基于稀疏控制变量的超车场景中网联自动驾驶车辆自适应测试
系统与控制
2022-07-20 v1 系统与控制
摘要
测试与评估是网联自动驾驶车辆（CAVs）开发与部署中的关键步骤。由于黑盒特性及 CAVs 的多种类型，如何自适应地测试与评估 CAVs 仍是一大挑战。已有许多方法被提出以在测试过程中自适应生成测试场景。然而，多数现有方法无法应用于复杂场景，此类场景定义所需变量为高维。为填补此空白，本文提出基于稀疏控制变量的自适应测试方法。与自适应生成测试场景不同，我们的方法通过自适应利用测试结果来评估 CAVs 性能。具体而言，每个测试结果使用基于控制变量的多元线性回归技术进行调整。由于回归系数可针对被测 CAV 自适应优化，与使用测试结果直接估计相比，使用调整后的结果可降低估计方差。为克服高维挑战，仅对测试场景的关键变量使用稀疏控制变量。为验证所提方法，研究了高维超车场景，结果表明我们的方法可进一步将评估过程加速约 30 倍。
引用
@article{arxiv.2207.09259,
title = {Adaptive Testing for Connected and Automated Vehicles with Sparse Control Variates in Overtaking Scenarios},
author = {Jingxuan Yang and Honglin He and Yi Zhang and Shuo Feng and Henry X. Liu},
journal= {arXiv preprint arXiv:2207.09259},
year = {2022}
}