【摘要】
为 在 自 动 驾 驶 汽 车 基 于 场 景 的 测 试 中 生 成 涵 盖 相 应 场 景 中 复 杂 多 变 的 真 实 交 通 运 行 过 程 的 测 试 用 例 ,从
highD 数据集中提取车辆切入场景的多个实际样本,通过分析运动参数和参与车辆之间的位置关系,建立车辆切入场景的
描述模型,根据切入点的碰撞时间评估该方案的风险程度,并结合描述模型中参数的分布,采用蒙特卡罗方法生成测试用
例。结果表明,生成的车辆切入测试用例能够覆盖所有风险等级,可较好地支持自动驾驶测试。
主题词:自动驾驶测试 高速公路 车辆切入 测试场景 测试用例 蒙特卡洛方法
VehicleCut-inTestCaseGenerationMethodsforTesting
ofAutonomousDrivingonHighway
【Abstract】
Inordertogeneratetestcasescoveringcomplexandvariedreal-lifetrafficinascenario-basedtest,
multiplerealsamplesofvehiclecut-inscenariosareextractedfromhighDdataset.Adescriptionmodelofvehiclecut-in
scenarioisbuiltbasedonanalysisofthepositionalrelationbetweenmotionparametersandparticipatedvehiclesfromthese
realsamples.TheriskdegreeofthisscenarioisevaluateddependingonTTCincut-inpoint.Finally,testcasegenerationis
executedusingMonteCarlomethodbycombiningwiththedistributionsofparametersindescriptionmodel.Theresults
showthatthegeneratedcut-intestcasesarecapableofcoveringallrisklevels,whichcanbettersupportautonomous
drivingtesting.
Keywords:Autonomousdrivingtest,Highway,Vehiclecut-in,Testscenario,Testcase,Monte
Carlomethod
面向高速公路车辆切入场景的自动驾驶测试
用例生成方法
1 前言
自动驾驶汽车为解决“交通事故、交通拥堵、环境污
染、能源短缺”等问题提供了新的途径
[1]
。科学完善的
测试验证评价体系对提高自动驾驶汽车的研发效率、健
全相关法律法规、推进智能交通发展至关重要
[2]
。自
2009 年起,谷歌自动驾驶汽车已经进行了超过 560 万
km 公共道路测试和数十亿公里虚拟测试
[3]
。UBER、沃
尔沃、特斯拉等企业也进行了大量实际道路自动驾驶测
试
[4]
。然而,以 UBER 自动驾驶测试车辆事故为代表的
多起事故表明,在自动驾驶技术成熟之前,实际道路测
试具有较高的安全风险和社会风险。
此外,与传统汽车的人-车二元独立测试不同,自
动驾驶汽车是人-车-路-环境强耦合系统,传统的道路
场地测试已经无法满足自动驾驶汽车的测试需求。基
于场景的虚拟测试技术试验场景配置灵活、效率高、重
复性强、过程安全、成本低,可实现自动测试和加速测
试,同时,虚拟测试系统能够模拟实际车辆测试中危险
或难以实现的极端场景
[4-5]
,大幅降低测试的难度和风
险,减少工作量。因此,基于场景的虚拟测试已成为自
-- 11