1.一种用于仿真测试的随机交通流障碍物对象布置方法,其中,包括以下步骤:步骤1、通过获取某一时刻自车ego信息和自车ego控制信号,与获取的所述某一时刻的上一时刻的自车ego信息和自车ego控制信号进行比较,以预测所述某一时刻的下一时刻的自车ego信息和自车ego控制信号,从而构建自车ego工作模式的马尔可夫转移概率模型;
步骤2、根据自车ego当前工作模式和仿真需求,构建多层次权重模型和综合目标泛函;
步骤3、通过获取自车ego、动态npc和静态障碍物集状态信息,并根据步骤1的所述马尔可夫转移概率模型和步骤2所述多层次权重模型和综合目标泛函,利用动态规划模块对布置方法进行滚动优化,直至目标泛函的计算结果误差在设定范围内,则输出结果,获得最优布置方法;
其中,步骤2中所述多层次权重模型主要包含目标层、基准层和方案层;根据仿真测试场景,所述多层次权重模型构建的方法,包括以下步骤:取多个对目标影响的因素,并比较多个所述因素对目标的影响,从而确定所述因素在目标中所占的比重;
比较时,每次取两个因素 和 ;个被比较的因素构成一个两两比较的判断矩阵;系数矩阵A1、A2、A3以及A4分别为: ; ;
; ;
其中,设定 个因素 ;目标为 ; 表示 与 对 的影响程度之比,按比例标度来度量 ;
构建步骤2中所述综合目标泛函的计算的公式为:公式(1)
其中,J为综合目标泛函;
表示自车ego当前所处车道的系数矩阵;
表示自车ego当前所处的模式矩阵,其中模式矩阵格式为:;处于该状态时,状态为置1,否则置0;
表示当前时刻动态npc的数量;
、 和 表示所述综合目标泛函的权重指数, 、 和 均为正数,且 、 和 之和为1;
; 表示当前时刻的马尔可夫模型转移矩阵;
所述马尔可夫模型转移矩阵为:公式2
其中, 表示当前时刻自车ego的所处的模式矩阵,其中模式矩阵格式为,处于该状态时,状态为置1,否则置0;
表示从起始时刻到当前时刻模式变换的次数;
表示起始时刻,默认为1;
和 分别表示当前模式和上一时刻模式变换的权重指数, 和 均为正数,且 和之和为1。
2.如权利要求1所述的用于仿真测试的随机交通流障碍物对象布置方法,其中,步骤1中包括:
自车ego定位模块,其用于获取自车ego实时位置坐标;
自车ego控制信号监控模块,其用于实时获取自车ego模式状态信息,所述状态信息包括加速、减速以及变道;
自车ego车道检测模块,其用于实时获取自车ego所在车道的信息;以及自车ego工作模式预测模块,其接收所述自车ego定位模块、自车ego控制信号监控模块以及自车ego车道检测模块传输的信息,根据自车ego所述某一时刻以及所述某一时刻的上一时刻的自车ego信息和自车ego控制信号,预测自车ego工作模式,并构建所述马尔可夫转移概率模型。
3.如权利要求1所述的用于仿真测试的随机交通流障碍物对象布置方法,其中,步骤3中还包括:
障碍物添加模块,其用于根据步骤3所述最优布置方法,添加相应的障碍物并赋予障碍物信息;所述障碍物信息主要包括所述障碍物所处区域、位置以及初始生命周期;以及障碍物退出模块,其用于根据步骤3所述最优布置方法,删除相应的障碍物和生命周期结束的障碍物。
4.如权利要求1所述的用于仿真测试的随机交通流障碍物对象布置方法,其中,步骤3中自车ego、动态npc和静态障碍物集状态信息的获取通过环境感知模块,所述环境感知模块,其用于感知仿真环境当中所有的障碍物信息;所述状态信息包括动态npc、自车ego和静态障碍物的位置、速度、加速度信息。
5.如权利要求4所述的用于仿真测试的随机交通流障碍物对象布置方法,其中,步骤3中的所述动态规划模块,其用于根据所述环境感知模块传输的信息,综合测试目标泛函,自车ego工作模式的马尔可夫转移概率模型,进行动态规划求解,获取最优布置方法。