基于贝叶斯网络构建RoboSim模型的自动驾驶行为决策

为汽车自动驾驶提供安全高效的自动驾驶行为决策,是汽车自动驾驶领域面临的挑战性问题之一.目前,随着自动驾驶行业的蓬勃发展,工业界与学术界提出了诸多自动驾驶行为决策方法,但由于汽车自动驾驶行为决策受环境不确定因素的影响,决策本身也要求实效性及高安全性,现有的行为决策方法难以完全支撑这些要素.针对以上问题,提出了一种基于贝叶斯网络构建RoboSim模型的自动驾驶行为决策方法.首先,基于领域本体分析自动驾驶场景元素之间的语义关系,并结合LSTM模型预测场景中动态实体的意图,进而为构建贝叶斯网络提供驾驶场景理解信息;然后,通过贝叶斯网络推理特定场景的自动驾驶行为决策,并使用RoboSim模型的状态迁移承载行为决策的动态执行过程,以减少贝叶斯网络推理的冗余操作,提高了决策生成的效率.RoboSim模型具有平台无关、能模拟仿真执行周期的特点,并支持多种形式化的验证技术.为确保行为决策的安全性,使用模型检测工具UPPAAL对RoboSim模型进行验证分析.最后,结合变道超车场景案例,进一步证实所提方法的可行性,为设计安全、高效的自动驾驶行为决策提供了一种可行的途径.

一种面向CPS的自适应统计模型检测方法

随着计算机与物理环境的交互日益密切,信息-物理融合系统(cyber-physical system,简称CPS)在健康医疗、航空电子、智能建筑等领域具有广泛的应用前景,CPS的正确性、可靠性分析已引起人们的广泛关注.统计模型检测(statistical model checking,简称SMC)技术能够对CPS进行有效验证,并为系统的性能提供定量评估.然而,随着系统规模的日益扩大,如何提高统计模型检测技术验证CPS的效率,是目前所面临的主要困难之一.针对此问题,首先对现有SMC技术进行实验分析,总结各种SMC技术的受限适用范围和性能缺陷,并针对贝叶斯区间估计算法(Bayesian interval estimate,简称BIE)在实际概率接近0.5时需要大量路径才能完成验证的缺陷,提出一种基于抽象和学习的统计模型检测方法 AL-SMC.该方法采用主成分分析、前缀树约减等技术对仿真路径进行学习和抽象,以减少样本空间;然后,提出了一个面向CPS的自适应SMC算法框架,可根据不同的概率区间自动选择AL-SMC算法或者BIE算法,有效应对不同情况下的验证问题;最后,结合经典案例进行实验分析,实验结果表明,自适应SMC算法框架能够在一定误差范围内有效提高CPS统计模型检测的效率,为CPS的分析验证提供了一种有效的途径.

基于SHML的CPS行为建模及仿真

信息物理融合系统(cyber-physical systems,简称CPS)是深度融合了计算进程和物理进程的统一体,是集计算、通信与控制于一体的下一代智能系统,具有广阔的应用前景.CPS的行为具有混成性、随机性等特征,建模及仿真CPS的动态行为对于开发高质量的CPS系统至关重要.但是目前缺乏面向CPS的领域建模方法及建模CPS的领域建模语言,也迫切需要支持仿真CPS领域模型的仿真工具.针对以上问题,提出一种面向CPS领域的随机混成建模语言(stochastic hybrid modeling language,简称SHML)以支持建模CPS系统的行为.首先,根据CPS的领域特征定义了SHML的元模型作为其抽象语法,并定义了SHML的具体语法和操作语义;其次,基于GEMOC框架实现了SHML的可视化建模工具.此外,集成GEMOC的序列化执行引擎和Scilab的连续行为仿真引擎,实现仿真CPS的混成行为.提出了一种面向CPS领域的建模及仿真方法,设计并实现了一个集成的面向CPS行为的建模与仿真平台,为CPS的建模及仿真提供了一种有效的方法及工具支撑.

时空轨迹数据驱动的自动驾驶场景元建模方法

时空轨迹数据驱动的汽车自动驾驶场景建模,是当前汽车自动驾驶领域中驾驶场景建模、仿真所面临的关键问题,对于提高系统的安全性具有重要的研究意义.近年来,随着时空轨迹数据建模及应用研究的快速发展,时空轨迹数据应用于特定领域建模的研究引起人们的广泛关注.但是,由于时空轨迹数据所反映的现实世界的多元性和复杂性以及时空轨迹数据的海量、异构、动态等特点,基于时空轨迹数据驱动的安全攸关场景建模的研究仍面临着挑战,包括:统一的时空轨迹数据元模型、基于时空轨迹数据的元建模方法、基于数据分析技术的时空轨迹数据处理、数据质量评价等.针对汽车自动驾驶领域的场景建模需求,提出一种基于MOF元建模体系构建时空轨迹数据的元建模方法,根据时空轨迹数据的特征及自动驾驶的领域知识,构建了面向汽车自动驾驶的时空轨迹数据元模型;基于此,提出基于时空轨迹数据元建模技术体系的自动驾驶安全场景建模方法,并使用场景建模语言ADSML实例化安全场景,构建安全场景库,旨在为此类系统的安全关键场景建模提供一种可行的方案.结合变道超车场景的案例,展示了时空轨迹数据驱动的自动驾驶安全场景元建模方法的可用性,为场景模型的构建、仿真、分析奠定了基础.

一种面向ADS的模型驱动式逻辑场景建模及仿真方法

汽车自动驾驶的场景建模及仿真分析是确保自动驾驶系统安全性的关键,对于提高整个系统的安全性至关重要,已经引起工业界和学术界的广泛关注。场景建模是场景仿真、测试、验证分析的基础,能够有效帮助发现场景中存在的危险,是自动驾驶系统设计开发面临的挑战性问题之一。然而,现有的场景模型生成方法,主要采用数据驱动式,结合路采数据和数字孪生技术构建具体场景,无法有效应对ADS场景复杂、类型多样、测试效率不高的问题。同时,为了提高场景的覆盖率,迫切需要从逻辑场景的层次设计一种可视化的场景建模语言,可用于构建逻辑场景,并具有丰富的语义模型,能够支持逻辑场景的测试及验证分析。针对以上问题,我们提出一种模型驱动式场景建模方法用于构建逻辑场景模型,并结合ADS领域知识及ISO 26262功能安全标准,提出了一种逻辑场景建模语言SML4ADS,给出了其相应的语法及语义模型。此外,设计并实现了一种可扩展的、灵活的场景模型仿真方法,能够支持多种场景仿真工具。结合实际案例分析,展现了本文所提出的模型驱动式场景建模及仿真方法的有效性,为后续场景模型的测试、验证与分析奠定基础。