什么是TC自动生成？— AI创建测试用例的时代

什么是TC自动生成？

开发汽车软件必然伴随着测试。而测试需要测试用例（TC）——定义输入什么、应该得到什么结果、在什么条件下执行。

问题在于这些TC是由人一个个手动创建的。阅读需求文档、设计测试场景、编写测试代码——这个过程占据了整个开发周期的相当大比例。单个ECU中的软件组件就有数十到数百个，手动创建TC在现实中已到达极限。

TC自动生成（Test Case Auto-Generation）是将这一过程自动化的技术。通过分析需求规格、设计模型或源代码来自动创建TC。

自动生成TC的三种方法

TC自动生成主要有三种方法。

基于需求（Requirements-Based）

分析需求文档导出测试场景。如果有"车速超过120km/h时发出警告音"的需求，就会生成"确认120km/h以上时发出警告音"、"确认120km/h以下时不发出警告音"、"确认恰好120km/h时的边界值"等TC。

近年来出现了AI直接分析自然语言需求来生成TC的方式。理解规格书的语义，自动提取技术需求，并为每个需求生成对应的TC。

基于模型（Model-Based）

从ARXML或Simulink等设计模型中分析输入输出接口和状态转换来生成TC。软件组件的端口定义和Runnable规范成为TC的输入。自动应用边界值分析、等价类划分等测试设计技术。

基于代码（Code-Based）

对源代码的分支、条件、路径进行静态分析，生成最大化代码覆盖率的TC。这是实现ISO 26262要求的MC/DC（Modified Condition/Decision Coverage）的有效方法。

TC自动生成在ASPICE中重要的原因

在ASPICE（Automotive SPICE）中，验证（Verification）相关流程是软件开发的核心。

• SWE.4 — 软件单元验证：单个模块的单元测试
• SWE.5 — 软件集成测试：组件间接口验证
• SWE.6 — 软件资质测试：针对需求的最终验证

在这些阶段中，OEM要求的不仅仅是"做了测试"。需要需求与TC之间的双向可追溯性（Traceability）、测试覆盖率的定量测量以及系统化的测试策略。

TC自动生成大大加速了这一过程。自动将需求ID与TC进行映射以创建可追溯性矩阵，自动生成覆盖率报告，当需求变更时自动识别受影响的TC。

2023年11月发布的ASPICE 4.0扩展了范围以反映Agile和DevOps方法论。随着迭代式和持续性验证变得更加重要，手动管理TC方式的局限性愈发明显。

AI正在改变汽车测试

2025-2026年，AI在汽车软件测试领域的应用正在快速扩展。

在全球汽车行业中，利用生成式AI进行基于需求的TC生成、AI驱动的测试脚本自动化、ASPICE/ISO 26262合规自动验证等已在实际项目中得到应用。

共同的方向很明确：用AI自动化需求分析、TC生成、覆盖率测量、可追溯性管理，让工程师专注于设计和判断。

导入TC自动生成时的注意事项

导入TC自动生成时需要确认以下几点。

第一，与ASPICE产出物的衔接。即使TC是自动生成的，如果不同时输出与需求的可追溯性矩阵，在实际工作中就无法使用。

第二，需要理解自动生成的局限性。自动生成的TC在结构化覆盖方面表现出色，但特定领域场景（特定车辆条件下的通信时序、特殊驾驶场景等）仍需工程师判断。最有效的方法是AI自动生成 + 工程师审核的混合方式。

第三，与现有工具/流程的集成。需要与CI/CD流水线对接，与现有开发环境自然融合，才能真正融入实际工作流程。

PARVIS-Verify：从设计到验证的自动化

PopcornSAR的PARVIS将设计-开发-验证的全流程以单一数据流连接，自动生成符合ASPICE流程的产出物，是一套AI解决方案。

其中PARVIS-Verify负责测试覆盖率分析和测试代码自动生成。基于测试需求自动生成测试场景，并根据代码变更历史持续更新覆盖率。在实际项目中达到了86.4%的测试覆盖率，生成了247个测试用例，实现了100%的通过率。

PARVIS-Verify与PARVIS-Spec（需求自动分析）和PARVIS-Coder（MISRA-C自动应用）协同工作，提供从需求分析 → 代码验证 → 测试生成的三阶段自动化。

更多详情请查看PARVIS产品页面。如需了解具体应用方式，请随时联系我们。