基于因果关系的驾驶场景转移到未知交叉口

使用现代化驾驶模拟器提出有效的测试方案生成机制，量化方案复杂度以定义事故避免的复杂度标准。

反事实因果发现方法通过提取事件解决动态环境中因果链的不稳定性，实验结果显示其在智能驾驶中的因果关系建立优于传统方法。

基于形式化方法的新智能汽车自动场景测试方法结合仿真与实际测试，有效识别可在跑道上运行的测试用例。

通过图形构建嵌入空间，展示场景的连续映射，识别相似场景以减少冗余测试。

引入因果查询的正式化，建立抽象的安全原则，降低与关键影响因素相关的风险。

基于仿真的测试平台支持情景建模，验证多目标评估指标并进行可伸缩的测试。

建立场景分类方法减少获得自动驾驶系统安全性证据所需时间，利用图卷积网络建模复杂交通场景。

基于动态贝叶斯网络的交通预测模型结合马尔科夫模型，能够更精准地预测未来交通路径。

提出基于自动生成的安全关键场景的测试架构，证明其效率优于传统方法，具有良好的适应性。

基于语义知识的预测框架通过时空语义图建模驾驶场景，实现对自动驾驶汽车的行为预测。