1.本发明涉及车辆的测试与仿真技术领域，尤其是涉及一种面向智能汽车测试的临界虚拟场景自动生成方法及系统。
背景技术：2.车联网技术的发展加速推进了智能汽车的应用落地进程，通过车联网获取范围更广、实时性更高的交通环境信息有助于车辆实现更精准且更安全的智能驾驶决策。在相关智能驾驶算法的研发过程中，需要进行仿真测试对算法进行调试与验证，而测试过程中所采用的测试场景是决定研发效率与最终测试效果的重要影响因素之一。
3.在车辆仿真测试过程中，依据车辆智能驾驶功能的应用域以及既定测试目标，需要挑选或制作测试场景来模拟车辆驾驶环境，以评判被测功能的安全性、可靠性。当前基于场景的智能车辆测试通常有两种方式，其一方式为建造大规模的实车测试场，即通过真实车辆在真实的道路场景环境下行驶以进行测试，该方式能够确保较高的测试置信度但是成本过高，测试灵活性不佳；另一方式为基于虚拟场景注入的虚实融合测试，即将虚拟场景信息注入至真实的被测对象硬件，该方式成本较低、灵活性高、重复性好，更加安全，能够满足多阶段的测试需求，更便于智能汽车控制器的研发与调试。对于采用虚拟场景的测试方法而言，生成测试场景的有效针对性及生成效率是其能否在智能汽车研发过程中发挥优势的关键。
4.目前，对于虚拟场景的生成方法较多注重于采用真实数据回灌，这种方法更有助于模拟符合某一特定地域或特定驾驶场景下的真实驾驶环境，但在智能汽车控制器研发过程中，更注重于对于设计功能的能力边界或潜在缺陷进行探索与挖掘，采用真实数据回灌生成的方法难以满足研发过程中对高压临界场景的探索需求；另一方面，现有的临界场景生成方法一般采用离线搜索方式，在搜索过程中对被测对象先验信息需求高，搜索过程随机性大，难以应用于实时测试系统，极大地降低了虚拟场景测试的实际应用效果。
技术实现要素：5.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向智能汽车测试的临界虚拟场景自动生成方法及系统。
6.本发明的目的可以通过以下技术方案来实现：
7.一种面向智能汽车测试的临界虚拟场景自动生成方法，该方法包括以下步骤：
8.步骤1：对测试系统的参数进行初始化；
9.步骤2：读取当前时刻被测对象的运动状态和临界虚拟场景内虚拟车辆的运动状态；
10.步骤3：通过预测模型预测下一时刻被测对象与场景内虚拟车辆的运动状态；
11.步骤4：基于场景自动生成算法依据预测的信息以及相关的行为奖惩系数计算临界虚拟场景内的虚拟车辆下一时刻的目标行为；
12.步骤5：临界虚拟场景内的虚拟车辆执行计算得到的目标行为，生成下一时刻的临界虚拟场景；
13.步骤6：进行测试，将被测对象的运动响应与临界虚拟场景内的虚拟车辆的行为记录在数据库中，并进行评分；
14.步骤7：测试系统判断被测对象是否完成当前临界虚拟场景的测试，若是，则执行步骤8，若否，则执行步骤2；
15.步骤8：根据步骤6中的评分对当前生成的临界虚拟场景是否达到预期进行判断，判断当前生成的临界虚拟场景的评分是否小于期望阈值，若是，则达到预期，执行步骤9，若否，则执行步骤10；
16.步骤9：更新期望阈值，提升步骤6中记录的部分行为的奖惩系数，并执行步骤2；
17.步骤10：降低步骤6中记录的部分行为的奖惩系数，并执行步骤2。
18.所述的步骤1中，测试系统包括虚拟仿真测试系统、硬件在环测试系统以及车辆在环测试系统，所述的测试系统的参数包括虚拟场景、数据库、预测模型、场景自动生成算法以及场景自动生成算法内的行为奖惩系数。
19.所述的步骤3中，预测模型根据当前时刻被测车辆与场景内虚拟车辆的位姿及运动状态信息预测其下一时刻的运动状态，且对运动状态的预测是滚动更新的，根据恒加速度-角速度运动学模型得到的预测公式为：
[0020][0021]
θ
t
＝θ0+ω0t
[0022]vt
＝v0+a0t
[0023]
其中，x
t
、y
t
、θ
t
和v
t
分别为车辆预测的纵向位移、横向位移、航向角和车速，x0、y0、θ0、v0、a0和ω0分别为车辆当前的纵向位移、横向位移、航向角、车速、加速度和横摆角速度，t为预测时长。
[0024]
所述的步骤4中，基于场景自动生成算法生成目标行为的方式包括基于模型预测计算理论最优行为、复现数据库中的行为记录以及基于行为记录与奖惩记录进行迭代变异；
[0025]
基于模型预测计算理论最优行为的计算公式为：
[0026]
uc＝(ac,ωc)＝arg minj
scenario
(x
t
,y
t
,θ
t
,v
t
)
[0027]
uc∈ψ(a0,ω0,v0,θ0)
