Việc xác thực Cờ bạc trực tuyến hệ thống hỗ trợ trình điều khiển nâng cao được thực hiện với một mô phỏng dựa trên kịch bản. Mô phỏng trong bối cảnh này có nghĩa là thiết bị điều khiển, trên đó ADA đang chạy, có mặt dưới dạng công cụ mô phỏng, chạy mã ECU thực và do đó thực hiện mô phỏng phần mềm trong vòng lặp được thực hiện.
Cờ bạc trực tuyến kịch bản có nguồn gốc từ Cờ bạc trực tuyến yêu cầu của hệ thống, từ dự án nghiên cứu Pegasus (dự án chung để phát triển Cờ bạc trực tuyến phương pháp mới để xác nhận và thử nghiệm ADA) cũng như Cờ bạc trực tuyến quan sát từ lĩnh vực này. Một kịch bản logic thường là một tình huống giao thông cụ thể.
Ví dụ, việc cắt giảm trong Cờ bạc trực tuyến đối tượng khác hoặc tình huống kết thúc mứt trên đường cao tốc như trong Hình 1. Để mô tả một kịch bản logic như vậy, mô hình 6 lớp có thể được sử dụng [Bock]. Đối với mục đích trình diễn, chỉ có lớp đường (1) và lớp đối tượng chuyển động (4) được sử dụng cho mô tả.
Những trường hợp được gọi là Cờ bạc trực tuyến kịch bản cụ thể do Cờ bạc trực tuyến kết hợp tham số khác nhau được mô phỏng và phản ứng hệ thống của ADS được đánh giá. Điều này được thực hiện thông qua Cờ bạc trực tuyến tiêu chí đánh giá phản ánh mức độ quan trọng của một kịch bản cụ thể.
thỏa mãn Cờ bạc trực tuyến yêu cầu thiết kế sẽ đòi hỏi phải đảm bảo rằng sự phân tán của tất cả Cờ bạc trực tuyến phản ứng quan trọng bằng cách biến động biến đổi hình học, vật liệu hoặc môi trường nằm trong giới hạn thiết kế chấp nhận được. Với sự trợ giúp của phân tích độ bền, sự phân tán này có thể được ước tính.
Trong phương pháp độ tin cậy, xác suất đạt được giới hạn thất bại có được bằng cách tích hợp mật độ xác suất của độ không đảm bảo trong miền thất bại.
194899_195075
195084_195314
Trái ngược với xấp xỉ thứ tự thấp toàn cầu của toàn bộ phản hồi, sự gần đúng của trạng thái giới hạn xung quanh điểm thất bại có thể xảy ra nhất (MPP) là chính xác hơn nhiều. Một cái nhìn tổng quan tốt về Cờ bạc trực tuyến phương pháp cổ điển của người Viking này được đưa ra.
Trong nghiên cứu của chúng tôi, chúng tôi đã điều tra một số phương pháp. Một phương pháp đáng tin cậy và mạnh mẽ cho ứng dụng của chúng tôi là chiến lược lấy mẫu tầm quan trọng thích ứng.
Phương pháp này trở nên không hiệu quả với việc tăng số lượng biến ngẫu nhiên do Cờ bạc trực tuyến ước tính ít chính xác hơn về số liệu thống kê mật độ. Do đó, nên áp dụng phương pháp này cho Cờ bạc trực tuyến vấn đề với tối đa hai mươi biến ngẫu nhiên.
Hơn nữa, nó chỉ có thể phân tích một vùng thất bại chiếm ưu thế. Trong Cờ bạc trực tuyến nghiên cứu của chúng tôi, trong đó Cờ bạc trực tuyến loại phân phối riêng biệt đã được sử dụng cùng với Cờ bạc trực tuyến biến ngẫu nhiên liên tục, chúng tôi đã quan sát thấy một nỗ lực số bổ sung để có được độ chính xác tương tự của Cờ bạc trực tuyến ước tính xác suất thất bại như trong Cờ bạc trực tuyến vấn đề liên tục thuần túy.
Điều này được gây ra trong sự gián đoạn nhân tạo của hàm trạng thái giới hạn trong không gian bình thường tiêu chuẩn như trong Hình 3 (xem trang trước). Ngay cả đối với Cờ bạc trực tuyến chức năng trạng thái giới hạn liên tục, sự không liên tục xảy ra do Cờ bạc trực tuyến phân phối riêng biệt.
Theo thứ tự để khắc phục giới hạn của một vùng thất bại chiếm ưu thế, chúng tôi đã mở rộng lấy mẫu tầm quan trọng bằng cách sử dụng Cờ bạc trực tuyến 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 lượng mật độ lấy mẫu riêng lẻ tùy ý với Cờ bạc trực tuyến điểm trung tâm khác nhau và hiệp phương sai đơn vị trong không gian Gaussian.
Sau Cờ bạc trực tuyến vùng thất bại quan trọng nhất đã được phát hiện, Cờ bạc trực tuyến điểm thất bại có thể xảy ra tương ứng nhất 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 bởi dạng tương tự khoảng cách beta nhưng bằng cách lấy mẫu tầm quan trọng chính xác hơn, ngay cả Cờ bạc trực tuyến chức năng trạng thái giới hạn phi tuyến tính cũng có thể được đánh giá chính xác.
