1.1 自動駕駛測試場景的構成

1.1.1 構成框架

該圖引用國汽智聯(lián)材料

1.1.2 場景來源

• 真實駕駛記錄場景

• 專家經(jīng)驗構建場景（先驗知識）

1.1.3 真實駕駛場景來源

• 真實駕駛場景處理流程：

該圖引用國汽智聯(lián)材料 

• 場景記錄場景：

該圖引用國汽智聯(lián)材料

• 專家經(jīng)驗構建：

1.2 通過多個分析維度構建自動泊車測試用例框架

該圖引用論文《智能汽車自主泊車系統(tǒng)測試方法》蒙昊藍等

1.3 由測試場景演變出具體的測試用例

該圖引用豐田研究員會議材料

1.4 整車系統(tǒng)級測試工作的開展

• 由對的人，在對的地點，對待測試的車輛，使用準確的測試工具，安全的開展測試，詳細的記錄測試過程。

1.5 分析測試結果的原則

1.5.1 SOTIF——開發(fā)原則

1.5.2 SOTIF——開發(fā)目標（安全導向、功能導向）

1.5.3 接管嚴重性等級劃分

1.6 分層測試和工具鏈

1.6.1 分層測試

該圖引用中汽中心會議材料

1.6.2 測試工具鏈

該圖引用中汽中心會議材料

測試和數(shù)據(jù)

2.1 測試驅動開發(fā)體系

2.2 測試和數(shù)據(jù)的關系總結

目前AI是以深度學習為主流技術，該技術需要有算法模型和數(shù)據(jù)。對于數(shù)據(jù)來說，需要滿足幾個條件：1、數(shù)據(jù)的標注方式適用于數(shù)據(jù)驅動的算法模型；2、數(shù)據(jù)需要在應用場景中有合理分布；3、算法表現(xiàn)不好的方面，需要有對應數(shù)據(jù)不斷擴充；

測試和數(shù)據(jù)的關系總結：