一种智能网联汽车仿真测试场景的本体构建方法与流程

1.本发明涉及智能网联汽车仿真测试技术领域，尤其涉及一种智能网联汽车仿真测试场景的本体构建方法。


背景技术：

2.本体论(ontology)是哲学的一个分支，主要研究存在的本质。在计算机及相关领域，本体指应用本体论的基本方法，通过概念分析、建模，把现实世界
3.中的实体抽象为一组概念与概念之间的关系的理论和方法。自20世纪90年代以来，本体成为计算机领域重要研究方向之一，现已广泛应用于知识工程、多智能体系统、系统建模、语义web、异构信息集成等众多领域。
4.本体论(ontology)用于对交通场景的建模，介绍了构造本体语义描述的两类语言owl2和和语义网络规则语言(semantic web rule language,swrl)，分别用于表示领域本体的知识库和规则。
5.现有的自动驾驶仿真测试场景库的构建是使用占据栅格地图、贝叶斯网络等仅考虑实体空间位置的表示方法。需先在空间中构筑道路网络，再在其上添加各类建筑、标志标线、信号灯等静态实体，然后添加交通参与者，再额外添加对象之间的关系。
6.而自动驾驶汽车的性能表征存在不确定性，是人、车、外部环境相互耦合的结果，传统的测试方法并不适用。根据自动驾驶汽车的应用特性以及操作的可行性，虚拟环境下的场景测试成为自动驾驶系统的功能性验证的重要手段，场景测试的关键在于如何构建遵循合理化、形式化、标准化的测试场景，以及如何根据场景生成效率高、覆盖广、可重用的测试用例，但现有的测试场景构建方法存在形式化和标准化问题，不能清楚完整的描述自动驾驶汽车的性能表征关系。


技术实现要素：

7.本发明的目的在于克服现有技术的不足，提供一种智能网联汽车仿真测试场景的本体构建方法，对自动驾驶虚拟测试环境中的交通场景进行结构化的分析，建立基础的层次框架，定义场景元素的相关术语；基于此设计交通场景本体模型，最后展开语义分析，构建基础场景的本体模型，通过本体语义描述建立相应的场景知识库，将场景中的元素表示为概念，形式化分析概念的属性和关系。
8.本发明的目的是通过以下技术方案来实现的：
9.一种智能网联汽车仿真测试场景的本体构建方法，包括：
10.步骤1：首先设计能应用于智能网联汽车仿真测试的具有典型性和代表性的基础测试场景，确定其要进行测试的功能，然后通过场景元素的增加和输入参数的调整，对基础测试场景进行扩展；
11.步骤2：对场景信息进行分析、整理和分类，利用本体对其进行概念化处理；对场景中包含的信息进行分类；
12.步骤3：以场景这一概念为根节点，基于场景的结构与层次描述，自顶向下构建交通场景本体模型；
13.步骤4：使用owl2完成场景概念本体的构建，完成语义表达，并使用owl2建立本体知识库；
14.步骤5：引入语义网络规则语言swrl增强规则描述能力，swrl可以直接引用本地知识库中的概念、属性和实例进行交通规则的语义描述，获得约束；
15.步骤6：对构建完成的交通场景本体模型进行检查与评价，并根据结果进行修正和优化。
16.具体的，步骤1具体包括：先根据所期望验证的自动驾驶功能设计基础测试场景，该场景要具备典型性和代表性；从功能需求出发，设计具有典型性和代表性的基础测试场景；然后通过场景元素的增加和输入参数的调整，对基础测试场景进行扩展，组合出多个测试用例；以及通过对事故场景进行建模和分析，选择关键的场景要素作为测试场景的输入数，将不同的场景要素进行组合，从一个事故场景中派生出多个测试用例。
17.具体的，步骤2具体包括以下子步骤：
18.s201，对场景结构进行分析，通过分析交通场景的具体定义，获得交通场景的总体组成结构；
19.s202，根据场景术语的定义和结构，本文将交通场景分解为四个层次，第一层为道路网络，第二层为静态对象，第三层为动态对象，第四层为环境。
20.具体的，步骤3具体包括以下子步骤：
21.s301，场景的结构分析，统一定义场景的术语，规范术语的含义，对不同含义的场景概念进行区分，为后文的场景模型构建提供一致性的表达；
