Page 230 - 《软件学报》2026年第4期
P. 230

软件学报 ISSN 1000-9825, CODEN RUXUEW                                        E-mail: jos@iscas.ac.cn
                 2026,37(4):1671−1689 [doi: 10.13328/j.cnki.jos.007471] [CSTR: 32375.14.jos.007471]  http://www.jos.org.cn
                 ©中国科学院软件研究所版权所有.                                                          Tel: +86-10-62562563



                                                                                       *
                 基于路网建模的自动驾驶关键场景生成与自适应演化方法

                 田浩翔  1,2,3 ,    吴国全  1,2,3 ,    魏    峻  1,2,3 ,    郭    安  4 ,    韩星烁  5 ,    陈    伟  1,2,3 ,    王    伟  1,2,3 ,    叶    丹  1,2,3


                 1
                  (中国科学院 软件研究所, 北京 100190)
                 2
                  (中国科学院大学, 北京 100049)
                  (计算机科学国家重点实验室       (中国科学院 软件研究所), 北京 100190)
                 3
                 4
                  (南京大学, 江苏 南京 210093)
                 5
                  (南京航空航天大学, 江苏 南京 211106)
                 通信作者: 吴国全, E-mail: gqwu@otcaix.iscas.ac.cn
                 摘 要: 自动驾驶系统的安全性对于自动驾驶汽车在现实世界中的实施非常重要. 因此, 自动驾驶系统在公开发布
                 和部署之前必须进行充分的评估. 如何生成多样化的安全关键测试场景是自动驾驶系统测试的关键任务. 现有的
                 自动驾驶系统关键场景生成方法, 包括再现现实世界的交通事故和基于搜索的关键场景生成. 然而, 前者由于自动
                 驾驶与人类驾驶存在鸿沟, 现实世界交通事故大多无法发现自动驾驶系统的问题; 后者由于传统搜索算法的局限
                 性, 发现的问题相似度较高. 此外, 由于测试场景的空间非常庞大, 二者生成关键场景的效率较低. 为了解决上述问
                 题, 提出  LEADE, 一种基于道路网络建模的自动驾驶系统安全关键场景生成和自适应演化方法. 具体来说, 它根据
                 用户的测试需求构建抽象场景, 并通过道路网络建模生成具体场景. 然后, LEADE                       采用改进的自适应进化搜索来
                 生成各种安全关键场景来测试自动驾驶系统. 在工业级全栈自动驾驶系统平台百度                           Apollo  上实施和评估   LEADE.
                 实验结果表明, LEADE     可以有效和高效地生成安全关键场景, 并揭露              Apollo  的  10  种不同安全违背行为. 它通过识
                 别同一道路上的      4  种新型安全关键场景, 优于两种最先进的基于搜索的自动驾驶系统测试技术.
                 关键词: 自动驾驶系统; 仿真测试; 场景程序生成
                 中图法分类号: TP311

                 中文引用格式: 田浩翔, 吴国全, 魏峻, 郭安, 韩星烁, 陈伟, 王伟, 叶丹. 基于路网建模的自动驾驶关键场景生成与自适应演化方
                 法. 软件学报, 2026, 37(4): 1671–1689. http://www.jos.org.cn/1000-9825/7471.htm
                 英文引用格式: Tian HX, Wu GQ, Wei J, Guo A, Han XS, Chen W, Wang W, Ye D. Road-network-modeling-based Safety-critical
                 Scenario Generation and Adaptive Evolution Approach for Autonomous Driving. Ruan Jian Xue Bao/Journal of Software, 2026, 37(4):
                 1671–1689 (in Chinese). http://www.jos.org.cn/1000-9825/7471.htm

                 Road-network-modeling-based Safety-critical Scenario Generation and Adaptive Evolution
                 Approach for Autonomous Driving
                                                                 4
                                                                               5
                 TIAN Hao-Xiang 1,2,3 , WU Guo-Quan 1,2,3 , WEI Jun 1,2,3 , GUO An , HAN Xing-Shuo , CHEN Wei 1,2,3 , WANG Wei 1,2,3 ,
                 YE Dan 1,2,3
                 1
                 (Institute of Software, Chinese Academy of Sciences, Beijing 100190, China)
                 2
                 (University of Chinese Academy of Sciences, Beijing 100049, China)
                 3
                 (State Key Laboratory of Computer Science (Institute of Software, Chinese Academy of Sciences), Beijing 100190, China)
                 4
                 (Nanjing University, Nanjing 210093, China)
                 5
                 (Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)


                 *    基金项目: 国家自然科学基金  (62472412); 中国科学院软件研究所创新基金重大重点项目      (ISCAS-ZD-202302); 中国科学院软件研究所
                  基础研究项目    (ISCAS-JCMS-202402)
                  收稿时间: 2025-01-23; 修改时间: 2025-03-17, 2025-05-08; 采用时间: 2025-05-11; jos 在线出版时间: 2025-09-17
                  CNKI 网络首发时间: 2025-09-18
   225   226   227   228   229   230   231   232   233   234   235