一种基于可达空间压缩的多车交互测试方法

本发明属于自动驾驶汽车测试，具体涉及一种基于可达空间压缩的多车交互测试方法。

背景技术：

1、仿真测试作为自动驾驶系统研发与验证的重要技术手段，能够在无需真实道路和实车参与的条件下，高效构建复杂交通场景并重复执行测试，从而对自动驾驶系统在感知、决策与控制等环节的性能进行评估。目前，围绕车辆交互能力的仿真测试方法主要包括规则驱动型仿真、数据驱动型仿真以及基于车道或轨迹约束的空间评价方法等。

2、规则驱动型仿真方法通常通过人工设定交通参与者的行为规则或脚本来生成测试场景，例如预设目标车辆的加减速行为、切入时机或行驶轨迹等。该类方法实现简单、可控性强，但目标物行为模式高度依赖人工经验，交互过程缺乏动态博弈特性。在复杂交互场景中，规则驱动行为往往呈现出明显的可预测性，被测车辆可通过固定策略应对，难以暴露决策算法在极端或非典型情形下的潜在缺陷。

3、数据驱动型仿真方法通过采集真实道路数据并进行轨迹回放或统计建模，以期复现真实交通流中的交互行为特征。虽然该类方法在分布一致性和行为真实性方面具有一定优势，但其测试能力受到数据覆盖范围的显著制约。真实数据中高风险、低概率的极端交互场景出现频次较低，难以通过纯数据回放方式系统性覆盖；同时，轨迹回放式仿真中交通参与者行为通常不可在线调整，从而限制了其在能力边界探索和压力测试中的有效性。

4、此外，部分仿真测试方法引入了基于空间占用的评价指标，用于量化目标车辆对被测车辆行驶空间的影响。然而，现有空间压缩或占用评估方法多源于匝道合流、并道等同向行驶场景，通常以车道线、车道中心线或车道拓扑结构作为空间约束前提。在交叉路口、无保护左转及多向流动等场景中，车辆运动方向差异显著、车道边界不清晰甚至缺失，上述方法的适用性受到限制。

5、例如，公开号为cn122675637a的中国发明专利申请公开了一种基于鸟瞰图视角的自动驾驶交互测试场景生成方法，其基于鸟瞰视角图像、车辆状态、历史轨迹及测试目标生成多个交通参与者的候选未来控制序列和候选未来轨迹，并结合物理可行性、地图、碰撞、交通规则及测试指标等约束筛选目标未来轨迹。该方案还根据冲突点到达时间差、车辆间最小距离以及交通参与者所在方向扇区的覆盖情况构建多方向交互压力指标。

6、但是，其方向覆盖情况主要反映交通参与者在不同方向上的分布，难以进一步表征不同交通参与者在各方向上的距离差异及其对被测车辆可运动空间的实际阻挡程度；此外，该方案中的车辆尺寸主要用于安全半径及碰撞约束评价，对于多个交通参与者的几何占用对被测车辆整体可运动空间造成的叠加影响仍缺乏直接量化。

7、另一方面，现有仿真评价体系在空间建模层面仍较多采用车辆质点、轨迹线、车辆间距离或冲突时间等信息对交互程度进行评价，对车辆几何体实际占用空间的影响考虑不足。在多车交互情形下，即使不同测试场景具有相近的车辆间最小距离、冲突时间或方向覆盖程度，各车辆所处位置、车辆尺寸以及空间分布不同，也可能导致被测车辆实际剩余运动空间存在较大差异，现有评价指标难以对此进行统一表征。

8、综上所述，现有仿真测试方案在复杂交互场景中仍存在以下不足：交互行为生成对人工规则或历史数据存在一定依赖；部分空间评价方法对车道结构或预设路径的依赖较强，在无车道及多向交互场景中的适用性有限；现有基于车辆间距离、冲突时间或方向覆盖程度的评价指标难以充分反映车辆几何占用对被测车辆可运动空间的影响；在多车交互场景下，不同交通参与者产生的空间阻挡及其叠加影响也难以得到统一量化。

技术实现思路

1、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基于可达空间压缩的多车交互测试方法。

2、本发明的目的可以通过以下技术方案来实现：

3、本发明提供了一种基于可达空间压缩的多车交互测试方法，包括以下步骤：

4、获取多车交互测试场景中主车辆和多辆交互车辆的车辆状态信息；

5、根据所述主车辆的车辆状态信息和车辆运动学模型，预测所述主车辆在预测时段内的可达区域，并沿角度方向和径向方向对所述可达区域进行离散，得到由多个角向扇区和多个径向区间构成的扇形可达空间栅格；

6、根据各所述交互车辆的车辆状态信息和所述车辆运动学模型，预测各所述交互车辆在所述预测时段内的预测轨迹，并根据各所述交互车辆在所述预测轨迹的各预测时刻对应的车辆外廓确定各所述预测时刻的空间占用区域；

