弱光照高精度定位系统测试界面

一、实施数据 - 数据处理优化

本节展示数据处理优化相关的测试数据。

场景	测试点	测试数据类型	预期结果
数据清洗	1. 缺失值处理：验证缺失值填充策略是否合理。 2. 异常值处理：验证异常值检测和过滤效果。	包含各种缺失值、异常值的数据。	1. 数据清洗后，缺失值被合理填充，异常值被有效处理。 2. 触发相应的告警提示。
数据转换	1. 验证数据格式转换是否正确。 2. 验证数据归一化/标准化是否有效。	包含不同格式的日期、数值单位的数据。	1. 数据格式被正确转换，单位统一。 2. 归一化/标准化后的数据分布在合理范围内。
数据聚合	1. 验证数据聚合规则是否正确。 2. 验证聚合后的数据是否能够反映真实的业务情况。	需要进行聚合的数据。	1. 聚合后的数据能够正确反映不同时间段、不同地理位置的数据特征。 2. 提高数据分析和可视化的效率。
数据切片	1. 验证能否根据用户需求，灵活地对数据进行切片。 2. 验证切片后的数据是否能够满足特定的分析需求。	需要进行切片的数据。	1. 能够根据用户需求，灵活地对数据进行切片。 2. 切片后的数据能够满足特定的分析需求。
数据采样	1. 验证能否根据数据分布，进行合理的采样。 2. 验证采样后的数据是否能够平衡不同类别的数据量。	分布不均衡的数据。	1. 能够根据数据分布，进行合理的采样。 2. 采样后的数据能够平衡不同类别的数据量，提高模型训练效果。

二、实施数据 - 更快、更友好的交互测试

本节展示更快、更友好的交互测试相关的数据和预期结果。

场景	测试点	测试数据类型	预期结果
数据加载	1. 验证大数据量下的加载速度是否满足要求。 2. 验证是否支持懒加载，减少初始加载时间。	大量的数据。	1. 大数据量下的加载速度快，用户体验流畅。 2. 支持懒加载，用户可以快速访问页面的关键内容。
数据过滤	1. 验证复杂筛选条件下的过滤速度是否满足要求。 2. 验证能否实时显示过滤结果，提供反馈。	复杂筛选条件的数据。	1. 复杂筛选条件下的过滤速度快，用户无需等待。 2. 实时显示过滤结果，用户可以随时调整筛选条件。
数据排序	1. 验证不同字段的排序是否正确。 2. 验证能否支持自定义排序规则。	不同类型的数据。	1. 不同字段的排序正确。 2. 支持自定义排序规则，满足用户个性化需求。
数据搜索	1. 验证能否快速搜索到目标数据。 2. 验证是否支持模糊搜索、关键词提示等功能。	包含关键词的数据。	1. 能够快速搜索到目标数据。 2. 支持模糊搜索、关键词提示等功能，提高搜索效率。
可视化交互	1. 验证图表是否支持缩放、拖拽等交互操作。 2. 验证能否实时显示鼠标悬停的数据信息。	各种类型的图表。	1. 图表支持缩放、拖拽等交互操作，方便用户观察细节。 2. 实时显示鼠标悬停的数据信息，提高数据可读性。
用户反馈	1. 验证能否收集用户的操作行为，分析用户偏好。 2. 验证能否根据用户反馈，优化界面设计。	用户的操作行为、用户反馈信息。	1. 能够收集用户的操作行为，分析用户偏好。 2. 根据用户反馈，优化界面设计，提高用户满意度。

三、实施数据 - GAN数据溯源与可解释性数据增强

本节展示GAN数据溯源与可解释性数据增强相关的数据。

{
  "ganDataSourcing": {
    "metadata": { //保持原有的元数据
      "ganVersion": "v2.0",
      "generationTime": "2023-12-31 10:00:00",
      "scenario": "Heavy Rain",
      "parameters": {
        "rainIntensity": 0.8,
        "fogDensity": 0.2
      },
      "seed": 12345,
      "dataOrigin": "GAN",  // 标记数据来源于GAN
      "ganType": "Conditional GAN",  // 补充GAN类型信息
      "trainingDataset": "Cityscapes" // GAN训练集信息
    },
    "dataProvenance": { // 数据溯源信息
      "trainingDataInfluence": [ // 训练数据的影响力
        {"dataId": "real_image_001", "influenceScore": 0.7},
        {"dataId": "real_image_002", "influenceScore": 0.3}
      ],
      "modelModifications": [ // GAN 模型修改记录
        {"timestamp": "2023-12-20", "description": "调整了生成器的学习率"},
        {"timestamp": "2023-12-25", "description": "添加了注意力机制"}
      ]
    },
    "intermediateFeatures": {
      "layer1": [[0.1, 0.2, 0.3], [0.4, 0.5, 0.6], [0.7, 0.8, 0.9]], // 模拟中间层特征热力图数据
      "layer2": [[0.9, 0.8, 0.7], [0.6, 0.5, 0.4], [0.3, 0.2, 0.1]]
    },
    "modelInfluence": {
      "heatmap": [[0.2, 0.3, 0.4], [0.5, 0.6, 0.7], [0.8, 0.9, 1.0]], // 模拟 Grad-CAM 热力图数据
       "importantRegions": [ // 标注图像中的重要区域
        {"region": [100, 150, 200, 250], "label": "car"}, // [x1, y1, x2, y2]
        {"region": [300, 350, 350, 400], "label": "pedestrian"}
      ]
    },
   "qualityMetrics": { // GAN生成数据质量评估指标
        "fid": 5.2,
        "inceptionScore": 11.3,
        "ms_ssim": 0.88
    },
    "scenarioAnalysis":{ //场景分析数据，进一步细化
        "weatherConditions": {
            "rainIntensity": 0.8, //暴雨强度
            "fogDensity": 0.5, //雾密度
            "visibility": 100 //能见度 (米)
            },
        "lightingConditions": {
            "timeOfDay": "night", //时间段 (day, night)
            "illuminationLevel": "low"  //光照水平(低)
        },
        "trafficDensity": "high",  //交通密度(高)
        "objectDensity": "medium", // 目标密度(中等)
        "criticalObjects": [ //场景中的关键目标
            {"type": "pedestrian", "distance": 30, "speed": 5},//行人，距离，速度
            {"type": "vehicle", "distance": 50, "speed": 15} //车辆，距离，速度
        ]
        }
    }
}

四、测试数据 - 测试数据

本节展示测试数据集的例子。

数据类型	示例数据	描述
传感器数据	{ "摄像头": "图片数据", "激光雷达": "点云数据", "毫米波雷达": "雷达数据", "GPS": "经纬度信息" }	各种传感器采集的数据，包含图像、点云、雷达和GPS信息。
数据溯源信息	{ "数据来源": "摄像头", "预处理步骤": ["数据清洗", "数据增强"], "预处理参数": {"数据增强比例": "0.5"} }	记录数据的来源和预处理步骤，包括参数。
模型评估指标	{ "精度": 0.95, "召回率": 0.92, "F1-score": 0.93 }	模型的性能评估指标，包括精度、召回率和F1-score。
GAN元数据	{ "GAN类型": "DCGAN", "GAN结构": "...", "训练参数": {"学习率": "0.001"} }	GAN模型的相关信息，包括类型、结构和训练参数。
Corner Case定义	{ "场景类型": "雨天", "场景属性": {"雨量": "大雨", "光照": "弱光"} }	对Corner Case场景的定义，包括场景类型和属性。
操作场景	{ "数据标注工具": "框选工具", "模型训练框架": "TensorFlow", "模型评估方法": "精度评估" }	操作场景，例如，数据标注，模型训练和评估。

五、测试场景配置

配置不同的测试场景，模拟各种弱光照环境和Corner Case。

天气类型: 光照条件: 交通流量: