CN116011110A - 一种自动驾驶汽车安全性等级评估方法及*** - Google Patents
一种自动驾驶汽车安全性等级评估方法及*** Download PDFInfo
- Publication number
- CN116011110A CN116011110A CN202310074530.XA CN202310074530A CN116011110A CN 116011110 A CN116011110 A CN 116011110A CN 202310074530 A CN202310074530 A CN 202310074530A CN 116011110 A CN116011110 A CN 116011110A
- Authority
- CN
- China
- Prior art keywords
- safety
- automatic driving
- driving automobile
- level
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动驾驶汽车安全性等级评估方法及***,创建了一个基于数字孪生的智能网联汽车测试环境,提供了多样的测试场景,并使用高速率、低延迟的通信***保证数据实时性,以贴近真实交通道路环境;多元的测试指标不单单只考虑自动驾驶汽车本身的安全性相关因素,也考虑了外部因素对自动驾驶汽车安全性造成影响的因素,测试指标更加的全面;在测试***中进行反复大量的测试,分析各个指标之间存在的关联性、确定网络拓扑结构、连通性,建立基于车辆‑环境‑交通博弈的自动驾驶汽车安全等级评估模型,并通过贝叶斯网络结构确定指标的敏感系数;最后引入安全性指数用于实现自动驾驶汽车安全性指标的量化评估。
Description
技术领域
本发明属于交通运输和自动驾驶领域,具体涉及一种自动驾驶汽车安全性等级评估方法及***。
背景技术
相对于传统的汽车,自动驾驶汽车在行驶安全性、出行体验性、环境友好性等方面都有更大的优势,因此,自动驾驶汽车是未来汽车发展的主要战略方向。自动驾驶汽车要大量推广的前提是有规范的安全性评价标准,其评价指标要与自动驾驶汽车安全存在关联,评价结果要高效实际,以真实的交通环境为出发点,进行安全可靠的测试。
以通过性评价和平均人工接管次数作为评价自动驾驶汽车安全性的指标是当下比较通用的方法,但是这种评价方法对测试用例有针对性,测试过程复杂且危险性较高,因此不具备普遍性也不贴近实际的交通道路情况。朱冰,张培兴,赵健.面向多维度逻辑场景的自动驾驶安全性聚类评价方法[J].汽车工程,2020,42(11)提出了一种面向逻辑多维度场景的自动驾驶安全性聚类评价方法,该方法使用高斯聚类的方法,综合考虑多维度逻辑场景下算法的统计学规律来获得量化指标,但指标的选取随着场景的不同而变化。
现有的自动驾驶汽车安全性评价方法大都以人驾车辆的数据为基础进行测评,对于影响自动驾驶汽车安全性的内部影响因素和外部影响因素没有综合考虑,与实际复杂的交通场景存在一定的偏差,在测试过程中的数据多样性、场景多样性、效率、测试维度、全面性等方面都存在一定的不足。仿真测试提供了在虚拟环境中重现车辆***特征的方法,测试简单、成本低且易于复制。但仿真测试场景存在过程理想化、保真性不足等问题,难以做到贴近实际的复杂交通环境。
发明内容
本发明的目的在于提供一种自动驾驶汽车安全性等级评估方法及***,以克服现有技术中以人驾车辆的数据为基础进行测评,仿真测试场景存在过程理想化、保真性不足等问题,难以做到贴近实际的复杂交通环境的问题。
本发明一种自动驾驶汽车安全等级评估方法,包括以下步骤:
建立自动驾驶汽车数字孪生测试***;
利用建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例;
构建基于贝叶斯网络结构的车辆-交通-环境博弈模型;根据车辆-交通-环境博弈模型获得的敏感系数,根据敏感系数得到安全性指数;
以危险用例的安全性指数作为阈值,根据安全性指数确定自动驾驶汽车安全性。
优选的,建立自动驾驶汽车数字孪生测试***具体包括:
对车联网与智能汽车试验场进行高精地图测绘,利用微观交通仿真软件SUMO和UE5,通过实测测绘和手工建模建立包含测试道路、路测设施及背景环境的三维数字化试验场和面向数字孪生测试的虚拟孪生测试环境;建立基于EUHT的综合通信网络,提供高速率低延时通信;建立自动驾驶汽车数字孪生测试***。
优选的,设计多元且真实的测试场景,使用SUMO在虚拟孪生测试环境中生成测试车辆或车流,针对可能出现的不同交通情况以及不同的测试场景进行大量的测试,利用自动驾驶汽车数字孪生测试***,实时精准地获取安全性评估所需要环境感知水平、规划决策水平、动作执行水平、道路交通水平和外部环境水平安全性指标的对应数据,并以碰撞时间(TTC)的倒数(TTC-1)为危险阈值,筛选得到危险测试用例。
