(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210941004.4 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 115017742 A (43)申请公布日 2022.09.06 (73)专利权人 西安深信科创信息技 术有限公司 地址 710000 陕西省西安市高新区鱼化 街 办软件新城天谷八路156号云汇谷B2 座2层 (72)发明人 郝坤坤　白雨桥　潘余曦　 (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 专利代理师 尚文文 (51)Int.Cl. G06F 30/20(2020.01) G01M 17/007(2006.01) (56)对比文件 CN 112069643 A,2020.12.1 1 CN 114647954 A,202 2.06.21 CN 112578683 A,2021.0 3.30CN 112345272 A,2021.02.09 CN 111723470 A,2020.09.2 9 CN 113642114 A,2021.1 1.12 US 2020310403 A1,2020.10.01 刘康.基于功能测试的自动驾驶汽车 换道关 键场景研究. 《中国优秀硕士学位 论文全文数据 库电子期刊 工程科技 II辑》 .2022,第2022年卷 (第4期), 周文帅 等.面向高速公路车辆切入场景的 自动驾驶测试用例生成方法. 《汽车技 术》 .2021, 修海林.有条件自动驾驶汽车测试与综合评 价研究. 《中国优秀硕士学位 论文全文数据库电 子期刊 工程科技 II辑》 .2020,第2020年卷(第10 期), Sina Alighanbari et al.De ep Reinforcement Learn ing with NMPC Assistance Nash Sw itching for Urban Autonomous Drivi ng. 《IEEE Transacti ons on Intelligent Vehicles ( Early Ac cess )》 .2022, 审查员 段偲丽 (54)发明名称 自动驾驶测试场景生成方法、 装置、 设备及 存储介质 (57)摘要 本申请提出一种自动驾驶测试场景生成方 法、 装置、 设备及存储介质， 该方法包括： 获取至 少一组交通参与者数据， 其中， 每组交通参与者 数据中， 分别包括两个交通参与者的位置信息、 运动速度信息和运动方向信息； 分别计算每组交 通参与者数据中的两个交通参与者运动至危险 发生点的耗时， 得到每组交通参与者数据对应的 危险反应时间； 至少通过从各 组交通参与者数据 中选择危险反应时间小于设定时间阈值的交通 参与者数据， 得到目标交通参与者数据； 根据所 述目标交通参与者数据， 生成自动驾驶测试场 景。 该方法能够生成危险程度较高的自动驾驶测试场景， 该场景能够用于测试自动驾驶车辆在危 险场景下的行驶行为。 权利要求书4页 说明书19页 附图4页 CN 115017742 B 2022.12.13 CN 115017742 B 1.一种自动驾驶测试场景生成方法， 其特 征在于， 包括： 获取至少一组交通参与者数据， 其中， 每组交通参与者数据中， 分别包括两个交通参与 者的位置信息、 运动速度信息和运动方向信息； 分别计算每组交通参与者数据中的两个交通参与者运动至危险发生点的耗 时， 得到每 组交通参与者数据对应的危险反应时间， 以及， 计算每组交通参与者数据与每组交通参与 者数据对应的常见场景 数据的差异， 确定每组 交通参与者数据的自然性偏离程度； 其中， 所述危险发生点包括两个交通参与者构成危险行车场景时的位置点， 在所述危 险行车场景中， 两个交通 参与者之间的距离小于设定距离阈值； 分别计算每组交通参与者数据的危险反应时间以及自然性偏离程度的加权和， 得到每 组交通参与者数据的评估值； 从各组交通参与者数据中选择危险反应时间小于设定时间阈值， 且评估值小于设定评 估值阈值的交通 参与者数据， 作为目标交通 参与者数据； 根据所述目标交通 参与者数据， 生成自动驾驶测试场景。 2.根据权利要求1所述的方法， 其特征在于， 分别计算每组交通参与者数据中的两个交 通参与者运动至危险发生 点的耗时， 得到每组 交通参与者数据对应的危险反应时间， 包括： 分别计算每组交通参与者数据中的两个交通参与者运动至两者的运动轨迹交点的最 长耗时， 作为每组交通参与者数据对应的危险反应时间； 其中， 两个交通参与者的运动轨迹 交点为通过预测确定的两个交通参与者发生碰撞的位置点或两个交通参与者的运动轨迹 交点。 