自动驾驶车辆情景测试的统计基础

情景化测试已成为自动驾驶车辆（AVs）安全评估的常用方法，通过聚焦于高风险情景提供了比基于里程的测试更高效的替代方案。然而，关于其停止规则、残余风险估计、调试有效性以及仿真保真度对安全主张影响的根本问题仍然存在。本文认为，建立严格的统计基础是解决这些挑战并实现严格安全保证所必需的。通过将 AV 测试与已建立的软件测试方法进行类比，我们识别出共享的研究空白和可重用解决方案。我们提出了概念模型，用于量化每个情景的故障概率（\textit{pfs}）并在不同条件下评估测试有效性。我们的分析表明，情景化测试和基于里程的测试并非总体上优于对方。此外，我们给出一个关于合成测试结果与真实世界测试结果对齐的形式化推理示例，这是支撑统计可防御性仿真安全主张的第一步。