自动驾驶系统测试的要点与框架

一、自动驾驶系统级测试的基础理论

1.1 自动驾驶测试场景的构成

1.1.1 构成框架

该图展示了场景构成的总体框架，与实际应用的要点紧密相关。

1.1.2 场景来源

真实驾驶记录场景、专家经验构建场景（先验知识）。

1.1.3 真实驾驶场景来源

真实驾驶场景处理流程：

车端记录场景：

场景记录场景：

专家经验构建：

1.2 通过多个分析维度构建自动泊车测试用例框架

1.3 由测试场景演变出具体的测试用例

1.4 整车系统级测试工作的开展

在合适的人、合适的地点、针对测试车辆，并使用适当的测试工具，安全地开展测试，详细记录测试过程。

1.5 分析测试结果的原则

1.5.1 SOTIF—开发原则

1.5.2 SOTIF—开发目标（安全导向、功能导向）

1.5.3 接管严重性等级划分

对“接管”的定义、分类与命名：

I类接管：在系统设计运行范围（ODD）内，不处理就会发生碰撞时引发的接管；因为自动驾驶系统设计不足，或违反相关要求时引发的接管。

II类接管：在系统设计运行范围（ODD）之外，不处理就会发生碰撞时引发的接管。

III类接管：不接管不会碰撞，但不属于误接管；系统设计不足导致自车驾驶行为不符合人类预期、道德情感等要求时引发的接管，系统降级和退出接管机制触发，经过系统提醒后的接管。

IV类接管：不接管不会碰撞的误接管；无危险时，人类误触发引发的接管或人类手动驾驶。

1.6 分层测试和工具链

1.6.1 分层测试

1.6.2 测试工具链

二、测试和数据

2.1 测试驱动开发体系

2.2 测试和数据的关系总结

当前人工智能以深度学习为主流技术，这类技术需要算法模型和数据共同支撑。

关于数据，需要满足以下条件：数据标注方式适用于数据驱动的算法模型、数据在应用场景中有合理分布、算法表现不佳的方面需要有对应数据进行不断扩充。

测试和数据的关系总结：测试结果指明数据收集的方向，提供筛选方法论；测试提供海量数据，前后均可进行测试数据的收集，如自建车队数据与量产车队数据；测试还提供了工具链，如：TRiggeR（Record、Label）、Visualization（Analyze、Debug）、Test Automation 等。