充分利用测试信息：面向自动驾驶系统的集成加速测试与评估方法

测试与评估是自动驾驶系统（ADSS）大规模应用之前的重要环节。基于三层场景抽象理论，本文首先在逻辑场景内进行测试，然后在以每个具体场景的测试结果为输入、由逻辑参数空间生成的具体场景集合中进行评估。在上述过程中，大量测试信息被产生，这些信息对综合且准确的评估具有重要价值。为充分利用测试信息，本文提出一种集成加速测试与评估方法（ITEM）。该方法基于蒙特卡洛树搜索（MCTS）范式，并借鉴我们前期工作中提出的双模态代理测试框架，将测试阶段生成的中间信息（即树结构，包括每个历史采样点所属子空间的归属关系以及子空间之间的父子关系）引入评估阶段，以实现对危险域的精准识别。此外，为更好地服务于此目标，本文改进了UCB计算方法，使搜索算法能够更聚焦于危险域的边界。进而，本文构建了一个基于搜索算法收敛性的停止条件。随后，通过消融与比较实验验证了改进的有效性以及所提方法的优势。实验结果表明，ITEM能够在低维与高维情形下准确识别危险域，且不受危险域形状影响，表明其普适性及其在ADSS安全评估中的潜在价值。