基于大语言模型的交规形式化生成和模糊语义量化方法

本技术涉及自动驾驶测试领域，尤其涉及一种基于大语言模型的交规形式化生成和模糊语义量化方法。

背景技术：

1、随着自动驾驶车辆从封闭测试逐步走向开放道路示范应用，其驾驶行为不仅需要满足传统意义上的安全性要求，还必须具备可验证、可追溯的交通法规遵循能力。特别是在交叉口、城市道路以及车道变换等高交互场景中，车辆需要同时处理车速限制、信号控制、路权分配、行人保护和车道使用等多类约束，因而交通法规合规性已经成为自动驾驶系统研发、测试与准入评价中的关键问题。

2、现有交通法规主要面向人类驾驶员制定，多采用自然语言文本进行表达。但是，此类表达方式普遍具有条件嵌套、语义依赖上下文、隐含常识以及模糊词汇较多等特点。例如，对于“保持安全距离”、“及时减速”、“不得妨碍其他车辆正常行驶”、“连续变更两条或者两条以上车道”等表述，在法律语义上能够被人类驾驶员理解，但对于自动驾驶系统而言，若缺乏形式化表示与量化阈值，则难以直接作为交规引擎、运行时监测器或测试评价系统的输入。

技术实现思路

1、本技术实施例针对背景技术中所涉及的缺陷，提供了基于大语言模型的交规形式化生成和模糊语义量化方法。通过该方案，能够实现自然语言交通法规到度量时序逻辑形式化交规的自动转换，显著降低人工建模成本并提高交规数字化效率。同时，通过建立法规语义到可观测参数再到量化阈值的完整量化流程，使模糊法律语义具备可计算、可复现的判定边界，有效提升了交规合规性测试的自动化水平和结果解释性。

2、第一方面，提供了一种基于大语言模型的交规形式化生成和模糊语义量化方法。该方法包括：获取自然语言交规文本，并根据该自然语言交规文本确定五元组表示文本，该自然语言交规文本包括具有模糊语义项的交规文本，该五元组表示文本用于基于主体、行为、对象、条件和结果组成的五元组描述该自然语言交规文本；将该自然语言交规文本、该五元组表示文本输入至大语言模型，确定该大语言模型输出的该自然语言交规文本对应的度量时序逻辑（metric temporal logic，mtl）公式和命题列表，该命题列表包括多个命题，该命题由该五元组中的行为和条件构成；根据该mtl公式中的谓词，确定该命题列表中的各命题与自动驾驶车辆的可观测信号之间的谓词映射关系，该可观测信号包括感知结果、地图要素、交通设施状态、车辆速度、车道信息和轨迹序列中的至少一种；根据该自然语言交规文本中的模糊语义项、该mtl公式和该命题列表，确定该模糊语义项对应的可观测参数以及该可观测参数对应的量化阈值边界；根据该mtl公式、该谓词映射关系、该量化阈值边界以及该自动驾驶车辆的该可观测信号的实时取值，确定该自动驾驶车辆的交规符合性判定结果。

3、通过该方案，利用大语言模型与五元组语义表示和模板约束相结合的方式，能够自动将自然语言交通法规转换为度量时序逻辑公式，避免了完全依赖人工编码带来的成本高、效率低和迁移性差的问题。并且同时，通过建立谓词与可观测信号的映射关系以及模糊语义的量化阈值，使生成的形式化交规能够直接对接自动驾驶系统的感知和仿真信号。

4、结合第一方面，在第一方面可能的实现方式中，该获取自然语言交规文本包括：获取原始自然语言交规文本；对该原始自然语言交规文本进行分句处理，并提取其中的主体、行为、对象、条件、否定词、时间词和例外限定词，以及对单位表达、符号表示和同义表述进行标准化，得到标准化处理后的该自然语言交规文本。

5、通过该方案，对原始法规文本进行分句、标准化和语义成分提取，能够将结构松散、表达多样的自然语言法规转化为统一格式的结构化输入，有效降低大语言模型直接处理长文本时的歧义传播，提高后续mtl公式生成的准确性。

6、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该多个命题包括原子命题、复合命题和阈值命题中的至少一种，该大语言模型的输入数据还包括原子命题模板、复合命题模板、该mtl公式对应的逻辑算子模板和时序算子模板、谓词白名单、输入输出示例以及链式推理约束，该大语言模型的输出数据还包括该多个命题的语义说明、参数名称、参数单位以及中间推理结果。

