《表3 自动驾驶汽车测试方法原理及特点概述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高等级自动驾驶汽车虚拟测试：研究进展与前沿》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于HAV还未大规模推广普及，现有的汽车虚拟测试方法研究主要面向于ADAS虚拟测试，常用测试方法包括测试矩阵法（Test Matrix）、最差场景评估法（Worst Case Scenario Evaluation）和蒙特卡洛仿真法（Monte Carlo Simulation）。其中，测试矩阵法基于明确的测试框架，对测试场景进行排序并依次测试；代表性项目如前向避撞预警系统的CAMP（Crash Avoidance Metrics Partnership）[52]。最差场景评估法通过ADAS使用边界条件的设定和效应函数（Cost Function）的优化，基于预警功能的单调变化特征抽取最具挑战性的场景开展测试。蒙特卡洛仿真法则基于实车采集数据，通过蒙特卡洛仿真生成的场景开展随机性测试：Woodrooffe等[53]基于自然驾驶数据随机生成150万个前向碰撞场景；Yang等[54]则通过随机错误驾驶行为模型的构建对车道偏离预警系统等进行验证。表3列举了不同虚拟测试方法的原理及特点。