CN109900494A - 一种测试用例的生成方法 - Google Patents

Abstract

本发明涉及一种测试用例的生成方法。该测试用例的生成方法适用于车辆行驶测试，包括以下步骤：第一步，采集场景数据，场景数据包括车辆在自然驾驶状态下出现危险工况或事故工况时的外部数据和内部数据；第二步，数据归类，将相同类型的场景数据集中在一起形成多组数据基；第三步，数据分析，依据危险工况或事故工况发生时的触发点对数据基进行多次投影收敛形成测试用例。本发明提出的一种测试用例的生成方法，能生成随机的测试用例，确保车辆评测的客观性，提升测评有效性。

Description

一种测试用例的生成方法

技术领域

本发明涉及车辆测试技术领域，尤其涉及一种适用于车辆行驶测试的测试用例的生成方法。

背景技术

随着智能网联技术的进步，对智能网联汽车或者相关智能产品的客观评测越来越急需。目前，已有的一些网联车辆评测方法，都是基于特定的条件下，只是做一些功能上的验证。车辆即使按照现有评测方法通过了测试，也远远达不到智能网联汽车需要满足复杂环境的工作要求，也不能区分出不同车辆的好差，更不能让用户相信车辆的安全性。

由于评测中采用的测试用例都是基于特定的条件下进行，一旦熟悉了当前的评测用例，车辆生产厂家便可以针对这些具体的测试用例来进行测试车辆的专门设置，从而获得较佳的评测效果。总体来说，在当前缺乏有效的评测标准的环境下，导致在车辆的性能、消费者接受度、中国工况适应性等方面不能对智能网联汽车进行客观有效评估。

发明内容

针对现有技术的上述问题，本发明提出了一种测试用例的生成方法，能生成随机的测试用例，确保车辆评测的客观性，提升测评有效性。

具体地，本发明提出了一种测试用例的生成方法，适用于车辆行驶测试，所述生成方法包括以下步骤：

第一步，采集场景数据，所述场景数据包括车辆在自然驾驶状态下出现危险工况或事故工况时的外部数据和内部数据；

第二步，数据归类，将相同类型的所述场景数据集中在一起形成多组数据基；

第三步，数据分析，依据所述危险工况或事故工况发生时的触发点选取一定数量的所述数据基进行多次投影收敛。

根据本发明的一个实施例，通过所述车辆上装设的数据采集设备来记录所述外部数据和内部数据，所述外部数据包括所述车辆在车道上的位置，人行横道位置，是否包含字符标识信息，与前方车辆、行人以及障碍物的距离及碰撞时间；所述内部数据包括所述车辆的速度、加速度、油门、刹车、行驶轨迹、行驶时间及行驶里程。

根据本发明的一个实施例，所述数据采集设备是视频传感器、雷达传感器、T-BOX中的一种或几种。

根据本发明的一个实施例，依据分类规则对所述场景数据进行数据归类，所述分类规则包括所述车辆的行驶速度、加速度、碰撞时间、检测类型、道路标识、道路类型及天气状况。

根据本发明的一个实施例，所述投影收敛包括如下步骤：

S1、将每组数据基投影到同一水平轴线上；

S2、分割提取出分布最密的范围形成收敛区域；

S3、将收敛区域内的所述数据基中除所述触发点以外的数据进行取均值。

根据本发明的一个实施例，所述数据分析包括三次投影收敛，所述数据基通过第一次投影收敛形成一级数据，所述一级数据通过第二次投影收敛形成二级数据，所述二级数据通过第三次投影收敛形成所述测试用例。

