Việc xác thực Hệ thống hỗ trợ người lái nâng cao được thực hiện bằng mô phỏng dựa trên kịch bản. Mô phỏng trong bối cảnh này có nghĩa là thiết bị điều khiển mà ADAS đang chạy trên đó hiện diện như một công cụ mô phỏng, chạy mã ECU thực và do đó việc mô phỏng phần mềm trong vòng lặp được thực hiện.
Các kịch bản được lấy từ các yêu cầu hệ thống, từ dự án nghiên cứu PEGASUS (Dự án chung phát triển các phương pháp mới để xác nhận và thử nghiệm ADAS) cũng như các quan sát từ hiện trường. Một kịch bản hợp lý thường là một tình huống giao thông cụ thể.
Ví dụ: việc di chuyển Đánh bài casino các vật thể khác bị cắt hoặc tình huống kẹt xe trên đường cao tốc như trong Hình 1. Để mô tả kịch bản logic như vậy, có thể sử dụng mô hình 6 lớp [Bock]. Đối với mục đích trình diễn, chỉ lớp đường (1) và lớp đối tượng chuyển động (4) được sử dụng để mô tả.
Những tình huống được gọi là cụ thể này do sự kết hợp các tham số khác nhau được mô phỏng và phản ứng Đánh bài casino hệ thống ADS được đánh giá. Điều này được thực hiện thông qua các tiêu chí đánh giá phản ánh mức độ quan trọng Đánh bài casino một kịch bản cụ thể.
Việc đáp ứng các yêu cầu về thiết kế sẽ đòi hỏi phải đảm bảo rằng sự phân tán Đánh bài casino tất cả các phản ứng quan trọng bằng sự dao động về hình học, vật liệu hoặc môi trường nằm trong giới hạn thiết kế có thể chấp nhận được. Với sự trợ giúp Đánh bài casino phân tích độ bền, độ phân tán này có thể được ước tính.
Trong phương pháp độ tin cậy, xác suất đạt đến giới hạn lỗi có được bằng cách tích hợp mật độ xác suất Đánh bài casino độ không đảm bảo trong miền lỗi.
Lấy mẫu, trong đó mật độ lấy mẫu được điều chỉnh để bao phủ đầy đủ miền lỗi và thu được ước tính xác suất chính xác hơn với ít lệnh gọi bộ giải hơn nhiều.
Các phương pháp khác như Phương pháp độ tin cậy bậc nhất hoặc bậc hai (FORM & SORM) vẫn hiệu quả hơn các phương pháp lấy mẫu bằng cách xấp xỉ ranh giới giữa miền an Đánh bài casino và miền thất bại, còn gọi là trạng thái giới hạn.
Ngược lại với phép tính gần đúng bậc thấp toàn cầu Đánh bài casino toàn bộ phản hồi, phép tính gần đúng trạng thái giới hạn xung quanh điểm lỗi có thể xảy ra nhất (MPP) chính xác hơn nhiều. Chúng tôi cung cấp một cái nhìn tổng quan về các phương pháp “cổ điển” này.
Trong nghiên cứu Đánh bài casino chúng tôi, chúng tôi đã nghiên cứu một số phương pháp. Một phương pháp đáng tin cậy và mạnh mẽ cho ứng dụng Đánh bài casino chúng tôi là chiến lược Lấy mẫu tầm quan trọng thích ứng.
Phương pháp này trở nên kém hiệu quả khi số lượng biến ngẫu nhiên ngày càng tăng do ước tính thống kê mật độ kém chính xác hơn. Do đó, nên áp dụng phương pháp này cho các bài toán có tối đa 20 biến ngẫu nhiên.
Hơn nữa, nó chỉ có thể phân tích một vùng lỗi chính. Trong các nghiên cứu Đánh bài casino chúng tôi, khi các loại phân phối rời rạc được sử dụng cùng với các biến ngẫu nhiên liên tục, chúng tôi đã quan sát thấy nỗ lực bằng số bổ sung để đạt được độ chính xác tương tự Đánh bài casino các ước tính xác suất sai sót như trong các bài toán liên tục thuần túy.
Điều này xảy ra do sự gián đoạn nhân tạo Đánh bài casino hàm trạng thái giới hạn trong không gian chuẩn tắc tiêu chuẩn như trong Hình 3 (xem trang trước). Ngay cả đối với các hàm trạng thái giới hạn liên tục, sự gián đoạn như vậy vẫn xảy ra do sự phân bố rời rạc.
Để khắc phục giới hạn Đánh bài casino một vùng lỗi chiếm ưu thế, chúng tôi đã mở rộng Lấy mẫu quan trọng bằng cách sử dụng Điểm thiết kế (ISPUD) theo mật độ đa phương thức theo [Geyer]. Mật độ lấy mẫu được sửa đổi có thể bao gồm một số mật độ lấy mẫu riêng lẻ tùy ý với các điểm trung tâm khác nhau và hiệp phương sai đơn vị trong không gian Gaussian.
Sau khi phát hiện được các vùng lỗi quan trọng nhất, các điểm lỗi có khả năng xảy ra cao nhất tương ứng sẽ được sử dụng làm trung tâm cho mật độ lấy mẫu trong phương pháp ISPUD đa phương thức. Do xác suất thất bại không được ước tính bằng FORM tương tự khoảng cách beta mà bằng Lấy mẫu tầm quan trọng chính xác hơn, nên ngay cả các hàm trạng thái giới hạn phi tuyến tính cũng có thể được đánh giá chính xác.
