白雪松,鄧偉文,任秉韜,劉 鵬,李江坤,丁 娟
(1.北京航空航天大學(xué)交通科學(xué)與工程學(xué)院,北京 100191;2.東風(fēng)汽車(chē)集團(tuán)有限公司技術(shù)中心,武漢 430056;3.浙江天行健智能科技有限公司,嘉興 314000)
智能化是汽車(chē)行業(yè)未來(lái)的發(fā)展趨勢(shì)[1]。汽車(chē)的安全性一直以來(lái)受到汽車(chē)企業(yè)和科研機(jī)構(gòu)的廣泛關(guān)注,自動(dòng)駕駛技術(shù)的發(fā)展賦予了汽車(chē)安全相關(guān)研究新的需求,進(jìn)而導(dǎo)致自動(dòng)駕駛的測(cè)試與評(píng)價(jià)研究成為當(dāng)前全球關(guān)注的熱點(diǎn)問(wèn)題[2]。近年來(lái)Uber、Tesla等的事故暴露了其面對(duì)復(fù)雜行駛環(huán)境時(shí)應(yīng)對(duì)能力不足的問(wèn)題,與此同時(shí)Waymo的虛擬測(cè)試?yán)锍虜?shù)已達(dá)到100億英里[3],百度自動(dòng)駕駛仿真系統(tǒng)也進(jìn)行著大量測(cè)試,基于模擬仿真場(chǎng)景的虛擬測(cè)試已成為主流趨勢(shì),仿真測(cè)試場(chǎng)景理論的相關(guān)研究成為自動(dòng)駕駛仿真測(cè)試驗(yàn)證亟需的新方法和重要手段[4]。
駕駛場(chǎng)景模擬仿真的本質(zhì)是使用計(jì)算機(jī)建模物理世界,其目的是要將無(wú)限的物理世界映射到有限的仿真場(chǎng)景中,其首要環(huán)節(jié)是確定場(chǎng)景要素。在駕駛場(chǎng)景理論相關(guān)研究中,國(guó)內(nèi)外學(xué)者針對(duì)測(cè)試場(chǎng)景的組成、構(gòu)建以及評(píng)價(jià)的理論和方法開(kāi)展了不同程度的研究,但場(chǎng)景要素的種類(lèi)和形式目前在學(xué)術(shù)界和產(chǎn)業(yè)界還未達(dá)成共識(shí),德國(guó)PEGASUA和ASAM是目前廣受關(guān)注的測(cè)試場(chǎng)景研發(fā)項(xiàng)目組織,其定義了“功能-邏輯-具體”的場(chǎng)景分層體系[5]。OpenX系列和ISO3450X系列是目前最為常用的場(chǎng)景描述標(biāo)準(zhǔn),其中OpenDrive和OpensSenario是最為常用的開(kāi)源文件格式[6-7],但其定義文件對(duì)如何確定標(biāo)準(zhǔn)中的基本場(chǎng)景要素和屬性沒(méi)有進(jìn)行明確闡述。在場(chǎng)景要素的組成和提取方面,Geyer等[8]認(rèn)為場(chǎng)景是測(cè)試時(shí)預(yù)先定義的駕駛環(huán)境、駕駛?cè)蝿?wù)、靜態(tài)要素和動(dòng)態(tài)要素;RAND公司報(bào)告中將場(chǎng)景要素分為5層,分別為道路信息、道路基礎(chǔ)設(shè)施、道路信息與道路設(shè)施的動(dòng)態(tài)變化、動(dòng)態(tài)目標(biāo)以及環(huán)境狀況等;Hallerbach等[9]從參數(shù)賦值的角度提出了仿真關(guān)鍵場(chǎng)景的識(shí)別方法,建立了評(píng)價(jià)車(chē)輛安全和交通質(zhì)量的指標(biāo);Matthaei等[10]討論了天氣和光照是否應(yīng)列為場(chǎng)景要素。Erwin等[11]認(rèn)為在系統(tǒng)開(kāi)發(fā)的前期,只需道路和其他交通參與者的基本信息。