22.s302，基于场景的结构与层次描述，以场景为根概念，采用本体论方法自顶向下构建交通场景本体模型；
23.s303，场景语义分析，根据交通场景本体模型创建实例，抽取宏观交通场景本体模型中的部分概念，定义场景所需的属性及关系。
24.具体的，步骤4具体包括以下子步骤：
25.s401，交通场景本体模型通过owl2分析“人-车-环境”的关系，对场景实体中的语义关系和属性进行形式化描述；
26.s402，根据形式化描述的场景实体中的语义关系和属性，使用owl2建立本体知识库。
27.具体的，步骤5具体包括：基于owl2建立的本体知识库概念、属性和实例，引入语义网络规则语言swrl来描述交通规则的语义，并建立交通规则和隐含的驾驶秩序，获得交通场景本体模型的约束。
28.具体的，步骤6具体包括：对交通场景本体模型进行一致性和完整性检验；完整性检验检查示例的完整性；一致性校验是验证关系的一致性，检验关系定义在逻辑上是否有误。
29.本发明的有益效果：
30.1、提出了基于本体论的自动驾驶场景语义建模方法，将本体论应用于智能网联汽车虚拟仿真测试的场景库的构建中，保证形式化、标准化的测试场景。
31.2、设计基于场景的自动驾驶测试用例生成方法，使用owl2和swrl语言完成交通场景的语义表达。
附图说明
32.图1是本发明的方法流程图；
33.图2是场景信息分析、整理和分类流程示意图；
34.图3是场景的结构示意图；
35.图4是交通场景本体模型构建流程图；
36.图5是交通场景示意图；
37.图6是场景概念本体的构建示意图；
38.图7是场景的语义模型图。
具体实施方式
39.为了对本发明的技术特征、目的和有益效果有更加清楚的理解，现对本发明的技术方案精选以下详细说明。显然，所描述的实施案例是本发明一部分实施例，而不是全部实施例，不能理解为对本发明可实施范围的限定。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的其他所有实施例，都属于本发明的保护范围。
40.实施例一：
41.本实施例中，如图1所示，一种智能网联汽车仿真测试场景的本体构建方法，其步骤如下：
42.步骤1：首先应设计能应用于智能网联汽车仿真测试的具有典型性和代表性的基础测试场景，确定其要进行测试的功能，然后通过场景元素的增加和输入参数的调整，对基础测试场景进行扩展。
43.步骤2：对场景信息进行分析、整理和分类，利用本体对其进行概念化处理；对场景中包含的信息进行分类，分为：对象、任务、属性、约束。此过程要参考交通法规及驾驶经验。
44.步骤3：以场景这一概念为根节点，基于场景的结构与层次描述，自顶向下构建交通场景本体模型。对本体构建中属性的定义和命名进行规范和统一，确定场景的语义关系框架，并确定场景中各类信息的语义关系，确定本体中的数据属性及对象属性。
45.步骤4：使用owl2完成场景概念本体的构建，完成语义表达。使用owl2建立本体知识库。
46.步骤5：引入语义网络规则语言swrl来增强是规则描述能力，swrl可以直接引用owl知识库中的概念、属性和实例，以此实现交通规则的语义描述。
47.步骤6：对构建完成的交通场景本体模型进行检查与评价，并根据结果进行修正和优化。
48.2.步骤1中需完成基础场景的生成，其具体步骤如下：
49.首先根据所期望验证的自动驾驶功能设计基础测试场景，该场景要具备典型性和代表性。从功能需求出发，设计具有典型性和代表性的基础测试场景(可以参考adas和测试技术规范中的场景)。
50.然后通过场景元素的增加和输入参数的调整，对基础测试场景进行扩展，组合出
多个测试用例。也可以通过对事故场景进行建模和分析，选择关键的场景要素作为测试场景的输入数，将不同的场景要素进行组合，可以从一个事故场景中派生出多个测试用例。
51.3.步骤2中以对场景信息进行分析、整理和分类，利用本体对其进行概念化处理，具体步骤如下：
52.3.1对场景结构进行分析，通过分析交通场景的具体定义，可以得出交通场景的总体组成结构，如图2所示，由五个部分组成。
