自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

基于众测操作记录的Web测试用例自动生成方法

众包测试是软件测试领域的一种新兴趋势,具有更加可靠、成本更低和效率更快的优点。但是由于众测工人专业水平不同,提交的测试用例报告缺乏规范性,为报告的审核、缺陷的复现都增加了困难。该文提出了一种通过众测工人的操作记录自动生成文本测试用例的新方法,并实现了该测试工具。首先,对测试工人的操作进行录制从而获取录制信息,录制信息可以划分为三大模块,包含静态页面信息、动态页面信息和交互信息;其次,通过深度优先遍历算法获取组件名称、组件类型、交互动作和交互数据,并按照众测工人的实际操作步骤生成测试序列;对于测试序列中存在组件名称匹配错误的问题,通过YOLOv5目标检测和OCR文字识别技术设计了n元组生成算法,用于生成组件名称与其选项的对应关系,并对匹配错误的组件名称进行自动修改;最后,通过自定义规则集将测试序列转换为文本测试用例。该方法自动生成统一规范的测试用例,降低了众测的门槛,提高了测试效率,并且有利于众测服务平台的质量评估工作。为了验证该方法的有效性,针对不同开发技术的Web系统进行了测试,并与目前最新版本的UFT,Selenium IDE和Katalon Recorder三款工具进行了对比。实...