CN112631257B - 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 - Google Patents
一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 Download PDFInfo
- Publication number
- CN112631257B CN112631257B CN202011593684.2A CN202011593684A CN112631257B CN 112631257 B CN112631257 B CN 112631257B CN 202011593684 A CN202011593684 A CN 202011593684A CN 112631257 B CN112631257 B CN 112631257B
- Authority
- CN
- China
- Prior art keywords
- misoperation
- test
- automatic driving
- vehicle
- driving vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 74
- 238000011076 safety test Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 33
- 230000007257 malfunction Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 11
- 238000013100 final test Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 101710154918 Trigger factor Proteins 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于自动驾驶车辆误操作的预期功能安全测试评价方法，包括：对自动驾驶车辆误操作触发事件进行分析；在仿真软件中构建自动驾驶车辆误操作仿真测试场景并测试；将由于误操作导致的自动驾驶车辆的系统/组件发生的功能表现局限信息及对应触发事件上传至云端管理系统；确定评价指标及采用熵值法和序关系分析法相结合的方法确定评价指标的权重系数；确定基于误操作的自动驾驶车辆预期功能安全，形成测试评价体系。通过该用于自动驾驶车辆误操作的预期功能安全测试评价方法可确定复现触发事件测试场景的测试优先级，从而确定测试用例的重要度，使得验证合理预见误操作相关触发事件的容忍度更加准确可靠，从而验证评估未知的风险。
Description
技术领域
本发明涉及无人驾驶测试技术领域，具体涉及一种用于自动驾驶车辆误操作的预期功能安全测试评价方法。
背景技术
自动驾驶车辆是为了解决人类驾驶的不安全问题。据NHTSA(美国交通部高速公路安全管理局)统计，美国高速公路上每年死亡约2.5万人，94％是由驾驶员导致的驾驶功能不能奏效造成的。但自动驾驶又会产生新的人类驾驶员所没有的安全问题——Unknown(未知)、Unsafety(不安全)，即预期功能安全SOTIF。预期功能安全SOTIF强调的是避免因为预期的功能表现局限、性能不够而导致不合理的风险。也就是说，车辆在所有功能没有失效的情况下，依然发生的驾驶安全问题都归类于预期功能安全。自动驾驶车辆引发的安全问题中，99％都来源于预期功能安全。
目前行业对于SOTIF还没能找到一个完整的解决方案，也没有一套成熟、高效率的测试体系，甚至还没有一套基础理论，特别是SOTIF在不同国家与地区存在明显差异。自动驾驶车辆和传统车辆的最大区别在于，传统车辆是基于载荷谱和道路谱的输入来设计的机械和电子性能，其中载荷谱和道路谱可以在全世界实现统一，而自动驾驶车辆是基于场景的，安全是建立在必须把驾驶安全放在第一位的基础上，但现实是，很多驾驶者并不把驾驶安全放在首位，特别是不够重视其他车辆或行人的安全，这些都是SOTIF的挑战。
由于自动驾驶车辆无法在与外界复杂环境交互及车辆人机交互的影响下将误操作率降为零，误操作会有以下情况：车内外人机交互误用；过度依赖自动驾驶功能，对于相关预警信息或接管指令不予理会；感知到危险时故意接管车辆等，还有一些无法预料误操作事件会导致自动驾驶车辆预期功能安全存在风险，在测试评价基于自动驾驶车辆误操作的预期功能安全时验证触发事件的容忍度的准确可靠以及验证评估未知风险并最终确认自动驾驶车辆预期功能安全，是目前需要解决的问题。
发明内容
本发明的目的是针对现有技术中的问题，提供一种用于自动驾驶车辆误操作的预期功能安全测试评价方法。
为达到上述目的，本发明采用的技术方案是：
一种用于自动驾驶车辆误操作的预期功能安全测试评价方法，包括如下步骤：
S1，对自动驾驶车辆误操作触发事件进行分析，得出触发误操作事件的原因及发生的场景；
S2，在仿真软件中构建自动驾驶车辆误操作仿真测试场景并进行测试，包括：
