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(jī)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

自動(dòng)駕駛系統(tǒng)在路口場景測試的適應(yīng)度函數(shù)研究

2021-12-22 00:15:02·  來源：同濟(jì)智能汽車研究所  
　
編者按：本篇研究工作為生成自動(dòng)駕駛測試用例提供了解決思路，依據(jù)本文提出的方法論可以高效搜索，生成具有測試意義的場景（既具備預(yù)期的形式，又可以對自動(dòng)駕駛
編者按：本篇研究工作為生成自動(dòng)駕駛測試用例提供了解決思路，依據(jù)本文提出的方法論可以高效搜索，生成具有測試意義的場景（既具備預(yù)期的形式，又可以對自動(dòng)駕駛系統(tǒng)造成挑戰(zhàn)，以測試相關(guān)功能）。本文提出的方法論將在高速公路路段上的適應(yīng)度函數(shù)轉(zhuǎn)移到交叉路口場景，具有較好的易用性和擴(kuò)展性，適應(yīng)度函數(shù)間進(jìn)行組合也相當(dāng)直觀，并對擴(kuò)展時(shí)會遇到的缺陷進(jìn)行了規(guī)避。
本文譯自：
《Fitness Function Templates for Testing Automated and Autonomous Driving Systems in Intersection Scenarios》
文章來源：
2021 IEEE Intelligent Transportation Systems Conference (ITSC)
作者：
Nicola Kolb, Florian Hauer, Alexander Pretschner
原文鏈接：
https://ieeexplore.ieee.org/abstract/document/9564591

摘要：基于場景的測試方法，是測試自動(dòng)駕駛系統(tǒng)的常用方法。專家推導(dǎo)出諸如“十字路口左轉(zhuǎn)”之類的場景類型，并將其提煉為參數(shù)化的場景。參數(shù)域的范圍往往包含可能的測試用例，并非所有這些直觀的測試用例都是“好的”測試用例，盡管它們的形式都是正確的，并對測試中的駕駛系統(tǒng)構(gòu)成了挑戰(zhàn)。對于“好的”測試用例的選擇，文獻(xiàn)提出了基于搜索、以適應(yīng)度函數(shù)為優(yōu)化目標(biāo)的技術(shù)。現(xiàn)有的工作集中在技術(shù)方面或創(chuàng)建專用的適應(yīng)度函數(shù)，而很少在方法論方面進(jìn)行研究，以派生適當(dāng)?shù)倪m應(yīng)度函數(shù)。以適應(yīng)度函數(shù)模板的形式進(jìn)行的方法論研究，迄今為止只在高速公路的直線段進(jìn)行實(shí)例化。如何為其他道路環(huán)境(如十字路口場景類型)，創(chuàng)建適當(dāng)?shù)倪m應(yīng)度函數(shù)的方法論尚未解決。在本文工作中，我們將現(xiàn)有的高速公路適應(yīng)度函數(shù)模板轉(zhuǎn)移到交叉路口，為搜索技術(shù)在基于場景的測試中如何避免可能出現(xiàn)的缺陷提供幫助，并驗(yàn)證了適應(yīng)度函數(shù)轉(zhuǎn)移模板的適用性。
關(guān)鍵詞：自動(dòng)駕駛測試，交叉路口區(qū)域，測試方法，適應(yīng)度函數(shù)
1 引言
自動(dòng)駕駛系統(tǒng)測試常常以基于場景的模擬測試方法進(jìn)行，其中交通場景被編碼，并抽象為所謂的場景類型[18]。例如圖1所示的T型路口場景，被測車輛e(包含正在測試的駕駛系統(tǒng))想要向左轉(zhuǎn)彎，而另一輛車輛c從對向直線駛?cè)肼房??；趫D1有許多不同類型的測試場景實(shí)例，例如左轉(zhuǎn)彎與不同的速度迎面而來的交通。業(yè)界和現(xiàn)有研究工作中的常見做法(調(diào)查見[22])是將場景類型轉(zhuǎn)化為參數(shù)化場景[18]。在我們的示例場景類型中，有幾個(gè)方面可以被參數(shù)化，即被測車輛的初始速度以及迎面而來的交通參與者的啟動(dòng)時(shí)間和速度(圖1，右)。為每個(gè)參數(shù)分配一個(gè)具體的值便會產(chǎn)生一個(gè)場景實(shí)例，作為一個(gè)潛在的測試用例[18]。

圖1 交叉路口場景的參數(shù)化示例
然而，并非參數(shù)空間中的所有場景實(shí)例都具有正確的形式，也就是說，它們不包含預(yù)期的車輛動(dòng)作(此處為左轉(zhuǎn))，或呈現(xiàn)與其他交通參與者的“不相關(guān)”的相對位置。在那些形式正確的場景實(shí)例中，并非都對測試中的駕駛系統(tǒng)提出挑戰(zhàn)，例如周圍的車輛都處于距離被測車輛較遠(yuǎn)的位置。相反，“好的”測試用例必須可以在參數(shù)空間中識別并包含預(yù)期車輛動(dòng)作，并對被測系統(tǒng)造成挑戰(zhàn)[13]。
文獻(xiàn)[1]，[2]，[5]，[7]，[8]，[13]，[16]等的研究工作，均提出使用基于搜索的方法。在所謂的適應(yīng)度函數(shù)的指導(dǎo)下，這些技術(shù)旨在確定有趣的場景實(shí)例。適應(yīng)度函數(shù)作為描述測試用例質(zhì)量的定量度量，在此基礎(chǔ)上系統(tǒng)地派生相關(guān)的測試用例[10]?；谒阉鞯臏y試用例選擇，在技術(shù)方面已經(jīng)得到了廣泛的理解和研究。但是，現(xiàn)有的多數(shù)研究工作都假定了適應(yīng)度函數(shù)，或者為特定的系統(tǒng)或場景類型[13]臨時(shí)創(chuàng)建它。對于工業(yè)中的實(shí)際應(yīng)用，這種假設(shè)是有問題的，因?yàn)檫m應(yīng)度函數(shù)的質(zhì)量對于測試結(jié)果是至關(guān)重要的。因此，在推導(dǎo)適應(yīng)度函數(shù)時(shí)，需要方法論指導(dǎo)。在團(tuán)隊(duì)之前的研究工作[13]中，我們以適應(yīng)度函數(shù)模板的形式提供了這樣的方法論，但僅在高速公路環(huán)境中進(jìn)行測試用例的實(shí)例化，而忽略了其他場景環(huán)境。
這項(xiàng)工作的貢獻(xiàn)是雙重的：
我們將先前的工作[13]中的高速公路場景的適應(yīng)度模板，進(jìn)行推廣、調(diào)整和轉(zhuǎn)換到交叉路口場景，并論證了其適用性，為基于搜索的自動(dòng)駕駛系統(tǒng)測試技術(shù)增加了方法論基礎(chǔ)和實(shí)踐。
在將基于搜索的方法應(yīng)用到應(yīng)該避免的場景上測試時(shí)，我們強(qiáng)調(diào)了相關(guān)的方法論缺陷。
2 基于場景的測試方法概述
圖2給出了基于場景的自動(dòng)駕駛系統(tǒng)測試過程的抽象概述。專家們根據(jù)可用的規(guī)范、要求，以及關(guān)于被測駕駛系統(tǒng)及其交通環(huán)境的心理學(xué)模型，推導(dǎo)出場景類型。作為補(bǔ)充，可以基于駕駛數(shù)據(jù)，對場景實(shí)例進(jìn)行自動(dòng)聚類，并對生成的場景類型列表進(jìn)行完整性評估（圖2中的⑦），如在實(shí)際交通數(shù)據(jù)集上進(jìn)行驗(yàn)證[15]。然后通過使用一組相關(guān)參數(shù)類型（圖2中的⑩），為它們派生（圖2中的⑧）參數(shù)化的場景類型（圖2中的⑨）。在之前的研究工作[13][14]中，我們將參數(shù)化場景定義為(F, P, D)。其中F為參數(shù)化場景的內(nèi)容，也包含場景的非參數(shù)化部分；P描述了參數(shù)化的場景元素pi∈P，i=1,…,n，以及對應(yīng)的域di∈D。這些參數(shù)的域構(gòu)成了巨大的場景實(shí)例空間A=d1×…×dn-1×dn∈Rn，a∈A[18]。為了從這個(gè)場景實(shí)例空間A中選擇“好的”測試用例，文獻(xiàn)[1]，[2]，[5]，[7]，[8]，[13]，[16]在基于搜索的優(yōu)化dsafe方法上進(jìn)行了深入研究。本文研究工作的重點(diǎn)是適應(yīng)度函數(shù)（圖2中?）的派生(圖2中?，用灰色突出顯示)，用于指導(dǎo)優(yōu)化生成（圖2中?）“好的”測試用例（圖2中?）。這種生成通常涉及使用系統(tǒng)模型?進(jìn)行模擬設(shè)置。


圖2 基于場景的測試過程的抽象描述(以前的版本出現(xiàn)在[12][15]中)

3 適應(yīng)度函數(shù)模板和使用
我們的方法論指導(dǎo)包括兩個(gè)方面：(1)我們?yōu)榛赱13]的交叉路口場景類型，提供適應(yīng)度函數(shù)模板；(2)展示它們的正確用法。通過這種方式，我們的目標(biāo)是減少從業(yè)者創(chuàng)建適應(yīng)度函數(shù)來識別所需形式的具有挑戰(zhàn)性的場景實(shí)例時(shí)的努力和錯(cuò)誤的可能性。
A．適應(yīng)度函數(shù)模板
本文的研究目標(biāo)是產(chǎn)生“好的”測試用例，這些測試用例是揭示潛在的錯(cuò)誤系統(tǒng)行為的場景實(shí)例。在“好的”測試用例中，正確的被測系統(tǒng)會接近但不會超出安全邊界，而有缺陷的系統(tǒng)則會超過了安全邊界[13]，[21]。這就要求場景實(shí)例既具有挑戰(zhàn)性，又具有預(yù)期的形式。
以下模板確保搜索哪些場景實(shí)例具有預(yù)期的形式并具有挑戰(zhàn)性。我們將[13]的模板從高速公路場景轉(zhuǎn)移，并推廣到交叉路口。我們假設(shè)基于搜索的方法是最小化的。
1）違反安全邊界的模板：如圖3中的示例：當(dāng)對向車道有車輛c駛來時(shí)，自動(dòng)駕駛汽車e應(yīng)在十字路口向左轉(zhuǎn)彎。如果系統(tǒng)決定在車輛c前左轉(zhuǎn)，必須保持一定的安全距離(在時(shí)間或空間上安全)以確保安全。在轉(zhuǎn)彎過程中，車輛之間保持一段距離(見圖3，左)。為進(jìn)行簡要解釋，圖3中畫出了空間中的距離。然而，我們也可以考慮其他可用于定義安全邊界的、可測量的標(biāo)準(zhǔn)。


圖3 d, dsafe和?d的變化過程
直觀地說，人們可能傾向于應(yīng)用基于搜索的方法來搜索距離d (或其他度量)最小的場景實(shí)例。然而，這種傾向是存在問題的，主要有兩個(gè)原因：（1）搜索將是oracle問題[4]的一個(gè)實(shí)例，最小的d可以表示兩車發(fā)生碰撞。然而，碰撞可能是，也可能不是由被測車輛造成[7]，[8]。因此，很難判斷碰撞是否是被測駕駛系統(tǒng)不安全行為的結(jié)果。（2）搜索到的目標(biāo)可能是沒有挑戰(zhàn)性的測試用例。被測駕駛系統(tǒng)可以在較低的駕駛速度下接受較低的安全距離，從而將搜索導(dǎo)向低速場景。然而，最為違反安全的時(shí)刻(或最接近違反安全的時(shí)刻)可能是，也可能不是在低速情況下。
我們提出以下模板(基于[13])來搜索交叉路口的違反安全行為，如圖3所示:


其中，?d(t) = d(t)- dsafe(t)表示距離超出安全邊界的緩沖區(qū)。場景實(shí)例的適應(yīng)度值是最小的，即場景中最接近超出安全邊界的時(shí)刻。當(dāng)fsafety處于極小值時(shí)，避免了上文討論的問題：（1）模板的結(jié)構(gòu)中包含了一個(gè)oracle。當(dāng)fsafety為正值時(shí)，尚未超出安全邊界，并且可知緩沖區(qū)域的大??；如果是負(fù)值，說明超出安全邊界，并其可知超出安全邊界的程度。（2）當(dāng)?d(t)最小時(shí)，將搜索出關(guān)鍵場景實(shí)例，因?yàn)檎f明最接近違反安全的時(shí)刻(假設(shè)系統(tǒng)安全)或最為違反安全的時(shí)刻(假設(shè)系統(tǒng)故障)被識別。這允許了以下關(guān)于安全的推理：如果沒有min(?d(t))<0的場景實(shí)例，可以假設(shè)被測系統(tǒng)在這種參數(shù)化場景類型的所有實(shí)例中都是安全的。
在適應(yīng)度模板中，可以用任何描述安全的、可測量的量代替dsafe(t)，例如在時(shí)間或空間上。在我們的實(shí)驗(yàn)中，我們使用的是RSS[24]提出的安全邊界，但任何其他安全距離，如[20]，[23]，同樣可以使用。
2）確保所需場景形式的模板：為了安全論證，有必要“證明”被測駕駛系統(tǒng)在各種類型的場景中均表現(xiàn)良好，這就需要確保場景實(shí)例具有預(yù)期的形式，即是特定場景類型的實(shí)例。
一個(gè)簡單的適應(yīng)度函數(shù)模板如下：如果場景不是預(yù)期的形式，則分配一個(gè)糟糕的常量適應(yīng)度值。如果是預(yù)期的形式，則分配適宜的常量適應(yīng)度值。但這種模板并沒有為基于搜索的測試技術(shù)的參數(shù)空間提供良好的指導(dǎo)。相反，我們建議：非預(yù)期形式的場景實(shí)例產(chǎn)生的適應(yīng)度值，越接近預(yù)期的形式越良好。對于是預(yù)期形式的場景實(shí)例，將產(chǎn)生一個(gè)良好的常量適應(yīng)度值。在預(yù)期形式的場景實(shí)例中確定最具挑戰(zhàn)性的場景實(shí)例，將由“違反安全”的模板決定。
我們建議以下模板，對我們之前的工作[13]進(jìn)行了概括，并使模板適用于交叉路口場景：


其中，
表示一個(gè)場景類型的時(shí)間或空間方面的變量，例如，在被測車輛開始左轉(zhuǎn)的時(shí)刻tl，該場景中行人的位置。如果r(tl)在范圍[lb, ub]內(nèi)（上界為ub，下界為lb），此時(shí)場景實(shí)例就處于預(yù)期形式，例如行人的位置在被測車輛的行駛車道范圍內(nèi)，以確保被測車輛在此場景下必須減速反應(yīng)。下面，我們將展示三個(gè)示例：
有兩個(gè)邊界的空間位置(l)：在圖4(左)中，描述了行人場景類型。本車e向左轉(zhuǎn)彎，并應(yīng)必須對行人p作出反應(yīng)。這要求行人處于危險(xiǎn)狀態(tài)，即本車確實(shí)向左轉(zhuǎn)彎時(shí)，行人橫穿過本車行駛的車道。行人所在的區(qū)域在其行進(jìn)方向上以lb=x1和ub=x2為界，在垂直方向上以斑馬線標(biāo)志為界。這僅是一個(gè)簡單的解釋，行人也可能不在斑馬線內(nèi)橫穿馬路。在本車進(jìn)行左轉(zhuǎn)彎的時(shí)刻tl，將行人的位置xp(tl)與以下距離進(jìn)行比較：


如果行人位置不在范圍內(nèi)，適應(yīng)度值越低，或適應(yīng)度值越接近閾值，則越好。


圖4 有兩個(gè)左邊界和一個(gè)右邊界的場景
有一個(gè)邊界的空間位置(l)：圖4(右)的測試示例，用于本車是否在對向駛來的車輛到達(dá)之前安全地進(jìn)行左轉(zhuǎn)彎。然而，在許多場景實(shí)例中，本車在對向駛來的車輛后面轉(zhuǎn)彎。這并不一定是壞的，因?yàn)檫@是安全的行為，但在這種場景實(shí)例下進(jìn)行測試，不能得出本車系統(tǒng)在對向車輛到達(dá)前可安全左轉(zhuǎn)彎的結(jié)論。相反，只有選擇在本車在對向車輛前轉(zhuǎn)彎的場景實(shí)例，才能測試本車的相關(guān)功能。這可以通過測量在本車e穿過對向車輛c行駛車道的瞬間，本車和對向車輛在x方向上的距離來檢測。因此只給出了一個(gè)邊界，fform的第二個(gè)邊界則被省略[13]：


如果本車從對向車輛后面經(jīng)過，本車轉(zhuǎn)彎時(shí)與對向車輛的距離越近，適應(yīng)度值越高。
有兩個(gè)邊界的時(shí)間(t)：對行人場景類型可以有不同的解釋：行人應(yīng)在不早于本車開始左轉(zhuǎn)前t1秒、不晚于本車開始左轉(zhuǎn)t2秒后開始過馬路。行人開始過馬路的時(shí)刻用tl表示。同樣，我們可以應(yīng)用模板，但要確保是在時(shí)間上加以分類[13]:


如果行人沒有按時(shí)出發(fā)，那么開始過馬路的時(shí)間越接近期望的區(qū)間[t1, t2]，適應(yīng)度值越高。
B．模板的組合
一旦為某個(gè)場景類型選擇了模板，就需要將它們組合起來進(jìn)行搜索。在[13]的基礎(chǔ)上，我們提出多目標(biāo)搜索，根據(jù)帕累托（pareto）原則去優(yōu)化適應(yīng)度數(shù)組：對于兩個(gè)分別具有適應(yīng)度數(shù)組F1/2的測試用例tc1/2，如果所有的適應(yīng)度值f1，i至少和適應(yīng)度值f2，i相同，并且存在一個(gè)f1，j比f2，j更好，則可以認(rèn)為tc1優(yōu)于tc2。
每個(gè)模板都替換一個(gè)這樣的fn，生成一個(gè)最終的適應(yīng)度數(shù)組F= [f1…fm]，m為各個(gè)場景類型所需的模板數(shù)量，其中m?1個(gè)模板用于確保所需的場景形式，剩下的一個(gè)模板用進(jìn)行“違反安全”相關(guān)的搜索。這種分布是必要的，以避免III-C中所提及的缺陷。
每個(gè)模板fa要求另一個(gè)模板fb是零，并擴(kuò)展成
。例如，左轉(zhuǎn)彎的安全距離只能在有對向車輛駛來之前進(jìn)行左轉(zhuǎn)彎時(shí)被測量。當(dāng)fb不為零時(shí)，搜索技術(shù)不會計(jì)算fa，而是將其設(shè)置為一個(gè)較高、較差的值[13]。


當(dāng)適應(yīng)度數(shù)組F確定后，即可進(jìn)行搜索。首先，在fa優(yōu)化之前，需要依賴其他模板的模板fb被置為零。數(shù)組中的最后一個(gè)模板是“違反安全”模板fsafety，這意味著當(dāng)適應(yīng)度數(shù)組F=[0 … 0 fsafety]時(shí)，搜索會在屬于預(yù)期形式的場景實(shí)例中找到最具挑戰(zhàn)性的場景實(shí)例。由于最終只優(yōu)化單個(gè)適應(yīng)度值，避免了難以解釋的帕累托前沿（paretofront），產(chǎn)生一個(gè)明確的、“最佳”測試用例。
C．模板使用和缺陷避免
基于搜索的測試用例生成方法為基于場景的測試[2]，[13]提供了安全認(rèn)證的重要基礎(chǔ)：基于搜索的方法試圖識別具有最佳適應(yīng)度值的測試用例。如果這個(gè)“最佳”測試用例揭示了被測系統(tǒng)的錯(cuò)誤行為，那么無論如何這個(gè)系統(tǒng)都需要改進(jìn)。然而，即使在這個(gè)測試用例沒有揭示出有缺陷的系統(tǒng)行為，我們也獲得了相關(guān)信息。根據(jù)定義，在參數(shù)化場景的參數(shù)空間中沒有更好的測試用例。因此，我們確信系統(tǒng)在參數(shù)空間中的所有場景實(shí)例中都是安全的。但這需要基于搜索的方法在搜索這個(gè)“最佳”測試用例時(shí)表現(xiàn)良好，對于這個(gè)測試用例已經(jīng)提出了幾個(gè)建議，例如[1]，[10]。
當(dāng)應(yīng)用基于搜索的方法時(shí)，重要的是要確保論證過程成立，否則測試結(jié)果將不能提供所需的支撐，同樣不能作為安全論證的基礎(chǔ)。我們討論了將基于搜索的方法應(yīng)用于基于場景的測試的兩個(gè)最重要的方法論含義。
1)為場景類型創(chuàng)建搜索問題：為了安全論證，測試需要提供駕駛系統(tǒng)安全行為的證據(jù)。這需要證明系統(tǒng)在每種測試場景[15]，[17]中都是安全的。對于每一種場景類型，都必須生成“最佳”的測試用例。這意味著，每個(gè)場景類型至少有一個(gè)搜索結(jié)果，并為預(yù)期的場景類型生成測試用例，然后可以應(yīng)用所提供的模板。
因?yàn)樗谢趫鼍暗臏y試方法都是這樣，所以對場景類型[11]、[17]的粒度級別有很強(qiáng)的依賴性。可以使用場景類型“本車在有對向車輛駛來的十字交叉路口左轉(zhuǎn)彎”來進(jìn)行安全論證，也可能使用“本車在四方向交叉路口左轉(zhuǎn)彎，每個(gè)方向都有一條車道，只有一輛對向駛來的車輛”。在第一種場景類型下，參數(shù)化的場景需要一個(gè)參數(shù)來表示車道數(shù)和對向車輛數(shù)。然后，在適應(yīng)度函數(shù)的幫助下，從所有符合上述參數(shù)化描述的交叉路口中抽取出“最佳”測試用例。第二種場景類型的顆粒度更細(xì)，因此有一個(gè)更嚴(yán)格的預(yù)期形式，需要不同的適應(yīng)度函數(shù)。
如何選擇正確的場景類型粒度級別，這一問題并不僅限于基于搜索的測試工作；任何基于場景的測試工作都在各自的粒度級別上做假設(shè)，通常是隱式的。在[3]和[18]中，對粒度級別提出了建議，但這仍然是一個(gè)正在進(jìn)行的討論。
2)為安全標(biāo)準(zhǔn)創(chuàng)建搜索問題：測試系統(tǒng)行為所依據(jù)的安全標(biāo)準(zhǔn)極大程度地影響測試用例的生成。通常情況下，駕駛系統(tǒng)必須保持不止一段安全距離，例如與場景中的不同車輛之間的安全距離，或與另一輛車輛之間的縱向和橫向安全距離。
除了預(yù)期形式的模板外，還為每個(gè)安全距離的多目標(biāo)搜索添加一個(gè)適應(yīng)度值。然后通過搜索識別那些違反其中一個(gè)安全距離的場景實(shí)例。然而，這并不像預(yù)期的那樣有效：多目標(biāo)搜索使用了上述的帕累托原則。這意味著，對于一個(gè)安全距離的剩余緩沖區(qū)(見III-A.1節(jié))，不能在不最小化另一個(gè)安全距離的情況下最小化這個(gè)安全距離。直觀地說，一個(gè)系統(tǒng)可以違反縱向安全距離時(shí)，并不接近違反橫向安全距離。
相反，一次只能優(yōu)化一個(gè)安全距離，即使在“同一個(gè)公式”中有多個(gè)安全距離的組合表示，也需要多個(gè)優(yōu)化。例如，縱向的安全距離通常要比橫向的安全距離大得多，如城市交通縱向安全距離可達(dá)20米，而橫向的安全距離則小于1米。假設(shè)將其表示為單一的安全“公式”，并計(jì)算單一的適應(yīng)度值，通過搜索先生成的測試用例，通常是系統(tǒng)接近(或違反)橫向安全距離的。

4 試驗(yàn)
A．場景類型和搜索
由于空間的限制，我們只能討論一種示例性場景類型的搜索(如圖1)：本車e在十字路口左轉(zhuǎn)，并有對向車輛c駛來。本車可以在對向車輛的前部或后方進(jìn)行左轉(zhuǎn)彎。按照我們的流程，這需要進(jìn)行分類討論：對向車輛前和對向車輛后(見第III-C.1節(jié))。在這兩種情況下，我們感興趣的安全距離分別在x和y方向(見第III-C.2節(jié))，我們將[13]的視角從一維(x)擴(kuò)展到二維(x,y)?？偟膩碚f，我們需要對這個(gè)特定的場景類型進(jìn)行4次搜索，以便能夠確定測試的駕駛系統(tǒng)的行為安全。搜索一個(gè)接一個(gè)地執(zhí)行。圖7和圖8描述了其中一個(gè)搜索的結(jié)果(case: x，對向車輛前)。
B．適應(yīng)度函數(shù)推導(dǎo)
預(yù)期形式：唯一的形式標(biāo)準(zhǔn)是本車在對向車輛前方或后方進(jìn)行左轉(zhuǎn)彎(見圖5)。因此，每一種情況只需要一個(gè)單一的適應(yīng)度函數(shù)模板就可以確定預(yù)期的形式。對于“本車在對向車輛前方左轉(zhuǎn)”這種情況，應(yīng)用“有一個(gè)邊界的空間位置”模板：


對于“本車在對向車輛后方左轉(zhuǎn)”，判斷標(biāo)準(zhǔn)改為xe(tl)≥xc(tl)即可。
安全性：作為安全距離，我們使用了受RSS模型[24]啟發(fā)的空間距離。詳細(xì)說明請參考[24]。我們用dsafety x/y表示安全距離公式，用fsafety x/y表示安全距離違反模板 (見圖6)。
組合：模板間的組合很直觀，見下式：




圖5 在對向車輛前方左轉(zhuǎn)(左)/后方左轉(zhuǎn)(右)


圖6 在對向車輛后方左轉(zhuǎn)場景(左轉(zhuǎn)后)-縱向和橫向安全距離
C．試驗(yàn)設(shè)置
我們使用了受[19]啟發(fā)的被測駕駛系統(tǒng)，該系統(tǒng)集決策、路徑規(guī)劃和控制于一體的模型預(yù)測控制技術(shù)。系統(tǒng)的確切行為并不重要，因?yàn)槲覀冴P(guān)注的是模板和方法論，而非系統(tǒng)的性能。作為仿真試驗(yàn)設(shè)置，我們使用MATLAB\Simulink結(jié)合應(yīng)用廣泛的IPG Carmaker。并使用了多目標(biāo)算法NSGA-II[9]進(jìn)行搜索，種群大小為50個(gè)，搜索代數(shù)為20代。這意味著在1000個(gè)測試用例中測試系統(tǒng)，盡管我們最感興趣的是“最好的”一個(gè)，所提出的模板和方法論顯然可以與其他任何仿真工具和多目標(biāo)搜索技術(shù)相結(jié)合。
D．試驗(yàn)結(jié)果
圖7給出了每個(gè)種群的平均適應(yīng)度值和最佳適應(yīng)度值。這提供了兩個(gè)主要的結(jié)論：（1）平均適應(yīng)度值一開始較高，并分兩步減少。最開始隨機(jī)選擇的場景實(shí)例并不符合期望的形式，從而產(chǎn)生較高的平均適應(yīng)度。當(dāng)種群包含幾個(gè)場景實(shí)例，平均適應(yīng)度第一次和第二次顯著下降，因?yàn)榉N群中的大多數(shù)場景實(shí)例不僅是預(yù)期形式，而且還對被測車輛具有挑戰(zhàn)性。這提示模板引導(dǎo)搜索到預(yù)期形式的、對被測車輛有挑戰(zhàn)性的場景實(shí)例。（2）最佳適應(yīng)度值一開始較高，當(dāng)找到至少一個(gè)預(yù)期形式的場景實(shí)例后，就立即有大幅的下降。并隨著代數(shù)增加不斷下降，接近我們方法所需要的“最佳”測試用例。


圖7 每個(gè)種群的平均和最佳適應(yīng)度值
圖8所示為本車在對向車輛所在車道上左轉(zhuǎn)時(shí)，“最佳”測試用例的縱向距離（絕對距離dx，剩余緩沖區(qū)距離?dx，安全距離dsafety, x），以及系統(tǒng)最接近“違反安全”的場景快照。本車的行駛非常保守：即使在“最好”的測試案例中，本車車也會在26米的最小安全距離上保留一個(gè)剩余緩沖區(qū)。


圖8 最佳測試用例的安全距離變化情況和截屏
E．討論
由于篇幅的限制，我們只討論單一場景類型的實(shí)驗(yàn)結(jié)果。然而，此演示顯示了所提供的模板和方法論的易用性。對于更復(fù)雜的場景，有更多的交通參與者，要求更高的環(huán)境(如三車道交叉路口)，以及場景參與者之間更復(fù)雜的時(shí)空交互，幾個(gè)模板需要多次應(yīng)用。即使這樣，基于適應(yīng)度值數(shù)組的組合也相當(dāng)直觀。多目標(biāo)搜索將確保場景實(shí)例具有所需的形式和挑戰(zhàn)性。因此，幾乎所有相關(guān)的情況都可以用模板來表示。然而，我們當(dāng)然不能保證這些模板涵蓋“所有”場景類型。希望方法論能夠幫助專家創(chuàng)建足夠的適應(yīng)度函數(shù)，并以覆蓋所有道路環(huán)境為目標(biāo)。適應(yīng)度函數(shù)模板是基于搜索和場景的通用測試方法的一個(gè)有前途的基礎(chǔ)。下一步的研究工作希望通過使用從真實(shí)駕駛數(shù)據(jù)中獲得的場景目錄，對該方法進(jìn)行驗(yàn)證。此外，我們正研究該模板在其他道路情況下的適用性和完整性，如環(huán)形路口。

5 相關(guān)工作
近期有較多基于場景的測試方法的研究工作，我們參考[22]為一個(gè)廣泛的調(diào)查和討論與本文工作較為接近的研究。
一些現(xiàn)有的基于場景測試和搜索的技術(shù)應(yīng)用類似本文的方法來生成測試用例，用于制動(dòng)[1]、[5]、車道保持[10]和自適應(yīng)巡航控制[1]系統(tǒng)。它們的適應(yīng)度函數(shù)是專門為單個(gè)場景類型創(chuàng)建的，并不適用于其他系統(tǒng)和其他場景類型。其他工作提供的適應(yīng)度函數(shù)，旨在減少安全駕駛空間，對被測駕駛系統(tǒng)的運(yùn)動(dòng)規(guī)劃提出挑戰(zhàn)[2]；或者旨在產(chǎn)生可避免的碰撞[7]，[8]。雖然這些方法直觀地產(chǎn)生了具有挑戰(zhàn)性的測試用例，但它們不能確保預(yù)期的場景形式，因此不能為安全性論證提供合適的基礎(chǔ)。
文獻(xiàn)[16]中提出了一種方法，將場景描述語言(如“在車道上”或“位于后方”)轉(zhuǎn)換為軌跡規(guī)劃問題，以便創(chuàng)建基于lanelets的場景實(shí)例。他們并不關(guān)注方法論，即不關(guān)注如何創(chuàng)建適應(yīng)度函數(shù)并將其應(yīng)用于其他可能不使用lanelets的場景上，關(guān)注的是技術(shù)方面。文獻(xiàn)[6]的研究團(tuán)隊(duì)為單一的、特定的城市交叉路口場景類型提供了適應(yīng)度函數(shù)。但也沒有為適應(yīng)度函數(shù)的推導(dǎo)提供方法論方面的指導(dǎo)。在本團(tuán)隊(duì)之前的研究工作[13]中，我們提供了僅適用于公路場景的適應(yīng)度模板，以確保場景實(shí)例具有預(yù)期的形式并對被測車輛有挑戰(zhàn)性。

6 結(jié)論
本文研究工作從為基于搜索的技術(shù)推導(dǎo)適應(yīng)度函數(shù)提供方法論指導(dǎo)出發(fā)，因?yàn)檫m應(yīng)度函數(shù)是測試用例的質(zhì)量度量，因此也是系統(tǒng)性能的度量，所以構(gòu)造適應(yīng)度函數(shù)需要格外謹(jǐn)慎。否則，安全性就無從談起。
在本文研究工作中，我們以適應(yīng)度函數(shù)模板的形式為交叉路口場景類型提供了方法論指導(dǎo)，補(bǔ)充和推廣了我們之前在高速公路場景上的工作。討論了多種情況下如何應(yīng)用和組合模板，并解釋在使用基于搜索的方法進(jìn)行場景測試時(shí)如何避免缺陷。
試驗(yàn)展示了適應(yīng)度模板的易用性，并提供了引導(dǎo)搜索技術(shù)找到預(yù)期形式的場景實(shí)例的方法論，這些場景實(shí)例對被測駕駛系統(tǒng)具有挑戰(zhàn)性。我們希望所提出的方法論能夠幫助專家為交叉路口場景創(chuàng)建足夠的適應(yīng)度函數(shù)，而邊界情況可能需要對適應(yīng)度函數(shù)模板進(jìn)行擴(kuò)展。
參考文獻(xiàn)






分享到：
 
反對 0 舉報(bào) 0 收藏 0 評論 0
滬ICP備11026917號-25