自动驾驶汽车的高效对抗性场景测试方法研究

在自动驾驶安全性的研究和应用中,测试里程长、暴露危险场景单一的问题使自动驾驶安全性能的提升受到限制。使用对抗性场景进行测试被认为是解决上述问题的重要手段,然而,现有研究采用通用的优化算法作为框架,将大量计算资源浪费在对参数空间的探索过程中,效率低下。在计算成本的约束下,这些算法甚至无法在更复杂的环境中测试出足够多、足够丰富的失效样本。复杂环境中的对抗性场景测试面临三大挑战:信息匮乏;对抗性样本在庞大的参数空间中稀疏分布;搜索过程中探索与利用难以平衡。该文从这三大挑战出发,提出一种高效的对抗性场景测试框架,通过代理模型来获取更多关于参数空间的信息,精选小样本,以打破庞大空间中稀疏事件的制约,对未知区域和对抗性样本附近的目标进行有针对性的搜索和更新,以实现探索和利用的平衡。实验证明,该文提出方法的搜索效率是随机采样的4倍,与通用遗传算法相比,效率提升一倍以上,在有限的仿真测试次数下,生成了更多容易使被测自动驾驶系统失效的对抗性测试用例。特别地,该文提出的方法能够找出许多离群的对抗性样本,揭示出现有算法无法识别的失效模式。此外,该文提出的方法能够快速、全面地定位出被测算法的脆弱场景,为自动驾驶算法的测试验证、迭代升级提供支持。

基于大数据云平台的自动驾驶多场景测试方法

传统自动驾驶测试开发存在协作性差、工具分散等弊端。为此,设计了一种基于云、管、端协同的智能测试系统。在无人驾驶教学平台构建人工智能算法进行数据采集,上传到大数据云平台进行存储、处理和分析;应用深度学习的目标检测框架,对场景下所有目标车辆进行识别;采用车端联合云平台的迭代模式,在车端采集海量道路环境数据,在云端进行模型算法开发和仿真,将算法程序下载到车端。该智能测试系统契合自动驾驶多场景开发模式,提高模型训练速度和开发效率,达到多传感器融合场景的测试标准。

基于UML的生成场景测试用例研究

使用UML生成场景测试用例,有利于测试者设计测试用例。使用UML的类图、状态图和顺序图来说明DHCP实例的场景测试用例的生成方法,讨论基于UML顺序图生成场景测试用例的方法,从找出场景到生成测试用例,分析与每一个场景相关的环境条件并将它与方法序列、输入、输出合理组合作为覆盖该场景的测试用例。结果表明,该方法生成的测试用例数量少,减少了测试工作量和测试用例的重复生成。

基于蕴含关系的场景测试法路径优化方法研究

针对场景测试法中多场景切换代价优化问题,在复合状态分析、逻辑蕴含概念基础上,从测试场景结构分解的角度,给出状态蕴含和场景蕴含关系的定义及推论,由场景蕴含形成场景蕴含图SIG,然后采用图论方法求解优化路径。给出系统化处理方法,并与其他方法比较。最后实例验证该方法的有效性。

一个基于UML顺序图的场景测试用例生成方法

UML 顺序图是基于 UML 开发的软件设计模型的重要组成部分,它描述了软件系统的动态行为,是软件集成测试过程中的一个重要的信息来源。本文提出了一个基于 UML 顺序图的场景测试方法,它以 UML 顺序图为主要测试模型,结合 UML 状态图和类图生成所有的测试场景,最后使用范畴-划分方法找到与每一场景相关的环境条件并将它与方法序列、输入、输出合理组合作为覆盖该场景的测试用例,用于测试该场景中对象之间的交互。由于 UML已广泛用于软件分析和设计阶段,通过 UML 模型生成测试用例可充分利用已有的设计结果,减少测试阶段所需的费用,对于已使用 UML 的工业界有着重要的意义。

车路协同系统功能实现的场景测试技术研究

针对车路协同系统应用示范平台建设中缺乏真实道路场景测试环境的问题,研究了车路协同系统功能实现的场景测试技术。论述了车路协同系统实现的功能,开发了智能路侧和移动终端的服务程序,设计了车路协同系统功能测试的技术方案,完成了车路协同典型场景测试系统的设计。基于交叉口及其附近路段的人、车、路协同测试效果验证了所提出的测试技术方案的合理性与可行性。研究结果表明:典型场景可为实时驾驶辅助和车路协同提供良好的技术服务。

基于场景测试的高校学生网络信息搜索能力评价

本文构建出一个基于场景测试的学生网络信息搜索能力评价体系,包括了评价指标、评价标准和评价工具。文章采用该评价体系对高校学生进行测试,探讨了我国高校学生的网络信息搜索能力水平和相关特征,同时还考察了测试效果。最后指出该评价体系能够较好地定量测评学生网络信息资源搜索能力,对我国信息素养教育的发展起到重要的促进作用。