(1)在所述仿真软件中创建虚拟测试场景；
(2)在所述仿真软件中构建车辆动力学模块，根据实车所装备的传感器，给所述车辆动力学模块在车身的相同的安装位置及角度添加相应的所述传感器；同时设置所述传感器的参数，使仿真环境中的所述传感器参数与现实中使用的一致，在所述仿真软件中添加底层执行控制层并获取所述底层执行控制层数据；
(3)将用于实车的决策控制电子单元设备外接到所述仿真软件上；
(4)在所述仿真软件中添加车辆行驶环境；
(5)将驾驶模拟器外接到所述仿真软件上；
(6)对所述车辆动力学模块进行误操作场景仿真测试实验；
S3，将由于误操作导致的自动驾驶车辆的系统/组件发生的功能表现局限信息以及对应的触发事件上传至云端管理系统进行保存；
S4，确定评价指标及采用熵值法和序关系分析法相结合的方法确定评价指标的权重系数；
S5，确定自动驾驶车辆误操作的预期功能安全，形成测试评价体系。
优选地，步骤S2中所述虚拟测试场景中至少包括交通参与者及交通标志。
优选地，步骤S2中，所述车辆行驶环境包括道路场景、交通环境、气象状态及误操作触发事件，所述道路场景用于模拟真实环境中道路场景要素的几何特性、物理特性和行为特性；所述交通环境用于模拟真实环境中交通流量信息及周围交通车辆行为；所述气象状态用于模拟真实环境中的天气状态、时间变化以及不同时间的光影变化。
优选地，步骤S2中，所述底层执行控制层包括底层执行控制板和电源控制板。
优选地，步骤S2进行时，根据步骤S1的分析结果，得到不同的测试场景，提取各所述测试场景中关键参数、并结合外部环境、车辆控制确定最终测试场景，根据所述最终测试场景利用所述仿真软件构建所述仿真测试场景。
优选地，步骤S3中，所述功能表现局限包括传感器功能表现局限和底层执行控制层功能表现局限，所述传感器功能表现局限通过传感器数据监测程序进行监测，所述底层执行控制层功能表现局限通过底层控制板CAN心跳程序进行监测。
优选地，步骤S4中，通过熵值法计算各评价指标的权重系数wi的计算公式为：
式中，Si为第i个评价指标的熵值，m为评价指标数，
式中，
n为单个指标的状态数，rij为第i个评价指标隶属于第j层评级等级的关联等级程度。
进一步地，步骤S4中，通过序关系分析法计算各评价指标的权重系数
的计算公式为：
rk表示评价指标xk-1与xk之间的重要度之比，rk为常量。
更进一步地，采用熵值法和序关系分析法相结合计算各评价指标的综合权重系数ωt的计算公式为：
优选地，采用熵值法和序关系分析法相结合的方法可分别确定误操作触发事件的权重系数和风险事件的权重系数。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：本发明的用于自动驾驶车辆误操作的预期功能安全测试评价方法可确定复现触发事件测试场景的测试优先级，从而确定测试用例的重要度，通过对误操作触发事件、风险事件的评价使得验证合理预见误操作相关触发事件的容忍度更加准确可靠，从而验证评估未知的风险。
附图说明
附图1为本发明的用于自动驾驶车辆误操作的预期功能安全测试评价方法的流程图；
附图2为本发明中构建自动驾驶车辆误操作仿真测试场景并进行测试的流程图；
附图3为本发明中功能表现局限信息及触发事件上传的结构框图。
具体实施方式
下面结合附图来对本发明的技术方案作进一步的阐述。
如图1所示，本发明的用于自动驾驶车辆误操作的预期功能安全测试评价方法包括如下步骤：
S1，自动驾驶车辆误操作触发事件分析。
在分析基于自动驾驶车辆误操作的具体触发事件前，需要识别由于误操作引发的潜在危险行为，再由驾驶员要素和具体的环境条件对比预期危险场景与安全场景进行触发事件分析，如表1所示，主要包括由误操作引发的风险事件和相对应的触发事件。例如，好奇心驱使频繁开启/关闭自动驾驶功能，自动驾驶功能按键触发后突然从低速恢复到高速等导致车辆预期功能安全出现潜在危险行为；光线过强或者昏暗等情况下导致摄像头对驾驶员面部情绪识别不准确，无法正确开启疲劳驾驶监测功能从而产生交通事故隐患；驾驶员对不同自动驾驶功能下提示的车辆接管，没有正确理解制动踏板的正确操作方式导致危险发生。
表1
S2，在仿真软件中构建自动驾驶车辆误操作仿真测试场景并进行测试。
对于分析得到误操作的触发事件后，针对具体的误操作触发事件进行自动驾驶车辆的系统/组件仿真测试，流程图如图2所示，具体包括如下步骤。
(1)分析识别误操作触发事件得到不同测试场景。
(2)确定最终测试场景。
在确定最终测试场景时，提取不同测试场景中的关键参数，以真实数据或理论分析的方法给出关键参数的分布范围，结合外部环境、车辆控制等因素，例如，天气状况、车速高低、其他交通元素等，从而得到最终的测试场景。
(3)在仿真软件中构建自动驾驶车辆误操作仿真测试场景。
仿真软件主要是以动力学仿真为主，用来在车辆开发的过程中对整车的动力、稳定性、制动等进行仿真，如SCANeR、CarSim、Prescan、CARLA等等。本发明仿真软件优选SCANeR软件。
构建自动驾驶车辆误操作仿真测试场景主要包括如下步骤：
A1.在仿真软件中创建虚拟测试场景。