綜上分析可知,當(dāng)前研究主要是基于已知的場(chǎng)景要素進(jìn)行分析且更多傾向場(chǎng)景構(gòu)建的理論方法,在場(chǎng)景要素定義層面多為主觀(guān)分析,缺少客觀(guān)的場(chǎng)景要素提取方法作為支撐;同時(shí)針對(duì)如何解釋和設(shè)計(jì)針對(duì)某一測(cè)試主體的要素組成沒(méi)有進(jìn)行提及。以上問(wèn)題導(dǎo)致了不同仿真平臺(tái)對(duì)于場(chǎng)景理解和架構(gòu)設(shè)計(jì)不一致,也帶來(lái)了場(chǎng)景庫(kù)接口與轉(zhuǎn)換的障礙。針對(duì)場(chǎng)景的組成要素的可解釋描述是場(chǎng)景理論研究的基礎(chǔ)。
針對(duì)以上問(wèn)題本文中提出一種汽車(chē)自動(dòng)駕駛仿真測(cè)試場(chǎng)景的關(guān)鍵要素提取方法。本文的創(chuàng)新點(diǎn)有:(1)采用一種從自動(dòng)駕駛系統(tǒng)角度逐級(jí)分解的方法分析了場(chǎng)景要素對(duì)硬件及感知、決策和控制系統(tǒng)的影響;(2)建立一種場(chǎng)景要素-系統(tǒng)結(jié)構(gòu)-系統(tǒng)功能平面映射方程用于量化要素影響的重要性;(3)基于平面節(jié)點(diǎn)判別矩陣建立要素提取模型用于實(shí)現(xiàn)場(chǎng)景關(guān)鍵要素的判別與篩選。最后分析了第四屆世界智能駕駛仿真挑戰(zhàn)賽的行人安全避撞場(chǎng)景元素構(gòu)成,說(shuō)明了方法的合理性和有效性。
面向自動(dòng)駕駛仿真測(cè)試的場(chǎng)景構(gòu)建的基礎(chǔ)是討論場(chǎng)景要素對(duì)自動(dòng)駕駛汽車(chē)的影響,目前相關(guān)研究分散且不明確,同時(shí)相關(guān)場(chǎng)景定義均未對(duì)場(chǎng)景要素的合理性進(jìn)行說(shuō)明,本節(jié)從自動(dòng)駕駛汽車(chē)及其工作過(guò)程說(shuō)明要素的選擇及其合理性。
汽車(chē)自動(dòng)駕駛將傳統(tǒng)的人-車(chē)-環(huán)境的駕駛情形外延到車(chē)-環(huán)境,導(dǎo)致了自動(dòng)駕駛系統(tǒng)在進(jìn)行工作時(shí)除面對(duì)車(chē)輛的自身狀態(tài),還要對(duì)行駛環(huán)境進(jìn)行認(rèn)知。自動(dòng)駕駛汽車(chē)是多種結(jié)構(gòu)和功能的集成體[12],結(jié)構(gòu)是指系統(tǒng)的硬件構(gòu)成,包括車(chē)載傳感器(相機(jī)、雷達(dá)、定位系統(tǒng)以及通信系統(tǒng)等)和線(xiàn)控車(chē)輛平臺(tái)兩部分;功能是指系統(tǒng)的關(guān)鍵算法(感知識(shí)別算法、決策規(guī)劃算法以及運(yùn)動(dòng)控制算法)。自動(dòng)駕駛汽車(chē)在系統(tǒng)算法和結(jié)構(gòu)的協(xié)調(diào)下驅(qū)動(dòng)車(chē)輛實(shí)現(xiàn)預(yù)期的運(yùn)動(dòng),如圖1所示。工作時(shí)通過(guò)車(chē)載傳感器收集行駛環(huán)境信息后結(jié)合自身的駕駛?cè)蝿?wù),使用感知識(shí)別算法對(duì)車(chē)載傳感信號(hào)進(jìn)行處理,決策規(guī)劃算法接收感知輸出后進(jìn)行信息融合,然后決策和規(guī)劃相應(yīng)的軌跡,運(yùn)動(dòng)控制算法控制車(chē)輛平臺(tái)對(duì)已規(guī)劃軌跡進(jìn)行跟隨,車(chē)輛平臺(tái)接收運(yùn)動(dòng)控制信號(hào)后驅(qū)動(dòng)車(chē)輛運(yùn)動(dòng)。
圖1 自動(dòng)駕駛汽車(chē)及其工作過(guò)程
