基于最大全局侵占率搜索的车辆自主泊车功能测评方法

人工智能

1. 痛点问题

自主泊车功能的测试测评相比传统车辆测评更为复杂，而且条件更加严格。 如依照传统车辆主动安全测试方法对自主泊车功能进行测试，为了达到较高的安全性，则需要进行大量场地测试，其时间与金钱成本较大，如何在降低测试量的同时确保自主泊车功能的安全性成为痛点问题。

2. 解决方案

基于最大全局侵占率搜索的车辆自主泊车功能测评方法，该方法通过搭建仿真平台，对待测自主泊车功能和场景分析，对最差泊车场景进行全局搜索，搜索以最大全局侵占率为输出。通过实地再现最差泊车场景对待测自主泊车功能进行验证，如果待测自主泊车功能在最危险场景下可满足运行要求，则认定该待测自主泊车功能通过测评。

3.合作需求

1）寻求孵化资源，工程化、产品化所需的资金、实验场地与试验设备、相关领域的开发团队等；

2）寻求资源对接，目标合作领域为自动驾驶汽车领域，目标合作企业为主机厂或车辆检测单位。

本发明应用于自动驾驶领域，具体是车辆自主泊车功能，市场规模数10亿元。

智能网联汽车发展迅速，多车网联环境下的测试测评技术是智能网联化发展的支撑。当前单车自动驾驶测试依然依赖真实测试，需要以主机厂、测试机构的真实测试需求与现状为基础，开展面向实际应用的加速测试方法研究，并将重心转移至多车网联环境下的测试测评技术研究。