3.根据权利要求2所述的方法， 其特征在于， 分别计算每组交通参与者数据中的两个交 通参与者运动至两者的运动轨迹交点的最长耗时， 作为每组交通参与者数据对应的危险反 应时间， 包括： 根据交通参与者数据中的第 一交通参与者和第 二交通参与者的位置信 息、 运动速度信 息和运动方向信息， 预测所述第一交通 参与者和所述第二交通 参与者的运动轨 迹交点； 根据所述第 一交通参与者和所述第 二交通参与者的位置信 息和运动速度信 息， 计算确 定所述第一交通参与者和所述第二交通参与者运动至所述运动轨迹交点的最长耗时， 作为 交通参与者数据对应的危险反应时间。 4.根据权利要求3所述的方法， 其特征在于， 根据交通参与者数据中的第 一交通参与者 和第二交通参与者的位置信息、 运动速度信息和运动方向信息， 预测所述第一交通参与者 和所述第二交通 参与者的运动轨 迹交点， 包括： 若交通参与者数据中的第 一交通参与者和第 二交通参与者位于同一车道， 则根据 所述 第一交通参与者和所述第二交通参与者的位置信息、 运动速度信息和运动方向信息， 预测 所述第一交通参与者和所述第二交通参与者 发生碰撞的位置点， 作为所述第一交通参与者 和所述第二交通 参与者的运动轨 迹交点； 若交通参与者数据中的第 一交通参与者和第 二交通参与者位于相邻车道， 则根据 所述 第一交通参与者和所述第二交通参与者的位置信息和运动方向信息， 预测所述第一交通参 与者和所述第二交通参与者的行进路线的交点， 作为所述第一交通参与者和所述第二交通 参与者的运动轨 迹交点。 5.根据权利要求4所述的方法， 其特征在于， 根据 所述第一交通参与者和所述第 二交通权　利　要　求　书 1/4 页 2 CN 115017742 B 2参与者的位置信息、 运动速度信息和运动方向信息， 预测所述第一交通参与者和所述第二 交通参与者发生碰撞的位置点， 包括： 根据所述第 一交通参与者和所述第 二交通参与者的位置信 息、 运动速度信 息和运动方 向信息， 计算确定所述第一交通 参与者和所述第二交通 参与者的碰撞时间； 根据所述第 一交通参与者和所述第 二交通参与者中的至少一个的位置信 息、 运动速度 信息、 运动方向信息， 以及所述碰撞时间， 计算确定所述第一交通参与者和所述第二交通参 与者发生碰撞的位置点。 6.根据权利要求4所述的方法， 其特征在于， 根据 所述第一交通参与者和所述第 二交通 参与者的位置信息和运动方向信息， 预测所述第一交通参与者和所述第二交通参与者的行 进路线的交点， 包括： 将所述第一交通参与者和/或所述第 二交通参与者的运动方向朝向对方所在车道偏移 设定角度， 得到所述第一交通 参与者和/或所述第二交通 参与者的更新后的运动方向； 根据所述第一交通参与者和所述第二交通参与者的位置信息和更新后的运动方向信 息， 确定所述第一交通 参与者和所述第二交通 参与者的行进路线的交点。 7.根据权利要求1所述的方法， 其特征在于， 所述计算每组交通参与者数据与每组交通 参与者数据对应的常见场景数据的差异， 确定每组交通参与者数据的自然性偏离程度， 包 括： 计算每组交通参与者数据与每组交通参与者数据对应的常见场景数据的均 方根误差， 作为每组 交通参与者数据的自然性偏离程度。 8.根据权利要求1所述的方法， 其特征在于， 所述目标交通参与者数据为多组； 所述根 据所述目标交通 参与者数据， 生成自动驾驶测试场景， 包括： 对多组目标交通 参与者数据进行聚类， 得到 至少一个目标交通 参与者数据簇； 从各个目标交通 参与者数据簇中， 选出评估值均值 最小的目标交通 参与者数据簇； 根据所述评估值均值 最小的目标交通 参与者数据簇， 生成自动驾驶测试场景。 9.根据权利要求1所述的方法， 其特 征在于， 所述获取至少一组 交通参与者数据， 包括： 从所述常见场景 数据中， 搜索得到 至少一组 交通参与者数据。 10.根据权利要求1所述的方法， 其特征在于， 当所述交通参与者数据中的两个交通参 与者构成前车制动场景时， 与所述交通参与者数据对应的常见场景数据通过如下处理得 到： 从自然场景交通流数据集中， 检索得到前车制动场景数据， 并确定每一组前车制动场 景数据中的主车辆与制动车辆的相对距离和相对速度信息； 基于每一组前车制动场景数据中的主车辆与制动车辆的相对距离和相对速度信 息， 建 立相对距离与相对速度的二维密度分布直方图模型； 根据所述相对距离与相对速度的二维密度分布直方图模型， 从各组前车制动场景数据 中， 提取概率密度大于预设的概率密度阈值的前车制动场景数据， 作为与