場(chǎng)景是對(duì)車(chē)輛行駛環(huán)境的一種數(shù)學(xué)映射描述,映射過(guò)程能夠刻劃和模擬場(chǎng)景的不同要素對(duì)自動(dòng)駕駛汽車(chē)影響與作用,其中車(chē)外的行駛環(huán)境主要由氣象、道路設(shè)施和交通組成。本節(jié)將分析和量化場(chǎng)景要素對(duì)自動(dòng)駕駛汽車(chē)的影響。
1.2.1 氣象要素的影響
氣象要素包含光照、雨、雪、霧、風(fēng)等,氣象要素的影響方面很多,光照強(qiáng)度會(huì)影響相機(jī)的成像距離。色溫導(dǎo)致同一物體在不同光照顏色下成像的顏色會(huì)發(fā)生變化,影響目標(biāo)識(shí)別算法的性能。雨滴形成的雨線(xiàn)會(huì)對(duì)激光雷達(dá)的激光束產(chǎn)生反射,降低激光雷達(dá)的探測(cè)距離。無(wú)規(guī)律飄落的雪花隨機(jī)分布在圖像上影響目標(biāo)識(shí)別算法。霧會(huì)影響相機(jī)的成像距離。風(fēng)會(huì)使車(chē)輛搖動(dòng),影響車(chē)輛的穩(wěn)定性和路徑跟蹤效果。毫米波雷達(dá)的探測(cè)原理是接收信號(hào)強(qiáng)度大于最小的可識(shí)別強(qiáng)度時(shí),通過(guò)處理信號(hào)獲得目標(biāo)信息,氣象因素中的雪要素對(duì)其探測(cè)影響很大。降雪引起的雷達(dá)系統(tǒng)功率損耗[13]的計(jì)算公式為
式中:f為頻率,GHz;I為降雪強(qiáng)度,cm/h。
對(duì)于77 GHz的毫米波雷達(dá),在不同降雪強(qiáng)度下的雪衰損耗如表1所示。
表1 毫米波雷達(dá)雪衰損耗
圖像是獲取場(chǎng)景信息(顏色和紋理)的主要途徑,但相機(jī)易受天氣和光照的影響,從成像機(jī)理來(lái)看,影響圖像清晰度的因素如圖2所示。
圖2 圖像清晰度的氣象影響因素
1.2.2 道路場(chǎng)地要素的影響
道路場(chǎng)地要素包含道路設(shè)施和路邊建筑等。道路曲率直接影響路徑規(guī)劃功能,道路的曲率越大路徑越彎曲,規(guī)劃出行駛路徑難度越大。坡度直接影響車(chē)輛的路徑跟蹤能力,上坡和下坡過(guò)程由于車(chē)輛重力的影響增大了路徑跟蹤的控制難度。路面的材料和紋理會(huì)影響使用相機(jī)作為傳感器的自動(dòng)駕駛系統(tǒng)的感知算法。路面附著系數(shù)直接影響車(chē)輛的底盤(pán)系統(tǒng)的穩(wěn)定性控制。車(chē)道數(shù)影響任務(wù)決策。交叉口中不同交通流向的路徑交叉會(huì)影響自動(dòng)駕駛系統(tǒng)的決策過(guò)程,交叉口中左轉(zhuǎn)路徑與右轉(zhuǎn)路徑曲率的差異和多處人車(chē)沖突的存在對(duì)自動(dòng)駕駛的決策和路徑規(guī)劃都有直接影響。
1.2.3 交通及其設(shè)施要素的影響
場(chǎng)景中交通標(biāo)識(shí)類(lèi)型、數(shù)量越多,識(shí)別的難度越大。路邊建筑的臨路遮擋影響傳感器的探測(cè)范圍,導(dǎo)致硬件感知性能衰減。交通參與者的物理屬性主要是外形尺寸、材質(zhì)和運(yùn)動(dòng)特性。外形尺寸屬性影響硬件感知和目標(biāo)識(shí)別兩方面。交通車(chē)的外形會(huì)對(duì)自動(dòng)駕駛的傳感產(chǎn)生物理遮擋,同時(shí)會(huì)影響目標(biāo)識(shí)別的難度,車(chē)輛越小識(shí)別難度越大。不同的材質(zhì)會(huì)影響目標(biāo)識(shí)別的效果,仿真場(chǎng)景中車(chē)輛運(yùn)動(dòng)的不同屬性和運(yùn)動(dòng)的不確定性會(huì)嚴(yán)重影響自動(dòng)駕駛系統(tǒng)的決策與規(guī)劃。交通及其設(shè)施因素對(duì)于決策規(guī)劃系統(tǒng)的影響主要體現(xiàn)在周邊交通車(chē)的運(yùn)動(dòng)行為,交通車(chē)的數(shù)量對(duì)場(chǎng)景復(fù)雜度的影響巨大[14],紋理材質(zhì)和運(yùn)動(dòng)狀態(tài)等會(huì)影響場(chǎng)景的復(fù)雜度等屬性。
