请选择 进入手机版 | 继续访问电脑版
搜索
房产
装修
汽车
婚嫁
健康
理财
旅游
美食
跳蚤
二手房
租房
招聘
二手车
教育
茶座
我要买房
买东西
装修家居
交友
职场
生活
网购
亲子
情感
龙城车友
找美食
谈婚论嫁
美女
兴趣
八卦
宠物
手机

marketiva互动星空 面向结果的自动驾驶功能评价 中韩关系

[复制链接]
查看: 877|回复: 0

233

主题

479

帖子

967

积分

等待验证会员

积分
967
发表于 2019-4-17 11:02 | 显示全部楼层 |阅读模式

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203nwujvdvug83ydmcg


自动驾驶功用正在敏捷成长,但业界仍未就若何在现实天下中测试它们的平安性和其他性能告竣分歧。由于时候和本钱的限制,没法停止充实的门路测试,是以普遍共鸣是需要基于仿真的测试评价。对于这样的评价,仿真中包括的场景应代表被测功用的预期现实利用处景,可是关于时候范围的挑选以及若何确保测试场景能否具有代表性尚没有指南。在此布景下,本文旨在提出头向成果的方式以肯定实现给定置信水平所需的仿真长度,从而处理时候范围挑选的题目。这一方式使得分歧仿真条件下的成果具有可比性,同时优化了总仿真时候,并可用于评价其他场景的怪同性。


1、引言
自动驾驶功用的重要性日益凸显,但仍没有同一的方式评价其性能。由于门路测试需要投入过量的时候和用度,是以当前业界普遍以为需要一种仿真测试方式。用于测试的仿真情况凡是包括3个关键部分:车辆模子(本车)、被测系统模子(system under test , SUT, 此处即指ADF)和系统预期运转情况条件模子。情况条件凡是概述于“场景”中,包括但不限于门路属性(车道数、坡度、出口、路障、门路条件等)、交通属性(其他交通介入者的数目和速度、其他驾驶员的能够模子)和整体情况条件(能见度、天气条件等)。典型的基于场景的ADF评价首先经过对实在数据分析识别获得相关交通状态,然后对场景停止建模并用于ADF的仿真和评价。

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203s13oxnv3uwc4uw1t


图1 整体评价结构
随着ADF功用性进步和运转延续时候耽误,很难找到一组先验界说的相关场景。例如为了评价自顺应巡航控制器的燃油节省量,场景中必须包括现实交通中经常出现的“一般工况”(normal cases);而对于平安性评价,致使变乱的“极限工况”(limit cases)相当重要。今朝为止,对于同一功用的利用处景并没有唯一的界说,以ACC为例,按照关注点是燃油经济性还是平安性,可以利用完全分歧的场景停止评价。斟酌到这一情况,文献中保举利用持续交通微观仿真情况,而不是纯洁基于场景停止测试,这些仿真情况包括旨在反应实在驾驶情况的交通模子。
仿真测试存在一些范围性。首先,仿真成果不是先验正确的,由于没有模子是完善的而且可以无穷切确地暗示实在行为。其次,重要特征能够在建模阶段遭到报酬影响,大概在仿真运转中表示不敷或过量,致使评价成果出现误差。此外,虽然相比于门路测试,仿真测试速度更快且反复性好,但若斟酌一切工况,仿真仍需要大量时候。在理论中经常利用先验停止标准(a priori stopping criteria)来履行测试,例如每种工况的最长仿真时候或牢固反复次数,由此获得的终极成果凡是是无需进一步分析的某些绩效目标的均匀值。
已有研讨显现,在不评价统计特征的条件下利用和比力仿真成果能够会发生误导,是以我们倡议将成果的统计明显性评价与仿真运转相关联,这可以为一切仿真运转肯定先验明显性水平,以使成果有可比性或可用于其他计划的评价。
2、评价方式
2.1 ADF方针肯定
每个ADF具有最少有一个必须满足的关键功用,例如ACC的速度跟踪功用和制动帮助的告急情况减速功用等,凡是用与控制器使命间接相关的可测变量来量化其性能。假如我们用变量x暗示本车状态,则控制器方针可用方针集X*停止识别。以ACC为例,方针集是本车的期望速度。在评价已界说的ADF质量,即现实数据与方针集之间的差异时,对于ACC,这可所以由四周交通的扰动引发的与期望速度的误差。
2.2 与方针分歧的KPI界说
评价进程的第二步是界说一个可以“观察”SUT与期望方针或行为间误差的指数。若我们将SUT的状态视为随机进程X(t),则关键绩效目标(Key Performance Index,KPI)可界说为在系统状态下经过界说函数f(KPI)获得的另一个随机进程Y(t)。原则上,选定的函数f(KPI)既不能疏忽SUT由于测试进程中的扰动而发生的与其期望行为的误差,也不能突出这一误差。对函数f(KPI)的最低要求是单边有界,并在X*处到达其最小值。为了清楚起见,我们指出,原则上,KPI可以同时评价多个方针但不能作为风险函数。只要在停止单一平安评价的情况下才可以用风险函数暗示KPI。
2.3 KPI描写统计值选定
由于KPI是一个随机变量,我们感爱好的是它在统计方面的表征(本文中指其统计特征参数)。是以,所研讨参数的随机“时辰”(均匀值、方差或等效标准误差)、中位数以及外形参数(如偏度、峰度、所研讨参数的置信区间)是出于这一目标斟酌的自然统计参数。用通用统计数据值q(KPI)描写KPI,并假定由于现实缘由,q(KPI)是有限的。
这些参数的估量只能经过在仿真时代收集KPI丈量道赐瓿。应出格留意用于收集丈量值和估量随机进程统计数据的方式,由于一般来说它会影响估量。
2.4 仿真流程界说
对于随机进程,文献中供给了大量针对期望算子的估量方式。凡是,分歧的估量法式可致使对不异量估量的分歧,这些成果既受根本随机进程的性质的影响,也遭到用于评价的样本的代表性的影响。别的,抽样进程也取决于估量方针。
第一种期望估量方式称为遍历。这一方式假定在充足长的观察时候内,随机进程的每个轨迹都将在不异的评价时辰显现其样本多少的不异特征,即状态空间均匀值可以用时候均匀值取代。第二种期望估量方式称为蒙特卡洛方式,这一方式将随机进程Y中的N个相互自力的、时长充足的仿真中出现的极限值视为整体样本。
2.5 收敛原则界说
仿真运转时代,模拟器发生的场景(包括四周交通和本车的轨迹)会侵扰SUT,并经过估量KPI的值丈量现实数据与控制器方针间的误差。经过一定的仿真时候(或n个样本)后,将不再有新事务发生,即KPI的统计量不会随着仿真时候的增加而明显变化。收敛意味着随着仿真时候的增加,统计量的估量值会收敛到一个恒定值,而且值置信水平很高。一般而言,从统计角度来看,关键是有充足的样本量以确保KPI统计量具有一定的置信度。
3、利用案例及成果
3.1 利用案例
ACC在跟踪期望速度的同时,还应确保不会对四周交通形成危险。在本文中,我们以ACC功用评价为例利用所提出的方式。控制器输入为纵向加速度a,并斟酌到实在驾驶情况,将a的值限制在±2.5m/s^2之间。控制器则按照本车状态变量停止控制,四周交通情况中的一切相关信息在建模中视为本车状态扰动。ACC功用被以为是在两种行为形式之间转换:本车速度控制方针为期望速度的巡航形式;本车速度控制方针为前车速度的跟车形式。对于两种行为形式需要别离拔取合适的KPI。
本文中用于评价SUT的仿真情况包括在贝叶斯收集图形模子根本上建立的随机交通情况模子,交通介入者的预期活动位置建模则利用的是叫作条件线性高斯模子的一类特别贝叶斯收集,按照其前后驾驶行为对其状态停止分区,针对每个预界说的前后驾驶行为(巡航、跟车、向左换道、向右换道)提出公道假定,并在现实交通丈量数据根本上停止练习。

