明实施例中多视角再现示意图；图5为本发明实施例中bp神经网络拓扑结构示意图；图6为本发明实施例中bp神经网络训练拟合结果示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。实施例如图1所示，本发明的一种针对智能汽车交通协调性的客观映射测试方法，其主要实施步骤是：s1针对交通协调性建立客观映射评价模型并验证其有效性；s2利用建立的有效客观映射评价模型对交通协调性进行定量评价；最终，根据交通协调性评价测试结果对实际自动驾驶汽车配套辅助软件进行参数设计。其中建立交通协调性客观映射评价模型的具体过程如下：s1.1选取表征智能汽车交通协调性的客观评价指标。针对aev交通协调性表现，分别从aev在人类环境中的融入程度、aev对微观交通系统的影响、aev对人类舒适性的影响三方面切入，研究设置了智能性、高效性和舒适性三项评价准则。根据图灵思想，从宏、微观角度，即全局(视角i)、自车乘员(视角ii)和其他交通参与者驾驶员(视角iii)三个不同的视角，采用分析法和德尔菲法相结合的方法，考虑目的性、可比性和可操作性，确定11项客观评价指标(如表1所示)：被测车变道时间、被测车变道位置、变道成功率、背景车速度衰减、两车最小侧向间距、两车侧向相对速度、两车最小车头间距、两车最小车头时距、被测车最大横摆角速度、被测车平均纵向加速度和被测车最大侧向加速度；表1：本发明中智能汽车交通协调性客观测试指标名称信息表指标名称量纲指标名称量纲指标名称量纲被测车变道时间s两车最小侧向间距m被测车最大横摆角速度rad/s背景车变道位置m两车侧向相对速度km/h被测车平均纵向加速度m/s2变道成功率％两车最小车头间距m被测车最大侧向加速度m/s2背景车速度衰减km/h两车最小车头时距s专家评价等级s1.2设计试验并进行仿真测试。本实施例以高速路匝道口汇入场景为例进行描述。为了获得覆盖尽可能多的交互情况的样本数据，设置了30组不同类型的交互行为，组合要素为：背景车以60km/h的恒定车速行驶，4组试验的驾驶风格为保守，会根据被测车的行驶状态来判断自己是否应该让行；其余试验的驾驶风格皆为激进，无视被测车的行驶状态，保持恒定速度行驶。被测车以60km/h的恒定速度驶入汇入路段。汇入过程中，规划方面表现为保守或者激进，决策方面表现为果断、冒失或者犹豫，跟踪控制方面表现为平稳操作、急加速急变道或急减速慢变道，汇入位置有a点汇入、b点汇入、c点汇入和d点汇入(如图2所示)。其中，由于被测车是自动驾驶汽车还是人类驾驶汽车对交通协调性客观映射评价方法的研究是没有影响的，因此本实施例选择人类驾驶汽车作为被测车。考虑到效率、成本、安全性等问题，本实施例选择在仿真环境下开展，开发了驾驶员/乘员在环仿真试验平台。本发明选择prescan仿真软件，以对g15沈海高速上海段某入口汇入匝道的实地勘测数据为基础，构建了标准的两车道高速公路匝道口汇入场景(如图3所示)。场景分为三段：1)主路200m和匝道支路80m的加速段，使两交互车辆能够加速至试验预设速度并保持稳定至交互位置。2)200m的汇入段，用于满足两车在不同位置发生交互。3)200m的余量段，来保证一次交互试验的完整性。采用1920×1080分辨率，23.8英寸戴尔显示器再现多视角视野(如图4所示)，包含微观交通参与者视角、微观乘员视角和宏观视角，另外添加了车速实时显示器，使驾驶员能够实时掌握本车速度信息。使用包含方向盘、加速器、刹车、离合器踏板和变速杆的驾驶模拟器，通过usb接口与计算机连接。测试车和背景车的运动控制通过驾驶模拟器来实现。两名驾驶员通过搭建的驾驶员/乘员在环仿真试验平台，按照所设计的30组不同形式的交互试验，完成交互测试任务。专家根据自己的经验和知识水平，对不同形式交互试验的交互情况进行主观评价，获得各测试样本的交通协调性专家打分结果。通过prescan和simulink联合仿真，获得表征交通协调性的11项客观评价指标数据。s1.3采集测试样本数据并进行数据归一化处理。通过在prescan场景编辑器中添加理想传感器来测量交互过程中两车相对距离、相对速度、变道位置、时间等数据；两车自身的状态参数由simulink中的车辆动力学模型中直接输出。对采集得到的11项客观指标数据进行归一化处理，数据归一化是将数据按比例缩放，使之落入一个小的特定区间，使指标数据都能参与评价计算且方便处理。处理过程如下：a.被测车变道时间。用x1表示，根据经验取正常变道时间为2s。1)当x1>2s时，归一化处理结果为x1＝1；2)当x1<2s时，归一化处理结果为x1＝x1/2。b.被测车变道位置。用x2表示。数据归一化处理结果如下：其中，其中p1为汇入路段的起点位置，p2为汇入路段的终点位置；c.变道成功率。用x3表示，归一化处理结果如下：d.背景车速度衰减。指在两车交互的过程中，背景车车速降低的程度。1)当背景车没有制动时，则x4＝0；2)当背景车有减速行为时，处理结果如下所示：其中，v是背景车辆在交互期间的最小值；是背景车辆在交互期间的平均速度；是背景车辆在交互前的平均速度。