綜合上述分析并結(jié)合實(shí)際行駛環(huán)境的抽象總結(jié),可確定仿真測(cè)試場(chǎng)景的關(guān)鍵要素組成結(jié)構(gòu),如表2所示。仿真場(chǎng)景的主要因素可劃分為具有靜態(tài)特征的道路設(shè)施和具有動(dòng)態(tài)特征的氣象和交通,具體包括道路、建筑物、天氣、光照、交通設(shè)施、周邊車(chē)輛和交通路況等信息。
表2 測(cè)試場(chǎng)景關(guān)鍵要素及屬性
物理世界的無(wú)窮無(wú)盡導(dǎo)致汽車(chē)所能遇到的場(chǎng)景也充滿(mǎn)無(wú)限可能,而不同結(jié)構(gòu)和功能的自動(dòng)駕駛仿真測(cè)試所需的場(chǎng)景要素也不同,為解決場(chǎng)景要素的可解釋性和場(chǎng)景設(shè)計(jì)的合理性,本文提出了影響要素的提取模型。
物理系統(tǒng)的運(yùn)行面臨各種環(huán)境因素的干擾,一般的解決方案是通過(guò)建模進(jìn)行仿真。典型的場(chǎng)景建模是將行駛環(huán)境進(jìn)行有限維度映射的過(guò)程,由于環(huán)境要素不可窮舉的特性和計(jì)算機(jī)模擬需要的有限維度是矛盾的。如何從環(huán)境要素中提取對(duì)物理系統(tǒng)有影響的要素成為關(guān)鍵問(wèn)題。場(chǎng)景要素的提取過(guò)程就是分析環(huán)境要素對(duì)特定物理系統(tǒng)影響的過(guò)程??紤]物理系統(tǒng)可分為結(jié)構(gòu)和功能兩部分,為更好地進(jìn)行降維,提出基于系統(tǒng)的結(jié)構(gòu)和功能耦合分析的環(huán)境影響要素的提取模型,如圖3所示。
圖3 影響因素提取模型
影響要素提取模型是將系統(tǒng)的結(jié)構(gòu)和功能解耦后逐一分析場(chǎng)景因素對(duì)系統(tǒng)不同部分的影響,最后得出場(chǎng)景因素對(duì)系統(tǒng)是否有影響的結(jié)論,具體如下。
(1)物理系統(tǒng)的結(jié)構(gòu)劃分
物理系統(tǒng)是由子結(jié)構(gòu)組成,使用目標(biāo)樹(shù)的思想將物理系統(tǒng)按照最小結(jié)構(gòu)進(jìn)行劃分,這時(shí)物理系統(tǒng)被描述為不同最小結(jié)構(gòu)的集合。
式中:n為子結(jié)構(gòu)個(gè)數(shù);Si為第i個(gè)子結(jié)構(gòu)。
(2)物理系統(tǒng)的功能劃分
類(lèi)比物理系統(tǒng)的結(jié)構(gòu)劃分,可依據(jù)物理系統(tǒng)的工作原理對(duì)功能進(jìn)行劃分和建模,同樣采取目標(biāo)樹(shù)將系統(tǒng)進(jìn)行功能劃分為不同的子功能。
式中:m為子功能個(gè)數(shù);Fj為第j個(gè)子功能。
(3)分析環(huán)境因素對(duì)物理系統(tǒng)的影響
由于單個(gè)環(huán)境因素對(duì)物理系統(tǒng)的影響被分別映射到不同的子結(jié)構(gòu)和子功能,所以可通過(guò)逐一分析該因素對(duì)不同基本單元的影響,得到該因素對(duì)于系統(tǒng)的整體影響??紤]到不同環(huán)境因素對(duì)不同基礎(chǔ)單元的影響不同,模型將影響程度劃分為高、中、低和無(wú)4個(gè)等級(jí)(影響程度對(duì)應(yīng)取值為1、2/3、1/3和0)。當(dāng)將對(duì)應(yīng)的影響進(jìn)行數(shù)學(xué)量化后,形成了要素-結(jié)構(gòu)關(guān)系向量。同理可以得到要素-功能關(guān)系向量。
