加速测试数据集

为了以有限的测试资源，从海量测试场景中搜索出对安全性未知被测物更有价值的测试场景，提出了自适应搜索的自动驾驶安全性测试方法：以代理模型（有监督机器学习模型）实现对被测物表现的精准预测，实现高风险场景的精确选择。加速测试数据集基于自动驾驶加速测试输出结果产生，数据集中记录了每次仿真实验的测试结果达到收敛时所需的测试次数和里程数，数据量为16MB

搜集汇总

背景与挑战

背景概述

该数据集源自国家重点研发计划项目“自动驾驶仿真及数字孪生测试评价工具链”，旨在通过自适应搜索方法优化自动驾驶安全性测试，记录仿真实验中达到收敛所需的测试次数和里程。数据量为16.42MB，包含1229个文件，由同济大学田野发布。