基于OpenX标准的道路交通事故场景库构建技术与应用概述

传统的结构化事故场景库可进行基于数据统计的研究,但无法直观展示事故发生过程和满足自动驾驶技术等仿真测试需要。为提高事故场景定义的通用性,实现场景在不同仿真工具之间的互通与兼容使用,本文梳理常见的国内外道路交通事故场景库,介绍了典型场景元素解构方法及基于OpenX格式的场景库构建工具及案例,为交通事故场景库标准化构建研究提供参考。

面向自动驾驶的仿真场景自动生成方法综述

随着自动驾驶测试验证对虚拟仿真场景依赖程度的增加,传统基于专家经验的场景枚举生成方法已无法满足测试需求。数字虚拟仿真场景自动生成方法在场景多样性、危险性、可解释性、生成效率等方面存在巨大技术优势,是提高汽车自动驾驶技术测试验证安全性和可靠性的关键,已成为当前汽车智能化领域的研究热点。在广泛调研场景自动生成方法领域研究成果的基础上,系统地梳理了场景定义、场景解构、基于机理建模的场景生成、数据驱动的场景生成等方向中最新的研究进展,重点分析了一些值得深入研究的问题,最后对未来可能的研究方向进行展望。场景解构方面,针对场景具有无限丰富、极其复杂、不可穷举特征的问题,应重点关注“场地-气象-交通”耦合的多源异构复杂场景解构方法研究;基于机理建模的场景生成方面,针对多样性、边界性的测试需求,重点关注场景组合生成研究、边界场景优化生成及自适应生成研究等方面;基于数据驱动的场景生成方面,采集内容丰富的数据集是研究的基础,应充分挖掘场景数据的测试价值,重点关注场景重构、加速测试的场景采样、危险场景衍生等方面的研究。未来的研究应重点关注以上几个方面,建立完整的自动驾驶虚拟仿真场景自动生成体系,为L4级及以上的高等级自动驾驶大规模仿真测试评估奠定理论基础。

基于多通道态势图的自动驾驶场景表征方法

开展自动驾驶测试场景研究能够大幅减少自动驾驶汽车的测试周期与开发成本,是未来评价和提升自动驾驶技术的重要基础。为此,联合基于本体论的场景解构方法,提出了一种基于多通道态势图的自动驾驶场景表征方法,并对多通道态势图的场景聚类与场景复杂度进行研究。首先,对目前的自动驾驶测试方法进行分析,论述道路测试的不足之处以及基于场景的自动驾驶虚拟测试的优点,并对当前的场景解构与表征方法进行了总结;然后,运用本体论解构场景中的信息,并建立场景的本体模型,对模型中的数据属性进行参数化;接着,对真实场景、场景中的语义信息和多通道态势图场景进行对比分析,定义表征场景的多通道态势图的数据格式,将解构出的场景信息重组到多通道态势图的不同层中;之后,以汉明距离为基础设计了多通道态势图的对象层相似度计算方法,采用K均值聚类算法对驾驶场景对象层进行聚类分析,并借助层次分析法对基于多通道态势图的驾驶场景复杂度计算进行研究;最后,以KITTI数据集的一些真实场景为例,绘制场景开始时刻的多通道态势图,分析聚类出的9种对象分布类型。研究结果验证了多通道态势图场景复杂度计算方法的有效性。