CN114802279A - 自动驾驶车辆的asil等级信息确定方法、装置及电子设备 - Google Patents

Abstract

本公开提供了一种自动驾驶车辆的ASIL等级信息确定方法、装置及电子设备，涉及车辆技术领域，尤其涉及车辆技术中的智能交通和自动驾驶领域，具体实现方案包括：获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；根据所述历史信息计算目标信息；根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

Description

自动驾驶车辆的ASIL等级信息确定方法、装置及电子设备

技术领域

本公开涉及车辆技术领域，尤其涉及车辆技术中的智能交通和自动驾驶领域，具体涉及一种自动驾驶车辆的ASIL等级信息确定方法、装置及电子设备。

背景技术

当前通常需要评估车辆的安全完整性(Automotive Safety Integrity Level，ASIL)等级信息，在当前ASIL等级信息的确定过程中，通常是基于经验来确定每一种信息，然后基于不同的信息来确定ASIL等级信息，而在不同的场景下，每种信息的确定结果的差别较大。

发明内容

本公开提供了一种自动驾驶车辆的ASIL等级信息确定方法、装置及电子设备。

根据本公开的第一方面，提供了一种自动驾驶车辆的ASIL等级信息确定方法，包括：

获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

根据所述历史信息计算目标信息；

根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

根据本公开的第二方面，提供了一种自动驾驶方法，包括：

获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

基于所述ASIL等级信息进行自动驾驶。

根据本公开的第三方面，提供了一种自动驾驶车辆的ASIL等级信息确定装置，包括：

第一获取模块，用于获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

计算模块，用于根据所述历史信息计算目标信息；

确定模块，用于根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

根据本公开的第四方面，提供了一种自动驾驶装置，包括：

第二获取模块，用于获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

自动驾驶模块，用于基于所述ASIL等级信息进行自动驾驶。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面或者第二方面中的任一项方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面或第二方面中的任一项方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面或第二方面中的任一项方法。

本公开实施例中，可以根据自动驾驶车辆在预设行驶区域内的历史信息来计算目标信息，由于根据历史信息计算得到的目标信息通常比较符合预设行驶区域内的规律，使得目标信息与预设行驶区域内的规律比较贴合，即使得目标信息的准确度较高，然后根据目标信息以及采集的自动驾驶车辆的安全冗余系统避免风险的可控性信息确定自动驾驶车辆的ASIL等级信息，从而可以增强ASIL等级信息的准确度，即使得ASIL等级信息对预设行驶区域内风险评估更具有针对性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

图1是本公开实施例提供的自动驾驶车辆的ASIL等级信息确定方法的流程示意图；

图2是本公开实施例提供的自动驾驶方法的流程示意图；

图3是本公开实施例提供的自动驾驶车辆的ASIL等级信息确定装置的结构示意图；

图4是本公开实施例提供的自动驾驶装置的结构示意图；

图5是用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

参见图1，图1为本公开实施例提供的一种自动驾驶车辆的ASIL等级信息确定方法的流程图，如图1所示，自动驾驶车辆的ASIL等级信息确定方法包括以下步骤：

步骤S101、获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息。

其中，预设行驶区域可以指的是自动驾驶车辆行驶较多的区域，或者，预设行驶区域可以指的是待调研的区域，或者，预设行驶区域可以指的是用车需求比较大的区域。

其中，历史信息的具体种类在此不做限定，例如：历史信息可以包括自动驾驶车辆的各项参数信息，如自动驾驶车辆的数量、自动驾驶车辆发生碰撞事故的数量、自动驾驶车辆发生的碰撞事故的严重程度、自动驾驶车辆发生碰撞事故的频率和解决自动驾驶车辆发生碰撞事故造成的损害所耗费的时长等信息中的至少一种。