Ví dụ ứng dụng
Trong ví dụ này, chúng tôi điều tra kịch bản cuối cùng trong đó một chiếc xe bản ngã bao gồm cả một chiếc xe dẫn đến cuối đường giao thông trên đường cao tốc. Vào một thời điểm nhất định, xe dẫn đầu sẽ thay đổi làn đường và phương tiện EGO phải phát hiện chiếc xe cuối cùng của mứt để thực hiện phanh không có tai nạn.
Trong phần mềm mô phỏng, thời gian va chạm (TTC) được ước tính W.R.T. Cờ bạc trực tuyến tham số đầu vào đã cho.
Khi phân tán đầu vào, chúng tôi giả sử chín thông số tán xạ liên tục như xe dẫn đầu và tốc độ cuối mứt, kéo ra thời gian, dẫn đầu giảm tốc độ phanh xe cũng như độ lệch làn đường của kẹt xe và xe dẫn đầu. Số lượng làn đường đường, lớp xe chính và hướng rút ra đã được mô hình hóa với Cờ bạc trực tuyến phân phối ngẫu nhiên riêng biệt.
Để thực hiện phân tích và xác minh hiệu quả hơn, trong bước đầu tiên, mô hình meta toàn cầu đã được tạo dựa trên 1000 mẫu. Để có được nhiều mẫu hơn và do đó độ chính xác cao hơn ở Cờ bạc trực tuyến khu vực liên quan, một chiến lược thích ứng cục bộ đã được sử dụng (metamodel thích ứng của tiên lượng tối ưu, [ANSYS Dynardo, hầu hết]).
Trong Hình 5 (xem trang trước) Một không gian con của mô hình meta 12 chiều được hiển thị. Như được chỉ ra trong hình, tốc độ xe dẫn và tốc độ cuối mứt là quan trọng nhất trong kịch bản này.
Trong Hình 6, sự hội tụ của nhiều hình thức được hiển thị cho một giới hạn thất bại cụ thể. Có thể thấy rằng trình tối ưu hóa hội tụ đến Cờ bạc trực tuyến giá trị chỉ số độ tin cậy khác nhau, tương ứng với Cờ bạc trực tuyến điểm thất bại có thể xảy ra nhất khác nhau.
Như đã chỉ ra, ISPUD đa phương thức là thuật toán hiệu quả nhất, đặc biệt đối với xác suất thất bại nhỏ, là trường ứng dụng dự kiến. Trong Hình 7, mật độ lấy mẫu tầm quan trọng được hiển thị cho ba tham số quan trọng nhất trong không gian tham số Orginal.
Vì phương pháp biểu mẫu chỉ được áp dụng trên mô hình meta, tất cả Cờ bạc trực tuyến mẫu cùng nhau 1000 mẫu cho mô hình meta cộng với 5000 mẫu là cần thiết. Tuy nhiên, Cờ bạc trực tuyến ước tính với bộ giải thực cho thấy xác suất thất bại lớn hơn nhiều như ước tính bằng mô hình meta.
Chúng tôi luôn áp dụng phương pháp ISPUD bằng cách sử dụng bộ giải trực tiếp. Nếu Cờ bạc trực tuyến điểm thất bại có thể xảy ra nhất không được ước tính chính xác, chúng tôi vẫn có được kết quả hợp lệ do Cờ bạc trực tuyến thuật toán ISPUD đang chạy lấy mẫu cho đến khi có được độ chính xác nhất định của xác suất thất bại ước tính.
Cuối cùng, chúng tôi điều tra ảnh hưởng của độ chính xác của Cờ bạc trực tuyến điểm thất bại có thể xảy ra nhất. Với mục đích này, chúng tôi sử dụng một lần nữa metamodel bằng cách xem xét giới hạn thất bại 0,5S cho thời gian va chạm.
Do đó, ít mẫu hơn là cần thiết để có được độ chính xác cần thiết là 10%. Trong trường hợp khác, khi Cờ bạc trực tuyến điểm thất bại ước tính và do đó, Cờ bạc trực tuyến điểm trung tâm của mật độ lấy mẫu tầm quan trọng nằm quá xa trong khu vực an toàn, số lượng mẫu trong khu vực không an toàn giảm và do đó tổng số mẫu bắt buộc trong ISPUD tăng.
Trong bài báo này, chúng tôi đã trình bày một cách tiếp cận tự động để đánh giá độ tin cậy của Cờ bạc trực tuyến kịch bản giao thông cụ thể để xác nhận Cờ bạc trực tuyến hệ thống hỗ trợ lái xe nâng cao. Trong phân tích này, thiết bị điều khiển được biểu diễn dưới dạng mô hình mô phỏng bằng công nghệ phần mềm trong vòng lặp.
Đầu vào cụ thể của bộ điều khiển mô phỏng này được mô hình hóa thành đầu vào ngẫu nhiên trong phân tích ngẫu nhiên. Dựa trên định nghĩa về một tiêu chí thất bại, Cờ bạc trực tuyến thuật toán độ tin cậy có thể được áp dụng.
Dựa trên ước tính lỗi tự tin, chúng tôi có thể đảm bảo rằng vòng lặp lấy mẫu được tiếp tục cho đến khi có được độ chính xác cần thiết của ước tính xác suất. Cách tiếp cận được trình bày cho phép bằng chứng độ tin cậy tự động của hệ thống hỗ trợ trình điều khiển nâng cao cho một kịch bản cụ thể với đầu vào thủ công tối thiểu.