基于工作流的场景测试建模方法研究

场景测试方法已被广泛地运用于软件测试中。本文介绍了基于工作流的场景测试一般方法,并着重对基本流、备选流的提取,场景集的构建等问题进行研究,提出一种场景建模的方法。

城市轨道交通牵引联调典型场景测试研究

介绍了城市轨道交通牵引供电系统的主要功能需求及联调联试的相关要求。介绍了接触网单边供电模式下和大双边供电模式下单列AW3 (超载)列车测试和多列AW0(空载)列车测试场景及测试流程。以某城市轨道交通1号线为例进行测试数据分析。结果表明,该线牵引供电系统的供电能力设计能够满足线路初期和负载特性的需求。

基于CMW500的车联网系统自定义场景测试

随着车联网技术的快速发展,我国车联网用户的规模也在逐年提升,那么车联网系统功能的可靠性、数据上传的稳定性等就显得越来越重要。车载T-BOX作为车联网系统的关键部件,用于连接车端和后台系统及手机APP,从而实现了车联网系统的通信。文章通过宽带无线通信测试仪CMW500模拟移动通信的信道环境,在自定义的移动通信场景中,进行T-BOX远程控制、查询、诊断等功能测试。

自动驾驶汽车场景测试研究进展综述

论述了当前自动驾驶测试技术的研究现状,就测试内容、测试场景、测试方法等主题展开了深入分析梳理。研究表明,场景挖掘已经成为自动驾驶汽车测试的核心技术,但是高维复杂环境下的稀疏小概率风险事件的抽象和建模研究尚处于起步阶段。此外,现有测试方法的区分不清晰,其中虚拟仿真技术的测试置信度不足。未来,业界需要进一步研究理论建模与数据驱动相结合的场景生成方法,推动建立测试场景的定义与规范,并加强场景库建设,此外还应当深入研究随机动态交通流对虚拟仿真的影响,并进一步协调发挥各类测试方法的互补优势。

港口自动驾驶现状及典型场景测试技术研究

目前,港口自动驾驶是智能网联汽车应用落地的典型应用方向。港口工作环境差、人员工作时间长,易发生生产事故,而港口自动驾驶的应用将降低生产事故的发生,节约人工成本,增大港口经济效益。针对港口自动驾驶应用,分析当前市场现状和落地影响因素,提出典型测试场景和测试方法。

场景测试方法和正交测试方法在论坛网站中的应用研究

为了更深层地学习场景测试法和正交测试法,文章针对“四川大学论坛”的注册功能页面,分别使用场景测试法和正交测试法对其设计了测试用例,对测试结果进行了分析。在发现缺陷一样的情况下,再从测试所设计的数据量上来看,正交测试的测试用例少于场景测试法,正交测试法在效率上高于场景测试法。两种方法发现的缺陷都属于参数的组合,需要再进行等价类、边界值、异常值的方式进行细分测试。

智能车路系统典型场景测试方法研究

目前,智能车路系统是智能交通系统的重点研究方向,但由于智能车路系统功能复杂,缺乏有效的验证环境。针对该问题从测试场景、测试原理、场景设计等方面进行系统研究,建立合理有效的测试环境和方法,同时通过实验验证了方法的有效性。

面向自动驾驶测试的交互场景策略建模与仿真

自动驾驶汽车与人类驾驶汽车的交互能力对未来新型混合交通的运行安全和效率至关重要。为测试高等级自动驾驶汽车的交互能力,测试场景中的背景车须具备自然驾驶交互特征并反映人类驾驶员异质性交互策略。本文基于博弈论框架,建立了驾驶交互策略模型(game-theoretical strategic interaction model, GSIM)。GSIM通过在个体效用函数中引入可差异化取值的交互社会性表征参量,实现背景车交互策略的定向调控。十字路口无保护左转场景的测试实验表明,GSIM可保留自然驾驶逐步规划、双向交互的可解释性,保障交互行为的仿真精度;同时,可有效复现高风险场景中人类驾驶的交互策略,有助于提供具有挑战性的高测试价值场景。对比传统智能驾驶人模型,GSIM模型在无保护左转场景中轨迹仿真精度平均提升42.8%,严重冲突事件复现率提升25.8%。