需要说明的是，不同预设行驶区域，则对应的历史信息不同，即预设行驶区域与历史信息一一对应。

另外，上述历史信息可以通过预设行驶区域内设置的路侧设备进行采集得到。

其中，自动驾驶车辆上可以配置安全冗余系统，当自动驾驶车辆的主系统失效的时候，安全冗余系统可以接管自动驾驶车辆，而自动驾驶车辆的安全冗余系统避免风险的可控性信息可以理解为安全冗余系统接管自动驾驶车辆的接管能力，而安全冗余系统接管自动驾驶车辆的接管能力可以被分为多个等级。

例如：安全冗余系统接管自动驾驶车辆的接管能力可以分为C0、C1、C2和C3总共4个等级，其中C0是安全冗余系统可以检测自动驾驶车辆的风险(自动驾驶车辆的风险可以包括系统故障或行为异常)并且完全规避上述风险，以使得自动驾驶车辆避免发生碰撞事故；C1是安全冗余系统可以检测上述风险并且执行最小风险策略来降低风险但不能保证完全规避上述风险；C2是安全冗余系统可以检测出上述风险但是没有自主降低上述风险的能力，C3是安全冗余系统无法检测出上述风险，即从C0至C3可控性信息逐渐降低。

步骤S102、根据所述历史信息计算目标信息。

其中，根据历史信息计算目标信息的具体方式在此不做限定，作为一种可选的实施方式，可以从历史信息中抽取与自动驾驶车辆相关度大于第一预设阈值的部分信息，然后对上述部分信息进行特征提取以计算得到目标信息，同理，也可以对可控性信息进行特征提取，这样，可以将目标信息对应的特征以及可控性信息对应的特征输入至信息确定模型中，从而确定ASIL等级信息，提高了ASIL等级信息确定方式的智能化程度，且提高了ASIL等级信息确定的速率。

需要说明的是，上述信息确定模型可以为预先训练得到的用于确定ASIL等级信息的神经网络模型，具体训练方式可以为抽取样本数据中包括目标信息对应的特征以及可控性信息对应的特征，并将上述特征输入至神经网络模型中进行训练，当输出的ASIL等级信息与样本数据中目标信息以及可控性信息确定的ASIL等级信息的实际值之间的误差小于预设差值时，则可以将神经网络确定为信息确定模型。

作为另一种可选的实施方式，本实施方式与上述实施方式的区别在于：上述部分信息的置信度可以大于第二预设阈值。这样，使得抽取的部分信息与自动驾驶车辆的相关度较高，同时置信度也较高，然后对上述部分信息进行特征提取得到目标信息，从而使得最终计算得到的目标信息的可靠性较高，还减少了计算资源的消耗。

其中，目标信息的具体类型在此也不做限定，作为一种可选的实施方式，所述目标信息包括如下至少一项：风险严重性信息和暴露于风险中的概率信息。

其中，风险严重性信息也可以被称作为严重度信息，暴露于风险中的概率信息也可以被称作为暴露概率信息。

其中，风险严重性信息可以分为S0、S1、S2和S3总共4个等级，S0是无伤害，S1是轻微或有限的伤害，S2是严重或危害自动驾驶车辆中的乘客的生命的伤害(可以幸存)，S3是危及上述乘客的生命的伤害或致命伤害，即从S0至S3伤害性(即严重性)逐渐增大。

其中，暴露于风险中的概率信息可以分为E0、E1、E2、E3和E4总共5个等级，其中E0是几乎不可能，E1是可能性非常低，E2是可能性低，E3是中等可能性，E4是可能性高，即从E0至E4的可能性逐渐增大。

这样，增加了目标信息的多样性，从而使得在根据目标信息确定ASIL等级信息时，ASIL等级信息的确定方式更加多样化和灵活化，且可以提高ASIL等级信息的确定结果的准确度。

需要说明的是，根据风险严重性信息、暴露于风险中的概率信息和可控性信息确定ASIL等级信息的方式可以参见表1。

表1ASIL等级信息确定表格

参见表1，其中QM表示质量管理(Quality Management，QM)，表示不用担心任何风险，A、B、C和D分别表示ASIL等级信息，从A至D，则ASIL等级信息越来越高，表示存在风险的等级也越来越高，E1、E2、E3和E4分别表示暴露于风险中的概率信息，S1、S2和S3分别表示风险严重性信息，C1、C2和C3分别表示可控性信息。

需要说明的是，目标信息也可以包括第一目标信息和第二目标信息中的至少一种，第一目标信息可以等于风险严重性信息与场景系数的乘积，第二目标信息可以等于暴露于风险中的概率信息与场景系数的乘积。

上述场景系数具体在此不做限定，不同的场景对应的场景系数不同，例如：行人和车辆较多、道路较为狭窄的场景系数较高，行人和车辆较少，道路较为宽阔的场景系数较低。

作为一种可选的实施方式，所述风险严重性信息根据碰撞方向的径向相对速度、所述自动驾驶车辆的碰撞风险测试等级和碰撞严重属性系数中的至少一项来确定。这样，由于风险严重性信息的确定方式更加灵活，且当风险严重性信息根据多项信息确定时，使得风险严重性信息的确定结果更加准确，进而进一步提高确定的ASIL等级信息的准确度。

作为一种可选的实施方式，所述暴露于风险中的概率信息包括如下至少一项：场景的频率信息和场景的碰撞风险频率信息，所述场景的频率信息根据场景的持续运行时长或者场景发生次数确定，所述场景的碰撞风险频率信息根据场景的碰撞风险的发生次数确定。

其中，场景的频率信息根据场景的持续运行时长或者场景发生次数确定的具体方式可以参见以下表述：可以将持续运行时长或者场景发生次数对应的数值转化为场景的频率信息，当持续运行时长或者场景发生次数的数值越大，则场景的频率信息越大，对应的，当持续运行时长或者场景发生次数的数值越小，则场景的频率信息越小。

其中，场景的碰撞风险频率信息根据场景的碰撞风险的发生次数确定的具体方式可以参见以下表述：当场景的碰撞风险的发生次数越多，则场景的碰撞风险频率信息越大，对应的，当场景的碰撞风险的发生次数越少，则场景的碰撞风险频率信息越小。

需要说明的是，场景的碰撞风险频率信息的单位可以为公里/每次该场景碰撞风险，也就是说：场景的碰撞风险频率信息可以理解为每次该场景发生碰撞风险时，自动驾驶车辆行驶的距离。

本公开实施方式中，暴露于风险中的概率信息包括如下至少一项：场景的频率信息和场景的碰撞风险频率信息，这样，由于暴露于风险中的概率信息包括的信息的种类较多，可以多维度的反应暴露于风险中的可能性，则可以使得根据暴露于风险中的概率信息确定的ASIL等级信息的结果更加准确。

作为一种可选的实施方式，所述场景的频率信息包括如下至少一项：第一信息和第二信息，所述第一信息等于场景的持续时长与所述自动驾驶车辆的运行总时长的比值，所述第二信息等于场景的维持距离的数值与场景的发生次数的比值。

其中，场景的持续时长指的是场景从出现至结束之间持续的时长，而自动驾驶车辆的运行总时长可以指的是自动驾驶车辆从启动至停止之间持续的总时长。

例如：上述场景可以指的是自动驾驶车辆位于路口的场景，则第一信息可以等于自动驾驶车辆位于路口的总时间与自动驾驶车辆的运行总时长的比值。

又例如上述场景可以指的是自动驾驶车辆在行驶时下雨的场景，则第一信息可以等于自动驾驶车辆在行驶时下雨的时长与自动驾驶车辆的运行总时长的比值。

其中，场景的维持距离指的是场景从出现至结束，自动驾驶车辆所行驶的距离，场景的发生次数指的是在某一段时间内，场景发生的次数，或者，场景的发生次数指的是在某一段行驶距离内，场景发生的次数。需要说明的是，第二信息的单位可以为公里/每次。

例如：场景可以指的是自动驾驶车辆行驶入车道时，车道内出现施工设备，则第二信息可以等于自动驾驶车辆行驶入车道时，车道内出现施工设备的距离与自动驾驶车辆行驶入车道时，车道内出现障碍物的次数的比值，障碍物可以为施工设备或者石块等物体。

本公开实施方式中，由于场景的频率信息包括如下至少一项：第一信息和第二信息，即场景的频率信息的种类较多，从而可以多维度的反应场景的频率信息，则可以使得根据场景的频率信息确定的ASIL等级信息的结果更加准确。

需要说明的是，本公开实施例中的场景具体在此不做限定，例如：场景可以指的自动驾驶车辆路过路口的场景、自动驾驶车辆行驶时处于下雨的场景、自动驾驶车辆行驶时车道内存在障碍物的场景以及自动驾驶车辆路过路口发生碰撞的场景。

步骤S103、根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

其中，目标信息和可控性信息可以进行归一化处理，并将归一化处理之后的目标信息和可控性信息分别赋予对应的分数。

上述归一化处理可以理解为将目标信息和可控性信息进行转化为同一维度的数据，这样，方便后续根据目标信息和可控性信息确定ASIL等级信息，提升了计算效率。

作为一种可选的实施方式，所述根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息，包括：

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的和，并确定所述和对应的ASIL等级信息。

其中，可以预先设置风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和与ASIL等级信息之间的对应关系，例如：上述风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和位于第一区间内，则ASIL等级信息可以确定为A等级；上述风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和位于第二区间内，则ASIL等级信息可以确定为B等级；上述风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和位于第三区间内，则ASIL等级信息可以确定为C等级；上述风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和位于第四区间内，则ASIL等级信息可以确定为D等级。

本公开实施方式中，计算风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和，并确定和对应的ASIL等级信息，这样，根据计算风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的和与ASIL等级信息之间的对应关系可以准确且快速的确定ASIL等级信息。

作为一种可选的实施方式，所述根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息，包括：

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的加权和，并确定所述加权和对应的ASIL等级信息。

其中，计算风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的加权和时，每一项信息对应的权值可以不同，且每一项信息对应的权值可以动态调整。

例如：当风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息中的某一项信息在连续的几个周期内逐渐升高，则可以调高该信息的权重。这样，可以增大该信息在确定ASIL等级信息时的权重，从而可以使得ASIL等级信息更加明显的反应上述升高趋势，进而进一步增强ASIL等级信息的准确度。

本公开实施方式中，通过风险严重性信息、暴露于风险中的概率信息和避免风险的可控性信息的加权和确定ASIL等级信息，从而增加了ASIL等级信息确定方式的多样性和灵活性，同时，由于可以调整上述信息的权重，从而可以进一步增强ASIL等级信息的准确度。

需要说明的是，作为一种可选的实施方式，当确定自动驾驶车辆的ASIL等级信息之后，还可以将自动驾驶车辆确定为ASIL等级信息对应的自动驾驶策略。

其中，由于不同的ASIL等级信息对应的自动驾驶策略不同，当ASIL等级信息较高时，则表明自动驾驶车辆所处的风险等级较高，此时自动驾驶策略以安全为优先，即自动驾驶策略可以为低速；同理，当ASIL等级信息较低时，则表明自动驾驶车辆所处的风险等级较低，此时自动驾驶策略以效率为优先，即自动驾驶策略可以为高速。

这样，通过确定ASIL等级信息，并通过ASIL等级信息确定对应的自动驾驶策略，从而使得自动驾驶车辆的自动驾驶策略更加灵活和更加智能。

需要说明的是，当确定自动驾驶车辆的ASIL等级信息之后，还可以将ASIL等级信息分享给服务器、其他电子设备或者其他自动驾驶车辆，从而可以增强上述ASIL等级信息的分享效果，同时，当将ASIL等级信息分享给其他自动驾驶车辆时，可以使得其他自动驾驶车辆可以根据ASIL等级信息确定对应的自动驾驶策略，从而增强了对自动驾驶策略的调整效果。

本公开实施例中，通过步骤S101至S103，可以根据自动驾驶车辆在预设行驶区域内的历史信息来计算目标信息，由于根据历史信息计算得到的目标信息通常比较符合预设行驶区域内的规律，使得目标信息与预设行驶区域内的规律比较贴合，即使得目标信息的准确度较高，然后根据目标信息以及采集的自动驾驶车辆的安全冗余系统避免风险的可控性信息确定自动驾驶车辆的ASIL等级信息，从而可以增强ASIL等级信息的准确度，即使得ASIL等级信息对预设行驶区域内风险评估更具有针对性。

参见图2，图2为本公开实施例提供的一种自动驾驶方法的流程图，如图2所示，自动驾驶方法，包括以下步骤：

步骤S201、获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息。

其中，ASIL等级信息、目标信息、可控性信息、预设行驶区域、历史信息和安全冗余系统均可以分别参见上述实施例中的相关表述，具体在此不再赘述。

步骤S202、基于所述ASIL等级信息进行自动驾驶。

其中，基于ASIL等级信息进行自动驾驶可以参见上述实施例中的基于ASIL等级信息调整自动驾驶策略的相关表述。

另外，基于ASIL等级信息进行自动驾驶时，还可以在自动驾驶车辆的显示屏上显示上述ASIL等级信息，从而起到提示周围行人以及其他车辆的效果，进而可以减少自动驾驶车辆发生碰撞风险的可能性。

本公开实施例中，通过步骤S201至S202，可以获取自动驾驶车辆的ASIL等级信息，并基于ASIL等级信息进行自动驾驶，从而增强了自动驾驶车辆的自动驾驶的灵活性和智能化程度。

参见图3，图3为本公开实施例提供的一种自动驾驶车辆的ASIL等级信息确定装置的结构示意图，如图3所示，自动驾驶车辆的ASIL等级信息确定装置300，包括：

第一获取模块301，用于获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

计算模块302，用于根据所述历史信息计算目标信息；

确定模块303，用于根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

可选地，所述目标信息包括如下至少一项：风险严重性信息和暴露于风险中的概率信息。

可选地，所述确定模块303，还用于：

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的和，并确定所述和对应的ASIL等级信息；或者

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的加权和，并确定所述加权和对应的ASIL等级信息。

可选地，所述暴露于风险中的概率信息包括如下至少一项：场景的频率信息和场景的碰撞风险频率信息，所述场景的频率信息根据场景的持续运行时长或者场景发生次数确定，所述场景的碰撞风险频率信息根据场景的碰撞风险的发生次数确定。

可选地，所述场景的频率信息包括如下至少一项：第一信息和第二信息，所述第一信息等于场景的持续时长与所述自动驾驶车辆的运行总时长的比值，所述第二信息等于场景的维持距离与场景的发生次数的比值。

可选地，所述风险严重性信息根据碰撞方向的径向相对速度、所述自动驾驶车辆的碰撞风险测试等级和碰撞严重属性系数中的至少一项来确定。

本公开提供的自动驾驶车辆的ASIL等级信息确定装置300能够实现自动驾驶车辆的ASIL等级信息确定方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

参见图4，图4为本公开实施例提供的一种自动驾驶装置的结构示意图，如图4所示，自动驾驶装置400，包括：

第二获取模块401，用于获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

自动驾驶模块402，用于基于所述ASIL等级信息进行自动驾驶。

本公开提供的自动驾驶装置400能够实现自动驾驶方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如自动驾驶车辆的ASIL等级信息确定方法或者自动驾驶方法。例如，在一些实施例中，自动驾驶车辆的ASIL等级信息确定方法或者自动驾驶方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的自动驾驶车辆的ASIL等级信息确定方法或者自动驾驶方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动驾驶车辆的ASIL等级信息确定方法或者自动驾驶方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种自动驾驶车辆的ASIL等级信息确定方法，包括：

