买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利一种基于事故数据驱动的自动驾驶安全紧要场景生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116880235B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310773091.1，技术领域涉及：G05B17/02；该发明授权一种基于事故数据驱动的自动驾驶安全紧要场景生成方法是由江贺;王景博;任志磊;周志德;邹沛煜;汪海博设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种基于事故数据驱动的自动驾驶安全紧要场景生成方法在说明书摘要公布了：本发明属于自动驾驶测试领域，涉及一种用于生成导致自动驾驶系统违规的场景技术，具体为一种基于事故数据驱动的自动驾驶安全紧要场景生成方法。本发明以现实世界中的事故场景作为基础，挖掘此类场景中可能存在的导致自动驾驶系统违规的危险因素；将场景生成问题建模为求最优解问题，使用遗传算法作为求解算法，从而高效生成安全紧要场景。本发明可用于生成价值更高但难以发掘的安全紧要场景，以提高测试效率，检测自动驾驶系统缺陷。

本发明授权一种基于事故数据驱动的自动驾驶安全紧要场景生成方法在权利要求书中公布了：1.一种基于事故数据驱动的自动驾驶安全紧要场景生成方法，其特征在于，具体步骤如下： 步骤1：初始化场景集；场景集是一系列仿真场景文件的集合，初始化场景集是指选择一批场景文件组成场景集；场景集O包含危险场景和常规场景；危险场景是指交通事故场景，这些场景是从现实世界的交通事故中提取并保存在危险场景库组件中，从该组件中随机选取一批场景作为场景集的危险场景；常规场景是指未导致交通事故发生的一般场景，这些场景从常规场景库组件中随机选取，或使用用户输入的场景； 步骤2：收集场景关键信息；关键信息包括场景执行过程中主车在每一时刻的加速度和与主车最近的NPC车辆的距离；主车是指在测试场景中由无人驾驶系统操控的车辆，其行为是由无人驾驶系统中的决策模块控制的；NPC车辆是场景文件中定义的车辆，它们的行为由场景文件指定；使用自动驾驶仿真模拟器运行收集的场景，设定时间步长t0，每隔t0采集一次场景信息，场景执行的总时间步数为T，t表示场景执行的第t个时间步结束时刻； 加速度反映了车辆的行驶状态，加速度越大，表明越有可能遇到突发状况，因此需统计主车在行驶过程中的加速度；at表示t时刻主车加速度，vt表示t时刻主车的速度；vt从模拟器提供的接口获取，加速度at使用公式1计算得到： at＝vt-vt-1t01 车辆行驶时的距离越近，发生碰撞的概率越大，危险程度越高，当距离等于0时，表示车辆发生碰撞；因此需统计行驶过程中主车与最近NPC车辆的距离；表示t时刻距离主车最近的NPC车辆的横向距离，表示t时刻距离主车最近的NPC车辆的纵向距离，距离信息可以通过模拟器提供的接口得到； 步骤3：构建危险度评估函数；场景危险度θo是对场景中主车与NPC车辆发生碰撞的可能性的量化；以具体数值表示场景的危险程度，便于对场景进行评估：场景危险度高，表示主车与NPC车辆发生碰撞的概率越大；使用步骤2中收集到的信息计算危险度； 首先计算距离反映的危险度θtl；通过和计算出t时刻主车与最近NPC车辆的欧氏距离lt，如果lt＝0，说明该场景中主车与NPC车辆发生碰撞，直接将该场景加入结果集，并从场景集中移除；如果lt0，继续计算距离反映的危险度：危险度随着距离的缩小而增大，但是两者并非简单的线性关系，使用非线性函数来计算距离反映的危险度，lt和θtl的计算公式如下： 加速度反映的危险度θta随着加速度的增大而增大，同样成非线性关系，θta的计算公式如下： t时刻场景的危险度θt结合当前时刻距离反映的危险度和加速度反映的危险度计算得出；由于最近NPC车辆的距离和主车加速度反映出的危险程度不同，因此对两者求和时分别取不同权重r1和r2，并且有r1+r2＝1；因此t时刻场景危险度的计算公式如下： θt＝r1θtl+r2θta5 场景的危险度取决于整个场景执行过程中所有时刻危险度的最大值，场景的危险度θo的计算公式如下： θo＝maxθt，0t≤T6 步骤4：执行搜索算法；使用危险度量化场景与安全紧要场景的接近程度，将安全紧要场景生成问题转化为搜索最优解问题，使用遗传算法作为搜索算法；具体步骤如下： a：亲代初始化；初始化亲代种群P0，使用步骤1中得到的场景集作为亲代种群； b：构建适应度函数；使用步骤3中定义的危险度评估函数，构建遗传算法的适应度函数； c：产生新个体；通过对种群中现有个体执行交叉和变异操作产生新个体； 遗传算法中，交叉是交换种群中个体的染色体序列的操作，是新个体的主要来源；个体是场景，染色体是场景中NPC车辆的行为序列；考虑到车辆行为的连贯性，将交叉定义为交换场景中NPC行为序列的操作，交叉发生的概率为Pc；具体过程为：首先产生一个随机数，根据随机数的大小决定是否执行交叉操作，从而控制交叉执行的概率为Pc；如果判断执行交叉操作，接下来随机从种群中的两个场景中各选择一辆NPC车辆，将它们的动作序列分别记为Mx和My；交换Mx和My，从而产生新场景即新个体； 遗传算法中，变异是修改染色体上基因的操作，变异执行的概率要远小于交叉执行的概率；基因是NPC行为序列上某个时刻的动作，因此变异是修改NPC行为序列上某个时刻点的动作的操作，变异发生的概率为Pm；修改NPC动作的方式包括替换和插入，替换是指从动作库组件中选择一个动作代替NPC的动作，插入是指从动作库组件中选择一个动作插入到NPC动作序列中；动作库是一个组件，其中定义了仿真场景中车辆可能发生的操作，包括加速、减速、跟车行驶、变道；变异的具体过程为：首先，使用与交叉中相同的方法控制变异执行的概率；如果判断执行变异操作，接下来随机从种群中选择一个场景中的一辆NPC车辆i，使用随机数的方法选择时刻t，该时刻NPC车辆的动作记作通过插入或者替换的方式对进行修改，从而产生新场景即新个体； d：构建临时种群；将上一步得到的新个体与原种群合并，得到临时种群； e：计算适应度得分；使用模拟器逐个运行临时种群中的场景，运行场景时，如果场景中主车与NPC发生碰撞，表明发现了安全紧要场景，将该场景加入结果集并从临时场景集中移除；对于非安全紧要场景，将步骤2收集到的信息输入适应度函数，计算得到种群中每个个体的适应度得分； f：产生下一代种群；针对包含新个体与原种群个体的临时种群，使用轮盘赌算法筛选出部分个体组成新一代种群； g：终止条件判断，若当前种群代数k等于预设的种群最大代数K，或者结果集中场景数量已经达到预定量C，终止搜索算法；否则重复执行步骤c-f，直到满足终止条件；其中K和C的大小可以根据实际需求设置； 步骤5：报告安全紧要场景；将结果集中的场景作为结果返回，算法终止。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。