CN116861678A - 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 - Google Patents
一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 Download PDFInfo
- Publication number
- CN116861678A CN116861678A CN202310849992.4A CN202310849992A CN116861678A CN 116861678 A CN116861678 A CN 116861678A CN 202310849992 A CN202310849992 A CN 202310849992A CN 116861678 A CN116861678 A CN 116861678A
- Authority
- CN
- China
- Prior art keywords
- scene
- safety
- automatic driving
- performance
- risk
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000015556 catabolic process Effects 0.000 claims abstract description 4
- 238000006731 degradation reaction Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000011158 quantitative evaluation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,步骤S1.基于不同的层次模型的构建结构化场景库,将结构化场景与场景参数相结合生成对应的逻辑化场景库;步骤S2.建立传感器性能局限和触发条件对风险场景之间的映射关系,同时确定逻辑化风险场景的严重度、暴漏率、可控性的概率系数,量化评估每个风险场景的可接受准则;步骤S3.基于不同的风险场景,通过优选评价指标对整车安全距离和实际危险场景中的安全降级行动进行量化评估,判断对应的评价指标是否在可以接受的范围内,同时,通过分析车辆运动过程和应用状态,结合对应的优选评价指标,对传感器本身的性能和控制器性能提出与整车接受准则相匹配的性能要求。具有效率高,可靠性高等优点。
Description
技术领域
本发明属于智能网联汽车技术领域,具体涉及一种自动驾驶预期功能安全触发条件生成及系统优化评估方法。
背景技术
以自动驾驶模式运行(例如,无人驾驶)的车辆可将乘员、尤其是驾驶员从驾驶相关的任务中解放出来。当以自动驾驶模式运行时,车辆可基于环境感知的信息,在车上没有任何人类驾驶员的情况下驶向目的地。
自动驾驶模式中,较少因失效系统、硬件或软件的故障导致,更多会因为感知、定位、决策等功能的局限,或者由于外部环境突变导致执行系统响应不及时导致.此外,在非故障情况下,可以预见的人为误用也可能造成自动驾驶事故的发生。
当前,自动驾驶正朝着更高等级的驾驶辅助系统发展,为了满足道路车辆安全性,传统功能安全标准ISO 26262已无法覆盖分析由性能限制而引发事故的驾驶场景,自动驾驶模式中,更多是因为感知、定位、决策等功能的性能局限,或者由于外部环境突变导致执行系统响应不及时导致。目前,对于全面的结构化场景库建立,并没有统一完整参数化配置,结构化场景参数化组合之后生成的逻辑场景与触发条件不能紧密结合起来,一般通过STAP(System-Theoretic Process Analysis,系统理论进程分析)分析方法得到触发条件,或者触发条件的确定根据试验人员的经验得到,不够精准和全面,缺乏数据支撑。而根据仿真测试环境所确定触发条件的发生概率,其评估结果也容易出现失真的情况。大部分的触发条件评估没有对应量化评价指标,无法形成客观的评估结果,从而影响整车设计改进。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,提供一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,能够提高自动驾驶预期功能安全触发条件量化评估的准确性,具有效率高,可靠性高等优点;同时基于整车量化评价标准通过对场景和车辆应用状态分析,对传感器性能指标也做了基本要求。
本发明提供一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,包括如下步骤,
步骤S1.基于不同的层次模型的构建结构化场景库,将对应的结构化场景与场景参数相结合生成对应的逻辑化场景库;
步骤S2.建立传感器性能局限和触发条件对风险场景之间的映射关系,同时确定逻辑化风险场景的严重度S、暴漏率E、可控性C的概率系数,量化评估每个风险场景的可接受准则;
步骤S3.基于不同的风险场景,通过优选评价指标对整车安全距离和实际危险场景中的安全降级行动进行量化评估,判断对应的评价指标是否在可以接受的范围内,同时,通过分析车辆运动过程和应用状态,结合对应的优选评价指标,对传感器本身的性能和控制器性能提出与整车接受准则相匹配的性能要求。
作为本发明的进一步技术方案,步骤S1中,结构化场景由自车状态、道路环境、交通环境、交通参与者、自然环境、数字信息和道路临时事件七部分场景参素组成,七部分场景参素进行组合,生成完整的逻辑化场景。
