技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种交通流数据衍生系统及数据衍生方法与流程  >  正文

一种交通流数据衍生系统及数据衍生方法与流程

  • 国知局
  • 2024-08-30 14:24:51

本发明涉及智能驾驶,特别涉及一种交通流数据衍生系统及数据衍生方法。

背景技术:

1、目前,随着经济的不断发展,汽车保有量不断增大,人们对辅助驾驶和自动驾驶等技术需求越来越高。而自动驾驶汽车测试与评价是自动驾驶技术研发的重要环节,其中,基于场景的测试方法以测试效率高,测试成本低,测试过程安全已经成为自动驾驶汽车测试的重要一环,目前国内外科研机构和学者都已展开广泛的研究。

2、自动驾驶测试场景的数据来源主要来自真实数据、模拟数据和专家经验三个部分。其中,真实数据主要包括自然驾驶数据、事故数据以及汽车封闭试验场测试数据等,可以满足大部分自动驾驶车辆的测试需求,但是由于自然数据有限,在有些测试场景中,如预期功能安全测试需要对大量已知危险场景和未知危险场景进行测试,因此自然数据不能满足全部测试需求。

技术实现思路

1、本发明公开了一种交通流数据衍生系统及数据衍生方法,它可以生成大量衍生数据用于优化自动驾驶。

2、为达到上述目的,一方面,提供一种交通流数据衍生系统,所述系统包括:数据采样模块、数据生成对抗网络和评价模块;

3、所述数据采样模块,对驾驶数据集进行采样和预处理;

4、所述数据生成对抗网络,根据驾驶数据集生成带标签的衍生数据;

5、所述评价模块,对数据生成对抗网络进行评价。

6、进一步地,所述数据生成对抗网络包括:生成器和鉴别器;

7、所述生成器,给定随机噪声,生成样本数据;

8、所述鉴别器,根据生成的样本数据,输出真实样本概率。

9、进一步地,所述系统还包括生成对抗网络优化模块,优化数据生成对抗网络,分配生成器和鉴别器的权重。

10、为达到上述目的,另一方面,提供一种交通流数据衍生方法,其特征在于,具体方法如下:

11、获取交通视频数据集,进行预处理;

12、根据拥堵程度,对交通视频数据集分类;

13、对交通视频数据集中的车辆驾驶状态进行填充,构建训练样本;

14、以训练样本训练数据生成对抗网络;

15、以数据生成对抗网络的生成器生成衍生数据,以数据生成对抗网络的鉴别器差别衍生数据真伪。

16、进一步地,所述交通视频数据集为highd数据集。

17、进一步地,对交通视频数据集分类,采用平均行程速度作为分类依据,具体方法如下:

18、计算交通视频数据集中道路的平均行程速度;

19、以固定评价间隔时间,对比交通视频数据集的平均速度和各分类阈值,获取不同交通拥堵度的场景数据;

20、对场景数据进行提取,获取若干场景片段,在场景片段中提取车辆在每一时刻的横、纵坐标值。

21、进一步地,所述数据生成对抗网络为深度卷积生成对抗网络,包括dense全连接层、线性层、卷积层、批规范化bn层和激活函数,

22、在鉴别器卷积层后加入门控神经单元。

23、进一步地,训以训练样本训练数据生成对抗网络,具体方法如下:

24、将训练样本输入深度卷积生成对抗网络,预先给定生成器随机噪声z,生成样本数据g(z);

25、将样本数据输入鉴别器,输出真实样本概率为d(x);

26、训练过程采用rmsprop优化器,通过车速标准差、加速度均方根对生成数据进行评价。

27、进一步地,所述方法还包括数据生成对抗网络评价,具体方法如下:

28、选取数据生成对抗网络的评价指标;

29、为各评价指标分配评价权重;

30、采用给予隶属函数的方法对评价指标的数据分布进行统计;

