一、自動駕駛系統級測試的基礎理論

1.1 自動駕駛測試場景的構成

1.1.1 構成框架

*該圖引用國汽智聯材料

1.1.2 場景來源

• 真實駕駛記錄場景
• 專家經驗構建場景（先驗知識）

1.1.3 真實駕駛場景來源

真實駕駛場景處理流程：

*該圖引用國汽智聯材料

車端記錄場景：

*該圖引用國汽智聯材料

場景記錄場景：

*該圖引用國汽智聯材料

專家經驗構建：

1.2 通過多個分析維度構建自動泊車測試用例框架

*該圖引用論文《智能汽車自主泊車系統測試方法》蒙昊藍等

1.3 由測試場景演變出具體的測試用例

*該圖引用豐田研究員會議材料

1.4 整車系統級測試工作的開展

由對的人，在對的地點，對待測試的車輛，使用準確的測試工具，安全的開展測試，詳細的記錄測試過程。

1.5 分析測試結果的原則

1.5.1 SOTIF——開發原則

1.5.2 SOTIF——開發目標（安全導向、功能導向）

1.5.3 接管嚴重性等級劃分

“接管”定義、分類、命名：

I類接管：不接管會碰撞

在系統設計運行范圍（ODD）之內，不處理就會發生碰撞時，引發的接管；

由于自動駕駛系統設計不足，違反法律法規要求時，引發的接管

II類接管：不接管會碰撞

在系統設計運行范圍（ODD）之外，不處理就會發生碰撞時，引發的接管

III類接管：不接管不會碰撞，但不屬于誤接管

由于自動駕駛系統設計不足，發生自車駕駛行為不符合人類預期、道德情感等要求時，引發的接管

系統降級和退出接管機制觸發，經過系統提醒后的接管

IV類接管：不接管不會碰撞的誤接管

無危險時，人類誤觸發引發的接管、人類手動駕駛

1.6 分層測試和工具鏈

1.6.1 分層測試

*該圖引用中汽中心會議材料

1.6.2 測試工具鏈

*該圖引用中汽中心會議材料

二、測試和數據

2.1 測試驅動開發體系

2.2 測試和數據的關系總結

目前AI是以深度學習為主流技術，該技術需要有算法模型和數據。

對于數據來說，需要滿足幾個條件：

• 數據的標注方式適用于數據驅動的算法模型
• 數據需要在應用場景中有合理分布
• 算法表現不好的方面，需要有對應數據不斷擴充

測試和數據的關系總結：

• 測試結果給收集數據的指明方向，提供了篩選方法論
• 測試提供了海量數據，SOP前后均可以進行測試數據的收集，自建車隊采集、量產車隊數據采集
• 測試提供了工具鏈，如：Trigger（record，lable）、Visualization（analyse、debug）、Test Automation等