面向自动驾驶场景验证的危险性与系统处理难度二维评估框架
《Vehicles》:A Calculation Method for Automated Driving Test Scenario Complexity
【字体:
大
中
小
】
时间:2026年09月26日
来源:Vehicles 3.2
编辑推荐:
**摘要**
基于场景的验证需要对大型测试库进行高效筛选,但现有的复杂度指标通常将交通危险性与自动驾驶系统工作负荷合并为单一构念。本研究提出了一种二维框架,将场景危险性从系统处理难度中分离出来。危险性指标综合了归一化加速度与碰撞时间度量;处理难度则汇总了感知、决策与执行需求
**摘要**基于场景的验证需要对大型测试库进行高效筛选,但现有的复杂度指标通常将交通危险性与自动驾驶系统工作负荷合并为单一构念。本研究提出了一种二维框架,将场景危险性从系统处理难度中分离出来。危险性指标综合了归一化加速度与碰撞时间度量;处理难度则汇总了感知、决策与执行需求,其权重通过三角模糊层次分析法获得。该框架使用2000个拉丁超立方采样的切入场景与四种基线指标进行了比较,并在22个封闭场地场景中进行了探索性测试,测试对象为三辆量产L2级车辆。所提出的指标在归一化分数范围内产生了更广泛且不那么集中的案例分布。然而,在22个案例的数据集中,总复杂度与任何车辆评分之间均未呈现显著相关性;因此,现场实验仅支持初步判别分析,不足以验证预测效度。10%的层次权重扰动分析表明,在10,000次模拟中,排名前三大全局权重在82.3%的情况下保持一致。该模型目前受限于经验设定的感知常数、样本规模较小、极高复杂度案例稀少,以及忽略了道路曲率、侧风、轮胎状况和执行器延迟等因素。加性聚合假设各准则之间的交互作用在所比较的场景中可以忽略不计,但该假设尚未得到验证。该框架宜被视为一种可解释的场景筛选工具,仍需进一步的校准与验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号