根据本发明的一个实施例，所述触发点是紧急刹车点、碰撞点或压线点所对应的时刻。

根据本发明的一个实施例，所述生成方法还包括，

第四步，判断所述测试用例是否重复，将生成的所述测试用例与已经使用过的测试用例比较，若相同则返回第三步。

根据本发明的一个实施例，在第一步中包括将所获得的外部数据和内部数据还原至自然驾驶状态下出现危险工况或事故工况时的真值数据。

本发明提供的一种测试用例的生成方法，从自然驾驶状态下获取场景数据，经数据归类和数据分析，最终获得的测试用例能确保车辆评测的客观性，提升测评有效性。

应当理解，本发明以上的一般性描述和以下的详细描述都是示例性和说明性的，并且旨在为如权利要求所述的本发明提供进一步的解释。

附图说明

包括附图是为提供对本发明进一步的理解，它们被收录并构成本申请的一部分，附图示出了本发明的实施例，并与本说明书一起起到解释本发明原理的作用。附图中：

图1示出了本发明的一个实施例的测试用例的生成方法的流程框图。

图2示出了本发明的一个实施例的测试用例的生成方法中的投影收敛的示意图。

图3示出了本发明的一个实施例的测试用例的生成方法中生成测试用例的简要示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本申请的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本申请保护范围的限制。此外，尽管本申请中所使用的术语是从公知公用的术语中选择的，但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本申请。

图1示出了本发明的一个实施例的测试用例的生成方法的流程框图。如图所示，本发明提供的一种测试用例的生成方法100适用于车辆行驶测试，该测试用例的生成方法包括以下步骤：

步骤110，采集场景数据。场景数据包括车辆在自然驾驶状态下出现危险工况或事故工况时的数据，这些数据包括车辆外部数据和车辆内部数据。场景数据的采集能范围保证测试用例的来源可追溯、有依据，并能保证测试结果可对比性，增加了车辆评测的说服力。

步骤120，数据归类。数据归类是将相同类型的场景数据集中在一起形成多组数据基。

步骤130，数据分析。依据危险工况或事故工况发生时的触发点，选取一定数量的数据基进行多次投影收敛，从而形成测试用例。

本发明提供的一种测试用例的生成方法100从自然驾驶状态下获取场景数据，经数据归类和数据分析后得到的测试用例能确保车辆评测的客观性，提升测评有效性。

较佳地，车辆外部数据和车辆内部数据是通过车辆上装设的数据采集设备来记录的。其中，车辆外部数据通常包括车辆自身以外的数据，这些数据包括车辆在车道上的位置，人行横道位置，是否包含字符标识信息，与前方车辆、行人以及障碍物的距离及碰撞时间。车辆内部数据通常是指车辆自身的数据，包括车辆行驶的速度、加速度、油门、刹车、行驶轨迹、行驶时间及行驶里程。更佳地，数据采集设备可以是视频传感器、雷达传感器、T-BOX中的一种或几种。视频传感器用于实现对视频数据的记录，通过对车辆周边车道线的检测、前方车辆的检测、前方行人的检测、前方障碍物的检测结果，记录本车辆与行驶所在道路的路面的关系。雷达传感器用于结合对雷达的反射距离，反射角度的记录，以确定车辆在车道中的位置，是否位于人行横道，是否包含字符标识信息，与前方车辆、行人以及障碍物的距离、碰撞时间等信息。车载T-BOX可深度读取车辆Can总线数据和私有协议，常规的，T-box终端具有双核处理的OBD模块，双核处理的CPU构架，分别采集车辆总线Dcan、Kcan、PTcan相关的总线数据和私有协议反向控制，通过GPRS网络将数据传出到云服务器，提供车况报告、行车报告、油耗统计、故障提醒、违章查询、位置轨迹、驾驶行为、安全防盗、预约服务、远程找车、利用手机控制汽车门、窗、灯、锁、喇叭、双闪、反光镜折叠、天窗、监听中控警告和安全气囊状态等。T-BOX用于采集车内数据，包括车辆的速度、加速度、油门、刹车、行驶轨迹、行驶时间、行驶里程等信息，主要实现对车辆的行驶状态的数据采集。

