(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111648357.7 (22)申请日 2021.12.3 0 (71)申请人 北京赛目科技有限公司 地址 100082 北京市海淀区中关村国际创 新大厦15 01 (72)发明人 胡大林　彭思阳　胡艳玲　杨强　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 于彬 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/15(2020.01) G06K 9/62(2022.01) (54)发明名称 一种驾驶测试场景的确定方法、 确定装置和 电子设备 (57)摘要 本申请提供了一种驾驶测试场景的确定方 法、 确定装置和电子设备， 该确定方法包括： 获取 自动驾驶功能测试中用于调取测试场景的目标 触发条件； 将所述目标触发条件输入到训练好的 梯度提升决策树模型中， 以得到所述目标触发条 件对应的各个场景参数的参数值范围； 针对每个 场景参数， 从该场景参数的参数值范围内随机抽 取N个参数取值， 其中， N为大于或等于2的正整 数； 从每个场景参数对应的N个参数取值中抽取 一个场景值进行组合， 得到与所述目标触发条件 对应的测试场景。 根据所述确定方法和确定装 置， 可以解决现有技术中根据触发条件构建的测 试场景都很固定且不具有随机性的问题。 权利要求书2页 说明书13页 附图3页 CN 114330128 A 2022.04.12 CN 114330128 A 1.一种驾驶测试场景的确定方法， 其特 征在于， 所述确定方法包括： 获取自动驾驶功能测试中用于调取测试场景的目标触发条件； 将所述目标触发条件输入到训练好的梯度提升决策树模型中， 以得到所述目标触发条 件对应的各个场景参数的参数值范围； 针对每个场景参数， 从该场景参数的参数值范围内随机抽取N个参数取值， 其中， N为大 于或等于2的正整数； 从每个场景参数对应的N个参数取值中抽取一个场景值进行组合， 得到与所述目标触 发条件对应的测试场景。 2.根据权利要求1所述的确定方法， 其特征在于， 通过以下方式训练所述梯度提升决策 树模型： 获取样本数据， 其中， 所述样本数据包括至少一个触发条件， 所述至少一个触发条件中 每个触发条件 对应的至少一个样本场景； 将所述样本数据输入至梯度提升决策树原始模型中， 对所述梯度提升决策树原始模型 进行训练， 以得到梯度提升决策树模型。 3.根据权利要求2所述的确定方法， 其特征在于， 所述对所述梯度提升决策树原始模型 进行训练， 以得到梯度提升决策树模型， 包括： 基于所述样本数据生成第一决策树， 其中， 所述第一决策树代表所述样本数据中每个 样本场景对应的预测触发条件； 将所述第一决策树的预测结果与 所述样本数据中的触发条件进行对比， 计算所述第 一 决策树的预测误差和损失值； 基于所述第一决策树的预测误差生成第二决策树； 将所述第二决策树的预测结果与 所述样本数据中的触发条件进行对比， 计算所述第 二 决策树的预测误差和损失值； 若所述第二决策树的损 失值大于损 失阈值， 或， 所述梯度提升决策树原始模型中决策 树的数量小于数量阈值， 则基于所述第二决策树的预测误差生成下一决策树， 直至所述下 一决策树的损失值小于所述损失阈值或所述梯度提升决策树原始模型中决策树的数量等 于所述数量阈值， 得到梯度提升决策树模型。 4.根据权利要求3所述的确定方法， 其特 征在于， 通过以下步骤生成决策树： (A)根据所述样本数据中每个样本场景的每个样本场景参数， 确定出切分参数和所述 切分参数对应的切分点； (B)基于所述切分参数和所述切分参数对应的切分点确定出两个节点区域， 其中， 所述 节点区域用来表征以所述切分点 为临界点划分出的取值范围； (C)针对于每个节点区域， 基于该节点区域确定出该节点区域对应的第一输出值， 其 中， 所述第一输出值用来表征 该节点区域的预测情况； (D)基于每个节点区域对应的第一输出值， 确定出所述切分点对应的平方误差， 其中， 所述平方误差用来表征 所述切分点所划分的两个节点区域之间的预测误差； (E)调整所述切分参数对应的切分点， 返回执行步骤(A)， 直至所述平方误差达到误差 阈值， 得到最优切分参数对应的最优目标切分点， 并将所述最优切分参数下 的最优目标切 分点作为所述决策树对应的结点。权　利　要　求　书 1/2 页 2 CN 114330128 A 25.根据权利要求4所述的确定方法， 其特征在于， 所述将所述目标触发条件输入到训练 好的梯度提升决策树模型中， 以得到所述目标触发条件对应的各个场景参数的参数值范 围， 包括： 基于所述目标触发条件和所述梯度提升决策树模型， 确定与 所述目标触发条件对应的 至少一个场景参数； 针对于每个场景参数， 基于所述梯度提升决策树模型中的决策树确定该场景参数对应 的取值切分点， 其中， 所述取值切分点用来表征该场景参数在所述 目标触发条件下 的临界 点； 基于该场景参数和该场景参数对应的取值切分点确定出 该场景参数的参数值范围。 6.根据权利要求1所述的确定方法， 其特征在于， 所述针对每个场景参数， 从该场景参 数的参数值范围内随机抽取N个参数 取值， 包括： 针对于每个场景参数， 对该场景参数的参数值范围进行等间隔划分， 得到在该场景参 数的参数值范围内的N个子参数值范围； 针对于N个子参数值范围， 对每个子参数值范围内的参数进行随机取样， 以得到在该场 景参数对应的N个参数 取值。 7.一种驾驶测试场景的确定装置， 其特 征在于， 所述确定装置包括： 目标触发条件确定模块， 用于获取自动驾驶功能测试中用于调取测试场景的目标触发 条件； 参数值范围确定模块， 用于将所述目标触发条件输入到训练好的梯度提升决策树模型 中， 以得到所述目标触发条件 对应的各个场景参数的参数值范围； 参数取值确定模块， 用于针对每个场景参数， 从该场景参数的参数值范围内随机抽取N 个参数取值， 其中， N 为大于或等于2的正整数； 测试场景确定模块， 用于从每个场景参数对应的N个参数取值中抽取一个场景值进行 组合， 得到与所述目标触发条件 对应的测试场景。 8.根据权利要求7所述的确定装置， 其特征在于， 所述确定装置还包括模型训练模块， 所述模型训练模块用于通过以下 方式训练所述梯度提升决策树模型： 获取样本数据， 其中， 所述样本数据包括至少一个触发条件， 所述至少一个触发条件中 每个触发条件 对应的至少一个样本场景； 将所述样本数据输入至梯度提升决策树原始模型中， 对所述梯度提升决策树原始模型 进行训练， 以得到梯度提升决策树模型。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述 总线进行通信， 所述机器可读指 令被所述处理器运行时执行如权利要求 1至6任一所述的驾 驶测试场景的确定方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至6任一所述的驾驶测试场景的确 定方法的步骤。权　利　要　求　书 2/2 页 3 CN 114330128 A 3