汽车软件工程中的贝叶斯因果推断与在线评估
软件工程
2022-07-04 v1
摘要
随机现场实验（如 A/B 测试）长期以来一直是评估软件变更的黄金标准。在汽车领域，开展随机现场实验并非总是可取、可行甚至合乎伦理。面对此类限制，我们开发了 BOAT 框架（用于观测性测试的贝叶斯因果建模，Bayesian causal modelling for ObvservAtional Testing），利用观测性研究结合贝叶斯因果推断，以理解复杂汽车软件更新的实际影响，并帮助软件开发组织得出因果结论。在本研究中，我们提出了贝叶斯框架下的三种因果推断模型及其对应案例，以应对汽车领域软件评估中三种常见挑战。我们与工业界合作者共同开发了 BOAT 框架，并通过对大型车队进行实证研究展示了因果推断的潜力。此外，我们将因果假设理论与其实际含义相联系，旨在为如何在汽车软件工程中应用因果模型提供全面指南。我们应用贝叶斯倾向得分匹配以在无法访问全部用户群时生成平衡的控制组与处理组，应用贝叶斯回归断点设计以识别依赖于协变量的处理分配与局部处理效应，以及应用贝叶斯双重差分以推断随时间变化的处理效应因果并隐式控制未观测混杂因素。每个示例案例都有其实践基础，且都是随机化不可行时遇到的场景。借助 BOAT 框架，我们实现了汽车领域无需完全随机实验的在线软件评估。
引用
@article{arxiv.2207.00222,
title = {Bayesian causal inference in automotive software engineering and online evaluation},
author = {Yuchu Liu and David Issa Mattos and Jan Bosch and Helena Holmström Olsson and Jonn Lantz},
journal= {arXiv preprint arXiv:2207.00222},
year = {2022}
}
备注
In submission