[发明专利]高级驾驶辅助系统任务复杂度量化模型的建立方法

权利要求书

1.一种高级驾驶辅助系统任务复杂度量化模型的建立方法，其特征在于：其步骤是：

步骤一、系统硬件复杂度计算

假设一个自动驾驶系统包含n_a个硬件元素，其第i′个硬件元素市场单价为p_i′，附加价值为c_i′，根据独立分布原则，定义第i′个硬件元素的硬件复杂度a_i′，即

步骤二、自动驾驶等级复杂度计算

定义自动驾驶各等级如下：L0级复杂度l₀；L1级复杂度l₁；L2级复杂度l₂；L3级复杂度l₃；L4级复杂度l₄和L5级复杂度l₅，根据自动驾驶等级的内涵，拟采用难度指数增长原则，计算第i″个自动驾驶等级复杂度l_i″，即

步骤三、ADAS任务逻辑信息熵

采用图论和信息熵理论计算第i个ADAS任务的逻辑复杂度，首先，定义第i个ADAS任务的逻辑流为一个有向图：

其中，表示第i个有向图G_i的顶点集，ε_i表示第i个有向图G_i的顶点间的关系集合即弧的集合；

任务复杂度一阶熵的计算流程描述如下：设有向图G_i有n_i个顶点，第j个顶点依附的弧头数称为该顶点的入度第j个顶点依附的弧尾数称为该顶点的出度那么，按照入度和出度所构成的二元集合分别对有向图G_i中每顶点进行归类，得到一阶信息熵的类别数n_i，1和每个类别的出入度个数m_i，1，k，k＝1，...，n_i，1；根据信息熵理论和上述变量，计算第i个ADAS任务的一阶信息熵H_i，1：

任务复杂度二阶熵的计算流程描述如下：设有向图G_i有n_i个顶点，第j个顶点邻接的顶点集合如果第j个顶点邻接的顶点集合与第k′个顶点邻接的顶点集合相等即那么，将顶点j和k′归为同一类，通过逐一比较，得到二阶信息熵的类别数n_i，2和每个类别所包含的顶点个数m_i，2，k，k＝1，...，n_i，2，根据信息熵理论和上述变量，计算第i个ADAS任务的二阶信息熵H_i，2：

根据几何度量原则，计算第i个ADAS任务逻辑信息熵：

步骤四、ADAS行驶任务复杂度

根据以上推导公式和独立分布原则，定义第i个ADAS行驶任务的复杂度E_i等价于该任务的自动等级复杂度f_i(l1，...，l₅)与任务所包含的计算系统硬件复杂度的或并函数g_i(a₁，...，a₁₁，∧，∨)以及该任务的逻辑信息熵Hi的乘积，即：

E_i＝f_i(l₁，...，l₅)×g_i(a₁，...，a₁₁，∧，∨)×H_i (7)

其中，自动等级复杂度f_i(l₁，...，l₅)由该任务所在自动等级决定，或并函数g_i(a₁，...，a₁₁，∧，∨) 根据使用设备种类和用途不同，具体内涵不同；

设第i个ADAS任务自动等级为L1，那么得到f_i(l₁)，设该任务包含第x、y和z个设备，其中第x和y个设备功能上可相互替代，任选其一或共用，并与第z个设备联合能够完成任务i，即(x∨y)∧z；那么，该ADAS任务所对应的或并函数的具体表达式则写作g_i(a₁，...，a₁₁，∧，∨)＝max(a_x，a_y)+a_z；

设第p个任务为所有ADAS任务中复杂度最高的任务，即E_max＝E_p，根据百分制原则，综合计算第i个ADAS任务的百分制行驶任务复杂度C_i：