Page 244 - 《软件学报》2026年第4期

田浩翔 等: 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 1685

表 7), 所有类型均在每次实验的前 14 h 内揭示. EV 代表主车, NV 代表从车 (2 NV 表示两辆从车), P 代表行人.
由于篇幅限制, 以下将选择两种类型的安全违背场景进行说明 (EV 代表主车). 其他类型的安全违背说明可
在 https://github.com/ADStesting-test/Leade 中查阅.

表 7 发现的违反 Apollo 安全的类型

主车驾驶 参与者
类型 道路类型 自动驾驶系统安全违背
任务 类型 相对主车初始位置 行为
左转 从车×2 左侧/右侧垂直车道 横穿 对前后连续行驶的车辆速度, 产生误判: 当前车速度不变
1 十字路口
右转 从车×2 左侧垂直车道 横穿 但后车速度变化时, 自动驾驶系统会误判后车的速度
左/右前方 沿车道行驶 变道时, 忽略邻车道后方从车的加速, 导致未避让直行有
2 多车道直路 左/右变道 从车×2
左/右后方 加速 路权的车辆
横穿 将并排行驶在垂直车道上的两辆车误识别为一个实体,
3 十字路口 横穿 从车×2 左侧垂直车道
左转 忽略了减速后第2个抵达路口的从车的行为变化
在路口连接区域转弯时, 对连接区内的从车路权等复杂
4 十字路口 左转 从车 左侧垂直车道 左转
信息的处理和响应, 存在明显的延迟
正前方 刹车
5 多车道直路 直行 从车×2 行驶过程中, 变道后遇到阻塞, 未能二次变道
左/右前方 减速
停车 (主车进 转向过程中, 转入车道存在阻塞时, 未能调整路线进入另
6 十字路口 右转 从车 右侧垂直车道
入车道入口) 一条可转入的车道
左转 从车×2 对侧车道 横穿
7 十字路口 对连续通过路口的从车之间的距离计算不准确
横穿 从车×2 左侧垂直车道 横穿
沿车道行驶,
从车 左/右前方 当与主车并排或在主车侧前方行驶的从车, 出现紧急制
8 十字路口 横穿 刹车 动时, 自动驾驶系统未具备风险预测的经验
行人 左/右侧垂直车道 横穿
应对前方多辆低速行驶从车的能力不足, 超车决策过慢,
9 多车道直路 直行 从车 正前方 慢速行驶
在慢速超车时与前方车辆发生碰撞
右转 大车 左侧垂直车道 横穿 路口停车或转向时, 对大型车辆的尺寸识别不够准确, 导
10 十字路口
横穿 大车 右侧垂直车道 右转 致主车与相近的大型车辆之间, 没有保持安全的横向间距

安全违背类型 7 示例: 如图 8 所示, 在第 1 个场景中, 主车正在左转. 车辆 a 正在从对面车道穿过交叉口, 车辆

b 跟随 a 穿过交叉口. 在主车开始左转之前, 它识别到 a 拥有优先通行权, 并停车让 a 通过. 当 a 通过交叉口时, 主
b 发生碰撞. 第 2 个场景的安全违背由主车同样的错误引起.
车由于错误地计算了 b 的距离和速度而加速, 导致与

b
b
a b a
b
b
a EV
b
a EV EV EV
a
EV
EV a
图 8 安全违背类型 7 的两个示例

安全违背类型 10 示例: 如图 9 所示, 主车正在右转. 左侧垂直车道上的卡车 a 正在穿越. 当主车开始转弯时, a

正在靠近主车目的地旁边的车道. 主车减速并靠近右角右转, 与 a 保持安全距离. 然而, 当主车完成转弯后, 主车加
速并靠近车道标线, 没有考虑到 a 的体型过大, 导致发生碰撞.
3.5 实验分析-问题 3
为了比较 LEADE 与现有的采用遗传算法查找 Apollo 安全违背的最新技术的效果与效率, 我们在与 LEADE
相同的旧金山道路上运行 MOSAT、AV-Fuzzer 和 BehAVExplor. 为了公平起见, 在每次 24 h 的运行中, 3 种方法