[发明专利]一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法

说明书

本发明公开了一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法，所述方法包括：（1）智能网联汽车驾驶时间序列数据正规化处理；（2）智能网联汽车驾驶时间序列数据降维处理；（3）智能网联汽车驾驶时间序列数据离散及符号化处理；（4）智能网联汽车风险驾驶场景快速提取与分级处理。该面向智能网联汽车测试的风险驾驶场景快速提取与分级方法可以快速提取与分级出智能网联汽车测试工况里的各类风险驾驶场景，可为后续智能网联汽车测试阶段驾驶场景库的全面构建与提炼优化提供理论方法支撑。

技术领域

本发明属于智能汽车测试领域，涉及一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法。

背景技术

研发、测试、上路是智能网联汽车市场化的三个阶段，目前我国智能网联汽车技术发展主要集中在测试阶段。测试可分为软件在环、硬件在环、车辆在环、测试场测试、道路测试等。测试阶段的驾驶数据可反馈至研发阶段用于产品优化迭代，路测的数据结果可服务于测试阶段，用来丰富真实驾驶场景库与虚拟驾驶场景库的容量，使测试场更好的还原真实行驶环境。在整个测试阶段，驾驶数据是驱动上述过程的重要来源。

车辆智能化水平的不断提高以及无线通讯技术的快速发展为智能网联汽车测试平台的搭建提供了强有力技术支持。目前车辆测试数据采集手段变得异常丰富，例如通过CAN总线技术获取车载实时数据，利用高精度传感器或惯导系统监测车辆运动信息，采用高清摄像头同步录制相应监控画面等。测试数据的类型与数量已经远达到了可以分析的技术要求，但是其编码分析手段却并未随着数据量的增加而有所突破，这对后续基于数据驱动的车辆测试分析工作带来了一定的技术障碍。另一方面，针对智能网联汽车测试，风险驾驶场景是需要关注的重要测试片段，例如“全球首例特斯拉车祸”的出现就是在自动驾驶测试阶段对于风险驾驶场景的测试分析不足所致。风险驾驶场景分析的前提即从海量驾驶场景数据库中准确、快速、有效的提取与分级其片段，该方法非常依赖驾驶数据编码的技术水平，而目前对于该技术方法的研究开发非常有限。

因此，发明风险驾驶场景快速提取与分级方法，对于智能网联汽车的测试工作有着十分重要的作用和意义。换言之，风险驾驶场景的快速提取与分级是智能网联汽车测试开发的核心部分，只有准确、快速、有效的对风险驾驶事件进行提取与分级，才能保证智能网联汽车测试结果的有效性、全面性。

发明内容

本发明的目的是针对现有技术中的问题，提供一种改进的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法。

为达到上述目的，本发明采用的技术方案是：

一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法，所述方法包括：

(1)智能网联汽车驾驶时间序列数据正规化处理；

(2)智能网联汽车驾驶时间序列数据降维处理；

(3)智能网联汽车驾驶时间序列数据离散及符号化处理；

(4)智能网联汽车风险驾驶场景快速提取与分级处理。

优选地，步骤(1)中，对原始驾驶时间序列数值进行正规化处理时，把原始驾驶时间序列转换成均值为0，标准方差为1的标准化时间序列。

优选地，步骤(2)中，基于分段累积近似方法将标准化正规化处理后的时间序列进行降维处理。

进一步地，经步骤(2)降维处理后的驾驶时间序列数据由初始的连续曲线变成多个分段折线段，通过某个区间内分段折线段替代初始该区间内的曲线段。

优选地，步骤(3)中，对降维处理后的时间序列数据进行K-S检验，若驾驶时间序列数据P值大于0.05，则认为通过分段累积近似方法降维处理后的驾驶时间序列数据(速度、加速度)近似服从正态分布。