自动驾驶预期功能安全触发条件模型评估方法及系统技术方案

本发明专利技术公开了一种自动驾驶预期功能安全触发条件模型评估方法及系统，该方法包括：1)识别自身车辆危害性能缺陷映射到触发条件，得到基于自身车辆危害性能缺陷分析的触发条件影响因子；2)与场景数据库对触发条件进行匹配，得到触发场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数；3)基于测试验证触发条件，反向评估触发条件影响因子，产生迭代参数值；4)计算触发条件评估量化模型值，通过设定等级阈值，根据触发条件评估量化模型值所在的等级区间对触发条件风险的合理化分析提供支持依据。本发明专利技术对自动驾驶预期功能安全触发条件做定量评估，解决了预期功能安全触发条件评估的量化问题，提升了自动驾驶预期功能安全开发效率。全开发效率。全开发效率。

【技术实现步骤摘要】
>}，
…
，{T
n
|<T
n
,P
n
,H1>,<T
n
,P
n
,H2>}，基于ISO26262
‑
3中ASIL等级评估危害等级，得到T1，T2，
…
,T
n
的影响因子t
*
；
[0013]t
*
：触发条件的影响因子，是衡量触发条件引起危害可能性的评估。通常情况下一个触发条件T会引起多个性能缺陷P(映射关系中对应)，假设一个性能缺陷对应m个危害，则
[0014]因此，基于自身车辆危害性能缺陷分析的触发条件影响因子K
*
按如下公式计算
[0015]K
*
＝h
*
·
p
*
·
t
*
[0016]2)与场景数据库对触发条件进行匹配，得到触发场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数；
[0017]对场景数据库的场景数据以7层要素切分为驾驶场景元素，7层要素包括自车要素、目标要素、交通设施要素、道路要素、天气要素、通讯要素；
[0018]要素根据采集标定以及气象局信息确定场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数O
*
，并将各层要素和触发条件进行关联匹配；
[0019]概率参数O*是基于场景数据库的信息，分为如下几种计算方式：
[0020]a)若为单因素情景，O
*
即为该单因素自身的发生概率；
[0021]‑
比如对一天中的时间划分：一天中50％是白天，35％是晚上，15％是黎明和黄昏(因为对车辆的影响是一样的，因此统一考虑，在实际分析车辆的运行场景的时候也不会分开分析)，那么白天的O
*
就是0.5，晚上的O
*
就是0.35，黎明和黄昏的O
*
就是0.15。
[0022]‑
比如对天气气候划分：晴天是65％，雨天7％，(大、暴)雨5％，雾5％，(中、大)雪天5％，多云10％，其他气候3％。O
*
的取值就是参考这个概率值。
[0023]b)若为多因素情景，O
*
即为所有因素同时发生的概率。
[0024]记因素N1发生概率为P(N1)，因素N2发生概率为P(N2)，因素N
n
发生概率为P(N
n
)。
[0025]‑
如果所有因素发生互不影响，则O
*
为
[0026][0027]‑
如果某一因素一定会导致另一因素发生，假设N2一定会导致N5发生，则O
*
为
[0028][0029]‑
如果两个因素之间有一定关联性，假设N1发生时，N3有一定可能性发生，应单独考虑N1和N3同时发生概率为P(N1,N3)，则O
*
为
[0030][0031]3)基于测试验证触发条件，反向评估触发条件影响因子，产生迭代参数值M*；
[0032]M*是实际开发的仿真测试中得到，复现该场景，看实际造成的危害值是否和分析的危害相匹配，是仿真结果的一个修正值；
[0033]4)计算触发条件评估量化模型值，触发条件评估量化模型值为上述步骤S1
‑
S3中的参数值相乘K
*
·
O
*
·
M
*
，通过设定等级阈值，根据触发条件评估量化模型值所在的等级区间对触发条件评估风险的合理化分析提供支持依据。
[0034]一种自动驾驶预期功能安全触发条件模型评估系统，包括：
[0035]性能缺陷识别模块，用于基于自身车辆危害性能缺陷分析得到触发条件影响因子；
[0036]从自动驾驶功能及系统定义中确定到整车层级危害，再从整车层级危害映射到感知
‑
决策
‑
执行的性能缺陷，从性能缺陷映射到触发条件，这样将得到一个链状的映射关系，具体如下：
[0037]第一层整车层级危害集合为H，映射的第二层性能缺陷集合为P，映射第三层触发条件集合为T，根据映射关系得到一系列映射子集，记为Z＝<T
i
,P
m
,H
n
>；
[0038]先将映射第一层整车层级危害评估基于类似ISO26262
‑
3中ASIL等级评估危害等级，将得到等级序列，不同等级对应不同分值，得到H1，H2，
…
,H
n
的影响因子h*；