根据自动驾驶车辆所需要实现的功能，搭建虚拟测试场景，此虚拟测试场景可以是高速公路或城区道路。在创建的虚拟测试场景中加入所需求的交通参与者如车、人、运动路径等、交通标志如信号灯、地标、施工等必要信息。
A2.在仿真软件中添加虚拟传感器及底层执行控制层数据。
根据实车所装备的传感器，在仿真软件中给构建的车辆动力学模块在车身的相同的安装位置及角度添加相应的诸如摄像头、毫米波雷达、激光雷达等传感器；同时设置传感器的各种参数如探测最大距离、精度等，使仿真软件中的传感器参数与现实中使用的尽可能一致，从而为自动驾驶车辆提供环境感知层。底层执行控制层包括底层执行控制板和电源控制板，如转向板、电控板和电源板，底层执行控制层数据包括刹车、油门等。
A3.在仿真软件中外接决策控制电子单元设备。
将用于实车的决策控制电子单元设备外接到仿真软件上，用于控制自动驾驶车辆可以在仿真环境下正常行驶。
A4.在仿真软件中添加车辆行驶环境。
根据真实车辆行驶环境在仿真软件中添加相应的道路场景、交通环境、气象状态及设置误操作触发事件。其中，道路场景用于模拟真实环境中道路场景要素的几何特性、物理特性和行为特性；交通环境是指合理的交通流量信息及周围交通车辆行为；气象状态指的是真实环境中的天气状态、时间变化以及不同时间的光影变化；设置误操作触发事件指的是在虚拟测试场景中加入误操作触发事件，如加入“大灯过于频繁使用”事件。
A5.在仿真软件中外接驾驶模拟器。
将驾驶模拟器外接到仿真软件上，用于模拟误操作中人机交互的触发事件进而构建相应的自动驾驶车辆误操作仿真测试场景。
(3)在自动驾驶车辆误操作仿真测试场景中对构建的车辆动力学模块进行误操作场景仿真测试实验。
S3，将由于误操作导致的自动驾驶车辆的系统/组件发生的功能表现局限信息及对应的误操作触发事件上传至云端管理系统进行保存。
在进行误操作场景仿真测试实验过程中，由于误操作导致真实发生危险行为时，将自动驾驶车辆的系统/组件包括传感器、底层执行控制板和电源控制板等模块存在功能表现局限的因素以及相应的触发事件上传至云端管理系统进行保存，以便后续分析指导基于误操作的预期功能安全的改善方向，进而减少风险，同时给出预警提示。其中传感器功能表现局限通过传感器数据监测程序进行监测，底层执行控制层功能表现局限通过底层控制板CAN心跳程序进行监测。功能表现局限信息及触发事件上传框架图见图3所示。
S4，确定可接受的评价指标及采用熵值法和序关系分析法相结合的方法确定评价指标的权重系数。
对于管理系统中记录的误操作具体触发事件，由于误操作导致的潜在危险事件，需要对可测试场景进行仿真测试，并分析确定能实际评价危险事件的指标，该评价指标即为分析触发事件中的具体触发因素，如表1所示，在确定评价指标后采用主客观相结合的方法对评价指标进行量化分析。
评价指标量化分析方法主要采用主客观相结合的方法，包括熵值法与序关系分析法。
熵值法是利用所需评价指标的实际值来度量其有效信息量的多少，从而确定评价指标的权重值。根据熵的定义，基于误操作的自动驾驶车辆预期功能测试评价第j层评级等级的第i个评价指标的熵值根据下列公式计算：
其中：rij为第i个评价指标隶属于第j层评级等级的关联等级程度；pij表示第i个评价指标在第j层评级等级的概率；n为单个指标的状态数；m为评价指标数；i＝1，2，……，m；j＝1，2，……，n；0≤Si≤1。
第i个评价指标的权重系数wi根据下式计算：
其中：0≤wi≤1，
最终可得出m个评价指标的权重系数集合：w＝(w1，w2，……，wm)T。
对于序关系分析法，通过在m个评价指标集{x1，x2，......，xm}中将各评价指标按照重要程度组成序关系，如下式所示：
其中，
指组成序关系后的单因素评价指标，给出评价指标xk-1与xk之间的重要度之比rk。排序后的各评价指标对应的权重系数
由下列公式计算得到：
其中：k为评价指标数，k＝m，m-1，......，3，2，rk为常量。
在分别得到通过熵值法和序关系分析法计算的评价指标的权重系数后，可计算评价指标的综合权重系数ωt，计算公式如下：
其中，wit是熵值法计算得到的评价指标的权重系数，
是序关系分析法计算得到的评价指标的权重系数。对于m个评价指标，最终可得出自动驾驶车辆各级指标的综合权重系数集合ω＝(ω1，ω2，......，ωm)T。
通过对评价指标的量化分析，即确定误操作触发事件权重系数的大小，使得在验证合理预见误操作相关误操作触发事件容忍度时可靠性和准确性更高，可以确定复现误操作触发事件时测试场景的测试优先级，从而确定对应测试用例的重要度，以提高整体测试效率。同时，通过确定风险事件的权重系数的大小，可作为评估对合理可预见的误操作表现的预期效果的依据，与对比实际测试中引发的危险行为，验证评估基于误操作的自动驾驶车辆预期功能安全的未知风险。
S5，确定基于误操作的自动驾驶车辆预期功能安全，形成测试评价体系。
通过对自动驾驶车辆预期功能安全的未知风险的验证，可以确定存在风险的合理性，在场景测试过程中，有实际发生导致危险事件的误操作行为时，通过对测试结果的量化评估，可验证其风险的合理化，从而确定基于误操作的自动驾驶车辆预期功能安全，从而形成一套测试评价流程。本实施例以自动驾驶车辆紧急制动功能为例，给出用于误操作的自动驾驶车辆预期功能安全的测试评价过程，如表2所示。
表2
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。
Claims (10)
1.一种用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：包括如下步骤：
S1，对自动驾驶车辆误操作触发事件进行分析，得出触发误操作事件的原因及发生的场景；
S2，在仿真软件中构建自动驾驶车辆误操作仿真测试场景并进行测试，包括：
(1)分析识别误操作触发事件得到不同测试场景；
(2)确定最终测试场景；
(3)在所述仿真软件中构建自动驾驶车辆误操作仿真测试场景，主要包括如下步骤：
A1.在所述仿真软件中创建虚拟测试场景；
A2.在所述仿真软件中构建车辆动力学模块，根据实车所装备的传感器，给所述车辆动力学模块在车身的相同的安装位置及角度添加相应的所述传感器；同时设置所述传感器的参数，使仿真环境中的所述传感器参数与现实中使用的一致，在所述仿真软件中添加底层执行控制层并获取所述底层执行控制层数据；在仿真软件中添加虚拟传感器及底层执行控制层数据；
A3.将用于实车的决策控制电子单元设备外接到所述仿真软件上；
A4.根据真实车辆行驶环境在所述仿真软件中添加相应的道路场景、交通环境、气象状态及设置误操作触发事件；
A5.将驾驶模拟器外接到所述仿真软件上；
(4)对所述车辆动力学模块进行误操作场景仿真测试实验；
S3，将由于误操作导致的自动驾驶车辆的系统/组件发生的功能表现局限信息以及对应的触发事件上传至云端管理系统进行保存；
S4，确定评价指标及采用熵值法和序关系分析法相结合的方法确定评价指标的权重系数；
S5，确定自动驾驶车辆误操作的预期功能安全，形成测试评价体系。
2.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S2中所述虚拟测试场景中至少包括交通参与者及交通标志。
3.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S2中，所述道路场景用于模拟真实环境中道路场景要素的几何特性、物理特性和行为特性；所述交通环境用于模拟真实环境中交通流量信息及周围交通车辆行为；所述气象状态用于模拟真实环境中的天气状态、时间变化以及不同时间的光影变化。
4.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S2中，所述底层执行控制层包括底层执行控制板和电源控制板。
5.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S2中通过提取各所述测试场景中关键参数、并结合外部环境、车辆控制确定最终测试场景，根据所述最终测试场景利用所述仿真软件构建所述仿真测试场景。
6.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S3中，所述功能表现局限包括传感器功能表现局限和底层执行控制层功能表现局限，所述传感器功能表现局限通过传感器数据监测程序进行监测，所述底层执行控制层功能表现局限通过底层控制板CAN心跳程序进行监测。
7.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S4中，通过熵值法计算各评价指标的权重系数wi的计算公式为：
式中，Si为第i个评价指标的熵值，m为评价指标数，
式中，
pij表示第i个评价指标在第j层评级等级的概率；rij为第i个评价指标隶属于第j层评级等级的关联等级程度，n为单个指标的状态数；i＝1，2，......，m；j＝1，2，......，n；0≤Si≤1。
8.根据权利要求7所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：步骤S4中，通过序关系分析法计算各评价指标的权重系数
的计算公式为：
rk表示评价指标xk-1与xk之间的重要度之比，rk为常量。
9.根据权利要求8所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：采用熵值法和序关系分析法相结合计算各评价指标的综合权重系数ωt的计算公式为：
式中，wit是熵值法计算得到的评价指标的权重系数，
是序关系分析法计算得到的评价指标的权重系数。
10.根据权利要求1所述的用于自动驾驶车辆误操作的预期功能安全测试评价方法，其特征在于：采用熵值法和序关系分析法相结合的方法可分别确定误操作触发事件的权重系数和风险事件的权重系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011593684.2A CN112631257B (zh) | 2020-12-29 | 2020-12-29 | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011593684.2A CN112631257B (zh) | 2020-12-29 | 2020-12-29 | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112631257A CN112631257A (zh) | 2021-04-09 |
| CN112631257B true CN112631257B (zh) | 2021-12-17 |
Family
ID=75286153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011593684.2A Active CN112631257B (zh) | 2020-12-29 | 2020-12-29 | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112631257B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113110494B (zh) * | 2021-05-07 | 2022-08-30 | 清华大学 | 基于预期功能安全的协同式自适应巡航控制容错设计系统 |
| CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
| CN113485301B (zh) * | 2021-07-20 | 2022-05-17 | 合肥工业大学 | 自动驾驶汽车控制系统的预期功能安全性能的量化评价方法 |
| CN113468670B (zh) * | 2021-07-20 | 2023-11-03 | 合肥工业大学 | 一种自动驾驶车辆整车级别的性能评价方法 |
| CN114326667B (zh) * | 2021-12-23 | 2023-08-08 | 水木东方(深圳)科技有限公司 | 在线交通流仿真与真实道路环境融合的无人驾驶测试方法 |
| US20230339517A1 (en) * | 2022-04-22 | 2023-10-26 | GM Global Technology Operations LLC | Autonomous driving evaluation system |
| CN115018254A (zh) * | 2022-04-28 | 2022-09-06 | 昆明理工大学 | 一种基于3d虚拟技术的驾驶动态风险测试评价方法 |
| CN115271424A (zh) * | 2022-05-20 | 2022-11-01 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于场景的产品使用危险识别方法、装置和计算机设备 |
| CN116046417B (zh) * | 2023-04-03 | 2023-11-24 | 安徽深信科创信息技术有限公司 | 自动驾驶感知局限测试方法、装置、电子设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101614760A (zh) * | 2008-06-26 | 2009-12-30 | 西门子公司 | 一种电力监测设备 |
| CN109194647B (zh) * | 2018-08-30 | 2022-02-18 | 超级魔方(北京)科技有限公司 | 数据传输方法、装置、电子设备及存储介质 |
| CN109885870A (zh) * | 2019-01-09 | 2019-06-14 | 同济大学 | 一种用于自动驾驶汽车预期功能安全的验证方法及系统 |
| US11167751B2 (en) * | 2019-01-18 | 2021-11-09 | Baidu Usa Llc | Fail-operational architecture with functional safety monitors for automated driving system |
| CN110333730B (zh) * | 2019-08-12 | 2020-08-21 | 安徽江淮汽车集团股份有限公司 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
| CN110930005A (zh) * | 2019-11-14 | 2020-03-27 | 华东师范大学 | 基于零日漏洞的自动驾驶预期功能安全危害评估方法 |
| CN111103866B (zh) * | 2019-12-20 | 2024-07-12 | 吉林大学 | 一种基于预期功能安全的自适应巡航开发与测试方法 |
-
2020
- 2020-12-29 CN CN202011593684.2A patent/CN112631257B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112631257A (zh) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112631257B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全测试评价方法 | |