53.场景中包含对象、任务、属性、约束这些组成部分，场景本身也是由一个或数个有时间先后顺序的情景(工况)组成的。用语言构建场景时需要按此结构去定义、声明。
54.3.2为了能够有针对性地描述真实的环境，根据场景术语的定义和结构，本实施例将交通场景分解为四个层次，更清晰直观地描述场景中的元素组成，对各层元素的包含范围进行了统一的分类。根据所期望验证的功能要求和实际场景的特征，可以抽取四层中的一个或多个来描述实例，灵活地组合场景：
55.第1层：道路网络
56.道路网络层使用道路设计中的直线、曲线和回旋线等基本元素表示道路的几何形状和拓扑结构，直线由长度来描述，曲线由恒定的半径、曲率和长度来描述，车道标记由宽度、颜色以及样式(例如实线或虚线)来指定。另外，必须规定路面的状态，如干燥、湿滑、积雪、路面磨损等。高速公路、城市道路、农村道路的设计参数各不相同，具体参照《公路工程技术标准》。交叉路口可以连接多个基本道路，因此描述一个十字路口，需要定义连接道路数量及其车道数量，用于左转、右转或直行的车道也应做好标记。
57.第2层：静态对象
58.静态对象层表示道路周边的静态环境或者道路上的静态元素，类似“风景”术语的定义，主要包含了路侧的交通基础设施，如交通标志、交通信号灯、道路分隔障碍物等。根据具体需求，可以在基本道路周围添加房屋、栅栏、分离带、路灯等元素，以生成接近真实的城市环境。
59.第3层：动态对象
60.动态对象层在多种抽象级别上定义了动态元素的数量和行为。在较高级别抽象中，可以在规定道路上生成随机的交通流来模拟拥堵或畅通的交通状况；在较低级别的抽象中，动态对象可以表示为具体的交通参与者实例，如跟随车辆、并行车辆、变道车辆、行人等。这些交通参与者将在场景中与自动驾驶汽车发生交互或干扰，用于验证自动驾驶系统的响应能力和决策能力。
61.第4层：环境
62.环境层主要表现为气候环境与信息环境。气候环境包括光照条件，可能状态为黎明、白天、黄昏、夜晚等，因此可以测试自动驾驶系统在不同的照明条件下的感知功能，还包括天气条件，可能状态有晴天、多云、阴天、雨雪天、雾霾等，这些天气状态会影响光照条件、路面状态和道路能见度。信息环境主要为5g信号的强弱，5g是高等级自动驾驶汽车的必不可少的一部分，是保证自动驾驶车辆通讯质量和信息传输速度的关键。
63.场景的结构和分层主要是为了保证交通场景本体模型的一致性，构建合理化、形式化、标准化的测试场景。
64.4.步骤3中以场景这一概念为根节点，基于场景的结构与层次描述，自顶向下构建
交通场景本体模型，具体步骤如下：
65.4.1.场景的结构分析
66.首先统一定义场景的术语，规范术语的含义。如图3所示，对不同含义的场景概念进行了必要的区分，为后文的场景模型构建提供了一致性的表达。
67.景象(scene)是描述环境的快照，即表示某一时刻的环境，包括外部风景、动态元素、所有交通参与者的自我表征以及各种景象之间的关系。动态元素包含了动态对象的状态与属性，例如行人和车辆的坐标位置、相对距离、速度等。交通参与者的自我表征是指驾驶行为和交通事件，例如加速、减速、跟车、超车等。
68.各种景象元素之间，存在多种可能的关系，例如位置关系和组合关系。
69.风景(scenery)表示在地理空间上静止的所有景物，包括道路网络、静态元素以及天气条件。道路网络包含各类路段和交汇路口，侧重表示道路的拓扑结构。静态元素包括障碍物、路缘、交通标志、交通信号灯等，其中交通信号灯和部分可变的交通标志虽然存在相位变化，但是由于其地理位置上是静止的，并且不存在主观的状态变化，因此都作为静态元素。天气条件包括天气的阴晴雨雪状态以及光照条件，天气条件会影响路面的摩擦系数和自动驾驶汽车的感知功能。
70.情景(situation)是对某一时刻交通情况的状态反映，场景中所有主体(自动驾驶汽车和其他动态交通参与者)的意图和行为都属于交通状况，情景包含了意图和行为的所有相关条件、选择和决定因素，通过事件展开，直到事件结束。情景包含任务事件，如超车、变道、避让、通过路口等，此外模拟的交通事故也属于情景范畴，因此情景具有一定的时间跨度和主观性。可以理解为某种工况。
