本發(fā)明屬于自動駕駛，具體涉及一種自動駕駛系統(tǒng)odc邊界構建方法。

背景技術：

1、隨著不同級別自動駕駛汽車的快速發(fā)展，從封閉園區(qū)、港口和機場到高速公路甚至城市交通場景，自動駕駛系統(tǒng)已在多種場景中得到廣泛應用，隨之而來的是自動駕駛系統(tǒng)(advanced?driving?system,ads)需要應對的任務和場景也變得越來越復雜，這給系統(tǒng)的安全運行帶來了一系列挑戰(zhàn)。具體來說，典型長尾交通場景、惡劣的環(huán)境條件以及駕駛員和乘客的濫用嚴重干擾了系統(tǒng)功能的安全可靠運行。例如，ads可能會遇到罕見的天氣條件(如濃霧和暴風雪)、道路異常(如道路塌陷或施工)以及其他交通參與者或駕駛員的不尋常行為，這些在系統(tǒng)設計階段很難預見。因此，這要求在設計與開發(fā)ads時，充分考慮系統(tǒng)必要的運行條件，以確保系統(tǒng)在面對各種未知和罕見事件時保持安全有效運行。然而，由于系統(tǒng)的復雜程度高和ai模型的黑盒性，針對高等級自動駕駛系統(tǒng)，傳統(tǒng)的安全規(guī)范無法充分描述和定義當前自動駕駛系統(tǒng)的安全運行條件。因此，如何有效識別、評估和定義高級ads的能力和局限性，對于防止任何功能濫用和促進安全有效運行至關重要。

2、當前，主要通過定義系統(tǒng)的運行設計域(operational?design?domain,odd)來設定系統(tǒng)可運行的安全場景邊界，以確保自動駕駛系統(tǒng)的可靠運行。odd指車輛可以安全駕駛的外部環(huán)境(例如，道路類型、天氣條件、交通參與者)，通過評估其可用區(qū)間的大小以及可應對場景條件，可反映ads的自動化水平。在l5級別，自動駕駛系統(tǒng)達到甚至超過人類駕駛員水平，系統(tǒng)可在無限制的odd中運行。然而，odd概念框架一個主要的局限性是它僅反映了影響自動駕駛車輛的外部因素，而忽略了同樣重要的車內條件。因此，在odd的概念基礎上，設計運行條件(odc,operational?design?condition)的定義被提出，odc的概念框架不僅包括odd，還包括必要的車輛內部條件(駕乘人員狀態(tài)、車輛運動狀態(tài)、系統(tǒng)功能狀態(tài)等)，全面描述了自動駕駛車輛可在哪些條件下有效運行。然而，當前缺少系統(tǒng)性、流程化的odc邊界設計方法。這最終限制了高級別ads的推廣落地應用，導致系統(tǒng)可用性不佳，并在執(zhí)行動態(tài)駕駛任務過程中頻繁發(fā)生中斷。

3、因此，實有必要提供一種自動駕駛系統(tǒng)odc邊界構建方法以解決上述問題。

技術實現思路

1、本發(fā)明提供一種自動駕駛系統(tǒng)odc邊界構建方法，首先，設定自動駕駛系統(tǒng)的功能目標與功能規(guī)范。接著，通過系統(tǒng)理論過程方法進行危害識別與風險評估來揭示系統(tǒng)潛在的不足和危害，這些危害可能由特定的odc觸發(fā)條件組合觸發(fā)。隨后，基于觸發(fā)條件定義需測試覆蓋的場景狀態(tài)空間。然后，將系統(tǒng)接入仿真框架開展仿真測試，通過收集測試結果評估區(qū)間風險水平，定義可接受風險的安全邊界，從而可以解決背景技術中涉及的至少一個技術問題。

2、為了解決上述技術問題，本發(fā)明是這樣實現的：

3、一種自動駕駛系統(tǒng)odc邊界構建方法，包括如下步驟：

4、步驟s1，定義自動駕駛系統(tǒng)的功能目標和功能規(guī)范；

5、步驟s2，基于自動駕駛系統(tǒng)的決策邏輯過程，辨識自動駕駛系統(tǒng)潛在的危害，確定危害的觸發(fā)條件并分析導致危害的場景元素，基于導致危害的場景元素構建針對特定危害的場景狀態(tài)子空間；

6、步驟s3，基于步驟s1定義的功能目標和功能規(guī)范以及步驟s2構建的場景狀態(tài)子空間對自動駕駛系統(tǒng)進行仿真測試，搜集不同測試用例下自動駕駛系統(tǒng)的反饋；

