重庆理工大学学报2023，Vol.37Issue(1) ：75-84.DOI:10.3969/j.issn.1674-8425(z).2023.01.009

智能网联汽车数字孪生测试关键场景提取和识别

Test-based extraction and identification of key scenarios for digital twins of intelligent networked vehicles

祖晖 龙洋 韩庆文 王勇 曾令秋 陈旭 张迪思 卓玺
重庆理工大学学报2023，Vol.37Issue(1) ：75-84.DOI:10.3969/j.issn.1674-8425(z).2023.01.009
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

智能网联汽车数字孪生测试关键场景提取和识别

Test-based extraction and identification of key scenarios for digital twins of intelligent networked vehicles

祖晖 1龙洋 2韩庆文 2王勇 2曾令秋 2陈旭 3张迪思 4卓玺5
扫码查看

作者信息

  • 1. 招商局检测车辆技术研究院有限公司,重庆 401122;重庆理工大学,重庆 400054
  • 2. 重庆大学,重庆 400044
  • 3. 重庆理工大学,重庆 400054
  • 4. 招商局检测车辆技术研究院有限公司,重庆 401122
  • 5. 重庆高新区城市建设事务中心,重庆 402365
  • 折叠

摘要

场景生成是智能网联汽车数字孪生(DT)测试面临的关键问题之一,场景的典型性是决定测试有效性的关键.智能网联汽车的测试场景源自真实车辆行驶数据,提出了一种DT测试场景生成方法,基于路侧雷达采集的局部道路车辆行驶数据提取典型测试场景,以FCW、LCW和ICW 3种典型应用为基础,建立基于碰撞风险因素和交通质量因素的场景典型性评价方法,构建LSTM-AE-Attention模型实现典型场景识别.实验结果表明,提出的方法能够有效评价场景典型性,并有效识别典型场景,为测试场景库的构建提供了有效支撑.

关键词

数字孪生/典型场景/识别

引用本文复制引用

基金项目

国家自然科学基金(62172066)

国家自然科学基金(U21A20448)

重庆市自动驾驶系统与智能网联汽车研究与测试工程技术研究中心资助项目(20AKC17)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量23
段落导航相关论文