基于最大全局侵占率搜索的車輛自主泊車功能測評方法

人工智能

1. 痛點問題

自主泊車功能的測試測評相比傳統車輛測評更為復雜，而且條件更加嚴格。 如依照傳統車輛主動安全測試方法對自主泊車功能進行測試，為了達到較高的安全性，則需要進行大量場地測試，其時間與金錢成本較大，如何在降低測試量的同時確保自主泊車功能的安全性成為痛點問題。

2. 解決方案

基于最大全局侵占率搜索的車輛自主泊車功能測評方法，該方法通過搭建仿真平臺，對待測自主泊車功能和場景分析，對最差泊車場景進行全局搜索，搜索以最大全局侵占率為輸出。通過實地再現最差泊車場景對待測自主泊車功能進行驗證，如果待測自主泊車功能在最危險場景下可滿足運行要求，則認定該待測自主泊車功能通過測評。

3.合作需求

1）尋求孵化資源，工程化、產品化所需的資金、實驗場地與試驗設備、相關領域的開發團隊等；

2）尋求資源對接，目標合作領域為自動駕駛汽車領域，目標合作企業為主機廠或車輛檢測單位。

本發明應用于自動駕駛領域，具體是車輛自主泊車功能，市場規模數10億元。

智能網聯汽車發展迅速，多車網聯環境下的測試測評技術是智能網聯化發展的支撐。當前單車自動駕駛測試依然依賴真實測試，需要以主機廠、測試機構的真實測試需求與現狀為基礎，開展面向實際應用的加速測試方法研究，并將重心轉移至多車網聯環境下的測試測評技術研究。