基于場景的自動駕駛安全驗證研究

開發(fā)一個強大且全面的測試框架對于確保自動駕駛系統(tǒng) (ADS) 的安全性和可靠性至關重要。該框架應涵蓋廣泛的可測試用例和場景，以挑戰(zhàn) ADS 在多樣化和真實駕駛環(huán)境中的能力。

1. 自動化等級:

汽車工程師協(xié)會 (SAE) 國際組織定義了六個級別的駕駛自動化，范圍從完全手動駕駛到完全自動駕駛：

L0 級：無駕駛自動化，駕駛員完全控制車輛，沒有任何自動化輔助。這是我們熟悉的傳統(tǒng)駕駛方式。

L1 級：駕駛員輔助，L1 級系統(tǒng)引入了基本的駕駛員輔助功能，駕駛輔助系統(tǒng)需要對車輛的橫向或縱向的連續(xù)控制，如自適應巡航控制、車道居中保持功能。這些功能可以提高駕駛安全性和舒適性，但駕駛員仍需完全負責控制車輛。

L2 級：部分駕駛自動化, ?L2 級系統(tǒng)可在特定條件下接管一些駕駛?cè)蝿眨甾D(zhuǎn)向 和保持車道內(nèi)行駛速度。然而，駕駛員仍需監(jiān)控環(huán)境，并隨時準備接管控制權。高級駕駛輔助系統(tǒng) (ADAS) 比如特斯拉 Autopilot 和通用汽車 Super Cruise 都是在這一級別操作。

L3 級：條件駕駛自動化, L3 級系統(tǒng)可以在特定條件下處理更復雜的駕駛情況，例如交通擁堵和高速公路駕駛。在這種情況下，駕駛員可以安全地脫離一些駕駛?cè)蝿眨麄儽仨氃谙到y(tǒng)提示時隨時恢復控制。這一級別仍在開發(fā)中，尚未廣泛商用。

L4 級：高度駕駛自動化，L4 級系統(tǒng)可以在特定環(huán)境中處理所有駕駛?cè)蝿?，例如特定高速公路或地理圍欄區(qū)域內(nèi)。駕駛員可以完全脫離駕駛，進行其他活動，但他們可能需要在系統(tǒng)故障或離開操作區(qū)域時接管控制權。

L5 級：完全駕駛自動化, L5 級系統(tǒng)可以在任何環(huán)境中處理所有駕駛?cè)蝿?。駕駛員不再需要，車輛可以完全自主運行。這一級別仍處于研發(fā)階段，但它具有革新交通運輸?shù)臐摿Α?/p>

隨著自動駕駛系統(tǒng) (ADS) 即將徹底改變交通運輸，了解這些自動化等級對于設計及驗證復雜且不斷發(fā)展的 ADS 技術至關重要，通過強有力的測試確保其安全性和可靠性至關重要。測試框架需要一種全面的方法來開發(fā)可測試用例和場景，這些場景將在多樣化的駕駛環(huán)境中推動 ADS 能力的極限。

以下是框架概述：框架應適用于當前正在開發(fā)和部署的不同自動化等級 (SAE L0-L5 級)。每個級別都需要不同的測試場景，駕駛員參與程度和系統(tǒng)自主性各不相同。

2. 場景分類:

創(chuàng)建用于測試自動駕駛系統(tǒng) (ADS) 的框架需要一套多樣化且具有挑戰(zhàn)性的場景，這些場景應反映現(xiàn)實駕駛的復雜性。需要針對可測試場景進行分類，以確保全面涵蓋 ADS 可能遇到的潛在情況。

分類維度:

環(huán)境因素:

天氣:?陽光、雨雪、霧霾、風、極端溫度。

光線:?白天、夜晚、黃昏、眩光。

道路基礎設施:?高速公路、城市街道、鄉(xiāng)村道路、環(huán)島、隧道、橋梁。

交通密度:?低、中、高、嚴重擁堵。

道路狀況:?干燥、潮濕、結(jié)冰、積雪、碎屑、坑洼、施工區(qū)域。

交通參與者:

行人:?過馬路、橫穿馬路、走在路肩上。

騎自行車者:?單人騎行、團體騎行、不可預測行為。

車輛:?汽車、卡車、摩托車、自行車、緊急車輛。

動物:?鹿、狗、貓、鳥。

意外行為:?急剎車、變道、 aggressive 駕駛。

操作因素:

傳感器故障:?攝像頭、雷達、激光雷達故障。

系統(tǒng)故障:?漏洞、軟件錯誤、硬件故障。

網(wǎng)絡攻擊:?黑客攻擊、數(shù)據(jù)操縱。

緊急情況:?事故、醫(yī)療緊急情況、火災。

基礎設施中斷:?道路封閉、繞道、信號中斷。

自動化等級:

0 級 (無自動化):?關注駕駛員在各種環(huán)境中應對意外情況的反應。

1 級 (駕駛員輔助):?評估系統(tǒng)干預以及它們?nèi)绾斡绊戱{駛員行為和情景意識。

2 級 (部分自動化):?測試駕駛員與系統(tǒng)之間的切換過程以及處理系統(tǒng)限制 (例如車道線褪色) 的能力。

3 級 (條件自動化):?評估系統(tǒng)處理復雜場景 (例如停走式交通) 和駕駛員接管準備就緒的能力。

4 級 (高度自動化):?在特定地理圍欄區(qū)域內(nèi)探索系統(tǒng)性能以及其對操作域之外的意外事件的響應。

5 級 (完全自動化):?在完全系統(tǒng)控制下涵蓋各種環(huán)境和交通場景，側(cè)重安全性和可靠性。

組合類別:

場景可以通過組合這些類別進一步細化。例如，一個場景可能涉及高速公路 (環(huán)境) 上的低能見度 (霧) 和前方卡車突然剎車 (交通參與者)。

分類的好處:

確保全面覆蓋:?減少測試中的盲點。

促進系統(tǒng)測試計劃:?幫助根據(jù)風險和復雜性優(yōu)先排序場景。

使數(shù)據(jù)分析和比較成為可能:?提高對系統(tǒng)在不同類別中的性能的理解。

分類后下一步:

指定場景目標:?為每個場景定義特定目標，重點關注要測試的關鍵系統(tǒng)方面。

開發(fā)詳細案例研究:?在每個類別和組合中創(chuàng)建單個場景的具體描述。

優(yōu)先排序和排序場景:?根據(jù)重要性和潛在風險對場景進行排名，考慮測試資源和約束。

框架為構建用于 ADS 測試的全面且可適應的場景分類方案奠定了基礎。特定類別、組合和目標可以根據(jù)特定系統(tǒng)和監(jiān)管要求進行調(diào)整。

3. 可測試用例:

在每個場景類別中，可以定義特定的可測試用例來評估 ADS 在各個方面的性能，例如：

感知：在不同條件下的物體檢測、跟蹤和分類精度。

規(guī)劃和決策：基于交通規(guī)則和安全考慮的路徑規(guī)劃、避障和操作選擇。

控制：轉(zhuǎn)向、加速和制動操作，以保持安全平穩(wěn)的運行。

人機交互：界面設計、溝通清晰度以及系統(tǒng)限制情況下的駕駛員接管程序。

4. 工具和技術:

可以使用各種工具和技術來創(chuàng)建和執(zhí)行測試場景，包括：

仿真平臺：高保真仿真可以復制現(xiàn)實駕駛環(huán)境，并對變量進行精確控制。

傳感器模擬器：模擬傳感器數(shù)據(jù)可用于測試 ADS 在特定場景中的感知能力。

硬件在環(huán)測試：實際車輛硬件可以與模擬環(huán)境集成，進行更真實的測試。

5. 持續(xù)改進:

測試框架應該是一個迭代過程，隨著新技術涌現(xiàn)和駕駛模式變化而不斷改進。應分析測試收集的數(shù)據(jù)，以識別改進領域并改進場景和測試用例。

通過實施一個全面且可適應的測試用例和場景框架，開發(fā)人員可以確保他們的 ADS 經(jīng)過徹底測試，并具備應對現(xiàn)實世界復雜性的能力，最終導致更安全可靠的自動駕駛體驗。

（歡迎申請加入智能駕駛交流學習群，加小編微信號zhijiashexiaoming）