7、通过该方案，通过向大语言模型输入命题模板、算子模板、谓词白名单和链式推理约束等多种约束信息，能够引导模型按照要素识别、逻辑结构选择、时序关系确定和公式生成的顺序输出形式化结果，确保生成的mtl公式在语法、语义和可执行性方面均满足后续交规库和解析器的工程需求。

8、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该量化阈值边界包括全局阈值、场景阈值和有效样本区间中的至少一种，该确定该可观测参数对应的量化阈值边界包括：从该自动驾驶车辆的真实轨迹数据、感知数据或仿真数据中，提取该可观测参数对应的样本；根据经验分位数、候选分布结果和阈值敏感性分析确定该可观测参数对应的该全局阈值、场景阈值或有效样本区间。

9、通过该方案，以真实轨迹或仿真数据为依据，通过经验分位数、分布拟合和阈值敏感性分析相结合的方式标定交规边界，能够避免主观经验设定阈值带来的不一致性和不可复现问题，提高阈值边界的稳健性和可解释性。

10、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该谓词映射关系包括碰撞时间（time to collision，ttc）判断谓词、限速牌检测与当前限速状态谓词、车道编号变化判断谓词、车辆横向位置判断谓词以及连续换道行为判定谓词中的至少一种。

11、通过该方案，建立原子命题到感知信号、地图要素和车辆状态量的映射关系，使形式化交规中的每个谓词均能够从可观测信号中获得真假值或数值参数，保证交规判定过程与真实驾驶环境和仿真环境之间的信号级对接。

12、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该自然语言交规文本用于指示该自动驾驶车辆不得连续变更两条或者两条以上车道，该mtl公式中的谓词用于指示车辆向左或向右跨越车道边界的行为序列。

13、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该可观测参数为该自动驾驶车辆位于中间车道的停留时间，该停留时间用于指示该自动驾驶车辆进入中间车道的时刻与离开中间车道的时刻之间的时间差。

14、通过该方案，以中间车道停留时间作为连续换道模糊语义的可观测量化参数，能够转化为具有明确物理含义的可计算指标，使连续换道交规具备可量化的判定边界。

15、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该确定该可观测参数对应的量化阈值边界包括：获取清洗后的该可观测参数对应的样本数据；根据清洗后的该样本数据，确定该可观测参数对应的多个候选阈值；根据该多个候选阈值对应的归一化行为性能函数和分布拟合敏感性分析，从该多个候选阈值中确定连续换道候选识别阈值、最小有效中间车道停留过程对应的阈值。

16、通过该方案，通过对中间车道停留时间样本进行清洗、候选阈值扫描和归一化行为性能函数优化，能够从数据驱动角度确定使连续换道识别和稳定中间车道保留综合性能最优的阈值。并且，结合分布拟合敏感性分析，进一步验证阈值在不同统计模型下的稳定性，保证量化结果的可靠性和可复现性。

17、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该样本数据对应的清洗约束包括中间车道连续帧数不小于最小帧数阈值、相邻采样点位移不大于最大位移阈值、单帧车道编号跳变不大于最大跳变阈值和采样间隔不大于最大采样间隔阈值中的至少一种。

18、通过该方案，通过引入轨迹连续性、结构完整性和采样质量等多维清洗约束，能够有效剔除车道编号抖动、轨迹瞬移、短时伪停留和采样缺失等非正常事件样本，避免异常数据对阈值估计的干扰，提高阈值边界的物理含义和可解释性。

19、结合第一方面或上述可能的实现方式，在第一方面可能的实现方式中，该交规符合性判定结果包括总体合规状态或者违规原因向量，该总体合规状态用于指示自动驾驶车辆是否满足全部交规，该违规原因向量用于指示该自动驾驶车辆触发违规的交规类别、违规时刻或违规参数。

20、第二方面，提供了一种电子设备，该电子设备包括处理器和存储器，该存储器中存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面或第一方面任意一种可能的实现方式中的方法。

21、第三方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面或第一方面任意一种可能的实现方式中的方法。

22、第四方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现上述第一方面或第一方面任意一种可能的实现方式中的方法。