特にADAS/AD環境では、警告なしに出現する交通渋滞など多くのクリティカルなシナリオを予測することは困難です。予測には先を見抜く試験計画が必要です。

試験対象範囲の最大化
最大数の特定ケースを最小数の試験で対応することが極めて重要です。これにより、試験対象範囲の品質が向上し、時間とコストの面で効率が向上します。
フロントローディングと路上試験のバランス
一般的なフロントローディング、つまり開発プロセスの初期段階における活動予測をサポートするには、SiL/HiLや車両試験などの試験オプションを巧みに組み合わせる必要があります。これにより、不要な反復作業が回避でき、検証と妥当性確認が可能な限り効率的になります。
エッジケースとコーナーケース(クリティカルシナリオ)
ブレーキを踏みながら近道を走行するなど、通常のパラメーターを外れて発生する状況が存在します。ADAS/ADを適切に保護するために、このようなエッジケースやコーナーケースを識別してマッピングしなければなりません。

試験ケースを削減し、関連するケースを定義するため、AVLは、検証と妥当性確認の分野で独自の効率的な手法を提供しています。
検証
検証とは、システム設計に基づくシステム要件が正確に実装されているかどうかを確認することです。
システム要件の完全な対象範囲とトレーサビリティを確保するためのAVLの専門知識と手法により、試験カタログを実績あるツールと手法を用いて作成します。
妥当性確認
ここでは、エンドユーザーの視点を想定し、正しい機能が実装されていることを確認します。
その際、システムが耐用年数内に多様な市場において遭遇しうる状況を、可能な限り多く考慮に入れます。
オントロジーベースのアプローチ
試験ケースを生成するためのオントロジーベースのアプローチは、交通活動と挙動の追加リンクと結果を導き出すために使用されます。これにより、環境条件を詳細に把握することができます。
そこで取得した概念を収集・学習することで、関連する試験シナリオの作成を容易にし、試験を行ったシステムについて、より正確なフィードバックを提供できます。
ゲームベースのアプローチ
ゲームベースのアプローチを使用して、環境パラメーターと道路利用者らの挙動とその相互作用を意図的に変更し、クリティカルな運転シナリオを実現します。
試験されるシステムは、いわば環境と対決しているかのようです。報酬基準にしたがって、システムは道路利用者の異常行動やその他の危険な状況に対応する挑戦を受けます。
DVPでは、試験の内容、時間、場所など必要なすべてを整理します。その後、検証と妥当性確認が進行中の間に、ADAS/ADシステムの最適化アプローチを作成します。
有効性
できるだけ短時間に非常に高度な試験対象範囲を確保します。ここでは、品質と安全性を明確に重視します。
非常に短い反応時間
標準化と包括的なデータベースにより、迅速に対応し、お客様固有の試験計画を作成することができます。
標準化またはユーザー定義の試験カタログ
AVLの標準化された試験カタログは、GSR(一般安全規則)、NCAP、または米国の規制など、市場固有の法律や規格を考慮しています。特定のお客様の要件に合わせて、試験カタログの拡張が可能です。
効果的なナレッジモデリング
ODD(運行設計領域)要因とその特性の間の本質的な関係性は、より複雑なつながりや事実を推測するために使用されます。こうした知識データベースの容易なメンテナンス性と再利用の可能性により、オントロジーは優れたコンセプトとなっています。
試験カタログ
AVLの包括的な試験カタログは、システム要件に対するトレーサビリティを含む、試験対象コンテンツを正確に記録しています。
要件ベースの試験計画
車両やシステムの開発計画に合わせて、プロジェクト固有の試験計画と具体的なタイムラインを明確に作成します。
理想的な試験環境の定義
何を、いつ、どの試験環境で試験するべきかを、それぞれの利点と制約とともに具体的に示します。
関連トピック
関連するトピックをご紹介します。