场景测试方法、装置、电子设备及存储介质

本申请涉及计算机，具体而言，本申请涉及一种场景测试方法、装置、电子设备及存储介质。

背景技术：

1、场景测试是一种软件测试方法，通过模拟不同的使用情境或场景来验证系统在各种情况下的性能和稳定性。例如，在自动驾驶汽车的研发和应用过程中，为了确保自动驾驶系统在各种可能的场景下均能安全运行，需要对其在在复杂环境下进行场景测试。

2、现有的场景测试方法中专家经验法通过对造成危险的因素进行分析和归纳，总结出行为模式和场景条件，手动构造潜在的危险场景。然而这种方法依赖于专家的经验和直觉，但在不同功能场景下表现不均衡，且在复杂环境下难以保证关键危险场景的完备性。数据驱动法利用大型交通数据集，通过数据挖掘技术发现危险特征，生成对抗性场景。这种方法但其性能受限于交通场景数据的丰富度和质量，对于复杂环境下的场景测试效率低。。

3、优化搜索法将危险场景的构建问题转化为优化问题，在定义的参数空间中搜索最优解集。在用于自动驾驶对抗性测试场景搜索时难以较好地适应对抗性场景在目标空间下稀疏分布的挑战，因而效率低下。

4、由上可知，如何提高场景测试的效率仍有待解决。

技术实现思路

1、本申请各提供了一种场景测试方法、装置、电子设备及存储介质，可以解决相关技术中存在的场景测试的效率不高的问题。所述技术方案如下：

2、根据本申请的一个方面，一种场景测试方法，其特征在于，包括：

3、获取代表性样本；

4、基于所述代表性样本生成初始代理模型，所述初始代理模型用于对所述代表性样本进行安全性预测，以生成预测结果；

5、基于智能优化算法对所述初始代理模型进行训练，获得目标模型和测试用例，所述目标模型和测试用例用于与场景测试有关的安全性预测。

6、根据本申请的一个方面，一种场景测试装置，其特征在于，包括：

7、样本获取模块，用于获取代表性样本；

8、模型生成模块，用于基于所述代表性样本生成初始代理模型，所述初始代理模型用于对所述代表性样本进行安全性预测，以生成预测结果；

9、训练模块，用于基于智能优化算法对所述初始代理模型进行训练，获得目标模型和测试用例，所述目标模型用于与场景测试有关的安全性预测。

10、在一示例性实施例中，所述样本获取模块，包括：

11、采样单元，用于在预定义的参数空间中进行样本采样，获得代表性样本，所述参数空间包括与场景测试安全性有关的变量。

12、在一示例性实施例中，所述模型生成模块，包括：

13、测试单元，用于对所述代表性样本进行仿真测试，获取样本数据，所述样本数据包括各代表性样本对应的安全性标签；

14、模型生成单元，用于基于所述代表性样本与安全性标签之间的对应关系计算目标函数，生成初始代理模型。

15、在一示例性实施例中，所述训练模块，包括：

16、拓展模块，用于基于智能优化算法对所述代表性样本在预定义的参数空间中进行样本拓展，获得训练样本；

17、训练单元，用于基于所述训练样本对所述初始代理模型进行训练生成目标模型，并基于所述初始代理模型的训练过程获取测试用例。

18、在一示例性实施例中，所述安全性标签的类型包括危险标签和安全标签；

19、所述训练单元，包括：

20、预测子单元，用于基于所述初始代理模型对所述训练样本进行安全性预测，获得预测结果，所述预测结果用于指示各所述训练样本的安全性标签的类型；

21、测试子单元，用于对所述预测结果指示安全性标签为危险标签的至少一个训练样本进行仿真测试，生成测试结果，并保存所述训练样本为测试用例；

22、优化子单元，用于基于所述预测结果对所述初始代理模型的参数进行优化，生成目标模型。

23、在一示例性实施例中，所述优化子单元，包括：

24、计算子单元，用于根据所述预测结果与所述测试结果指示的所述训练样本的安全性标签类型的误差，计算初始代理模型的性能指标；

25、完成子单元，用于确定所述性能指标是否满足预设条件，若为是，则得到完成训练的目标模型，否则，更新所述初始代理模型的参数，并基于所述智能优化算法对所述训练样本进行样本拓展并继续训练所述初始代理模型。

26、在一示例性实施例中，所述预设条件包括：

27、训练次数达到预设的第一阈值；

28、和/或，所述初始代理模型的性能指标达到预设的第二阈值；

29、和/或，所述训练后的初始代理模型的性能指标相对于训练前的初始处理模型的性能指标的增长幅度小于预设的第三阈值。

30、根据本申请的一个方面，一种电子设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器上存储有计算机可读指令；所述计算机可读指令被一个或多个所述处理器执行，使得电子设备实现如上所述的场景测试方法。

31、根据本申请的一个方面，一种存储介质，其上存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行，以实现如上所述的场景测试方法。

32、根据本申请的一个方面，一种计算机程序产品，计算机程序产品包括计算机可读指令，计算机可读指令存储在存储介质中，电子设备的一个或多个处理器从存储介质读取计算机可读指令，加载并执行该计算机可读指令，使得电子设备实现如上所述的场景测试方法。

33、本申请提供的技术方案带来的有益效果是：

34、在上述技术方案中，通过代表性样本构建初始代理模型，并通过初始代理模型的训练过程生成测试用例和目标模型，通过智能优化算法获取更多训练样本，精选样本以打破参数空间中稀疏的代表性样本的制约，能够在有限的仿真测试次数下获取更多关于参数空间的信息，高效生成对抗性测试用例，从而能够有效地解决相关技术中存在的场景测试的效率不高的问题。

技术特征：

1.一种场景测试方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述获取代表性样本，包括：

3.如权利要求1所述的方法，其特征在于，所述基于所述代表性样本生成初始代理模型，包括：

4.如权利要求1所述的方法，其特征在于，所述基于智能优化算法对所述初始代理模型进行训练，获得目标模型和测试用例，包括：

5.如权利要求4所述的方法，其特征在于，所述安全性标签的类型包括危险标签和安全标签；

6.如权利要求1-5所述的方法，其特征在于，所述基于所述预测结果对所述初始代理模型的参数进行优化，包括：

7.如权利要求1-6所述的方法，其特征在于，所述预设条件包括：

8.一种场景测试装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：至少一个处理器以及至少一个存储器，其中，

10.一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被一个或多个处理器执行，以实现如权利要求1至12中任一项所述的场景测试方法。

技术总结本申请提供了一种场景测试方法、装置、电子设备及存储介质，涉及计算机技术领域。其中，该方法包括：获取代表性样本；基于所述代表性样本生成初始代理模型，所述初始代理模型用于对所述代表性样本进行安全性预测，以生成预测结果；基于智能优化算法对所述初始代理模型进行训练，获得目标模型和测试用例，所述目标模型用于与场景测试有关的安全性预测。本申请解决了相关技术中场景测试的效率不高的问题。技术研发人员：桑明,李慧云,蒋拯民,张舜然,韩云杰受保护的技术使用者：中国科学院深圳先进技术研究院技术研发日：技术公布日：2024/8/5