31、建立生成交通流数据的综合性指标。

32、进一步地,所述方法还包括数据生成对抗网络优化,具体方法如下:

33、根据评价指标的数据分布,调整生成器和鉴别器损失函数的权重比例。

34、由于采用了以上技术方案,本发明具有以下有益效果:

35、1、本发明通过选取合适的交通流场景数据集并对其进行预处理的得到训练集,而后通过神经网络提取数据特征,生成海量符合数据特征的交通流场景,然后选取灰色关联度和动态时间规整两个指标来评估模型生成车辆与原始车辆运动状态的接近程度,最后从宏观角度选取指标对生成的交通流场景进行评估,结果表明生成的交通流场景与自然驾驶交通流场景特性有较高的符合性。

36、2、本发明对自然驾驶场景的交通流的特征进行提取,能够生成大量符合自然驾驶情况特性的交通流场景,在进行自动驾驶车辆测试时,丰富了测试场景。同时,还可以在进行sotif场景验证时,丰富了sotif已知危险场景和sotif未知危险场景的测试,能够有效的提高预期功能安全的测试效率,对完善预期功能安全测试实验场景的搭建提供参考。

37、需要说明的是,在本文中采用的“第一”、“第二”等类似的语汇,仅仅是为了描述技术方案中的各组成要素,并不构成对技术方案的限定,也不能理解为对相应要素重要性的指示或暗示;带有“第一”、“第二”等类似语汇的要素,表示在对应技术方案中,该要素至少包含一个。

技术特征:

1.一种交通流数据衍生系统,其特征在于,所述系统包括:数据采样模块、数据生成对抗网络和评价模块;

2.如权利要求1所述的交通流数据衍生系统,其特征在于,所述数据生成对抗网络包括:生成器和鉴别器;

3.如权利要求2所述的交通流数据衍生系统,其特征在于,所述系统还包括生成对抗网络优化模块,优化数据生成对抗网络,分配生成器和鉴别器的权重。

4.一种交通流数据衍生方法,其特征在于,具体方法如下:

5.如权利要求4所述的交通流数据衍生方法,其特征在于,所述交通视频数据集为highd数据集。

6.如权利要求4所述的交通流数据衍生方法,其特征在于,对交通视频数据集分类,采用平均行程速度作为分类依据,具体方法如下:

7.如权利要求4所述的交通流数据衍生方法,其特征在于,所述数据生成对抗网络为深度卷积生成对抗网络,包括dense全连接层、线性层、卷积层、批规范化bn层和激活函数,

8.如权利要求7所述的交通流数据衍生方法,其特征在于,训以训练样本训练数据生成对抗网络,具体方法如下:

9.如权利要求4所述的交通流数据衍生方法,其特征在于,所述方法还包括数据生成对抗网络评价,具体方法如下:

10.如权利要求9所述的交通流数据衍生方法,其特征在于,所述方法还包括数据生成对抗网络优化,具体方法如下:

技术总结本发明涉及智能驾驶技术领域,特别涉及一种交通流数据衍生系统及数据衍生方法。通过典型场景的驾驶数据集并对其进行处理的得到训练集,而后通过改进的具有辅助分类器的对抗网络,生成海量符合该典型场景数据特征的交通流数据,然后从宏观角度选取指标对生成的交通流场景进行评估,最后提出了合理性指标来评估模型生成车辆与原始车辆运动状态的接近程度,结果表明生成的交通流场景与自然驾驶交通流场景特性有较高的符合性。本发明对自然驾驶场景的交通流的特征进行提取,能够生成大量符合自然驾驶情况特性的交通流场景,在进行自动驾驶车辆测试时,丰富了测试场景。技术研发人员:崔亦霄,李孝天,郑岩,张婵,李乐受保护的技术使用者:联合汽车电子有限公司技术研发日:技术公布日:2024/8/27

本文地址:https://www.jishuxx.com/zhuanli/20240830/281884.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。