进一步的,步骤S2中,针对L0-L2级,SEC综合系数=1*0.2*0.4=0.08,每100次非预期行为可能发生8次不可接受的危害事故;而针对L3-L4级,SEC综合系数=1*0.1*1=0.1,每100次非预期行为可能发生10次不可接受的危害事故。
进一步的,步骤S3中,基于人类驾驶员的常识、“路权”安全优先和遮挡物体避免,通过纵向安全距离和横向安全距离识别,形成初步安全评价标准;基于感知的目标行为预测,结合安全距离的识别,实现自动驾驶车辆的碰撞预测。
本发明的优点在于,能够提高自动驾驶预期功能安全触发条件量化评估的准确性,具有效率高,可靠性高等优点;同时基于整车量化评价标准通过对场景和车辆应用状态分析,对传感器性能指标也做了基本要求。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的触发条件识别的量化评估示意图;
图3为本发明的自动驾驶系统安全评价指标筛选流程图。
具体实施方式
请参阅图1,本实施例提供本发明一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,包括如下步骤,
步骤S1.基于不同的层次模型的构建结构化场景库,将对应的结构化场景与场景参数相结合生成对应的逻辑化场景库;
步骤S2.建立传感器性能局限和触发条件对风险场景之间的映射关系,同时确定逻辑化风险场景的严重度S、暴漏率E、可控性C的概率系数,量化评估每个风险场景的可接受准则;
步骤S3.基于不同的风险场景,通过优选评价指标对整车安全距离和实际危险场景中的安全降级行动进行量化评估,判断对应的评价指标是否在可以接受的范围内,同时,通过分析车辆运动过程和应用状态,结合对应的优选评价指标,对传感器本身的性能和控制器性能提出与整车接受准则相匹配的性能要求。
步骤S1中,结构化场景由自车状态、道路环境、交通环境、交通参与者、自然环境、数字信息和道路临时事件七部分场景参素组成,七部分场景参素进行组合,生成完整的逻辑化场景。图1展示了自动驾驶预期功能安全触发条件生成及系统优化评估方法流程,通过对场景进行分层构建,罗列出自动驾驶车辆运行过程中所面临的所有可能场景如表1所示,通过结构化场景进行参数化,并将场景构建组合,生成对应的符合实际状况的逻辑化运行场景。
表1结构化场景库构建表
步骤S2中,针对L0-L2级,SEC综合系数=1*0.2*0.4=0.08,每100次非预期行为可能发生8次不可接受的危害事故;而针对L3-L4级,SEC综合系数=1*0.1*1=0.1,每100次非预期行为可能发生10次不可接受的危害事故,如图2所示。
如图3所示,步骤S3中,基于人类驾驶员的常识、“路权”安全优先和遮挡物体避免,通过纵向安全距离和横向安全距离识别,形成初步安全评价标准;基于感知的目标行为预测,结合安全距离的识别,实现自动驾驶车辆的碰撞预测。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。
Claims (4)
1.一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,其特征在于,包括如下步骤,
步骤S1.基于不同的层次模型的构建结构化场景库,将对应的结构化场景与场景参数相结合生成对应的逻辑化场景库;
步骤S2.建立传感器性能局限和触发条件对风险场景之间的映射关系,同时确定逻辑化风险场景的严重度S、暴漏率E、可控性C的概率系数,量化评估每个风险场景的可接受准则;
步骤S3.基于不同的风险场景,通过优选评价指标对整车安全距离和实际危险场景中的安全降级行动进行量化评估,判断对应的评价指标是否在可以接受的范围内,同时,通过分析车辆运动过程和应用状态,结合对应的优选评价指标,对传感器本身的性能和控制器性能提出与整车接受准则相匹配的性能要求。
2.根据权利要求1所述的一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,其特征在于,所述步骤S1中,结构化场景由自车状态、道路环境、交通环境、交通参与者、自然环境、数字信息和道路临时事件七部分场景参素组成,七部分场景参素进行组合,生成完整的逻辑化场景。
3.根据权利要求1所述的一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,其特征在于,所述步骤S2中,针对L0-L2级,SEC综合系数=1*0.2*0.4=0.08,每100次非预期行为可能发生8次不可接受的危害事故;而针对L3-L4级,SEC综合系数=1*0.1*1=0.1,每100次非预期行为可能发生10次不可接受的危害事故。
4.根据权利要求1所述的一种自动驾驶预期功能安全触发条件生成及系统优化评估方法,其特征在于,所述步骤S3中,基于人类驾驶员的常识、“路权”安全优先和遮挡物体避免,通过纵向安全距离和横向安全距离识别,形成初步安全评价标准;基于感知的目标行为预测,结合安全距离的识别,实现自动驾驶车辆的碰撞预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310849992.4A CN116861678A (zh) | 2023-07-12 | 2023-07-12 | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310849992.4A CN116861678A (zh) | 2023-07-12 | 2023-07-12 | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116861678A true CN116861678A (zh) | 2023-10-10 |
Family
ID=88218674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310849992.4A Pending CN116861678A (zh) | 2023-07-12 | 2023-07-12 | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861678A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117261943A (zh) * | 2023-11-17 | 2023-12-22 | 中汽研汽车检验中心(常州)有限公司 | 基于米莉型状态机的自动驾驶预期功能安全危害识别方法 |
-
2023
- 2023-07-12 CN CN202310849992.4A patent/CN116861678A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117261943A (zh) * | 2023-11-17 | 2023-12-22 | 中汽研汽车检验中心(常州)有限公司 | 基于米莉型状态机的自动驾驶预期功能安全危害识别方法 |
CN117261943B (zh) * | 2023-11-17 | 2024-03-01 | 中汽研汽车检验中心(常州)有限公司 | 基于米利型状态机的自动驾驶预期功能安全危害识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4009291A1 (en) | Method, apparatus and device for managing black box data of intelligent driving automobile | |
CN109991987B (zh) | 自动驾驶决策方法及装置 | |
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 | |
CN116861678A (zh) | 一种自动驾驶预期功能安全触发条件生成及系统优化评估方法 | |
WO2007049013A1 (en) | A method of modelling the effect of a fault on the behaviour of a system | |
CN109753623B (zh) | 一种自动驾驶车辆多测试场景分析与数目化简方法 | |
Chia et al. | Risk assessment methodologies for autonomous driving: A survey | |
JP6950481B2 (ja) | 診断システム | |
CN111723458B (zh) | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 | |
CN112631257A (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 | |
CN114330473A (zh) | 感知系统错误检测和重新验证 | |
CN113935143A (zh) | 通过自主车辆的增加的严重性等级估计碰撞概率 | |
CN113370996A (zh) | 自动驾驶换道跟驰决策方法及系统、自动驾驶车辆 | |
Stark et al. | Generation of autonomous vehicle validation scenarios using crash data | |
CN114492043B (zh) | 考虑感知受限特性的个性化驾驶员跟车建模方法 | |
CN112231823B (zh) | 碰撞性能预测装置及方法 | |
CN115359658B (zh) | 交通事件的检测方法、装置、设备、存储介质及程序产品 | |
CN115129027A (zh) | 一种用于智能驾驶的自动化评估方法及装置 | |
CN111968397B (zh) | 自动驾驶行为判定方法 | |
CN115270450A (zh) | 一种自动驾驶决策系统性能局限的预期功能安全优化方法 | |
CN113486628A (zh) | 一种交通规则到机器语言的转换方法及系统 | |
CN114166520A (zh) | 汽车adas场景识别功能的测试方法 | |
Cao et al. | Application oriented testcase generation for validation of environment perception sensor in automated driving systems | |
Ravishankaran | Impact on how AI in automobile industry has affected the type approval process at RDW | |
Yeo | Autonomous Driving Technology through Image Classfication and Object Recognition Based on CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |