Los métodos actuales de prueba para sistemas de conducción autónoma se centran principalmente en escenarios de tráfico simples, generando casos de prueba basados en accidentes de tráfico, mientras que la investigación sobre la generación de casos de prueba límite para entornos de conducción complejos según las regulaciones de tráfico no es adecuadamente exhaustiva. Por lo tanto, proponemos un método para modelar escenarios y realizar pruebas de violación utilizando un sistema de conducción autónoma basado en regulaciones de tráfico llamado TraModeAVTest. Inicialmente, TraModeAVTest construye un modelo de red de Petri para escenarios complejos basado en las relaciones de combinación de escenarios básicos de regulación de tráfico y verifica la consistencia del diseño del modelo con los requisitos de regulación de tráfico utilizando métodos formales, para proporcionar una representación de modelos de escenarios de regulación de tráfico para las pruebas de violación de sistemas de conducción autónoma. Posteriormente, basándose en los criterios de cobertura del modelo de red de Petri, utiliza una estrategia de búsqueda para generar caminos de modelo que representen las regulaciones de tráfico y emplea un método de combinación de parámetros para generar casos de prueba que cubran los caminos del modelo, para probar los comportamientos de violación de los sistemas de conducción autónoma. Finalmente, los resultados de experimentos de simulación en el Baidu Apollo demuestran que los casos de prueba que representan las regulaciones de tráfico generados por TraModeAVTest pueden identificar de manera efectiva los comportamientos de vehículos autónomos que violan las regulaciones de tráfico, y que TraModeAVTest puede mejorar eficazmente la eficiencia de generación de diferentes tipos de escenarios de violación.