71.场景(scenario)是本实施例建模中所关注的重点概念，基于场景的测试方法最先应用于软件测试领域。在自动驾驶领域，场景是对一定时间和空间范围内交通景象和驾驶情景的综合反映，道路网络、基础交通设施、天气条件、交通参与者和自动驾驶汽车的行为与状态等信息共同构成了整个场景的概念，这些要素的具体组成是由所期望验证的自动驾驶功能决定的，不同的实际场景中包含的要素各有不同。场景具有一定的时间跨度与动态变化的特性，每个场景都从一个初始景象开始，可以指定自动驾驶汽车和其他交通参与者的驾驶行为和交通事件，从而引入各种情景，派生出不同的场景测试用例。
72.4.2场景本体构建
73.自动驾驶汽车的复杂性和行驶过程中可能面临的各种情况导致所需的测试工作量大大增加。使用基于本体的场景语义描述，清晰的交通场景语义表达可以通过人和机器可读的语法描述场景信息，能够在大量的交通场景中进行泛化和重用，不仅规范组织自动驾驶领域的场景知识，为后续的用例设计提供理论支持和引用，还可以为形式化的语义场景到虚拟驾驶平台的具体场景之间的映射搭建桥梁。
74.交通场景可以通过多种方法建立模型，例如占据栅格地图、贝叶斯网络等仅考虑实体空间位置的表示方法，尽管这些方法能够精细地设计道路网络，但当涉及大量实体时，模型会变得非常复杂，而且很难表达实体间的语义关系和交通规则。
75.而本体作为一种明确、共享、概念化的规范，为软件系统和开发者提供了易于理解的共享知识，能够定义概念之间的层次结构，并且在知识密集型系统中明确表示上下文实体和领域知识，是一种可互操作且易于理解的形式化表达方法。
76.本实施例选择本体论方法构建交通场景模型，并使用owl2来表达本体知识，为后面的测试场景设计和测试用例生成提供了理论基础。
77.如图4所示，本实施例基于场景的结构与层次描述，以场景为根概念，自顶向下构建交通场景本体模型。
78.由场景的术语定义可知，场景包含静态的风景、动态的交通参与者以及相应情景中的驾驶任务，因此将风景、交通参与者和任务作为本体的一级概念，与场景构成组合关系；由风景的术语定义可以，风景表示静态的元素，主要包含天气环境、道路网络和静态元素，因此上述3类概念与风景构成组合关系；接下来再对已知的概念进行层层细化，可以得到宏观视角的交通场景本体模型，旨在涵盖大多数城市交通环境中可能的场景，其中包含继承关系的概念在具体的场景中可能会存在其他子类，在此不一一展开，如上图4所示。
79.1)roadnetwork(道路网络)：该概念是表示道路几何拓扑的最重要部分，
80.描述交通场景的第1层，具有两个组合类，分别是roadsegmen(t路段)与junction(汇合点)。汇合点主要包括十字路口、丁字路口、y字路口等。路段表示一段具有相同车道的道路区域，由若干个车道组成。车道由道路标线与分隔带组成，常见的标线有白色或黄色的虚实线、停车线、导向指示箭头、减速提示线、专用车道线、停止线等，分隔带通常由双黄线、护栏或绿化带表示。道路网络的具体形式由简单到复杂可以是单车单车道、多车单车道、多车多车道、有交通信号灯路口、无交通信号灯路口等；
81.2)staticentity(静态实体)：该实体表示地理位置静止的元素，描述交通场景的第2层，主要由trafficlight(交通信号灯)、trafficsign(交通标志)和obstacle(障碍物)等子概念组成。常见的交通信号灯有机动车信号灯、方向指示号灯、闪光警告信号灯等；交通标志主要分为警告标志、禁令标志、指示标志、指路标志等。障碍物可以是分割路面的水马或锥形标、因故停滞在道路上的其他车辆、倒地的树木或电线杆等，路面坑槽与窨井等也属于障碍，需要车辆绕行。
82.3)participant(交通参与者)：该实体表示的是动态元素，描述交通场景的第3层，主要由egovehicle(自动驾驶车辆)、othervehicle(其他机动车或非机动车)、pedestrian(行人)等子概念组成。自动驾驶系统在识别其他交通参与者时，还需要识别一些特殊车辆并采取协同避让，如道路作业车、消防车、救护车等；如果在农村公路当中，可能还需要避让过路的动物。
83.4)weather(天气环境)：该实体描述的是交通场景的第4层，包括阴晴雨雪等，会影响光照的强弱，干扰自动驾驶系统的感知能力；此外，降雨和降雪都会影响路面状况，间接影响自动驾驶汽车的制动能力。因此天气因素也是部分自动驾驶测试场景中的关键影响因素。
84.5)task(任务)：任务实体是描述情景的关键部分，任务可分解为具体的act(驾驶行为)，由交通参与者执行。根据《智能网联汽车自动驾驶功能测试规程(试行)》的声明，自动驾驶汽车的主要测试任务有14个项目，分别为交通标志和标线的识别与响应、交通信号灯的识别与响应、前方车辆行驶状态的识别与响应、障碍物识别及响应、行人和非机动车识别及避让、跟车行驶、靠路边停车、超车、并道、交叉口通行、环形路口通行、自动紧急制动、人工接管操作和联网通讯。以变道任务为例，可以分解成多个步骤：(1)开启转向灯；(2)切入相邻车道；(3)转向灯回正。在每个场景中，交通参与者(主要是自动驾驶车辆)需要执行
完成一个任务或者一系列的任务集。
85.4.3场景语义分析
86.本体中的每个概念都可以用属性来说明，本体的属性分为两类，分别是对象属性和数据属性。
87.如下表1所示，对象属性用于表示概念与概念之间的关系，表中根据属性名、定义域和值域建立了基于交通场景元素的对象属性列表。对象属性可以表示所属关系，例如道路网络是风景的一部分，用ispartof表示；每个路段至少拥有一个车道，用haslane表示；汇合点通常设有人行道和红绿灯，用hastrafficlight和hassidewalk表示；对象属性可以表示位置关系，例如路段与汇合点交接，用connectto表示；多个车道间的邻近关系用hasleft/rightlane表示；自动驾驶汽车与道路障碍物的位置方向(前后左右关系)，用hasfront/backobstacle和hasleft/rightobstacle表示；场景元素所在的道路位置，用ison表示。
88.表1对象属性表
[0089][0090][0091]
如表2所示，数据属性用于表示概念实例的个体属性，定义域为概念或者类，值域为数据类型。自动驾驶汽车的数据数据包括速度(hasspeed)、与其他道路元素的距离(distto)、行驶方向(currentdirection)、意图或任务(hasintention)等等。交通信号灯的数据属性有颜色(hascolor)，值域可以包括红、红闪、绿、绿闪。车道的数据属性有车道宽度(haslanewidth)、限速信息(hasmax/minspeed)等。交通标线的数据属性有表示含义(hasproperty)和磨损程度(weardegree)等，其中磨损程度用百分比表示。路段的数据属性有路面状况(surfacecondition)，如果是弯道路段，还应包括曲率半径(curvatureradius)。
[0092]
表2数据属性表
[0093][0094][0095]
从不同的角度分析会得到不同的属性，因此在研究过程中，不能盲目罗列所有的属性信息，应根据场景特征和功能需求选择具有一定影响因素的属性进行分析。
[0096]
真实环境中的具体场景可以根据该交通场景本体模型创建实例，抽取宏观交通场景本体模型中的部分概念，定义场景所需的属性及关系，本体的详细程度取决于实际场景的复杂程度和自动驾驶系统的功能需求，例如对于验证自动紧急制动功能，需要重点关注交通流的密集程度、路面状况(摩擦系数)、车速等属性；对于验证靠边停车功能，需要重点关注的是道路拓扑结构，而天气因素可能是无关项。
[0097]
5.步骤4中使用owl2完成场景概念本体的构建，完成语义表达，具体示例如下。
[0098]
语义描述的目的是收集和构造相关的测试参数，从而为生成测试用例奠定基础，下面将通过一个示例详细介绍具体场景的语义描述。
[0099]
