科创中国

项目聚焦自动驾驶仿真软件的感知模块、定位模块、路况、人机交互部分，研究和开发多模态传感智能装备质量保障工具。深入分析智能软件测试特征，从自动驾驶系统感知数据及数据融合的角度出发，基于其数据特征进行测试理论创新及技术研究；从自动驾驶仿真测试软件生态内外部研究其多个维度的测试；结合前沿科研方法理论，采用数据驱动式的新型测试理论，通过利用变异算子批量生成大量高拟真且具有测试意义的合成数据，最大化保证软件测试的覆盖率。探构建完整智能生态的安全攸关软件系统各个重要因素的质量保障技术，设计面向自动驾驶仿真平台的测试系统，最终实现垂直应用领域测试场景生成、智能交通测试开放数据集、算法模型仿真测试平台。

研发团队通过对Apollo和Autoware两个主流开源自动驾驶系统中的16851次代码提交及499个自动驾驶系统中缺陷调研分析，总结了自动驾驶系统中缺陷发生的根本原因、发生症状及主要发生的系统组件。其工作成果作为此方向的第一篇系统性研究，已被软件工程顶级会议ICSE2020接收。 研发团队在深度学习模型的质量保障方面具有深厚积累，研发的深度学习模型可视化技术 NeuralVis 通过对神经元及神经网络层的激活状态进行可视化分析神经网络运行机理，自主研发且实现相关工具，发表在ASE2019 tool demonstration track。 研发团队对于人工智能技术在软件测试中的应用具有深厚积累，最早将机器学习技术引入大规模测试，基于该成果实现的部分技术已经在华为、百度等知名软件得到企业应用。相关成果已经陆续发表在FSE2015, ASE2016, ICSE2019等学术会议上。

我国2020年汽车销量达到2520万辆，据中国汽车工业协会预测，汽车市场明年将呈现缓慢增长态势，未来5年也将保持稳定，2025年产销有望达到3000万辆，同时，中国的智能化汽车渗透率将会显著加速，2021年一季度，L2智能网联汽车的市场渗透率达到17.8％，新能源汽车中的L2智能网联汽车市场渗透率达30.9％。预计到2025年，我国L2、L3级智能网联汽车销量将占全部汽车销量的50％，L4智能网联汽车开始进入市场预计到2025年智能化汽车在新车销售中的占比会超过50%，根据IHS预测数据，2035年中国自动驾驶汽车有望达到570万辆，将超越美国（450万辆）成为全球最大的自动驾驶技术应用市场。同时波士顿咨询公司也认为中国将在15年内成为最大的自动驾驶车辆市场。

车联网的发展可以分为三大阶段，第一阶段为具备基本网联能力的车载信息阶段；第二阶段为智能网联汽车阶段，通过V2X技术，车路开始协同；第三阶段为未来的智慧出行阶段，车路协同在智能交通和高级自动驾驶中广泛应用。目前，车联网发展处于第二阶段。

5G技术的迅速推广带动物联网应用的落地和普及，车联网作为物联网高速领域行业成熟度最高且连接数量最多的领域，车联网行业快速渗透，行业规模不断扩大。根据ICVTank公布的数据显示，2019年，全球V2X市场规模达900亿美元，预计到2022年，全球V2X市场规模有望突破1650亿美元。2019 年中国 V2X 整体市场规模达 200 亿美元，预计到 2022 年，中国 V2X 整体市场规模有望达到 500 亿美元，增速高于全球增速。

可见自动驾驶与车联网必将是未来发展的一大领域。

陈教授团队主要从事智能软件工程的研究。慕智科技创始人、IEEE国际软件测试大赛发起人，江苏省计算机学会产业工委执行主任，苏宁易购独立董事。中国计算机学会杰出讲者，国家一流本科课程《软件测试》负责人。团队曾主持发明专利转让项目2项、发明专利许可项目1项、海关总署金关工程二期项目1项、国家重点研发计划课题1项和国家自然科学基金（重点项目、面上项目、国际交流项目）8项，参与973计划、国家自然科学基金重大研究计划、重大国际合作项目若干项。部分研究成果已经在中船重工、中航科工、中国电科、国家电网、百度、阿里、腾讯、华为等知名企业转化，研究成果获2012年度江苏省科学技术奖一等奖、2015年湖北省科技进步奖一等奖、2017年CCF NASAC-东软青年软件创新奖、2021年中国电子学会科技进步奖一等奖和2021年江苏省教学成果奖特等奖。

当前车联网系统存在以下问题：

1）有限计算资源下智能模型运算集成误差：有限计算资源条件下智能模型及其数值计算集成带来挑战，场景变化可能导致预留资源失效，需要长时间大规模的系统集群验证；

2）开放运行环境及其大规模复杂场景的软件系统可靠性问题：开放运行环境场景及状态空间庞大，复杂海量异构信息接入的极端情况下，可能会产生系统运行故障，给软件可靠性带来新挑战；

3）非确定性智能模型与确定性业务流程的缺陷传播问题：随着大量非确定性智能模型引入，硬件平台密集传感交互，与传统确定性业务流程相结合，其缺陷传播方式需要进一步深入研究。

为了解决上述问题，保障智能交通软件产品的质量，软件测试技术是必要的。通过对完整的车联网及自动驾驶软件系统进行测试，准确验证和评估智能算法和模型，能够最大程度上维护智能交通软件产品的安全性与稳定性。遗憾的是，智能交通软件由于其自身的运行机理、输入数据的质量因素和外部环境条件，往往容易产生干扰甚至破坏软件正常运作的缺陷，传统软件测试理论和技术很难直接应用。这些机理特征贯穿了智能交通自底向上的软件系统结构，如这类安全有关软件对于数据智能的敏感性和依赖性远超传统软件，实现智能核心的智能算法的低可解释性，造就了相应的传统技术很难处理的问题。

本项目深入分析智能软件测试特征，从自动驾驶系统感知数据及数据融合的角度出发，基于其数据特征进行测试理论创新及技术研究；从自动驾驶仿真测试软件生态内外部研究其多个维度的测试；结合前沿科研方法理论，采用数据驱动式的新型测试理论，通过利用变异算子批量生成大量高拟真且具有测试意义的合成数据，最大化保证软件测试的覆盖率。探构建完整智能生态的安全攸关软件系统各个重要因素的质量保障技术，设计面向自动驾驶仿真平台的测试系统，最终实现垂直应用领域测试场景生成、智能交通测试开放数据集、算法模型仿真测试平台。

技术合作