优选的,碰撞时间的倒数TTC-1>0.7s-1。
优选的,构建基于贝叶斯网络结构的车辆-交通-环境博弈模型包括:
确定变量集和变量域;
确定节点网络;
确定节点的先验概率和条件概率。
优选的,父节点A包含n个状态,子节点B包含m个状态,A和B的条件概率为:
优选的,由于A、B之间的关系为独立的,边缘概率可由以下公式求解:
假设行驶安全状态为am,它拥有2个父节点,环境感知水平和规划决策水平,其中环境感知水平状态为bi,规划决策水平状态为bj,则:
p(bi,am,bj)=p(bi)p(am|bi,bj)p(bj) (4)
优选的,所述安全性指数E用于刻画自动驾驶汽车当前的安全性,安全性指数
其中xi(i∈[1,7])表示第i个指标。
优选的,行驶安全性通过行驶过程中自动驾驶***的环境感知水平、动作执行水平、车辆运行状态水平以及外部因素的道路交通水平、外部环境水平共同确定。
一种自动驾驶汽车安全性等级评估***,包括预处理模块和评估模块;
预处理模块,用于建立自动驾驶汽车数字孪生测试***;同时根据建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例;
评估模块,用于存储构建的基于贝叶斯网络结构的车辆-交通-环境博弈模型;并根据车辆-交通-环境博弈模型获得的敏感系数,根据敏感系数得到安全性指数;以危险用例的安全性指数作为阈值,根据安全性指数确定自动驾驶汽车安全性。
与现有技术相比,本发明具有以下有益的技术效果:
本发明一种自动驾驶汽车安全性等级评估方法,创建了一个基于数字孪生的智能网联汽车测试环境,提供了多样的测试场景,高速率、低延迟的通信***保证数据实时性,贴近真实交通道路环境;多元的测试指标不单单只考虑自动驾驶汽车本身的安全性相关因素,也考虑了外部因素对自动驾驶汽车安全性造成影响的因素,测试指标更加的全面;在测试***中进行反复大量的测试,分析各个指标之间存在的关联性、确定网络拓扑结构、连通性,建立基于车辆-环境-交通博弈的自动驾驶汽车安全等级评估模型,并通过贝叶斯网络结构确定指标的敏感系数;最后引入安全性指数用于实现自动驾驶汽车安全性指标的量化评估。为未来自动驾驶汽车的安全性评估提供一定的参考意义。
本发明一种自动驾驶汽车安全性等级评估***,通过建立自动驾驶汽车数字孪生测试***,提供了多样的测试场景,高速率、低延迟的通信***保证数据实时性,贴近真实交通道路环境;同时根据建立的自动驾驶汽车数字孪生测试***进行反复大量的测试得到危险测试用例,构建基于贝叶斯网络结构的车辆-交通-环境博弈模型分析计算得到测评指标的敏感系数,通过获得的敏感系数ωi(i∈[1,7]),引入安全性指数E实现自动驾驶汽车安全性指标的量化评估,为未来自动驾驶汽车的安全性评估提供一定的参考意义。
附图说明
图1为本发明实施例中基于贝叶斯的自动驾驶汽车安全性评估流程图。
图2为本发明实施例中自动驾驶安全性评估贝叶斯网络模型结构图。
图3为本发明实施例中环境感知水平安全性指标结构图。
图4为本发明实施例中决策规划水平安全性指标结构图。
图5为本发明实施例中动作执行水平安全性指标结构图。
图6为本发明实施例中道路交通水平安全性指标结构图。
图7为本发明实施例中外部环境水平安全性指标结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示,本发明一种自动驾驶汽车安全等级评估方法,具体包括以下步骤:
(1)建立自动驾驶汽车数字孪生测试***:
具体地,对车联网与智能汽车试验场进行高精地图测绘,利用微观交通仿真软件SUMO和UE5,通过实测测绘和手工建模建立包含测试道路、路测设施及背景环境的三维数字化试验场和面向数字孪生测试的虚拟孪生测试环境;建立基于EUHT的综合通行网络,提供高速率低延时通信;建立自动驾驶汽车数字孪生测试***,支持测试过程的实时数字孪生。
数字孪生,英文名叫Digital Twin(数字双胞胎),也被称为数字映射、数字镜像。相比于设计图纸,数字孪生体最大的特点在于:它是对实体对象(姑且就称为“本体”吧)的动态仿真。数字孪生体是会“动”的。如果需要做***设计改动,或者想要知道***在特殊外部条件下的反应,可在孪生体上进行“实验”。这样一来,既避免了对本体的影响,也可以提高效率、节约成本。
(2)利用建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例:
具体地,设计多元且真实的测试场景,使用SUMO在虚拟孪生测试环境中生成测试车辆或车流,针对可能出现的不同交通情况以及不同的测试场景进行大量的测试,利用自动驾驶汽车数字孪生测试***,实时精准地获取安全性评估所需要环境感知水平、规划决策水平、动作执行水平、道路交通水平和外部环境水平安全性指标的对应数据,并以碰撞时间的倒数TTC-1>0.7s-1为危险阈值,筛选得到危险测试用例。
如图3至图7所示,环境感知水平指标包括:***灵敏度、感知范围。
决策规划水平安全性指标包括:算法自由度。
动作执行水平安全性指标包括:方向盘转角、制动踏板深度、***响应速度。
道路交通水平安全性指标包括:车头时距、超速指标、横向加速度、纵向加速度、交通流速度、交通流密度、交通流量。
外部环境水平安全性指标包括:路面摩擦系数、能见度、横风强度。
如图2所示,(3)构建基于贝叶斯网络结构的车辆-交通-环境博弈模型:
具体地,构建基于贝叶斯网络结构的车辆-交通-环境博弈模型包括:
确定变量集和变量域,变量集和变量域的确定通过经验获取;
确定贝叶斯网络结构;
确定节点的先验概率和条件概率。
其中,对于优化后的贝叶斯公式:
考虑到每个变量都包含若干个不同的状态,父节点A包含n个状态,子节点B包含m个状态,所以A和B的条件概率为:
由于A、B之间的关系为独立的,边缘概率可由以下公式求解:
先验概率(边缘概率):根据以往经验和分析,在实验前或采样前就可以得到的概率,边缘概率或者先验概率不考虑任何关于B的因素。
假设行驶安全状态为am,它拥有2个父节点,环境感知水平和规划决策水平,其中环境感知水平状态为bi,规划决策水平状态为bj,则:
p(bi,am,bj)=p(bi)p(am|bi,bj)p(bj) (4)
当整个网络中的输入变量确定后,网络中其他节点的值也能够随之确定,即可以通过构建的贝叶斯网络计算特殊状态下所选择目标节点的概率。
行驶安全性通过行驶过程中自动驾驶***的环境感知水平、动作执行水平、车辆运行状态水平以及外部因素的道路交通水平、外部环境水平共同决定,环境感知水平是对自动驾驶***对周边环境和潜在驾驶风险的灵敏特性进行评价,选取***灵敏度和感知范围作为测试指标;决策规划水平是对自动驾驶汽车算法优劣进行评价,选取算法自由度作为测试指标;动作执行水平则是由横向操作和纵向操作两方面体现,选取方向盘转角、制动踏板深度和操作***响应速度作为测评指标;道路交通水平考虑的是车辆所在车流对车辆造成的可能影响,选取车头时距、超速指标和交通流量作为测评指标;外部环境水平考虑外部环境因素对自动驾驶汽车的驾驶造成的影响,选取路面摩擦系数、能见度和横风强度作为测评指标;各指标的具体含义以及节点间的关联性见下表。
表1 节点变量标识表
车辆-交通-环境博弈模型利用得出的16个变量作为网络节点,以“行驶安全性”为输出子节点,综合考虑进行车辆-交通-环境博弈模型的构建,如图2:
通过公式(3)与(4),利用仿真实验所采集到的数据来计算车辆-交通-环境博弈模型中的边缘概率和条件概率。
用敏感系数来分析验证模型建立的正确性以及模型中各参数的关系。用模型节点的敏感系数验证当父节点出现变化时,对子节点产生的影响,验证所建立的车辆-交通-环境博弈模型的合理性和可靠性。通过分析计算可以得到测评指标的敏感系数ωi(i∈[1,7])。
(4)通过获得的敏感系数ωi(i∈[1,7]),引入安全性指数E用于刻画自动驾驶汽车当前的安全性,即
式中:n为指标个数,n=7;xi(i∈[1,7])表示各个指标。
(5)以危险用例的安全性指数EDanger>k作为阈值,根据安全性指数E将自动驾驶汽车的安全性分为三个等级:安全、较安全、一般、较危险、危险。分类情况见表2。
表2 安全性等级划分表
安全性指数E | 等级 |
[0,0.2] | 危险 |
(0.2,0.4] | 较危险 |
(0.4,0.6] | 一般 |
(0.6,0.8] | 较安全 |
(0.8,1] | 安全 |
相应地,本发明提供一种自动驾驶汽车安全性等级评估***,该***包括预处理模块和评估模块;
预处理模块,用于建立自动驾驶汽车数字孪生测试***;同时根据建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例;
评估模块,用于存储构建的基于贝叶斯网络结构的车辆-交通-环境博弈模型;并根据车辆-交通-环境博弈模型获得的敏感系数,根据敏感系数得到安全性指数;以危险用例的安全性指数作为阈值,根据安全性指数确定自动驾驶汽车安全性等级。
本发明一种自动驾驶汽车安全等级评估方法,以高精度3D地图为基础,构建了数字孪生虚拟测试环境和动静态交通参与者模型,在测试场内为数字孪生***建立了高速率、低时延的通行***,实现模拟过程贴近真实的交通环境。从环境感知水平、决策规划水平和动作执行水平三个车辆方面因素以及交通道路水平、外部环境水平两个外部方面因素考虑自动驾驶车辆的安全性,选取***灵敏度、感知范围、算法自由度等16个指标作为测评指标,并采用敏感系数来表达输入变量与输出变量之间的关联关系,从而进一步量化安全性指数。首先,搭建数字孪生虚拟测试环境和动静态交通参与者模型;然后,利用搭建的虚拟测试环境进行在不同场景下进行测试,获取测试数据。最后,利用获取的16个指标的数据进行车辆-交通-环境博弈模型的构建,获得各个指标对安全性指数的敏感系数并建立安全性指数公式,量化自动驾驶汽车的安全性。