如图5所示，其表示多车道的带有交通信号灯的丁字路口场景。该场景包含了1个丁字交汇路口、3条路段、6条车道、3条道路虚线、3条人行道、1辆交通工具、1个机动车信号灯以及1个行人。对图中的场景元素分别进行命名并标注了名称序号。在该场景中，自动驾驶汽车的任务是穿过该路口。
[0100]
根据场景示意图中可以得出，该场景具有2个交通参与者，分别是pedestrian1(行人)、egovehicle(自动驾驶汽车)；trafficlight1(交通信号灯)属于唯一的静态视图，位于交汇路口的中间位置；交汇路口连接了东西南3个方向路段，每条路段都有2个车道，车道以虚线分隔；egovehicle位于车道westlane2，pedestrian1位于人行道sidewalk3。由此可以
建立基于该场景的交通场景本体模型，如图6所示。
[0101]
下一步是根据交通场景本体模型中的概念，分析概念的对象属性与数据属性。借助语义模型图的方式，可以清晰直观地展示该路口相关实体的属性，如图7所示，红色椭圆框表示交通参与者等动态元素(egovehicle，pedestrian1)，黑色椭圆框表示道路网络及交通设施等风景元素(trafficlight，junction1，sidewalk3，westlane2)，蓝色箭头表示实体间的对象属性(ison，has，connect，currentlane)，黑色虚线框表示实体的数据属性(hasspeed，disttostopline，hasintention)。
[0102]
此处我们假设egovehicle的速度为20km/h，egovehicle距离路口的停止线30米并意图右转。
[0103]
综合上述分析，该t字路口的交通场景本体模型可以用owl2语言描述，示例如下：
[0104]
#声明部分概念(类)
[0105]
declaration(class(:egovehicle))；declaration(class(:lane))；declaration(class(:junction))；
[0106]
#声明部分对象属性
[0107]
declaration(objectproperty(:currentlane))；
[0108]
declaration(objectproperty(:connectto))；
[0109]
#声明部分数据属性
[0110]
declaration(dataproperty(:hasspeed))；
[0111]
declaration(dataproperty(:disttostopline))；
[0112]
declaration(dataproperty(:hasintention))；
[0113]
#声明部分实例个体
[0114]
declaration(namedindividual(:junction1))；
[0115]
declaration(namedindividual(:egovehicle))；
[0116]
declaration(namedindividual(:westlane2))；
[0117]
declaration(namedindividual(:eastlane1))；
[0118]
#定义对象属性的定义域和值域
[0119]
objectpropertydomain(:currentlane:egovehicle)；
[0120]
objectpropertyrange(:currentlane:lane)；
[0121]
objectpropertydomain(:connectto:roadsegment)；
[0122]
objectpropertyrange(:connectto:junction)；
[0123]
#定义数据属性的定义域和值域
[0124]
datapropertydomain(:hasspeed:egovehicle)；
[0125]
datapropertyrange(:hasspeed xsd:double)；
[0126]