较佳地，在步骤110中还包括将所获得的外部数据和内部数据还原至自然驾驶状态下出现危险工况或事故工况时的真值数据。采集的场景数据为真值数据。

较佳地，在步骤120中，依据分类规则对场景数据进行数据归类。分类规则包括车辆的行驶速度、加速度、碰撞时间、检测类型、道路标识、道路类型及天气状况。分类规则的具体内容举例如下：

行驶速度可分为：低速、中速、高速；

加速度和碰撞时间可分为：轻度碰撞、中度碰撞、剧烈碰撞；

检测类型可分为：跟车、超车、变道、目标车插入、危险碰撞等类型；

道路标识可分为：无标识、有字符、有人行横道；

道路类型可分为：高速、高架、一般道路；

天气状况可分为：晴、多云、阴天、小雨、中雨。

图2示出了本发明的一个实施例的测试用例的生成方法中的投影收敛的示意图。投影收敛包括如下步骤：

S1、将每组数据基投影到同一水平轴线X上；

S2、分割提取出分布最密的范围形成收敛区域A；

S3、将收敛区域A内的数据基中除触发点以外的数据进行取均值。

投影收敛用来消除因单组数据基的误差而造成的测试用例不客观性，从而生成一组新的可用于进行车辆测试用的数据集。

较佳地，在步骤130中的触发点是车辆的紧急刹车点、碰撞点或压线点所对应的时刻。

图3示出了本发明的一个实施例的测试用例的生成方法中生成测试用例的简要示意图。在该数据分析步骤中包括了三次投影收敛。数据基通过第一次投影收敛形成一级数据，一级数据通过第二次投影收敛形成二级数据，二级数据通过第三次投影收敛形成测试用例。

以下结合所有附图来具体描述本发明的测试用例的生成方法，由该方法获得的测试用例适用于智能网联汽车客观评测。首先，采集自然驾驶状态下的车辆内外数据，将所获得的车辆外部数据和车辆内部数据还原至自然驾驶状态下出现危险工况或事故工况时的真值数据。

根据分类规则，例如行车速度范围{30～50、50～70、70～90、90～110、110以上}、碰撞剧烈程度范围{轻度碰撞、中度碰撞、剧烈碰撞}、检测类型范围{跟车、超车、变道、目标车插入、危险碰撞}、道路标识范围{无标识、有字符、有人行横道}、道路类型范围{高速、高架、一般道路}、天气状况范围{晴、多云、阴天、小雨、中雨}等系列要求，就能通过对采集的场景数据进行分类，形成多组数据基。

在本测试用例的生成方法中的数据分析步骤采用三级计算方式。参考图3，一级数据以数据分类后获得的数据基为输入，其中，数据基包含的内容为{本车辆所处的车道位置，路面时否是人行横道，路面是否包含字符标识信息，与前方车辆、行人以及障碍物的距离、碰撞时间，本车辆的速度、加速度、油门、刹车、行驶轨迹、行驶时间、行驶里程等信息，实现对本车行驶状态的采集}；选取一定数量的数据基，例如n组，可以是100组、1000组更其它合适数量的数据基。在本实施例中，按照[10,100]条数据，如{数据基1，数据基2，……，数据基n}，其中n∈[10,100]，具体数值由认为设定，或系统随机确定。按照图2的投影收敛方式，将n条数据基以采集到的触发点，根据检测类型{跟车、超车、变道、目标车插入、危险碰撞}，选择相应的触发点所对应的时刻，如跟车，选择碰撞点，超车、变道、目标车插入选择压线点，危险碰撞选择紧急刹车点，将n条数据基对齐在同一参考时间轴上，投影到同一水平轴线X上进行投影分割，提取出分布最密的范围，形成收敛区域A。再对收敛区域A内的数据基中其他数据进行取均值，从而生成一级数据；再以所生成的一级数据为输入数据，按照[10,100]条形成一组新的数据，如{一级数据1，一级数据2，……，一级数据n}，其中n∈[10,100]，同样按照图2的收敛方式，生成二级数据，其生成方式与一级数据的生成方式相同；最后以生成的二级数据为输入数据，按照[10,100]条形成一组新的数据，如{二级数据1，二级数据2，……，二级数据n}，其中n∈[10,100]，再次按照图2的收敛方式，生成基于抽检方式的测试用例。生成方法100通过数据归类及三级投影收敛的数据分析来获得测试用例。由于数据场景不断更新，以及在数据分析步骤中选取数量的随机性，可以保证获得的测试用例来确保车辆评测的客观性，提升测评有效性。

