配備自動系統(tǒng)的半自動駕駛汽車已經(jīng)上路，這些系統(tǒng)的軟件作為車輛的核心組件，必須持續(xù)可靠地滿足高質(zhì)量標(biāo)準(zhǔn)。據(jù)外媒報道，來自格拉茨工業(yè)大學(xué)（TU Graz）軟件技術(shù)研究所的Franz Wotawa及其團隊與AVL信息物理系統(tǒng)測試團隊合作，采用自適應(yīng)控制方法，自動生成廣泛的仿真測試場景和系統(tǒng)內(nèi)部誤差補償，從而保證自動駕駛安全。

　　僅依賴測試駕駛并不能為自動駕駛系統(tǒng)的安全性提供足夠保障。Franz Wotawa解釋稱，“自動駕駛車輛必須行駛大約2億公里才能證明其可靠性，尤其是在發(fā)生事故的情況下，比傳統(tǒng)汽車測試公里數(shù)多1萬倍。然而，對生命有危險的關(guān)鍵測試場景并不能在真實測試駕駛中重現(xiàn)。因此，自動駕駛系統(tǒng)必須通過仿真測試其安全性?！?br />

　　Wotawa表示，“盡管目前的測試覆蓋了許多場景，但問題是這些測試是否足夠，以及是否考慮了所有可能的事故場景?！眮碜訟VL的Mihai Nica強調(diào)，“為了測試高度自動駕駛系統(tǒng)，需要重新思考汽車行業(yè)如何驗證和認證ADAS和自動駕駛系統(tǒng)。為此，AVL與TU Graz共同開發(fā)了一種獨特而高效的基于仿真和測試用例生成的方法和工作流，以證明自動系統(tǒng)的預(yù)期功能安全性（SOTIF）、質(zhì)量和系統(tǒng)完整性要求?！?/p>

　　項目團隊致力于開發(fā)創(chuàng)新方法，以模擬更多的測試場景。研究人員的方法使用本體（ontologies）描述自動駕駛車輛的環(huán)境，而無需駕駛數(shù)百萬公里。本體是機器系統(tǒng)中相關(guān)信息交換的知識庫。例如，各個系統(tǒng)單元的接口、行為和關(guān)系可以相互通信。在自動駕駛系統(tǒng)中，這些就是決策、交通描述或自動駕駛（autopilot）。Graz研究人員使用駕駛場景環(huán)境的基本詳細信息，并將AVL提供的關(guān)于道路建設(shè)、十字路口等詳細信息輸入知識庫。通過使用AVL的測試用例生成算法，可以在仿真中測試自動駕駛系統(tǒng)的行為，從而生成駕駛場景。

　　作為EU AutoDrive項目的一部分，研究人員使用兩種算法將本體轉(zhuǎn)換為組合測試輸入模型，隨后可使用仿真環(huán)境執(zhí)行組合測試。研究人員表示，“在最初的實驗測試中，我們發(fā)現(xiàn)自動駕駛功能的嚴重缺陷。如果沒有這些自動生成的測試場景，就無法快速發(fā)現(xiàn)漏洞。在319個接收檢查的測試用例中，已有9個導(dǎo)致了事故?！崩?，在一個測試場景中，制動輔助系統(tǒng)未能同時探測到來自不同方向的兩個人，其中一人由于制動操作而遭受撞擊。Wotawa表示，“這意味著使用我們的方法，可以發(fā)現(xiàn)在現(xiàn)實中很難測試的測試場景?！?/p>

　　在發(fā)生故障或環(huán)境條件改變時，自動系統(tǒng)，尤其是自動駕駛系統(tǒng)必須能夠自我修正，并在任何時候可靠地達到給定的目標(biāo)狀態(tài)。 Franz Wotawa解釋道，“目前的半自動系統(tǒng)，如巡航控制，系統(tǒng)出現(xiàn)失誤時，駕駛員可以進行干預(yù)。而全自動駕駛汽車無需駕駛員干預(yù)，因此系統(tǒng)必須要能夠應(yīng)對各種情況?！?/p>

　　Franz Wotawa及其博士生Martin Zimmermann提出了一種控制方法，可以自適應(yīng)補償軟件系統(tǒng)中的內(nèi)部錯誤。該方法在提供一定冗余度的前提下，選擇備選動作，以達到預(yù)定目標(biāo)狀態(tài)。行動選擇基于隨時間調(diào)整的權(quán)重模型，并度量已執(zhí)行的特定行動的成功率。此外，研究人員還提出了一個Java操作，并通過兩個案例研究進行了驗證。