获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

根据所述历史信息计算目标信息；

根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的安全完整性ASIL等级信息。

2.根据权利要求1所述的方法，其中，所述目标信息包括如下至少一项：

风险严重性信息和暴露于风险中的概率信息。

3.根据权利要求2所述的方法，其中，所述根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息，包括：

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的和，并确定所述和对应的ASIL等级信息；或者

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的加权和，并确定所述加权和对应的ASIL等级信息。

4.根据权利要求2所述的方法，其中，所述暴露于风险中的概率信息包括如下至少一项：场景的频率信息和场景的碰撞风险频率信息，所述场景的频率信息根据场景的持续运行时长或者场景发生次数确定，所述场景的碰撞风险频率信息根据场景的碰撞风险的发生次数确定。

5.根据权利要求4所述的方法，其中，所述场景的频率信息包括如下至少一项：第一信息和第二信息，所述第一信息等于场景的持续时长与所述自动驾驶车辆的运行总时长的比值，所述第二信息等于场景的维持距离与场景的发生次数的比值。

6.根据权利要求2至5中任一项所述的方法，其中，所述风险严重性信息根据碰撞方向的径向相对速度、所述自动驾驶车辆的碰撞风险测试等级和碰撞严重属性系数中的至少一项来确定。

7.一种自动驾驶方法，包括：

获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

基于所述ASIL等级信息进行自动驾驶。

8.一种自动驾驶车辆的ASIL等级信息确定装置，包括：

第一获取模块，用于获取自动驾驶车辆在预设行驶区域内的历史信息，以及采集所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

计算模块，用于根据所述历史信息计算目标信息；

确定模块，用于根据所述目标信息和所述可控性信息，确定所述自动驾驶车辆的ASIL等级信息。

9.根据权利要求8所述的装置，其中，所述目标信息包括如下至少一项：

风险严重性信息和暴露于风险中的概率信息。

10.根据权利要求9所述的装置，其中，所述确定模块，还用于：

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的和，并确定所述和对应的ASIL等级信息；或者

计算所述风险严重性信息、所述暴露于风险中的概率信息和所述避免风险的可控性信息的加权和，并确定所述加权和对应的ASIL等级信息。

11.根据权利要求9所述的装置，其中，所述暴露于风险中的概率信息包括如下至少一项：场景的频率信息和场景的碰撞风险频率信息，所述场景的频率信息根据场景的持续运行时长或者场景发生次数确定，所述场景的碰撞风险频率信息根据场景的碰撞风险的发生次数确定。

12.根据权利要求11所述的装置，其中，所述场景的频率信息包括如下至少一项：第一信息和第二信息，所述第一信息等于场景的持续时长与所述自动驾驶车辆的运行总时长的比值，所述第二信息等于场景的维持距离与场景的发生次数的比值。

13.根据权利要求9至12中任一项所述的装置，其中，所述风险严重性信息根据碰撞方向的径向相对速度、所述自动驾驶车辆的碰撞风险测试等级和碰撞严重属性系数中的至少一项来确定。

14.一种自动驾驶装置，包括：

第二获取模块，用于获取自动驾驶车辆的ASIL等级信息，其中，所述ASIL等级信息，是基于目标信息和可控性信息确定的ASIL等级信息，所述目标信息为基于所述自动驾驶车辆在预设行驶区域内的历史信息计算的，所述可控性信息为所述自动驾驶车辆的安全冗余系统避免风险的可控性信息；

自动驾驶模块，用于基于所述ASIL等级信息进行自动驾驶。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法，或者，以使所述至少一个处理器能够执行权利要求7所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法，或者，所述计算机指令用于使所述计算机执行根据权利要求7所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法，或者，所述计算机程序在被处理器执行时实现根据权利要求7所述的方法。

Images