较佳地，在生成测试用例后，可以同时删除中间过程所产生一级数据和二级数据。

较佳地，参考图1，生成方法100还包括步骤140，用于判断测试用例是否重复。虽然按照该方法生成的测试用例重复的可能性非常小，但是如果确实遇到，则还可以通过该比较步骤来去除重复的测试用例。具体来说，将已经生成的测试用例与之前已经使用过的测试用例比较，若相同则返回步骤130重新进行数据分析，再经过多次投影收敛，以生成新的测试用例。

本领域技术人员可显见，可对本发明的上述示例性实施例进行各种修改和变型而不偏离本发明的精神和范围。因此，旨在使本发明覆盖落在所附权利要求书及其等效技术方案范围内的对本发明的修改和变型。

Claims (9)

1.一种测试用例的生成方法，适用于车辆行驶测试，所述生成方法包括以下步骤：

第一步，采集场景数据，所述场景数据包括车辆在自然驾驶状态下出现危险工况或事故工况时的外部数据和内部数据；

第二步，数据归类，将相同类型的所述场景数据集中在一起形成多组数据基；

第三步，数据分析，依据所述危险工况或事故工况发生时的触发点选取一定数量的所述数据基进行多次投影收敛。

2.如权利要求1所述的测试用例的生成方法，其特征在于，通过所述车辆上装设的数据采集设备来记录所述外部数据和内部数据，所述外部数据包括所述车辆在车道上的位置，人行横道位置，是否包含字符标识信息，与前方车辆、行人以及障碍物的距离及碰撞时间；所述内部数据包括所述车辆的速度、加速度、油门、刹车、行驶轨迹、行驶时间及行驶里程。

3.如权利要求2所述的测试用例的生成方法，其特征在于，所述数据采集设备是视频传感器、雷达传感器、T-BOX中的一种或几种。

4.如权利要求1所述的测试用例的生成方法，其特征在于，依据分类规则对所述场景数据进行数据归类，所述分类规则包括所述车辆的行驶速度、加速度、碰撞时间、检测类型、道路标识、道路类型及天气状况。

5.如权利要求1所述的测试用例的生成方法，其特征在于，所述投影收敛包括如下步骤：

S1、将每组数据基投影到同一水平轴线上；

S2、分割提取出分布最密的范围形成收敛区域；

S3、将收敛区域内的所述数据基中除所述触发点以外的数据进行取均值。

6.如权利要求5所述的测试用例的生成方法，其特征在于，所述数据分析包括三次投影收敛，所述数据基通过第一次投影收敛形成一级数据，所述一级数据通过第二次投影收敛形成二级数据，所述二级数据通过第三次投影收敛形成所述测试用例。

7.如权利要求5所述的测试用例的生成方法，其特征在于，所述触发点是紧急刹车点、碰撞点或压线点所对应的时刻。

8.如权利要求1所述的测试用例的生成方法，其特征在于，所述生成方法还包括，

第四步，判断所述测试用例是否重复，将生成的所述测试用例与已经使用过的测试用例比较，若相同则返回第三步。

9.如权利要求1所述的测试用例的生成方法，其特征在于，在第一步中包括将所获得的外部数据和内部数据还原至自然驾驶状态下出现危险工况或事故工况时的真值数据。