[[438813]]

 作為未來(lái)智能駕駛的發(fā)展方向，關(guān)鍵技術(shù)的研究取得了重大進(jìn)展。然而，由于近期無(wú)人駕駛事故頻發(fā)，安全性能令人擔(dān)憂(yōu)。為了解決安全問(wèn)題，提出了一種智能駕駛安全系統(tǒng)。該系統(tǒng)針對(duì)智能汽車(chē)感知、決策和控制方面的預(yù)期問(wèn)題，實(shí)時(shí)提供安全分析和監(jiān)控服務(wù)模塊。基于預(yù)期功能安全的概念，對(duì)駕駛場(chǎng)景和系統(tǒng)安全進(jìn)行分析和評(píng)估，以提高智能駕駛的安全性，有助于智能駕駛的發(fā)展。

1. 介紹

智能駕駛汽車(chē)的駕駛行為高度依賴(lài)于操作系統(tǒng)的穩(wěn)定性、智能性、安全性。

安全風(fēng)險(xiǎn)主要來(lái)源于以下三類(lèi)：

硬件安全

與傳統(tǒng)汽車(chē)相比，智能駕駛汽車(chē)不要求駕駛員直接控制車(chē)輛，而是將部分或者是全部的控制權(quán)限交由自動(dòng)控制系統(tǒng)。硬件架構(gòu)設(shè)置是否科學(xué)合理；各無(wú)人計(jì)算控制單元和控制器的設(shè)置是否完善；無(wú)人駕駛的傳感器是否完善；車(chē)輛能夠快速準(zhǔn)確地獲取道路環(huán)境信息，車(chē)輛運(yùn)動(dòng)感知和信息融合功能在無(wú)人駕駛車(chē)輛中起著決定性作用。

軟件安全

與傳統(tǒng)汽車(chē)相比，自動(dòng)駕駛汽車(chē)的開(kāi)發(fā)時(shí)間較短，技術(shù)開(kāi)發(fā)仍不成熟，軟件系統(tǒng)仍需要長(zhǎng)期的可靠性分析。例如，著名的無(wú)人駕駛汽車(chē)制造商谷歌已經(jīng)在無(wú)人駕駛汽車(chē)平臺(tái)上進(jìn)行了9年的封閉式測(cè)試，但測(cè)試時(shí)間不夠，因素也相對(duì)很簡(jiǎn)單。因此，其安全性和穩(wěn)定性仍需要長(zhǎng)期監(jiān)測(cè)。

環(huán)境安全

在人工智能算法的基礎(chǔ)上，智能駕駛汽車(chē)能夠?qū)崿F(xiàn)自動(dòng)避障和完成自動(dòng)駕駛在一些較為復(fù)雜的道路上。然而，無(wú)人駕駛汽車(chē)仍然需要其他的交通參與者的正確駕駛來(lái)駕駛。只有當(dāng)其他駕駛員做出正確駕駛的判斷時(shí)，無(wú)人駕駛汽車(chē)的測(cè)試才會(huì)相應(yīng)做出正確、合理的判斷。

該論文在對(duì)無(wú)人駕駛事故和安全隱患的分析基礎(chǔ)上，提出了自動(dòng)駕駛汽車(chē)的預(yù)期安全系統(tǒng)。該系統(tǒng)可以進(jìn)行監(jiān)督、預(yù)測(cè)和保證智能駕駛車(chē)輛的駕駛狀態(tài)，從感知、決策和控制等方面提高智能駕駛的安全性。

2. 系統(tǒng)架構(gòu)

智能駕駛離不開(kāi)幾項(xiàng)關(guān)鍵技術(shù)。在宏觀層面，智能駕駛基于環(huán)境感知、路徑規(guī)劃和決策控制等核心技術(shù)。

結(jié)合上一段提到的幾個(gè)關(guān)鍵技術(shù)，智能駕駛有了真正駕駛的技術(shù)支撐，而安全技術(shù)是自動(dòng)駕駛汽車(chē)能否真正在公共道路上行駛的前提。2011年發(fā)布的ISO26262《道路車(chē)輛功能安全》國(guó)際道路車(chē)輛功能安全標(biāo)準(zhǔn)，為電子控制系統(tǒng)故障引起的安全風(fēng)險(xiǎn)提供了系統(tǒng)的解決方案。

由于自動(dòng)駕駛汽車(chē)可以獨(dú)立于駕駛員控制車(chē)輛的部分或全部行為，任何影響其感知、決策和執(zhí)行的因素都可能構(gòu)成車(chē)輛危險(xiǎn)。根據(jù)不同的風(fēng)險(xiǎn)來(lái)源和所需的安全技術(shù)，比較分析見(jiàn)下表。

系統(tǒng)功能限制

主要原因是設(shè)計(jì)開(kāi)發(fā)過(guò)程中的系統(tǒng)功能定義不能完全滿(mǎn)足目標(biāo)市場(chǎng)的使用要求。對(duì)目標(biāo)場(chǎng)景的考慮不全面，導(dǎo)致系統(tǒng)無(wú)法準(zhǔn)確識(shí)別環(huán)境要素；功能仲裁邏輯不合理，導(dǎo)致系統(tǒng)決策錯(cuò)誤；執(zhí)行機(jī)構(gòu)響應(yīng)不足，導(dǎo)致運(yùn)動(dòng)控制偏離預(yù)期。

環(huán)境干擾

自動(dòng)駕駛受到路況、周邊事物、環(huán)境天氣等諸多因素的影響。如何克服環(huán)境干擾，可靠地執(zhí)行環(huán)境工作行車(chē)識(shí)別、駕駛決策和運(yùn)動(dòng)控制是確保安全駕駛的關(guān)鍵。預(yù)期安全系統(tǒng)源于預(yù)期功能安全(SOTIF)的概念，旨在為智能駕駛的感知、決策和控制系統(tǒng)(執(zhí)行響應(yīng))設(shè)計(jì)一種安全監(jiān)管系統(tǒng)，以克服環(huán)境干擾，改善智能駕駛系統(tǒng)的局限性。建議的安全系統(tǒng)架構(gòu)如下圖所示。

該安全系統(tǒng)預(yù)計(jì)將分為三個(gè)基本模塊：感知數(shù)據(jù)的處理、決策信息的確定和執(zhí)行器響應(yīng)的檢測(cè)。首先，基于智能車(chē)輛傳感器的感覺(jué)數(shù)據(jù)，進(jìn)行多傳感器分析和融合，重建當(dāng)前的駕駛場(chǎng)景。通過(guò)分析駕駛現(xiàn)場(chǎng)，安全系統(tǒng)可以確定每個(gè)傳感器的置信度，并根據(jù)傳感器的置信度為智能汽車(chē)的決策和控制提供保證。

其次，決策信息的判斷主要基于“安全熵”和安全系統(tǒng)的定量評(píng)價(jià)。最后，執(zhí)行器響應(yīng)的檢測(cè)相對(duì)偏向于仿真和測(cè)試。對(duì)于已知情況，可以選擇軟件/硬件測(cè)試和車(chē)輛測(cè)試.

3. 駕駛現(xiàn)場(chǎng)和系統(tǒng)安全

駕駛現(xiàn)場(chǎng)構(gòu)建

要分析駕駛場(chǎng)景，構(gòu)建場(chǎng)景數(shù)據(jù)庫(kù)（如下圖）是一個(gè)先決條件。針對(duì)不同的典型場(chǎng)景，通過(guò)采集真實(shí)駕駛員的駕駛數(shù)據(jù)，形式化并分析駕駛決策。智能車(chē)輛結(jié)合場(chǎng)景檢索與識(shí)別，在保證各項(xiàng)功能的前提下，可以大大提高智能駕駛的安全性。

本文提到的駕駛場(chǎng)景庫(kù)由交通信號(hào).道路屬性.環(huán)境屬性.時(shí)間構(gòu)成

因此，提出了一種對(duì)行車(chē)場(chǎng)景進(jìn)行定性分析作為多傳感器融合基礎(chǔ)的行車(chē)場(chǎng)景構(gòu)建方案。定性分析方法來(lái)源于自然語(yǔ)言中的知識(shí)提取算法。知識(shí)提取的過(guò)程可以概括為三個(gè)步驟。第一步是識(shí)別與本體（ontology）相匹配的概念、概念實(shí)例、屬性和簡(jiǎn)單值;第二步是根據(jù)內(nèi)容和本體定義，將識(shí)別出的三元組元素正確組合，構(gòu)建正確的知識(shí)三元組;最后一步是基于本體對(duì)抽取的事實(shí)知識(shí)的有效性和完整性進(jìn)行檢驗(yàn)，刪除無(wú)效知識(shí)和不完整知識(shí)，確保添加到領(lǐng)域本體知識(shí)庫(kù)中的知識(shí)是有效的和完整的。例如，通過(guò)獲取天氣信息，如今天的雨天，結(jié)合已建立的用例庫(kù)，可以推斷激光雷達(dá)的置信度由于環(huán)境干擾而降低。因此，在這種情況下，激光雷達(dá)的權(quán)重應(yīng)該相應(yīng)地減少，以確保安全。