(4)要素-結(jié)構(gòu)-功能矩陣及其分析
模型能夠反映出場(chǎng)景要素對(duì)相應(yīng)的子結(jié)構(gòu)和子功能的影響關(guān)系。當(dāng)分析某一場(chǎng)景因素對(duì)于整個(gè)系統(tǒng)的影響時(shí),通過(guò)對(duì)不同維度的要素關(guān)系進(jìn)行定義后,即可得到要素-結(jié)構(gòu)-功能平面(E?S?F平面),將要素間的影響關(guān)系進(jìn)行量化后代入對(duì)應(yīng)平面就形成了要素-結(jié)構(gòu)-功能矩陣(E?S?F矩陣),通過(guò)平面分析得到場(chǎng)景要素和物理系統(tǒng)的結(jié)構(gòu)與功能之間的聯(lián)系,定義要素-結(jié)構(gòu)-功能矩陣的性質(zhì)即可評(píng)估要素是否對(duì)物理系統(tǒng)有影響,E?S?F矩陣定義如下。
式中:aij為基本量化節(jié)點(diǎn),是通過(guò)綜合分析定義的,表征場(chǎng)景要素對(duì)由對(duì)應(yīng)結(jié)構(gòu)組成系統(tǒng)功能的影響;amj為硬件綜合影響,通過(guò)計(jì)算得到,表示硬件在不同子功能中影響的綜合評(píng)價(jià);ain為功能綜合影響,也可計(jì)算得到,表征子功能在不同硬件中影響的綜合評(píng)價(jià);am1為元素本身性質(zhì),考慮模型的目的是分析特定要素對(duì)自動(dòng)駕駛系統(tǒng)的影響,元素本身的相互響應(yīng)一般定義為無(wú)??紤]到不同場(chǎng)景要素對(duì)于自動(dòng)駕駛系統(tǒng)的影響存在主次關(guān)系,選取ωk作為權(quán)重因子,可在針對(duì)某一測(cè)試主體選擇場(chǎng)景要素時(shí)反映不同子功能和子結(jié)構(gòu)對(duì)于整體系統(tǒng)影響程度的差異。
矩陣的大小一般用范數(shù)來(lái)衡量,常見(jiàn)的范數(shù)包括1?范數(shù),2?范數(shù)和F?范數(shù),F(xiàn)范數(shù)描述了矩陣到原點(diǎn)的距離。本文中使用式(5)計(jì)算E?S?F矩陣的F?范數(shù)。
為確定所提取的要素是否保留,提出式(6)作為判斷條件:
式中σ表示篩選閾值,該閾值模擬出篩選過(guò)程具有一定的慣性,即避免篩選過(guò)程只是邊際效益,根據(jù)不同的分析定義,對(duì)于自動(dòng)駕駛安全相關(guān)的分析一般取0。如果式(6)滿(mǎn)足,則認(rèn)為該要素對(duì)特定物理系統(tǒng)有影響,須保留為場(chǎng)景要素,否則即認(rèn)為該要素對(duì)自動(dòng)駕駛系統(tǒng)無(wú)影響,不予考慮。
在完成整個(gè)系統(tǒng)的要素分析后,如果系統(tǒng)添加了新的子結(jié)構(gòu)和子功能,只須在影響要素提取模型的某一維度增加一個(gè)因素后形成分析平面,通過(guò)分析對(duì)應(yīng)的矩陣即可重新進(jìn)行分析。
雨天是常見(jiàn)天氣現(xiàn)象,本節(jié)具體闡述雨要素在模型中具體節(jié)點(diǎn)的評(píng)價(jià)和量化過(guò)程。
(1)雨對(duì)系統(tǒng)結(jié)構(gòu)硬件影響的分析
雨對(duì)相機(jī)的影響為大:陰雨天氣下光照強(qiáng)度下降,雨水的反射會(huì)導(dǎo)致鏡面反射,影響相機(jī)的成像效果;雨滴下落時(shí)圖像中會(huì)出現(xiàn)雨線(xiàn)遮蓋目標(biāo)物體,同時(shí)雨滴屬于亮點(diǎn),對(duì)圖像的對(duì)比度和信噪比會(huì)產(chǎn)生較大影響,降低圖像質(zhì)量。