Ví dụ về ứng dụng
Trong ví dụ này, chúng tôi điều tra tình huống kết thúc ùn tắc trong đó một phương tiện bản ngã bao gồm một xe dẫn đầu lái đến điểm cuối chỗ tắc nghẽn giao thông trên đường cao tốc. Tại một thời điểm nhất định, xe dẫn đầu sẽ chuyển làn và xe bản ngã phải phát hiện xe cuối cùng bị kẹt xe để thực hiện phanh xe không gây tai nạn.
Trong phần mềm mô phỏng, Thời gian va chạm (TTC) được ước tính w.r.t. các tham số đầu vào đã cho.
Là phân tán đầu vào, chúng tôi giả sử chín thông số phân tán liên tục là tốc độ Đánh bài casino xe dẫn đầu và kết thúc ùn tắc, thời gian kéo ra, tốc độ phanh Đánh bài casino xe dẫn đầu cũng như độ lệch làn đường Đánh bài casino tình trạng ùn tắc giao thông và xe dẫn đầu. Số lượng làn đường, loại xe dẫn đầu và hướng di chuyển đã được mô hình hóa với sự phân bổ ngẫu nhiên rời rạc.
Để thực hiện phân tích và xác minh hiệu quả hơn, trong bước đầu tiên, siêu mô hình toàn cầu đã được tạo dựa trên 1000 mẫu. Để thu được nhiều mẫu hơn và do đó có độ chính xác cao hơn ở các khu vực liên quan, chiến lược thích ứng cục bộ đã được sử dụng (Siêu mô hình thích ứng của tiên lượng tối ưu, [Đánh bài casino Dynado, Most]).
Trong Hình 5 (xem trang trước) một không gian con Đánh bài casino siêu mô hình 12 chiều được hiển thị. Như được chỉ ra trong hình, tốc độ Đánh bài casino xe dẫn đầu và tốc độ ở cuối điểm kẹt xe là quan trọng nhất trong trường hợp này.
Trong Hình 6, sự hội tụ Đánh bài casino nhiều MẪU được hiển thị cho một giới hạn lỗi cụ thể. Có thể thấy, trình tối ưu hóa đã hội tụ các giá trị chỉ số độ tin cậy khác nhau, tương ứng với các điểm lỗi có thể xảy ra khác nhau.
Như đã chỉ ra, ISPUD đa phương thức là thuật toán hiệu quả nhất, đặc biệt đối với các xác suất lỗi nhỏ, vốn là trường ứng dụng dự kiến. Trong Hình 7, mật độ lấy mẫu quan trọng được hiển thị cho ba tham số quan trọng nhất trong không gian tham số ban đầu.
Vì phương pháp FORM chỉ được áp dụng trên siêu mô hình nên cần có tất cả 1000 mẫu cho siêu mô hình cộng với 5000 mẫu. Tuy nhiên, ước tính bằng bộ giải thực cho thấy xác suất thất bại lớn hơn nhiều so với ước tính bằng siêu mô hình.
Chúng tôi luôn áp dụng phương pháp ISPUD bằng cách sử dụng bộ giải trực tiếp. Nếu các điểm lỗi có thể xảy ra nhất không được ước tính rất chính xác thì chúng tôi vẫn thu được kết quả hợp lệ vì thuật toán ISPUD đang chạy mẫu cho đến khi đạt được độ chính xác nhất định Đánh bài casino xác suất lỗi ước tính.
Cuối cùng, chúng tôi điều tra ảnh hưởng Đánh bài casino độ chính xác Đánh bài casino các điểm lỗi có thể xảy ra nhất thu được. Với mục đích này, chúng tôi sử dụng lại siêu mô hình bằng cách xem xét giới hạn lỗi là 0,5 giây cho thời gian xảy ra va chạm.
Do đó, cần ít mẫu hơn để đạt được độ chính xác yêu cầu là 10%. Trong trường hợp khác, khi các điểm sai sót ước tính và do đó các điểm trung tâm Đánh bài casino mật độ lấy mẫu quan trọng nằm quá xa trong vùng an toàn thì số lượng mẫu trong vùng không an toàn sẽ giảm và do đó tổng số mẫu cần thiết trong ISPUD tăng lên.
Trong bài viết này, chúng tôi đã trình bày một phương pháp tự động để đánh giá độ tin cậy Đánh bài casino các tình huống giao thông cụ thể nhằm xác thực Hệ thống hỗ trợ người lái nâng cao. Trong phân tích này, thiết bị điều khiển được thể hiện dưới dạng mô hình mô phỏng sử dụng công nghệ phần mềm trong vòng lặp.
Đầu vào cụ thể Đánh bài casino bộ điều khiển mô phỏng này được mô hình hóa dưới dạng đầu vào ngẫu nhiên trong phân tích ngẫu nhiên. Dựa trên định nghĩa về tiêu chí lỗi, các thuật toán có độ tin cậy đã biết rõ có thể được áp dụng.
Dựa trên ước tính lỗi đáng tin cậy, chúng tôi có thể đảm bảo rằng vòng lặp lấy mẫu được tiếp tục cho đến khi đạt được độ chính xác cần thiết Đánh bài casino ước tính xác suất. Cách tiếp cận được trình bày cho phép chứng minh độ tin cậy tự động Đánh bài casino Hệ thống hỗ trợ người lái nâng cao cho một tình huống cụ thể với đầu vào thủ công tối thiểu.