7、将各所述空间占用区域映射至所述扇形可达空间栅格，并针对每一所述角向扇区，在映射至该角向扇区的各所述空间占用区域中确定距所述主车辆最近的占用径向距离，根据各所述占用径向距离确定所述主车辆受所述交互车辆占用后的剩余可达空间；

8、根据所述扇形可达空间栅格在未被所述交互车辆占用时的可达空间面积与所述剩余可达空间的面积，确定所述主车辆的可达空间压缩指标；

9、根据所述可达空间压缩指标与预设边界判据的比较结果，确定所述多车交互测试场景的测试结果。

10、进一步的，所述车辆状态信息包括车辆的位置、纵向速度和航向角；

11、所述车辆运动学模型的控制输入包括纵向加速度和转向输入；

12、所述车辆运动学模型采用离散时间单轨模型，根据车辆在当前采样时刻的位置、纵向速度和航向角，以及所述纵向加速度、所述转向输入、车辆轴距和采样周期，确定车辆在下一采样时刻的位置、纵向速度和航向角，并按照所述采样周期在所述预测时段内递推得到车辆状态序列。

13、进一步的，所述根据所述主车辆的车辆状态信息和车辆运动学模型，预测所述主车辆在预测时段内的可达区域，并沿角度方向和径向方向对所述可达区域进行离散，得到由多个角向扇区和多个径向区间构成的扇形可达空间栅格，具体包括：

14、以所述主车辆的当前质心位置为极点、以所述主车辆的当前航向为角度零方向建立主车辆局部极坐标系；

15、根据所述主车辆的当前纵向速度、预设纵向加速度上限和所述预测时段确定所述可达区域的最大可达径向距离；

16、根据表征所述主车辆转向能力的最小转弯半径确定所述可达区域的最大横向张角；

17、在所述最大横向张角限定的角度范围内划分多个等角度的所述角向扇区，并在所述最大可达径向距离限定的径向范围内划分多个所述径向区间，得到所述扇形可达空间栅格。

18、进一步的，所述根据各所述交互车辆的车辆状态信息和所述车辆运动学模型，预测各所述交互车辆在所述预测时段内的预测轨迹，并根据各所述交互车辆在所述预测轨迹的各预测时刻对应的车辆外廓确定各所述预测时刻的空间占用区域，具体包括：

19、针对每一所述交互车辆，根据该交互车辆在当前采样时刻的车辆状态信息和控制输入，通过所述车辆运动学模型在所述预测时段内递推得到多个预测时刻对应的预测状态，并由多个所述预测状态形成所述预测轨迹；

20、根据每一所述预测状态中的位置和航向角确定对应预测时刻的车辆外廓姿态；

21、确定所述车辆外廓的中心点和四个角点在车辆局部坐标系中的位置，并按照对应预测时刻的位置和航向角将所述中心点和四个角点转换至全局坐标系；

22、根据转换至所述全局坐标系的中心点和四个角点确定对应预测时刻的所述空间占用区域。

23、进一步的，所述将各所述空间占用区域映射至所述扇形可达空间栅格，并针对每一所述角向扇区，在映射至该角向扇区的各所述空间占用区域中确定距所述主车辆最近的占用径向距离，根据各所述占用径向距离确定所述主车辆受所述交互车辆占用后的剩余可达空间，具体包括：

24、建立以所述主车辆的当前位置为极点、以所述主车辆的当前航向为角度零方向的主车辆局部极坐标系；

25、将各所述交互车辆在各所述预测时刻对应的车辆外廓点转换至所述主车辆局部极坐标系，得到各所述车辆外廓点相对于所述主车辆的角度位置和径向距离；

26、根据各所述车辆外廓点的角度位置和径向距离，将位于所述可达区域内的车辆外廓点映射至对应的角向扇区和径向区间；

27、针对每一所述角向扇区，对映射至该角向扇区的全部交互车辆在全部预测时刻对应的径向距离进行比较，将其中最小的径向距离确定为该角向扇区的所述占用径向距离；当一角向扇区内不存在所述车辆外廓点时，将最大可达径向距离确定为该角向扇区的径向可达距离；

28、以各所述角向扇区对应的所述占用径向距离或所述径向可达距离作为该角向扇区的径向边界，确定所述剩余可达空间。

29、进一步的，所述根据所述扇形可达空间栅格在未被所述交互车辆占用时的可达空间面积与所述剩余可达空间的面积，确定所述主车辆的可达空间压缩指标，具体包括：

30、将各所述角向扇区设置为具有相同角宽，根据所述角向扇区的角宽、所述可达区域的最大可达径向距离以及各所述角向扇区对应的占用径向距离，分别确定所述可达空间面积和所述剩余可达空间的面积；

