您好,欢迎光临2020中国自动驾驶测试验证技术创新论坛!

基于场景的自动驾驶功能验证平台——背景与动机(一)

发布日期:2020-06-30

点击上方蓝色字体,关注我们

基于场景的自动驾驶功能验证平台


这个项目是本人在德国留学期间在学校参与的课题之一。该项目由四个内容组成:数据基础的建立,场景的自动提取,场景库的建立与标准化,应用。下面我将通过七篇左右的博客介绍我在项目中完成的工作,供场景库研究的同行一起探讨和交流。因本人学识和能力有限,对于错误和认识较浅之处,恳请指正!


一、背景

高级自动驾驶功能的出现可以很大地降低由人为因素造成的交通事故,因此高级自动驾驶功能至少需要达到一个细心的人类驾驶员的驾驶能力。为确保高级自动驾驶功能有效安全,需要在整个研发阶段以及研发结束后,对其进行及时的验证(Validierung)和有效性与功能性的保证(Absicherung)。


一个可行的方案是,把实际交通状况做一个总结,生成一个具有高度代表性的交通场景库,用场景库来测试高级自动驾驶功能能否做出正确、及时的反应。同时,这个场景库也需要具备在不同地区和国家的兼容性。


场景库既可以通过研究人员进行逻辑上的列举和设计,也可以通过数据驱动——即通过将交通状况进行观察记录,使用各种参数来描述交通状况,保存这些参数,建立交通数据库,来提供场景库的数据基础。


相对于单纯的逻辑上的列举和设计,通过数据驱动来采集场景数据能显著提升场景数量,能够覆盖更多场景,减少遗漏。同时,通过按照一定规则的参数调整,可以不断衍生出新的场景。


二、交通事故的五个阶段

场景包括正常场景,风险场景和危险场景。这样的划分方式是基于交通事故的研究。


尽管发生了许多不同的交通事故,但其程序通常遵循相同的模式。欧洲汽车工业保护组织ACEA(“欧洲汽车制造商协会”)已开发出示意性事故序列,将事故过程分为五个不同阶段。在此模型的帮助下,可以说明何时以及如何使用驾驶员辅助系统(FAS)。可以帮助预防或减轻事故。



阶段1:每起事故都发生在所谓的正常驾驶之前(Normalfahrt)

在此阶段,没有迹象表明即将发生事故,即使前一段路程的长度等因素已经可以影响驾驶员的注意力。ACEA的专家已经将正常驾驶包括在事故过程中,这一事实再次表明,事故实际上随时可能发生。因此,驾驶员必须始终保持专注,因为每次事故发生前的危急情况往往出乎意料地下降。这可能是前面行驶的汽车完全制动,行人出乎意料的外观,道路上的冰点或只是将交通灯从绿色变为黄色。


阶段2:缓解(entschärfen)即将来临的危险(Gefahr)

其次是危险阶段,可能只需要几分之一秒。现在,确定情况的进一步发展:驾驶员是否意识到即将发生的危险?他有时间做出适当反应来化解它们吗?事故总是不能避免的。危险阶段绝不是特例,而是驾驶员在几乎所有驾驶中都会经历一种情况,在这种情况下,必须采取积极行动以避免事故或化解危险情况。这是日常驾驶的一部分,我们通常会做出适当的反应而不会总是觉得这很特别。


阶段3:不可避免的碰撞(Kollision unvermeidbar)

阶段2以“碰撞必然点(The point of no return)”结束——到碰撞必然点时,驾驶员(或所涉及的另一方,例如进入街道的行人)必须做出反应以解决危险情况。如果他没有成功,例如因为他分心而没有意识到危险,或者因为根本不再可能做出反应,那么事故就是必然的后果。实际事故始于短暂的“不可避免的碰撞”阶段3,即紧承着阶段2,结束于“碰撞”,即涉及事故的两个人或有障碍物的道路交通参与者的碰撞。


阶段4:碰撞中(während Kollision)

阶段4指的是碰撞的车辆或其他道路使用者已经发生碰撞,到最终停顿的过程——这标志着碰撞的结束。


阶段5:碰撞后(nach Kollision)

碰撞停顿之后,发生最后的事故阶段,即“碰撞后”(阶段5),在这个阶段将采取必要的救援和安全措施。


流程图:



三、场景数据的来源

根据交通事故的五个阶段,场景可以被分为三个大类:


正常场景

在正常场景下,高级自动驾驶功能需要作出符合交通规则和驾驶目的的驾驶行为,如对于转向的决策,在信号灯变红时停止,在停车场停入空车位中等。


有潜在风险的场景

在面临有风险的场景时,高级自动驾驶功能需要能够作出正确、及时的反应,如有追尾风险时及时反应并制动,部件失效时仍可以保持驾驶能力或寻找合适时机靠边等。


会发生事故的场景

在碰撞无法避免的时候,高级自动驾驶功能需要采取一系列安全措施,尽可能降低碰撞对乘员造成的伤害,如碰撞前安全带预拉紧,车门锁自动解除,断电保护,自动联系施救方等。


这三类场景可以从一些交通数据库中提取,其中:


正常场景——自然驾驶数据集(Naturalistic Driving Study, NDS)

有潜在风险的场景,会发生事故的场景——德国深度事故数据集(German In-Depth Accident Study),警察局交通事故数据库(Euska)

————————————————

版权声明:本文为CSDN博主「weixin_46250102」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/weixin_46250102/article/details/105629240




相关文章

DeepRoad-基于GAN的图片转换以及蜕变测试技
又一仿真技术出炉,对自动驾驶意味着什么?
自动化车辆的开发、测试和验证场景






SELECTED EVENTS





 

长按二维码识别关注



我就知道你“在看”


  • 电话咨询
  • 021-2230 6692
  • 15021948198
None