雨對(duì)雷達(dá)的影響為?。汉撩撞ɡ走_(dá)具有較強(qiáng)的穿透力,能夠適應(yīng)大部分的惡劣天氣,因此認(rèn)為雨對(duì)毫米波雷達(dá)的影響為小。
雨對(duì)定位系統(tǒng)的影響為?。盒l(wèi)星信號(hào)傳播時(shí)發(fā)生折射使傳播路徑變長(zhǎng),導(dǎo)致接收信號(hào)產(chǎn)生時(shí)間誤差并被傳遞到求偽距和反解接收機(jī)位置坐標(biāo)的過(guò)程,對(duì)定位系統(tǒng)造成影響。
雨對(duì)V2X的影響為無(wú):V2X具有突破視覺(jué)死角和跨越遮擋物的信息獲取能力,V2X幾乎不受天氣狀況的影響。
雨對(duì)車(chē)輛平臺(tái)的影響為大:雨雪等惡劣天氣使附著系數(shù)顯著降低,而導(dǎo)致制動(dòng)距離增加,驅(qū)動(dòng)輪易打滑甚至空轉(zhuǎn),在積水路面上可能出現(xiàn)滑水現(xiàn)象,降低了行車(chē)安全性。
(2)雨對(duì)系統(tǒng)功能算法的影響分析
雨對(duì)感知識(shí)別系統(tǒng)的影響為中:雨粒子類(lèi)似于噪聲,會(huì)對(duì)目標(biāo)物造成遮擋,雨天會(huì)導(dǎo)致相機(jī)拍攝的圖片中由于有雨滴而變得模糊,會(huì)影響感知算法的識(shí)別準(zhǔn)確性。
雨對(duì)決策規(guī)劃系統(tǒng)的影響為無(wú):決策規(guī)劃系統(tǒng)是根據(jù)傳感感知系統(tǒng)的輸出進(jìn)行決策和規(guī)劃,一般認(rèn)為雨只影響傳感感知系統(tǒng),對(duì)決策規(guī)劃系統(tǒng)沒(méi)有影響。
雨對(duì)運(yùn)動(dòng)控制系統(tǒng)的影響為中:雨對(duì)車(chē)輛運(yùn)動(dòng)控制系統(tǒng)體現(xiàn)在不同降雨條件下的道路附著系數(shù)不同,雨天時(shí)路面附著系數(shù)小,極易將車(chē)輛引入極限工作狀態(tài)。
(3)綜合分析
根據(jù)上述分析得到了雨-結(jié)構(gòu)-功能平面,如圖4所示。
圖4 雨-結(jié)構(gòu)-功能平面
具體測(cè)試場(chǎng)景用例要素篩選方法是以影響要素提取模型為核心而形成的,如圖5所示。
圖5 場(chǎng)景要素提取流程
(1)定義需要分析的行駛環(huán)境要素
根據(jù)表2可知,場(chǎng)景要素劃分為氣象、道路設(shè)施和交通。通過(guò)對(duì)場(chǎng)景要素使用問(wèn)題樹(shù)的思想進(jìn)行啟發(fā)式搜索后形成一個(gè)子要素?zé)o限豐富的場(chǎng)景要素列表。
(2)輸入到影響因素提取模型
將列表中要素輸入到影響因素模型進(jìn)行遍歷,得到對(duì)應(yīng)的要素-結(jié)構(gòu)-功能平面,對(duì)影響關(guān)系節(jié)點(diǎn)進(jìn)行量化后,得到對(duì)應(yīng)的E?S?F矩陣。
(3)判定該因素是否為場(chǎng)景要素
得到要素-結(jié)構(gòu)-功能矩陣后,依據(jù)式(4)~式(6)判定是否決定存儲(chǔ)為場(chǎng)景要素。
(4)所有行駛環(huán)境要素遍歷完成后結(jié)束
在將第(1)步中的所有要素遍歷完成后,提取結(jié)束后形成場(chǎng)景關(guān)鍵要素列表,位于表中的要素后續(xù)建立實(shí)際測(cè)試場(chǎng)景時(shí)需要著重考慮。