31、其中，所述可达空间面积和所述剩余可达空间的面积，公式为：

32、

33、根据所述可达空间面积和所述剩余可达空间的面积确定所述可达空间压缩指标，所述可达空间压缩指标，公式为：

34、

35、其中，表示所述扇形可达空间栅格未被所述交互车辆占用时的可达空间面积；表示所述剩余可达空间的面积；表示所述角向扇区的数量；表示每一所述角向扇区的角宽；表示所述可达区域的最大可达径向距离；表示第个角向扇区对应的占用径向距离，当第个角向扇区未被占用时，取所述最大可达径向距离；表示预设正稳定常数；表示所述可达空间压缩指标。

36、进一步的，在所述根据所述可达空间压缩指标与预设边界判据的比较结果，确定所述多车交互测试场景的测试结果之前，还包括：

37、获取所述主车辆和各所述交互车辆的目标路径信息，根据所述主车辆的目标路径与各所述交互车辆的目标路径之间的交叉关系确定潜在冲突点；

38、分别确定所述主车辆以及各所述交互车辆沿对应目标路径至所述潜在冲突点的路径距离，当所述主车辆对应的路径距离不大于第一预设距离且至少一辆所述交互车辆对应的路径距离不大于第二预设距离时，将当前的所述可达空间压缩指标标记为有效；

39、以所述潜在冲突点为基准，根据预设阻断距离阈值确定阻断区域，当所述主车辆和任一所述交互车辆在同一测试时刻均位于同一所述阻断区域内时，将该交互车辆确定为阻断交互车辆，并生成与所述阻断交互车辆对应的交互阻断评价指标；

40、根据所述主车辆和所述阻断交互车辆的车辆状态信息以及各自的目标路径信息，分别确定二者到达同一所述潜在冲突点的预计到达时间，将两个所述预计到达时间之间的绝对差确定为潜在交互时间差，并根据所述潜在交互时间差与预设交互时间阈值的比较结果确定所述交互阻断评价指标的时序状态。

41、进一步的，还包括构建协同交互增强指标，具体包括：

42、针对每一所述交互车辆分别将其在各预测时刻对应的空间占用区域映射至所述扇形可达空间栅格，确定该交互车辆在各所述角向扇区内对应的分车占用径向距离；

43、将满足以下任一条件的交互车辆纳入有效参与集合：所述交互车辆在至少一个角向扇区内对应的分车占用径向距离小于最大可达径向距离与预设径向阻挡裕量之差；所述交互车辆被确定为所述阻断交互车辆；

44、统计所述有效参与集合中的交互车辆数量，并根据所述交互车辆数量确定所述协同交互增强指标，所述协同交互增强指标满足：

45、

46、其中，表示所述协同交互增强指标；表示预设协同缩放系数；表示所述有效参与集合中的交互车辆数量。

47、进一步的，还包括：

48、分别对被标记为有效的所述可达空间压缩指标、各所述阻断交互车辆对应的交互阻断评价指标以及所述协同交互增强指标设置对应的评价权重，并对加权后的所述可达空间压缩指标、所述交互阻断评价指标和所述协同交互增强指标进行融合，得到综合交互奖励信号；

49、将所述综合交互奖励信号分配至参与策略更新的交互车辆；

50、针对各所述交互车辆，根据该交互车辆的行驶进度、纵向速度、横向偏差、航向偏差、控制输入变化和终端状态确定基础行驶奖励，并将所述基础行驶奖励与分配至该交互车辆的综合交互奖励信号进行融合，得到该交互车辆的策略更新奖励；

51、根据所述策略更新奖励更新对应交互车辆的行为策略，并根据更新后的所述行为策略确定下一测试时刻对应的控制输入。

52、进一步的，所述根据所述可达空间压缩指标与预设边界判据的比较结果，确定所述多车交互测试场景的测试结果，具体包括：

53、在每一测试时刻，将所述可达空间压缩指标与所述预设边界判据中的预设压缩阈值进行比较；

54、当被标记为有效的所述可达空间压缩指标达到或超过预设压缩阈值时，记录当前测试过程中所述主车辆和各所述交互车辆的车辆状态信息、所述预测轨迹、所述占用径向距离、所述可达空间压缩指标、所述交互阻断评价指标以及所述综合交互奖励信号，将当前多车交互测试场景确定为达到所述预设边界判据的测试场景，并利用记录的测试过程数据更新测试场景库；

55、当所述可达空间压缩指标未满足所述预设压缩阈值且未达到预设测试终止条件时，根据所述控制输入更新各所述交互车辆的车辆状态信息，并重新执行预测各所述交互车辆的预测轨迹、确定各所述空间占用区域、确定各所述占用径向距离以及确定所述可达空间压缩指标的步骤；