datapropertydomain(:disttostopline:egovehicle)；
[0127]
datapropertyrange(:disttostopline xsd:double)；
[0128]
datapropertydomain(:hasintention:egovehicle)；
[0129]
datapropertyrange(:hasintention xsd:string)；
[0130]
#表示断言集，仅以自动驾驶汽车为例
[0131]
objectpropertyassertion(:currentlane:egovehicle:westlane2)；
[0132]
objectpropertyassertion(:connectto:westlane2:junction1)；
[0133]
datapropertyassertion(:hasspeed:egovehicle“20.0”^^xsd:double)；
[0134]
datapropertyassertion(:disttostopline:egovehicle“30.0”^^xsd:double)；
[0135]
datapropertyassertion(:hasintention:egovehicle“turnright”^^xsd:string)。
[0136]
交通场景本体通过owl2分析“人-车-环境”的关系，对场景实体中的语义关系和属性进行形式化描述，实现了对场景信息的有效组织与规范整合。
[0137]
6.步骤5中引入语义网络规则语言swrl来增强是规则描述能力，具体步骤如下：
[0138]
交通场景的本体建模和语义分析对总体结构中的对象、任务、属性、情景4个部分进行了具体阐述与整合，另外还要需要对约束进行形式化描述。约束主要表现为交通规则和隐含的驾驶秩序，是自动驾驶汽车对情景进行决策的知识依据，即规定了自动驾驶汽车在什么场景该做什么。约束可以通过构建规则库来实现，一方面可以通过自然语言处理技术对交通法规进行句法分析和信息抽取，另一方面可以使用规则描述语言建立规则。
[0139]
可使用owl2建立本体知识库，鉴于owl2在推理机制方面的缺陷，可引入语义网络规则语言swrl来增强规则的描述能力。
[0140]
通过规则语言形式化表示约束，能够增加自动驾驶测试场景模型的完整性与推理能力。通过构建规则可以验证自动驾驶系统在面对不同场景或执行不同驾驶任务时的决策合理性，同时能够根据场景描述，推理出所期望的测试表现，从而为未来测试场景的自动化生成提供了解决方案。
[0141]
7.步骤6中需对构建完成的交通场景本体模型进行检查与评价，具体如下：
[0142]
对本体进行一致性和完整性检验：完整性检验主要检查的是示例的完整性,如子概念的下的具体实例不是任何一个父概念下的定义，说明父概念不完整或子概念添加有误；一致性校验主要验证的是关系的一致性，如“haspart”和“ispartof”的校验，由于“haspart”关系有传递性，且这两者为互逆关系，检验关系定义在逻辑上是否有误。
[0143]
在上述的基础上展开对场景本体的评价。整个场景的完整性、准确性、层次是否清晰，定义的关系的完整和正确，模型是否能实现预想的功能等。
[0144]
本实施例中，要完成场景的构建首先要对自动驾驶虚拟测试环境中的交通场景进行结构化的分析，建立基础的层次框架，定义场景元素的相关术语(这些是整个应用的基础，要保证准确性、通用性、覆盖完整)；基于此设计交通场景本体模型，最后展开语义分析，构建基础场景的交通场景本体模型，通过本体语义描述建立相应的场景知识库，将场景中的元素表示为概念，形式化分析概念的属性和关系；使用owl2用于对交通场景的建模，swrl用于对交通法规的描述；获取与自动驾驶功能相关的影响因素，并将具有影响因素的属性作为输入参数；使用等价类划分、边界值分析等方法对输入参数的值域进行预处理。
[0145]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。