7、步驟s4，多次執(zhí)行步驟s2以及步驟s3，持續(xù)發(fā)掘自動駕駛系統(tǒng)未知的危害，直至不存在未知的整車級危害，基于仿真測試的結果評估自動駕駛系統(tǒng)在各個危害關聯的場景狀態(tài)子空間下的風險水平，根據預設的可接受風險水平構建各個場景狀態(tài)子空間下的odc邊界，將所有場景狀態(tài)子空間的odc邊界集成為自動駕駛系統(tǒng)的odc邊界。

8、作為一種優(yōu)選的改進，自動駕駛系統(tǒng)s的設計運行條件odcs為工作點(u,c)的集合，其中u∈u表示自動駕駛系統(tǒng)s在實際運行環(huán)境c∈c下的功能表現，工作點(u,c)應滿足預期的設計條件φ＝(r,b,e)s，其中包括自動駕駛系統(tǒng)應實現的要求r、在構建自動駕駛系統(tǒng)時需要考慮的約束b以及自動駕駛系統(tǒng)應運行的上下文環(huán)境e，則自動駕駛系統(tǒng)s的odcs表示為：

9、odcs＝{(u,c)|(u,c).sat(r,b,e)s∧c∈c,u∈u}。

10、作為一種優(yōu)選的改進，步驟s3中，仿真測試的過程具體包括如下步驟：

11、基于scenic場景描述語言對場景狀態(tài)子空間進行建模，使用概率建模語言來指定場景狀態(tài)子空間中實體特征的初始狀態(tài)及其隨時間的行為配置的分布；

12、使用采樣算法對場景狀態(tài)子空間進行搜索，確保場景狀態(tài)子空間被充分覆蓋；

13、構建仿真測試框架，將自動駕駛系統(tǒng)接入所述仿真測試框架進行仿真測試，搜集自動駕駛系統(tǒng)在不同測試用例下的反饋。

14、作為一種優(yōu)選的改進，采樣算法可選被動采樣器或者使用歷史測試記錄的主動采樣器，通過等距的均勻采樣或基于霍夫丁不等式計算需要的場景數量確保場景狀態(tài)子空間被充分覆蓋。

15、作為一種優(yōu)選的改進，所述仿真測試框架包括括仿真器、采樣器和判別器，所述仿真器支持自動駕駛系統(tǒng)的接入和對應場景狀態(tài)的仿真，并且還用于記錄車輛狀態(tài)信息；所述采樣器面向場景狀態(tài)子空間進行采樣與搜索，得到測試用例的初始場景狀態(tài)；所述判別器則基于定義的功能規(guī)范判斷測試用例是否通過，評估仿真器記錄的測試數據，判定測試用例的場景標簽。

16、作為一種優(yōu)選的改進，步驟s4之后還包括如下步驟：采用支持向量機對各個場景狀態(tài)子空間下的odc邊界進行優(yōu)化，優(yōu)化的目標函數表示為：

17、argminθμ(tp\fθ(u,c))+w·μ(tn∩fθ(u,c))；

18、式中，μ(·)表示風險評估函數，和tn＝((u,c)∩φ)-d分別表示真陽性用例和真陰性用例，d代表預測區(qū)間，表示對當前到未來時間d步的場景分類的預測；w表示權重；fθ表示分類器；θ表示fθ分類函數的參數；所述目標函數旨在優(yōu)化分類器參數，從而找到最小化加權假陽性和假陰性用例分類損失的分類邊界函數；

19、對負樣本進行過采樣，并訓練支持向量機，找到一個最大化邊界的超平面，這個超平面可有效區(qū)分正負樣本，選擇該超平面的邊界直接作為場景狀態(tài)子空間的odc邊界，以使風險最小化。

20、作為一種優(yōu)選的改進，場景狀態(tài)子空間的odc邊界集成通過場景狀態(tài)子空間的odc邊界取交的方式來確定或按照危害事件的風險水平進行加權計算。

21、本發(fā)明的有益效果在于：

22、本發(fā)明提出的技術方案主要針對高等級自動駕駛系統(tǒng)或車路協同式自動駕駛系統(tǒng)的odc邊界構建問題，通過系統(tǒng)性的危害觸發(fā)條件辨識方法提取關鍵odc元素，降維場景狀態(tài)空間，加速odc測試驗證流程；基于風險可接受程度評估，對安全場景區(qū)間與不安全場景區(qū)間進行分類以定義odc邊界，提升了邊界設計的準確性，進而使得自動駕駛系統(tǒng)可在更廣的場景狀態(tài)空間中連續(xù)化運行。