[0028]
其中，uc为虚拟车辆的运动学模型输入，包含加速度ac和角速度ωc，j
scenario
(x
t
,y
t
,θ
t
,v
t
)为由预测运动状态值计算的代价函数，ψ(a0,ω0,v0,θ0)为由虚拟车辆当前运动状态值决定的输入域；
[0029]
复现数据库中的行为记录具体为：直接调用数据库中记录的历史行为数据；
[0030]
基于行为记录与奖惩记录进行迭代变异具体为：使用符合车辆运动学规律的随机变量替代数据库中记录的某一段历史行为数据，每次变异迭代时，一个测试场景数据段内有且仅有一段行为被选中并替代，且任意一段行为被选中的概率为：
[0031][0032]
其中，pi为任意一段行为被选中的概率，vari为任意一段行为的奖惩系数，n为一个测试场景数据段内的行为总数。
[0033]
所述的步骤5中，虚拟车辆的目标行为包括车辆的纵向位移、横向位移、航向角以及速度信息。
[0034]
所述的步骤6中，基于被测车辆与临界虚拟场景内虚拟车辆的相对运动状态以及虚拟车辆对目标测试工况的实现获取代价函数，计算代价函数值并作为对临界虚拟场景的测试效果的评分，代价函数的表达式为：
[0035]jscenario
＝f(δx,δy,δv)+c1*t
hd
+c2*γ
[0036]
其中，j
scenario
为场景的代价函数值，δx、δy和δv分别为虚拟车辆与被测车辆的纵向位移差、横向位移差与速度差，c1和c2均为常系数，t
hd
为车头时距，γ为判断虚拟车辆是否完成目标测试工况的判断符。
[0037]
所述的步骤9中，根据步骤6中的评分采用末位淘汰制对期望阈值进行更新。
[0038]
所述的步骤9和步骤10中，部分行为具体为在步骤4中发生迭代变异的虚拟车辆的行为。
[0039]
所述的临界虚拟场景具体为：让被测对象处于即将发生事故或危险的临界工况的临界虚拟场景，用以测试智能汽车的能力边界或潜在缺陷，所述的临界虚拟场景包括车辆跟随工况和车辆变道工况。
[0040]
一种实现所述的临界虚拟场景自动生成方法的系统，其特征在于，该系统包括：
[0041]
底盘测功机：与被测车辆和上位机组连接，被测车辆在底盘测功机上行驶，用以提供被测车辆的模拟行驶环境；
[0042]
上位机组：与图形工作站和实时仿真机连接，用以运行场景自动生成算法、预测模型以及数据库模块，采集被测车辆响应数据并将计算得到的虚拟车辆目标行为发送给图形工作站；
[0043]
图形工作站：与上位机组、视频暗箱和实时仿真机连接，用以生成临界虚拟场景的可视化图像；
[0044]
视频暗箱：与图形工作站和被测车辆连接，用以将图形工作站生成的虚拟场景可视化图像输入至被测车辆的控制器；
[0045]
实时仿真机：与上位机组和图形工作站连接，用以向系统发送请求信号以实现系统同步实时运行。
[0046]
与现有技术相比，本发明具有以如下有益效果：
[0047]
1、本发明的测试系统为实时在线的仿真系统，相比离线搜索方法生成有效场景的频率更高；
[0048]
2、本发明的测试系统能够进行黑盒测试，不需要被测对象控制器算法的先验信息，能够应用于第三方测试平台，可应用范围更广；
[0049]
3、本发明的测试算法具有在线迭代功能，能够在测试中探索被测对象的潜在缺陷，且测试算法的在线迭代具有指向性收敛能力，能够提高探索被测对象的能力边界的效率。
[0050]
4、本发明的硬件设备采用模块化集成方式，能够灵活应用于包括mil、hil和vil在内的各个测试阶段，具有更强的实用性和可扩展性。
附图说明
[0051]
图1为本发明的场景在线生成与迭代流程图。
[0052]
图2为本发明的硬件系统结构示意图。
具体实施方式
[0053]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0054]
本发明提供了一种面向智能汽车测试的临界虚拟场景自动生成方法，通过读取汽车仿真测试过程中被测智能汽车的实时运动响应，并通过场景在线自动生成算法和场景在线迭代算法实时生成针对被测对象在临界工况下的临界虚拟场景，该方法包括以下步骤：
[0055]
步骤1：对测试系统的参数进行初始化；
[0056]
步骤2：读取当前时刻被测对象的运动状态和临界虚拟场景内虚拟车辆的运动状态；
[0057]
步骤3：通过预测模型预测下一时刻被测对象与场景内虚拟车辆的运动状态；
[0058]
步骤4：基于场景自动生成算法，依据预测的信息以及相关的行为奖惩系数计算临界虚拟场景内的虚拟车辆下一时刻的目标行为；
[0059]
