申请/专利权人：中汽数据有限公司;中国汽车技术研究中心有限公司;中汽数据(天津)有限公司

申请日：2020-05-27

公开（公告）日：2024-06-21

公开（公告）号：CN111797000B

主分类号：G06F11/36

分类号：G06F11/36

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2020.11.06#实质审查的生效;2020.10.20#公开

摘要：本发明提供了一种基于梯度提升决策树模型的场景复杂度评估方法，包括以下步骤：S1、采集参数，生成仿真驾驶场景；S2、对仿真的驾驶场景样本进行复杂度评分；S3、将总结的复杂度特征元素输入到决策树模型，进行计算；S4、决策树进行升级；S5、得到影响模型的特征参数数据集，将数据集80％作为训练集，20％作为测试集，采用5折交叉验证调试得到复杂度评价模型；S6、将待评价的数据计算场景复杂度；S7、将输入的驾驶场景数据，先拆分为动态特征、静态特征，然后在按照每个影响特征综合打分后得到场景复杂度。本发明所述的方法能给出清晰简明的自动驾驶测试场景的复杂度估值，满足测试人员能够对驾驶场景根据场景的复杂度进行选取的需求。

主权项：1.一种基于梯度提升决策树模型的场景复杂度评估方法，其特征在于包括以下步骤：S1、将基于多传感器融合的驾驶场景数据，借助仿真软件生成仿真场景；S2、借助多位仿真测试及场景开发专家的经验，对仿真的驾驶场景样本进行复杂度评分；S3、将多位专家评价的结果以及影响复杂度的动态特征、静态特征输入到决策树模型，进行模型训练；S4、将决策树模型进行升级，使用梯度决策树算法通过海量样本训练模型，具体步骤如下：将复杂度评级结果作为不同样本的标签，记作f（x），样本的不同特征记作向量x，选取梯度提升决策树模型作为场景复杂度的评价的模型： ；其中，w是权重，Φ是弱分类器的集合；输入：训练数据集，损失函数，基函数集；输出：加法模型；算法具体步骤如下：初始化；对；极小化损失函数：；得到参数；更新； ；得到加法模型； ；模型训练过程中，将标注数据集的80%作为训练集，20%作为测试集，采用5折交叉验证，进行调试后，进行模型的参数选择，使用得到的相关参数的权重和回归化数据对新的自动驾驶场景进行复杂度评估；S5、得到影响模型的特征参数数据集，将数据集的一部分作为训练集，另一部分作为测试集，采用5折交叉验证调试得到复杂度评价模型；S6、将待评价的驾驶场景数据直接输入到模型中，用于计算场景复杂度；S7、将输入的驾驶场景数据，先拆分为动态特征、静态特征，然后按照影响特征综合打分后得到场景复杂度；所述步骤S1中所述驾驶场景数据包括动态交通流信息与道路信息；所述步骤S4中以决策树模型升级为基于LightGBM梯度决策树模型。

全文数据：

权利要求：

百度查询： 中汽数据有限公司;中国汽车技术研究中心有限公司;中汽数据(天津)有限公司 一种基于梯度提升决策树模型的场景复杂度评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD