13、自动驾驶汽车：模拟测试与网络安全的前沿探索

自动驾驶汽车：模拟测试与网络安全的前沿探索

一、自动驾驶汽车模拟测试技术

在自动驾驶系统的开发进程中，模拟测试已成为不可或缺的关键环节。借助增强现实（AR）环境进行联网和自动驾驶汽车（CAV）的测试与评估就是一种极具潜力的方法。

AR 环境在 CAV 测试中具有显著优势。首先，利用 AR 环境进行测试，不会对实际人员造成伤害，并且可以反复执行测试，从而提高测试效率。它能够作为使用真实车辆进行测试的前置步骤，确保算法得到充分检验，参数得到精细调整，以一种经济高效的方式评估 CAV 技术。

接下来，在生成背景虚拟车辆之后，需要设计车辆的操作以生成测试场景。由于即使给定了运行设计域（ODD），总场景数量仍然庞大，因此需要一种系统的方法来识别关键场景，也就是具有更高测试价值的场景。为此，提出了一种新的场景关键性定义，它是操作挑战和暴露频率的组合。操作挑战衡量场景的危险或困难程度，通过代理模型（SM）模拟进行量化，这里使用人类驾驶模型作为 SM 来代表 CAV 行为的一般特征，因为人类驾驶员是自然的基线。暴露频率则表示场景在公共道路上发生的概率，通过密歇根大学交通研究所（UMTRI）收集的安全试点模型部署（SPMD）数据集进行估计。最后，开发了一种基于优化的搜索方法来寻找关键场景并构建场景库。

在 Mcity 进行的切入案例研究中，实施了所提出的框架。测试中使用了 4 级 CAV，在 AR 环境中生成虚拟切入车辆，并设置不同的距离和距离变化率进行切入操作。通过 Ɛ - 贪心策略从构建的库中采样不同的距离和距离变化率组合，以平衡对库的探索和利用。现场测试结果表明，所提出的方法可以达到与公共道路测试相同的性能指标（如碰撞率），同时所需测试次数显著减少了 9.87×10⁴ 倍