56、当达到所述预设测试终止条件且所述可达空间压缩指标未满足所述预设压缩阈值时，将所述多车交互测试场景确定为未达到所述预设边界判据的测试场景。

57、与现有技术相比，本发明具有以下优点：

58、（1）现有空间评价方法较多依赖车道线、车道中心线、道路拓扑或预设参考路径，在交叉路口、无保护左转以及多向汇入场景中，难以采用统一的空间尺度评价不同方向交通参与者对主车辆的影响。本发明根据主车辆的车辆状态信息和车辆运动学模型确定预测时段内的可达区域，并沿角度方向和径向方向形成扇形可达空间栅格。由此将不同道路结构下的车辆交互关系统一转换为相对于主车辆的运动方向和可达距离关系，减少空间评价对具体车道结构的依赖，使交叉路口、无保护左转和多方向车辆交汇等场景能够采用统一的空间表达和评价尺度，从而提高不同交通场景之间测试结果的可比性。

59、（2）现有基于车辆中心点、单一预测轨迹或者车辆间最小距离的评价方式，难以充分反映车辆尺寸和姿态对被测车辆实际可运动空间的影响；即使两个交通参与者与主车辆的中心距离相同，其车辆尺寸和航向不同，也可能产生明显不同的实际阻挡。本发明根据各交互车辆在多个预测时刻对应的车辆外廓确定空间占用区域，并将各空间占用区域映射至主车辆的扇形可达空间栅格；针对每一角向扇区，从全部交互车辆在全部预测时刻形成的空间占用中确定距主车辆最近的占用径向距离，并据此确定剩余可达空间。因此，不仅能够判断某一方向是否存在交互车辆，还能够进一步确定该方向的实际可运动距离被压缩至何种程度。对于具有相同方向覆盖情况但车辆径向位置、车辆尺寸或姿态不同的测试场景，仍能够得到不同的空间占用结果，从而提高对复杂多车交互状态的区分能力。

60、（3）现有以车辆间最小距离、冲突时间或方向覆盖率作为主要评价指标的方法，通常侧重单一局部关系，难以统一表示多辆交互车辆共同作用后主车辆整体运动空间的受限程度。例如，当一辆车辆在单一方向形成近距离阻挡与多辆车辆从多个方向形成中等程度阻挡时，仅依赖最小距离难以准确区分二者的整体交互强度。本发明根据未被交互车辆占用时的可达空间面积和受预测空间占用后的剩余可达空间面积确定可达空间压缩指标。该指标同时包含各方向的阻挡范围和阻挡深度，使不同数量、不同方向以及不同距离交互车辆产生的空间影响能够在同一尺度下进行连续量化，从而能够更加直接地表征主车辆运动自由度随多车交互过程发生的变化，为复杂交互场景的强度比较和能力边界判定提供统一评价依据。

61、（4）现有空间距离评价容易将位置邻近但实际不存在通行冲突的车辆计入有效交互，造成高交通密度与真实高强度交互之间难以区分。本发明进一步根据主车辆和交互车辆的目标路径确定潜在冲突点，并结合车辆至潜在冲突点的路径距离、阻断区域以及预计到达时间差确定交互阻断评价。由此能够减少与实际通行竞争无关的邻近车辆对评价结果的干扰，使空间压缩评价更集中于具有实际路径冲突的交互过程。

62、（5）现有多车评价若直接采用周围车辆总数量或者方向覆盖数量衡量群体作用，未实际影响主车辆运动空间的车辆也可能被计入。本发明依据各交互车辆对扇形可达空间形成的实际径向阻挡以及交互阻断状态确定有效参与集合，并根据有效参与车辆数量构建协同交互增强指标。因此能够区分场景中存在多辆车辆与多辆车辆实际共同限制主车辆运动空间两种情况，更准确地表征多车协同阻断产生的群体效应。

63、（6）现有高强度交互场景若主要通过单车缩短距离或者增强攻击性获得，容易出现不合理的急加速、急转向等行为。本发明将可达空间压缩指标、交互阻断评价指标和协同交互增强指标形成综合交互奖励信号，同时结合交互车辆的行驶进度、速度、偏差、控制输入变化及终端状态形成策略更新奖励。因而能够在维持交互车辆基本行驶合理性的同时，使测试压力更多来源于多车空间协同和路径阻断关系，降低依赖单辆车辆非合理激进行为形成测试压力的情况。

64、（7）固定轨迹式测试在主车辆改变决策后容易出现原有交互关系失效的问题。本发明在测试过程中根据车辆状态持续更新预测轨迹、空间占用及可达空间压缩指标，并在达到预设边界判据时记录相应测试过程数据和更新测试场景库。由此能够使交互测试随主车辆实时响应进行迭代，持续探索不同决策行为对应的交互边界；同时，可达空间压缩及相关评价数据既能够用于交互车辆策略更新，也能够用于测试结果评价，从而使策略训练与仿真测试采用较为一致的评价基础。