Page 103 - 《软件学报》2025年第8期
P. 103

3526                                                       软件学报  2025  年第  36  卷第  8  期







                                     Ego
                                                                         Ego


                                      (a) 变道超车示例                      (b) 生成的安全关键场景 1


                                                                          Ego
                                       Ego








                                   (c) 生成的安全关键场景 2                    (d) 生成的安全关键场景 3
                              图 10 变道超车场景及生成的安全关键场景在               CARLA  中的仿真结果     (俯视图)

                 5   相关工作

                    近年来, 针对    ADS  长尾效应问题, 在    ADS  场景建模、安全关键场景生成方面已经取得了较大的进展. 本节梳
                 理了  ADS  逻辑场景建模与场景生成方面的研究工作, 分析了现有研究在场景建模中缺乏领域知识指导、场景生
                 成性能与安全关键场景“稀有诅咒”等方面存在的不足, 并进一步指出本文在该领域的创新与贡献.
                    在逻辑场景建模方面, 主要分为对场景静态元素和动态元素的建模. 静态元素建模方面, OpenDRIVE                            [21] 是一
                 种用于描述道路网络的开放文件格式, 它是自动驾驶和驾驶模拟领域中用于道路元素和环境建模的标准之一.
                 OpenDRIVE  专注于精确描述道路的几何形状、拓扑结构、交通规则和道路属性. OpenCRG                      [22] 是一种文件格式和
                 数据交换标准, 专门用于描述道路表面的精细细节. CRG (curved regular grid) 是一种用于道路表面微观几何的数
                 字化表示形式, 包括坡度、倾斜和不规则性等特征. 这种格式被设计用于精确模拟道路表面特性, 以便在车辆动力
                 学模拟和自动驾驶系统测试中使用. RoadXML            [23] 是一种用于道路和环境模拟的数据格式, 它被设计用于驾驶模拟
                 器和自动驾驶系统测试环境. 这种格式专门用来描述虚拟环境, 包括道路的布局、交通标志、信号灯、各种路面
                 标记以及其他静态和动态的环境特征. OpenStreetMap          [24] 是一个开源项目, 旨在创建和提供免费的、可编辑的世界
                 地图. 它由全球志愿者社区创建, 类似于维基百科, 用户可以添加、修改和删除地图上的数据. OpenStreetMap                         的数
                 据可以被用于各种应用, 从传统的地图查看和导航到复杂的空间数据分析和城市规划等. 动态元素建模方面,
                 CommonRoad [25] 是一个用于自动驾驶和运动规划研究的开放源代码项目, 它提供了一个共享和比较运动规划算
                 法的平台. 该项目汇集了多种道路网络、交通场景和车辆轨迹, 其目的是创建一个基准测试环境, 研究人员和开发
                 人员可以在这个环境中测试和验证他们的运动规划策略. OpenSCENARIO                   [26] 是一种标准化的语言和文件格式, 用
                 于描述汽车仿真中的驾驶场景和驾驶员行为. 它是由自动化及测量系统标准协会                            ASAM  开发的一部分, 旨在与
                 OpenDRIVE 等其他标准共同工作, 提供一套全面的工具, 以支持自动驾驶和驾驶辅助系统的开发和测试. Scenic                         [27]
                 是一种领域特定语言, 用于生成随机的、结构化的场景描述, 这些场景描述可以用于测试和验证自动驾驶汽车和
                 其他智能系统. Scenic 的目标是使研究人员能够方便地编写描述复杂交通场景的规范, 同时保持足够的灵活性来
                 表达随机性, 以模拟真实世界中的不确定性. SML4ADS             [16] 是本团队提出的一种用于场景表示和建模的领域特定建
                 模语言, 它简化了场景的描述, 支持对车辆的随机行为进行建模, 并支持在                      CARLA  [28] 中生成可执行仿真的场景.
                 然而, 上述场景建模方法缺乏领域知识指导、无法支持建模带有参数概率分布的逻辑场景, 从而无法描述具有复
   98   99   100   101   102   103   104   105   106   107   108