Page 89 - 《软件学报》2025年第8期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(8):3512−3530 [doi: 10.13328/j.cnki.jos.007348] [CSTR: 32375.14.jos.007348] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
面向自动驾驶系统的场景建模及边缘关键场景生成

杜德慧 1,2,3 , 叶 振 1,2,3 , 郑成行 1,2,3 , 朱珍珍 1,2,3 , 李家蕴 1,2,3

1
(华东师范大学 软件工程学院, 上海 200062)
(上海市高可信重点实验室 (华东师范大学), 上海 200062)
2
(教育部可信软件国际合作联合实验室 (华东师范大学), 上海 200062)
3
通信作者: 杜德慧, E-mail: dhdu@sei.ecnu.edu.cn

摘 要: 自动驾驶中极端的场景、无法预测的人类行为等长尾问题逐渐成为制约自动驾驶系统 (autonomous
driving system, ADS) 发展的关键要素, 因此有效地生成安全关键场景对于提高自动驾驶系统的安全性至关重要.
现有的自动驾驶场景生成主要依赖于大量的路采数据, 采用数据驱动式场景生成方法, 并结合场景泛化技术生成
相应的驾驶场景. 该方法耗时耗力, 成本高, 而且难以有效生成边缘场景. 而模型驱动式场景建模方法通过构建逻
辑场景模型, 能够建模复杂的场景特征并有效生成安全关键场景. 其面临的挑战性问题是如何设计一种基于领域
知识的可视化场景建模语言, 支持抽象建模复杂驾驶场景, 并进一步有效地挖掘安全攸关的边缘关键场景. 针对以
上问题, 提出一种基于 SML4ADS2.0 的自动驾驶场景建模及边缘关键场景生成方法. 该方法基于 ADS 领域本体建
模场景, 并结合形式化量化评估与重要性采样实现边缘关键场景生成. 首先, 提出基于 SML4ADS2.0 模型驱动式场
景建模方法, 设计一种基于 ADS 领域本体的自动驾驶场景建模语言 (scenario modeling language for autonomous
driving system, SML4ADS2.0), 以构建自动驾驶场景模型; 其次, 通过模型转换规则实现场景模型到随机混成自动
机 (stochastic hybrid automata, SHA) 的模型转换, 并使用模型检测工具 UPPAAL-SMC 对场景模型进行量化评估分
析; 然后, 通过重要性采样技术在场景空间中快速检测到边缘场景, 实现逻辑场景到边缘关键具体场景的有效生成;
最后, 结合变道超车等典型场景, 进行案例展示. 实验结果表明该方法能够有效建模场景, 并解决 ADS 安全关键场
景生成问题.
关键词: 自动驾驶系统; 场景建模; 重要性采样; 安全关键场景; UPPAAL-SMC
中图法分类号: TP311

中文引用格式: 杜德慧, 叶振, 郑成行, 朱珍珍, 李家蕴. 面向自动驾驶系统的场景建模及边缘关键场景生成. 软件学报, 2025,
36(8): 3512–3530. http://www.jos.org.cn/1000-9825/7348.htm
英文引用格式: Du DH, Ye Z, Zheng CH, Zhu ZZ, Li JY. Scenario Modeling and Edge-critical Scenario Generation for Autonomous
Driving System. Ruan Jian Xue Bao/Journal of Software, 2025, 36(8): 3512–3530 (in Chinese). http://www.jos.org.cn/1000-9825/7348.
htm

Scenario Modeling and Edge-critical Scenario Generation for Autonomous Driving System
DU De-Hui 1,2,3 , YE Zhen 1,2,3 , ZHENG Cheng-Hang 1,2,3 , ZHU Zhen-Zhen 1,2,3 , LI Jia-Yun 1,2,3
1
(Software Engineering Institute, East China Normal University, Shanghai 200062, China)
2
(Shanghai Key Laboratory of Trustworthy Computing (East China Normal University), Shanghai 200062, China)
3
(MOE International Joint Lab of Trustworthy Software (East China Normal University), Shanghai 200062, China)
Abstract: Extreme scenarios in autonomous driving, as well as unpredictable human behaviors, have become key factors limiting the
development of autonomous driving systems (ADS). Therefore, effectively generating safety-critical scenarios is crucial for enhancing the

* 基金项目: 国家自然科学基金面上项目 (62272165)
本文由“形式化方法与应用”专题特约编辑陈明帅研究员、田聪教授、熊英飞副教授推荐.
收稿时间: 2024-08-26; 修改时间: 2024-10-14; 采用时间: 2024-11-26; jos 在线出版时间: 2024-12-10
CNKI 网络首发时间: 2025-04-17