[0039]再将系列子集映射第二层性能缺陷做集合，基于ISO26262
‑
3中ASIL等级评估危害等级，得到以性能缺陷为集合元素的集合，记做{P1|<P1,H1>}，
…
，{P
n
|<P
n
,H1>，<P
n
,H2>}，得到P1，P2，
…
,P
n
的影响因子p*；
[0040]最后将系列子集以映射第三层触发条件做集合，得到以触发条件为集合元素的集合，记做{T1|<T1,P1,H1>,
…
,<T1,P1,H
n
>}，{T2|<T2,P1,H1>，<T2,P2,H
n
>，<T2,P
n
,H1>，<T2,P
n
,H2>}，
…
，{T
n
|<T
n
,P
n
,H1>,<T
n
,P
n
,H2>}，基于类似ISO26262
‑
3中ASIL等级评估危害等级，得到T1，T2，
…
,T
n
的影响因子t*；
[0041]因此，基于自身车辆危害性能缺陷分析得到的触发条件影响因子K*＝h*
·
p*
·
t*；
[0042]场景数据匹配模块，用于将场景数据库的场景数据对触发条件进行匹配，得到触发场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数；
[0043]对场景数据库的场景数据以7层要素切分为驾驶场景元素，7层要素包括自车要素、目标要素、交通设施要素、道路要素、天气要素、通讯要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶预期功能安全触发条件模型评估方法，其特征在于，包括以下步骤：1)识别自身车辆危害性能缺陷映射到触发条件，得到基于自身车辆危害性能缺陷分析的触发条件影响因子；从自动驾驶功能及系统定义中确定到整车层级危害，再从整车层级危害映射到感知
‑
决策
‑
执行的性能缺陷，从性能缺陷映射到触发条件，获得一个链状的映射关系，具体如下：1.1)第一层整车层级危害集合为H，映射的第二层性能缺陷集合为P，映射第三层触发条件集合为T，根据映射关系得到一系列映射子集，记为Z＝<T
i
,P
m
,H
n
>；先将映射第一层整车层级危害评估基于ASIL等级评估危害等级，将得到等级序列，不同等级对应不同分值，得到H1，H2，
…
,H
n
的影响因子h
*
；h
*
影响因子按照ASIL等级通过评估他在整车层级造成的影响设定；1.2)将系列子集映射第二层性能缺陷做集合，基于ASIL等级评估危害等级，得到以性能缺陷为集合元素的集合，得到P1，P2，
…
,P
n
的影响因子p*；p
*
为性能缺陷的影响因子，是衡量性能缺陷发生造成影响的评估。通常情况下一个性能缺陷P会对应多个整车层级危害H
i
，假设一个性能缺陷对应n个危害，则该性能缺陷的影响因子1.3)将系列子集以映射第三层触发条件做集合，得到以触发条件为集合元素的集合，基于ASIL等级评估危害等级，得到T1，T2，
…
,T
n
的影响因子t
*
；t
*
为触发条件的影响因子，是衡量触发条件引起危害可能性的评估。通常情况下一个触发条件T会引起多个性能缺陷P
i
，假设一个性能缺陷对应m个危害，则因此，基于自身车辆危害性能缺陷分析的触发条件影响因子K
*
按如下公式计算K
*
＝h
*
·
p
*
·
t
*
；2)与场景数据库对触发条件进行匹配，得到触发场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数；3)基于测试验证触发条件，反向评估触发条件影响因子，产生迭代参数值M*；M*通过实际的仿真测试得到，通过复现该场景，比较实际造成的危害值是否和仿真测试分析的危害相匹配，根据仿真结果得到修正值作为迭代参数值M*；4)计算触发条件评估量化模型值，触发条件评估量化模型值为上述步骤1)
‑
3)中的参数值相乘K
*
·
O
*
·
M
*
，通过设定等级阈值，根据触发条件评估量化模型值所在的等级区间对触发条件评估风险的合理化分析提供支持依据。2.根据权利要求1所述的自动驾驶预期功能安全触发条件模型评估方法，其特征在于，所述步骤2)具体如下：对场景数据库的场景数据以7层要素切分为驾驶场景元素，7层要素包括自车要素、目标要素、交通设施要素、道路要素、天气要素、通讯要素；要素根据采集标定以及气象局信息确定场景影响自身车辆性能缺陷导致车辆级别危害发生的概率参数O
*
，并将各层要素和触发条件进行关联匹配；概率参数O*是基于场景数据库的信息，分为如下几种计算方式：a)若为单因素情景，O
*
即为该单因素自身的发生概率；
b)若为多因素情景，O
*
即为所有因素同时发生的概率。3.一种自动驾驶预期功能安全触发条件模型评估系统，其特征在于，包括：性能缺陷识别模块，用于...

【专利技术属性】
技术研发人员：张缦绮，
申请(专利权)人：东风汽车集团股份有限公司，
类型：发明
国别省市：