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技术

本发明专利技术公开了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，包括：对自动驾驶车辆误/漏识别触发事件进行分析，得出触发误/漏识别事件的原因及发生的场景；在仿真软件中构建自动驾驶车辆误/漏识别仿真测试场景并进行测试，改进误/漏识别对预期功能安全的影响；将由于误/漏识别导致的自动驾驶车辆的系统/组件发生的功能表现局限上传至云端管理系统进行保存；对表现局限的功能进行严重度等级划分，分析潜在的出现频次和可被检测度，以采取相对应的应对措施。通过该发明专利技术可有效合理地改善自动驾驶车辆误/漏识别的预期功能安全，降低由于系统性能不足导致的风险，保证自动驾驶车辆的安全性和可靠性。

【技术实现步骤摘要】
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
本专利技术涉及无人驾驶测试
，具体涉及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。
技术介绍
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。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，提供给驾驶员的相关自动驾驶车辆预期功能的信息不够明确，关键操作情况的不可控性等等，进而导致危险发生，如何降低风险以确认自动驾驶预期功能的安全是SOTIF的挑战。为了降低自动驾驶车辆预期功能的风险，需要确定措施来改进预期功能安全，以解决明确的导致危害发生的系统限制。比如可以通过提高传感器的性能/精度以降低误/漏识别的影响，完善相关预警和监控策略等，这些都是目前需要解决的问题。r>
技术实现思路
本专利技术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/漏识别的预期功能安全风险评估方法。为达到上述目的，本专利技术采用的技术方案是：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，包括如下步骤：S1，识别由于误/漏识别引发的潜在危险行为，由具体的环境条件对比预期危险场景与安全场景进行误/漏识别触发事件分析；S2，在仿真软件中构建自动驾驶车辆误/漏识别仿真测试场景并进行测试，改进误/漏识别对预期功能安全的影响，包括：(1)在所述仿真软件中创建虚拟测试场景；(2)根据实车所装备的传感器，在所述仿真软件中给所述仿真软件中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传感器，同时将用于实车的所述传感器及底层执行控制层外接到所述仿真软件上，获取所述传感器及所述底层执行控制层数据；(3)在所述仿真软件中添加与实车相同的控制决策算法，将所述传感器数据和所述底层执行控制层数据发送给所述车辆动力学模块；(4)在所述仿真软件中添加车辆行驶环境；(5)对模拟的自动驾驶车辆进行误/漏识别场景仿真测试实验；(6)对测试结果进行分析并提出改进措施，所述改进措施包括提高所述传感器性能/精度、提高所述传感器的安装精度及增加所述传感器；S3，将由于误/漏识别导致的自动驾驶车辆的系统/组件发生的功能表现局限上传至云端管理系统进行保存；S4，对表现局限的功能进行严重度等级划分，分析潜在的出现频次和可被检测度，以采取相对应的应对措施。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/漏识别触发事件，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。优选地，步骤S4中，所述严重度等级包括高、较高/中、中/较低、低，所述出现频次和所述可被检测度均分为高、中、低三档，采取的所述应对措施包括预警上报、启动降级控制、安全靠边停车和紧急制动。进一步地，当严重度等级为高，且出现频次、可被检测度均为高/中时，采取自动紧急制动措施；当严重度等级为较高/中，且出现频次为中/低、可被检测度为高/中/低时，采取安全靠边停车措施；当严重度等级为中/较低，且出现频次为高/中/低、可被检测度为中/低时，启动降级控制措施；当严重度等级为低，且出现频次为中/低、可被检测度为中/低时，采取预警上报措施。更进一步地，当采取自动紧急制动措施和安全靠边停车措施时，均开启应急灯。进一步地，当所述严重度等级高、且出现频次、可被检测度均为高/中时，自动驾驶车辆预期功能安全的风险等级为高；当严重度等级为较高/中，且出现频次为中/低、可被检测度为高/中/低时，自动驾驶车辆预期功能安全的风险等级为较高；当严重度等级为中/较低，且出现频次为高/中/低、可被检测度为中/低时，自动驾驶车辆预期功能安全的风险等级为中等/较低；当严重度等级为低，且出现频次为中/低、可被检测度为中/低时，自动驾驶车辆预期功能安全的风险等级为低。。由于上述技术方案的运用，本专利技术与现有技术相比具有下列优点：本专利技术的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在对基于误/漏识别自动驾驶车辆预期功能安全的触发事件分析后，对构建的仿真测试场景进行测试，根据测试结果提出有效的改善措施，并且将由于误/漏识别导致的自动驾驶车辆系统/组件发生的功能表现局限上传至云端管理系统进行保存，对表现局限的功能进行严重度等级划分，分析潜在的出现频次和可被检测度，进而采取相对应的应对措施。本专利技术有效合理地改善了自动驾驶车辆误/漏识别的预期功能安全，降低了由于系统性能不足导致的风险，保证了自动驾驶车辆的安全性和可靠性。附图说明附图1为本专利技术的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的流程图；附图2为本专利技术中改进误/漏识别对预期功能安全影响的流程图；附图3为本专利技术中功能表现局限信息上传的结构框图；附图4为本专利技术中严重度等级、应对措施及风险评估的框架图。具体实施方式下面结合附图来对本专利技术的技术方案作进一步的阐述。如图1所示，本专利技术的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包括如下步骤：S1，自动驾驶车辆误/漏识别触发事件分析在分析基于自动驾驶车辆误/漏识别的具体触发事件前，需要识别由于误/漏识别引发的潜在危险行为，再由具体的环境条件对比预期危险场景与安全场景进行误/漏识别触发事件分析，如表1所示，主要包括由误/漏识别引发的风险事件和相对应的触发事件。例如，传感器摄像头在白天前方有静止白色箱体货车将其识别为天空，激光雷达由于自身原因对黑色车辆和黑色衣服行人的检测，都会造成传感器漏识本文档来自技高网...

【技术保护点】
1.一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，其特征在于：包括如下步骤：/nS1，识别由于误/漏识别引发的潜在危险行为，由具体的环境条件对比预期危险场景与安全场景进行误/漏识别触发事件分析；/nS2，在仿真软件中构建自动驾驶车辆误/漏识别仿真测试场景并进行测试，改进误/漏识别对预期功能安全的影响，包括：/n（1）在所述仿真软件中创建虚拟测试场景；/n（2）根据实车所装备的传感器，在所述仿真软件中给所述仿真软件中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传感器，同时将用于实车的所述传感器及底层执行控制层外接到所述仿真软件上，获取所述传感器及所述底层执行控制层数据；/n（3）在所述仿真软件中添加与实车相同的控制决策算法，将所述传感器数据和所述底层执行控制层数据发送给所述仿真软件中构建的车辆动力学模块；/n（4）在所述仿真软件中添加车辆行驶环境；/n（5）对模拟的自动驾驶车辆进行误/漏识别场景仿真测试实验；/n（6）对测试结果进行分析并提出改进措施，所述改进措施包括提高所述传感器性能/精度、提高所述传感器的安装精度及增加所述传感器；/nS3，将由于误/漏识别导致的自动驾驶车辆的系统/组件发生的功能表现局限上传至云端管理系统进行保存；/nS4，对表现局限的功能进行严重度等级划分，分析潜在的出现频次和可被检测度，以采取相对应的应对措施。/n...

【技术特征摘要】
1.一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，其特征在于：包括如下步骤：
S1，识别由于误/漏识别引发的潜在危险行为，由具体的环境条件对比预期危险场景与安全场景进行误/漏识别触发事件分析；
S2，在仿真软件中构建自动驾驶车辆误/漏识别仿真测试场景并进行测试，改进误/漏识别对预期功能安全的影响，包括：
（1）在所述仿真软件中创建虚拟测试场景；
（2）根据实车所装备的传感器，在所述仿真软件中给所述仿真软件中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传感器，同时将用于实车的所述传感器及底层执行控制层外接到所述仿真软件上，获取所述传感器及所述底层执行控制层数据；
（3）在所述仿真软件中添加与实车相同的控制决策算法，将所述传感器数据和所述底层执行控制层数据发送给所述仿真软件中构建的车辆动力学模块；
（4）在所述仿真软件中添加车辆行驶环境；
（5）对模拟的自动驾驶车辆进行误/漏识别场景仿真测试实验；
（6）对测试结果进行分析并提出改进措施，所述改进措施包括提高所述传感器性能/精度、提高所述传感器的安装精度及增加所述传感器；
S3，将由于误/漏识别导致的自动驾驶车辆的系统/组件发生的功能表现局限上传至云端管理系统进行保存；
S4，对表现局限的功能进行严重度等级划分，分析潜在的出现频次和可被检测度，以采取相对应的应对措施。


2.根据权利要求1所述的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，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/漏识别的预期功能安全风险评估方法，其特征在于：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/漏识别触发事件，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。


4.根据权利要求1所述的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，其特征在于：步骤S2中，所述底层执行控制层包括底层执行...

【专利技术属性】
技术研发人员：李茹，马育林，田欢，孙川，郑四发，
申请(专利权)人：清华大学苏州汽车研究院相城，
类型：发明
国别省市：江苏;32