步骤5：临界虚拟场景内的虚拟车辆执行计算得到的目标行为，并生成下一时刻的临界虚拟场景；
[0060]
步骤6：进行测试，将被测对象的运动响应与临界虚拟场景内的虚拟车辆的行为记录在数据库中，并进行评分；
[0061]
步骤7：测试系统判断被测对象是否完成当前临界虚拟场景的测试，若是，则执行步骤8，若否，则执行步骤2；
[0062]
步骤8：根据步骤6中的评分判断当前生成的临界虚拟场景是否达到预期，若是，则执行步骤9，若否，则执行步骤10；
[0063]
步骤9：更新期望阈值，提升步骤6中记录的部分行为的奖惩系数，并执行步骤2；
[0064]
步骤10：降低步骤6中记录的部分行为的奖惩系数，并执行步骤2。
[0065]
如图1所示的本发明场景在线生成与迭代的具体流程，实现对被测对象能力边界与潜在缺陷的快速探索，下面以测试车辆自适应巡航功能应对前车变道插入工况能力为例，场景在线生成与迭代的过程具体包括以下步骤：
[0066]
步骤101：初始化测试系统的虚拟场景、数据库、预测模型、场景自动生成算法以及行为奖惩系数和其他相关参数，然后执行步骤102；
[0067]
步骤102：读取当前时刻被测对象的运动状态与虚拟场景内虚拟车辆的运动状态，然后执行步骤103；
[0068]
步骤103：依据当前时刻被测车辆的位姿及运动状态信息预测下一时刻被测对象的运动状态，然后执行步骤201；
[0069]
步骤104：根据得到的虚拟车辆的目标行为进行仿真，并更新虚拟场景，然后执行步骤105；
[0070]
步骤105：将当前时刻被测车辆与场景内虚拟车辆的位姿及运动状态信息记录至数据库，然后执行步骤106；
[0071]
步骤106：根据被测车辆和虚拟场景内虚拟车辆的相对运动状态，计算当前时刻的代价函数，并通过代价函数获取用以评价虚拟场景测试有效性的评分，并记录至数据库进行更新，然后执行步骤107；
[0072]
步骤107：判断被测车辆的车速或被测车辆与虚拟场景内虚拟车辆的横向距离是否小于设定的阈值，若是，则认为当次虚拟场景的测试已完成，则执行步骤301，若否，则执行步骤102；
[0073]
步骤108：获取新的行为奖惩系数并更新至数据库，然后执行步骤109；
[0074]
步骤109：判断是否收到结束测试信号，若是，则停止测试，若否，则执行步骤102；
[0075]
步骤201：根据数据库内记录的历史信息判断当前虚拟场景是否进行迭代变异，若是，则执行步骤202，若否，则执行步骤203；
[0076]
步骤202：判断是否存在并复现数据库内的虚拟车辆的历史行为记录，若是，则执行步骤205，若否，执行步骤204；
[0077]
步骤203：场景自动生成算法依据数据库内记录的行为奖惩系数对虚拟车辆对应的某一次变道插入行为记录进行迭代变异，得到迭代变异后虚拟车辆的目标行为，然后执行步骤104；
[0078]
步骤204：场景自动生成算法依据被测车辆与虚拟车辆的当前运动状态，计算虚拟车辆变道插入被测车辆前方工况中预计评分最优的行为，将其作为理论最优的虚拟车辆目标行为，然后执行步骤104；
[0079]
步骤205：场景自动生成算法将数据库内虚拟车辆的某一次变道插入行为记录进行复现，得到与数据库内某过往记录一致的虚拟车辆目标行为，然后执行步骤104；
[0080]
步骤301：判断数据库中记录的当前虚拟场景的评分是否达到设定的阈值，若是，则执行步骤302，若未否，则执行步骤303；
[0081]
步骤302：提升当前虚拟场景内虚拟车辆行为对应的行为奖惩系数，然后执行步骤108；
[0082]
步骤303：降低当前虚拟场景内虚拟车辆行为对应的行为奖惩系数，然后执行步骤108。
[0083]
如图2所示，本发明将场景在线生成与迭代方法应用于实车在环实时测试系统中，实现对被测对象整车在环级的能力边界与潜在缺陷进行快速搜索。
[0084]
本发明还提供了一种面向智能汽车测试的临界虚拟场景自动生成系统，该系统包括底盘测功机、上位机组、图形工作站、视频暗箱和实时仿真机。底盘测功机用以提供被测车辆的模拟行驶环境；上位机组包含多台计算机，用以运行场景自动生成算法、预测模型以及数据库模块，同时采集被测车辆响应数据并计算场景内虚拟车辆的目标行为；图形工作站在场景中执行虚拟车辆的目标行为，生成临界虚拟场景的可视化图像；视频暗箱将生成的临界虚拟场景可视化图像传输至被测车辆的控制器；实时仿真机向系统的每个软件和硬件发送请求信号以实现系统同步实时运行。
[0085]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
