Original title: Virtuální testování ADAS ve statisticky definované operační návrhové doméně
Translated title: Virtual testing of ADAS in a statistically defined operational design domain
Authors: Mořkovský, Vít ; Kašpárek, Tomáš (referee) ; Novák, Jiří (advisor)
Document type: Master’s theses
Year: 2026
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [eng] [cze]
Tato diplomová práce se zaměřuje na metodiku generování scénářů pro virtuální testování pokročilých asistenčních systémů řidiče. Navržený generátor scénářů byl implementován a napojen na simulační prostředí IPG CarMaker. V tomto prostředí byla metodika ověřena na vlastním zjednodušeném systému automatického nouzového brždění a byly vyhodnoceny kritické situace vedoucí k jeho selhání. Referenční scénáře byly inspirovány metodikou NCAP z roku 2025 a rozšířeny o vybrané parametry prostředí a vozidla. Pomocí Morrisovy citlivostní analýzy byly vybrány parametry, které mají největší vliv na testovaný systém. V práci byly implementovány tři metody generování scénářů, a to metoda založená na pravidelné mřížce parametrů, metoda Monte Carlo využívající rozdělení parametrů popsaná Gaussovským smíšeným modelem a adaptivní metoda využívající Bayesovskou optimalizaci s náhradním modelem ve formě Gaussovského procesu. Výsledky ukazují, že adaptivní přístup umožňuje identifikovat kritické scénáře i při sníženém počtu potřebných simulací oproti pravidelnému procházení celého prostoru parametrů. This thesis focuses on a methodology for generating scenarios used in the virtual testing of advanced driver assistance systems. The proposed scenario generator was implemented and connected to the IPG CarMaker simulation environment. In this environment, the methodology was then validated using a custom-developed simplified automatic emergency braking system, with the aim of identifying critical situations leading to its failure. The reference scenarios were inspired by the NCAP methodology from 2025 and extended with selected environmental and vehicle parameters. The parameters with the greatest influence on the tested system were selected using the Morris sensitivity analysis. Three scenario generation methods were implemented in this thesis: a method based on a regular parameter grid, a Monte Carlo method using parameter distributions described by a Gaussian Mixture Model, and an adaptive method using Bayesian optimization with a Gaussian process surrogate model. The results show that the adaptive approach enables the identification of critical scenarios even with a reduced number of required simulations compared to a regular exploration of the entire parameter space.
Keywords: adaptivní výběr scénářů; akviziční funkce; automatické nouzové brzdění; bayesovská optimalizace; Gaussův směsný model; generování scénářů; IPG CarMaker; Morrisova metoda; náhradní model; operační návrhová doména; pokročilé asistenční systémy řidiče; virtuální testování; Acquisition Function; Adaptive Scenario Generation; Advanced Driver Assistance System; Automatic Emergency Braking; Bayesian Optimization; Gaussian Mixture Model; IPG CarMaker; Morris Method; Operational Design Domain; Scenario Generation; Surrogate Model; Virtual Testing

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/260145

Permalink: http://www.nusl.cz/ntk/nusl-777328


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses