基于行为特征的高速公路交通数据情景提取及其基于域知识的聚类方法——基于CVQ-VAE

自动驾驶系统（ADS）的批准需要评估其在代表性真实场景中的行为表现。获取此类情景的常用方法是从真实数据记录中提取。提取后，这些情景可被分组，作为后续测试ADS的基准。由此提出两个核心挑战：如何提取情景，以及如何进行分组。现有提取方法依赖各异的定义，导致情景之间的可比性受限。对于情景的分组，规则驱动或基于机器学习的方法可被采用。然而，尽管现代基于机器学习的方法能够处理交通情景的复杂性，而规则驱动方法难以做到，但它们缺乏可解释性，可能无法与域知识保持一致。本文贡献于基于“情景即规范”概念的标准化情景提取方法，以及基于域知识的情景聚类过程。在highD数据集上的实验表明，情景可以被可靠地提取，且域知识能够有效地集成到聚类过程中。结果，该方法支持从高速公路数据记录中派生情景类别的更标准化流程，从而实现对自动驾驶车辆的更高效验证。