基于TsGAN的自动驾驶汽车高速公路变道切入测试场景自动生成算法

前方相邻车道车辆变道切入自动驾驶车辆所在车道是典型的高速公路自动驾驶高风险场景,在实际高速公路上进行该类场景的复现测试存在非常高的安全风险,虚拟仿真测试是解决该问题的最佳途径之一。为自动生成批量化的高保真高速公路变道切入测试场景,该文提出了一种基于时间序列生成对抗网络(TsGAN)的自动驾驶汽车高速公路变道切入测试场景自动生成算法。该算法以变道切入时刻两车的车头时距和侧向时距为场景危险程度评价指标,从高速公路真实轨迹数据集highD中提取4类不同危险程度的2853个变道切入场景实例,基于TsGAN构建变道切入测试场景生成模型,并利用所提取的真实轨迹数据训练模型;其后,采用所构建的模型生成前车变道轨迹和测试车变道切入时刻前的运行轨迹,通过比较所生成的变道轨迹与真实轨迹之间的分布相似性、频谱误差,验证所生成的轨迹的真实性。该文还分析了所生成的场景中变道切入时刻两车的运动关系及轨迹参数分布,检验了自动生成的场景在自然场景中的覆盖度。结果显示:从轨迹关键参数的分布来看,TsGAN模型生成的变道轨迹与真实轨迹的平均相似度达79.7%,平均频谱误差小于8%,落在最相似真实轨迹缓冲区的轨迹超过83.2%,表明所生成的轨迹具有高真实性;与所采集的真实场景相比,所生成的场景实例覆盖范围更大,在参数区间内分布更均匀,变道切入时刻前方变道车辆与测试车的车头时距和侧向时距分别降低了17.83%和16.37%(平均值),车辆轨迹参数分布区间平均增长了19.44%,表明所生成的场景在自然场景中具有较高的覆盖度;所提出的基于TsGAN的场景生成模型可模拟4种不同危险程度的变道切入测试场景,具有较强的针对性。

自动驾驶拟人连续交互测试场景生成方法

基于场景的仿真测试方法是自动驾驶汽车安全性验证的重要手段,然而当前测试场景生成方法多输出独立场景片段,如何模拟真实人类驾驶过程生成具有一定挑战的连续交互测试场景已成为自动驾驶测试评价亟须攻克的难题。本文提出了一种自动驾驶拟人连续交互测试场景生成方法。首先建立自动驾驶拟人连续交互测试场景生成架构,并基于HighD数据集进行车辆运动行为分析;在此基础上,基于轨迹相似性特征分析被测自动驾驶汽车当前行为,并通过状态转移矩阵预测其未来轨迹;基于轨迹交互规则确定测试场景中交通车未来行为类型,通过Transform网络架构生成交通车拟人连续交互轨迹;最后,在仿真环境中对生成测试场景的危险性、拟人性等关键性能进行评估,证明了本文方法的有效性。

面向车载相机采集图像的智能汽车测试场景关键性量化模型

车载相机图像是构建智能汽车测试场景库的主要数据来源,但其中关键测试场景发生概率低,大部分场景的测试价值小,若将其直接应用于智能汽车测试会浪费大量测试资源。本文提出一种面向车载相机采集图像的智能汽车测试场景关键性量化模型。首先,基于实车相机参数对实车采集的图像进行处理,输出对行车安全具有影响的参数;其次,基于风险场理论将参数整合,输出测试场景关键性量化结果;最后,对实车采集的图像进行测试场景关键性量化验证,结果表明本文模型可以精确输出测试场景关键性的具体数值,进而对比不同场景的测试价值,证明本文提出的模型可以有效筛选智能汽车关键测试场景。

面向自动驾驶安全测试的碰撞场景构建与仿真分析

为减少自动驾驶车辆产生的交通事故,提高车辆在仿真环境中的安全测试效率,提出一种基于深度强化学习的自动驾驶碰撞测试场景构建方法。首先,通过设置状态、动作和奖励函数,将车辆的驾驶过程映射为马尔可夫决策过程;然后,基于搭建的仿真平台(CARLA-DRL)训练智能体完成车辆碰撞任务,生成碰撞测试场景;最后,随机进行500次碰撞仿真试验,根据智能体与自动驾驶车辆的相对距离,分析碰撞成功率、碰撞时间和冲突能量。结果表明:智能体生成符合车辆动力学的碰撞轨迹,能够构建精细化、多类型的碰撞测试场景;智能体与自动驾驶车辆的平均碰撞成功率为62.20%,平均碰撞时间为127.25 s,平均冲突能量值为175.98 kJ。该方法能够构建高频、高效和高危的自动驾驶车辆碰撞测试场景,增加仿真场景中偶发高风险场景的发生概率,提高自动驾驶车辆对于碰撞事故的安全测试效率。

自动驾驶汽车仿真测试场景生成方法综述

针对自动驾驶汽车仿真测试场景生成方法进行了系统梳理,综述了自动驾驶汽车仿真测试场景定义、场景解构、数据驱动式场景生成、机理建模式场景生成等方向的最新研究进展,并对测试场景的相关评价与应用进行了总结,最后,提出了未来研究应重点考虑融入中国驾驶场景特征,深化边缘场景生成策略,加速场景构建的标准体系化建设工作。