智駕場景生成及覆蓋率分析

        隨著智能駕駛發展，其在實際應用中需應對的行駛環境狀況也越來越復雜，包括行駛道路、周邊交通和氣象條件等諸多因素，具有較強的不確定性、難以重復、不可預測和不可窮盡。限于研發周期和成本、工況復雜多樣性，特別是安全因素的考慮，傳統的開放道路測試試驗或基于封閉試驗場的測試難以滿足智能駕駛系統可靠性與魯棒性的測試要求?；诖?，借助軟件及模型的方法和技術手段，可以在智駕系統開發測試過程中實現場景的描述，并結合場景測試覆蓋度的要求，進行有效覆蓋分析，確保測試的充分性和智駕系統的安全性。

        OpenSCENARIO定義了一個標準的仿真測試場景格式，具體用于描述駕駛模擬應用程序中動態內容，兼容不同的仿真測試軟件。適用場景主要包括動作、軌跡（多段線、回旋線）、車輛（幾何、類型、軸、性能）、駕駛員（狀態）、環境（天氣、時間、路況）等。而在OpenSCENARIO 2.0中，將M-SDL（可測量的場景描述語言）納入到其標準數據描述語言系列中。

        借助覆蓋度驅動分析方法及場景描述語言M-SDL，可實現智駕場景的代碼級描述，同時可基于參數配置及約束實現場景泛化，實現對數百萬種不同場景下進行大規模測試，從而驗證自動駕駛車輛在其指定的運營設計領域設計運行域(ODD)中可能遇到的情況，可解決場景構建過程中數量不足、覆蓋條件不充分及有效性差的問題，進而可識別場景中的Edge case&Corner case?；诖a描述的場景可被用于智駕開發測試的各個環節，保證場景數據的一致性，同時基于覆蓋度驅動分析方法可實現場景的覆蓋率分析，以驗證場景測試的充分性和有效性。

場景的覆蓋率分析（場景測試KPI分析）

        該解決方案的特點：

• 在開發的初期即可發現系統缺陷、邊緣條件及未知領域
• 有助于防止由于設計缺陷（有些缺陷甚至是致命的）而帶來的高成本的召回
• 通過自動化和基于驗證目標的方法來取代場景生成和分析所需的低效高昂的傳統人工勞動
• 通過使用經過實踐證明的的方法學，系統化地處理無限場景空間，以達到更加有效，更加快捷的測試完備性收斂
• 通過使用格式統一的面板顯示及在所有在測試執行平臺上使用同一可量化，可衡量的覆蓋率驅動驗證方法學，從而達到測試過程中完全通透的可視化