面向网联自动驾驶车辆的测试场景库生成：一种自适应框架
系统与控制
2020-09-30 v3 系统与控制
信号处理
摘要
如何为网联自动驾驶车辆（CAVs）生成测试场景库是产业界面临的一大挑战。在以往研究中，为评估场景的操控挑战性，常在不了解被测 CAV 显式知识的情况下使用替代模型（SMs）。然而，替代模型与被测 CAV 之间通常存在性能差异，这可能导致生成次优的场景库。本文提出一种自适应测试场景库生成（ATSLG）方法来解决该问题。通过自适应过程，针对特定 CAV 模型生成定制化的测试场景库。为补偿性能差异并利用对 CAV 的每次测试，采用了贝叶斯优化技术，结合基于分类的高斯过程回归和新设计的采集函数。与预先确定的场景库相比，CAV 可利用定制化场景库以更高效的方式进行测试与评估。为验证所提方法，进行了切入案例研究，结果表明该方法可进一步将评估过程加速数个数量级。
引用
@article{arxiv.2003.03712,
title = {Testing Scenario Library Generation for Connected and Automated Vehicles: An Adaptive Framework},
author = {Shuo Feng and Yiheng Feng and Haowei Sun and Yi Zhang and Henry X. Liu},
journal= {arXiv preprint arXiv:2003.03712},
year = {2020}
}
备注
10 pages, 10 figures