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203xgp6kpke6tet6gpp


图2 仿真情况表示图(红色为本车)
由于ACC有两种运转状态,故f(KPI)由两部分组成,计较界说以下:

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203v0vnbrn4bncv7izm


当相对速度小于0时,即本车速度小于前车速度,计较式中两者均不为0,即ACC功用性能损失增加。是以,该参数的引入可以避免ACC功用发生过于守旧的减速行为。
f(KPI)的值在本文研讨中需要停止两次估量分析。第一次估量分析采用的是遍历方式,随后采用蒙特卡洛方式对第一次分析所得的f(KPI)估量值停止第二次估量。
3.2 仿真成果

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203q358e538e3e5e9l9


图3 某次仿真进程所得成果
对于图3中的仿真进程,本车最初处于巡航形式下,并在ACC的控制下以期望速度行驶,在此阶段,差池f(KPI)停止评价。一旦平安间隔内出现前车,ACC则切换到跟车形式,并起头对f(KPI)停止评价。本文共停止了200次仿真,f(KPI)值的散布如图4所示。

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110203dygcskajtkuujqgc


图4 f(KPI)值散布直方图和拟合曲线
本文同时研讨了样本巨细n对f(KPI)值置信区间的影响。按图5所示,直方图散布服从Gamma散布,且随着n的增加,95%置信区间变窄。

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110204qhz7jjjp7g52jjuh


图5 样本巨细对f(KPI)值置信区间的影响
图5的成果表白,为了在随机仿真情况中评价ADF,应仔细挑选仿真延续时候。较短的仿真(本文中小于1000或2000个样本)能够获得误导性的性能评价,其成果仅表征特定仿真下的ADF行为。而从一定的仿真长度起头(本文中为3000-4000个样本),测试中的ADF性能变得牢靠,且几近自力于随机模子天生的仿真条件。
4、结论和展望
本文提出了一种在随机仿真情况中评价自动驾驶功用的整体方式。本文会商的关键题目是若何肯定需要的仿真时候以获得牢靠的评价成果。基于ACC的利用案例表白,随机情况中较短的仿真能够致使对ADF性能评价做出毛病的结论。另一方面,太长的仿真并不能供给有关ADF性能的额外信息,且计较本钱大幅进步。
今朝的研讨是在对一般交通行为停止校准的交通随机模子上停止的。这项工作可扩大至摸索在分歧校准或甚至发生更危险的情形特定校准下,KPI估量值若何变化。我们还期望经过利用基于KPI的ADF性能统计分析,以实现分歧交通场景之间的比力(例如对于测试中的ADF更具应战性的场景)以及分歧ADF之间的比力(履行不异的操纵使命)。一旦成功,还可以进一步预选出对响应ADF的测试来说相当重要的场景,这将意味着明显削减评价ADF所需的时候和本钱。
【接待大师供给行业消息热门,贸易合作请联系:18562613430】

面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110204ajxccpz7ii3xvi24


面向成果的自动驾驶功用评价

面向结果的自动驾驶功能评价  科技资讯 110204t05apix2y0a5677c

感谢您的阅读
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Copyright © 2006-2014 快猫网-人工智能和智能硬件领域的互联网科技媒体 版权所有 法律顾问:高律师 客服电话:0791-88289918
技术支持:迪恩网络科技公司  Powered by Discuz! X3.2
快速回复 返回顶部 返回列表