6、自动驾驶系统测试场景的基于搜索的选择与优先级排序

自动驾驶系统测试场景的基于搜索的选择与优先级排序

1. 引言

自动驾驶系统（ADSs）是安全关键系统，对可靠性要求极高。然而，由于其复杂的实现和应对复杂环境的需求，测试ADSs极具挑战性且成本高昂。此外，ADSs会不断发展，新的版本需要持续测试，这使得测试成本进一步增加。因此，优化ADSs的测试显得尤为重要。

为了解决这一问题，我们提出了一种基于搜索的方法——SPECTRE（Selection and Prioritization of tEst sCenarios for auTonomous dRiving systEms），用于从为ADSs旧版本设计的现有测试场景中选择和优先排序测试场景，以测试新版本的ADS。

SPECTRE依赖于ADS旧版本的测试场景执行结果来对新版本要执行的测试场景进行优先级排序。与现有的基于搜索的ADS测试方法不同，后者主要侧重于生成测试场景，而SPECTRE则专注于选择和排序现有场景。

在SPECTRE中，每个场景由安装了待测试ADS的主车辆的一组属性（如加速度、速度）及其环境属性（如天气、障碍物数量）来表征。每个测试场景的模拟会产生四个关键值：是否发生碰撞、碰撞概率、场景对ADS的需求程度以及场景与其他场景的多样性。基于这些属性，我们定义了四个优化目标。

为了解决优化问题，我们使用了五种多目标进化算法（MOEAs）来实现SPECTRE，分别是NSGA - II、NSGA - III、IBEA、SPEA2和MOCell，并使用随机搜索（RS）进行合理性检查。为了评估SPECTRE，我们使用了一个包含60,000个测试场景及其执行结果的存储库，以百度阿波罗作为被测软件，并结合LGSVL模拟器。结果表明，在解决各