[發明專利]一種智能交通軟硬件精度擾動方法庫及風險指標構建方法

在審

• 申請號: 202010714656.5
• 申請日: 2020-07-23
• 公開（公告）號: CN111881031A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳振宇;袁博;王興亞;房春榮
• 申請（專利權）人: 深圳慕智科技有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06Q10/06;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明采用蛻變測試技術對智能交通模型進行正確性測試，設計應用于智能交通模型的蛻變關系并從多個方面判定程序功能的正確性，使用原始用例和基于蛻變關系生成的衍生用例對智能交通模型進行測試，檢查原始和衍生用例的輸出是否滿足相應的蛻變關系，得出測試結果。發明能夠采用新的軟件測試方法對智能交通模型正確性進行合理度量與評估。

技術領域

本發明屬于軟硬件測試領域，特別是涉及到智能交通底層軟硬件運算精度的測試。通過設計一系列處理的擾動方法庫，并針對具體軟硬件場景選擇擾動方法和設定擾動參數，生成精度測試樣本集，采用條件規約生成精度評估閾值進行精準性分析。

背景技術

基于擾動的數據驅動測試是保障科學計算軟件可靠性的重要方法。目前存在一種數值和代碼穩定性的檢測方法，該方法包含兩種擾動策略：數值擾動和表達式擾動。其中，數值擾動主要為替換數值表示中的非精度關鍵字節位或中間值，表達式擾動則是采用等價的數值表達式替換原數值表達式，然后通過對比擾動前后程序輸出的差異性來檢測程序的數值穩定性。

智能交通軟件系統的本質是一個大規模的復雜數值計算程序。這類程序由于浮點類型精度的固有問題會引入誤差，這類誤差往往在大規模訓練過程中得到很大程度的消減。然而在智能交通軟件系統應用中，進一步采用定點運算或更低的浮點運算精度，可能帶來潛在風險，因而需要嚴格的理論分析或大量的測試驗證。當前部分輸入物理設備（如激光雷達）價格昂貴，在高精度環境訓練的模型能否適用于較低精度的輸入數據也有待進一步研究。盡管已經證明部分智能交通軟件模型滿足利普希茨連續條件，其精度波動也極度依賴利普希茨常數的大小。目前尚未有專門針對智能交通V2X多場景下各軟硬件底層優化方法的測試方案，隨著應用場景交互復雜化和交互設備供應商多樣化，同一場景下不同具體底層軟硬件的差異帶來了隱含的兼容性缺陷，可能引發系統異常，造成安全性問題。

本發明主要基于精度異常值、運算規律、規模放縮、精度截斷、數據干擾等角度設計精度擾動方法庫，結合具體軟硬件場景采用合適的擾動方法和擾動參數對已有測試樣本集進行調整，得到精度測試樣本集，同時為底層軟硬件計算的累計誤差構建精度風險指標，作為精準性評估過程中的參考標準。

發明內容

本發明要解決的問題是：在智能交通軟件系統的實際應用中，資源受限會帶來輸入精度和運行精度影響。我們的發明能夠結合具體軟硬件場景，通過構建擾動方法庫和風險指標，發現智能交通V2X底層軟硬件存在的精度問題。

本發明的技術方案為：一種面向底層軟硬件運算精度的擾動方法庫及風險指標構建技術，其特征是從精度異常值、精度截斷等多角度構建精度擾動方法庫，根據條件規約構建風險指標。該生成方法包含以下兩個模塊/步驟：

1)精度擾動方法庫生成：首先從運算規律、精度截斷、數據干擾等角度設計精度擾動方法庫，接著根據測試任務所涉及的具體軟硬件場景，包括車載設備、人群設備和云端設備等，采用合適的擾動方法和擾動參數對已有測試樣本集進行調整，得到精度測試樣本集。

2)精度風險指標生成：首先對具體場景下軟硬件的計算過程進行跟蹤，接著采集軟硬件計算過程產生的誤差幅度，最后采用條件數規約化誤差幅度，將風險評估值轉化為各部分規約誤差和相應權重的累計和。

本發明的特點在于：

1.為了更好地發現智能交通V2X底層軟硬件的運算問題，構建擾動方法庫時考慮到多種軟硬件場景。

2.為了滿足精度誤差測試成本的要求，基于誤差累計的思想構建精度風險指標。

附圖說明

圖1為本發明實施總流程圖。

圖2為關鍵步驟1流程圖。

圖3為關鍵步驟2流程圖。

具體實施方式