Feature-Modell-unterstützte Szenariengenerierung für ADS

Ein wichtiger Faktor beim Testen von autonomen Fahrsystemen ist das Testen mit Szenarien, um Fehler und interessante Situationen (z. B. Unfälle) zu identifizieren. Die manuelle Generierung dieser Testszenarien ist zeitaufwendig und ineffizient. Um den Aufwand bei der Erstellung dieser Szenarien zu minimieren, werden in der Literatur mehrere Ansätze vorgestellt, die die Tester bei der Generierung unterstützen sollen. Einer dieser Ansätze ist es, Szenarien als Feature-Modell darzustellen. Aber auch hier müssen sowohl die Erstellung des Feature-Modells als auch die Ausführung der Szenarien manuell durchgeführt werden. In einer Großzahl der aktuellen Verkehrsunfälle ist der Mensch der kritische Faktor des Unfalls. Um die Sicherheit und den Komfort der Verkehrsteilnehmer durch ADS (Autonomous Driving Systems) möglichst schnell zu erhöhen, müssen die Testmöglichkeiten von ADS möglichst effektiv und effizient durchgeführt werden. Die manuelle Erstellung von Testszenarien ist ressourcenintensiv und birgt die Gefahr, dass eine Vielzahl von interessanten Szenarien übersehen wird. Der Ansatz, dass Variationen von bestehenden Szenarien getestet werden, wurde als vielversprechend angesehen. Es existiert jedoch keine standardisierte Methode, um bestehende Szenarien in einem Feature-Modell zu variieren und automatisiert in einer Simulationsumgebung auszuführen. Das verzögert das Testen von ADS durch Variationen von bestehenden Szenarien.