日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

沛岱：自動駕駛測試驗證用例（TestCase）技術——交通事故分析和仿真重現(xiàn)

2018-12-08 11:19:27·  來源：沛岱汽車PilotD  
　
2018年12月2日一特斯拉的駕駛員在美國加利福尼亞洲的高速公路上被加州高速公路巡警逮捕，原因是酒駕司機在車上睡著，特斯拉護主閃警狂飆了11公里才被警察攔下，
2018年12月2日一特斯拉的駕駛員在美國加利福尼亞洲的高速公路上被加州高速公路巡警逮捕，原因是酒駕司機在車上睡著，特斯拉“護主”閃警狂飆了11公里才被警察攔下，期間酒駕者處于完全無意識狀態(tài)。
 
自2016年7月自動駕駛技術應用以來的第一起已知的死亡事故的發(fā)生，到現(xiàn)在短短兩年的時間自動駕駛技術所引發(fā)的交通紊亂和事故已經(jīng)出現(xiàn)數(shù)起，人們在思考自動駕駛功能的同時也在愈加地關注自動駕駛安全性這一話題。這也使自動駕駛功能測試驗證的重要性得以重申。
PilotD 沛岱（上海）汽車技術有限公司不斷致力于自動駕駛驗證技術的研發(fā)。根本上，自動駕駛系統(tǒng)的測試驗證可以分為兩種，基于正邏輯的測試驗證和基于逆邏輯的測試驗證。
 
1、基于正邏輯的測試驗證旨在測試在各類正常行駛工況下，系統(tǒng)功能性和性能邊界。這類測試驗證的測試用例生成是通過分析系統(tǒng)功能，根據(jù)被測系統(tǒng)的所有使用場景（Usecase），導出用于測試系統(tǒng)的測試用例（Testcase），從而驗證系統(tǒng)在所有具有代表性的使用場景下的功能安全性。
 
此類測試用例生成方法的優(yōu)點在于結(jié)構(gòu)性強和測試用例覆蓋面廣。在從Usecase導出Testcase的過程中，一個系統(tǒng)方方面面大大小小的功能模塊都會被列出，并根據(jù)其互相影響和嵌套的關系被歸納到樹狀結(jié)構(gòu)（Top-Down Structure）中。而各個模塊的功能又能通過其能夠完成的各個功能過程(例如：Functional Flow)表達出來。而該各個功能過程的測試就會成為最基礎的測試用例（Testcase）。因此，使用這樣的構(gòu)建測試用例對系統(tǒng)進行測試，可以讓系統(tǒng)的方方面面的每個細化功能流程都得到測試，即測試用例覆蓋面（Test coverage）廣。并且，當發(fā)現(xiàn)問題時，當下測試的結(jié)構(gòu)化的測試用例對應的系統(tǒng)功能模塊即為系統(tǒng)錯誤的主要錯誤源。這樣使得在測試和驗證中的錯誤溯源（Error Tracking）變得非常簡單。
 
然而，這類的測試用例生成方法有著兩大主要的缺陷和不足：
1）對于復雜系統(tǒng)，例如，自動駕駛系統(tǒng)的測試用例數(shù)量將會非常巨大。以至于其測試周期難以滿足普通汽車的開發(fā)和生產(chǎn)周期需求。
2）在測試用例的分析中，必須考慮系統(tǒng)相對敏感的外界影響因素的影響，并將其列入測試用例行列。對于使用環(huán)境感知的自動駕駛系統(tǒng)，其感知的外界影響因素眾多，這也將進一步增加測試用例數(shù)量和正邏輯測試驗證進行的復雜度和可行性。
2、基于逆邏輯的測試驗證與基于正邏輯的測試驗證相反。這類方法旨在通過錯誤分析方法（例如：FTA, FMEA等）尋找被測系統(tǒng)容易出錯的使用場景作為測試場景測試被測系統(tǒng)。如果被測系統(tǒng)能在容易出錯的使用場景下正常運行，則可從反面論證系統(tǒng)的功能安全性。
基于逆邏輯的測試驗證方法，相較于基于正邏輯的測試驗證方法，更加適合對于復雜系統(tǒng)（例如：高等級自動駕駛系統(tǒng)）的驗證。因其具有測試用例數(shù)量低，測試具有針對性等優(yōu)點。也因此，被業(yè)界認為是高等級自動駕駛系統(tǒng)測試驗證的方法之一。

對于自動駕駛系統(tǒng)，錯誤分析被自然而然地與事故分析聯(lián)系到了一起。自動駕駛的最初目的是模仿人類駕駛員的駕駛行為。根據(jù)圖靈測試The Turing test）的原理，自動駕駛只需被驗證測試具有和人類相仿的駕駛行為能力即可被認定為具有人類智能。因此，人類駕駛員犯錯的場景（事故場景），也被自然而然的認為是自動駕駛系統(tǒng)最容易出錯的場景，從而作為測試用例測試驗證自動駕駛系統(tǒng)。
 
由此可見，此類基于逆邏輯的測試用例生成方法本身十分適合高級駕駛員輔助系統(tǒng)（Advanced Driver Assistence Systems），即低等級自動駕駛系統(tǒng)（Level 1-Level 2 Automated Driving Systems（ADS））的測試。其系統(tǒng)本身就在于輔助駕駛員，在其無法做出駕駛判斷或者駕駛行為的情況下，避免或者減輕事故。因此，事故場景正好測試了系統(tǒng)這一能力。然而，高等級自動駕駛系統(tǒng)（Level 3-Level 5 ADS），直接無需人類監(jiān)視環(huán)境，并對人類在駕駛中扮演的去角色進一步消減。這可能導致兩類新型錯誤（事故）的產(chǎn)生：
1）本由人類駕駛員通過其駕駛判斷，經(jīng)驗和及時產(chǎn)生駕駛行為而避免的本車和其他車輛的交互錯誤可能（事故可能）。
2）由于大量投入自動駕駛系統(tǒng)，而產(chǎn)生的自動駕駛系統(tǒng)和自動駕駛系統(tǒng)之間的交互錯誤可能（事故可能）。
這兩類錯誤可能（事故可能）部分在已有的交通事故案例的覆蓋范圍之外。因此在這些情況下，直接使用已有交通事故案例作為測試用例無法完全測試這兩類自動駕駛錯誤可能。為了適應這兩類錯誤可能的測試，換而言之，適應高等級自動駕駛系統(tǒng)的測試，已有的交通事故案例必須被篩選和參數(shù)化。從而，找到主要事故成因，并對其從自動駕駛的角度進行分析并做補充和外延。最終，找到適合高等級自動駕駛系統(tǒng)的測試用例。
 
為此，PilotD與上海聯(lián)合道路交通安全科學研究中心達成戰(zhàn)略合作伙伴關系，兩家共同致力于基于交通事故分析和仿真重現(xiàn)的自動駕駛驗證技術的拓展和推廣。
一方面，PilotD基于上海聯(lián)合道路交通安全科學研究中心自2005年起采集到數(shù)千條交通事故場景信息，篩選有用信息，并在PilotD獨有的仿真測試平臺GaiA中還原重現(xiàn)，構(gòu)成測試用例集。另一方面，PilotD基于現(xiàn)有的交通事故場景，改變并遍歷場景構(gòu)建中的重要參數(shù)，從而擴充測試用例集，最終達到擴大測試覆蓋率，和完善測試用例集的目的。
 
以此，PilotD將為加速自動駕駛技術驗證等級提升和早日市場化推波助瀾。 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25