限于研發(fā)周期和成本,特別是安全因素的考慮,近年來(lái)面向自動(dòng)駕駛測(cè)試的仿真場(chǎng)景構(gòu)建研究主要依托于數(shù)字虛擬仿真平臺(tái)來(lái)實(shí)現(xiàn)。作者所在團(tuán)隊(duì)自主開(kāi)發(fā)了PanoSim智能駕駛模擬仿真平臺(tái),并將其應(yīng)用在第四屆世界智能駕駛挑戰(zhàn)賽(WIDC)中,首次實(shí)現(xiàn)國(guó)產(chǎn)仿真軟件支持國(guó)際比賽。行人安全避撞場(chǎng)景是感知決策控制組的比賽題目,如圖6所示。該賽題指定使用相機(jī)傳感器,參賽隊(duì)伍須使用感知算法識(shí)別目標(biāo)。本文對(duì)賽題“行人安全避撞場(chǎng)景”使用影響要素提取模型進(jìn)行了分析,評(píng)價(jià)其要素組成并給出相應(yīng)的場(chǎng)景設(shè)計(jì)建議。
圖6 行人安全避撞仿真場(chǎng)景
由于行人安全避撞場(chǎng)景的指定傳感器為車(chē)載像機(jī),因此模型的硬件結(jié)構(gòu)維度僅包括像機(jī)和車(chē)輛平臺(tái)兩個(gè)節(jié)點(diǎn),系統(tǒng)功能維度則依舊是感知識(shí)別系統(tǒng)、決策規(guī)劃系統(tǒng)和運(yùn)動(dòng)控制系統(tǒng),針對(duì)行人避撞具體場(chǎng)景而構(gòu)建的場(chǎng)景要素提取模型如圖7所示。
圖7 行人安全避撞場(chǎng)景要素提取模型
為分析和解釋行人安全避撞場(chǎng)景中的要素組成,使用具體測(cè)試場(chǎng)景用例要素篩選方法進(jìn)行了篩選,提取結(jié)果與分析如表3所示。表中對(duì)場(chǎng)景要素相對(duì)應(yīng)的要素-結(jié)構(gòu)-功能矩陣的F范數(shù)進(jìn)行了計(jì)算,并給出對(duì)應(yīng)的篩選閾值,同時(shí)評(píng)價(jià)了該要素在已有場(chǎng)景中是否存在和存在要素的潛在解釋性問(wèn)題。特別是,由于自動(dòng)駕駛測(cè)試中安全要求的嚴(yán)苛性,本文中選取篩選閾值全部為0。
表3 行人安全避撞測(cè)試場(chǎng)景要素提取與評(píng)估
根據(jù)場(chǎng)景要素提取結(jié)果,行人安全避撞測(cè)試場(chǎng)景要素的組成主要包括道路、交通設(shè)施、路旁建筑和交通參與物中的機(jī)動(dòng)車(chē)和行人等元素,這些元素對(duì)自動(dòng)駕駛的測(cè)試極其重要,但經(jīng)過(guò)分析可知,已有元素中類(lèi)似于路旁建筑對(duì)行人安全避撞算法的測(cè)試意義不大,同時(shí)如果在比賽場(chǎng)景內(nèi)豐富一些元素,例如雨雪、交通標(biāo)志牌和非機(jī)動(dòng)車(chē)等,會(huì)對(duì)自動(dòng)駕駛系統(tǒng)的行人安全避撞算法起到更好的測(cè)試和區(qū)分作用。
針對(duì)場(chǎng)景要素組成的基礎(chǔ)研究和不同測(cè)試主體的場(chǎng)景要素選擇與設(shè)計(jì)問(wèn)題,本文中提出了一種汽車(chē)自動(dòng)駕駛仿真測(cè)試場(chǎng)景的關(guān)鍵要素提取方法。首先采用從自動(dòng)駕駛系統(tǒng)角度逐級(jí)分解的方法分析了場(chǎng)景要素對(duì)硬件及感知、決策和控制系統(tǒng)的影響,然后建立了一種場(chǎng)景要素-系統(tǒng)結(jié)構(gòu)-系統(tǒng)功能平面映射方程,用于量化要素影響的重要性;接著基于平面節(jié)點(diǎn)判別矩陣建立了要素提取模型,用于場(chǎng)景關(guān)鍵要素的判別與篩選;最后通過(guò)第四屆世界智能駕駛仿真挑戰(zhàn)賽的行人安全避撞場(chǎng)景元素的實(shí)例構(gòu)成應(yīng)用驗(yàn)證了該方法的合理性和有效性。