| CN112711260B (zh) | 一种用于自动驾驶车辆误/漏识别的预期功能安全测试评价方法 | |
| Stellet et al. | Testing of advanced driver assistance towards automated driving: A survey and taxonomy on existing approaches and open questions | |
| CN112613169B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全分析方法 | |
| CN111006879B (zh) | 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台 | |
| CN113515105A (zh) | 用于车辆预期功能安全仿真测试的平台、方法及存储介质 | |
| CN110803172B (zh) | 自动驾驶车辆制动系统的建模方法和车辆制动系统 | |
| CN113343359B (zh) | 一种自动驾驶预期功能安全触发条件评估方法及系统 | |
| CN112651132B (zh) | 一种用于自动驾驶车辆误操作的预期功能安全风险评估方法 | |
| CN115165398A (zh) | 车辆的行驶功能测试方法、装置、计算设备及介质 | |
| CN112612288B (zh) | 一种用于自动驾驶车辆误/漏识别的预期功能安全风险评估方法 | |
| CN112883500A (zh) | 一种基于故障注入的智能车辆系统早期功能安全评估方法 | |
| Karunakaran et al. | Parameterisation of lane-change scenarios from real-world data | |
| Schwalb | Analysis of safety of the intended use (sotif) | |
| CN115979679A (zh) | 自动驾驶系统实际道路测试方法、设备和存储介质 | |
| CN116755417A (zh) | 自动驾驶危险分析及风险评估方法、装置、设备及介质 | |
| CN115688254A (zh) | 自动驾驶风险预测方法、装置、存储介质及电子设备 | |
| CN112883489A (zh) | 自动驾驶汽车仿真系统 | |
| KR102682475B1 (ko) | 테스트 트랙 활용 도로교통법 기반 자율주행차 운전능력 평가시스템 | |
| CN109284889A (zh) | 一种无人车反应敏捷度评测方法和装置 | |
| CN116380495B (zh) | 基于数字孪生的排放和能耗试验方法、系统、设备和介质 | |
| CN118500759B (zh) | 一种自动辅助驾驶测试方法及系统 | |
| Durukal et al. | A Digital Twin Study: Particle Swarm Optimization of ACC Controller for Follow Acceleration Maneuver | |
| CN118220102A (zh) | 汽车制动故障诊断方法、装置、设备及存储介质 | |
| Peng et al. | Risk status identification during the takeover of conditionally automated vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221223 Address after: 215000 floor 11, building 5, No. 2266, Taiyang Road, high speed railway new town, Xiangcheng District, Suzhou City, Jiangsu Province Patentee after: SUZHOU AUTOMOTIVE RESEARCH INSTITUTE TSINGHUA University (XIANGCHENG) Patentee after: TSINGHUA University Address before: 215134 Zhongqi Zero building, aigehao Road, Xiangcheng District, Suzhou City, Jiangsu Province Patentee before: SUZHOU AUTOMOTIVE RESEARCH INSTITUTE TSINGHUA University (XIANGCHENG) |