結(jié)合以上的定性分析，對(duì)駕駛場(chǎng)景的定量分析也是必不可少的。利用模糊數(shù)學(xué)中的基本概念，用公式定量描述駕駛場(chǎng)景。

圖片其中V1表示交通信息，即交通燈、交通標(biāo)志;V2表示道路信息，如道路材料、道路起伏、道路物體信息;V3表示自然條件，如雨、雪、霧、霾、空氣流量、溫度、濕度等;V4表示時(shí)間。

結(jié)合定性和定量的概念，分析各個(gè)因素的影響，并根據(jù)不同因素的組合實(shí)現(xiàn)自主駕駛決策。目前的決策方法大多過(guò)于單一，不能完全適用于復(fù)雜的社會(huì)環(huán)境。因此，場(chǎng)景信息不僅可以增強(qiáng)智能駕駛感知系統(tǒng)，還可以針對(duì)不同場(chǎng)景提供不同的駕駛策略，從而提高智能車(chē)輛的環(huán)境適應(yīng)性和駕駛穩(wěn)健性。

拓展安全熵

近年來(lái)，熵作為一個(gè)更籠統(tǒng)的概念被提出，熵的應(yīng)用在深度和廣度上都有了進(jìn)一步的發(fā)展。預(yù)期功能的安全性（SOTIF）有望成為智能駕駛的研究熱點(diǎn)之一。因此，提出了預(yù)期安全熵的概念。它可以定義為在熵權(quán)下智能駕駛車(chē)輛的各種預(yù)期功能因素（包括感知、決策、執(zhí)行器等）的不確定性的總和。

對(duì)于安全系數(shù)，其安全性可用于指示其執(zhí)行安全功能的能力。安全程度可以從熵的角度來(lái)分析。它必須有一個(gè)與安全程度相對(duì)應(yīng)的安全熵來(lái)表示安全因素的不確定性、混亂性和無(wú)序性。安全程度越大，其自身的不確定性（uncertainly）、混亂（chaos）和無(wú)序（disorder）就越小。安全熵是衡量安全因子本身混沌程度的一個(gè)度量，安全熵由安全性圖片定義

定義安全系統(tǒng)的熵應(yīng)該由環(huán)境∩車(chē)輛的概率狀態(tài)來(lái)定義。假設(shè)環(huán)境處于異常安全狀態(tài)是

因此，系統(tǒng)的安全熵定義為

從熵的本質(zhì)意義出發(fā)，熵是一個(gè)廣義的度量。兩種狀態(tài)混合后，熵應(yīng)該是兩種狀態(tài)對(duì)應(yīng)的熵之和，即

因此，

安全熵和熵的概念是安全動(dòng)力學(xué)研究的基礎(chǔ)，可以作為解釋安全系統(tǒng)穩(wěn)定性和判斷安全系統(tǒng)是否不穩(wěn)定的判據(jù)。可見(jiàn)，所定義的安全熵概念符合廣義熵的性質(zhì)，從而為安全系統(tǒng)的安全熵和其他領(lǐng)域的熵提供了橋梁。

4. 未來(lái)發(fā)展

安全是汽車(chē)行業(yè)發(fā)展的永恒主題。通過(guò)分析環(huán)境和車(chē)輛因素對(duì)自動(dòng)駕駛的安全影響，解釋風(fēng)險(xiǎn)的來(lái)源和發(fā)生機(jī)制，并提出對(duì)策。通過(guò)充分考慮安全風(fēng)險(xiǎn)的來(lái)源，系統(tǒng)地實(shí)施功能安全、信息安全、SOTIF等安全技術(shù)，可以確保自動(dòng)駕駛實(shí)現(xiàn)整體安全，相關(guān)自動(dòng)駕駛汽車(chē)實(shí)現(xiàn)規(guī)模化應(yīng)用。

提出的自動(dòng)駕駛汽車(chē)的預(yù)期安全系統(tǒng)是基于國(guó)際上正在實(shí)施的 SOTIF 技術(shù)標(biāo)準(zhǔn)的發(fā)展。該國(guó)際技術(shù)標(biāo)準(zhǔn)是首個(gè)自動(dòng)駕駛汽車(chē)安全技術(shù)標(biāo)準(zhǔn)，對(duì)自動(dòng)駕駛汽車(chē)系統(tǒng)安全技術(shù)的開(kāi)發(fā)和驗(yàn)證具有重要的指導(dǎo)意義。