虚拟环境中自动驾驶汽车的单目标与多目标测试用例优先级排序
软件工程
2022-01-25 v2
摘要
基于仿真环境的测试有助于识别自动驾驶汽车（SDCs）的关键失效场景。基于仿真的测试比实地运行测试更安全，并能在部署前检测软件缺陷。然而，这些测试代价极高且数量众多，难以在有限时间约束下频繁运行。本文研究测试用例优先级排序技术，以提升通过虚拟测试更早检测SDC回归故障的能力。我们称为SDC-Prioritizer的方法，根据我们所设计用于驾驶场景中的道路静态特征对SDC的虚拟测试排序。这些特征无需运行测试即可收集，意味着不需要过往执行结果。我们引入两种演化方法，利用基于这些静态特征计算的多样性度量（黑盒启发式）对测试用例排序。这两种方法分别称为SO-SDC-Prioritizer与MO-SDC-Prioritizer，使用单目标与多目标遗传算法，以在更早执行更廉价测试与最具多样性测试用例之间寻找权衡。我们在SDC领域进行的实证研究表明，与基线（随机与贪心测试用例排序）相比，MO-SDC-Prioritizer在相同执行时间内显著提升了检测安全关键故障的能力。此外，我们的研究指出，在对SDC基于仿真的测试排序时，多目标元启发式优于单目标方法。MO-SDC-Prioritizer在故障检测方面有较大提升，而其开销（至多占测试执行代价的0.45%）可忽略不计。
引用
@article{arxiv.2107.09614,
title = {Single and Multi-objective Test Cases Prioritization for Self-driving Cars in Virtual Environments},
author = {Christian Birchler and Sajad Khatiri and Pouria Derakhshanfar and Sebastiano Panichella and Annibale Panichella},
journal= {arXiv preprint arXiv:2107.09614},
year = {2022}
}