Claims (10)
1.一种自动驾驶汽车安全性等级评估方法,包括以下步骤:
建立自动驾驶汽车数字孪生测试***;
利用建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例;
构建基于贝叶斯网络结构的车辆-交通-环境博弈模型;根据车辆-交通-环境博弈模型获得的敏感系数,根据敏感系数得到安全性指数;
以危险用例的安全性指数作为阈值,根据安全性指数确定自动驾驶汽车安全性。
2.根据权利要求1所述的一种自动驾驶汽车安全性等级评估方法,其特征在于,建立自动驾驶汽车数字孪生测试***具体包括:
对车联网与智能汽车试验场进行高精地图测绘,利用微观交通仿真软件SUMO和UE5,通过实测测绘和手工建模建立包含测试道路、路测设施及背景环境的三维数字化试验场和面向数字孪生测试的虚拟孪生测试环境;建立基于EUHT的综合通信网络,提供高速率低延时通信;建立自动驾驶汽车数字孪生测试***。
3.根据权利要求1所述的一种自动驾驶汽车安全性等级评估方法,其特征在于,设计多元且真实的测试场景,使用SUMO在虚拟孪生测试环境中生成测试车辆或车流,针对可能出现的不同交通情况以及不同的测试场景进行大量的测试,利用自动驾驶汽车数字孪生测试***,实时精准地获取安全性评估所需要环境感知水平、规划决策水平、动作执行水平、道路交通水平和外部环境水平安全性指标的对应数据,并以碰撞时间的倒数为危险阈值,筛选得到危险测试用例。
4.根据权利要求3所述的一种自动驾驶汽车安全性等级评估方法,其特征在于,碰撞时间的倒数TTC-1>0.7s-1。
5.根据权利要求1所述的一种自动驾驶汽车安全性等级评估方法,其特征在于,构建基于贝叶斯网络结构的车辆-交通-环境博弈模型包括:
确定变量集和变量域;
确定节点网络;
确定节点的先验概率和条件概率。
9.根据权利要求1所述的一种自动驾驶汽车安全性等级评估方法,其特征在于,行驶安全性通过行驶过程中自动驾驶***的环境感知水平、动作执行水平、车辆运行状态水平以及外部因素的道路交通水平、外部环境水平共同确定。
10.一种自动驾驶汽车安全性等级评估***,其特征在于,包括预处理模块和评估模块;
预处理模块,用于建立自动驾驶汽车数字孪生测试***;同时根据建立的自动驾驶汽车数字孪生测试***测试得到危险测试用例;
评估模块,用于存储构建的基于贝叶斯网络结构的车辆-交通-环境博弈模型;并根据车辆-交通-环境博弈模型获得的敏感系数,根据敏感系数得到安全性指数;以危险用例的安全性指数作为阈值,根据安全性指数确定自动驾驶汽车安全性等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310074530.XA CN116011110A (zh) | 2023-02-03 | 2023-02-03 | 一种自动驾驶汽车安全性等级评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310074530.XA CN116011110A (zh) | 2023-02-03 | 2023-02-03 | 一种自动驾驶汽车安全性等级评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011110A true CN116011110A (zh) | 2023-04-25 |
Family
ID=86021092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310074530.XA Pending CN116011110A (zh) | 2023-02-03 | 2023-02-03 | 一种自动驾驶汽车安全性等级评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011110A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432323A (zh) * | 2023-06-14 | 2023-07-14 | 南京航空航天大学 | 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法 |
CN117113726A (zh) * | 2023-10-19 | 2023-11-24 | 济南辰远科技有限公司 | 基于复杂环境模拟的实验室车辆行驶安全测试*** |
-
2023