e.两车最小侧向间距。用x5表示，根据经验取两车分别处于两车道中心线位置时的两车侧向间距为舒适间距x0，则归一化处理如下所示：1)当x5>x0时，归一化处理结果x5＝1；2)当x5<x0时，归一化处理结果f.两车侧向相对速度。用x6表示，根据经验和数据分析，乘员普遍能接受的舒适的相对速度为20km/h。以此为标准来做归一化处理。1)当x6>20km/h，归一化处理结果为x6＝1；2)当x6<20km/h，归一化处理结果为g.两车最小车头间距。用x7表示，根据经验，将2个车身长设定为标准舒适车头间距δ，以此为标准来做归一化处理。1)当x7>δ时，归一化处理结果x7＝1；2)当x7<δ时，归一化处理结果h.两车最小车头时距。用x8表示，根据经验将t＝2s作为安全车头时距，以此为标准来归一化处理数据。1)当x8<0时，说明两车不会相撞，则x8＝1；2)当x8>0时，归一化处理结果i.被测车最大横摆角速度。用x9表示，根据经验得知，极限工况下的最大横摆角速度为ω0＝1rad/s，以此为标准来做归一化处理。1)当x9>ω0时，则归一化结果x9＝1；2)当x9<ω0时，则归一化结果j.被测车平均纵向加速度。用x10表示，人体最大能承受的最大纵向加速度为一个g，即10m/s2。以此为标准进行数据归一化处理。1)当x10>10m/s2时，则归一化结果x10＝1；2)当x10<10m/s2时，则归一化结果k.被测车最大侧向加速度。用x11表示，人体最大能承受的最大侧向加速度为一个g，即10m/s2。以此为标准进行数据归一化处理。1)当x11>10m/s2时，则归一化结果x11＝1；2)当x11<10m/s2时，则归一化结果s1.4随机选取步骤s1.3中归一化处理后的22组样本数据和专家评分结果来训练客观映射评价模型。本发明选用bp神经网络(如图5所示)来训练建立客观指标测量值与专家评分结果的数学关系模型。一般优先考虑3层bp神经网络(即1个隐含层)，通过增加隐含层的神经元个数来获得较低的训练误差。隐含层神经元个数与问题的要求、输入输出的数目都有关系，大概范围可有下式得到：其中，m是输入层神经元个数，n为输出层神经元个数，α是0～10之间的整数。bp神经网络常用的传递函数有s型非线性函数，线性函数和阈值型函数。每层的传递函数可以不尽相同。通常输入层和隐含层分别采用s型非线性函数logsig、tansig作为传递函数，输出层采用线性函数purelin，来保持之前任意范围的数值缩放，便于和样本目标输出值作比较。bp神经网络的训练函数选用运行速度快，收敛速度很快，且能以很少的迭代次数达到要求的目标误差，训练精度也很高的trainlm算法。以随机选取的归一化处理后的样本数据中的22组作为训练输入，专家评分结果为期望输出，利用matlab中的bp神经网络工具箱(或编写matlab脚本)进行训练得到客观映射评价模型(如图6所示)。s1.5选取步骤s1.3中的另外8组样本数据来验证客观映射评价模型的有效性。利用归一化处理后的样本数据中的另外8组作为验证样本，运用训练得到的客观映射评价模型计算得到8组样本的模型评价结果，对比模型评价结果和专家评分结果来验证训练得到的客观映射评价模型的有效性。客观映射评价模型验证结果对比如表2所示。表2：本发明实施例中客观映射评价模型验证结果对比结果运用步骤s1所建立的有效的客观映射评价模型，对智能汽车交通协调性进行测试评价。其具体过程如下：s2.1设计交互试验并进行仿真测试。本实施例设计了两组交互试验：1、被测车以65km/h的恒定速度驶入汇入路段。汇入过程中，规划方面表现为激进，跟踪控制方面表现为急加速急变道；背景车以65km/h的恒定速度行驶，在交互过程中会根据对方的行驶行为而调整自己的驾驶行为。2、被测车以65km/h的恒定速度驶入汇入路段。交互过程中，其行驶行为视具体情况而定；背景车以65km/h的恒定速度行驶，在交互过程中会根据对方的行驶行为而调整自己的驾驶行为。两名驾驶员通过搭建的驾驶员/乘员在环仿真试验平台，按照所设计的2组不同形式的交互试验，完成交互测试任务。s2.2通过在prescan场景编辑器中添加理想传感器来测量交互过程中两车相对距离、相对速度、变道位置、时间等数据；两车自身的状态参数由simulink中的车辆动力学模型中直接输出。对采集得到的11项客观指标数据进行如步骤s1中的归一化处理。s2.3在matlab神经网络工具箱中调用训练得到的有效的客观映射评价模型，输入归一化处理后的2组测试样本数据，进行仿真则可以得到交通协调性客观评价结果(如表3所示)。表3：本发明实施例中智能汽车交通协调性客观映射模型评价结果实施例2实施例1中场景构建软件采用prescan，视角再现设备采用显示器，虚拟车辆控制方法采用驾驶模拟器，除此之外场景构建软件还可采用vtd、carla和unity，其中视角再现设备还可采用vr眼镜，虚拟车辆控制方法还可采用驾驶员模型。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页12