- 2023-02-03 CN CN202310074530.XA patent/CN116011110A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432323A (zh) * | 2023-06-14 | 2023-07-14 | 南京航空航天大学 | 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法 |
CN116432323B (zh) * | 2023-06-14 | 2023-09-29 | 南京航空航天大学 | 一种基于贝叶斯网络的飞机结构数字孪生可信性评估方法 |
CN117113726A (zh) * | 2023-10-19 | 2023-11-24 | 济南辰远科技有限公司 | 基于复杂环境模拟的实验室车辆行驶安全测试*** |
CN117113726B (zh) * | 2023-10-19 | 2024-01-30 | 济南辰远科技有限公司 | 基于复杂环境模拟的实验室车辆行驶安全测试*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116011110A (zh) | 一种自动驾驶汽车安全性等级评估方法及*** | |
CN112036001A (zh) | 自动驾驶测试场景构建方法、装置、设备及可读存储介质 | |
CN107953888B (zh) | 一种道路类型识别方法及*** | |
CN114354219A (zh) | 自动驾驶车辆的测试方法及装置 | |
CN113125960A (zh) | 一种基于随机森林模型的车载锂离子电池荷电状态预测方法 | |
CN113657432A (zh) | 一种基于车联网数据的商用车驾驶行为风险等级辨识方法 | |
CN114332825A (zh) | 基于深度学习的道路地形分布识别方法、设备和存储介质 | |
CN112749508B (zh) | 一种基于gmm和bp神经网络的路感模拟方法 | |
CN113642227A (zh) | 一种基于融合驾驶行为特征的bp神经网络油耗预测方法 | |
CN116092296B (zh) | 交通状态评估方法、装置、电子设备及存储介质 | |
CN113612631B (zh) | 车联网威胁建模方法、***及计算机可读存储介质 | |
Zhou et al. | Objective Evaluation of Drivability in Passenger Cars with Dual‐Clutch Transmission: A Case Study of Static Gearshift Condition | |
Henning et al. | Methodology for determining critical locations in road networks based on graph theory | |
CN114841283A (zh) | 新能源车辆的行驶工况确定方法、装置、设备及介质 | |
CN113469504A (zh) | 水上交通风险动态测试方法、介质及*** | |
Li | Mathematical modeling methods and their application in the analysis of complex signal systems | |
CN114819449A (zh) | 预测车辆除霜性能的方法、装置、设备及存储介质 | |
He et al. | Research on safety evaluation of commercial vehicle driving behavior based on data mining technology | |
Echavarría et al. | Development of an IoT platform for monitoring electric vehicle behaviour | |
CN117238131B (zh) | 一种车联网环境下交通流特性分析方法 | |
CN117453525A (zh) | 用于列车感知***的本体测试用例生成方法及*** | |
CN116777300B (zh) | 基于梯度提升决策树的城市道路交通事故风险评估方法 | |
CN114861516B (zh) | 一种车辆动力性能确定方法、装置及存储介质 | |
CN115524996A (zh) | 模拟仿真场景库的边缘场景补充方法及装置 | |
Hu et al. | Counterexample generation in CPS model checking based on ARSG algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |